全局定位与局部定位在自动驾驶中的角色与协同
共读科技
全局定位与局部定位在自动驾驶中的角色与协同
自动驾驶车辆不仅要识别自身处于哪条街道，还需明确在车道中的具体位置、朝向以及与周围设施和其他车辆的距离。只有在掌握精确的定位信息后，系统才能做出合理的路径规划与控制决策，从而实现变道、转弯或避让行人等操作。
在自动驾驶中，定位可以根据参考坐标系的不同，划分为全局定位与局部定位。两者相辅相成，分别承担不同的功能，共同支撑车辆的精准运行。
全局定位：确定车辆在地球上的绝对位置
全局定位的目标是为自动驾驶系统提供一个稳定、不随时间漂移的绝对坐标，该坐标以地球表面的标准化系统为参考。实现这一功能主要依赖全球导航卫星系统（GNSS），如美国的GPS、中国的北斗卫星导航系统以及欧洲的伽利略系统。
全局定位输出的坐标信息包括经度、纬度和高度，精准反映车辆在地球表面的位置。例如，一辆自动驾驶车辆在北京市朝阳区的某个十字路口，其坐标可精确至厘米级，这得益于高精度GNSS与实时动态定位（RTK）技术的协同。
全局定位的一个显著特点是其不依赖车辆的行驶历史或内部估计，而是直接从外部世界获取位置信息。因此，只要卫星信号稳定，车辆就能即时获得当前位置，不受路径变化影响。
在自动驾驶系统中，全局定位作为基础，支持地图匹配与路径规划。例如，一辆自动驾驶出租车接收到订单后，需要根据出发地和目的地的绝对坐标生成导航路径，车辆控制模块则依据该路径行驶。这种方式具备全球一致性与无需累积误差的优势。
然而，全局定位也存在局限。GNSS信号在隧道、高楼密集区域或树冠遮蔽严重的环境中可能受到干扰甚至完全丢失，导致定位精度下降或不可用。此外，即便在开阔区域，GNSS的定位精度也可能因信号噪声而存在数米误差，这对自动驾驶来说仍然不够精确。为克服这些问题，定位系统通常将全局定位与其他技术结合，实现精度互补。
局部定位：掌握车辆在局部环境中的精确位置
车辆在特定环境中行驶时，全局定位只能提供大致坐标，无法满足高速行驶或精确控制的需求。此时，局部定位成为关键。
局部定位依赖于车载传感器（如激光雷达、摄像头、惯性测量单元IMU等）对周围环境的感知，并将这些感知信息与已有地图或局部模型进行匹配，从而确定车辆在当前区域内的精确位置。
这种定位方式强调的是高精度与连续性。自动驾驶车辆通过视觉SLAM、激光SLAM或更广义的同时定位与建图（SLAM）技术，实时分析道路特征（如路标、车道线、建筑物），并持续更新车辆的相对位置。
在信号丢失的场景中，例如进入隧道时，局部定位的重要性尤为突出。此时，激光雷达扫描周围环境，将点云数据与高清地图匹配，从而计算出车辆的精确位移。同样，视觉系统可通过识别道路标志与惯性传感器数据，辅助车辆判断自身位置。
局部定位的优势在于其连续性，只要传感器和计算系统运行正常，它就能持续输出车辆的相对位置。这种方式对动态变化非常敏感，适合高速行驶中对横向和纵向位置的精确控制。
不过，局部定位本质上是基于当前状态的相对估计，若长时间依赖该方法，误差将逐渐累积，最终影响定位准确性。例如，车辆若仅通过轮速计和IMU进行定位，随着时间推移，误差会不断叠加，导致位置与方向判断失真。因此，局部定位需要定期与全局定位或已知地标进行校正。
协同定位：融合是实现高精度的关键
全局定位和局部定位各自具有优势与局限，单独使用无法满足自动驾驶的高精度需求。因此，融合两者是实现高效定位的关键。
通常采用状态估计或滤波技术，如扩展卡尔曼滤波（EKF）或图优化方法，将全局定位的绝对坐标与局部定位的精细位置数据融合，从而既保留全局定位的稳定性，又具备局部定位的连续性与高精度。
融合策略可以是多阶段的：在卫星信号良好的环境下，全局定位提供粗略初始位置，局部定位在此基础上细化；当车辆进入信号盲区，局部定位继续跟踪位置变化；一旦重新获得GNSS信号，则将当前估计值与全局参考对齐，修正累积误差。
此外，也可以在更高级别的地图框架下，实时将局部定位结果通过图优化方式整合到全局定位系统中，提升整体定位鲁棒性。
应用场景与当前挑战
在不同驾驶场景中，全局定位与局部定位的权重有所差异。在开阔区域或高速公路上，GNSS信号稳定，全局定位作用显著，局部定位则用于细化道路位置；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。
自动驾驶的定位系统还面临诸多挑战。例如，在光照变化或道路遮挡的环境中，局部定位的特征匹配可能失效；GNSS信号在复杂地形中也可能中断。这要求系统具备强大的传感器融合能力和自适应机制。
此外，高精度地图的构建与实时更新、环境特征变化的处理，以及动态障碍物对定位的影响，都是自动驾驶落地过程中亟需解决的问题。
核心价值：支撑自动驾驶的精准运行
全局定位与局部定位是自动驾驶系统中不可或缺的两个组成部分。全局定位提供绝对坐标，让车辆了解其在地图上的整体位置；局部定位则在短时间内实现高精度、连续的相对位置估计，支撑车辆的实时控制。
两者的融合，是实现自动驾驶车辆既具备全球导航能力，又能够精细驾驶的关键基础。构建一个鲁棒、多源融合的定位系统，是实现安全、可靠自动驾驶的核心技术之一。
查看全文
评论0条评论