自动驾驶中全局定位与局部定位的协同作用
每天懂一传感器
自动驾驶中全局定位与局部定位的协同作用
自动驾驶车辆不仅要识别自身所处的道路环境，还需要了解其在车道中的具体位置、行驶方向以及与周边设施和车辆的距离。只有具备精确的定位能力，自动驾驶系统才能进行合理的路径规划与控制，以完成变道、转弯、避障等操作。
在自动驾驶领域，定位通常分为两种形式：全局定位与局部定位。它们各自承担不同任务，相互补充，共同支撑车辆的精确定位能力。
全局定位：确定车辆在全球坐标中的位置
全局定位的核心任务是为自动驾驶系统提供一个稳定的、与地球参考系一致的绝对坐标。这一功能通常由全球导航卫星系统（GNSS）实现，如美国的GPS、中国的北斗系统和欧盟的伽利略系统。
这类定位提供的信息包括经度、纬度和海拔高度，用于精准描述车辆在地球表面的具体位置。例如，在北京市朝阳区的某个路口，借助高精度GNSS与RTK（实时动态差分）技术的结合，车辆的位置可被定位到厘米级别。
全局定位的一个显著特点是其独立性，即不依赖于车辆的行驶历史或内部估计。只要卫星信号稳定，车辆即可实时获取当前位置，这对路径规划至关重要。例如，在自动驾驶出租车接收订单时，车辆需要了解出发点和目的地的绝对坐标，导航系统据此生成行驶路径。
然而，GNSS信号在隧道、城市高楼密集区域或树木覆盖的环境中可能受到干扰，导致定位精度下降或完全失效。即使在开阔区域，GNSS的误差也可能在几米到十几米之间，这对自动驾驶系统而言并不足够。因此，车辆通常还需结合其他定位技术来增强精度。
局部定位：确定车辆在局部环境中的精确位置
当车辆行驶在特定场景中时，全局定位所提供的坐标可能过于粗糙，无法满足高精度操控的需求。这时就需要依靠局部定位。
局部定位依赖于车载传感器（如激光雷达、摄像头、IMU等），通过感知周围环境并与已有的地图或局部模型进行匹配，从而获得车辆在当前环境中的精确位置。
这种定位方式强调高精度和连续性，适合在高速行驶或需要精细控制的场景中使用。例如，车辆进入隧道后，GNSS信号可能完全失效，此时激光雷达会扫描前方和周围环境，将点云数据与高清地图进行匹配，以计算车辆的相对位置变化。同样，视觉定位技术也可以通过识别道路标志和建筑物等视觉特征，结合IMU数据，实现精确的局部定位。
局部定位的另一大优势是其连续输出能力。只要传感器正常工作，系统就能持续追踪车辆的相对位置。然而，这种定位本质上是基于先前状态的估计，若长时间依赖单一局部定位技术，误差会逐渐累积，导致定位偏差。因此，局部定位需要定期与全局定位或已知地标进行校准。
融合定位：协同全局与局部的最优解
为了实现既具备全球导航能力，又拥有局部精准控制的定位系统，自动驾驶车辆通常采用全局与局部定位的融合技术。
融合通常通过状态估计或滤波技术实现，如扩展卡尔曼滤波（EKF）或优化算法。这类方法能将全局定位提供的绝对坐标与局部定位提供的相对高精度坐标进行整合，从而在保持全局稳定性的同时，实现局部的高精度与连续性。
融合的方式多种多样。一种常见做法是将GNSS提供的粗略位置作为初始值，局部定位在此基础上进行精细优化。当车辆进入GNSS信号较弱区域时，局部定位继续追踪车辆运动状态；一旦重新接收到GNSS信号，系统则利用其对局部定位结果进行校正。
应用场景与实际挑战
在不同道路上，全局和局部定位的权重各不相同。在开放区域或高速公路上，GNSS信号稳定，全局定位成为主导；而在城市中心、地下车库或隧道中，局部定位则承担主要任务。
自动驾驶定位系统在实际部署中仍面临诸多挑战。例如，局部定位依赖的视觉或激光雷达特征可能因光照变化或道路遮挡而失效；GNSS信号在复杂环境中也可能不稳定。这就要求系统具备良好的传感器融合能力、场景识别机制以及自适应调整功能。
另外，构建和维护高精地图、实时更新环境数据以及处理动态对象对定位的干扰，也是实现自动驾驶落地过程中不可忽视的技术难点。
技术协同是定位系统的核心
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。全局定位提供车辆在地球坐标系中的绝对位置，局部定位则在短时间内实现高精度、连续的定位估计。两者的协同融合，使得车辆既能进行宏观导航，又能实现微观控制。
构建一个稳定、鲁棒的定位系统，是实现自动驾驶安全可靠运行的关键技术之一。
查看全文
评论0条评论