只融人民幣基金，行圓汽車邵京寧的產業互聯網頂層設計

關于無人車的定位有兩種，一種稱為絕對定位，它直接給出無人車與地球或WGS84坐標系的相對坐標，即坐標（B，L，H），其中B是緯度，L是經度，H是地球與WGS-84橢球體的高度。WGS-84坐標系是由美國國防部開發和確定的大地坐標系，是一個商定的陸地坐標系。WGS-84坐標系定義為：原點為地球質心，空間直角坐標系的Z軸指向BIH（1984.0）定義的極點（CTP）的方向，即常規國際原點的CIO，由IAU和IUGG共同推薦。x軸指向由BIH定義的零子午線平面與CTP赤道的交點，y軸與z軸和x軸形成右手坐標系。WGS-84橢球體采用國際大地測量與地球物理聯合會第十七屆大會測量常數推薦值，并采用兩個常用的基本幾何參數：主半軸A=6378137m；

展平比f=1:298.19989.999999999895坐標系非常復雜，GPS測量結果與中國54系列或80系列坐標的差異在幾十米到100多米之間，而且不同地區的差異也不同。據粗略統計，西部與東北部的差距約為70米，140米，南部75米，在中間45米。在中國，為了安全起見，當地圖發布時，國家對坐標84進行了非線性偏移，得到的坐標稱為GCJ02坐標系。國內許多地圖公司，可能是由于業務需求或商業競爭的某些原因，在GCJ02坐標的基礎上又進行了一次非線性偏置，并建立了自己的坐標系。百度就是這樣一家公司。在GCJ02的基礎上，百度進行了BD-09二次非線性偏置，得到了自己的百度坐標系。傳統的GPS定位精度只有3-7米，中國城市主干道的單車道寬度一般為3.75米，這意味著GPS無法實現車道線定位。在城市道路或峽谷中，精度將進一步降低。即使在美國和北約國家，民用系統也不可能使用GPS進行亞米定位。GPS衛星廣播的信號包括載波、測距碼和數據碼三個信號分量。測距碼分為P碼（精細碼）和C/A碼。通常，C/A代碼稱為民代碼，P代碼稱為軍代碼。P碼將被細分為普通碼和W碼，完全不可能破解。后來，在新一代GPS上，美國提出了一種特殊的M（軍用）碼，其細節仍然高度保密，只知道速度為5.115MHz，碼長未知。目前北斗的定位精度不如全球定位系統。無人車車道線級別的絕對定位是一個難題，無人車需要更精確的厘米級定位。為了解決這個問題，日本開發了準天頂衛星系統（QZSS），該系統于2010年發射了一顆衛星，并于2017年又發射了三顆衛星，形成了三顆人造衛星的衛星增強系統，通過時間轉移完成全球定位系統的區域功能。它將于今年4月1日正式商業化。通過GPS系統，QZSS可以實現6厘米的定位。QZSS系統中L5信號的頻點也為1176.45MHz，在該頻點采用的碼率與GPS相同，均為10.23MHz。這意味著芯片制造商只需改變軟件處理即可實現與Galileo和QZSS的兼容性，而無需改變支持GPS系統的原芯片上的硬件，這相當于在軟件實現中搜索更多的導航衛星。這幾乎不會增加成本，而且北斗系統需要更換硬件，這非常麻煩。由于日本國土面積小，四顆衛星就足夠了。如果使用中國或美國，可能需要35-40顆衛星。國內大多數制造商使用GPS RTK進行絕對定位，但RTK的缺點也很明顯。RTK在確定整周模糊度方面的可靠性為95~99%，在穩定性方面不如全站儀，因為RTK容易受到衛星條件、天氣條件和數據鏈路傳輸條件的影響。首先，每天（在中國通常是下午）中、低緯度地區總有兩個GPS盲點，每次持續20~30分鐘。衛星幾何結構在盲點處的強度較低，因此RTK測量很難得到固定的解。其次，在白天的中午，由于電離層干擾，共享衛星的數量較少，因此初始化甚至初始化需要很長時間，無法測量。根據實踐經驗，RTK測量每天12:00至13:00很難得到固定的解。第三，依靠GPS信號，它不能在隧道和高層地區使用。阿波羅的先進定位技術無人車方案不能完全基于RTK。百度Apollo系統采用激光雷達、RTK和IMU融合的方案，多個傳感器的融合和誤差狀態卡爾曼濾波器使定位精度達到5-10厘米，具有高可靠性和魯棒性，達到世界頂級水平。城市地區的最高允許速度超過每小時60公里。

ta“src=”/eimg/jndp/ig/20230304013732503791/1.jpg“/>

上圖為百度Apollo自動駕駛傳感器、計算單元和控制前的連接圖。該計算系統使用省Neousys Nuvo-6108GC工業計算機，該計算機使用英特爾雙核E5-2658 V3 12核CPU。它主要用于處理激光雷達云點和圖像數據。在GPS定位和慣性測量單元方面，IMU為NovAtel IMU-IGM-A1，GPS接收器為NovAtelProPak6。激光雷達采用Velodyne HDL-64S3，通過以太網與工業計算機相連。水平視場為360，垂直視場為26.9，水平角分辨率為0.08，距離精度小于2厘米。它可以探測1.2億輛汽車或樹木。視覺系統使用Leopard Imaging Li USB 30-Ar023 ZWDR，帶3.0外殼，通過USB連接到工業計算機。使用Anson的200萬像素1080p傳感器AR0230AT和AP0202 ISP。視場寬度為58度，有效距離約為60-70米。毫米波雷達采用大陸ARS408-21，與CAN卡相連。CAN卡為德國ESD CAN PCIe/402-B4。

上圖顯示了百度無人車定位模塊的框架，該模塊結合了IMU、GNSS和激光雷達等傳感器（紫色）和預先制作的定位圖（黃色）。最頂層是SINS系統，即捷聯慣性導航系統。捷聯慣性導航系統是在平臺慣性導航系統的基礎上發展起來的。它是一個無框架系統，由三個速率陀螺儀、三個線性加速度計和一個處理器組成。SINS對IMU測量的加速度和角速度進行積分，得到位置、速度和姿態，作為卡爾曼濾波器傳播階段的預測模型。因此，卡爾曼濾波器將校正IMU的加速度和角速度，并且位置、速度和姿態等誤差也將反饋給SINS。RTK定位和激光雷達點云定位的結果被用作卡爾曼濾波器的測量更新。

上圖為百度的激光雷達點云定位圖。首先，要提前制作無人車行駛區域的激光雷達點云定位圖，包括激光雷達的強度成像圖和高度分布圖。該地圖通常由地圖制造商使用測繪級激光雷達完成。目前，世界上絕大多數制造商，包括Waymo、Ford、GM等。B是激光雷達反射強度的成像圖，C是高度分布圖。這張地圖的面積為3.3*3.1平方公里。激光點云定位算法描述如下：

從表面上看，高精度定位非常復雜。在實際計算中，消耗的計算資源并不多，基于激光雷達的計算量遠低于基于圖像的計算量。未來，該系統也可以用傳統的汽車SoC來完成，如瑞薩的R-Car H3、恩智浦的I.MX8或S32A258C。預計成本將大大降低。64線激光雷達也有望在未來被閃光固態激光雷達所取代，從而大大降低成本。百度無人車定位團隊的一篇學術論文《基于多傳感器融合的多樣化城市場景下穩健精確的車輛定位》已被頂級機器人大會ICRA 2018聘用，初稿可從arXiv下載。Apollo的感知技術Apollo中的感知模塊具有以下功能：檢測目標（是否有障礙物）、對目標進行分類（障礙物是什么）、語義分割（對整個幀中的障礙物進行分類和渲染）以及目標跟蹤（障礙物跟蹤）。

Apollo 2.0系統利用多傳感器融合做環境感知，攝像頭負責紅綠燈的檢測，毫米波雷達最大的作用是提供目標的移動速度，目標識別主要由激光雷達完成。2016年10月，百度和清華聯合發表了一篇題為《自動駕駛多視圖三維物體檢測網絡》的論文，位于https://arxiv.org/pdf/1611.07759.pdf.本文使用激光雷達和相機的融合來……

確定目標。然而，在百度2017年5月發表的一篇論文《使用生產網絡的3D激光雷達車輛檢測》中，https://arxiv.org/pdf/1608.07916.pdf，放棄了與攝像頭的集成。2017年10月，增加了毫米波雷達融合。2017年11月，蘋果公司發表了一篇論文《體素網：僅使用激光雷達識別目標的基于點云的三維物體檢測的端到端學習》，并將其與百度和清華多視圖自動駕駛三維物體檢測網絡進行了比較，表明單用激光雷達的效果更好。原因是激光雷達的數據處理速度比相機快，時間同步非常困難，兩者的坐標需要統一；其次，相機對光線太敏感，可靠性低，尤其是在長距離拍攝時。在Apollo 2.0中，百度使用了激光雷達和毫米波雷達的融合方案。

激光雷達物體識別的最大優點是，無論白天還是晚上，無論是林蔭大道還是光線急劇變化的隧道出口，都可以完全消除光線的干擾。其次，激光雷達可以很容易地獲得深度信息，這對攝像系統來說是非常困難的。再次，激光雷達的有效距離遠高于攝像頭，進一步的有效距離等于增加了安全冗余。最后，在進行深度學習目標識別時，激光雷達的3D云點和相機的2D圖像容易出現透視失真。簡單地說，透視變形是指一個物體及其周圍區域與標準鏡頭中看到的完全不同，并且由于遠近特征的相對比例的變化而彎曲或變形。這是透鏡的固有特性（凸透鏡聚光，凹透鏡發散），因此無法消除，只能改進。這個問題在3D中不存在，因此用于3D圖像深度學習的神經網絡可以更簡單。此外，激光雷達還可以識別顏色和車道線。無人車領域目標圖像的識別不僅僅是識別，還包括分割和跟蹤。分割是用一個對象框住目標。對于2D圖像，只能使用2D幀來分割目標，而激光雷達圖像可以是3D幀，這更安全。跟蹤是預測車輛或行人可能的軌跡。

顯然，3D分割幀比2D分割幀更有價值，這也是Waymo和百度都使用激光雷達識別車輛的原因之一。DPM早期被用于目標檢測和識別領域。關于無人車的定位有兩種，一種稱為絕對定位，它直接給出無人車與地球或WGS84坐標系的相對坐標，即坐標（B，L，H），其中B是緯度，L是經度，H是地球與WGS-84橢球體的高度。WGS-84坐標系是由美國國防部開發和確定的大地坐標系，是一個商定的陸地坐標系。WGS-84坐標系定義為：原點為地球質心，空間直角坐標系的Z軸指向BIH（1984.0）定義的極點（CTP）的方向，即常規國際原點的CIO，由IAU和IUGG共同推薦。x軸指向由BIH定義的零子午線平面與CTP赤道的交點，y軸與z軸和x軸形成右手坐標系。WGS-84橢球體采用國際大地測量與地球物理聯合會第十七屆大會測量常數推薦值，并采用兩個常用的基本幾何參數：主半軸A=6378137m；

展平比f=1:298.19989.999999999895坐標系非常復雜，GPS測量結果與中國54系列或80系列坐標的差異在幾十米到100多米之間，而且不同地區的差異也不同。據粗略統計，西部與東北部的差距約為70米，140米，南部75米，在中間45米。在中國，為了安全起見，當地圖發布時，國家對坐標84進行了非線性偏移，得到的坐標稱為GCJ02坐標系。國內許多地圖公司，可能是由于業務需求或商業競爭的某些原因，在GCJ02坐標的基礎上又進行了一次非線性偏置，并建立了自己的坐標系。百度就是這樣一家公司。在GCJ02的基礎上，百度進行了BD-09二次非線性偏置，得到了自己的百度坐標系。傳統的GPS定位精度只有3-7米，中國城市主干道的單車道寬度一般為3.75米，這意味著GPS無法實現車道線定位。在城市道路或峽谷中，精度將進一步降低。即使在美國和北約國家，民用系統也不可能使用GPS進行亞米定位。GPS衛星廣播的信號包括載波、測距碼和數據碼三個信號分量。測距碼分為P碼（精細碼）和C/A碼。通常，C/A代碼稱為民代碼，P代碼稱為軍代碼。P碼將被細分為普通碼和W碼，完全不可能破解。后來，在新一代GPS上，美國提出了一種特殊的M（軍用）碼，其細節仍然高度保密，只知道速度為5.115MHz，碼長未知。目前北斗的定位精度不如全球定位系統。無人車車道線級別的絕對定位是一個難題，無人車需要更精確的厘米級定位。為了解決這個問題，日本開發了準天頂衛星系統（QZSS），該系統于2010年發射了一顆衛星，并于2017年又發射了三顆衛星，形成了三顆人造衛星的衛星增強系統，通過時間轉移完成全球定位系統的區域功能。它將于今年4月1日正式商業化。通過GPS系統，QZSS可以實現6厘米的定位。QZSS系統中L5信號的頻點也為1176.45MHz，在該頻點采用的碼率與GPS相同，均為10.23MHz。這意味著芯片制造商只需改變軟件處理即可實現與Galileo和QZSS的兼容性，而無需改變支持GPS系統的原芯片上的硬件，這相當于在軟件實現中搜索更多的導航衛星。這幾乎不會增加成本，而且北斗系統需要更換硬件，這非常麻煩。由于日本國土面積小，四顆衛星就足夠了。如果使用中國或美國，可能需要35-40顆衛星。國內大多數制造商使用GPS RTK進行絕對定位，但RTK的缺點也很明顯。RTK在確定整周模糊度方面的可靠性為95~99%，在穩定性方面不如全站儀，因為RTK容易受到衛星條件、天氣條件和數據鏈路傳輸條件的影響。首先，每天（在中國通常是下午）中、低緯度地區總有兩個GPS盲點，每次持續20~30分鐘。衛星幾何結構在盲點處的強度較低，因此RTK測量很難得到固定的解。其次，在白天的中午，由于電離層干擾，共享衛星的數量較少，因此初始化甚至初始化需要很長時間，無法測量。根據實踐經驗，RTK測量每天12:00至13:00很難得到固定的解。第三，依靠GPS信號，它不能在隧道和高層地區使用。阿波羅的先進定位技術無人車方案不能完全基于RTK。百度Apollo系統采用激光雷達、RTK和IMU融合的方案，多個傳感器的融合和誤差狀態卡爾曼濾波器使定位精度達到5-10厘米，具有高可靠性和魯棒性，達到世界頂級水平。城市地區的最高允許速度超過每小時60公里。

ta“src=”/eimg/jndp/ig/20230304013732503791/1.jpg“/>

上圖為百度Apollo自動駕駛傳感器、計算單元和控制前的連接圖。該計算系統使用省Neousys Nuvo-6108GC工業計算機，該計算機使用英特爾雙核E5-2658 V3 12核CPU。它主要用于處理激光雷達云點和圖像數據。在GPS定位和慣性測量單元方面，IMU為NovAtel IMU-IGM-A1，GPS接收器為NovAtelProPak6。激光雷達采用Velodyne HDL-64S3，通過以太網與工業計算機相連。水平視場為360，垂直視場為26.9，水平角分辨率為0.08，距離精度小于2厘米。它可以探測1.2億輛汽車或樹木。視覺系統使用Leopard Imaging Li USB 30-Ar023 ZWDR，帶3.0外殼，通過USB連接到工業計算機。使用Anson的200萬像素1080p傳感器AR0230AT和AP0202 ISP。視場寬度為58度，有效距離約為60-70米。毫米波雷達采用大陸ARS408-21，與CAN卡相連。CAN卡為德國ESD CAN PCIe/402-B4。

上圖顯示了百度無人車定位模塊的框架，該模塊結合了IMU、GNSS和激光雷達等傳感器（紫色）和預先制作的定位圖（黃色）。最頂層是SINS系統，即捷聯慣性導航系統。捷聯慣性導航系統是在平臺慣性導航系統的基礎上發展起來的。它是一個無框架系統，由三個速率陀螺儀、三個線性加速度計和一個處理器組成。SINS對IMU測量的加速度和角速度進行積分，得到位置、速度和姿態，作為卡爾曼濾波器傳播階段的預測模型。因此，卡爾曼濾波器將校正IMU的加速度和角速度，并且位置、速度和姿態等誤差也將反饋給SINS。RTK定位和激光雷達點云定位的結果被用作卡爾曼濾波器的測量更新。

上圖為百度的激光雷達點云定位圖。首先，要提前制作無人車行駛區域的激光雷達點云定位圖，包括激光雷達的強度成像圖和高度分布圖。該地圖通常由地圖制造商使用測繪級激光雷達完成。目前，世界上絕大多數制造商，包括Waymo、Ford、GM等。B是激光雷達反射強度的成像圖，C是高度分布圖。這張地圖的面積為3.3*3.1平方公里。激光點云定位算法描述如下：

從表面上看，高精度定位非常復雜。在實際計算中，消耗的計算資源并不多，基于激光雷達的計算量遠低于基于圖像的計算量。未來，該系統也可以用傳統的汽車SoC來完成，如瑞薩的R-Car H3、恩智浦的I.MX8或S32A258C。預計成本將大大降低。64線激光雷達也有望在未來被閃光固態激光雷達所取代，從而大大降低成本。百度無人車定位團隊的一篇學術論文《基于多傳感器融合的多樣化城市場景下穩健精確的車輛定位》已被頂級機器人大會ICRA 2018聘用，初稿可從arXiv下載。Apollo的感知技術Apollo中的感知模塊具有以下功能：檢測目標（是否有障礙物）、對目標進行分類（障礙物是什么）、語義分割（對整個幀中的障礙物進行分類和渲染）以及目標跟蹤（障礙物跟蹤）。

Apollo 2.0系統利用多傳感器融合做環境感知，攝像頭負責紅綠燈的檢測，毫米波雷達最大的作用是提供目標的移動速度，目標識別主要由激光雷達完成。2016年10月，百度和清華聯合發表了一篇題為《自動駕駛多視圖三維物體檢測網絡》的論文，位于https://arxiv.org/pdf/1611.07759.pdf.本文使用激光雷達和相機的融合來……

確定目標。然而，在百度2017年5月發表的一篇論文《使用生產網絡的3D激光雷達車輛檢測》中，https://arxiv.org/pdf/1608.07916.pdf，放棄了與攝像頭的集成。2017年10月，增加了毫米波雷達融合。2017年11月，蘋果公司發表了一篇論文《體素網：僅使用激光雷達識別目標的基于點云的三維物體檢測的端到端學習》，并將其與百度和清華多視圖自動駕駛三維物體檢測網絡進行了比較，表明單用激光雷達的效果更好。原因是激光雷達的數據處理速度比相機快，時間同步非常困難，兩者的坐標需要統一；其次，相機對光線太敏感，可靠性低，尤其是在長距離拍攝時。在Apollo 2.0中，百度使用了激光雷達和毫米波雷達的融合方案。

激光雷達物體識別的最大優點是，無論白天還是晚上，無論是林蔭大道還是光線急劇變化的隧道出口，都可以完全消除光線的干擾。其次，激光雷達可以很容易地獲得深度信息，這對攝像系統來說是非常困難的。再次，激光雷達的有效距離遠高于攝像頭，進一步的有效距離等于增加了安全冗余。最后，在進行深度學習目標識別時，激光雷達的3D云點和相機的2D圖像容易出現透視失真。簡單地說，透視變形是指一個物體及其周圍區域與標準鏡頭中看到的完全不同，并且由于遠近特征的相對比例的變化而彎曲或變形。這是透鏡的固有特性（凸透鏡聚光，凹透鏡發散），因此無法消除，只能改進。這個問題在3D中不存在，因此用于3D圖像深度學習的神經網絡可以更簡單。此外，激光雷達還可以識別顏色和車道線。無人車領域目標圖像的識別不僅僅是識別，還包括分割和跟蹤。分割是用一個對象框住目標。對于2D圖像，只能使用2D幀來分割目標，而激光雷達圖像可以是3D幀，這更安全。跟蹤是預測車輛或行人可能的軌跡。

顯然，3D分割幀比2D分割幀更有價值，這也是Waymo和百度都使用激光雷達識別車輛的原因之一。DPM早期被用于目標檢測和識別領域。

標簽：發現現代

汽車資訊熱門資訊