python无人驾驶_无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析

上一次的分享里，我介绍了GPS的原理（三角定位）及特性（精度、频率），同时也从无人车控制的角度，讨论了为什么仅有GPS无法满足无人车的定位要求。

为了能让无人驾驶系统更高频率地获取定位信息，就必须引入频率更高的传感器。这就是这一次内容的主角——IMU（Inertial Measurement Unit）惯性测量单元。

下图就是百度Apollo计划推荐使用的IMU——NovAtel SPAN-IGM-A1。

图片出处：github.com

GPS得到的经纬度信息作为输入信号传入IMU，IMU再通过串口线与控制器相连接，以此获取更高频率的定位结果。

IMU的原理

当我们晚上回到家，发现家里停电时，眼睛在黑暗中什么都看不见的情况下，只能根据自己的经验，极为谨慎地走小碎步，并不断用手摸周围的东西（比如冰箱），用以确定自己所在的位置。

IMU的原理和黑暗中走小碎步很相似。

在黑暗中，由于自己对步长的估计和实际走的距离存在误差，走的步数越来越多时，自己估计的位置与实际的位置相差会越来越远。

就像下图所示。

走第一步时，估计位置（黑人所在位置）与实际位置（白人所在位置）还比较接近；但随着步数增多，估计位置与实际位置的差别越来越大。

图中的小人只朝一个方向移动，是一维的。根据此方法推广到三维，就是惯性测量单元的原理。

学术上的语言是：以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。

IMU的特性

小到每天使用的手机，大到导弹、宇宙飞船都会使用到IMU，区别在于成本和精度。

根据不同的使用场景，对IMU的精度有不同的要求。精度高，也意味着成本高。

IMU的精度、价格和使用场景，如下图所示。

从图中可以看出，普通的消费级电子产品所使用到的IMU都是低精度且十分廉价的IMU，这种IMU普遍应用于手机、运动手表中。常用于记录行走的步数。

而无人驾驶所使用到的IMU，价格从几百块到几万块不等，取决于此无人驾驶汽车对定位精度的要求。

精度更高的IMU会用于导弹或航天飞机。就以导弹为例，从导弹发射到击中目标，宇航级的IMU可以达到极高精度的推算，误差甚至可以小于一米。

除了精度和成本的特性外，IMU还有两个十分关键的特性。其一是更新频率高，工作频率可以达到100Hz以上。其二是短时间内的推算精度高，不会有太大的误差。

在上次有关GPS的分享中，我们提到GPS的定位频率只有10Hz，而IMU的两个特性刚好可以弥补GPS的劣势，和GPS组成定位的黄金搭档。

黄金搭档：GPS + IMU

回到最开始的故事。晚上回到家，发现家里停电时，眼睛在黑暗中什么都看不见的情况下，只能根据自己的经验，极为谨慎地走小碎步，并不断用手摸周围的东西（比如冰箱），用以确定自己所在的位置。

在这个过程中，GPS的作用就类似于摸到的东西之后对自己的位置进行的修正，IMU的作用就类似于小碎步，不对地对自己的位置进行推算。

不断的修正和不断的推算，就能保证自己的定位相对稳定。如下图所示。

在无人驾驶系统中，GPS的更新频率一般为10Hz，IMU的更新频率一般为100Hz。

两个传感器共同工作时，可以给出频率100Hz的定位输出。下图是两传感器数据融合的原理图。

跑在控制器上的软件对信息的处理流程在时间维度上类似下图。在0~100ms的周期中，使用IMU进行9次位置的估计，待新的GPS定位数据进来时，则进行修正，以此实现高频率的定位结果输出。

就这样，GPS与IMU便相辅相成地实现了无人车的稳定定位。

有了100Hz的稳定定位，无人车在处理路径跟随问题时，就能像下图一样，保持极高频率的定位和控制。每走一小步，便重新进行方向盘转角的计算，进而控制无人车沿着既定的轨道行驶。

小结

上面的分享用生活中简单的例子介绍了IMU的基本原理，并对IMU的特性（精度、成本、频率）进行了讨论，最后探讨了GPS如何与IMU配合完成无人车的定位功能。

解决了无人车的第一大问题“我在哪”，之后就要开始讨论“我要去哪”和“我怎么去”的问题。

因此，在接下来的分享中，我会着重介绍感知相关的传感器（相机、激光雷达等）。

python无人驾驶_无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析相关推荐

激光雷达+imu_无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析
上一次的分享里,我介绍了GPS的原理(三角定位)及特性(精度.频率),同时也从无人车控制的角度,讨论了为什么仅有GPS无法满足无人车的定位要求. 为了能让无人驾驶系统更高频率地获取定位信息,就必须引入 ...
无人驾驶技术入门（四）| 百度无人车传感器 IMU 深入剖析
上一次的分享里,我介绍了GPS的原理(三角定位)及特性(精度.频率),同时也从无人车控制的角度,讨论了为什么仅有GPS无法满足无人车的定位要求. 为了能让无人驾驶系统更高频率地获取定位信息,就必须引入 ...
自动驾驶无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析
转自:https://www.d1ev.com/kol/65579 上一次的分享里,我介绍了GPS的原理(三角定位)及特性(精度.频率),同时也从无人车控制的角度,讨论了为什么仅有GPS无法满足无人车 ...
疲劳驾驶样本集_无人驾驶技术入门（十六）| 初识深度学习之交通标志分类
前言在上两期的<无人驾驶技术入门>中,我以车道线检测为例,介绍了计算机视觉领域一些基本的算法.应用图像处理算法和调试算法阈值,就能实现车道线的检测和跟踪. 车道线检测.跟踪的项目,主要是 ...
无人驾驶技术入门（三）| 百度无人车传感器 GPS 深入剖析
上一次的分享里,我对百度 Apollo 计划的技术框架做了介绍,如图. Apollo1.0 封闭场地循迹自动驾驶如果要完成 Apollo 1.0 的"封闭场地寻迹自动驾驶"功能, ...
无人车传感器 IMU与GPS数据融合进行定位机制
前言上一次的分享里,我介绍了GPS的原理(三角定位)及特性(精度.频率),同时也从无人车控制的角度,讨论了为什么仅有GPS无法满足无人车的定位要求. 为了能让无人驾驶系统更高频率地获取定位信息,就必 ...
无人驾驶技术入门（一）：百度无人驾驶的引路人
各位老铁好!无人驾驶技术入门的第一讲开课啦!今天的课程我会介绍一位来自旧金山的创业公司,他们曾是百度无人驾驶的引路人. 百度在2017年9月发布了Apollo 1.5,可以实现固定车道的自动驾驶功能. ...
无人驾驶技术入门（一）| 百度无人驾驶的引路人
前言各位老铁好!无人驾驶技术入门(硬件篇)的第一讲开课啦! 今天的课程我会介绍一个来自旧金山的创业公司,它曾是百度无人驾驶的引路人. 正文百度在今年7月和9月分别发布了Apollo 1.0和Apo ...
SLAM 无人车融合 IMU 前与融合 IMU 后的实测效果演示
SLAM 无人车融合 IMU 前与融合 IMU 后的实测效果演示 SLAM 无人车融合IMU 前后的效果对比

python无人驾驶_无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析

python无人驾驶_无人驾驶技术入门（四）：无人车传感器 IMU 深入剖析相关推荐

最新文章

热门文章