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
自动驾驶车辆不仅要明确自己所处的道路，还需精准掌握自身在车道中的具体位置、朝向、与周边设施的距离以及与其他交通参与者之间的相对关系。只有在具备高精度定位信息的前提下，自动驾驶系统才能进行准确的路径规划与控制操作，例如变道、转弯以及避让行人等。
在自动驾驶技术中，定位功能依据参考坐标体系的不同，通常分为两类：全局定位和局部定位。这两类定位机制各司其职，互为补充，共同支撑着车辆在复杂交通环境中的精准运行。
全局定位：确立车辆在地球上的绝对位置
全局定位的核心目标是为自动驾驶车辆提供一个不受时间影响的绝对位置坐标，该坐标以全球统一的地理坐标系为参考。实现这一功能的主要依赖是全球导航卫星系统（GNSS），包括美国的GPS、中国的北斗系统以及欧洲的伽利略系统。
这类定位技术输出的是一组包含经度、纬度和海拔高度的坐标，精确反映车辆在地球表面的地理位置。例如，一辆自动驾驶汽车在北京朝阳区某个十字路口的位置信息，借助高精度GNSS结合差分定位技术（RTK），可以达到厘米级的精度。
全局定位的优势在于其独立性——它不依赖于车辆的历史轨迹或内部估计，而是直接从外部环境获取位置信息。这意味着，只要卫星信号稳定，车辆可以随时获取当前的绝对位置，不受行驶路径的影响。
然而，GNSS信号在隧道、城市高楼密集区域或树荫覆盖严重的路段容易受到干扰甚至丢失。即使在信号良好的环境下，单纯依赖GNSS也可能产生数米级别的定位偏差，难以满足自动驾驶对精度的要求。因此，全局定位通常需要与局部定位技术结合，以提升整体定位性能。
局部定位：实现车辆在局部环境中的高精度定位
当车辆处于特定场景中时，全局定位提供的绝对位置信息往往不够精确，特别是在需要高速行驶和精细控制的场景下。这时，局部定位就发挥了关键作用。
局部定位依赖于车载传感器（如激光雷达、视觉相机、惯性测量单元IMU等），通过感知周围环境并将其与参考地图或历史数据进行匹配，从而计算出车辆在局部区域内的相对位置。这类技术通常被归类为视觉里程计（Visual Odometry）、激光里程计（Lidar Odometry）或更广泛的SLAM（Simultaneous Localization and Mapping）技术。
例如，当车辆进入隧道时，GNSS信号可能完全失效，此时激光雷达会持续扫描周围环境，将其获得的点云数据与高精地图进行对比，从而估计车辆的位置变化。类似地，视觉系统也可以通过识别道路标志、路缘和建筑物等特征，结合IMU数据，实现高精度的局部定位。
局部定位的最大优势在于其连续性和响应速度。只要传感器系统正常工作，它可以持续提供车辆相对于参考坐标系的高精度位置信息，尤其适用于高速行驶和动态环境下的控制需求。
然而，局部定位本质上是相对定位，依赖于初始状态和先前的估计。如果长时间依赖局部定位，其误差会不断累积，导致定位漂移。因此，局部定位必须定期与全局定位或已知绝对参考点进行校准，以确保整体系统的稳定性。
协同融合：打造高鲁棒性的定位系统
全局定位和局部定位各自具有独特优势和局限。为实现自动驾驶车辆在复杂环境中稳定、精准的运行，必须将两者有效融合。
通常采用的状态估计技术，如扩展卡尔曼滤波（EKF）或图优化（Graph-based Optimization）等方法，可将全局定位提供的绝对位置与局部定位的相对高精度信息融合，从而在保持定位连续性的同时避免误差漂移。
融合方式可以灵活多样。在一些系统设计中，全局定位提供初始粗略位置，局部定位在此基础上进一步细化；当GNSS信号中断时，局部定位继续追踪车辆状态，待信号恢复后，再将局部估计与全局参考对齐，进行误差修正。在更高级的应用中，局部定位结果可被实时嵌入到全局定位网络中，通过优化算法提升整体系统的鲁棒性。
应用场景与挑战
在不同交通环境中，全局定位与局部定位的权重有所不同。例如，在开阔区域或高速公路中，GNSS信号稳定，全局定位可作为主要参考，而局部定位则用于增强精度；而在城市中心、隧道或地下车库等信号受限区域，局部定位则成为主导。
尽管如此，自动驾驶的定位系统仍面临诸多挑战。例如，光照变化、道路遮挡等因素可能影响局部定位的特征匹配准确性；而GNSS信号遮挡则可能导致全局定位失效。因此，系统的鲁棒性不仅依赖于传感器融合能力，还需要具备智能环境识别与自适应调节机制。
此外，高精地图的构建与实时更新、动态障碍物对定位的干扰处理，也是实现自动驾驶商业化落地过程中必须解决的问题。
定位技术的双重支撑
全局定位和局部定位分别从宏观与微观两个层面为自动驾驶系统提供位置信息。前者确保车辆在全球坐标系中具有绝对位置感知能力，后者则在短时间内提供连续、高精度的局部位置估计。两者的协同作用，是实现自动驾驶车辆既能全局导航、又能精细控制的核心。
构建稳定、可靠、适应复杂环境的定位系统，是推动自动驾驶技术走向成熟和规模化应用的关键环节之一。
查看全文
评论0条评论