GNSS + 自动驾驶:车为什么要同时装卫星定位、IMU 和轮速传感器?

GNSS + 自动驾驶：车为什么要同时装卫星定位、IMU 和轮速传感器？

★

📌 本文位置：无线 Battlecard → GNSS 观察 · G36 · 车载组合定位的角色分工与降级策略

关于无线 Battlecard

这里记录无线通信、卫星通信、GNSS、WiFi、5G-A 与测试验证中的工程判断。

如果你希望系统阅读，可从文末合集入口进入；也欢迎关注并星标，方便持续看到后续文章。

开场：一辆车为何还要保留“三套里程感”？

2026 年 2 月 12 日，工业和信息化部曾就《智能网联汽车 自动驾驶系统安全要求》等五项强制性国家标准公开征求意见。它是征求意见稿阶段的标准制修订工作，不等于某一车型已经满足具体要求；但它提醒测试团队：当自动驾驶能力走向更明确的安全要求，定位不能只交给一条“看起来很准”的轨迹。

日常开车时，这件事很好理解。高架下、隧道里、楼宇密集的街区，卫星信号会变弱甚至消失；雨雪湿滑路面上，车轮转了多少圈，也未必等于车实际走了多远；连续加减速、转向之后，惯性器件又会一点点积累偏差。

所以车上同时保留 GNSS、IMU 和轮速，并不是三套设备在重复做同一件事。GNSS 负责把车拉回地球坐标；IMU 负责把短暂运动连续起来；轮速负责告诉系统车轮运动了多少，以及车辆运动是否仍符合基本约束。 真正的难点是：每一路信息在何时可信、何时该降权，以及系统是否把这次“接力”说清楚。

客户对话锚点

核心判断： 组合定位的价值不在于任何一路传感器永远不出错，而在于某一路变弱时，系统能识别边界、保住连续性，并把不确定性如实交给上层功能。

三个引导问题：

1. 高架、隧道或城市峡谷中，GNSS 质量变差后，系统由谁维持位置和航向？
2. 湿滑、打滑或轮胎半径变化时，轮速输入会被当成“真值”，还是会触发降权？
3. 每次传感器接力时，定位结果之外，是否同时输出来源状态、协方差或等效置信边界？

收束： 先验证每一路传感器能贡献什么、会在哪些边界失效，再谈融合轨迹有多平滑。

一、三类传感器，各自回答不同的问题

u-blox 对汽车航位推算（ADR）的公开说明，将轮脉冲或车速、行驶方向列为附加输入，并指出这类接入通常需要访问车辆系统，例如 CAN 总线。它还把 GNSS、IMU、车辆传感器和车辆动力学约束作为组合输入。这里的重点不在于采用某一家方案，而在于工程事实：车端速度信息不是 GNSS 或 IMU 的简单备份，它给融合器增加了一条独立的车辆运动线索。

例如，车辆在开阔道路上稳定行驶时，GNSS 可以持续校正 IMU 的缓慢漂移；进入短隧道后，IMU 按加速度和角速度把状态向前推，轮速则帮助约束行驶距离；回到可用卫星环境后，GNSS 再把累计误差拉回绝对坐标。这里不必承诺某一个固定精度或恢复秒数，因为它会随接收机、安装、道路、卫星几何、算法与车辆状态而变化。

二、接力不是“谁替谁”，而是可信度随场景切换

把三类输入放进同一张轨迹图，很容易得到一个误解：只要还有输出，系统就始终知道自己在哪里。工程上更应关心的是每一路输入的质量标志，以及融合器是否会据此改变权重。

场景 1：高架下和城市峡谷——卫星信息仍在，但未必同样可靠

高楼立面、高架结构会让部分卫星被遮挡，也可能带来反射路径。此时 GNSS 不是简单的“有”或“无”：可见卫星集合、信号质量、几何条件和残差可能发生变化。融合器不应只看坐标是否仍连续，还要记录 GNSS 质量状态，并观察 IMU、轮速预测与 GNSS 更新之间是否出现持续不一致。

场景 2：隧道——连续性暂时交给车端运动信息

隧道中，GNSS 可能无法提供有效更新。此时 IMU 和轮速可以维持短时连续估计，但它们提供的是推算结果，误差会随运动过程与传感器特性变化。本文不讨论“多久恢复”的指标——那是 G22、G11 已覆盖的另一类问题；这里要确认的是：当绝对参考暂时缺席，系统有没有明确标识进入推算状态，而不是把推算轨迹伪装成同等可信的 GNSS 结果。

场景 3：湿滑路面或驱动轮空转——轮速也需要被质疑

轮速很有价值，但它测到的是车轮转动，而不是直接测得地面位移。急加速、制动、湿滑、冰雪或附着变化时，车轮速度与车身真实速度可能出现差异。成熟的融合策略应将轮速的质量状态、车辆稳定性相关信号或多源残差纳入判断：若轮速与 IMU、GNSS 的趋势明显矛盾，应允许降低轮速权重，而不是让一条异常车速把位置持续拉偏。

三、测试要证明的，是“知道何时不该相信谁”

GNSS、IMU、轮速都接入，并不自动等于系统具备可靠的组合定位。测试的重点可以从“最终轨迹平均误差”扩展为四个问题：输入有没有质量标志？权重有没有随场景变化？降级有没有被上层看见？异常能不能复放？

一套实用的验证拓扑，可以分成四层：

1. 信号与绝对参考层： 记录 GNSS 的观测、解算状态、可见性和质量指示；必要时用可控 GNSS 场景复现遮挡、多径或动态轨迹。
2. 车端运动层： 同步采集 IMU 原始量、轮速/车速、方向与可获得的车辆状态；明确数据来自何处、刷新策略和有效标志。
3. 融合状态层： 输出传感器健康状态、权重或等效协方差、模式切换、创新残差和降级标志，而非只保存最终经纬度。
4. 功能影响层： 将定位状态与车道匹配、路径规划、驾驶辅助功能限制或接管策略的事件时间轴关联。

这套拓扑不替代真实道路测试。它的价值在于：真实道路发现问题后，可把关键轨迹、车辆运动与信号条件变成可控对照，分别复放“GNSS 变弱”“轮速异常”“IMU 漂移增大”等输入，再查看策略是否符合预期。

行动卡：把“多传感器都接上了”变成可验收条目

工程判断

车载组合定位不是让三种传感器彼此“投票”，而是建立一套有主次、有边界、有记录的连续估计机制：GNSS 提供绝对锚点，IMU 保持短时运动连续，轮速补充车辆距离和运动约束；当环境或车辆状态改变时，融合器必须同步改变信任程度，并把这种变化暴露给验证系统和上层功能。

对测试仪表与验证团队而言，最有价值的交付不应只是一张更平滑的轨迹图，而应是一份可追问的状态证据：哪一路在贡献、哪一路被降权、切换依据是什么、上层是否按不确定性采取了对应动作。

延伸阅读：无线 Battlecard 系列合集

如果你对无线通信、卫星通信、GNSS、WiFi 8、5G-A 和测试验证方法感兴趣，可以继续阅读下面几个系列：