目前，在大的無(wú)人駕駛系統中，環(huán)境感知是考察無(wú)人駕駛系統的一個(gè)重要維度。在這一維度中，環(huán)境感知主要依靠的是作為硬件系統的傳感器。而在各類(lèi)無(wú)人駕駛傳感器類(lèi)型中，GPS和慣性導航模塊的定位導航功能必不可少。

 

無(wú)人車(chē)上的定位導航技術(shù)

 

       作為無(wú)人駕駛系統最核心的技術(shù)之一，GPS全球定位系統在無(wú)人駕駛定位中具有相當重要的職責。然而，無(wú)人車(chē)是在復雜的動(dòng)態(tài)環(huán)境中行駛，尤其在大城市，GPS多路徑反射的問(wèn)題會(huì )很明顯。這樣得到的GPS定位信息很容易就有幾米的誤差。對于在有限寬度高速行駛的汽車(chē)來(lái)說(shuō)，這樣的誤差很有可能導致交通事故。因此，必須借助其他傳感器來(lái)輔助定位，增強定位的精度。另外，由于GPS更新頻率低，在車(chē)輛快速行駛時(shí)很難給出精準的實(shí)時(shí)定位。

 

       由陀螺儀、加速度傳感器等傳感器組成的慣性傳感器(IMU)，是檢測加速度與旋轉運動(dòng)的高頻傳感器類(lèi)型。通過(guò)對慣性傳感器數據進(jìn)行處理后，我們可以實(shí)時(shí)得出車(chē)輛的位移與轉動(dòng)信息。但慣性傳感器自身也有偏差與噪音等問(wèn)題影響結果。而通過(guò)使用基于卡爾曼濾波的傳感器融合技術(shù)，我們可以融合GPS與慣性傳感器數據，各取所長(cháng)，以達到較好的定位效果。  

 

 

這里需要注意的是，由于無(wú)人駕駛對可靠性和安全性要求非常高，所以基于GPS和慣性傳感器的定位并非無(wú)人駕駛里唯一的定位方式，現實(shí)中，還會(huì )使用LiDAR點(diǎn)云與高精地圖匹配，以及視覺(jué)里程計算法等定位方法，讓各種定位法互相糾正以達到更精準的效果。

 

要想真正實(shí)現無(wú)人自動(dòng)駕駛，除GPS和慣性傳感器外，還需要雷達、圖像傳感技術(shù)的支持。  然而，僅有定位導航還遠遠不夠，無(wú)人駕駛系統還需要檢測到行駛時(shí)做出避讓?zhuān)员ＷC車(chē)內人員安全。這便需要通常在汽車(chē)關(guān)鍵部位安裝圖像傳感器和激光雷達等傳感器探測裝置。其中，圖像傳感器采集的數據，能在軟件算法的幫助下，分析危險障礙物及其分布。而雷達裝置則能對周?chē)h(huán)境地形、運動(dòng)物體形狀和速度進(jìn)行探測，進(jìn)一步為自動(dòng)、無(wú)人駕駛提供安全保障。

 

       其實(shí)，即使做到這些對于實(shí)際應用也還遠遠不夠。無(wú)人駕駛系統除上述作為硬件系統的傳感器外，作為軟件系統的計算機算法也必不可少。二者的作用亦可分別比作眼睛和大腦。因此，無(wú)人駕駛技術(shù)的發(fā)展，除了讓更多的傳感器加入到眼睛的行列中來(lái)，未來(lái)還需要更加先進(jìn)的軟件或智能算法的支持。