【太平洋汽車網(wǎng)】該自動駕駛定位方法包括根據(jù)需求分別自動切換以下三種自動駕駛的定位技術(shù)：在感應(yīng)到基站的情況下，采用衛(wèi)星定位和捷聯(lián)慣導(dǎo)組合的定位技術(shù)；在未感應(yīng)到基站的情況下，采用激光雷達(dá)點云和高精度地圖匹配的定位技術(shù)；在隧道或夜間外界環(huán)境光線穩(wěn)定的情況下，采用視覺里程算法的定位技術(shù)。

　　目前使用最廣泛的自動駕駛定位方法包括融合全球定位系統(tǒng)（GNSS，Global Navigation Satellite System）和慣性導(dǎo)航系統(tǒng)（INS，Inertial Navigation System）。其中，GNSS的定位精度由器件成本決定，一般在幾十米到幾厘米級別之間，精度越高，成本也越貴。融合GNSS和INS的定位方法能夠在一定程度上解決GNSS在環(huán)境惡劣條件（高樓、樹木遮擋，大面積水域、隧道等）下定位精度偏差較大的影響，但對于城市這樣大范圍定位條件都不好的情況，單純的GNSS+INS的定位技術(shù)還是不夠滿足自動駕駛的需求。

　　地圖輔助類定位方法是另一種廣泛使用的自動駕駛定位技術(shù)，代表算法是同步定位與地圖構(gòu)建（SLAm，Simultaneous Localization And mapping）。SLAM的目標(biāo)是構(gòu)建地圖的同時使用該地圖進(jìn)行定位，SLAM通過傳感器（攝像頭、Lidar等）觀測到的環(huán)境特征，確定當(dāng)前車輛的位置以及當(dāng)前觀測目標(biāo)的位置，這是一個利用以往的先驗概率分布和當(dāng)前的觀測值來估計當(dāng)前位置的過程，這一過程通常使用的方法有：貝葉斯濾波器（Bayesian Filter）、卡爾曼濾波器（Kalman Filter）、擴(kuò)展卡爾曼濾波器（Extend Kalman Filter）、粒子濾波器（Partical Filter）等，這些都是基于概率和統(tǒng)計原理的定位技術(shù)。

　　SLAM是機(jī)器人定位領(lǐng)域的研究熱點，在特定場景下的低速自動駕駛定位的應(yīng)用過程中也有較多現(xiàn)實的實例，如園區(qū)無人擺渡車、無人清潔掃地車、掃地機(jī)器人等，都廣泛采用了SLAM技術(shù)。實際上，在此類特殊場景中，用戶并不是在定位的同時實時建圖，而是事先使用傳感器（如激光雷達(dá)、攝像頭等）對車輛運行環(huán)境區(qū)進(jìn)行SLAM地圖的構(gòu)建，然后在建好的地圖SLAM地圖的基礎(chǔ)上實現(xiàn)定位、路徑規(guī)劃等其他進(jìn)一步的操作。

（圖/文/攝：太平洋汽車網(wǎng) 問答叫獸）