作為自動駕駛的重要組成部分，高精度定位導航技術是自動駕駛汽車安全行駛不可或缺的核心技術之一，在車輛橫向/縱向精確定位、障礙物檢測與碰撞避讓、智能車速控制、路徑規劃及行為決策等方面發揮著重要的作用。
相較於有人駕駛駕駛員可以憑藉雙眼與記憶獲取周圍的可行駛區域、道路邊界、車道線、障礙物、交通規則等詳細信息，目前自動駕駛汽車的環境感知傳感器與算法還無法達到與人類駕駛員同樣的感知性能，因此自動駕駛汽車就需要高精定位、高精地圖、聯合感知等定位導航技術的支持。
目前常用的定位技術包括軌跡推算(DR)、慣性導航技術(INS)、衛星導航定位技術、路標定位技術、地圖匹配定位技術(MM)以及視覺定位技術等。
然而，這些定位導航技術在單獨應用時均存在一些無法避免的問題。
自動駕駛車輛對定位系統性能的要求與車輛的行駛速度密切相關。相關標準法規規定，乘用車行駛最高車速不得超過120km/h，客車最高設計車速不應大於100km/h。
基於目前的自動駕駛汽車整體技術水平和車輛限速要求，自動駕駛乘用車的最高車速不宜超過90km/h，自動駕駛客車的最高車速不宜超過70km/h。
一般情況下，有人駕駛車輛距離道路一側路牙的安全行駛距離約為25cm，而自動駕駛汽車必須在行駛25cm的時間內更新一次定位信息且定位精度要小於等於25cm，否則就有可能導致車輛超出道路邊界發生事故。
按照最高車速90km/h計算，車輛行駛25cm用的時間是0.01s，根據公式f=1/t，則定位信息更新頻率為100Hz。因此定位信息更新頻率需要大於等於100Hz，定位精度需要小於等於25cm才能保證車輛行駛安全。
目前，常用的定位導航系統均無法滿足上述指標。比如慣性導航定位技術存在定位誤差隨時間累積、長時間內不能保證足夠的導航精度的問題;衛星定位導航技術存在多路徑、衛星信號遮擋和更新頻率低等問題等。
正因為單一一種定位技術均存在一定程度上無法克服的弱點，所以研究組合導航就成為時下的熱點。組合導航系統在成本以及性能上面更具優勢。
本文將詳細介紹自動駕駛定位所用到的主流導航技術。
一、全球衛星導航系統
全球衛星導航系統也叫全球導航衛星系統，是能在地球表面或近地空間的任何地點為用戶提供全天候的三維坐標和速度以及時間信息的空基無線電導航定位系統。其包括一個或多個衛星星座及其支持特定工作所需的增強系統。
目前國際上主要有4種主流的全球定位導航系統，分別為美國的全球定位系統(GPS)、俄羅斯的格洛納斯衛星導航系統(GLONASS)、歐盟的伽利略衛星導航系統(GALILEO)和中國的北鬥衛星導航系統(BDS)。
其中應用最廣泛的是全球定位系統(GPS)。GPS可以向全球用戶提供連續、實時、高精度的三維位置、三維速度和時間信息，並能夠進行全球、全天候和實時的導航，且其定位誤差與時間無關，具有較高的定位和測速精度。
除了GPS以外，北鬥衛星導航系統也是近年應用十分廣泛且發展迅猛的一種全球衛星定位導航系統。
北鬥由空間段、地面段和用戶段三部分組成，可在全球範圍內全天候、全天時為各類用戶提供高精度、高可靠定位、導航、授時服務，並且具備短報文通信能力，已具備區域導航、定位和授時能力，定位精度為分米、釐米級別，測速精度0.2米/秒，授時精度10納秒。
我們以GPS為例，簡單分析其在自動駕駛定位導航中的作用。
在分析其作用之前，我們先來看一下GPS的組成與定位原理。
簡單來說，GPS是由空間定位系統、地面監控網和用戶接收系統三部分組成。其定位原理是利用到達時間測距來確定用戶的位置。
首先測量信號從衛星發出至到達用戶所經歷的時間段，時間段乘以信號的速度便得到從衛星到接收機的距離，而衛星的位置是已知的，於是通過測量與3個以上的衛星距離便可以得到接收機的三維位置。
再具體到車輛定位上，GPS通常使用差分技術進行車輛的定位。
其工作原理是：在用戶GPS接收機附近設置一個已知精確坐標的差分基準站。基準站的GPS接收機連續接收GPS衛星信號，將測得的位置與該固定位置的真實位置的差值作為公共誤差校正量，然後通過無線數據傳輸或電臺數據傳輸將該校正量傳送給移動站的接收機。移動站的接收機用該校正量對本地位置進行校正，最後得到釐米級的定位精度。
不過，GPS定位也存在一定的誤差。
GPS定位有3個假設前提。首先是接收機必須準確測量衛星信號的傳輸時間，此外衛星信號必須以已知的恆定速度傳輸，最後GPS接收機接收的衛星信號必須沿直線傳輸。若實際應用中出現任何不滿足上述假設的因素都將導致測距誤差，從而影響定位精度。
二、航跡推算(DR)
航跡推算是利用載體上某一時刻的位置，根據航向與速度信息，推算得到當前時刻的位置，即根據實測的無人駕駛汽車行駛距離和航向計算其位置和行駛軌跡。它一般不受外界環境影響，但由於其本身誤差是隨時間累計的，故單獨工作時不能長時間保持高精度。
從原理上來看，航跡推算是對速度或加速度信號進行積分，可以基於車輛模型，也可以不基於車輛模型。
目前，實現航跡推算可以基於以下幾種形式：
Ξ1. 慣性傳感器
通過慣性傳感器可以測量得到速度、加速度等信息，理論上這些值都可以通過積分得到位置、速度及航向。使用基於慣性傳感器的航跡推算與地圖匹配相結合可以修正傳感器的一些誤差並得到較為精確的定位。
Ξ 2. 地圖匹配
地圖匹配可以通過將估計值與道路最近點進行正交匹配來實現。利用貝葉斯濾波可以實現較好的地圖輔助式定位。
Ξ 3. 動態濾波
一般情況下，用於定位的非線性濾波包含以下主要步驟：
時間更新：當下一個測量到達時，利用運動模型來預測車輛位置;
測量更新：利用當前測量和傳感器模型來更新當前位置信息。
三、GPS/DR位置數據融合
GPS具有全球、全天候、高精度、實時定位等優點，但是其動態性能和抗幹擾能力較差。
DR(航跡推算)系統一般採用低成本的陀螺儀和車輛裡程表構成，通過對車輛航向角變化量和車輛位置變化量的測量，遞推出車輛的位置變化，不受外界環境的幹擾影響。
但由於DR系統自身不能提供車輛的初始位置坐標和初始航向角，定位誤差隨時間的累計會發散，從而導致定位精度下降。
通過將GPS和DR相結合，可有效規避兩者弱點，不僅可以提高系統精度，還可以增強系統的抗幹擾能力與跟蹤能力。
一方面可以利用GPS系統提供的絕對位置輔助DR系統的初始化，並可以定期地對DR系統定位以及系統參數的校正。另一方面，在GPS無法定位時，車載定位導航系統又可以自動地切換到DR導航方式，直至GPS恢復正常接收後，系統再回到GPS與DR的組合導航。實現導航輸出信息可視化，可以有效解決司機定向難的問題。
根據系統利用GPS信息方式的不同，基於Kalman濾波器的GPS/DR組合可分為鬆耦合組合定位和緊耦合組合定位兩種。
鬆耦合模式的優點是組合結構簡單，系統開發者不需要處理GPS原始的觀測信息。同時兩個系統能夠獨立工作，使得定位系統有一定餘度。然而，由於GPS輸出的位置與速度誤差具有時間相關性，這也會給採用Kalman濾波器帶來一定的難度。
緊耦合模式的優點是用偽距、偽距率作為觀測量。其觀測誤差可以建模擴充為狀態進行估計與矯正，因而可提高組合精度。不過，大的計算量和複雜的軟、硬體設計阻礙了其廣泛應用。
四、並行建圖與定位
在未知環境中，自動駕駛汽車無法根據已知地圖不斷進行校正，實現精確定位，只能通過自身攜帶的傳感器來獲取環境信息，並經過信號處理抽取有效信息，以構建環境地圖。這就需要同時定位與地圖創建技術的支持。
SLAM，也被稱為並行建圖與定位，指的是自動駕駛汽車在位置環境中，從未知位置出發，在運動過程中通過環境信息，進行車體位置與航向的確定，同時創建環境地圖並對地圖進行實時更新，或在已知環境中，通過環境信息對車體位置和航向進行確定。
SLAM一般包含兩個步驟：預測和測量。為了準確表示導航系統，SLAM需要在狀態之間以及狀態和測量之間進行學習。SLAM最常用的學習方法稱為Kalman濾波。
基於Kalman濾波的SLAM方法利用包含自動駕駛汽車位姿向量和環境特徵向量的增廣向量表示空間環境，將自動駕駛汽車運動與環境特徵的關係描述為兩個非線性模型，即自動駕駛汽車運動模型與觀測模型。
自動駕駛汽車控制信號輸入到系統運動模型中，實現自動駕駛汽車的運動。Kalman濾波算法根據系統模型實現自動駕駛汽車位姿的預測，同時自動駕駛汽車根據系統觀測模型獲得對環境特徵的觀測。
預測特徵和觀測特徵之間要進行數據關聯匹配的處理，選擇最佳匹配特徵，用於對自動駕駛汽車位姿的更新，而候選匹配特徵被認為是對環境觀測獲得的新特徵，用於對地圖的增廣。
SLAM為車輛的位姿估計提供了新思路，在保證定位精度的同時，還提高了定位信息的輸出頻率，可以獲取較為完整的環境重建結果。
參考資料：
[1]《自動駕駛汽車高精定位導航技術路線分析》——趙佳，劉清波
[2]《IEEE SIGNAL PROCESSING》——MAGAZINE, March 2017
[3]《無人駕駛汽車概論》——陳慧巖，熊光明等