基于IMU的自主车辆导航技术的最新发展

日期:2021-10-08
 

为了安全地在城市街道和高速公路上行驶,自动驾驶汽车(如自动驾驶汽车、卡车、出租车、机器人、送货车等)需要多种传感技术协同工作
作者:Claire Liu,产品营销经理,ACEINNA
 
自动驾驶车辆的传感技术包括感知传感器,如激光雷达、照相机、雷达和惯性测量单元(IMU)、车对车通信、提供给汽车的最新地图,以及利用卫星位置信息的基于GNSS/GPS的导航系统。此外,实时运动学(RTK)技术可以提供亚米级的定位精度(有时在厘米以内),以确保自动驾驶车辆准确地知道自己在哪里,更重要的是,如何安全地到达目的地。感知传感器越来越成为GNSS/RTK的重要补充,以便在GNSS网络几乎没有卫星信号的情况下(如隧道、停车场和城市峡谷)准确引导自主车辆。
 

 
1:有多种传感器和传感器类型可用于捕获和组合数据,为自动驾驶车辆提供高精度导航
 
解决实现真正精确导航的挑战被认为是如此重要,以至于DARPA正在进行积极的开发工作,以改进导航——能够在有限或无GPS/GNSS覆盖的情况下确定准确位置。
 
首先,什么是精确导航?
在当今许多移动应用中,精确导航是指自动驾驶车辆能够以高精度、可重复性和置信度连续了解其在三维空间中的绝对和相对位置。为了安全高效地运行,定位数据还需要快速可用、经济高效且不受地理位置限制。
 

2:高精度导航解决方案需要能够在不利环境条件下正常工作
 
许多行业都有重要的应用,需要可靠的精确导航和定位方法。智能农业越来越需要使用自动或半自动设备来提高世界粮食供应的种植和收获的超精度和生产率。在全球大流行期间,仓储和运输/交付行业物流效率的影响变得显而易见——仓储和货运机器人的有效性取决于其自身定位和导航能力。远距离和最后一英里运输的自主能力也要求精确导航。
目前确实存在高精度解决方案,并用于卫星导航、商用飞机和潜艇等应用。如前所述,这些解决方案成本高(10万美元)且体积大(一条面包)。这些惯性导航系统(INS)成本和尺寸高的原因主要在于所需高性能IMU的成本和尺寸,其中陀螺仪性能最为关键。
IMU技术已经逐步降低了硬件的尺寸和成本,从笨重的万向节陀螺仪到光纤陀螺仪(FOG),再到今天的微型微机电系统(MEMS)传感器。随着现代自主车辆应用的复杂性和复杂性的增加,包括集成人工智能(AI)和机器学习(ML)以改善决策和安全性,需要考虑惯性导航系统软件开发和集成的成本。
 

 
3:惯性导航系统和传感器的性能、尺寸和成本各不相同。尽管最初是为专门的解决方案而开发的,但现在都可以在汽车应用中找到
 
是什么阻碍了自动驾驶汽车行业的发展?
消费者的自动驾驶汽车何时才能真正安全可靠地满足日常使用?几十年来,汽车制造商一直承诺在我们的街道上使用自动驾驶汽车,但除了一些小型试验区外,仍然没有交付。为什么?
自动驾驶汽车在大众市场上获得认可的关键是成功地提供安全、高精度的航空电子设备级定位性能,同时降低成本和尺寸。用于航空和航天器的基于IMU的高精度导航系统可能要花费10万美元或更多。相比之下,智能手机和其他设备中使用的导航IMU只需几美分。此外,航空电子质量的IMU系统相当庞大,而手机和移动设备中使用的IMU非常小,可以安装在小型电路板上。 
 
 

4ACEINNA OpenRTK330LI模块的尺寸仅为31 x 34 x 5 mm
 
汽车行业正在等待一个价格合理的导航解决方案,提供航空电子级精度。
 
RTK如何提高GPS/GNSS精度
GPS/GNSS技术不够精确,无法用于快速移动的自动驾驶汽车。大气干扰和过时的卫星轨道数据等问题可以在一定程度上得到纠正,在最佳情况下,定位精度可以达到几米左右。然而,当与城市地区高层建筑的多径误差和/或其他地区的低覆盖率相结合时,接收器的误差幅度增大,定位精度降低。
 

5:由于多径误差和城市地区高层建筑的反射,卫星提供的定位通常不准确。当自动驾驶汽车需要进行复杂的行驶时,这一点变得更加重要,例如在城市中紧急左转
 
该误差范围对于基本道路水平精度来说是可以的,例如,知道车辆可能在哪条道路上。更高精度的导航旨在实现车道级别的精度或更好。
想象一个人在路上开车。大多数驾驶员无需非常努力,就可以观察并安全地绕过障碍物,如行人、骑自行车的人、坑洼地,而不会偏离车道。每天,在世界各地,在雨雪和尘土中,甚至在路标混乱的情况下,司机都可以穿越复杂的十字路口。人类利用过去积累的经验和实践,使用多种感知(包括深度感知)来执行看似简单的驾驶车辆任务。
以类似的方式,自动和半自动车辆使用一套感知传感器,结合导航解决方案,安全地从一个点移动到另一个点。
由于GPS/GNSS和惯性导航系统的现有局限性,需要在性能、成本和尺寸之间进行权衡,因此自主车辆系统必须采用其他方法来提高定位精度。
为了使车辆能够在复杂、动态的环境中安全导航,且只需最少的人为干预,车道级别或厘米级别的定位精度对于L2和更高级别的高级驾驶员辅助系统(ADAS)至关重要。
一种流行的定位方法是使用激光雷达和摄像机的图像和深度数据,结合高清地图,参考已知的静态地标和物体实时计算车辆位置。高清地图是一个功能强大的工具,包含大量数据,包括道路和车道级别的细节和语义、动态行为数据、交通数据等。摄像机图像和/或3D点云分层并与高清地图数据交叉引用,以便车辆为车辆控制做出机动决策。
这种本地化方法虽然有效,但也存在挑战。高清地图是数据密集型的,按比例生成很昂贵,而且必须不断更新。感知传感器容易受到环境干扰,从而影响数据质量。
随着道路上自动测试车队数量的增加,生成了更大的真实驾驶场景数据集,用于本地化的预测建模变得更加稳健。然而,它带来了昂贵的传感器、计算能力、算法、高运行维护以及TB级数据收集和处理的高成本。
通过将实时运动学(RTK)纳入INS解决方案,有机会提高精确导航定位方法的准确性和完整性。RTK是一种技术和服务,用于纠正GPS/GNSS数据中的错误和歧义,以实现厘米级精度。RTK与固定基站网络合作,通过空中向移动的漫游者传输校正数据。然后,每个移动的漫游者将这些数据集成到其INS定位引擎中,以实时计算位置,即使没有任何额外的传感器融合,也可以实现高达1cm+1ppm的精度,并且收敛时间非常短。
将RTK集成到INS和传感器融合体系结构中相对简单,不需要大量使用系统资源。在移动车辆中,RTK确实需要连接和GNSS覆盖,以实现最精确的导航,但即使在停机的情况下,系统也可以采用航位推算和使用高性能IMU来持续安全运行。
RTK的好处是通过提供精确的绝对位置来支持视觉定位方法。定位引擎可以使用RTK数据来减少歧义并验证时间和上下文估计。
 
结论
精确导航能力是无数现代应用和行业的核心,这些应用和行业致力于改善我们的日常生活——自动驾驶汽车、微型移动、智能农业、建筑和测量。如果一台机器能够移动,那么准确、可靠地测量和控制它的运动是至关重要的。
惯性传感器对于测量运动至关重要,GPS/GNSS提供了有关三维空间位置的有价值的上下文感知。将RTK添加到计算中可以大大提高整体导航精度。视觉传感器可以实现深度感知,从而更好地识别环境,包括自最新地图下载以来发生的变化。
来自这些不同传感器和技术的数据结合在一起,使人们对导航规划和决策充满信心,从而提供安全、准确和可预测的结果。
 
www.aceinna.com
 
 
 
 
 

订阅我们的通讯!

电子邮件地址