自动驾驶汽车定位技术

汽车自动驾驶技术是一项跨界人工智能、自动化控制、物联网、汽车制造等多领域的前沿科技，融合应用多种高新科技成果，是未来汽车工业发展的必然方向。该技术能感知道路周边环境信息、实现路径规划、控制车辆运动，从而提高道路通行效率、减少交通事故、提高车辆运行效率、降低驾驶员的劳动强度、降低能源消耗。不仅国家层面对于该技术十分重视，全球资本市场对其也十分看好。
该丛书由北京航空航天大学和百度自动驾驶事业群组联合编写，系统介绍自动驾驶技术基础理论，构建完整的知识体系，并依托百度Apollo自动驾驶平台具体实现，体现我国自动驾驶技术领域的z新科研成果和前沿技术应用。

本册书主要介绍无人驾驶汽车定位技术的知识点，让读者从基础开始，由浅入深地了解无人驾驶汽车的高精度地图、自动驾驶车辆定位技术、自动驾驶体系中基于通信辅助的定位技术等知识，并结合基于Apollo的自动驾驶汽车定位系统实践，通过实际的案例让读者深入了解无人驾驶汽车的定位技术知识体系。

李晓欢，博士/博士后，副研究员、硕士生导师。现任TIAA & FuTURE 的“智能网联汽车”工作组成员，参与了国内个《智能网联汽车基本应用》、《5G车车通信技术研究》技术白皮书编写工作；中国航空学会航空电子与空中交通管理分会副总干事。曾任WASA2017（CCF C类会议）执行主席，ChinaCom2017车联网分论坛副主席。主持和参与完成了与本项目相关的国家工信部物联网专项项目“面向ITS的车载安全监控及节能系统研发及应用示范”、粤港招标重点领域突破项目“基于车联网的智能交通信息服务及其示范应用”、广州市产学研协同创新重大专项项目“基于物联网的新一代智能交通系统关键技术研究”等、省部级重点项目。发表学术论文30余篇（SCI检索11篇），出版车联网领域英文专著1部，公开发明专利9项（其中PTC国际专利1项）、授权发明专利6项。

目录
第1章概述
1.1自动驾驶定位技术的构成
1.2本章小结
第2章高精度地图
2.1高精度地图的定义及其价值
2.1.1高精度地图的分层架构
2.1.2高精度地图对自动驾驶的价值
2.1.3高精度地图行业现状
2.2高精度地图关键技术
2.2.1道路元素图像处理
2.2.2激光点云处理
2.2.3同步定位与地图构建
2.2.4高精度地图云端服务体系
2.3高精度地图解决方案
2.3.1高精度地图采集
2.3.2高精度地图制作与编译
2.3.3高精度地图质量控制与发布
2.4本章小结
参考文献

第3章汽车定位技术
3.1卫星定位技术
3.1.1卫星导航定位系统简介
3.1.2GNSS定位原理
3.1.3GNSS数据误差
3.1.4差分GNSS定位技术
3.2惯性导航定位技术
3.2.1惯性导航定位系统简介
3.2.2惯性导航定位系统工作原理
3.2.3惯性导航定位系统误差分析
3.3地图匹配定位技术
3.3.1地图匹配定位技术简介
3.3.2地图匹配定位技术原理
3.3.3地图匹配定位误差分析
3.3.4地图匹配常用算法
3.4多传感器融合定位技术
3.4.1多传感器融合系统简介
3.4.2多传感器融合定位系统原理
3.4.3多传感器融合误差分析
3.4.4多传感器融合算法
3.5本章小结
参考文献

第4章无线通信辅助汽车定位
4.1车联网体系架构及信息共享
4.1.1车联网体系架构
4.1.2车联网的信息交互与共享技术
4.2基于专用短程通信的车联网技术
4.2.1专用短程通信技术
4.2.2基于专用短程通信的车联网
4.3基于蜂窝移动通信的车联网技术
4.3.1蜂窝移动通信技术
4.3.2基于蜂窝移动通信的车联网
4.4车联网辅助定位技术
4.4.1车联网辅助地图数据的采集与发布
4.4.2室内定位技术
4.5本章小结
参考文献

第5章自动驾驶高精度地图与定位实践
5.1高精度地图实践
5.1.1基于Caffe的交通标志牌识别实验
5.1.2基于PCL的激光点云配准实验
5.2基于Apollo平台的定位实践
5.2.1Apollo简介与配置
5.2.2GNSS/IMU定位实验
5.2.3LiDAR/IMU定位实验
5.2.4多传感器融合定位实验
5.2.5自定义定位实验设计
5.3本章小结
参考文献

前言

定位技术作为自动驾驶汽车的关键技术之一，是通过各种定位手段与多种传感器数据融合实现汽车的精确定位，让自动驾驶汽车获得自身确切位置，解决“我在哪儿”的问题。精确定位是自动驾驶汽车必不可少的功能，因其要求定位精度和可靠性更高、对基础地图和环境融合认知能力要求更高而面临更大的挑战，成为自动驾驶领域研究的热点，受到了工业界和学术界的广泛关注。目前，研究人员对通用的定位技术研究较多，如卫星定位、惯性导航定位等，相关书籍不胜枚举，但针对自动驾驶汽车定位技术进行系统的分析、归纳及实践的书籍少。本书正是为了适应自动驾驶技术的发展，从自动驾驶汽车定位的应用需求入手，系统地讲述实现自动驾驶定位的高精度地图、融合定位及辅助定位三大关键环节的基本原理及前沿技术，并通过实验范例帮助读者理解和学习。
全书共5章。第1章是概述，简要介绍和归纳自动驾驶定位技术的发展背景及技术路线。第2章是高精度地图，介绍高精度地图对自动驾驶交通环境定位的价值，及其关键技术和解决方案。第3章是汽车定位技术，重点阐述多种定位技术的原理、关键技术及融合应用。第4章是无线通信辅助汽车定位，重点介绍基于车联网的辅助定位。第5章是自动驾驶高精度地图与定位实践，主要介绍高精度地图标志牌识别、激光点云配准及基于百度Apollo平台的多传感器融合定位实践。限于篇幅，本书未能把自动驾驶定位相关技术介绍得非常详尽，有兴趣的读者可以通过对应章节的参考文献或查阅相关资料进一步学习。
本书除第1章的概述和第5章的实践范例外，其余章节重点介绍了与自动驾驶定位相关的原理及技术，具有一定的专业性和前瞻性。因此，本书既可以作为从事自动驾驶定位技术研究和开发的科研人员参考用书，也可以作为高等院校导航、通信、信息、物联网、计算机、汽车等相关专业的研究生和高年级本科生的教材。
本书由北京航空航天大学联合百度共同编写，在编写过程中得到来自北京航空航天大学和百度的多位专家、老师、学生的参与和支持，包括唐欣、黄科佳、万国伟、蔡仁澜、杨晓龙、芮晓飞、周尧、王健、闫淼、杨镜、段旭、白宇、佘党恩、罗明懿、王对武、覃兴胜、唐峯竹等。谨在此向他们致以深深的谢意。
本书在编写过程中，参阅了大量的文献资料，从中得到了许多有益的启示和帮助，在此向这些文献的作者表示衷心的感谢。
由于编写时间短、编者水平有限，加之经验不足，本书难免有疏漏之处，恳请各位同行和读者批评指正。

作者

2019年5月

第5章自动驾驶高精度地图与定位实践

本章5.1节是高精度地图实践，图像处理和激光点云处理是制作高精度地图的关键技术，主要讲解交通标志牌识别与激光点云配准实验，让读者对高精度地图的制作有更加深入的了解。5.2节是基于Apollo平台的定位实践，主要包括GNSS/IMU定位、LiDAR/IMU定位、多传感器融合定位及自定义定位实验，让读者从定位实验中了解和学习Apollo平台的构成和基本操作，便于读者自行开展基于Apollo平台的自动驾驶技术开发及应用实践。
5.1高精度地图实践
在自动驾驶领域，高精度地图无疑是保证自动驾驶安全可靠的关键技术之一。其格式化存储了交通场景中的各种交通要素，提供厘米级高精度地图数据。这些数据包括道路网、车道网络、车道线以及交通标志等多种有效信息，并通过一定数据格式将各种数据制作成高精度地图文件，给自动驾驶汽车的决策系统提供决策依据。
一般而言，高精度地图制作主要包括原始数据采集、地图制作及编译与发布3个部分。实际的地图制作流程因不同地图商而异，下面以百度公司的高精度地图制作流程为例进行说明，具体制作流程如图51所示。

1. 原始数据采集
在高精度地图采集的业务中，原始数据的采集一般包括采集任务的下达、任务的分配与数据准备、外业采集设备的准备、数据采集和整理、数据的检查及终的数据存盘等一系列流程。简化的外业采集流程如图52所示。

外业采集流程中的任务分配与数据准备包括采集的计划、任务的分配文档、采集过程中所需要的技术手册及需要用到的底图等。图53是百度Apollo高精度地图采集车，其中用于地图采集的传感器设备如图54所示，从左至右分别为激光雷达和摄像头、GNSS天线、GNSS & IMU。

■
图51高精度地图制作流程

■
图52简化的外业采集流程

■
图53百度Apollo高精度地图采集车

■
图54地图采集传感器设备

在硬件设备以及软件准备阶段，采集技术人员需要将激光雷达、摄像头等硬件设备装配到采集车上，再通过软件工具查看硬件设备是否工作正常、基站信号是否
接入等。此外，外业采集用到的基站也要架设在具有一定高度、视野开阔、遮挡物少的地方，如高楼顶部。
规划好采集路径后，数据采集流程包括GNSS数据的对准、INS数据的采集、激光点云数据采集以及图像数据的采集。其中，GNSS的对准是为了矫正定位，保证整个采集过程中GNSS数据稳定可靠。
在图像数据采集中，需要提前根据相机内参、外参和拍摄角度，进行参数标定。在激光点云采集过程中，通过安装在汽车顶部的多线激光雷达对汽车周围环境进行周期性扫描，获取激光点云数据。同样，激光雷达也需要根据线数、转速、扫描位姿，进行参数标定。后通过GNSS与IMU融合获取精确位置信息，并进行定位信息解算完成位置数据采集。摄像头与激光雷达采集的原始图像与激光点云数据示例如图55所示。

■
图55原始图像与激光点云数据示例

数据采集完成之后，需要将采集好的数据进行整理，并对激光点云数据、GNSS授时等数据进行检查，如果数据不正常，还需要退回到数据采集阶段，进行重新采集。
完成上述步骤后，即可将采集好的数据进行存盘并交付到内业数据制作部门。
2. 地图制作
原始数据采集完成后，地图制作部门即可从云端下载数据，并进行地图制作。为了方便读者理解，接下来对图51的高精度地图制作中的主要步骤进行说明。
特征识别： 分为图像识别处理和激光点云识别，通过策略或语义分割等方式，提取包括车道线、标志牌、杆、地面、护栏、路沿等基本道路关键目标特征。
特征去重： 针对多帧图像识别后的数据进行融合，提取单趟采集的道路特征数据。
点云拼接： 将单趟采集的激光点云帧进行坐标统一和拼接。
点云融合： 对多趟采集的激光点云数据进行匹配，用于数据补全、更新、合并场景，并产出激光点云地图。
特征融合： 将多源特征数据进行融合，包含匹配、合并、过滤、调整等操作。
建模： 根据识别后的特征数据，整合、构建矢量的语义化路网数据，以供编译和发布使用。
经过上述高精度地图的外业采集以及地图制作的一系列复杂的地图制作流程后，高精度地图制作就完成了。