大家好，我是美行科技的胡晨曦，很荣幸跟大家分享一下关于自动驾驶定位的相关观点。

首先简单介绍一下美行科技，美行科技成立于2008年，研发总部在沈阳，同时在深圳佛山、上海、北京、广州有公司，公司的主营业务车联网服务、车载网联导航等。网联导航领域，是国内最大的独立车的导航软件提供商，在前端导航软件市场占有率高达43%。

今天跟大家分享的题目是“定位技术是自动驾驶的关键核心”，这个题目有三个关键要素，对自动驾驶技术框架进行分析，分为感知层、决策层、控制层，感知层是由电子地图和传感器信息组成，电子地图包含传统的导航、导航电子地图数据和高精度电子地图数据。决策层通过传感器的数据和传感器信息，对车辆进行定位，对路径进行规划，环境进行理解，对车的行为进行预测。针对车的行动进行规划，从而代替驾驶员通过控制层的电子驱动，对车辆进行控制，从而逐步实现自动驾驶。

精准的定位是自动驾驶的基础也是核心，缺少精准的定位，自动驾驶可能会出现失误。从定位的技术发展来看，分为三代，第一是GNSS定位，基于卫星定位技术，提供10米精度的定位能力；第二惯导定位，目前前装导航采用惯导定位的技术；第三高精度定位，基于视觉传感器，毫米波雷达，激光雷达等等，提供亚米级到厘米级定位能力。�

从上面分析可以看出自动驾驶需要第三代高精度定位，为什么第三代高精度定位仍然需要惯导定位呢？关于这个问题我从美行科技在第三代高精度定位的应用实践以及高精度定位关键场景谈谈我的观点，基于视觉传感器、车道定位，毫米波雷达、激光雷达、高精度数据定位，从运动惯性扩展开来，考虑用户行为惯性的预测定位图侧实现，另外和大家分享一下惯导在AR导航中的价值。�

美行的车道定位识别，上方是车身，拍摄车前方的实际路况，下面是车在路上的实际定位表现，从视频中可以看出美行的定位能将车定位到车道上，并且能识别连续变道等等。这是通过大量路测，目前在车道定位精度和车道变道识别，目前能达到95%，这项技术已经处于量产级别，预计在今年9月份投入市场。�

车道级定位和传统定位主要区别在于道路的横向精度，传统导航在道路的横向精度上基本上没有的，车道级定位是在道路方向上，从线扩展到面。如图是美行车道级定位的技术框架，左侧是惯导定位的技术实现，惯导的匹配结果，中间是车道识别，有车载摄像头，车载摄像头输出相对信息，如车前方的车道数，车的颜色，相对横向距离，车间纵向距离，用相对信息是无法定位的，必须得结合惯导输出的位置，利用车道定位识别出车辆位置，车道变化等等，来实现车道的定位。�

从上述分析可以看出车道定位站在惯导定位肩膀上更进一步的应用和实践。提供决策位置为什么需要惯导提供？因为能为车道定位提供全天候无差别的基础位置，另外在摄像头实效为车道定位提供变道识别能力。为什么惯导实现全天候无差别变道能力，隧道、高速桥、地下停车场这样的场景，由于被遮挡，无信号，会发出信号漂移，甚至收不到任何信号。这些场景是惯导擅长的场景。

以地下停车场惯导为例，信号完全被遮挡，在地下停车场是完全的惯导场景，实现原理很简单，就是匀速直线运动。我们把车运动在足够的时间内，可以看作是匀速直线运动。按照时间，就可以推出惯导，理论是很简单的，但是现实世界不是纯理论，绝大部分数据都会有误差，车的脉冲和车速大小和车速方向组成的，车速大小是由车速脉冲算出来的，车轮大小的变化对车的脉冲，计算车的大小也会有影响，在现实世界中，车的轮胎大小变化，会很常遇到，轮胎磨损，胎压变化等等。

在车辆行驶过程中，需要对车辆脉冲系数不断进行校准，让脉冲系数误差变小，车的方向进行积分，角速度是波动的情况，车辆静止不动的时候应该是一条水平直线，我们采集的车辆在静止五分钟左右，这是波动情况，在不断的波动。车辆运行过程中，首先要消除波动误差，并且对投影仪的系数不断进行校准，而且需要在合适的时间对车辆方向，消除测算方向的误差。

美行科技在消除误差方面有比较多的经验，目前在完全惯导的情况下，车辆自由行驶40多分钟，误差仍然是很小的。如图是美行在地下停车场的轨迹回放，蓝色线是惯导的轨迹，在地下停车场进进出出两次，我们可以看到轨迹，吻合度是比较好的，并且能够在出停车场的时候仍然比较正确的定位在出停车场的道路上。地下停车场因为是收不到GPS信号，是完全惯导，地下停车场的定位表现就是惯导精度的直观体现。

只有有足够精度的惯导前提下，才能为车道导航以及自动驾驶其他的定位提供比较准确的基础位置。我们再看一下惯导的高架上下坡定位，3D加速传感器原因利用3D加速传感器转化为车身，找出吻合的道路，误差来源于牛顿第二定律测算会有误差，需要时间累积，一般的车辆角度会有滞后。存储会有误差，所以需要对哪个角度不断进行前后移动，来消除误差。

我们再看高度传感器，原因是基于基准点，用高速传感器测量出相对高度，来进行匹配，找出相对高度，就是最吻合的，从而实现坡度定位。误差来源利用测量车身，测量的数据会有滞后。利用ADAS系统计算道路相对高度会有误差，需要不断进行前后比对，找出相对高度最吻合的消除误差。

上海是国内最复杂的地方，我们在上海进行了测试，高架定位识别率高达95%，这项技术在去年已经投入市场了。如果说采取积压测试定位，在上述场景是不能满足需求的。我们再看看摄像头失效的场景，比如车被前车遮挡，有雾天，雨天，光线明暗变化。�

我们先看看路口场景，描述的是车道数据在路口，选取了右侧路口连接方式，在最右侧只跟最右侧的车道相连和相对的车道相连，和执行的换车道，是没有连接关系的。在路口行驶，会有三种方式，向右行驶，直行不换道，然后直行换道，在地面上没有车辆信息，如果说利用车道的摄像头和车道数据，在路口失效，这个时候可以利用惯导，足够能识别出来向右行驶还是直行不换道还是直行换道。�

我们看车道被前车遮挡的场景，会继续跟在前车的后面或者换道或者变道，具体分析第一个一直跟在车道后面，第二个换一个车道，第三个换两个车道甚至三个车道，第四个要换过去，旁边有车换不过去，又回来了，第五个换了车道，并且对前面的车进行超车。那么对于前车遮挡的时候，摄像头所拍摄的车辆信息有可能无效，对这种情况，在比较短的时间内，惯导比较精准能识别出来换道情况。把惯导的位置通过建立坐标系，推断出换不换道，换哪个车道，从而解决车道定位被前车遮挡的时候。

前面是惯导在车道级的价值，再看看地标定位，通过摄像头、激光雷达、毫米雷达等等，以高精度地图数据存储的地标进行匹配，从而实现地标定位。与车道极定位一样，惯导需要提供基础配置，同时也需要在地标定位失效时，能为地标定位提供定位能力。另外地标定位和惯导能起到相互校准的作用。前面分析可以看出惯导位置基于时间的基准，时间越长，误差越来越大，一般校准方法采集比较准确的GPS信息，或者采集跟惯导轨迹比较相似的路进行校准，采集比较准确的GPS信息或者与惯导轨迹比较相似的路，能准确的提供车辆的位置。

前面看到惯导的运动关系，除了运动关系，我们利用了用户的行为关系来提高定位能力，什么意思？相当于图1如果是一个用户，经常路过的路口，有道路A和道路B，在路口附近，定位模块不能很快区分出来车辆定位在A还是B上，用户实际走的是B，但是定位模块在附近的时候可能会匹配在路A上，行驶一小段时间之后会到路B上，会有少时间的跳跃，用户体验不好，我们可以获取用户的轨迹，从而很清楚的知道在这个路口，这个用户是从路B上行驶的。针对这个用户进行预测定位图纸，当用户再次走到这儿的时候，车辆在附近会定位在路B上，提高用户体验。�

另外，AR导航是ADAS时代重要应用场景，首先看看AR导航本身的价值，车主开车的时候会有一个痛点，如果想察看地图信息的时候不得不将视线从路面移开，AR导航的优势是仍然能看到车前方的路面信息，避免视线的割裂。增强现实的方式，呈现在路面上，减少图像的成本，数据传递更加高校，从功能来看，AR导航能为用户提供丰富的车道引导信息，能将ADAS预警信息与图像结合起来，能提高车辆行驶安全性。在未来，也可以通过后市场运营的方式，将信息推荐给用户，如果说在车前方，根据用户之前的习惯，那个地方有一个用户经常去的品牌店，将这些信息直接在AR导航上推送给用户。

后面看看惯导在AR导航上的价值，如图是美行AR导航的试点，我们想看到这是车道保持功能，这是车道换线功能，用到车道的定位能力。这是高速上提醒用户下高速，这是利用惯导和车道定位，为用户提供车道偏离预警。这是车辆碰撞预警，惯导在AR导航的价值为AR导航更加稳定，左边的图没有使用惯导定位，所以引导的画面会左右晃动，右侧的图是使用了惯导，画面更好，惯导在我们前面的介绍，位置精准，在一定的时间内，惯导位置误差和角度误差非常小，所以能为AR导航提供稳定的基础位置，AR导航使用惯导，能引导信息和画面贴合更好，避免画面的晃动。

惯导和车道级定位，能让AR导航的表现效果更好，左侧是没有使用车道级惯导定位，右侧是使用惯导和车道级定位，能提示更加真实。在AR导航中使用惯导和车道级定位，能够让引导提示与实际更加吻合，避免出现问题。

总结来说，惯导定位是自动驾驶的核心之一，我们也认为多元融合定位技术是定位技术的未来，美行作为车载行业成员之一，作为定位行业之一，以更开放的心态与各位进行合作，共同推动定位技术的进步，愿意与大家有更多的交流和观点碰撞，谢谢大家。