学习笔记4--惯性导航及总结

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！
此专栏是关于《自动驾驶汽车环境感知》书籍的笔记。

3.惯性导航及总结

3.1 惯性导航

概述：

1. 惯性导航系统(Inertial Navigation System，INS)是一种不依赖于外部信息、不向外部辐射能量的自主式导航系统，是以陀螺仪和加速度计为敏感器件的导航参数解算系统；
2. INS根据陀螺仪的输出建立导航坐标系，根据加速度计输出解算出运载体在导航坐标系中的速度和位置；
3. INS至少包括计算机及含有加速度计、陀螺仪或其他运动传感器的平台；
4. 加速度计：用来测量运动体的加速度大小和方向，对时间的一次积分得到速度，速度经过对时间的一次积分得到位移；
5. 陀螺仪：用来测量运动体围绕各个轴向的旋转角速率值，通过四元数角度解算形成导航坐标系，使加速度计的测量值投影在该坐标系中，并可给出航向和姿态角；
6. 磁力仪：用来测量磁场强度和方向，定位运动体的方向，通过地磁向量得到的误差表征量，可反馈到陀螺仪的姿态解算输出中，校准陀螺仪的漂移；

工作原理：

1. 惯性导航基本工作原理：以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能得到在导航坐标系中的速度、偏航角和位置等信息；
2. 惯性系统导航使用陀螺仪测量物体的角速度，一方面通过四元数角度解算形成自主的导航坐标系，另一方面计算得到物体的航向和姿态角；在自主形成的导航坐标系中，加速度计首先测量物体的加速度，其次对该加速度一次积分和二次积分得到在该坐标系中的速度和位移；
3. 实际应用中，由GPS或其他外界系统给出物体当前准确的初始位置及速度，惯性导航系统可以实时从陀螺仪和加速度计中解算出速度和位移，从而不断更新物体当前位置和速度；
4. 惯性导航系统具体的计算过程包括惯性速率和惯性位置；惯性导航系统首先通过陀螺仪和加速度计记录当前角速度和线加速度，然后以起始速度作为初始条件对惯性加速度进行积分从而得到系统的惯性速率，最后惯性导航系统以给定的初始位置作为初始条件对惯性速率进行积分得到惯性位置；

优缺点：

1. 自主式导航。
   不依靠外部参照，给定初始值使用自身的运动传感器即可解算出物体当前的位置及速度；
2. 环境适应性强。
   由于惯性导航系统既不依托外界信息同时不需向外部辐射能量；不易受到外界复杂电磁环境的干扰，能在各种极端气象条件和地理位置下仍然保持良好的工作性能；可全天候工作于空中、地上、水下；
3. 导航信息延迟低。
   惯性导航系统可以实时从陀螺仪和加速度计中解算出速度和位移，从而不断更新运动物体的位置、速度、航向和姿态角数据，帮助物体精准保持动态基准；
4. 长期精度差。
   由于惯性导航系统解算物体的运动信息使用一次积分和二次积分，该误差随着时间增大而增大；
5. 每次使用前进行的初始校准时间过长。
6. 设备成本相对其他导航系统比较昂贵。
7. 缺少时间信息。

惯性导航在自动驾驶汽车上的应用：

1. 定位模块的主要目的：确定车辆所在的绝对位置；
2. 在自动驾驶技术中，高精地图、全球卫星导航系统和惯性导航系统是相互配合、相辅相成的，共同确定车辆的绝对位置；全球卫星导航系统依赖卫星信号可以提供全局的定位信息，惯性导航不依赖外界信息提供相对的局部信息；将全球卫星导航系统和惯性导航系统的联合信息与本地的高精地图进行比对，即可得到当前车辆在该高精地图中的绝对位置，从而为后续的感知、决策和执行模块提供数据基础；

惯性导航在自动驾驶系统中的三个关键作用：

1. 辅助全球卫星导航系统进行高精度定位；
   GNSS+IMU方案是一种最常用的设计组合惯导系统的方案；GNSS在局部区域卫星信号丢失或微弱时会导致定位信息延迟而造成车辆失控；惯性导航可在不依托外在信息，无惧极端环境提供稳定的位置和速度信息，但长期系统具有累计误差；将GNSS和IMU提供的定位信息进行融合，形成组合成惯导系统，发挥两种导航系统的优势，提高车辆导航系统的健壮性；
2. 配合激光雷达进行定位；
   自动驾驶系统首先通过全球卫星导航系统得到初始位置信息，再通过惯性导航和车辆的编码器配合得到车辆的初始位置；其次，对激光雷达实时扫描单次的点云数据(包括几何信息和语义信息)进行特征提取，并结合车辆初始位置进行空间变换，获取基于全局坐标系下的矢量特征；最后，将初始位置信息、激光雷达提取的特征跟高精地图的特征信息进行匹配，从而获取一个准确的定位；
3. 辅助主动车距控制巡航系统(ACC)预测路径；

注：惯性导航系统的竞争主要在于算法层面，算法内容主要包括对惯性传感器传回的硬件信息的处理，对速度、加速度、航向及姿态的解算，及惯性导航作为定位模块的核心与其他传感器和车身信息融合的技术。

自动驾驶对惯性传感器芯片的基本要求：

3.2 小结

1. 常用车载传感器：摄像头、激光雷达、毫米波雷达、超声波雷达、惯性导航；
2. 摄像头：实现众多预警、识别类ADAS功能的基础，能够识别丰富的环境信息；
3. 激光雷达：探测精度高，可获得周围空间的点云数据，在自动驾驶中的两个核心功能：三维的环境感知和SLAM加强定位；
4. 毫米波雷达：通过发射和接收毫米波，从而得到物体的距离，能够获得目标的速度信息，可分为：短距离雷达(24GHz)和长距离雷达(77GHz)，可提供变道辅助、自主控制车速、碰撞预警等帮助，实现自适应巡航功能；
5. 超声波雷达：在短距离测距中由很大优势，主要用于泊车系统、辅助刹车等；
6. 惯性导航：配合GPS实现自动驾驶汽车的精确定位，在GPS信号丢失或很弱的情况下，用积分法取得最接近真实的三维高精度定位；

最后

以上就是欢喜过客为你收集整理的学习笔记4--惯性导航及总结的全部内容，希望文章能够帮你解决学习笔记4--惯性导航及总结所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。