【轉載】慣性導航丨自動駕駛不可或缺的定位系統核心

瀏覽量: 634 時間 2019-05-09

慣性導航定位系統將成為自動駕駛剛需

(1)自動駕駛已成為汽車行業發展的確定性趨勢。自動駕駛的三個核心問題:在哪里?去哪里?如何去? 定位系統在自動駕駛中專注于解決“在哪里?”這個問題。

(2)自動駕駛定位系統的最核心關鍵詞是高精度。高精定位能夠實現極端天氣和環境下的車道級定位、高精度定位要能實現感知信息的時空同步、降低自動駕駛系統運算力要求、降低系統復雜度、有利于實現V2X應用及自動駕駛的安全性和舒適性。

(3)慣性導航系統是高精定位中必不可少的關鍵部件。慣性導航系統是唯一可以輸出完備的六自由度數據的設備、數據更新頻率高、是定位信息的融合中心。目前GNSS+IMU構成的組合導航系統是主流的定位系統方案。

車用慣導系統進入快速發展階段,爆發可期

(1) 慣性導航系統應用從軍工走向汽車。慣性導航技術發展至今已有百余年歷史。慣導在軍事領域的應用相對成熟,目前已開始應用在自動駕駛領域,迎來快速增長。

(2)2022年慣導系統全球市場空間將達45億美元。慣性傳感器IMU到2022年將達9億美元,慣導系統至2022年為45億美元,對應2018-2022年CAGR為54%。

(3)國內慣導系統研發尚處起步階段。中國整體處于具備部分研發能力的第三梯隊。國內的慣性導航組合研發起步較晚,技術上與國外存在不小的差距。

車用慣導系統的核心關鍵在算法及芯片

(1) 慣導系統短期內是算法的競爭。慣導中使用的核心算法主要包括3種:1. 慣性導航解算算法;2. 組合導航的卡爾曼濾波器的耦合。3. 環境特征信息與慣性導航融合是必然趨勢。

(2)慣導系統長期競爭力在芯片的設計及封裝。汽車用的傳感器對性能、體積、壽命要求非常高,決定了車用慣導傳感器將采用MEMS技術。同時對高性能、低功耗慣性器件及系統的需求,使得MEMS慣性器件朝著高精度、集成化、低成本、組合化和多功能化方向發展。MEMS的封裝技術是決定MEMS慣性器件的性能的重要因素。


1 慣性導航定位系統將成為自動駕駛剛需

1.1 自動駕駛為什么需要定位層?

自動駕駛已成為汽車行業發展的確定性趨勢。自動駕駛最大的意義在于解放駕駛員的雙手,帶來人類空間意義首次的無縫連接,智能汽車使汽車的角色不再局限于交通工具,可以是移動的生活空間,通訊工具,娛樂平臺等更富有想象力的定位。

2020年將是自動駕駛關鍵一年。按照SAE制定的自動化標準,自動駕駛可分為L0-L5級別,目前自動駕駛的量產車型處于于L2/L3之間的狀態。隨著芯片、算法、高精度地圖等技術的日趨成熟,政策法規的不斷完善,激光雷達等傳感器技術發展,預計2020年將迎來L3級自動駕駛的爆發。JP Morgan 預計2021年全球智能駕駛汽車超200萬臺,2024年超1000萬臺。


當使用自動駕駛車輛的時候,核心的三個問題:在哪里?去哪里?如何去? 定位系統在自動駕駛中專注于解決“在哪里?”這個問題。自動駕駛的核心內涵包括定位、感知、決策、執行四個部分,其中定位是決策和執行的前提,是自動駕駛中必不可少的關鍵環節。


1.2 自動駕駛要什么樣的定位?

自動駕駛使用的定位系統是以高精地圖為依托,通過慣性傳感器(IMU)和全球定位系統(GNSS),來定位車輛的位置。高精地圖(HD MAP)為車輛環境感知提供輔助,提供超視距路況信息,并幫助車輛進行規劃決策;慣導系統是不依賴于外部信息、使用慣性傳感器來進行定位的自主式導航系統;全球定位系統是通過衛星信號定位,使用三角定位法定位地球表面或近地空間的任何地點的定位系統。


自動駕駛定位系統的最核心關鍵詞是高精度。定位精度越高,自動駕駛的可靠性越高。高精度定位系統在自動駕駛中的重要性主要體現在5個方面:

1.2.1 高精度定位系統能夠穩定實現極端天氣和環境下的車道級位置感知

高精度定位系統不易受環境及天氣因素的影響,高精度定位系統配合高精度地圖,車輛可以對自己的位置做出非常準確的判斷。例如:雨天積水反射燈光、冬天路面積雪覆蓋等情況下,利用視覺傳感器和激光雷達很難識別車道線;而在沒有車道線的道路,如開闊的廣場,或較大的停車場等封閉區域,不一定有明顯的道路邊線,且周圍沒有相對比較容易辨識的參照物,視覺和激光雷達很難做出相對定位。此外,強陽光會短暫致盲攝像頭,而夜間行車時車燈的照明距離有限,視覺系統的精度會受很大影響。而高精度定位系統需要不受以上等環境因素影響,能持續穩定地給出定位位置。

1.2.2 高精度定位要能實現感知信息的時空同步

一般來說,不同的傳感器有不同的工作時鐘和延遲,在某些情況下,測量值和測量時刻的位置、時間對不上。例如,通常單純采用GNSS的定位系統的延遲是100ms,在車輛行駛的時候,由于延遲,攝像頭拍攝環境目標的時候圖像實際位置和GNSS報告的位置其實是不一致的,在時速120km/h的時候,100ms的延遲意味著3.3米的誤差。高精度定位系統的延遲比較低,通常在幾ms,這樣能確保拍攝圖像的瞬間、位置和時間是能實時對應上的。

1.2.3 高精度定位系統能夠降低自動駕駛系統運算力要求,降低系統復雜度

如圖2所示,自動駕駛中,決策層的信息來源包括感知層和定位層信息,其中感知層包含了特征提取、分類處理等模塊,這些模塊均需要較大的運算能力和較復雜的算法支撐。因此通過感知層獲得精度較高的位置信息,系統的復雜程度也會隨之提高。

目前一些自動駕駛車的后備箱里,放置大型的服務器來運算和處理,這種模式很難實現工程化或者商業化應用。使用高精度定位系統可以在較少資源下獲得較高的定位精度,從而減少數據運算量,降低系統復雜程度。

1.2.4 高精度定位系統有利于實現V2X應用

V2X(vehicle to everything,即車對外界的信息交換)。在交叉路口的車輛穿行和避讓場景中,如果每一輛車都能夠精確地定出自己的位置,通過車車通信和車路通信把自己的位置分享給其他車輛,由此每輛車都會對彼此的位置和路口的交通情況有清楚的了解,通過這種智能路車調度系統,可以實現交叉行駛車輛的調度。達到一定程度時,甚至可以取消紅綠燈。

1.2.5 高精度定位系統有利于自動駕駛的安全性和舒適性

車輛在高速路上行使時,如果有急彎道,用視覺或激光雷達的方式去判斷,車輛必須快接近這個彎道時才能做出響應,這樣便會造成急剎車、急轉彎等現象,給駕駛的安全性和舒適性造成影響。

如果使用高精度定位技術,車輛對自己的位置有清晰的了解,可以通過智能決策系統去判斷,什么時候、提前多少米開始剎車、轉向以及轉向的角度,可以提升整個駕駛系統的安全性和舒適性。

1.3 高精度定位為什么少不了慣導?

1.3.1 定位技術各有優劣

自動駕駛獲得定位的技術方法通常有3種:

1. 基于信號的定位:以通過全球衛星GNSS的衛星信號進行定位的技術為代表,其他還包括使用WIFI,FM微波等信號獲取信息等技術;

2. 環境特征匹配:基于視覺或激光雷達定位,用觀測到的特征和數據庫里的語義地圖或特征地圖進行匹配,得到車輛的位置和姿態;

3. 慣性定位: 依靠慣性傳感器獲得加速度和角速度信息,通過推算獲得當前的位置和方位的定位技術。

1. GNSS定位

GNSS定位技術是比較成熟的常用技術。GNSS是使用三角定位法,通過3顆以上的衛星,可以準確地定位地球表面的任一位置。

自動駕駛通常使用實時動態技術(RTK)獲得較高精度的定位。

首先需要在地面上建基站(Base Station,基站建立時,可得到基站的經緯度等精確位置信息。

當基站的GNSS接收機與車載GNSS接收機相距<30km時,可認為兩者的GNSS信號通過同一片大氣區域,即兩者的信號誤差基本一致。

根據基站的精確位置和信號傳播的時間,反推此時的信號傳播誤差,之后利用該誤差修正車載的GNSS信號,即可降低云層、天氣等對信號傳輸的影響,從而實現高精度(分米甚至厘米級)的定位。

GNSS-RTK技術的定位結果精度較高且穩定,目前已廣泛應用于自動駕駛導航系統中, 但該方法也有比較明顯的缺陷——依賴衛星信號。定位成功至少需三顆可見衛星,然而在實際的運行環境中,例如城市峽谷,由于多路徑效應、衛星信號被遮擋等原因,會使可見星數目不足,這種情況將影響GNSS-RTK 定位和測速的精確性以及其可靠性。

2.環境特征匹配

使用攝像頭和激光雷達等傳感器,獲取周圍環境信息,經過處理后也可以獲得定位信息。

以激光定位為例,激光點云定位一般先通過激光雷達,獲取車上的實時點云,獲得目標空間分布和目標表面特性的海量點集合。經過處理后的點云數據與預先制作的地圖進行匹配,最終得到車輛的距離、角度和邊界信息。

3. 慣性定位

從慣性傳感器(包含加速度計和陀螺儀)得到每一刻的加速度和角速度,通過時間積分,得到速度和角度,再通過空間累加,就可以推算出實時的位置。

這三種定位方法各有優劣。而慣性導航定位可保證不受外界信息影響,在任何時刻以高頻次輸出車輛運動參數,為決策中心提供連續的車輛位置、姿態信息,具有任何傳感器都無法比擬的優勢。

1.3.2 慣性導航系統是自動駕駛中必不可少的關鍵部件

慣性導航在自動駕駛定位系統中具有不可替代性。慣導具有輸出信息不間斷、不受外界干擾等獨特優勢,可保證在任何時刻以高頻次輸出車輛運動參數,為決策中心提供連續的車輛位置、姿態信息,這是任何傳感器都無法比擬的。

1. 慣性導航系統是唯一可以輸出完備的六自由度數據的設備,慣導能夠計算x, y, z三個維度的平動量(位置、速度、加速度)和轉動量(角度、角速度),并可以通過觀測模型,推測其他傳感器狀態的測量值,再用預測值和測量值的差用于加權濾波。若要獲得實時的姿態角、方位角、速度和位置,慣導是唯一的選擇。

2. 慣性導航的數據更新頻率更高,可以提供高頻率的定位結果輸出。攝像頭的幀率一般是30Hz,時間不確定性為33ms;GNSS延遲一般是100-200ms;而慣導預測狀態的延遲最短只有幾ms,因此可以用慣導估算并補償其他傳感器的延遲,實現全局同步。

在車輛行駛的時候,GNSS的延遲是100ms,攝像頭拍攝環境目標時,圖像實際位置和GNSS報告的位置將會出現不一致,假設汽車時速120km/h,100ms的延遲意味著3.3米的距離的延遲,此時地圖和目標識別的精度再高也失去意義。而如果使用組合慣導,位置的延遲將約為2.5ms,由此導致的誤差僅為0.08m,更能夠保證行車的安全性。

3.慣性導航可以作為定位信息的融合中心,融合激光雷達、攝像頭、車身系統的信息。在L3及更高級別的自動駕駛汽車中,將引入更多的傳感器來支撐系統的功能,慣導系統是所有定位技術中最容易實現與其他傳感器提供的定位信息進行融合的主體,作為定位信息融合的中心,將視覺傳感器、雷達、激光雷達、車身系統信息進行更深層次的融合,為決策層提供精確可靠的連續的車輛位置、姿態的信息。


1.3.3 GNSS+IMU構成的組合導航系統(INS)是主流的定位系統方案

慣性導航系統與衛星定位所得的車輛初始點結合,可以得到實時的精確定位。慣導系統原理是是通過加速度的二次積分,得到相對的位移變量。但僅依靠慣導,無法獲得車輛的絕對位置,因此必須加入GNSS所得的車輛初始點信息,即通過原始參照點+相對位移的方法,共同實現既準確又足夠實時的位置更新。

GNSS在衛星信號良好時可以提供厘米級定位,但地下車庫和城市樓宇之間等衛星信號丟失或者信號微弱的場景,提供的定位精度會大大下降。慣導可以不依賴外界環境提供穩定的信號。

GNSS更新頻率過低(僅有10Hz)不足以提供足夠實時的位置更新,IMU的更新頻率可以達到100Hz或者更高完全能彌補GNSS所欠缺的實時性。GNSS/IMU組合系統通過高達100Hz頻率的全球定位和慣性更新數據,可以幫助自動駕駛完成定位。

在衛星信號良好時,INS系統可以正常輸出得到GNSS的厘米級的定位;而衛星信號較弱時,慣導系統可以依靠IMU信號提供定位信息。


2 車用慣導系統進入快速發展階段,爆發可期

2.1 慣性導航系統的工作原理及核心部件

慣性導航系統(INS)是利用慣性傳感器(IMU)測量載體的比力及角速度信息,結合給定的初始條件,與 GNSS等系統的信息融合,從而進行實時推算速度、位置、姿態等參數的自主式導航系統。具體來說慣性導航系統屬于一種推算導航方式。即從一已知點的位置根據連續測得的運載體航向角和速度推算出其下一點的位置,因而可連續測出運動體的當前位置。

慣性導航系統采用加速度計和陀螺儀傳感器來測量載體的運動參數。其中三個垂直布置的陀螺儀用于測量載體繞自身三個坐標軸的轉動角速度,同時也敏感地球自轉的角速度。

加速度計基于牛頓第二定律,采用電容式、壓阻式或熱對流原理,通過在加速過程中對質量塊對應慣性力的測量來獲得加速度值。用來測量運動體坐標系上各軸的加速度。

慣性導航系統分為平臺式和捷聯式兩類。平臺式慣導的傳感器安裝在多軸伺服平臺上作為反饋元件,控制伺服平臺的姿態達到設定值。捷聯式慣導的傳感器和載體一同運動,汽車用慣導目前都是采用捷聯式的。慣導通過對陀螺儀測量的角速度進行積分運算和坐標變換,計算車體的姿態角(橫滾、俯仰角)和方位角。根據姿態角可以計算出重力加速度在各個坐標軸上的分量,加速度計測量得的各軸加速度,減去重力加速度分量后積分,得到速度和位置。

慣導計算得到的狀態,用于預測車輛當前的位置,再和衛星定位接收機得到的位置(或觀測數據)進行比較。比較的偏差包含了慣導的推算誤差和衛星接收機的定位誤差,通過數據融合算法進行加權后,用于修正慣導的預測,讓慣導的預測越來越準確。

2.2 慣性導航系統應用從軍工走向汽車

慣性導航技術起源并發展于西方,發展至今已有百余年歷史。其發展歷程共分為四個階段。下圖中,折線下方為該階段主要技術理論,上方為出現的慣性器件及其精度。各技術發展階段間并沒有完整界限。

20世紀初期,隨著火箭技術的大規模發展,慣性技術開始蓬勃發展。德國率先以慣性技術為基礎成功研制了V-Ⅱ火箭的制導系統,標志著慣性技術在導航領域的首次成功應用。其后慣性導航不斷被應用于潛水艇、衛星、導彈、飛機、太空實驗平臺等工作環境復雜、數據要求全面的運載體之上。

隨著技術的進步,慣性技術應用的領域得到了不斷的擴展。利用慣性技術實現對運動體高動態、全方位的測量,并在測量結果基礎上實現對運動體的有效控制,成為了慣性技術在導航應用之外的新興應用領域。近年來大量儀器儀表和任務設備車載、船載、機載化的需求,引發工業控制、測量、消費電子、石油、交通及通信等多個行業的產品正從靜基座向動基座轉變,慣性測量和慣性穩控作為其核心技術已在上述行業中得到廣泛應用。

在慣導的眾多應用領域當中,軍事領域的應用相對成熟,而自動駕駛領域,仍是慣導系統應用一片亟待開發的藍海市場。目前市場上車載組合系統的價格普遍在10萬元以上,不能滿足乘用車的成本和產量要求,主要瓶頸在高精度慣組芯片設計、封裝以及組合導航算法設計技術上。

2.3 2022年慣導系統全球市場空間將達45億美元

慣導系統的市場正起步,2022年全球市場空間將達45億美元。車用高精度的慣性導航是隨著智能駕駛的興起新增的市場。根據半導體/傳感器研究機構Yole development的估計,慣性傳感器IMU的2018年的全球市場空間為1.6億美元,到2022年將達9億美元。慣性導航傳感器價格一般是慣性導航系統的1/5,由此測算慣導系統的全球市場空間在2018年為8億美元,至2022年為45億美元,對應2018-2022年CAGR為54%。

2.4 國內慣導系統研發尚處起步階段

美國國防部把從事慣性技術領域研究和開發的國家分為 4 個層次,中國整體處于具備部分研發能力的第三梯隊。

國內的慣性導航組合研發起步較晚,技術上與國外存在不小的差距。慣性導航傳感器的核心元器件是加速度傳感器和陀螺儀,應用領域分為消費級、工業級和汽車級、軍工級和宇航級。各個領域中均是國外企業占據領先地位。

全球市場:全球高性能的MEMS慣導主要掌握在以下幾家企業手中:Honeywell、Analog Devices Inc、Sensonor、Silicon Sensing Systems及Systron Donner (QMEMS)。但面向武器裝備和船舶為主,高精度,高成本,幾乎全線禁運,并且價格高昂,最便宜的ADI低端戰術級精度價格>2萬元。

國內市場: 國內傳統慣導技術源頭包括航天科技13所、航天科工33所、船舶707所、航空618所及兵器214所等。主要為軍工企業,面向武器裝備為主,高精度,高成本,低產量,對民用市場不敏感。


3 車用慣導系統的核心關鍵在算法及芯片

3.1 慣導系統短期內是算法的競爭

慣性導航系統在自動駕駛中的應用屬于起步階段,短期內競爭力主要體現在算法上。算法的優劣決定傳感器是否能發揮其最佳性能,也決定了慣性導航系統的穩定性和可靠性。慣導中使用的核心算法主要包括3種:

1. 慣性導航解算算法。包括MEMS慣性傳感器的標定等硬件信息的處理,速度、加速度、航向及姿態的確定等;

2. 組合導航的卡爾曼濾波器的耦合。對IMU及GNSS等的輸出信號進行融合。

3.環境特征信息與慣性導航融合是必然趨勢。


3.1.1 慣性導航解算算法

具體以百度阿波羅的慣性導航算法為例,通常分以下幾步:

姿態更新:對陀螺儀輸出的角速度進行積分得到姿態增量,疊加到上次的姿態上;

比力坐標轉換:從IMU載體坐標系到位置、速度求解坐標系(慣性坐標系);

速度更新:需要考慮重力加速度的去除,得到慣性系下的加速度,通過積分得到速度;

位置更新:通過速度積分得到位置。

在慣性導航中,導航方程的每一次迭代都需要利用上一次的導航結果作為初始值,因此慣導的初始化是比較重要的部分之一。姿態對準是指得到IMU的roll, pitch, yaw。roll, pitch的對準過程一般稱為調平。使當車靜止時,加速度計測量的比力僅由重力導致,可以通過f=C*g來求解;對于非常高精度的IMU可通過羅經對準的方式,車靜止時,通過測量載體系中的地球自轉來確定載體的方位(yaw)。

3.1.2. 基于卡爾曼濾波器組合導航的定位結果融合

使用Kalman濾波器的耦合,對IMU和GNSS即點云定位結果進行融合。可分為松耦合和緊耦合兩種方法。

松耦合濾波器采用位置、速度量測值和解算的位置速度之差作為組合導航濾波器輸入,也即卡爾曼濾波器的量測量。緊耦合的數據包括GNSS的導航參數、定位中的偽距、距離變化等。

以百度阿波羅使用的慣導系統為例,采用了松耦合的方式,并且使用了一個誤差卡爾曼濾波器。慣性導航解算的結果用于Kalman濾波器的時間更新,即預測;而GNSS、點云定位結果用于Kalman濾波器的量測更新。Kalman濾波會輸出位置、速度、姿態的誤差用來修正慣導模塊,IMU期間誤差用來補償IMU原始數據。

3.1.3. 環境特征信息與慣性導航融合是必然趨勢

前常用的GNSS+IMU組合慣導方案在一些場景的定位精度穩定性仍不能完全滿足自動駕駛的要求。例如,城市樓宇群、地下車庫等GNSS長時間信號微弱的場景下,依靠GNSS信號更新精確定位穩定性不足,因此必須引入新的精確定位更新數據源,在組合慣導中引入并融合激光雷達/視覺傳感定位等環境信息進行融合定位成為必然趨勢。

環境特征信息與慣性導航融合可以大大提升高精度定位系統的場景覆蓋能力。通過GNSS-RTK的定位技術可以實現65%綜合場景定位誤差小于20cm的覆蓋率,GNSS+IMU的組合慣導則可以實現85%左右的覆蓋,但距離自動駕駛對定位誤差小于20cm的綜合場景覆蓋要達到97.5%以上的要求仍有差距。而GNSS+IMU+LiDAR/CV的融合高精度定位系統可以實現使覆蓋率達到97.5%以上。組合導航系統與環境特征信息融合將成為必然趨勢。

以百度阿波羅的多傳感器融合定位系統解決方案為例,慣性導航系統處于定位模塊的中心位置,模塊將IMU、GNSS、Lidar等定位信息進行融合,通過慣性導航系統解算修正后最終輸出滿足自動駕駛需求的6個自由度的高精度位置信息。

3.2  慣導系統長期競爭力在芯片的設計及封裝

汽車用的傳感器對性能、體積、壽命要求非常高,決定了車用慣導傳感器將采用MEMS技術。從長遠看,慣性導航系統的競爭力在慣性傳感器芯片設計和封裝能力。隨著自動駕駛技術級別的提升,對MEMS慣性傳感器芯片的性能要求將持續提高;同時隨著慣性導航系統算法的不斷成熟,通過算法優化來提升系統性能的空間越來越小,而對慣性傳感器芯片硬件性能的依賴程度則會相應提高。汽車行業使用的MEMS傳感器必須兼備高精度、長期穩定性和大批量生產的特性。MEMS慣性傳感器芯片的設計、制造、封測及標定將成為慣性導航系統中比較關鍵的環節。

同時對高性能、低功耗慣性器件及系統的需求,使得MEMS慣性器件朝著高精度、集成化、低成本、組合化和多功能化方向發展。2011年,慣性傳感器僅和磁傳感器融合,發展到2017年,慣性傳感器已經演變到9軸,并且能夠實現與MCU的融合。這種出現在移動終端的MEMS慣性傳感器高集成化的趨勢,汽車MEMS慣性傳感器也在經歷這種過程。對MEMS慣性傳感器芯片的設計提出了更高的要求,芯片的設計能力也成核心的競爭力。

MEMS慣性傳感器的封裝技術是決定MEMS慣性器件的性能的重要因素。MEMS陀螺儀的器件級真空封裝的難點是如何降低封裝應力、提高真空度以及高真空保持度。對于MEMS慣性傳感器,其性能更是容易受封裝的應力、真空度、氣密性、隔離度等影響。例如氣密性,MEMS陀螺的可靠性和穩定性受氣密性影響很大,必須在穩定的氣密條件下次才能可靠長期地工作。

此外,MEMS封裝通常需要考慮電源分配、信號分配、散熱通道、機械支撐和環境保護等內容。MEMS慣性傳感器高集成化的趨勢,也對封裝技術提出了新的要求。MEMS慣性芯片的封裝技術已成為核心的技術。


轉自《基業常青經濟研究院》作者:曾凱、吳梓薇

【汽車慣性導航系列報告之二】慣性導航——自動駕駛不可或缺的定位系統核心

马会财经