每種技術(shù)各有優(yōu)劣，GNSS能提供全球坐標(biāo)但在隧道或山區(qū)容易信號(hào)丟失，IMU不依賴外界信號(hào)但會(huì)隨時(shí)間累積誤差，激光雷達(dá)和視覺SLAM能實(shí)時(shí)感知環(huán)境但對(duì)光照和環(huán)境紋理敏感。

　　想要真正實(shí)現(xiàn)自動(dòng)駕駛，就要求自動(dòng)駕駛汽車可以在各種交通環(huán)境下靈活應(yīng)對(duì)，但在很多交通場(chǎng)景中，會(huì)出現(xiàn)隧道、山區(qū)等場(chǎng)景，這些地方衛(wèi)星信號(hào)若，且有路況會(huì)被遮擋，這時(shí)應(yīng)如何讓自動(dòng)駕駛汽車實(shí)現(xiàn)厘米級(jí)定位?今天智駕最前沿就帶大家聊聊這個(gè)話題。

　　自動(dòng)駕駛常見定位技術(shù)解析

　　1)GNSS/衛(wèi)星定位：優(yōu)勢(shì)與局限

　　GNSS(GlobalNavigationSatelliteSystem)包括GPS、北斗、伽利略等多國衛(wèi)星導(dǎo)航系統(tǒng)。它通過接收至少4顆衛(wèi)星信號(hào)，計(jì)算出車輛的經(jīng)緯度和高度。其優(yōu)點(diǎn)是提供全球覆蓋的絕對(duì)定位，一般能給出米級(jí)甚至更高精度的位置。為了提高精度，通常會(huì)使用實(shí)時(shí)動(dòng)態(tài)差分(RTK)或精密單點(diǎn)定位(PPP)等增強(qiáng)技術(shù)，將定位精度提升到分米甚至厘米級(jí)。例如，雙頻RTK在95%置信度下橫向誤差可達(dá)0.2米以內(nèi)，而單頻僅為0.4米。此外，多星座(同時(shí)接收GPS、北斗等信號(hào))和雙頻設(shè)計(jì)可以減少電離層和多路徑誤差，將進(jìn)一步提高可靠性。

　　對(duì)于自動(dòng)駕駛需求來說，GNSS其實(shí)有明顯局限，它依賴衛(wèi)星信號(hào)傳輸，在信號(hào)被阻擋或反射的環(huán)境中會(huì)出大問題。比如在隧道、地下車庫、森林茂密的山區(qū)峽谷中，衛(wèi)星信號(hào)經(jīng)常被遮擋或多路徑反射。有測(cè)試發(fā)現(xiàn)，當(dāng)車輛穿越高樓林立、立交橋或隧道等區(qū)域時(shí)，直接路徑信號(hào)經(jīng)常被遮擋，接收機(jī)只能接收到反射信號(hào)，導(dǎo)致定位誤差明顯增加。此外，GNSS還受制于大氣電離層、衛(wèi)星鐘差和接收機(jī)噪聲等誤差源，這些誤差雖可通過雙頻或差分技術(shù)緩解，但在連續(xù)遮擋區(qū)一旦信號(hào)中斷，GNSS定位將完全失效。實(shí)際駕駛場(chǎng)景中，如果定位精度要求達(dá)到10厘米級(jí)別(安全過彎和車道級(jí)控制所需)，一旦GNSS丟失，系統(tǒng)的定位性能就會(huì)急劇下降。如在10公里長(zhǎng)的隧道中，若僅靠視覺里程計(jì)系統(tǒng)，其定位誤差可能累計(jì)到2.3米(超過一般車道寬度的一半)，表明傳統(tǒng)GPS方案在此類場(chǎng)景下并不能滿足精度要求。

　　為應(yīng)對(duì)這些問題，常用的做法是增強(qiáng)型GNSS與輔助信號(hào)結(jié)合，如使用地基RTK網(wǎng)絡(luò)或衛(wèi)星增強(qiáng)信號(hào)(PPP-RTK)來提高精度;還有提議通過低軌衛(wèi)星(如星鏈)發(fā)射增強(qiáng)信號(hào)。需要了解的是，低軌衛(wèi)星本身并不直接提升定位精度，但它們可以在半遮擋區(qū)域內(nèi)增加可見衛(wèi)星數(shù)目。例如，在高架橋下或靠近建筑物的區(qū)域，通過低軌衛(wèi)星發(fā)送的導(dǎo)航信號(hào)可以讓接收器“看到”足夠多的衛(wèi)星，從而增強(qiáng)導(dǎo)航可靠性，即使單顆衛(wèi)星的精度沒有改變，但重疊的定位可以讓定位更加準(zhǔn)確。另外，傳統(tǒng)蜂窩網(wǎng)絡(luò)(如5G/6G基站)和未來的衛(wèi)星互聯(lián)網(wǎng)也有望通過信號(hào)覆蓋來輔助定位。

　　2)慣性導(dǎo)航(IMU)和里程計(jì)

　　當(dāng)GNSS不可用時(shí)，車輛還可以利用慣性導(dǎo)航進(jìn)行短時(shí)間的定位補(bǔ)償。IMU(慣性測(cè)量單元)由加速度計(jì)和陀螺儀組成，能夠測(cè)量車輛在三個(gè)軸向的加速度和旋轉(zhuǎn)角速度。IMU更新頻率很高(通?？蛇_(dá)100–200Hz)，能在GNSS定位更新間隔(10Hz左右)“接力”估算車輛的位移。通常的做法是將IMU讀數(shù)進(jìn)行積分，獲得車輛的速度和位置增量，這種方法稱為慣性航位推算(DeadReckoning)。在GNSS丟失時(shí)，車輛可以根據(jù)最近的速度和加速度推算短時(shí)間內(nèi)的位置變化。

　　IMU的優(yōu)點(diǎn)是，不依賴外部信號(hào)，可在隧道或地下等任何環(huán)境下連續(xù)輸出數(shù)據(jù);更新頻率高，可捕捉高速運(yùn)動(dòng)的短時(shí)動(dòng)態(tài)。很多技術(shù)方案中，會(huì)將IMU和GNSS視為“黃金搭檔”，GNSS可以修正IMU的累計(jì)漂移誤差，IMU則可以在GNSS信號(hào)不穩(wěn)定時(shí)保持短期位置連續(xù)。因此，大部分自動(dòng)駕駛系統(tǒng)都采用GNSS+IMU組合導(dǎo)航，通過濾波算法融合兩者數(shù)據(jù)。

　　但I(xiàn)MU也有固有缺陷，那就是隨著時(shí)間推移，它輸出的速度和位置誤差會(huì)持續(xù)累積。高精度IMU昂貴，低成本IMU誤差更大。衡量IMU累積誤差常用的方法是在GNSS信號(hào)完全丟失的情況下，讓車輛勻速行駛1000米，然后看推算值與真實(shí)值的偏差。實(shí)測(cè)中，這個(gè)誤差通常在千分之一到千分之五(1σ)之間。這意味著，如果車輛行駛1公里，縱向漂移可能達(dá)到數(shù)米(如下述案例)，長(zhǎng)距離推算精度會(huì)迅速下降。因此，純靠IMU/里程計(jì)在隧道或山區(qū)行駛超過幾百米，就需要其他定位方式來修正誤差。

　　3)激光雷達(dá)(LiDAR)與視覺SLAM

　　為了在GNSS失效時(shí)依然精確定位，自動(dòng)駕駛系統(tǒng)常利用外部環(huán)境特征。激光雷達(dá)(LiDAR)是一種通過發(fā)射激光束測(cè)距的傳感器，能夠生成高密度的三維點(diǎn)云。LiDAR的優(yōu)勢(shì)在于它自帶光源(激光)，能在夜間或光線差的環(huán)境下探測(cè)到周圍障礙物和道路邊界。有測(cè)試發(fā)現(xiàn)，LiDAR在昏暗環(huán)境或隧道出入口場(chǎng)景效果顯著優(yōu)于普通攝像頭，因?yàn)樗o出了穩(wěn)定的光源和精確的距離信息;理想汽車CEO李想也曾公開指出，保留激光雷達(dá)是出于安全考量，而非技術(shù)不足。

　　LiDAR的另一大應(yīng)用是點(diǎn)云地圖匹配，自動(dòng)駕駛公司通常會(huì)事先利用高精度LiDAR對(duì)道路環(huán)境進(jìn)行掃描，構(gòu)建高清地圖。當(dāng)車輛行駛時(shí)，再用實(shí)時(shí)LiDAR掃描結(jié)果與地圖對(duì)齊定位。常用的算法有ICP(迭代最近點(diǎn))和NDT(正態(tài)分布變換)等。通過匹配固定環(huán)境特征(如山體邊緣、隧道壁面、隧道入口結(jié)構(gòu)等)，車輛能在地圖中“找到”自身位置。這種方法不依賴衛(wèi)星信號(hào)，非常適合隧道、室內(nèi)或山區(qū)道路。

　　但LiDAR也有不足，它成本高、數(shù)據(jù)量大。高清點(diǎn)云地圖每秒會(huì)產(chǎn)生數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)，存儲(chǔ)和處理壓力極大。在實(shí)時(shí)定位中需要快速匹配大量點(diǎn)云，計(jì)算量龐大，可能會(huì)影響實(shí)時(shí)性。如果道路環(huán)境相對(duì)單調(diào)(如長(zhǎng)直隧道內(nèi)壁形狀重復(fù)、或茂密森林中少有顯著特征)，LiDAR匹配也可能出現(xiàn)困難。

　　視覺SLAM則利用車載攝像頭(單目、立體或RGB-D)進(jìn)行特征提取與匹配。視覺SLAM可通過識(shí)別道路標(biāo)志、車道線、建筑物邊緣等視覺特征來完成定位和建圖。視覺系統(tǒng)優(yōu)點(diǎn)是成本相對(duì)低，分辨率高，還能捕捉顏色信息。在光照良好、景物豐富的場(chǎng)景下，視覺定位效果很好。它的缺點(diǎn)是易受光照和天氣影響：在強(qiáng)光、逆光、夜間、雨雪等情況下，攝像頭圖像質(zhì)量下降，特征提取難度增大，定位精度顯著降低。當(dāng)光線劇烈變化時(shí)，純視覺系統(tǒng)可能無法正確跟蹤環(huán)境，車輛定位可能出現(xiàn)偏差。因此，視覺SLAM往往與其他傳感器(如IMU)共同使用，形成視覺慣導(dǎo)(VIO)系統(tǒng)，以緩解單一視覺漂移。

　　4)地圖匹配與車道線參考

　　除了實(shí)時(shí)傳感器，高精地圖(HD地圖)也是自動(dòng)駕駛重要的定位輔助。HD地圖記錄了道路如車道線、交通標(biāo)志、周邊建筑等詳細(xì)三維幾何和語義信息，。車輛可以通過地圖匹配(MapMatching)將傳感器捕捉到的路邊線、路緣石、標(biāo)志物等與地圖上的對(duì)應(yīng)要素對(duì)齊，獲取精確位置。在隧道中，如果地圖中標(biāo)注了隧道入口的位置和形態(tài)，車輛進(jìn)入隧道后，LiDAR或視覺系統(tǒng)檢測(cè)到隧道口結(jié)構(gòu)，就可以匹配定位。

　　HD地圖的使用可以顯著提高定位精度，但也有很多的問題需要解決，制作和維護(hù)高精地圖成本高，需要頻繁更新;同時(shí)地圖數(shù)據(jù)量極大，加載和查詢都需強(qiáng)大算力。為此，有方案提出分塊加載或車輛—基礎(chǔ)設(shè)施(V2I)共享地圖等方式，減少車載處理壓力。高精地圖是自動(dòng)駕駛中重要的先驗(yàn)信息源，但在無地圖區(qū)域就要依賴純SLAM技術(shù)。

　　隧道與山區(qū)的定位挑戰(zhàn)

　　隧道、山區(qū)等復(fù)雜環(huán)境對(duì)自動(dòng)駕駛定位提出了獨(dú)特挑戰(zhàn)。隧道內(nèi)完全屏蔽了衛(wèi)星信號(hào)，必須依賴車載傳感器進(jìn)行閉環(huán)定位。如果使用激光雷達(dá)/視覺建圖與車道線參考，當(dāng)隧道入口和出口被識(shí)別時(shí)，可以部分校正定位誤差。但若隧道內(nèi)道路結(jié)構(gòu)單一、車道線不明顯、或車輛之間擁堵形成復(fù)雜交通環(huán)境，則SLAM匹配難度增大。實(shí)測(cè)表明，當(dāng)隧道內(nèi)車道線識(shí)別正常時(shí)，車輛定位效果可以滿足安全要求;但如果車道線丟失而推算里程超過約400米，橫向誤差可能超過0.78米，不滿足高速輔助駕駛要求。此外，隧道內(nèi)連續(xù)數(shù)百米全靠慣性推算，出隧道后縱向誤差可能累計(jì)到米級(jí)(如1公里隧道+1公里隧道外，縱向誤差可能達(dá)3米，99.7%置信度下)。這意味著，僅靠IMU+車速計(jì)的融合，在長(zhǎng)隧道下定位很快會(huì)偏離實(shí)際車道，需要采取特殊措施。

　　山區(qū)道路雖然不完全遮擋天空，但山體、峽谷和森林也會(huì)造成衛(wèi)星信號(hào)多路徑和間歇性丟失。加之山區(qū)道路往往彎道多、起伏大，IMU的坡度和橫滾測(cè)量更加重要，同時(shí)周圍景物較復(fù)雜，也給視覺SLAM帶來機(jī)遇(豐富特征)和挑戰(zhàn)(樹影、積雪等變化多)。山區(qū)定位與城市高速類似，也需要多傳感器配合：充分利用車道標(biāo)線、道路邊緣、隧道和橋梁結(jié)構(gòu)、路邊樹木等環(huán)境特征，與地圖匹配，同時(shí)通過IMU短期慣性推算，實(shí)現(xiàn)連續(xù)定位。

　　典型實(shí)踐與解決方案

　　1)車道線與視覺輔助

　　一些廠商會(huì)在高速公路隧道內(nèi)施工特定的車道線或RFID標(biāo)識(shí)，幫助車輛定位。有研究表明，只要隧道內(nèi)部車道線正?？梢姡囕v就能順利通過1公里長(zhǎng)隧道;即便車道線中斷，只要里程低于400米，也可通過高精I(xiàn)MU+輪速組合保持車道內(nèi)0.8米誤差以內(nèi)。

　　2)隧道地圖SLAM

　　高頻出入同一隧道的車隊(duì)(如公交或校車)會(huì)提前測(cè)繪隧道內(nèi)部3D點(diǎn)云，建立隧道內(nèi)部地圖。進(jìn)入隧道前將該地圖下載到車上，隧道內(nèi)利用LiDAR點(diǎn)云匹配保持定位。當(dāng)駛出隧道恢復(fù)GNSS時(shí)，再用衛(wèi)星信號(hào)更新全局位置。

　　3)高精地圖支持

　　百度Apollo、Pony.ai等中國自動(dòng)駕駛項(xiàng)目，都依賴于詳盡的高精地圖。在高架橋和山路交界或隧道入口前后，這些系統(tǒng)通過地圖和傳感器同時(shí)定位。當(dāng)車輛駛出隧道后，它會(huì)首先識(shí)別入口處的特征(標(biāo)志、燈光)，立即將當(dāng)前相對(duì)位置“鎖”到地圖上，從而校正經(jīng)過隧道內(nèi)的漂移。這樣，高精地圖匹配成為重要校準(zhǔn)手段。

　　4)激光雷達(dá)和毫米波雷達(dá)使用

　　越高級(jí)別的自動(dòng)駕駛功能，對(duì)雷達(dá)和激光雷達(dá)的依賴越高。統(tǒng)計(jì)顯示，在L2以上的駕駛系統(tǒng)中，激光雷達(dá)的配備率超過60%，城市NOA場(chǎng)景更接近100%。有很多技術(shù)方案中都提出，夜間或復(fù)雜環(huán)境下需要保留LiDAR以保證感知安全。而毫米波雷達(dá)則可在煙霧和塵土天氣下穿透率較高，用于長(zhǎng)期穩(wěn)定的目標(biāo)跟蹤，也是隧道場(chǎng)景常用的輔助傳感器。

　　5)多連走冗余定位

　　國外如Waymo也采用多模態(tài)冗余定位，它在部分隧道或地下環(huán)路布置慣性導(dǎo)航地標(biāo)，與高精地圖聯(lián)合使用，雖然細(xì)節(jié)不公開，但思路和上述類似。特斯拉暫時(shí)只用視覺+GPS定位，因而在中國高速隧道測(cè)試中定位誤差被網(wǎng)友曝出高達(dá)2.3米，后續(xù)據(jù)報(bào)道稱特斯拉已與百度合作將HD地圖等信息融入FSD系統(tǒng)中，這或?qū)⒏倪M(jìn)隧道定位不精準(zhǔn)的情況。

　　未來趨勢(shì)展望

　　1)低軌衛(wèi)星定位

　　如前所述，LEO衛(wèi)星(如SpaceX星鏈或國內(nèi)低軌星座)可擴(kuò)展衛(wèi)星覆蓋范圍。華為預(yù)計(jì)，到6G時(shí)代通過地面網(wǎng)絡(luò)和非地面網(wǎng)絡(luò)一體化，可將定位精度從米級(jí)提升到厘米級(jí)。雖然單個(gè)低軌衛(wèi)星本身不直接提高精度，但它們可播發(fā)增強(qiáng)信號(hào)，尤其在半遮擋區(qū)域增加可用衛(wèi)星，理論上輔助GNSS達(dá)到更高的可用性。

　　2)6G與V2X輔助

　　未來6G網(wǎng)絡(luò)可能內(nèi)置定位能力(如側(cè)邊通信單元做超寬帶定位)，并通過車—車、車—基站協(xié)作感知(C-V2X)來增強(qiáng)定位精度。有研究提到“6G交通”將融合通信和感知，利用實(shí)時(shí)大帶寬低延遲網(wǎng)絡(luò)讓汽車間交換地圖、位置信息，提高在復(fù)雜環(huán)境下的安全冗余定位。

　　3)智能傳感器升級(jí)

　　高性能IMU(如光纖陀螺)和新型視覺雷達(dá)(融合毫米波與攝像的傳感器)、量子陀螺等也在研發(fā)中，未來可能進(jìn)一步減小慣性漂移或增加環(huán)境特征感知。同時(shí)，人工智能技術(shù)在SLAM中的應(yīng)用也越來越成熟，能更靈活地處理隧道與山區(qū)特殊景象。

　　4)云端與邊緣計(jì)算

　　自動(dòng)駕駛車輛可實(shí)時(shí)向邊緣服務(wù)器傳輸環(huán)境數(shù)據(jù)，讓云端的高性能計(jì)算資源參與定位與建圖。即使GNSS信號(hào)差，云端服務(wù)器憑借遠(yuǎn)端觀測(cè)與歷史數(shù)據(jù)也許能幫助車輛校正位置。如邊緣基站記錄的環(huán)境雷達(dá)回波和歷史車流信息都可作為定位輔助。

　　總之，隧道和山區(qū)定位是自動(dòng)駕駛的“硬骨頭”。目前已有多種方案互補(bǔ)，短時(shí)過度靠IMU死算，利用LiDAR/視覺進(jìn)行局部SLAM，與高精地圖匹配校正，最終融合所有傳感器輸出最優(yōu)解。未來，隨著衛(wèi)星導(dǎo)航網(wǎng)絡(luò)升級(jí)和通信技術(shù)發(fā)展，相信自動(dòng)駕駛車輛在隧道、山區(qū)等弱信號(hào)環(huán)境中的定位精度將進(jìn)一步提升，為高等級(jí)自動(dòng)駕駛的安全運(yùn)行保駕護(hù)航。