全局定位与局部定位在自动驾驶中的协同作用
不颓废科技青年
全局定位与局部定位在自动驾驶中的协同作用
自动驾驶车辆在运行过程中，不仅需要了解自身所处的街道位置，还需掌握其在车道中的具体位置、朝向角度，以及与周边设施和车辆的距离。只有在具备高精度定位信息的前提下，自动驾驶系统才能做出合理的路径规划与控制决策，从而完成变道、转弯或避障等操作。
在自动驾驶技术中，定位功能通常根据参考坐标系的不同，划分为全局定位与局部定位两个层面。这两种定位方式相互配合，各司其职，共同支撑车辆的精准导航与控制。
全局定位：确定车辆在地球上的绝对位置
全局定位的核心目标是为自动驾驶车辆提供一个稳定、不随时间漂移的绝对坐标，该坐标以地球表面的标准坐标系统为参考。实现这一功能主要依赖全球导航卫星系统（GNSS），包括美国的GPS、中国的北斗、欧盟的伽利略等。
全局定位输出的坐标信息通常包含经度、纬度和海拔高度，用于表示车辆在地球表面的具体位置。例如，一辆自动驾驶车辆行驶在北京朝阳区某十字路口时，其全局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）技术的结合。
全局定位的一个显著优势是其独立性，即不依赖于车辆的历史轨迹或内部估计，而是直接从外部获取位置信息。这意味着，只要卫星信号稳定，车辆即可实时获取当前位置，无论其此前行驶路径如何。
全局定位为自动驾驶系统提供了基础性的绝对坐标信息。例如，当自动驾驶出租车接收到订单时，系统需要明确起点与终点的绝对位置，导航模块据此生成行驶路径，控制系统则按照该路径执行操作。这种定位方式具备全球一致性，且无需依赖累积计算。
然而，全局定位也存在局限性。在隧道、高楼林立的城市峡谷、树木密集区域等环境中，卫星信号可能受到干扰或完全丢失，导致定位精度下降甚至失效。即使在开阔地带，GNSS信号也可能因噪声影响产生数米至十几米的误差，这对自动驾驶的高精度要求而言仍显不足。因此，自动驾驶系统通常将全局定位作为基础，再结合其他技术以提升定位精度。
局部定位：确定车辆在局部环境中的精确位置
当车辆处于特定环境中时，全局定位提供的绝对坐标往往不足以满足高精度控制的需求。此时，局部定位便成为关键。
局部定位依赖于车载传感器（如激光雷达、相机、惯性测量单元IMU等）对周围环境进行实时感知，并将这些感知数据与已有的地图或局部模型进行匹配，从而推算出车辆在当前环境中的精确位置。
局部定位强调的是短距离内的高精度与连续性。在车辆持续行驶过程中，系统通过视觉、点云等感知特征与地图或先前位置进行配准，从而计算出车辆在局部坐标系中的位置变化。这类技术在自动驾驶领域通常被称为视觉里程计（Visual Odometry）、激光雷达里程计（Lidar Odometry）或更广义的同时定位与地图构建（SLAM）。
例如，当车辆驶入隧道时，GNSS信号可能完全失效，此时系统将依赖激光雷达扫描环境，并将点云数据与高精地图进行匹配，以计算车辆的相对位置。同样，视觉定位系统也可通过识别道路标志、路缘、建筑物等特征，并结合IMU数据，实现局部范围内的高精度定位。
局部定位的另一大优势是其连续性。与全局定位相比，局部定位对卫星信号的依赖较小，只要传感器和计算系统正常运行，即可持续输出车辆的相对位置信息。这种特性使其特别适用于高速行驶中对横向和纵向位置的精确控制。
然而，局部定位本质上是一种相对定位方式，其精度会随着时间推移而累积误差。例如，若车辆仅依赖IMU和轮速计进行位置估计，微小的误差会逐渐叠加，最终导致定位偏差。因此，局部定位需要定期与全局定位或已知地标进行校准，以维持精度。
融合定位：全局与局部的协同机制
全局定位与局部定位各有优劣，前者提供世界尺度的绝对坐标，后者则在短时间、高精度定位方面表现突出。为了实现自动驾驶系统在复杂环境中的稳定运行，必须将两者融合。
融合定位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。这些技术能够将全局定位的绝对坐标与局部定位的高精度相对位置相结合，从而在保持全局稳定性的同时，提升局部精度与连续性。
融合定位的实现方式多样。在某些系统中，全局定位提供初始位置估计，局部定位则在此基础上进行细化。当车辆进入GNSS信号受限区域时，局部定位继续跟踪位置变化；一旦重新获得全局信号，系统则将局部估计与全局参考对齐，以修正误差。此外，还可以通过图优化方法，将局部定位结果实时整合到全局定位框架中，提升整体系统的鲁棒性。
应用场景与技术挑战
在实际应用中，全局定位与局部定位的协同作用贯穿于自动驾驶的各个阶段。在不同道路环境中，两者的重要性也有所不同。
在开阔区域或高速公路上，GNSS信号稳定，全局定位可提供可靠的位置参考，而局部定位则用于细化车道内的位置信息。此时，导航与路径规划主要依赖全局定位，局部定位作为辅助手段。
而在城市中心、隧道或地下车库等环境中，GNSS信号可能严重受限，局部定位则成为主要的定位方式。
尽管融合定位技术已取得显著进展，但自动驾驶系统在实际部署中仍面临诸多挑战。例如，局部定位在光照变化、道路遮挡等复杂环境下可能出现特征匹配失败；全局定位在信号遮挡区域则可能完全失效。因此，系统需要具备强大的传感器融合能力、场景识别能力以及自适应机制。
此外，构建并维护高精度地图、实时更新环境信息，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必须解决的关键问题。
总结
全局定位与局部定位是自动驾驶定位系统中的两大核心组成部分。前者提供世界尺度的绝对坐标，使车辆了解其在地图中的宏观位置；后者则在短时间内提供高精度、连续性的局部坐标，支持车辆的实时控制。两者的融合是实现自动驾驶车辆既具备全局导航能力，又具备精细操控能力的关键。
构建一个鲁棒、高精度的定位系统，是推动自动驾驶技术走向成熟与普及的核心技术之一。
查看全文
评论0条评论