随着全球汽车产业的智能化与电动化进程加速,智能驾驶逐渐成为推动汽车产业发展的核心技术之一。尤其是在L3级及以上的高级别自动驾驶功能逐步落地的过程中,车辆的自主决策和安全行驶需求对车辆定位提出了更高的要求。传统的全球导航卫星系统(GNSS)已经无法满足城市环境复杂多变的驾驶需求,特别是在高楼林立、信号遮蔽、道路复杂的城区,GNSS的误差显著增加,导致定位精度难以达到自动驾驶对厘米级定位的严格要求。
在此背景下,高精度定位技术方案应运而生。该技术通过融合多种先进的定位技术,如PPP-RTK(精密单点定位-实时动态定位)、卫惯组合导航(GNSS+IMU)、地基增强系统等,确保车辆能够在多种复杂场景下保持高精度的定位信息,为自动驾驶系统提供可靠的位置信息支撑。
高精度定位不仅在车辆的导航和定位中发挥关键作用,还在整个智能交通系统中起着重要的支撑作用。无论是高速公路还是城市复杂路网,自动驾驶汽车都需要依靠高精度定位提供的绝对位置信息,结合环境感知数据,完成路径规划、避障和自主驾驶等任务。因此,理解高精度定位技术的发展现状及其未来趋势,对智能驾驶行业的持续创新具有重要意义。
01 高精度定位的技术背景与发展
1.1 高精度定位的定义及分类
高精度定位技术是一种通过实时动态差分技术、精密单点定位技术、卫星定位与惯性导航融合等手段,获取车辆在全球坐标系下的绝对位置信息的技术。相较于传统的GNSS定位系统,高精度定位的误差通常控制在分米级甚至厘米级,极大地提升了定位的精度和可靠性。高精度定位的核心优势在于它能够提供全天候、高精度、实时的位置信息,尤其在复杂环境下,如城市峡谷、隧道、高架桥等场景,传统定位系统往往因信号遮挡、干扰等因素导致定位精度下降,而高精度定位则能够通过融合多种定位方式,有效克服这些挑战。
高精度定位技术根据不同的应用场景和技术实现路径,可以大致分为两大类:基于差分技术的定位(如RTK、PPP-RTK)和基于组合导航的定位(如卫惯组合导航)。其中,RTK(实时动态载波相位差分技术)通过地基增强系统提供的差分信号,可以实现厘米级别的高精度定位,主要应用于对定位精度要求极高的场景,如自动驾驶、测绘、精密农业等;而PPP-RTK则结合了PPP和RTK的优势,利用广域增强信号进行高精度定位,适用于广泛的区域环境,如高速公路、开放道路和城市复杂场景。
PPP-RTK 技术示意图
1.2 技术实现原理
高精度定位的实现原理主要依赖于多种定位技术的结合和融合。在实际应用中,单一的GNSS定位技术由于受到信号遮挡、卫星轨道误差、电离层和对流层干扰等因素的影响,导致定位精度难以满足智能驾驶对厘米级甚至毫米级精度的要求。因此,必须通过组合多种技术,如GNSS、IMU(惯性测量单元)、RTK、PPP等,来提高定位的精度和可靠性。
RTK技术的基本原理是通过GNSS接收器接收卫星信号,基准站与流动站之间通过实时差分运算,校正因卫星误差、大气干扰等导致的定位误差,从而实现厘米级别的高精度定位。相比之下,PPP(精密单点定位)技术无需依赖地面基准站,而是通过全球卫星轨道和钟差的精密校正,提供高精度的定位结果。PPP技术虽然在精度上稍逊于RTK,但在广域场景下,特别是在覆盖范围大、地面基站稀少的区域,如山区、海洋等环境中,具有极大的应用价值。
在实际应用中,PPP-RTK技术通过将PPP的全球范围误差校正能力与RTK的局部实时差分结合,能够在短时间内实现高精度定位,并且适用于包括高速公路、城市街道在内的多种驾驶环境。同时,为了解决城市复杂场景中的信号遮挡问题,惯性导航系统(IMU)也被广泛应用于高精度定位方案中。IMU通过加速度计和陀螺仪等传感器,测量车辆的运动状态和姿态,即使在卫星信号失效的情况下,依然能够通过惯性导航提供连续的位置信息。
1.3 高精度定位在智能驾驶中的应用场景
城市导航辅助驾驶
随着L3级别及以上的自动驾驶功能逐步在市场中推广,智能驾驶车辆在复杂城市环境中行驶时,面临着极为复杂的路况和交通参与者。城市道路的多变性、信号遮挡,以及行人、非机动车等多种交通元素的存在,使得对车辆的实时定位提出了更高的要求。高精度定位技术能够通过厘米级的精准定位,结合城市导航系统,为自动驾驶车辆提供可靠的路径规划和避障决策支持。特别是RTK和PPP-RTK技术的融合应用,能够在十字路口、高架桥、隧道等复杂场景中,保持稳定的高精度定位,确保车辆安全通过。
高速公路场景
在高速公路等相对简单的结构化道路上,高精度定位技术可以为自动驾驶车辆提供超视距的定位支持。通过高精度地图与定位信息的结合,自动驾驶车辆能够在高速行驶时提前预判前方路况,规划行驶路线,避免紧急刹车和变道。同时,PPP-RTK技术的广域覆盖能力也使其在高速公路的长距离驾驶中表现出色,能够在保持车辆高速行驶的同时,确保精准的路径规划。
自动泊车与智慧停车
在智能驾驶场景中,自动泊车和智慧停车已逐步成为车主关注的热点功能。高精度定位技术能够为自动泊车系统提供厘米级的位置信息,使车辆能够在停车场中精确定位并完成泊车操作。相较于传统的泊车系统,高精度定位技术能够显著提升泊车的精度和速度,特别是在地下停车场等信号较弱的环境中,惯性导航与RTK技术的结合能够确保车辆准确泊车。
02 高精度定位的技术优势与挑战
2.1 技术优势
高精度定位技术相比传统的GNSS导航系统,具有显著的优势,特别是在智能驾驶领域。首先,高精度定位技术能够提供厘米级的位置信息,这是自动驾驶车辆实现车道级导航和自主驾驶的基础。传统GNSS的定位误差通常在10米左右,而高精度定位技术通过差分技术、卫惯融合等手段,能够将误差控制在厘米级甚至更低的水平,确保车辆在复杂场景中的安全性和稳定性。
高精度定位与普通导航定位对比
其次,高精度定位技术具有较强的抗干扰能力。在城市复杂场景中,卫星信号容易受到高楼、大树等障碍物的遮挡,导致信号中断或误差增加。高精度定位技术通过融合多源传感器数据,能够在信号失效的情况下,依靠惯性导航系统提供连续的位置信息,确保车辆的持续定位。
此外,随着5G和C-V2X(蜂窝车联网)的快速发展,高精度定位技术将进一步融合车联网技术,提供更加智能化的定位服务。未来,基于车联网的高精度定位系统不仅能够实现车辆的自主驾驶,还能够实现车辆之间的信息共享,提升整个交通系统的智能化水平。
2.2 技术挑战
高精度定位技术虽然在智能驾驶中的应用前景广阔,但其在技术实现过程中也面临着诸多挑战。高精度定位技术的实现依赖于大量的基础设施建设,如地基增强系统、卫星基站等。在城市环境中,由于建筑物遮挡和信号反射,建立覆盖广泛且稳定的增强系统需要高昂的成本和复杂的技术支持。
卫惯组合导航系统在复杂场景中的精度受限。尽管惯性导航能够在短时间内提供连续的定位信息,但由于惯性导航本身存在误差积累问题,随着时间的推移,惯性导航系统的精度会逐渐降低。因此,如何有效解决惯性导航的误差积累问题,仍然是行业面临的重要技术难题。
03 高精度定位的行业现状与未来趋势
3.1 行业现状
根据《高精度定位,智能驾驶的可靠辅助》报告显示,随着城市导航辅助驾驶(NOA)功能的快速推广,搭载高精度定位系统的智能驾驶车辆数量迅速增长。数据显示,2022年搭载NOA功能的车型为26万辆,2023年达到95万辆,预计2024年将达到150万辆。2022年搭载城市NOA功能的车型为5.6万辆,2023 年达到23.8万辆,增长率为323.7%。从2022年Q1到2023年Q4,搭载城市NOA车 型数量从0.4万辆增长到8.5万辆,渗透率从0.1%增长到1.4%。这一趋势表明,未来高精度定位技术将在智能驾驶市场中占据重要地位。
标配NOA/城市NOA功能汽车数量(万辆)
在全球范围内,以北斗、GPS、GLONASS为代表的全球卫星导航系统已经形成了相对成熟的技术体系。各国政府和企业纷纷加大对高精度定位技术的投入,推动技术的快速迭代和应用场景的扩展。
3.2 主要技术路径与发展趋势
随着高精度定位技术在智能驾驶中的应用日益广泛,行业内各大企业和研究机构正在加速推进相关技术的创新和应用部署。
PPP-RTK技术的广泛应用
PPP-RTK(Precise Point Positioning-Real-Time Kinematic)技术结合了PPP和RTK的优势,是当前高精度定位的主要技术路线之一。PPP-RTK不仅能够在大范围内提供厘米级别的精确定位,还能有效应对复杂城市环境中的信号遮挡问题。相比传统RTK技术,PPP-RTK不需要大量地基增强基站,依靠低轨卫星等技术支持,通过结合PPP的广域误差修正和RTK的实时差分,可以在全球范围内实现高精度定位。
随着低轨卫星网络的建设与完善,PPP-RTK技术将在全球范围内得到更广泛的应用。尤其是在城市复杂路况下,如十字路口、地下停车场等场景,PPP-RTK能够在不依赖大量基站的情况下,保证稳定的高精度定位。
卫惯组合导航的深度耦合
卫星导航与惯性导航的结合,形成了卫惯组合导航系统,这也是当前高精度定位技术的重要组成部分。卫惯组合通过将GNSS(全球导航卫星系统)与IMU(惯性测量单元)深度耦合,有效提升了车辆定位的可靠性,特别是在信号不稳定或丢失的场景下,惯性导航能够保证短时间内的连续定位。
目前,卫惯组合导航已经逐渐从“松耦合”发展到“深耦合”阶段。深耦合意味着GNSS与IMU的协作更加紧密,可以实现更加精确的误差校正和信息融合。未来,随着芯片算力的提升,卫惯组合导航系统将会更加普及,特别是在高动态场景下,如自动驾驶汽车的高速行驶、复杂路况转弯等,深耦合技术可以极大提升车辆的定位精度和决策能力。
低轨卫星的信号增强与网络建设
传统的GNSS卫星主要依赖于中轨道和高轨道卫星进行信号传输,但由于城市环境的遮挡和多路径效应问题,信号的稳定性和覆盖率仍存在较大的局限性。近年来,低轨卫星的应用逐渐成为高精度定位领域的热门方向。低轨卫星的轨道高度较低,信号在穿越大气层时衰减较小,且传输延迟较短,适合在城市复杂环境中提供更稳定的信号增强。
例如,特斯拉、蔚来等新兴车企已开始积极布局低轨卫星的网络建设,以提升车辆的高精度定位能力。未来,随着更多低轨卫星的发射和全球性网络的构建,车辆在城市环境中的定位精度和可靠性将得到进一步提升,这对实现大规模的城市智能驾驶具有至关重要的意义。
智能传感器与高精度定位的融合
高精度定位技术不仅依赖于卫星和惯性导航系统的信号,还需要与车载智能传感器(如激光雷达、摄像头等)进行深度融合。当前,自动驾驶车辆依靠多种传感器进行环境感知,但单一传感器的局限性明显,例如激光雷达在雨雪天气下的性能下降、摄像头受光照影响较大等。而通过融合高精度定位技术,车辆能够在定位信号失效或感知信号异常时,依然依赖定位信息进行精确导航。
随着算法的不断优化,传感器融合技术将成为高精度定位发展的关键方向之一。多源数据融合不仅可以提高车辆的环境感知能力,还能够在复杂场景中提供更高的定位精度。例如,在城区道路的行驶过程中,车辆可以通过激光雷达扫描周围环境,与高精度地图匹配结合,再通过高精度定位确定车辆在地图中的具体位置,达到更好的决策效果。
5G与C-V2X技术的协同发展
车联网技术的快速普及为高精度定位带来了新的发展机遇。特别是5G与C-V2X技术的结合,能够在车与车(V2V)、车与基础设施(V2I)、车与行人(V2P)之间建立实时的信息传输通道。这种高效的通信网络将为高精度定位提供更加丰富的外部环境数据,并结合位置数据进行协同计算。
在5G与C-V2X网络下,智能驾驶车辆不仅可以依赖自身的高精度定位系统,还可以通过实时获取其他车辆和路边基础设施的信息,进一步提升车辆的定位准确性和行驶安全性。这种基于全局信息的高精度定位方案将极大推动车路协同和智能交通系统的发展。
3.3 商业化应用的加速推进
高精度定位技术的商业化应用进程正在加速。在自动驾驶领域,特别是L3及以上级别的自动驾驶车辆,已经将高精度定位技术作为标配。例如,蔚来、理想、小鹏等企业推出的最新款车型,已经普遍搭载了PPP-RTK或RTK技术,实现了城市道路和高速公路上的高精度定位。这些车辆能够在复杂城市环境中保持厘米级的定位精度,保证了智能驾驶功能的顺利运行。
此外,传统车企也在积极引入高精度定位技术,以提升其自动驾驶功能的竞争力。例如,宝马、奔驰等高端车企通过与定位服务提供商的合作,逐步实现了车载高精度导航模块的标准化配置。随着市场需求的不断扩大,未来高精度定位技术将在中高端车型中逐步普及,并最终实现大规模的应用。
另一方面,除了汽车行业,公共交通、智慧城市等领域也在逐步引入高精度定位技术。例如,公共交通系统中,自动驾驶巴士和无人驾驶出租车的推广离不开高精度定位技术的支持。智慧城市中的基础设施监控、智能穿戴设备、应急救援系统等,也正在通过高精度定位技术,实现更高效、精准的服务。未来,高精度定位技术将进一步拓展其应用场景,成为智慧城市和智能交通系统中的关键技术支撑。
04 结论
高精度定位技术在智能驾驶中的作用愈发重要。通过融合卫星定位、惯性导航、地基增强、低轨卫星等多种技术手段,高精度定位不仅能够提供厘米级的高精度定位信息,还能够在复杂的城市环境中保证车辆的实时定位和路径规划。未来,随着5G、C-V2X、低轨卫星网络等技术的逐步成熟,高精度定位将成为智能交通系统不可或缺的一部分,为实现全面的自动驾驶和智慧城市发展提供强大的技术支持。
在当前快速发展的智能驾驶行业中,高精度定位技术的创新和应用也面临诸多挑战,如基础设施建设成本、技术复杂性、信号遮挡等问题。然而,随着技术的不断进步和市场需求的增长,未来高精度定位技术将继续快速发展,并在全球范围内形成更加完善的产业链,为智能驾驶和智能交通系统的广泛应用提供坚实的基础。
智驾最前沿
龚淑娟
李峥
该车道线检测方法通过图像去畸变和图像校正获得车道线图像的鸟瞰俯视图,并在图像颜色空间转换的基础上,使用颜色特征提取(阈值分割)和Canny边缘检测提取车道线信息,结合形态学滤波去除噪声。再利用图像直方图确定车道线的大致位置,并对比使用了霍夫(Hough)变换和滑动窗口搜索法确定车道线的效果,实现了对车道线几何信息的拟合。该方法在图像预处理环节能够显著减少一般车道线环境中所存在的噪声信息,实现了车道线检测准确性和鲁棒性的提高。
2024-07-23 张弛楷
随着超声波雷达以及图像采集等技术的逐渐成熟,使得自动泊车技术得以进一步发展完善。同时随着技术研发的不断深入,成本也会大大降低。自动泊车技术的应用,使汽车更加智能化。
2024-04-23 AI编辑部
2024-12-18
2024-12-19
2024-12-16
2024-12-20
2024-12-17
2024-12-20
2024-12-17
评论
加载更多