网站公告:
凯发K8网址-k8.com
全国服务热线:
  • 租车资讯
    u-blox梅景浩:高精度、安全、可靠——自动驾驶中的GNSS定位
    时间:2019-09-04
     

    自动驾驶,2019自动驾驶地图与定位,自动驾驶,GNSS定位

    u-blox资深市场经理 梅景浩

    今天想和大家分享的是关于自动驾驶高精度定位,我在陈总后面讲有点压力,她讲的把我要讲的大部分内容都讲掉了,所以我今天会讲的稍微简短一点。

    首先看到在最近几年,在汽车领域上有很多新应用出来,会对GNSS定位有一些新的挑战。我们列出了常见的应用,比如说导航、E911,还有自动驾驶,这些GNSS的应用都对GNSS提出一些新的挑战。第一个是对于位置有更新的要求,需要有一个更高精度的位置,而且需要在全覆盖的场景下获得位置信息。不管是城市峡谷还是隧道,还是地下停车库,都希望能获得位置信息。另外一点是, 自动驾驶和ADAS应用,对位置提出更高的要求,希望达到分米级的精度。

    总结一下我们现在针对GNSS这方面的要求,主要是三个方面,第一个是能提供实时的快速更新的位置,另外一个能做到足够至少能区别到车道级别,第三个是能提供时间基准,利用时间信息来做V2X应用。

    举几个常见的例子。比如车载导航。首先我们从主机厂得到的消息是说,车载导航一定要达到车道级的定位,这样匹配高精地图的时候不会出现经常遇到的地图会问“请问现在在主路还是辅路”,如果拿到车道级的定位就不再会有这样的问题出现。另外导航里定位更新速度和定位更新时延是非常关键的,否则高速路上有可能出现一个情况就是错过高速路出口,都开过了, 地图告诉你请从出口驶出,这样也很令人恼火。

    另外一种场景是最近比较火的应用V2X, 预计会在中国最先落地.对定位的要求要有时间的基准: 车和车的通讯,需要双方进行同步,同一个频道上进行通讯,有一个时间基准,这个是GNSS可以提供的。另外需要全场景覆盖情况下,提供车道级的位置更新,也要求实时性和低延时。我们也通过很多渠道了解到SAE的V2X定位精度, 1.5m CEP68的要求,在应用的时候,给出的位置信息不是很准,这样很容易造成用户体验不是很好,也有些车厂做过测试,一般要到亚米级、分米级的精度,V2X才能有比较好的用户体验。

    更进一步是ADAS应用,需要车道的识别,同样需要很高的GNSS位置可获得性,同时也要有非常高的位置更新速度和低延时,还需要和高精度地图做匹配。

    为什么我们说高精度、低延时是一个很关键的点呢?这里有一个应用场景可以讨论一下,这上面有一个蓝色的车要进行变道,会看旁边的车道上是不是有车,这时候旁边车道的车会计算自己的位置,并广播出去。在t0时刻,这个车的位置开始进行计算,如果花10ms进行计算,把位置广播出去,距离并不是很远,这个位置具有参考意义,这时候双方可以比较安全的进行操作。如果位置更新的速度在100毫秒,这还是比较优化的情况,现在很多时候做GNSS计算,用非实时系统在做,更新频率不但慢,而且是不可控的,有可能会有抖动。这样的场景下,有可能车开出去蛮远,蓝色车得到的主车道位置,根本就不准了,有可能这时候做了变道的决策,会发现两辆车容易出现事故,这样对用户的体验来说是非常糟的。所以我们认为在这样的自动驾驶场景下,低延时,高频率是非常重要的。

    这张图列了传统的SAE自动驾驶的级别,以及对应自动驾驶级别所需要的定位.最常见的就是导航,常规的定位精度就够了。如果自动驾驶的级别到L2.5、L3需要比较高的精度,精度高到什么程度?至少要获得车道的信息,分米级定位。我们也考虑过是不是需要厘米级定位,后来的结论是说厘米级的定位不适用,因为GNSS是为了获得位置信息,厘米级可能在很特别的场景下做参考。路面上的物体变化是非常快的,避障操作不应该由GNSS和地图决定,而是应该由毫米波雷达和激光雷达决定。到L3或者以上,功能安全会变成一个重要的话题,这时候除了提供高精度的位置信息以外,还需要提供安全可靠的位置。

    我们来说自动驾驶会有什么样的情况发生. 这是一个有点挑战的自动驾驶场景,车的尾气很多,不管是雷达还是摄像头,都很难找到一个准确的位置,因为没有路标做匹配,这时候我们就靠GNSS。但是我觉得这还不是非常有挑战,因为有一次我遇到一个场景,也是塞车,慢慢往前挪,那时候完全看不到两边有任何东西,只看到集装箱,这种场景下根本不知道自己在哪,只能靠GNSS。

    还有一个场景是这样的,是一个停车库,这也是我们经常遇到的场景。昨天吃饭的时候也遇到类似的场景,到地下停车库把车停好,电梯在旁边,我们上去吃饭,吃完饭回来下到电梯应该能看到车的,结果车不见了, 旁边防火门也是那个防火门,后来我们琢磨了半天,转了一圈发现我们是不是下错楼层了,又下了一层,发现终于找到我们的车了。这种场景不管是GNSS还是雷达,都很难辨识,因为每一层场景非常接近,没什么区别,这时候应该用IMU做3D的惯导。

    这是另外一个场景。欧洲的城市,规划地非常规整,同时街道又非常窄,不管是雷达还是GNSS,都会受到蛮多的影响。这时候怎么办?我们要通过GNSS,加上IMU,加上地图匹配做粗略的定位,通过毫米波雷达或者激光雷达获得在街道上的车道信息,这样与传感器的融合就会出现。

    总结一下,没有一种传感器能够在任何时间、任何地点都能获得一个准确的位置信息,我们必须依赖于高精度GNSS、激光雷达、摄像头、雷达和地图进行匹配,进行融合,从而获得可靠的有效的位置信息。

    GNSS能提供什么东西?更多提供是车道级的,高可靠性的、高完整性的位置信息,GNSS有一个独特的特点,提供的位置信息是绝对位置,不是提供相对的位置,提供绝对的UTC,也能提供绝对的车速以及绝对的航向信息。好处是,可以在任何的前提条件下,不管下雨下雪还是有雾都可以提供信息. 同样可以降低地图成本,这时候地图有位置信息作为参考,可以降低地图匹配需要的算力,可以在更小的范围内进行地图的匹配。同时可以作为其他的传感器很好的支撑, 共同协作,达到功能安全。

    提到功能安全, 我们要引入一个新的概念protection level,是一个针对测量结果的完好性标识。意思是说在GNSS上报位置的时候会存在一些误差,在非常大的概率下,误差在范围之内。这张图上可以看到红色的叉号是上报的位置信息,这里是车的真实位置. 很高的概率让车真实的位置在蓝色圆圈覆盖之内,这时候进行下一步的融合算法,进行安全相关的计算操作时,都会比较可靠。

    这里强调一点,完好性和功能安全是有一点点区别的,完好性更多是针对车本身的硬件和软件,保证不会失效,或者保证失效的时候会上报结果。完整性更多是关注整个GNSS系统,包括卫星、校正服务、车,在一起, 怎么样能在一个信号可能会受到干扰的情况下,上报一个可靠的、完好的位置信息。有可能这个位置信息并不是准确的,有可能这个位置信息不准; 或者我觉得我的信号受到了干扰,受到了欺骗,所以请不要用它,这都是有可能的。至少会给出一个度量,这样可以针对后面的算法,可以针对度量结果进行进一步的操作。

    刚才提到过这样的场景下,可能环境会造成一些干扰,安全会变成很重要的话题,我们分析了一下在GNSS计算过程中会有哪些东西带来安全性的隐患。从卫星过来的信号有可能受到一些干扰,甚至会有人故意播放假的卫星信号,如果没有识别出来,就会上报错误的位置信息。同时对GNSS信号本身,GNSS的接收机有可能被篡改,也可能会上报错误的位置信息。同样的,GNSS和主GPU之间的通讯链路有可能被篡改,加密的链路有可能受到人攻击。矫正服务可能会在云端或者通过链路时被篡改,这样位置信息同样是错的。在普通导航里没问题,但是如果是纯粹的自动驾驶,这些都是非常严重的安全隐患,现实生活中也会有一些安全团队对这些东西进行验证,的确发现了在有些准自动驾驶系统里,存在这样的安全问题. 我们系统需要进行处理,尽量减少安全隐患,或者发现这样的问题以后,能尽快上报。

    接下来谈谈u-blox在这方面做了哪些工作,提供哪些解决方案来解决这些问题。最基础的方案是对亚米级的诉求。这个时候有两种方案,一种方案是单频的L1接收机,配上地基或者星基播发的校正服务。我们感觉到特点是接收机成本比较低,天线成本比较低,但是服务费偏贵。另外一种方案利用现在卫星信号的双频,不同的频段上进行接收。利用双频技术,可以做到1.5米以内,硬件成本会提升,但是没有服务费用, 相对单频的方案还是更优惠一些,更实在一些。

    这是能达到分米级或者厘米级的系统. 卫星信号数据会受到一些干扰,会有一些误差,校正服务的基准站利用本地的位置信息,以及卫星链路发来的信号做一个对比,估计卫星信号在当前环境所受的影响以及误差。误差可以通过internet或者星基服务发送到接收机,接收机借助校准数据对卫星进行校准,从而达到分米极、厘米级的高精度。我们和博世的观点一致,我们认为对汽车这个领域,我们并不需要厘米级的定位,需要分米级的定位,星基播发的服务是更合适的。

    刚刚提到过我们可以提供亚米级和分米级、厘米级的定位,但是GNSS信号在城市中是容易受到干扰的,这种干扰会有折射反射,会导致GNSS信号的覆盖度不是很好,定位精度没有办法始终保持在厘米级、分米级。这时候一定要加入惯导,利用IMU以及相关信息,再加上u-blox独有的汽车动态模型和高精度算法,融合起来得到分米级的精度。

    总结一下,u-blox产品利用了双频,服务以及惯导来实现分米级的定位,能做到在一个模块上集成所有的算法,基本上即插即用。相比较其他的很多方案来说,优势在于性能更好,能做到高达105度的操作温度,更容易达到低延时,而其它方案实时性是很难做到的。

    接下来给大家看一下我们自己的测试结果,这些测试结果都使用了RTK服务,都是基于惯导。可以看到,第一个测试场景是从巴黎到日内瓦高速公路上,照片上可以看到场景比较开阔,有一点遮挡,能做到7公分的定位精度.

    这是欧洲典型的城市化做的测试。城市环境算是比较典型,不算非常有挑战性。日常城市大概就是这个样子,楼不是是很高,但是楼间距比较小,只有60度的角度可以看到天空。这种场景下可以做到0.43米的定位精度,这样的话结合其他的传感器是可以做到更好的自动驾驶。

    再看一个有挑战性的服务场景,这是在首尔的江南区,在这里有一个红色的点,代表在一个地下车库,完全没有GNSS信息的场景下做的。GNSS定位精度可以做到69厘米,少于70厘米。

    我们做一个总结,可以看到这图上面,灰色的部分是CEP68的精度,这是日常使用的定位导航精度。这个时CEP95的精度.

    这是单频的精度. 这是双频不带RTK的精度. 这个是双频加SBAS的精度, 可以看到接收机0.9米的效果是比较好的,体验再上升一个台阶。如果针对ADAS的应用,或者自动驾驶的应用,可能需要地基或者星基的校准服务,这样可以做到0.3米CEP68。

    最后做一个总结,现在看到一个非常明显的趋势,车载的GNSS往更高精度的方向发展。现在市面上出现了各种各样的产品,专门针对更高精度进行优化,针对不同场景进行优化。u-blox的ZED-F9P是一个集成的, 交钥匙方案, 可以更快的推出市场,尤其针对低延时、高可靠性的场景.

    谢谢大家。


    敬请关注“2019自动驾驶地图与定位大会”直播专题!

    PC:http://auto.gasgoo.com/NewsTopic/199.html

    移动:https://m.gasgoo.com/news/topic/199

     

    本文地址:http://auto.gasgoo.com/News/2019/08/151014351435I70121964C601.shtml