梁露 网站建设与实践,深圳东风大厦 网站建设,莱芜新闻最新视频,php中英文网站源码#Apollo开发者#
学习课程的传送门如下#xff0c;当您也准备学习自动驾驶时#xff0c;可以和我一同前往#xff1a; 《自动驾驶新人之旅》免费课程— 传送门
《Apollo Beta宣讲和线下沙龙》免费报名—传送门 文章目录
前言
卫星定位
RTK定位
IMU定位
GNSS定…#Apollo开发者#
学习课程的传送门如下当您也准备学习自动驾驶时可以和我一同前往 《自动驾驶新人之旅》免费课程— 传送门
《Apollo Beta宣讲和线下沙龙》免费报名—传送门 文章目录
前言
卫星定位
RTK定位
IMU定位
GNSS定位
先验地图定位
SLAM定位
MSF定位
Apollo定位
Tips
总结 前言 见《自动驾驶学习笔记七——感知融合》 见《自动驾驶学习笔记八——路线规划》 见《自动驾驶学习笔记九——车辆控制》 见《自动驾驶学习笔记十——Cyber通信》 见《自动驾驶学习笔记十一——高精地图》 卫星定位 基础定位系统由三个部分组成空间部分(GPS卫星)、地面监控部分和用户部分。如下图所示 其基本工作原理是至少测量出当前位置与4颗卫星的距离和对应时间通过解方程即可求得当前位置在地球坐标系下的位置(x,y,z)。为什么是4颗呢?因为除了需要确定(x,y,z)三个位置参数还需要一个卫星提供相对零点时间从而消除时间误差。 全球四大导航系统包括美国全球定位系统、欧盟“伽利略”系统、俄罗斯“格洛纳斯”系统、中国北斗卫星导航系统。 定位模块除了需要告诉自动驾驶系统自动驾驶汽车当前的位置之外实际还提供车辆当前的运动状态比如车的航向速度加速度角速度等状态信息。 RTK定位 基础的卫星定位是存在误差的误差既来自系统的内部也来自外部。例如卫星信号穿透电离层和对流层时产生的误差还有卫星高速移动产生的多普勒效应引起的误差以及多径效应误差通道误差、卫星钟误差、星历误差、内部噪声误差等。这些误差有些可以完全消除有些无法消除或只能部分消除。它们影响了系统的准确性和可靠性。 RTKReal time kinematic实时动态载波相位差分技术是卫星定位的扩展。它是实时处理两个测量站载波相位观测量的差分方法将基准站采集的载波相位发给用户接收机进行求差解算坐标。如下图所示 1、 基准站先观测和接收卫星数据。 2、基准站通过旁边的无线电台(数据链 )将观测数据实时发送给流动站(距离一般不超过20公里)。 3 、流动站收到基准站数据的同时也观测和接收了卫星数据。 4、 流动站在基准站数据和自身数据的基础上根据相对定位原理进行实时差分运算从而解算出流动站的三维坐标及其精度其定位精度可达1cm~2cm。 IMU定位 惯性测量单元Inertial measurement unit简称IMU是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的一个IMU内会装有三轴的陀螺仪和三个方向的加速度计来测量物体在三维空间中的角速度和加速度并以此解算出物体的姿态。为了提高可靠性还可以为每个轴配备更多的传感器。一般而言IMU要安装在被测物体的重心上。 IMU的核心参数指标有两个。陀螺仪角度偏差范围通常在0.1°/s - 0.001°/h。加速度计加速度偏差范围通常在100mg - 10ug。由距离计算公式s ½at²可以得出100mg和10ug偏差的加速度计在60s之后的测量误差分别是3528m和0.35m差距非常大。不同级别的IMU在精度和成本方面也相差甚远如下图所示 GNSS定位 GNSS是GPS与IMU组合定位。 GPS定位非常方便但在高楼、隧道和停车场等场所会出现多径效应和信号衰减导致测量精度下降。GPS的更新频率也比较低一般为1s刷新一次。 为了解决上述问题IMU通常用来辅助GPS进行定位IMU不需要接收信号不受信号质量影响而且更新频率快工作频率通常可达100Hz以上可以弥补短期GPS刷新频率不足的问题。但是IMU有累计误差在一段时间后需要校准所以目前无人车主要通过GPS和IMU融合定位。 先验地图定位 先验地图定位是拿当前观测到的特征和事先建好的地图做匹配如下图所示 其2大核心问题是特征提取和特征匹配(Feature matching )和重定位( Relocation )。特征提取和特征匹配常用的算法有ICP ( iterative closest point )、NDT ( Normal Distributions Transform )和基于优化的方法。重定位是指在环境中找到自己的初始坐标例如在停车场中启动的时候。
SLAM定位 先验地图的好处非常明显通过事先建立好地图然后在线做匹配从而得到目标当前的位置但环境会发生改变如果周围的环境变化了而地图没有更新则会得到错误的定位信息。 SLAMSimultaneous localization and mapping意为“同步定位与建图”其工作原理如下图所示 SLAM根据类型划分为视觉SLAM和激光SLAM两种。视觉SLAM算法又包括ORB-SLAM、LSD-SLAM、VINS-Mono等。激光SLAM算法包括Cartographer和LOAM系列等。SLAM算法的精度已经足够可以用于大规模分布式实时建图但是鲁棒性有待加强。 MSF定位 MSFMulti-Sensor Fusion多传感器融合定位接收GPS、IMU和激光雷达点云等多传感器的数据通过NDT输出的结果和组合导航输出的结果通过卡尔曼滤波进行融合最后输出高精度的定位结果。其工作原理如下图所示 Apollo定位 Apollo的定位模块包含三种定位方式RTK定位、NDT定位和MSF定位如下图所示 Tips GPS IMU组合导航还是目前主流的用法。在此基础上结合先验地图可以实现复杂场景的定位。如果要实现较高的鲁棒性要求可以增加MSF的算法。而SLAM不依赖事先建好的地图具有强大的优势是未来发展的方向。 总结 以上就是本人在学习自动驾驶时对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识欢迎评论区留言、点赞、收藏和关注这些鼓励和支持都将成文本人持续分享的动力。 另外如果有同在小伙伴也正在学习或打算学习自动驾驶时可以和我一同抱团学习交流技术。 版权声明原创文章转载和引用请注明出处和链接侵权必究 文中部分图片来源自网络若有侵权联系立删。
