梅景浩：高精度、安全、可靠——自動駕駛中的GNSS定位

u-blox資深市場經理 梅景浩

今天想和大家分享的是關於自動駕駛高精度定位，我在陳總後面講有點壓力，她講的把我要講的大部分內容都講掉了，所以我今天會講的稍微簡短一點。

首先看到在最近幾年，在汽車領域上有很多新應用出來，會對GNSS定位有一些新的挑戰。我們列出了常見的應用，比如說導航、E911，還有自動駕駛，這些GNSS的應用都對GNSS提出一些新的挑戰。第一個是對於位置有更新的要求，需要有一個更高精度的位置，而且需要在全覆蓋的場景下獲得位置信息。不管是城市峽谷還是隧道，還是地下停車庫，都希望能獲得位置信息。另外一點是, 自動駕駛和ADAS應用，對位置提出更高的要求，希望達到分米級的精度。

總結一下我們現在針對GNSS這方面的要求，主要是三個方面，第一個是能提供實時的快速更新的位置,另外一個能做到足夠至少能區別到車道級別,第三個是能提供時間基準，利用時間信息來做V2X應用。

舉幾個常見的例子。比如車載導航。首先我們從主機廠得到的消息是說，車載導航一定要達到車道級的定位，這樣匹配高精地圖的時候不會出現經常遇到的地圖會問「請問現在在主路還是輔路」，如果拿到車道級的定位就不再會有這樣的問題出現。另外導航里定位更新速度和定位更新時延是非常關鍵的，否則高速路上有可能出現一個情況就是錯過高速路出口，都開過了, 地圖告訴你請從出口駛出，這樣也很令人惱火。

另外一種場景是最近比較火的應用V2X, 預計會在中國最先落地.對定位的要求要有時間的基準: 車和車的通訊，需要雙方進行同步，同一個頻道上進行通訊，有一個時間基準，這個是GNSS可以提供的。另外需要全場景覆蓋情況下，提供車道級的位置更新，也要求實時性和低延時。我們也通過很多渠道了解到SAE的V2X定位精度, 1.5m CEP68的要求，在應用的時候，給出的位置信息不是很准，這樣很容易造成用戶體驗不是很好，也有些車廠做過測試，一般要到亞米級、分米級的精度，V2X才能有比較好的用戶體驗。

更進一步是ADAS應用，需要車道的識別，同樣需要很高的GNSS位置可獲得性，同時也要有非常高的位置更新速度和低延時，還需要和高精度地圖做匹配。

為什麼我們說高精度、低延時是一個很關鍵的點呢？這裡有一個應用場景可以討論一下，這上面有一個藍色的車要進行變道，會看旁邊的車道上是不是有車，這時候旁邊車道的車會計算自己的位置，並廣播出去。在t0時刻，這個車的位置開始進行計算，如果花10ms進行計算，把位置廣播出去，距離並不是很遠，這個位置具有參考意義，這時候雙方可以比較安全的進行操作。如果位置更新的速度在100毫秒，這還是比較優化的情況，現在很多時候做GNSS計算，用非實時系統在做，更新頻率不但慢，而且是不可控的，有可能會有抖動。這樣的場景下，有可能車開出去蠻遠，藍色車得到的主車道位置，根本就不準了，有可能這時候做了變道的決策，會發現兩輛車容易出現事故，這樣對用戶的體驗來說是非常糟的。所以我們認為在這樣的自動駕駛場景下，低延時，高頻率是非常重要的。

這張圖列了傳統的SAE自動駕駛的級別，以及對應自動駕駛級別所需要的定位.最常見的就是導航，常規的定位精度就夠了。如果自動駕駛的級別到L2.5、L3需要比較高的精度，精度高到什麼程度？至少要獲得車道的信息，分米級定位。我們也考慮過是不是需要厘米級定位，後來的結論是說厘米級的定位不適用，因為GNSS是為了獲得位置信息，厘米級可能在很特別的場景下做參考。路面上的物體變化是非常快的，避障操作不應該由GNSS和地圖決定，而是應該由毫米波雷達和激光雷達決定。到L3或者以上，功能安全會變成一個重要的話題，這時候除了提供高精度的位置信息以外，還需要提供安全可靠的位置。

我們來說自動駕駛會有什麼樣的情況發生. 這是一個有點挑戰的自動駕駛場景，車的尾氣很多，不管是雷達還是攝像頭，都很難找到一個準確的位置，因為沒有路標做匹配，這時候我們就靠GNSS。但是我覺得這還不是非常有挑戰，因為有一次我遇到一個場景，也是塞車，慢慢往前挪，那時候完全看不到兩邊有任何東西，只看到集裝箱，這種場景下根本不知道自己在哪，只能靠GNSS。

還有一個場景是這樣的，是一個停車庫，這也是我們經常遇到的場景。昨天吃飯的時候也遇到類似的場景，到地下停車庫把車停好，電梯在旁邊,我們上去吃飯，吃完飯回來下到電梯應該能看到車的，結果車不見了, 旁邊防火門也是那個防火門，後來我們琢磨了半天，轉了一圈發現我們是不是下錯樓層了，又下了一層，發現終於找到我們的車了。這種場景不管是GNSS還是雷達，都很難辨識，因為每一層場景非常接近，沒什麼區別，這時候應該用IMU做3D的慣導。

這是另外一個場景。歐洲的城市，規劃地非常規整，同時街道又非常窄，不管是雷達還是GNSS，都會受到蠻多的影響。這時候怎麼辦？我們要通過GNSS，加上IMU，加上地圖匹配做粗略的定位，通過毫米波雷達或者激光雷達獲得在街道上的車道信息，這樣與感測器的融合就會出現。

總結一下，沒有一種感測器能夠在任何時間、任何地點都能獲得一個準確的位置信息，我們必須依賴於高精度GNSS、激光雷達、攝像頭、雷達和地圖進行匹配，進行融合，從而獲得可靠的有效的位置信息。

GNSS能提供什麼東西？更多提供是車道級的，高可靠性的、高完整性的位置信息，GNSS有一個獨特的特點，提供的位置信息是絕對位置，不是提供相對的位置，提供絕對的UTC，也能提供絕對的車速以及絕對的航向信息。好處是，可以在任何的前提條件下，不管下雨下雪還是有霧都可以提供信息. 同樣可以降低地圖成本，這時候地圖有位置信息作為參考，可以降低地圖匹配需要的算力，可以在更小的範圍內進行地圖的匹配。同時可以作為其他的感測器很好的支撐, 共同協作，達到功能安全。

提到功能安全, 我們要引入一個新的概念protection level，是一個針對測量結果的完好性標識。意思是說在GNSS上報位置的時候會存在一些誤差，在非常大的概率下，誤差在範圍之內。這張圖上可以看到紅色的叉號是上報的位置信息，這裡是車的真實位置. 很高的概率讓車真實的位置在藍色圓圈覆蓋之內，這時候進行下一步的融合演算法，進行安全相關的計算操作時，都會比較可靠。

這裡強調一點，完好性和功能安全是有一點點區別的，完好性更多是針對車本身的硬體和軟體，保證不會失效，或者保證失效的時候會上報結果。完整性更多是關注整個GNSS系統，包括衛星、校正服務、車，在一起, 怎麼樣能在一個信號可能會受到干擾的情況下，上報一個可靠的、完好的位置信息。有可能這個位置信息並不是準確的，有可能這個位置信息不準; 或者我覺得我的信號受到了干擾，受到了欺騙，所以請不要用它，這都是有可能的。至少會給出一個度量，這樣可以針對後面的演算法，可以針對度量結果進行進一步的操作。

剛才提到過這樣的場景下，可能環境會造成一些干擾，安全會變成很重要的話題，我們分析了一下在GNSS計算過程中會有哪些東西帶來安全性的隱患。從衛星過來的信號有可能受到一些干擾，甚至會有人故意播放假的衛星信號，如果沒有識別出來，就會上報錯誤的位置信息。同時對GNSS信號本身，GNSS的接收機有可能被篡改，也可能會上報錯誤的位置信息。同樣的，GNSS和主GPU之間的通訊鏈路有可能被篡改，加密的鏈路有可能受到人攻擊。矯正服務可能會在雲端或者通過鏈路時被篡改，這樣位置信息同樣是錯的。在普通導航里沒問題，但是如果是純粹的自動駕駛，這些都是非常嚴重的安全隱患，現實生活中也會有一些安全團隊對這些東西進行驗證，的確發現了在有些准自動駕駛系統里，存在這樣的安全問題. 我們系統需要進行處理，盡量減少安全隱患，或者發現這樣的問題以後，能儘快上報。

接下來談談u-blox在這方面做了哪些工作，提供哪些解決方案來解決這些問題。最基礎的方案是對亞米級的訴求。這個時候有兩種方案，一種方案是單頻的L1接收機，配上地基或者星基播發的校正服務。我們感覺到特點是接收機成本比較低，天線成本比較低，但是服務費偏貴。另外一種方案利用現在衛星信號的雙頻，不同的頻段上進行接收。利用雙頻技術，可以做到1.5米以內，硬體成本會提升，但是沒有服務費用, 相對單頻的方案還是更優惠一些，更實在一些。

這是能達到分米級或者厘米級的系統. 衛星信號數據會受到一些干擾，會有一些誤差，校正服務的基準站利用本地的位置信息，以及衛星鏈路發來的信號做一個對比，估計衛星信號在當前環境所受的影響以及誤差。誤差可以通過internet或者星基服務發送到接收機，接收機藉助校準數據對衛星進行校準，從而達到分米極、厘米級的高精度。我們和博世的觀點一致，我們認為對汽車這個領域，我們並不需要厘米級的定位，需要分米級的定位，星基播發的服務是更合適的。

剛剛提到過我們可以提供亞米級和分米級、厘米級的定位，但是GNSS信號在城市中是容易受到干擾的，這種干擾會有折射反射，會導致GNSS信號的覆蓋度不是很好，定位精度沒有辦法始終保持在厘米級、分米級。這時候一定要加入慣導，利用IMU以及相關信息，再加上u-blox獨有的汽車動態模型和高精度演算法，融合起來得到分米級的精度。

總結一下，u-blox產品利用了雙頻,服務以及慣導來實現分米級的定位，能做到在一個模塊上集成所有的演算法，基本上即插即用。相比較其他的很多方案來說，優勢在於性能更好，能做到高達105度的操作溫度，更容易達到低延時，而其它方案實時性是很難做到的。

接下來給大家看一下我們自己的測試結果，這些測試結果都使用了RTK服務，都是基於慣導。可以看到，第一個測試場景是從巴黎到日內瓦高速公路上，照片上可以看到場景比較開闊，有一點遮擋，能做到7公分的定位精度.

這是歐洲典型的城市化做的測試。城市環境算是比較典型，不算非常有挑戰性。日常城市大概就是這個樣子，樓不是是很高，但是樓間距比較小，只有60度的角度可以看到天空。這種場景下可以做到0.43米的定位精度，這樣的話結合其他的感測器是可以做到更好的自動駕駛。

再看一個有挑戰性的服務場景，這是在首爾的江南區，在這裡有一個紅色的點，代表在一個地下車庫，完全沒有GNSS信息的場景下做的。GNSS定位精度可以做到69厘米，少於70厘米。

我們做一個總結，可以看到這圖上面，灰色的部分是CEP68的精度，這是日常使用的定位導航精度。這個時CEP95的精度.

這是單頻的精度. 這是雙頻不帶RTK的精度. 這個是雙頻加SBAS的精度, 可以看到接收機0.9米的效果是比較好的，體驗再上升一個台階。如果針對ADAS的應用，或者自動駕駛的應用，可能需要地基或者星基的校準服務，這樣可以做到0.3米CEP68。

最後做一個總結，現在看到一個非常明顯的趨勢，車載的GNSS往更高精度的方向發展。現在市面上出現了各種各樣的產品，專門針對更高精度進行優化，針對不同場景進行優化。u-blox的ZED-F9P是一個集成的, 交鑰匙方案, 可以更快的推出市場，尤其針對低延時、高可靠性的場景.

謝謝大家。

敬請關注蓋世汽車「2019自動駕駛地圖與定位大會」直播專題！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！