自动驾驶中的协同精密定位技术及终端

2018年11月9日，由科技部高新技术发展及产业化司、科技部高技术研究发展中心指导，中国智能交通协会主办的2018’第十三届中国智能交通年会“高清地图与定位导航”论坛上，武汉大学章红平教授发表《自动驾驶中的协同精密定位技术及终端》的主旨演讲，本文为演讲速记整理，未经本人审核。

章红平：我今天介绍一下自动驾驶中协同精密定位部分，从位置角度以及定位角度看自动驾驶的需求和情况。报告分为三部分，第一部分是协同精密定位强调的定位技术体系。第二部分是自动驾驶的定位需求，第三部分是在满足定位需求下所做的探索。

首先说一下协同精密定位技术，这是“十三五”科技部重点支持研发的项目，我们国家在“十三五”时期就开始研究综合PNT，而且综合PNT是以北斗卫星为前提的PNT，北斗可以导航、定位，也可以做通信。符合了这个时代的要求尤其是自动驾驶的需求。但北斗也有无法满足的需求，尤其是高精度需求，所以国家在研究综合PNT体系的建立。

在日常生活中，手机里都有位置服务，可以监控小孩的轨迹、上传历史轨迹位置、对车辆的监控等，都是基于北斗的位置服务。

常规的北斗级别的定位一般是5米、10米，到“十三五”期间就出现了精密定位，精密定位最典型的是全新定位服务，总体来说是分为毫米、厘米、微米和纳米，很多车厂都在用厘米服务。

精密服务能不能满足自动驾驶的需求呢？回答肯定是无法满足。因此在“十三五”期间提出了协同精密定位，简单的说，第一个就是千级的精准站满足厘米级定位需求，比如说5G LTE可以满足局部区域或封闭空间的米级到厘米级的服务。

我这里强调的是室内室外无缝的协同，包括终端设备、传感器网络、北斗导航的定位服务体系。所以讲综合PNT体系，就是传感器网络和北斗进行有效的融合，试图将传感器形成一个综合平台来做应用和开发。

协同精密技术可以简单分为四类，第一类是多元协同，比如说常规用的无线、北斗、自动驾驶的自动泊车、UWB都是多元协同，所以第一个协同就是多元。

第二类协同是站网协同，现在华为在做站网系统，包括国家推动的地基增强技术，也是这种站网协同技术，十类定位结合起来提供服务就是站网协同，这两个协同强调的是设备上的。

我们有终端上的各种传感器，同时强调云端协同，这些数据全部应用到平台上，帮助终端实现众包定位和地图定位，这是第三个协同。

第四个协同是端端协同。

这四类协同最终要解决的就是几个问题，一精准，二快速，三是无所不在（除隧道等少数区域），追求三个目标：精准、快速和精密定位。

协同精密定位平台可以分成几层，第一是站网层的处理，第二是快速定位，第三个是平台上多元定位的元的数据。它的应用场景包括智能交通体系的精准云、互联网服务、自动驾驶机器人等。刚才李总强调的是地图，这个强调的是定位，地图和定位结合起来基本上可以覆盖很多应用场景了。平台现在跟百度合作包括协同精准定位课题，因为百度的访问量达到了百亿次，我们可以把这些技术嫁接到百度的云服务平台上。这是和百度云端加多元加协同的方法，其实这就是通信手机上的多元协同，室内定位也往平台上集成。 第二是各种系统的北斗高精尖定位，实现支持北斗、GPS、格洛纳斯等四大系统的联合处理。第三个要实现跨域可靠的室外精密定位，因为互联网体系不可能按照分布式提高可靠性，还有用户弹性的服务体系。当然最终也实现了厘米、毫米、分米、量米的需求。

另外，做的还有多源定位数据协同处理、传感器的集成同时还有公众系统如图书馆、地下停车场的无线多源系统。

自动驾驶发挥的需求可以叫运作流程图，这个运作流程分为两部分，一部分是传感，如常规的传感器、北斗定位传感器、授时传感器。另一部分是决策，也可以理解为长期记忆和短期记忆。定位是短期，长期和短期结合起来给车辆提供准确的信息，包括速度、转弯控制、车道的控制等。

从框架体系可以看出来，传感的车厂理解的就是横向控制、自动控制、车身控制、动力控制。从车厂来讲，车厂在这几个控制往上叠加，如奇瑞汽车。车厂按照自动驾驶的理解做的第二部分事情，包括交通规则的植入、通行区域和判断动态的预测、以及整个动态规则的轨迹。道路的识别和地图有关，交通标志也和地图有关，时间同步强调基础设施的问题也有基本构成。地图也是一样的，还有地图的定位传感器、V2X，这都是社会基础设施的一部分。

刚才讲的是车的信息，如果把车厂忽略从自动驾驶本身看这个问题，也是从左到右分过去，但要强调AI，就是人工智能。有一个观点，即现在所谓的自动驾驶都是依靠有先行轨迹来做，同时加上传感器识别自动驾驶，也就是说它是有条件的，还没有做到自主。像机器人可以实现三级跳，其实不是人工智能，所以对AI的决策控制还处于一个模糊地带，对自动驾驶来说，这个AI部分的决策控制，实际上依赖于很多的数据。我们再来说车身，北斗基本上放在最顶层，60多位，为什么放在顶层？因为可以接收到北斗的信号。为什么放在底盘往上一点，涉及到整个姿态的建模，因为车身的稳定系统要进行很紧密的耦合。为什么雷达放在前面和后面，摄像头放在车耳朵上或车尾？整个车身传感器的集成后，从定位的角度来看，北斗加摄像头、激光可以做辅助定位，在数据平台里面集成起来，做自动驾驶的核心环境感知部件。

从产业链上来看，自动驾驶该担当什么样的角色。那实际上这是从车的角度来看，武汉做的控制模块或者是数据处理模块，叫指控系统，是把组合档、摄像头、激光融合在一起处理的部分。我们目前做的是组合档模块，也是自动驾驶环节里面的一个环节。大家很容易忽略自动驾驶的需求时间，但时间其实是自动驾驶非常关键的因素，关键在哪？里面有其他传感器、摄像头、激光雷达，这些点云只有在统一的坐标系下才可形成整体的决策，所以精密定位的需求时间不可或缺，也是众包系统的源头。

如果从传感器角度和车辆控制角度上看，自动驾驶需要自主决策，自主决策再细分控制单元，也就是说基本上在自动驾驶体系里面，智能决策的每一部分都会用到位置和定位，但是地图也是不可或缺的。在场景里面需要得到自己的位置，得到车身位置在哪个角度，或者是知道自己和障碍物的关系，所以场景本身需要很强的位置关系。智能副驾需要路径规划、需要路径的跟踪、以及自动泊车，这都需要位置精密的需求，目前的状态基本上都是围绕位置来展开工作。再精细化一点，是车道和高精准地图，最主要的航线锁定也需要速度和位置信息。另外，纵向控制也是一个重要的位置控制角度。最后，导航的需求也是一样，绕开障碍物也需要位置，包括车与车之间，刚才强调的众包技术也一样，也需要位置和传感器的结合才能实现众包需求，这里强调的是时间和位置的精度，都提到了新的需求。

 我们从2015年就开始做跟位置相关的一些产品，第一代产品是320系统，在自动化的基础上使用光纤，比较贵，可能几十万，现在一般原型车都不用。

第二代系统就是降成本，目前物流车和扫地车能承受的成本也就是二三块钱，降成本降到这程度，基本可以集成跟车，包括里程的扩展，如果还不够，就再往下降。

还有相关一些开发的软件和监控软件，包括基于数据分析做决策，实施了整个车辆状态的监控，这些在我们配套的硬件系统里都在用。我们做了一个分析统计，北斗能满足城市里百分之六七十高架桥、树林遮挡的需求，这是比较典型的一般场景，如果加了隧道和高架桥就了降很多。

我们当时在武汉做了一个实验，在车上绑一个摄像头沿着道路跑，利用特征点来辅助定位在北斗惯导的情况下只需110秒，如果用纯粹的视觉，可以实现2—3米。这是当时参加百度3.0计划的测试情况，众包地图对于位置要求肯定是厘米级，基本上实现0.2的定位精度，这是百度的情况，整个华为也都用过这一套系统，这是整个的使用情况，目前的产品线在执行。

最后就汇报到这里，谢谢大家！