apollo自动驾驶入门课-定位

一、定位简介

定位任务的目的，是确定无人驾驶汽车在地图中的位置，往往依赖于高精地图。

二、定位思路

2.1 主流思路

定位时的主流思路是将车辆传感器感知到的周围环境信息与地图上的信息进行对比。这些环境信息包括与其他障碍物的距离、障碍物的类别、地标等。

2.2 车辆坐标系与地图坐标系

车辆坐标系以汽车为中心，X轴始终指向汽车的前进方向，坐标系与汽车一起旋转。

地图也具有坐标系，地图坐标系的横坐标和纵坐标是固定的，如下图所示。（a,b)是车辆在地图坐标系上的坐标，(x’, y’)是地表建筑在车辆坐标系中的坐标。

对于定位任务，车辆将传感器感知到的信息与其高精度地图上存在的地标进行对比。为了进行该对比，必须在车辆坐标系和地图坐标系中进行转换。系统必须在地图上以10cm的精度进行准确的定位。

三、 常用定位方法

3.1 GNSS RTK

3.2 惯性导航

3.3 激光雷达Lidar

ICP

通过将Lidar获取的点云信息与高精地图进行连续匹配，可以获知汽车在高精地图上的行驶方向和位置。

滤波算法

apollo使用直方图滤波法，将点云划过地图上每一个位置，计算扫描的点与高精地图上点之间的误差并求和。误差越小，代表匹配得越精确。

卡尔曼滤波算法

根据在过去的状态和新的传感器测量数据估计当前的状态。使用概率规则将传感器测量结果

3.4 视觉定位

仅通过图像实现精确定位很困难，常用方法是将图像和其他传感器得到的信息，如点云进行信息融合。

未完待续……