无人驾驶——定位

标签：更新   ane   mtom   包含   log   环境   pgp   nbsp   聚类   

1.定位方法：

　　1.1 基于电子信号的定位：GPS

　　1.2 航迹推算：IMU（加速度计+陀螺仪），轮速计

　　1.3 环境特征匹配：传感器感知+融合

2.地图：

　　2.1 3D voxel地图

　　2.2 点云地图

　　2.3 2D概率地图

3.技术

　　2.1 RTK：容易受电磁环境干扰’

　　2.2 GPS：

　　　　1.缺点：多径效应

　　2.3 激光点云定位技术：反射值+高度值，自适应匹配

　　　　1.缺点：场景变化太大，废掉

　　　　2.相关技术和工具：PostgreSQL，PostGIS, pgpointcloud:   https://github.com/digoal/blog

　　2.4 视觉定位：

　　　　1.在线特征检测：FCN图像分割；分段直线聚类

　　　　2.特征匹配：

　　2.5 惯性导航

　　　　1.yaw对齐：双天线（两个GPS连线的方向）；车跑起来的速度方向+之后的卡尔曼滤波 

　　　　2.缺点：短时很准，随着时间推移，误差增大

　　2.6 组合导航

　　　　1.融合方法：卡尔曼滤波器（惯导的输出作为时间更新；GPS/点云的位置作为量测更新）

3.高精地图

　　3.1  高精地图方案：百度-激光+相机；宽凳科技-纯视觉制图20cm；英伟达-高精实时制图；DeepMotion-纯视觉制图

　　3.2 地图格式：

　　　　1. NDS：国内不是很多，国外大厂-宝马

　　　　2. OpenDrive：apollo

　　　　　　section；lane；junction；

　　3.3 厂商：

　　　　1. here-诺基亚，80%欧美市场，戴姆勒30亿美金收购，腾讯、四维入股

　　　　2. mobileye

　　　　3.谷歌：激光+图像

　　　　4.TomTom：激光点云　

　　　　5.apollo：GPS（RTK）+IMU，激光（64线+16线）+摄像头，长短焦

　　3.4 关键技术

　　　　1.激光：点云分割，点云DeepLearning，点云Slam，点云特征提取

　　　　2.算法输出：定位地图；高精地图；路径规划地图；仿真地图

　　3.5 包含信息：

　　　　1.lane；Road及其边界——>辅助横向定位

　　　　2.红绿灯，指示牌——>指导驾驶

　　　　3.树木，建筑——>可以辅助定位车辆

　　　　4.司机的驾驶习惯：什么地方加减速——>让无人驾驶更像人

 　　3.6 apollo高精地图

　　　　1.坐标系：UTM；WGS84；坐标系

无人驾驶——定位

标签：更新   ane   mtom   包含   log   环境   pgp   nbsp   聚类   

原文地址：https://www.cnblogs.com/yrm1160029237/p/10963208.html