高精度IMU如何解决AVP“最后一公里”难题？

作为自动驾驶的“最后一公里”，现阶段AVP在建图场景以及应用场景上都面临着巨大挑战：建图场景中，停车场的复杂度一直在提升，为判定真实位置带来难度；而在应用场景方面，复杂的路况也容易导致地图匹配结果失效。

　　

IMU提供相对定位信息，并不能提供所在具体位置信息，因此，高精度的IMU与GNSS导航系统二者组合使用，可以获取绝对位置的信息，避免车辆在信号失效的情况下出现定位精度降级。9月14日由盖世汽车与武汉大学测绘遥感信息工程国家重点实验室联合主办的2022第四届自动驾驶地图与定位大会上，导远电子CTO司徒春辉就“高精度IMU在AVP场景中的应用”发表演讲。基于上述挑战，司徒春辉认为，通过高精度IMU的航位推算作用，能显著提升建图速度和准确度。

　　

IMU航位推算化解定位与建图难题

　　

AVP功能包括建图和运行两大场景，在AVP场景中往往会遇到各种各样的挑战。

　　

对于建图场景而言，当前停车场的数量正处于上升阶段，且停车场内场景越来越复杂，传统测绘方法建图时效性较差，已难以满足用户的体验。此外多层停车楼在城市中已越来越普遍，高度误差往往容易导致对楼层的误判。且停车场中存在大量重复场景，视觉算法往往难以辨别，从而为SLAM建图带来定位错位风险。

　　

建图完成后，还会面临运行场景中的挑战。视觉算法对环境感知的依赖度极高，地库场景中的光线变化往往会干扰摄像头的成像；而在高动态的复杂场景，融易新媒体，如车流量较大的商场停车库中，运动物体也会阻碍摄像头视线，干扰地图匹配。另外，季节变化、低纹理引起特征识别失败等原因都容易导致地图匹配失效。

　　

通过DR(航位推算法)，高精度IMU在AVP场景下提供高精度垂直定位与高精度水平定位两方面的作用。其中高精度垂直定位有助于定位区分车辆所在楼层，确保不同楼层间的图层无重叠；高精度水平定位则用于确定车辆行驶通道、提供准确的相对定位，从而快速完成建图及保证SLAM回环检测。

　　

然而，DR在为AVP建图带来效率和准确性的同时，这项技术的攻关也存在着不可忽视的难点。

　　

AVP建图为何难以实现闭环？

　　

智能汽车需要精准的位置来实现自动驾驶，在建图场景中的精准度也是一大重难点——DR误差往往会导致建图闭环错误。

　　

假设车辆从A点开始行驶，绕了一圈后回到A点，由于DR结构误差，地图并没有闭环，其必然结果就是出发的A点与到达的A点在地图上不是同一点。 

　　 　　

     　　

图片来源：导远电子

　　

此外，在一些高重复性的场景中，若A点与B点高度重复，DR误差可能会引起A点与B点错误闭环，从而导致建图错误。

　　

只要水平定位不偏离停车场通道，可以保证建图可正确闭环。提高地图匹配的有效性，并增加回环的成功率。

　　 　　

     　　 

图片来源：导远电子

　　

《车库建筑设计规范JGJ100-2015》明确，车库车道最小宽度为5.5m，垂直车道方向停车位最小宽度为5.1m。依据以上设计规范要求，导远电子认为在AVP建图场景中，在DR水平定位精度满足7.8m的情况下，不易产生误判，从而实现快速闭环。

　　 　　

     　　

图片来源：导远电子

　　

在高层方向上，当车辆在负一层行驶完毕，完成对第一层的建图后，再行驶至第二层进行同样的操作，理论上也能得到相应的地图。然而，如果传感器姿态角误差导致两楼层的地图无法平行，将会造成AVP建图楼层重叠，建图失效。

　　 　　

     　　

图片来源：导远电子

　　

对此，导远电子同样通过分析得出结论：车库的正常高度通常为3.6m以上，因此DR的垂直定位误差需为层高的一半1.8m，满足定位和建图对垂直定位精度的要求。

　　

若对AVP场景中的IMU指标进行分解，参考《车库建筑设计规范JGJ100-2015》，车库半径R需小于500m，因此普通车库内行驶里程一般小于1.4km，若车辆在地库的行驶速度为15km/h，行驶时间就约为5.5min，这一相对较长的时间对于惯导提出了不小的挑战。

　　

当车辆行驶1.4km到达目标车库时，DR水平精度需小于5.6m/km，垂直定位误差则需小于1.8m。

　　

DR水平定位误差可进一步分解为纵向、横行和初始水平误差，误差的诱因包括速度误差、常温零偏漂移、全温零偏漂移、转弯引起误差等。

　　

可见，在AVP场景中，无论是对于量产车还是测绘车而言，要克服种种误差诱因带来的影响、使偏差处于定位指标要求范围内并非轻而易举。

　　

直击场景痛点 导远高精度组合定位赋能智能驾驶演进