目錄
1 定位技術
2 自動駕駛技術難題
3 具體公司的三種定位方法
3.1 以特斯拉為代表的視覺slam定位
3.2 以通用／賓士／福特為代表的高精地圖定位
3.3 以大眾為代表的車聯網定位
4 總結
在自動駕駛技術問題中，定位技術（自身定位以及對周圍環境相對位置的認知）似乎是無人駕駛汽車難掌握的技術，這與城市的動態性質有關。例如施工路面、封閉道路、新標誌和缺失的道路標誌等，都是這種動態性和不確定性的例子。人類面對以上隨時隨地可能發生改變的因素都會感到困惑，更不用說機器了。目前沒有方法可以完美地解決自動駕駛汽車的定位問題，但以下幾種是當前為有效也有希望解決問題的辦法。不同公司有不同的傾向性選擇，本文將根據具體的策略對三種定位方法進行介紹。
自從特斯拉和waymo等公司出現以來，車企對自動駕駛技術的關注愈發增加。這種情況在2023年更甚，從而加速了無人駕駛汽車盡快落地的可能。例如，通用汽車公司在舊金山的員工已經用上了沒有方向盤或踏板的cruise；福特、大眾、豐田和賓士也都在自動駕駛競爭之列；上個月，特斯拉在晶元發布會上宣布，到2023年他們將製造出完全自動駕駛汽車。
無人駕駛的實現前途光明，但道路曲折。目前自動駕駛仍然面臨很多難題，例如需要快速而連續地分析資料流、需要做對機器來說很繁瑣但對人類來說只是雞毛蒜皮的一些小事等。具體來說，物體檢測、距離、速度、定位和交通法規等都是在駕駛過程中做決策時需要考慮的因素。為了達到sae標準中的l5級別，計算機駕駛系統需要能夠執行上述所有基本任務，找到針對不同問題的技術解決方案。以下列出了幾種主要的自動駕駛技術難題及解決方案：
在上述所有問題中，定位技術（自身定位以及對周圍環境相對位置的認知）似乎是無人駕駛汽車難掌握的技術，這與城市的動態性質有關。例如施工路面、封閉道路、新標誌和缺失的道路標誌等，都是這種動態性和不確定性的例子。人類面對以上隨時隨地可能發生改變的因素都會感到困惑，更不用說機器了。目前沒有方法可以完美地解決自動駕駛汽車的定位問題，但以下幾種是當前為有效也有希望解決問題的辦法。不同公司有不同的傾向性選擇，本文將根據具體的公司策略對三種定位方法進行介紹。
以特斯拉為例的一類企業傾向於使用基於視覺的visualslam（簡稱vslam）技術進行定位，他們將盡可能多的視覺感測器置入汽車中，不依靠預先錄製的地圖，而是希望將影象處理和機器學習結合起來，讓特斯拉車輛能夠對周圍環境做到實時了解。特斯拉車輛隨時隨地都在學習並與其他車輛分享知識。他們依靠周圍的實時環境資料而不是歷史資料，不存在依賴過時地圖而出錯的風險。
特斯拉的目標非常明確，即建造可以在任何條件下駕駛的車輛而不受周圍環境的影響。前段時間特斯拉的晶元發布會上，因馬斯克diss雷射雷達還引起了一場軒然大波。馬斯克說，使用雷射雷達的定位方法擺脫了「醜陋，昂貴且不必要」的繪圖裝置，為此付出的代價是在處理不確定性時更加依賴相機和軟體。特斯拉人工智慧*主管andrejkarpathy強調物理資料的作用是無法代替的，相對於利用雷射雷達建立虛擬高精地圖來說，特斯拉更相信現實的物理資料，看圖比看雷達更真實。
目前，使用vslam實現定位的自動駕駛車輛主要配備三類感測器：單目、雙目（或多目）、rgbd。此外還有魚眼、全景等特殊相機，由於在研究和產品中都屬於少數在此不做介紹。就實現難度而言，這三類方法難易程度從難到易依次為：單目視覺、雙目視覺、rgbd。在定位過程中，vslam自動駕駛車輛從乙個未知環境中的未知地點出發，在運動過程中通過以上這些視覺感測器觀測定位自身位置、姿態、運動軌跡，再根據自身位置進行增量式的地圖構建，從而達到同時定位和地圖構建的目的。定位和建圖是兩個相輔相成的過程，地圖可以提供更好的定位，而定位也可以進一步擴建地圖。vslam技術框架如下，主要包括感測器資料預處理、前端、後端、回環檢測、建圖。
雷射雷達是非常傳統的定位感測器。它可以提供機械人本身與周圍環境障礙物間的距離資訊。常見的雷射雷達有sick、velodyne、rplidar等。使用雷射雷達製作高精地圖，實際上就是利用雷射點雲融合技術進行雷射雷達掃瞄，返回場景分布點的技術。雷射點雲融合的技術又分為兩種，一是基於點雲融合的演算法，其應用場景較廣，不*於gps場景；第二種是基於比較*的差分gps和*慣導（imu，慣性測量單元），其對場景依賴較強，必須在比較開闊的場景使用，對於高架橋等gps訊號弱的場景效果不佳。基於影象和gps技術解決方案精度比較差，主要用來製作l2、l3的adas地圖，而雷射點雲則可以滿足l4、l5的需求。
這類車輛依賴於預先記錄好的3d高解析度地圖，而這些地圖是使用配備雷射雷達的車輛預先捕獲的。然後，自動駕駛車輛可以使用其自身配備的雷射雷達裝置獲取周邊環境的資訊，與預先製作的高精地圖進行比對，判斷環境是否已經改變，然後在地圖涵蓋區域內實現自動駕駛。這顯示了相對來說更加廣泛的自動駕駛策略。為了保持地圖的準確性和車輛的可用性，需要市政當局和汽車製造商之間更廣泛的合作，以建立和維護新的高精度地圖供車輛使用。
以凱迪拉克的超級巡航系統為例，只有當車身雷達獲取的資訊與高精地圖資訊一致並通過安全檢查時，車輛才能在預存了高精地圖的高速公路上導航行駛。這種方法提供了高度的可靠性和可**性，但高精地圖所需要處理的資料量巨大，必須使用資料中心計算機集群來做處理，並且涉及很多平行計算和處理，這些對資料處理能力都是極大的考驗；高精地圖的實時更新也相當重要，道路環境有可能在不斷的變化，需要實現快速有效的更新。以上這些由於記錄地圖和使用雷射雷達裝置製造車輛所需的努力，都使得實現無人駕駛所付出的成本相對更高。
自動駕駛定位的另一種方法，不關注如何使汽車更靈活地適應環境，而是關注如何讓環境為自動駕駛汽車服務，即創造更智慧型的環境。這減輕了車輛的負擔，使其能夠找出其環境中的所有不確定因素。在這種情況下，變化的環境因素會自己「找上門」，讓車輛更準確地了解到周圍環境的狀況，建築物可以直接「告訴」進入的汽車建築區域和臨時車道的具體位置。
大眾汽車一直在努力建立自己作為v2x技術先驅的身份。在2023年大眾就宣布所有2023年的車型都將配備完整的v2x功能套件。這些連線將提供大約500公尺以內的交通狀況、事故和與當地環境共享的其他交通狀況資訊，甚至更廣。
通過車聯網方法進行定位的車輛通過gps、rfid、感測器、攝像頭影象處理等裝置，在由車輛位置、速度和路線等資訊構成的巨大互動網路中完成自身環境和狀態資訊的採集。在網際網路中，所有車輛將自身的各種資訊傳輸匯聚到**處理器，實現位置資訊的互動共享。目前，國家強制要求所有運營車輛都要轉配車載定位終端，同時接入相關企業服務平台，並終接入省部級服務平台。
具體來說，車輛節點的定位和位置感知技術是車聯網的技術核心。定位強調位置資訊的*性，即定位得到的是真實的地理座標資訊，而位置感知側重於節點之間在位置上的相對性，反映的是移動節點在時間維度和空間維度上的軌跡。
位置感知中，其位置資訊是參照錨節點來計算的，而錨節點的產生視不同的演算法實現而不同，主要採用非測距技術（renge－free）來定位。無線測距的基本原理分為三邊測量法、三角測量法、極大似然估計法和質心演算法四種型別。三邊測量法原理比較簡單，是在已知3個錨節點二維座標資訊的前提下，就可以計算出1個未知節點的位置資訊；三角測量法的原理是在網路中選定一系列的錨節點構成相互連線的三角形，通過測量某一三角形的三個角節點到某一位置節點的相對水平角度來對節點進行定位；極大似然估計法的原理是一句n個錨節點的座標以及到未知節點的距離來對節點進行定位；質心演算法中的質心是指多邊形的幾何中心，質心演算法的實現原理是網路中的錨節點周期性地廣播用於標識節點自身身份標識和座標未知的分組，當未直接點接受到的錨節點的分組達到乙個門限值時，或接受錨節點分組的時間達到預設值時，將由這些錨節點組成乙個多邊形，該多邊形的質心便是該未知節點的座標。
車聯網的定位技術則是通過合理部署在城市交信道路周邊的rsu，利用無線測距技術實現對移動中車聯的實時定位。目前所採用的技術主要有利用接收訊號強度值（rssi）、到達時間（toa）、到達時間差（tdoa）、到達角度（aoa）及到達頻率差（fdoa）等。fdoa定位技術具有無模糊區、精度高等優點，它可以與tdoa等定位技術結合，實現更加完善的定位功能，成為車聯網定位技術的乙個發展方向。在此不做具體介紹。
雖然目前對車聯網定位和感知技術的研究取得了一定的成果，但仍然有很多問題需要進一步解決，主要體現在專門針對車聯網的定位和感知技術、室外移動三維定位技術、精準無縫的協作定位等方面。
技術只是自動駕駛的乙個方面，道路安全法律法規也需要適應自動駕駛市場的變化。今年福特、通用和豐田在自動駕駛汽車相關安全法規上就達成了合作夥伴關係。另外，在人類社會不斷向前發展的程序中，經驗是乙個不可忽視的關鍵因素，無論現時段自動駕駛面臨了什麼小成就和大挫折，都必須清楚地明白一點：我們生活在技術不斷創新的時代，新技術解決新困難，時間會說明自動駕駛是如何向我們一步步走來的。
三種bug定位方法
測試用例的執行，基本上是程式執行過程bug產生的開始，若測試結果與期望結果有出入，即出現了錯誤徵兆，定位bug過程首先要找出bug產生的原因，然後對bug進行修正。因此定位bug過程有兩種可能 一種可能是找到了bug產生原因並提給開發去糾正 另一種可能是測試過程中程式產生的bug原因不明，測試或開發...
慣性系統常用座標系 自動駕駛定位技術之慣性導航
今天我們接著聊聊自動駕駛定位技術最常用來與gps組合的慣性導航。說到慣性導航，不得不提牛頓，牛頓對慣性導航的貢獻巨大。因為慣性導航裡用到的兩個重要的理論都與牛頓有著密不可分的聯絡 牛頓第二定律和微積分。牛頓第二定律告訴我們 行程 帶方向的位移 與時間的關係也顯而易見 這樣就將行程與加速度聯絡在一起了...
三種方法實現Vue路由跳轉時自動定位在頁面頂部
在做vue專案的時候發現 當路由跳轉時 頁面是不會自動跳轉到頂部的 而是停留在當前已滾動的距離 實現方法其實很簡單 共有三種方法可實現頁面自動跳轉到頂部 在路由的main.js router.js 裡新增如下 即可 跳轉後自動返回頁面頂部 router.aftereach const router ...