Content
[TOC]
定位技术简介
定位+高精度地图:提供当前位置的静态环境感知( 车道线/交通指示牌/红绿灯/柱子/建筑物/等)
定位+动态物体感知:将感知到的动态物体正确放入静态环境
定位获取位置姿态:用于路径规划/决策
定位技术分类
- 场景：室内（房间，车库，仓库等）室外（）
- 基于感知模式
- outside-in: 接收的外界信号包含位置相关信息/ GNSS UWB WIFI Lidar Hdmap Camera-marker(室外街景门牌室内 maker)磁条加marker(规划都做了)扫地机本身贴marker加顶部相机 / (适合测量方程)
- inside-out：通过自身观察和感受获取位置信息 / IMU magnetometer SLAM VR中的墙面贴marker建图 / (适合状态方程)
- 基于计算方法
- 基于信号的定位: GNSS UWB WIFI/几何关系
- 环境特征匹配: Lidar-HDmap Camera-marker Radar / 需要建图，观测特征与数据库的特征匹配得到当前位姿态
- 航迹推算:IMUodometry(轮子里程计/视觉里程计SLAM)/根据之前的位姿推断当前的位姿
定位系统的融合
- 原理：不同源传感器信息通过滤波器(KF, EKF, UKF, PF等)进行融合
- 典型融合方式：
- IMU + GNSS :高频率累积误差+低频率高精度 无人机/无人车/导弹/室外
- GNSS + Lidar-HDMAP/Camera-marker：适合开放环境+适合密集特征环境 无人车/室内外
- VIO(SLAM+IMU+GNSS) 无人机/无人车/室内外
- IMU + magnetometer 矫正角度（互补滤波/MadgwickAHRS） 无人机/无人车/室内外
单个定位技术
GNSS
IMU
Lidar / Camera
SLAM
定位融合技术
定位系统的融合
- 原理：不同源传感器信息通过滤波器(KF, EKF, UKF, PF等)进行融合
- 典型融合方式：
- IMU + GNSS :高频率累积误差+低频率高精度 无人机/无人车/导弹/室外
- GNSS + Lidar-HDMAP/Camera-marker：适合开放环境+适合密集特征环境 无人车/室内外
- VIO(SLAM+IMU+GNSS) 无人机/无人车/室内外
- IMU + magnetometer 矫正角度（互补滤波/MadgwickAHRS） 无人机/无人车/室内外
Histogram Filter
Apollo定位方案
