自动驾驶深度学习(第7/100天)定位与高精地图:让车知道“我在哪、前方有什么”

阅读约13分钟 | 关键词：RTK-GPS、IMU、高精地图、NDS、无图化

前六天我们讲完了三大传感器（摄像头、毫米波雷达、激光雷达）。它们负责感知周围环境——看见车、人、路、障碍。但还有一个基础问题没有解决：车如何知道自己的精确位置？ 以及，如何获取超越传感器探测范围的道路先验信息？

这就是今天的话题：定位与高精地图。它们是智能驾驶，尤其是高阶领航辅助（NOA）不可或缺的基础能力。

📍 一、定位：车辆如何知道“我在哪”？

定位的精度要求取决于场景：

· 普通导航：米级精度就够了。
· 车道级导航：需要亚米级（<1米），知道在哪个车道。
· 自动驾驶决策：需要厘米级（<10厘米），否则无法判断是否压线、是否在匝道口。

1. GPS / GNSS（全球导航卫星系统）

最基本的定位方式。车辆接收GPS（美国）、北斗（中国）、GLONASS（俄罗斯）、Galileo（欧洲）等卫星信号，通过三角定位算出位置。

优点：全球覆盖、免费、使用简单。
缺点：精度只有3-5米（民用），且受高楼、隧道、树荫遮挡影响大，信号可能中断或跳变。单纯GPS无法满足自动驾驶需求。

2. RTK-GPS（实时动态差分GPS）

在附近建立基准站（已知精确坐标），基准站计算GPS信号的误差，并通过4G/5G广播给车辆。车辆接收差分修正后，定位精度可达1-2厘米。

优点：厘米级精度，适合车道保持、自动泊车等。
缺点：需要基准站覆盖（运营商提供，但偏远地区信号弱），且仍无法解决隧道、地下车库等完全无GPS信号的环境。

3. IMU（惯性测量单元）

IMU包含加速度计和陀螺仪，通过测量车辆的加速度和角速度，积分推算出相对位移和姿态。它是一种航位推算（Dead Reckoning）技术：知道上一秒的位置，加上这秒的移动，得出下一秒的位置。

优点：完全自主，不受外界信号影响，更新频率高（100-1000Hz），能填补GPS两次更新之间的空白。
缺点：误差随时间累积（积分漂移），几分钟就会偏离几米。单独使用不可靠。

4. 融合定位：GPS/RTK + IMU + 车辆传感器

主流方案是卡尔曼滤波融合：

· GPS/RTK提供绝对位置（低频、有噪声、可能短暂丢失）
· IMU提供相对运动（高频、短期精确、长期漂移）
· 轮速计、方向盘转角等车辆数据辅助

融合结果：稳定、平滑、厘米级、高频率（100Hz以上）的定位输出。即使在隧道中（无GPS），靠IMU和轮速也能维持几十秒的可靠位置推算。

🗺️ 二、高精地图：自动驾驶的“记忆外挂”

普通导航地图（如高德、百度）只包含道路拓扑（从哪里拐弯、红绿灯位置）。高精地图（HD Map） 则包含车道级别的超详细信息：

· 车道线：位置、颜色、线型（实线/虚线）、宽度
· 路沿、护栏、隔离带：三维坐标
· 坡度、曲率、航向：用于规划车辆控制
· 交通标志、信号灯：精确位置和属性
· 匝道、汇入区、交叉口：几何拓扑和连接关系

高精地图的作用

1. 感知辅助：告诉车辆前方500米有弯道、有匝道，即使摄像头还没看到。大幅降低感知压力。
2. 超视距规划：提前知道车道线变化，平滑变道和加减速。
3. 定位匹配：车辆通过激光雷达或摄像头识别到的路沿、车道线与高精地图匹配，可修正GPS误差，达到厘米级定位。
4. 安全冗余：当传感器被雨雪、逆光干扰时，高精地图提供“记忆”作为备份。

高精地图的痛点

1. 制作成本高：需要专业采集车（激光雷达+摄像头+IMU+RTK）跑遍所有道路，然后人工标注。国内只有图商（高德、百度、四维图新、腾讯）拥有资质。
2. 更新慢：道路修改（新增红绿灯、临时施工、车道线重画）后，高精地图可能几周甚至几个月未更新。自动驾驶如果依赖过时地图，会出错（比如地图显示虚线但实际是实线，可能导致违章）。
3. 法规限制：中国对地图测绘有严格资质要求，图商数量有限，且高精地图涉及国家安全（不能精确到军事禁区）。外资车企获取高精地图门槛高。
4. 覆盖范围有限：目前只有高速和城市快速路有高精地图，普通城市道路覆盖率低。这也是城市NOA难以铺开的瓶颈之一。

🧭 三、“无图化”是什么？为什么大家都在提？

“无图化”并不是完全不用地图，而是降低对高精地图的依赖，转向轻量化地图或实时感知构建。

动机

· 高精地图更新慢、成本高，无法适应快速变化的城市道路。
· 图商资质受限，全国覆盖遥遥无期。
· 特斯拉证明：不用高精地图，仅靠视觉+导航地图也能实现不错的城市NOA。

技术路线

· 导航地图（SD Map） + 实时感知：使用普通导航地图（只有道路拓扑和红绿灯位置），其余靠摄像头、雷达实时识别车道线、障碍物。代表：特斯拉FSD V12。
· 众包地图：通过车队实时上传道路变化（如施工、障碍），云端聚合后下发给其他车辆。代表：小鹏XNGP的“无图”模式。
· 端到端 + 记忆：车辆自己学习常走路线，建立局部语义地图（类似记忆泊车的放大版）。

现状与展望

· “无图化”是趋势，但短期内高速场景仍依赖高精地图（因为安全要求高、变化少）。
· 城市NOA正在走向“轻地图”或“无图”，2025年起头部品牌已大规模推送无图方案。
· 纯无图（只靠导航地图）的可靠性仍待提升，尤其在复杂路口、匝道环岛等场景。

📌 今日思考题

1. 为什么IMU不能单独用作定位？它与GPS融合后如何解决各自短板？
2. 高精地图在高速NOA中非常可靠，但城市NOA中却经常被吐槽“地图不匹配”，请结合更新频率和道路变化频率解释原因。

关键词回顾
RTK-GPS IMU 卡尔曼滤波 高精地图要素 无图化 众包地图

🎯 明天预告（第8天 / 动态篇）

解读一则近期新闻：某品牌城市NOA因高精地图未及时更新导致违章或事故，结合今天学到的地图更新困境，分析技术和责任归属。

本系列为100天深度学习计划，每日1篇。欢迎随时提问。