利用激光雷達可以通過點云匹配來給車給汽車進行定位

前面介紹了通過 IMU 與GNSS 信號進行融合后組成慣性組合導航系統(tǒng)， 下面介紹幾種其他的定位方式以及和IMU的結(jié)合來提高性能。

一，LIDAR定位

利用激光雷達可以通過點云匹配來給車給汽車進行定位，該方法來自于激光雷達傳感器的檢測數(shù)據(jù)與預(yù)先存在的高精度地圖連續(xù)匹配，通過這種匹配可以獲得汽車在高精度地圖上的全球位置及行駛方向。

匹配點運算法很多，幾個常見的算法有迭代最近點，濾波算法以及卡爾曼濾波。

迭代最近點（或IPC）是一種方法。假如我們相對兩次點云掃描進行匹配，對第一次掃描的每一個點我們需要找到另一次掃描中最近的匹配點，最終我們會收都許多匹配點對，將每對點距離誤差相加，然后計算平均距離誤差。目標是通過點云旋轉(zhuǎn)和平移來最大限度地降低這一平均誤差，一旦實現(xiàn)，就可以在傳感器掃描和地圖之間找到匹配，這樣我們將傳感器掃描得到到的位置轉(zhuǎn)換成全球地圖上的位置，并計算出地圖上的精度位置。

慣導另一個作用是配合激光雷達。GPS+慣性導航系統(tǒng)為激光雷達的空間位置和脈沖發(fā)射姿態(tài)提供高精度定位，建立激光雷達云點的三維坐標系。慣導可用于定位，與其他傳感器融合時，也需要統(tǒng)一到一個坐標系下。定位是最常用的，通過 IMU、慣性導航系統(tǒng)、編碼器和 GPS，得到一個預(yù)測的全局位置。當激光雷達實時掃描單次的點云數(shù)據(jù)后，結(jié)合單次的點云數(shù)據(jù)進行匹配，并進行特征提取。這些特征包括路沿、車道線、高度等周圍點線面的特征。對于高精度地圖，提取過特征與實時提取的特征進行匹配，最終得到精準的車本體速度，這是激光雷達的定位過程。

濾波算法是LIDAR定位的另一種算法?？上哂?a target="_blank">信息，并在地圖上找最可能的車輛位置. 比如，Apollo采用了直方圖濾波算法（有時也叫誤差平方和算法（或SSD））,為了利用直方濾波，我們將通過傳感器掃描的點云滑過地圖的每一個位置，在每個位置，我們計算掃描的點和高精度地圖上對應(yīng)點之間的距離誤差或距離，然后對誤差的平方求和，求和的數(shù)越小說明掃描結(jié)果與地圖之間的匹配越好。在下圖的示例中，匹配最好的點顯示紅色，最差的點顯示藍色，綠色代表適中的點。

卡爾曼濾波是LIDAR的另一種定位方法?？柭鼮V波是一種算法，用于根據(jù)我們在過去的狀態(tài)和新的傳感器測量的結(jié)果預(yù)測我們當前的狀態(tài)?？柭鼮V波使用了預(yù)測更新周期，首先我們根據(jù)之前的狀態(tài)以及對移動距離和方向的估計來估計和“預(yù)測”我們新的位置。

一，視覺定位

圖像數(shù)據(jù)是收集最容易的數(shù)據(jù)，攝像頭便宜且種類繁多，還易于使用，但要用攝像頭來實現(xiàn)高精度定位是很困難的。但是可以將攝像頭數(shù)據(jù)與地圖和GPS結(jié)合起來，利用概率來判斷攝像頭數(shù)據(jù)與地圖或者GPS等傳感器采集的數(shù)據(jù)做比對，來定位車輛或者障礙物的位置。下圖為利用視覺概率思維來確定樹的位置。

自動駕駛系統(tǒng)一般使用基于GPS,IMU和激光雷達等多種傳感器融合的定位系統(tǒng)。這種融合利用了不同傳感器的互補優(yōu)勢，提高了穩(wěn)定性和準確性。系統(tǒng)定位模塊依賴于IMU,GPS,激光雷達，雷達和高精度地圖，這些傳感器同時支持GNSS定位和LIDAR定位，GNSS定位輸出速度和位置信息，LIDAR定位輸出位置和行進方向信息，融合框架通過卡爾曼濾波將這些輸出結(jié)合在一起，卡爾曼濾波建立在兩步預(yù)測測量周期之上。

卡爾曼濾波已成為大多數(shù)定向算法和商用慣性方向傳感器的公認基礎(chǔ)；Xsens、微應(yīng)變、，矢量導航、InterSense、PNI和十字弓，所有的生產(chǎn)系統(tǒng)都建立在它的基礎(chǔ)上?；诳柭慕鉀Q方案的廣泛使用證明了其準確性和有效性，但是它們有一些缺點，它們的實現(xiàn)是復雜的，這可以從學科文獻中看到的眾多解決方案中反映出來。線性回歸迭代是卡爾曼濾波過程的基礎(chǔ)，它要求采樣率遠遠超過目標帶寬(例如，512 Hz之間的采樣率)，30千赫對于系統(tǒng)可移植性至關(guān)重要的人體運動捕獲應(yīng)用程序來說也許是必要的，描述三維旋轉(zhuǎn)運動學的狀態(tài)關(guān)系通常需要較大的狀態(tài)向量，擴展的卡爾曼濾波實現(xiàn)將問題線性化。

這些挑戰(zhàn)需要大量的計算負荷來實現(xiàn)基于卡爾曼濾波的解決方案，并提供了一個明確的結(jié)果。解決這些問題的先前的方法已經(jīng)實現(xiàn)了模糊處理和頻域濾波處器，有利于在低角速度下定向的加速度計和在高角速度下的集成陀螺儀。

總之，慣性導航系統(tǒng)將成為自動駕駛定位信息融合的中心。由于慣導具有的輸出信息不間斷、不受外界干擾的獨特優(yōu)勢，慣導可以在車輛運行中提供連續(xù)的測量信息，同時可以將視覺傳感器、雷達、激光雷達、車身系統(tǒng)信息進行更深層次的融合，為決策層提供精確可靠的連續(xù)的車輛位置，姿態(tài)的信息，成為定位信息融合的中心。

據(jù)公開報道，作為百度Apollo的重要合作伙伴，ADI公司的慣性測量單元(IMU)被用于阿波龍系統(tǒng)的慣性導航器件。