1.定位方法：
1.1 基于电子信号的定位：GPS
1.2 航迹推算：IMU（加速度计+陀螺仪），轮速计
1.3 环境特征匹配：传感器感知+融合
| 信号定位 | 航迹推算 | 激光点云匹配 | 摄像头特征匹配 | |
| 信号 |
位置； 速度； |
位置，姿态； 速度； 加速度 |
||
| 优点 |
全球； 全天候； 全天时； 高精度 |
六自由度； 短时精度高； 频率高 |
鲁棒性强； 无信号区域可工作 |
|
| 缺点 |
基站成本； 电磁干扰； 信号遮挡； 卫星依赖 |
误差累计 |
地图依赖； 恶劣雨天受影响； 环境特征相似无法定位 |
|
2.地图：
2.1 3D voxel地图
2.2 点云地图
2.3 2D概率地图
3.技术
2.1 RTK：容易受电磁环境干扰’
2.2 GPS：
1.缺点：多径效应
2.3 激光点云定位技术：反射值+高度值，自适应匹配
1.缺点：场景变化太大，废掉
2.相关技术和工具：PostgreSQL，PostGIS, pgpointcloud: https://github.com/digoal/blog
2.4 视觉定位：
1.在线特征检测：FCN图像分割；分段直线聚类
2.特征匹配：
2.5 惯性导航
1.yaw对齐：双天线（两个GPS连线的方向）；车跑起来的速度方向+之后的卡尔曼滤波
2.缺点：短时很准，随着时间推移，误差增大
2.6 组合导航
1.融合方法：卡尔曼滤波器（惯导的输出作为时间更新；GPS/点云的位置作为量测更新）
3.高精地图
3.1 高精地图方案：百度-激光+相机；宽凳科技-纯视觉制图20cm；英伟达-高精实时制图；DeepMotion-纯视觉制图
3.2 地图格式：
1. NDS：国内不是很多，国外大厂-宝马
2. OpenDrive：apollo
section；lane；junction；
3.3 厂商：
1. here-诺基亚，80%欧美市场，戴姆勒30亿美金收购，腾讯、四维入股
2. mobileye
3.谷歌：激光+图像
4.TomTom：激光点云
5.apollo：GPS（RTK）+IMU，激光（64线+16线）+摄像头，长短焦
3.4 关键技术
1.激光：点云分割，点云DeepLearning，点云Slam，点云特征提取
2.算法输出：定位地图；高精地图；路径规划地图；仿真地图
3.5 包含信息：
1.lane；Road及其边界——>辅助横向定位
2.红绿灯，指示牌——>指导驾驶
3.树木，建筑——>可以辅助定位车辆
4.司机的驾驶习惯：什么地方加减速——>让无人驾驶更像人
3.6 apollo高精地图
1.坐标系：UTM；WGS84；坐标系