智能网联汽车技术课件 第三章 智能网联汽车定位导航技术

智能网联汽车定位导航技术CONTENTS目录01高精度地图02定位技术03惯性导航技术04定位与导航技术CONTENTS目录05Apollo定位模块应用实例06总结与展望高精度地图01定义面向智能网联汽车的高精度地图，绝对精度优于1m，相对精度10-20cm，包含车道边界、中心线等车道级信息，支持厘米级路径规划。特点较传统导航地图图层更多、内容更精细，包含车道坡度、曲率、航向、高程及车道线类型、颜色等三维道路属性。高精度地图的定义与特点传统导航地图与高精度地图的区别

精度等级传统：米级（约5m）；高精：厘米级（绝对<1m，相对10-20cm）

维度差异传统：以二维为主；高精：三维结构，全面反映道路空间信息

使用对象传统：面向人类用户；高精：面向智能网联汽车

语义精度传统：道路级；高精：车道级，包含详细属性信息

高精度地图数据划分静态地图数据包含道路固定属性信息，如车道几何形状、车道线类型、交通标志等，数据稳定，更新频率低。

动态地图数据反映实时交通状况和临时事件，如交通流量、事故、施工等，需实时或近实时更新。核心优势自动化程度达90%，精准识别率超95%，覆盖面积广，精细化程度高。数据格式采用行业标准OpenDRIVE格式，支持不同系统间数据共享与交换。标准改进推出ApolloOpenDRIVE标准，优化适配智能网联汽车的定位导航需求。Apollo高精度地图引入背景Apollo相对地图的引入与特点2018年Apollo2.5版本推出，适用于封闭园区和高速场景的低成本自动驾驶方案。坐标系特点采用车身坐标系，减少数据转换误差和计算量，支持多模式无缝切换。数据更新地图数据随车辆位置和朝向实时更新，更新频率10Hz，确保与车辆状态同步。Apollo相对地图的构建过程数据采集人工驾驶车辆录制路线数据，包含位置和速度信息，实时保存至地图数据包。数据处理生成指引线数据并平滑处理，剔除噪声，确保与人工驾驶路线吻合。对象检测利用AI技术检测并分类车道线、交通标志等静态对象，丰富地图信息。手动验证加载指引线数据至规划模块，结合感知和预测信息测试自动驾驶路线。Apollo相对地图的构建过程地图发布完成数据采集、处理、检测和验证后，地图方可发布供自动驾驶系统使用。定位技术02定义与作用全球导航卫星系统（GNSS）概述

空基无线电导航定位系统，提供全天候三维坐标、速度和时间信息，推动导航定位领域发展。主要系统

全球四大GNSS：美国GPS、俄罗斯GLONASS、欧洲Galileo、中国北斗；日本QZSS和印度IRNSS逐步发展。发展历程源于美国海军导航卫星系统，具备全能性、全球性，已发展至第三代，由33颗GPS-3卫星构建新星座。定位原理三维空间定位，通过测量卫星信号传播时间计算距离，结合多颗卫星位置求解接收器位置。第四颗卫星作用用于误差修正，提高定位精度，解决三维定位中的误差问题。GPS定位

北斗卫星导航系统定位"三步走"战略2000年北斗一号（中国服务），2012年北斗二号（亚太服务），2020年北斗全球系统（全球服务）。

北斗一号系统1994年启动，2000年建成，2颗地球静止轨道卫星，有源定位体制，我国第三个拥有卫星导航系统的国家。

北斗全球系统5颗同步地球卫星+30颗中轨道卫星，中轨道分布在3个55°轨道面，实现全球性无源导航，保留短报文通信功能。

传统GNSS存在的主要问题PVT精度位置-速度-时间精度无法满足精细测量需求，限制精密测量领域应用。

可用性服务时间百分比取决于卫星数量及几何布局，遮蔽角和地貌影响可见卫星数量，复杂区域信号易失效。

完好性系统出现问题时难以及时告知用户，可能导致定位错误，如精密进近飞行中需依赖路基导航。

抗干扰性信号强度弱，频段和导航码公开，易受干扰信号或伪信号影响，接收机难以分辨。

北斗导航对于定位问题的解决方案

优化星座布局调整卫星分布和密度，提高信号接收效率，确保系统连续性和可用性。

安装激光棱镜反射器使无线电追踪与轨道追踪成果独立，降低卫星时钟和星历误差相关性，提高精度可靠性。

增强信号与频段增加发射功率提升跟踪稳定性和抗干扰能力，增加频段传递更多信息，提高定位速度和精度。

建立电离层模型精确建模电离层延时，减少信号传播影响，提升定位精度。惯性导航技术03惯性导航原理

01理论基础基于牛顿力学定律，通过测量加速度和角速度，积分运算得到位置、速度和姿态信息。02IMU组成包含陀螺仪（测量三轴角度和角速度）和加速度计（测量三轴加速度）。03实现步骤获取初始位置和姿态角→连续测量加速度二次积分得航迹→测量角速度变化得当前姿态。核心部件陀螺转子为核心，由电动机驱动高速旋转，包含内外框架及转矩电动机、信号传感器等附件。工作原理遵循角动量守恒，抗拒旋转轴方向改变，通过内外框架相对陀螺的角度变化实现测量。姿态测量测量内外框架相对陀螺的角度或角速度，精准测量物体偏航角、俯仰角、横滚角。陀螺仪工作原理加速度计工作原理

01测量原理基于达朗贝尔力，公式为(F_i-m_ia_i=0)，测量加速度引起的惯性力。02工作模型类似真空盒内球体撞击内壁压敏传感器，通过力变化反馈加速度。03应用计算三轴方向加速度，为惯性导航系统提供关键运动参数。

惯性导航的发展和应用自动驾驶应用应用初期，短期竞争聚焦算法优化（如MEMS传感器标定），长期依赖MEMS芯片性能提升。

精度与成本速率级（智能设备）、战术级（无人驾驶）、惯导级（大型飞机）、战略级（潜艇），精度成本随级别升高。

发展趋势MEMS芯片性能要求提升，算法优化空间减小，需与GNSS、激光雷达等多传感器协同使用。定位与导航技术04组合导航原理单一技术局限GPS遮挡环境下精度降至10-50m，惯性导航误差随时间累积，需多技术融合弥补缺陷。组合必要性提供可靠稳定定位信息，是自动驾驶路径规划与轨迹跟踪的重要前提。技术互补GNSS提供无累积偏差绝对定位（低更新频率），IMU输出高频姿态/速度信息（误差累积），融合提升定位频率并修正偏移。核心问题GNSS信号延时导致信息不同步；信号遮挡时依赖惯性导航产生较大误差。GNSS与IMU的组合应用

基于深度相机的组合导航视觉与IMU融合深度相机采集图像，粒子滤波算法匹配地图特征，与IMU融合解决GNSS遮挡区定位问题。

车道线定位拍摄车道线图像与高精度地图比对，结合粒子滤波估计车辆精确位置，提升可靠性。基于激光雷达的组合导航

工作原理通过TOF或相干探测测量距离，发射激光束形成三维点云，构建环境地图，实现厘米级定位。

核心组成与FOV含激光发射器、接收器、惯性导航模块；垂直FOV多为25°，水平FOV机械360°/半固态120°。

与IMU协同IMU预测车辆扫描间增量移动，优化点云匹配，城市场景实现高精度高鲁棒性定位。

多传感器融合的组合导航融合意义融合激光雷达、毫米波雷达、视觉、GPS/IMU、V2X等数据，解决单一传感器局限，提升定位准确性。

传感器类型有源（激光雷达、毫米波雷达）、无源（视觉相机）、定位（GPS/IMU）、车联网（V2X）传感器。

实现流程数据采集→特征提取→模式识别→目标关联→融合算法合成，形成环境一致性解释。Apollo定位模块应用实例05

RTK定位模块定位原理基于载波相位的差分GNSS技术，通过基准站观测校准卫星轨道、时钟及大气时延，实现高精度定位。

优缺点优点：全天候可用性，信号良好时厘米级精度；缺点：依赖精密载波相位技术，易受信号阻塞和多径影响。

基准站校准基准站观测校准GNSS单点定位误差（约10m），提升定位精度。模块组成结合GPS+IMU+LiDAR实现融合定位，采用开源NDT点云配准算法，支持建图与定位。算法流程LiDAR实时点云下采样→高精度地图点云网络化并计算正态分布模型→以组合导航运动估计为初始值→NDT+牛顿梯度下降法迭代求解定位结果。NDT定位模块

MSF定位模块系统框架基于误差状态卡尔曼滤波的多传感器融合系统，处理多传感器信号并匹配激光雷达地图，估算最优位置、速度与姿态，SINS形成闭环校正。

工作原理GNSS和激光雷达提供独立PVA观测值，滤波器基于系统模型预测先验PVA，积分IMU数据推演运动状态，估计误差反馈抑制累积误差。

融合步骤多传感器数据收集→特征矢量提取→模式识别目标说明→目标分组关联→融合算法合成一致性解释。总结与展望06高精度地图特征面向智能网联汽车，相对精度10-20cm，车道级语义信息，三维数据结构，区别于传统米级精度道路级地图。定位技术原理GNSS（GPS/北斗）通过多卫星测距定位，北斗全球系统35颗卫星支持无源定位与短报文；惯性导航基于IMU测量积分获取位置姿态。组合导航框架常用GNSS+IMU组合，GNSS修正INS累积误差，结合激光雷达（NDT）、深度相机（粒子滤波）实现多传感器融合，如ApolloMSF模块提升鲁棒性。关键知识点总结智能网联汽车定位导航技术发展趋势精度与实时性向厘米级/毫米级突破，优化卫星星座、增强抗干扰（如北斗激光棱镜），高刷新率传感器实现动态实时定位。多传感器融合激光雷达、视觉、毫米波雷达深度融合，深度学习提升感知与匹配效率，降低单一传感器依赖，如ApolloMSF融合多源数据应对GNSS失效。数字基础设施高精度地图成为智慧城市底座，与V2X结合实现动态交通更新，支持L4+自动驾驶，拓展至物联网、城市规划领域。

案