全局定位与局部定位在自动驾驶中的协同作用
每天懂一传感器
全局定位与局部定位在自动驾驶中的协同作用
自动驾驶车辆不仅需要明确自己所处的街道，还必须掌握自身在车道内的具体位置、朝向以及与周边设施和车辆的距离。只有在获得高精度定位信息的前提下，自动驾驶系统才能做出精准的路径规划和控制决策，从而完成诸如变道、转弯或避让行人等操作。
在自动驾驶技术中，定位任务通常分为两个层次：全局定位和局部定位。它们在系统中扮演互补角色，各自承担不同的功能，协同推动车辆的精准感知与控制。
全局定位：确定车辆在地球上的绝对位置
全局定位的核心在于为自动驾驶车辆提供一个稳定、不受时间漂移影响的绝对坐标。该坐标以地球表面的标准地理坐标系统为参考，通常依赖全球导航卫星系统（GNSS），例如GPS、北斗或伽利略。
这类定位输出的坐标信息包括经度、纬度和高度，明确车辆在全球范围内的位置。例如，一辆位于北京朝阳区某十字路口的自动驾驶汽车，其位置可以通过GNSS结合差分技术（如RTK）精确到厘米级。
全局定位的显著特点是其独立性，不依赖于车辆过去的行驶轨迹或内部估算。只要接收到稳定的卫星信号，车辆就能立即获得当前的绝对坐标。
全局定位为车辆提供了一个全局地图框架下的基准位置。例如，当自动驾驶出租车接收到订单时，系统需要获取出发点和目的地的绝对位置，以此为基础规划路径。整个控制流程中，车辆按照这一全局路径进行导航。
尽管全局定位具有广泛适用性和无需累计计算的优势，但其在特定场景下存在局限。例如，在隧道、高楼林立的街道或植被茂密的区域，GNSS信号可能受到干扰或丢失，导致定位精度下降甚至失效。此外，即使在开阔环境中，GNSS也可能受到多路径误差或信号噪声影响，产生数米级的误差。因此，单纯的GNSS无法满足自动驾驶对厘米级定位的高精度需求。
局部定位：精准感知车辆在局部环境中的位置
在车辆行驶过程中，仅依赖全局定位提供的绝对坐标往往不足以支撑精细的操控需求。特别是在高速行驶或复杂环境中，车辆需要实时掌握自己在局部空间中的精确位置，这就需要局部定位。
局部定位主要依靠车载传感器，如激光雷达（LiDAR）、相机和惯性测量单元（IMU）等，通过感知周围环境并与预先构建的高精地图或局部模型进行匹配，从而实现车辆在当前环境中的定位。
这类定位方式强调高精度和连续性。例如，LiDAR通过点云扫描与高精地图进行配准，以计算出车辆的实时位置变化。同样，视觉里程计（Visual Odometry）和激光里程计（LiDAR Odometry）等技术，也被广泛用于局部定位。
在信号遮挡严重的环境中，如隧道，局部定位成为维持定位精度的关键。此时，激光雷达或视觉系统可以持续采集周围环境特征，并与高精地图进行比对，从而估算车辆的相对位移。
局部定位的优势在于其连续性，只要传感器和计算系统正常运行，它就能持续提供车辆在局部空间中的位置信息。然而，由于其本质上是相对定位，若长时间仅依赖局部估计，误差会随着时间累积而增加。因此，局部定位需要周期性地通过全局定位或已知地标进行校正。
全局与局部定位的融合：实现精准与鲁棒的定位系统
为了在复杂环境中实现既覆盖广域又具备高精度的定位能力，自动驾驶系统通常采用融合策略，将全局和局部定位信息结合起来。
常用的方法包括扩展卡尔曼滤波（EKF）或图优化（Graph Optimization）等状态估计技术。这类技术能够将GNSS提供的绝对位置与传感器感知到的相对位置进行融合，既保留了全局定位的不漂移特性，又继承了局部定位的高精度和连续性。
在实际系统中，当车辆进入信号受限区域时，全局定位可能会失效，此时局部定位维持车辆的相对位置估计。一旦信号恢复，系统可以将当前局部估计与全局参考对齐，纠正累积误差。
此外，融合策略还可以通过构建全局地图框架，将局部定位结果实时嵌入，从而优化整体定位网络，提升系统的鲁棒性和稳定性。
应用场景与技术挑战
在不同道路环境下，全局和局部定位的权重各有侧重。在开阔地带或高速公路上，GNSS信号稳定，全局定位为主，局部定位作为补充用于精细化控制。而在城市中心、地下车库或隧道等信号受限区域，局部定位则成为主要依赖。
实现高精度定位仍面临诸多挑战，例如：光照变化、遮挡或环境动态变化可能导致局部特征匹配失败；GNSS信号丢失则可能影响全局定位的有效性。因此，现代自动驾驶系统不仅需要强大的传感器融合能力，还需具备智能的场景识别和自适应机制。
此外，构建和维护高精地图、实时更新环境信息以及处理动态目标的干扰，都是实现安全可靠的自动驾驶所必须攻克的技术难题。
全局定位与局部定位构成了自动驾驶定位系统的两大支柱。前者提供世界尺度上的绝对坐标，后者则在局部范围内实现高精度连续定位。两者的有机结合，是实现自动驾驶车辆全局导航与精准操控的关键，也是推动自动驾驶技术走向成熟的重要基础。
查看全文
评论0条评论