文章目录

前言
1. 定位的作用
- 1.1 定位和地图: 一对孪生兄弟
- 1.2 参考系
- 1.3 定位的作用
2. 定位用到的算法
- 2.1 GPS
- - 2.1.1 GPS 原理
- 2.2 RTK(GPS的扩展)
- 2.3 惯性测量单元
- 2.4 GNSS
- 2.5 先验地图定位
- 2.6 NDT算法
- 2.7 实时定位和建图
3. Apollo定位框架介绍
- 3.1 目录结构
- 3.2 RTK模块
- - 3.2.1 RTK模块入口,输入,输出
  - 3.2.2 RTK模块底层逻辑
- 3.3 NDT模块
- - 3.3.1 NDT模块入口,输入,输出
  - 3.3.2 NDT模块底层逻辑
  - 3.3.3 NDT地图构建
- 3.4 MSF模块
- - 3.4.1 MSF模块入口,输入,输出
  - 3.4.2 MSF模块底层逻辑
  - 3.4.3 MSF模块融合框架
4. 实践
- 4.1 制作NDT地图
- 4.2 启动NDT模块
声明

前言

Apollo星火计划课程链接如下
星火计划2.0基础课：https://apollo.baidu.com/community/online-course/2
星火计划2.0专项课：https://apollo.baidu.com/community/online-course/12

1. 定位的作用

自动驾驶汽车面临的第一个问题:从哪里来，到哪里去?

运输是指某一物体 (人或者是货物)通过运输工具(或交通工具与运输路径)，由甲地移动至乙地，完成某个经济目的的行为。

1.1 定位和地图: 一对孪生兄弟

定位，获取当前的地理位置信息，通常要通过地图来记录和表示。
先有定位还是先有地图(鸡和蛋) ?
通过定位来绘制地图，而通过地图来表示车辆当前的位置。

1.2 参考系

参考系:地理位置有多种表示方式，地理学上大致可以分为2种。
➢相对位置——相对位置则是透过标示目标物与其他事物之间的关系,以表达事物位置的标示法。当沿着大部分主要公路行驶时，都有里程标志，指示到下一个城镇的距离。这些信息表示您相对于即将到来的地点的当前位置。
➢绝对位置——绝对位置表达标记事物在空间中单一、不会因观察者所在位置改变而更改的标示法。基于特定的地理坐标(例如经度和纬度)来引用地球表面上的某个位置。

1.3 定位的作用

定位模块除了需要告诉自动驾驶系统自动驾驶汽车当前的位置之外，还提供更多的信息，实际上定位模块还提供车辆当前的运动状态。
除了位置之外，定位模块还提供:车的航向，速度，加速度，角速度等状态信息。

2. 定位用到的算法

2.1 GPS

GPS全球定位系统(Global Positioning System, GPS)，是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理位置、车辆行驶速度及精确的时间信息。GPS自问世以来，就以其高精度、全天候、全球覆盖、方便灵活吸引了众多用户。

全球四大导航系统:
➢美国全球定位系统
➢欧盟“伽利略”系统.
➢俄罗斯“格洛纳斯”系统
➢中国北斗卫星导航系统

2.1.1 GPS 原理

全球定位系统由以下三个部分组成:空间部分(GPS卫星)、地面监控部分和用户部分。
GPS定位的基本原理是:至少测量出当前位置与4颗卫星的距离和对应时间，通过解方程即可求得当前位置在地球坐标系下的位置(x,y,z)(x, y,z)(x,y,z)。
为什么是4颗呢?因为除了需要确定(x,y,z)(x,y,z)(x,y,z)三个位置参数，还需要一个卫星提供相对零点时间从而消除时间误差。

2.2 RTK(GPS的扩展)

RTK ( Real - time kinematic，实时动态)载波相位差分技术，是实时处理两个测量站载波相位观测量的差分方法，将基准站采集的载波相位发给用户接收机，进行求差解算坐标。
卫星定位是存在误差的，误差既来自系统的内部，也来自外部。例如卫星信号穿透电离层和对流层时产生的误差，还有卫星高速移动产生的多普勒效应引起的误差，以及多径效应误差、通道误差、卫星钟误差、星历误差、内部噪声误差等。这些误差，有些可以完全消除，有些无法消除或只能部分消除。它们影响了系统的准确性和可靠性。

基准站先观测和接收卫星数据。
基准站通过旁边的无线电台(数据链)，将观测数据实时发送给流动站(距离一般不超过20公里)。
流动站收到基准站数据的同时，也观测和接收了卫星数据。
流动站在基准站数据和自身数据的基础上，根据相对定位原理，进行实时差分运算，从而解算出流动站的三维坐标及其精度，其定位精度可达1cm~2cm。

利用先验信息进行定位。

2.3 惯性测量单元

惯性测量单元(英语: Inertial measurement unit,简称IMU )是测量物体三轴姿态角(或角速率)以及加速度的装置。
一般的，一个IMU内会装有三轴的陀螺仪和三个方向的加速度计，来测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。为了提高可靠性，还可以为每个轴配备更多的传感器。一般而言IMU)要安装在被测物体的重心上。

参数指标:
陀螺仪:角度偏差为0.1°/s−0.001°/h0.1° /s - 0.001° /h0.1°/s−0.001°/h。
加速度计:加速度偏差为100mg−10μg100mg - 10μg100mg−10μg。
由距离计算公式s=12at2s = \frac{{\rm{1}}}{{\rm{2}}}a{t^2}s=21at2可以得出，100mg和10μg100mg和10μg100mg和10μg偏差的加速度计在60s之后的测量误差分别是3528m和0.35m,差距非常大。

2.4 GNSS

GPS + IMU组合导航

GPS定位非常方便，但在高楼、隧道和停车场等场所会出现多径效应和信号衰减，导致测量精度下降。GPS的更新频率也比较低，一般为1s刷新一次。
为了解决上述问题，IMU通常用来辅助GPS进行定位，IMU不需要接收信号，不受信号质量影响，而且更新频率快，工作频率通常可达100Hz以上，可以弥补短期GPS刷新频率不足的问题。但是IMU有累计误差，在一段时间后需要校准，所以目前无人车主要通过GPS和IMU融合定位。

表2-1 GPS和IMU优劣势对比

	GPS	IMU
更新频率	低( 1HZ )	高( 100HZ)
累积误差	无	有
外部依赖	有	无

2.5 先验地图定位

GPS+IMU的局限性:
GPS+IMU的组合极大的提高了定位的精度和鲁棒性，但还是有一些特殊场景，例如城市高楼，树荫以及比较长的隧道等场景下，定位精度会受到影响。
因此引入了新的方法:先验地图
通过离线的方式，事先建好当前区域的3维地图，也就是我们常说的高精度地图定位图层。

先验地图:一场寻宝游戏。

以下是一段寻宝的过程“从岛的北面上岸，向前走，是一大片绿地,在上面可以看到一棵橡树和一棵松树,还有一个绞架，从绞架开始沿直线朝橡树走20步，宝藏就在那里。”
先验地图的核心就是拿当前观测到的特征和事先建好的地图做匹配。

先验地图的2大核心问题。
1.特征提取和特征匹配( Feature matching )
2.重定位( Relocation )
特征提取和特征匹配
●ICP ( iterative closest point )
●NDT ( Normal Distributions Transform )
●基于优化的方法
重定位( Relocation )
●在环境中找到自己的初始坐标，例如
在停车场中启动的时候。

2.6 NDT算法

NDT ( Normal Distributions Transform )
NDT非常快速和准确，适合应用于大规模数据，但它对初始化也很敏感，需要足够准确的初始猜测，因此它通常用于从粗到细的对齐策略。可以节省计算量。

NDT三种特征类型
●球型特征
●线型特征
●面型特征

2.7 实时定位和建图

先验地图的好处非常明显，通过事先建立好地图，然后在线做匹配从而得到目标当前的位置。但环境会发生改变，如果周围的环境变化了，而地图没有更新，则会得到错误的定位信息。
有没有能够实时定位和建图的方法呢?
SL AM是Simultaneous localization and mapping缩写，意为“同步定位与建图”。根据类型划分分为：

视觉SL AM
激光SL AM

视觉SL .AM算法
●ORB-SL AM
●LSD-SLAM
●VINS-Mono
激光SL AM算法
●Cartographer
●LOAM系列

目前的精度已经足够，鲁棒性有待加强，也可以用于大规模分布式实时建图。

3. Apollo定位框架介绍

3.1 目录结构

3.2 RTK模块

3.2.1 RTK模块入口,输入,输出

3.2.2 RTK模块底层逻辑

RTK模块接受GPS和IMU的消息，发布定位消息和定位状态，给其它模块使用。

底层逻辑:
●可以看到RTK模块的核心在于GPS+IMU设备给出结果的精度，这些信息的解算由GPS和IMU设备提供，当然也可以直接拿到GPS和IMU的原始数据进行解算。

3.3 NDT模块

3.3.1 NDT模块入口,输入,输出

3.3.2 NDT模块底层逻辑

NDT模块接受GPS、IMU和激光雷达点云消息，通过和事先建好的NDT地图进行匹配，得到车辆当前的定位消息和定位状态，发布给其它模块使用。

底层逻辑:

NDT模块依赖事先建好的NDT定位地图，地图的构建可以通过SLAM框架得到，之后保存到本地，根据车当前的位置加载地图，进行NDT匹配得到当前的位置信息。
当前NDT模块对GPS和NDT做了简单的融合，在NDT失效的情况下，输出GPS的定位结果。
定位地图的制作通过ndt_ map_creator来完成。

3.3.3 NDT地图构建

准备工作:首先准备录制好的数据包，从包中解压出点云和点云当前的pose,对pose进行校正之后，保存在指定的文件夹。

NDT建图过程:

从文件中读取点云和pose

根据点云的位置选择对应的node

对点云强度信息采样并且放入对应的Node

3.4 MSF模块

3.4.1 MSF模块入口,输入,输出

3.4.2 MSF模块底层逻辑

MSF模块接受GPS、IMU和激光雷达点云消息，通过NDT输出的结果和组合导航输出的结果进行融合，得到车辆当前的定位消息和定位状态，发布给其它模块使用。

底层逻辑:
●MSF模块对GPS和NDT的结果进行融合，从而提高系统的鲁棒性。因此如何融合是MSF的关键。

3.4.3 MSF模块融合框架

MSF模块接受GPS、IMU和激光雷达点云消息，通过NDT输出的结果和组合导航输出的结果，通过卡尔曼滤波进行融合，输出最后的定位结果。

4. 实践

云实验
实验分为2个大的步骤：
制作NDT地图。根据解压事先录制好的record包，得到激光雷达点云信息和自动驾驶车辆姿态信息，然后校正激光点云姿态信息，最后调用NDT制图工具生成NDT地图。
启动NDT模块，查看结果。制作好NDT地图之后，接下来，我们就可以运行NDT定位模块，它会加载NDT地图，它的输出是融合之后的定位信息。

4.1 制作NDT地图

解压数据包，得到原始的激光雷达点云信息和车辆姿态信息，需要注意点云的cloud_topic信息，要根据自己系统中发布的点云topic进行匹配，如果不清楚，可以通过cyber_record info查看数据包中的topic信息，从而找到激光雷达的cloud_topic。

解压好数据包之后，通过imu的信息对车辆的位置进行插值，得到校正之后的车辆pose。

有了激光雷达点云信息和准确的pose之后，根据这些信息生成NDT地图，注意这里采用的是NDT的强度信息，因此如果点云中缺少强度信息，则实现不了定位。

ndt_map_creator --pcd_folders=/apollo/data/pcd --pose_files=/apollo/data/pcd/poses.txt --resolution_type=single --resolution=1 --zone_id=50 --map_folder=/apollo/modules/localization/map/ndt_map/local_map

4.2 启动NDT模块

首先我们需要根据车辆的情况修改以下配置
修改地图路径，我们的地图在“/apollo/modules/localization/map”中，修改“global_flagfile.txt”中的“–map_dir”为当前路径。

vi /apollo/modules/common/data/global_flagfile.txt
--map_dir=/apollo/modules/localization/map

修改zone_id和雷达外参，根据地图的UTM zone，修改zone id，例如北京的zone_id=50，修改激光雷达的外参文件，以及lidar的topic，要与数据包，或者实际发布的topic一致。

vi /apollo/modules/localization/conf/localization.conf
local_utm_zone_id = 50
lidar_extrinsics_file = apollo/modules/localization/msf/params/velodyne_params/velodyne64_novatel_extrinsics_example.yaml
lidar_topic = /apollo/sensor/hesai40/compensator/PointCloud2

上述配置完成之后，启动NDT模块

cyber_launch start /apollo/modules/localization/launch/ndt_localization.launch

接着播放数据包，模拟传感器发送消息

cyber_recorder play -f cyberecord_MKZ109_default_10_20220218103727_20220218103737.record -c /apollo/sensor/gnss/odometry /apollo/sensor/hesai40/compensator/PointCloud2 /apollo/sensor/gnss/ins_stat -l

最后通过cyber_monitor查看定位信息

cyber_monitor

声明

本人所有文章仅作为自己的学习记录，若有侵权，联系立删。

Apollo星火计划学习笔记——第五讲（Apollo自动驾驶定位技术）相关推荐

Apollo星火计划学习笔记——第七讲自动驾驶规划技术原理2
文章目录前言 1. 泊车系统介绍 1.1 泊车任务 1.2 关键 Use Cas--车位类型 1.3 关键 Use Cas--环境条件 1.4 泊车过程描述 1.5 泊车状态操作和用户接口定义 1. ...
Apollo星火计划学习笔记——第七讲自动驾驶规划技术原理1
文章目录前言 1. 规划技术功能概述 1.1 自动驾驶系统 1.2 规划的作用 1.3 规划主要功能 1.3.1 路由寻径(Routing) 1.3.2 行为决策 1.3.3 轨迹规划 2. Apo ...
Apollo星火计划学习笔记——Apollo决策规划技术详解及实现（以交通灯场景检测为例）
文章目录前言 1. Apollo决策技术详解 1.1 Planing模块运行机制 1.2 Apollo决策功能的设计与实现 1.2.1参考路径 Reference Line 1.2.2 交规决策 T ...
Apollo星火计划学习笔记——Apollo开放空间规划算法原理与实践
文章目录前言 1. 开放空间规划算法总体介绍 1.1 Task: OPEN_SPACE_ROI_DECIDER 1.2 Task: OPEN_SPACE_TRAJECTORY_PROVIDER 1. ...
自动驾驶定位技术-马尔科夫定位
Localization Github: https://github.com/williamhyin/CarND-Kidnapped-Vehicle Email: williamhyin@outlo ...
自动驾驶定位技术之争：融合定位才是出路
讲座名称<自动驾驶定位技术之争:融合定位才是出路> 此次分享围绕以下四点:1.高精度定位为何需要多种传感器:2.视觉定位的优缺点:3.雷达定位的优缺点:4.传感器融合的关键技术. 讲师:李 ...
Apollo星火计划学习笔记第四讲2——高精地图定位模块
Apollo学习笔记零.目录一.定位的作用二.定位用到的算法 2.1 GPS 2.2 IMU 2.3 GNSS(GPS+IMU) 2.4 先验地图定位 2.5 实时定位和建图 2.6 小结三. ...
Apollo星火计划学习笔记——第四讲Part2 Apollo定位模块详解与实践
引言内容概要,学习目标了解自动驾驶定位的作用熟悉常见的自动驾驶定位方法掌握整个Apollo定位模块框架独立开发定位模块 1. 定位的作用 1.1 定位及其相关知识点定位: 获取当前的地理位 ...
Apollo星火计划学习笔记第二讲——自动驾驶调试及仿真实践
Apollo学习笔记零.目录一.自动驾驶的开发流程 1.1 引言二.Apollo调试工具的使用 2.1 实验内容 2.2 实验流程三.Apollo仿真工具的使用 3.1 实验内容 3.2 实验 ...

Apollo星火计划学习笔记——第五讲（Apollo自动驾驶定位技术）