本文摘要：在自动驾驶技术问题中，定位技术（自身定位以及对周围环境比较方位的理解）或许是无人驾驶汽车最无以掌控的技术，这与城市的动态性质有关。

在自动驾驶技术问题中，定位技术（自身定位以及对周围环境比较方位的理解）或许是无人驾驶汽车最无以掌控的技术，这与城市的动态性质有关。例如施工路面、堵塞道路、新的标志和缺陷的道路标志等，都是这种动态性和不确定性的例子。人类面临以上随时随地有可能再次发生转变的因素都会深感疑惑，更加不用说机器了。

目前没方法可以极致地解决问题自动驾驶汽车的定位问题，但以下几种是当前尤为有效地也最有期望解决问题的办法。有所不同公司有有所不同的倾向性自由选择，本文将根据明确的公司策略对三种定位方法展开讲解。

自从特斯拉和Waymo等公司经常出现以来，车企对自动驾驶技术的注目越发减少。这种情况在2018年更加颇，从而加快了无人驾驶汽车尽早落地的有可能。

例如，通用汽车公司在旧金山的员工早已用上了没方向盘或踏板的cruise；福特、大众、丰田和飞驰也都在自动驾驶竞争之佩；上个月，特斯拉在芯片发布会上宣告，到2020年他们将生产出有几乎自动驾驶汽车。无人驾驶的构建前途光明，但道路交错。目前自动驾驶依然面对很多难题，例如必须较慢而倒数地分析数据流、必须做到对机器来说很繁复但对人类来说只是鸡毛蒜皮的一些小事等。

具体来说，物体检测、距离、速度、定位和交通法规等都是在驾驶员过程中做到决策时必须考虑到的因素。为了超过SAE标准中的L5级别，计算机驾驶员系统必须需要继续执行上述所有基本任务，寻找针对有所不同问题的技术解决方案。以下所列了几种主要的自动驾驶技术难题及解决方案：距离：激光雷达（光观测和测距）速度：雷达（无线电探测器）物体观测：照相机、图像处理和机器学习交通法规：物体检测（用作交通信号灯和标志）、图像处理（用作车道检测）和对本地数据的采访路径规划：软件算法（如A＊搜索算法）定位：同时定位与地图创立（SimultaneousLocalizationandMapping，SLAM）或预先制作的三维地图在上述所有问题中，定位技术（自身定位以及对周围环境比较方位的理解）或许是无人驾驶汽车最无以掌控的技术，这与城市的动态性质有关。

例如施工路面、堵塞道路、新的标志和缺陷的道路标志等，都是这种动态性和不确定性的例子。人类面临以上随时随地有可能再次发生转变的因素都会深感疑惑，更加不用说机器了。

目前没方法可以极致地解决问题自动驾驶汽车的定位问题，但以下几种是当前尤为有效地也最有期望解决问题的办法。有所不同公司有有所不同的倾向性自由选择，本文将根据明确的公司策略对三种定位方法展开讲解。

1．以特斯拉为代表的视觉SLAM定位以特斯拉为例的一类企业偏向于用于基于视觉的VisualSLAM（全称VSLAM）技术展开定位，他们将尽量多的视觉传感器重复使用汽车中，不依赖预先录制的地图，而是期望将图像处理和机器学习融合一起，让特斯拉车辆需要对周围环境做动态理解。特斯拉车辆随时随地都在自学并与其他车辆共享科学知识。他们依赖周围的动态环境数据而不是历史数据，不不存在倚赖过时地图而错误的风险。

特斯拉的目标十分具体，即修建可以在任何条件下驾驶员的车辆而受周围环境的影响。前段时间特斯拉的芯片发布会上，因马斯克diss激光雷达还引发了一场轩然大波。马斯克说道，用于激光雷达的定位方法挣脱了“古怪，便宜且不必要”的绘图设备，为此代价的代价是在处置不确定性时更为倚赖照相机和软件。

特斯拉人工智能高级主管AndrejKarpathy特别强调物理数据的起到是无法替换的，相对于利用激光雷达创建虚拟世界低精地图来说，特斯拉更加坚信现实的物理数据，看图比看雷达更加现实。目前，用于VSLAM构建定位的自动驾驶车辆主要配有三类传感器：单目、双目（或多目）、RGBD。此外还有鱼眼、全景等类似照相机，由于在研究和产品中都归属于少数在此不做到讲解。就构建可玩性而言，这三类方法深浅程度从难到易依序为：单目视觉、双目视觉、RGBD。

在定位过程中，VSLAM自动驾驶车辆从一个不得而知环境中的不得而知地点抵达，在运动过程中通过以上这些视觉传感器观测定位自身方位、姿态、运动轨迹，再行根据自身方位展开增量式的地图建构，从而超过同时定位和地图建构的目的。定位和建图是两个相辅相成的过程，地图可以获取更佳的定位，而定位也可以更进一步改建地图。VSLAM技术框架如下，主要还包括传感器数据预处理、前端、后末端、回环检测、建图。

2．以标准化／飞驰／福特为代表的低精地图定位通用汽车和飞驰都寄予厚望通过激光雷达或GPS预先制作的低精地图来展开定位的方法。通用汽车于2017年并购了自己的激光雷达供应商。福特与百度合作，向一家激光雷达供应商Velodyne投资1．5亿美元，飞驰也与Velodyne签定激光雷达供应合约。

激光雷达是十分传统的定位传感器。它可以获取机器人本身与周围环境障碍物间的距离信息。少见的激光雷达有SICK、Velodyne、Rplidar等。

用于激光雷达制作低精地图，实质上就是利用激光点云融合技术展开激光雷达扫瞄，回到场景产于点的技术。激光点云融合的技术又分成两种，一是基于点云融合的算法，其应用于场景很广，不仅仅限于GPS场景；第二种是基于较为准确的差分GPS和准确惯导（IMU，惯性测量单元），其对场景倚赖较强，必需在较为广阔的场景用于，对于高架桥等GPS信号很弱的场景效果不欠佳。基于图像和GPS技术解决方案精度较为劣，主要用来制作L2、L3的ADAS地图，而激光点云则可以符合L4、L5的市场需求。这类车辆依赖预先记录好的3D高分辨率地图，而这些地图是用于配有激光雷达的车辆预先捕捉的。

然后，自动驾驶车辆可以用于其自身配有的激光雷达设备提供周边环境的信息，与预先制作的低精地图展开核对，辨别环境否早已转变，然后在地图涵括区域内构建自动驾驶。这表明了相对来说更为普遍的自动驾驶策略。为了维持地图的准确性和车辆的可用性，必须市政当局和汽车制造商之间更加普遍的合作，以创立和确保近期的高精度地图可供车辆用于。

以凯迪拉克的超级巡弋系统为事例，只有当车身雷达提供的信息与低精地图信息完全一致并通过安全检查时，车辆才能在预存了高精地图的高速公路上导航系统行经。这种方法获取了高度的可靠性和可预测性，但低精地图所必须处置的数据量极大，必需用于数据中心计算机集群来做到处置，并且牵涉到很多并行计算和处置，这些对数据处理能力都是很大的考验；低精地图的动态改版也非常最重要，道路环境有可能在大大的变化，必须构建较慢有效地的改版。

以上这些由于记录地图和用于激光雷达设备生产车辆所需的希望，都使得构建无人驾驶所代价的成本比较更高。3．以大众为代表的车联网定位自动驾驶定位的另一种方法，不注目如何使汽车更加灵活性地适应环境，而是注目如何让环境为自动驾驶汽车服务，即建构更加智能的环境。这减低了车辆的开销，使其需要找到其环境中的所有不确认因素。

在这种情况下，变化的环境因素不会自己“找上门”，让车辆更加精确地了解到周围环境的状况，建筑物可以必要“告诉他”转入的汽车建筑区域和临时车道的具体位置。大众汽车仍然在希望创建自己作为V2X技术先驱的身份。

在2017年大众就宣告所有2019年的车型都将配有原始的V2X功能套件。这些相连将获取约500米以内的交通状况、事故和与当地环境分享的其他交通状况信息，甚至更加甚广。

通过车联网方法展开定位的车辆通过GPS、RFID、传感器、摄像头图像处理等装置，在由车辆方位、速度和路线等信息包含的极大交互网络中已完成自身环境和状态信息的收集。在互联网信息库中，所有车辆将自身的各种信息传输汇集到中央处理器，构建方位信息的交互分享。

目前，国家强迫拒绝所有运营车辆都要配属车载定位终端，同时终端涉及企业服务平台，并最后终端省部级服务平台。具体来说，车辆节点的定位和方位感官技术是车联网的技术核心。

定位特别强调方位信息的唯一性，即定位获得的是现实的地理坐标信息，而方位感官侧重于节点之间在方位上的相对性，体现的是移动节点在时间维度和空间维度上的轨迹。方位感官中，其方位信息是参考锚节点来计算出来的，而锚节点的产生视有所不同的算法构建而有所不同，主要使用非测距技术（Renge－free）来定位。无线测距的基本原理分成三边测量法、三角测量法、很大似然估计法和质心算法四种类型。三边测量法原理比较简单，是在未知3个锚节点二维座标信息的前提下，就可以计算出来出有1个不得而知节点的方位信息；三角测量法的原理是在网络中指定一系列的锚节点包含相互连接的三角形，通过测量某一三角形的三个角节点到某一方位节点的比较水平角度来对节点展开定位；很大似然估计法的原理是一句N个锚节点的座标以及到不得而知节点的距离来对节点展开定位；质心算法中的质心是指多边形的几何中心，质心算法的构建原理是网络中的锚节点周期性地广播用作标识节点自身身份标识和座标不得而知的分组，当未必要点拒绝接受到的锚节点的分组超过一个门限值时，或拒绝接受锚节点分组的时间超过预设值时，将由这些锚节点构成一个多边形，该多边形的质心乃是该不得而知节点的座标。

车联网的定位技术则是通过合理部署在城市交通道路周边的RSU，利用无线测距技术构建对移动中车联的动态定位。目前所使用的技术主要有利用接管信号强度值（RSSI）、抵达时间（TOA）、抵达时间差（TDOA）、抵达角度（AOA）及抵达频率劣（FDOA）等。FDOA定位技术具备无模糊不清区、精度高等优点，它可以与TDOA等定位技术融合，构建更为完备的定位功能，沦为车联网定位技术的一个发展方向。

在此不做到明确讲解。虽然目前对车联网定位和感官技术的研究获得了一定的成果，但依然有很多问题必须更进一步解决问题，主要反映在专门针对车联网的定位和感官技术、室外移动三维定位技术、精准无缝的协作定位等方面。当然，需要辅助构建定位目的的有例如GPS、卫星、激光雷达、照相机及其他多种传感器，本文讲解的三种方法是构建自动驾驶定位的三种有所不同思路，思路上的有所不同并不敌视明确用于技术上的糅合与融合。

技术只是自动驾驶的一个方面，道路安全性法律法规也必须适应环境自动驾驶市场的变化。今年福特、标准化和丰田在自动驾驶汽车涉及安全性法规上就达成协议了合作伙伴关系。另外，在人类社会大大向前发展的进程中，经验是一个不可忽视的关键因素，无论现时段自动驾驶面对了什么小成就和大挫折，都必需确切地明白一点：我们生活在技术不断创新的时代，新技术解决问题新的艰难，时间不会解释自动驾驶是如何向我们一步步走过的。

本文来源：beat·365唯一官方网站-www.zhizjy.com