? ? ? ?在現階段的自動駕駛中，定位一直是很重要的話題；最近特斯拉的開放道路自動駕駛一定程度上降低了定位的重要性，采用實時圖像分析生成概率地圖，這項技術還有待市場去打磨的更加成熟。在我看來作為一個自動駕駛工程師，成長的線路很清晰：Apollo系統作為基礎，特斯拉的技術才是你追求的方向。每篇博客之前，喜歡加一些感悟，一者話題引入；二者抒自己所想，讓技術不再冰冷。誠然時光荏苒，紙長情短，以后再看時難免覺得幼稚；哇！你又成長了。

? ? ? 說Apollo的定位之前，對場景我們先進行大概的梳理：首先默認車身自帶民用級的GPS和高精地圖；其次定位的作用是要確定車身精確的坐標和航向角。

? ? ? ?Apollo系統中的定位分為三種：1. RTK定位；2. 基于Lidar的多傳感器融合定位；3. 百度的核心貢獻：基于視覺和百度高精地圖的自定位。

1. RTK定位

? ? ? ?RKT定位原理之前有文章有介紹：傳送門；這里主要從實現流程來介紹Apollo的RTK定位。主要函數：

void RTKLocalization::ComposeLocalizationMsg()

定時器來不斷執行OnTimer()回調函數，來檢查gps和imu數椐是否刷新。

連接基站采用RTCM32格式返回數據；

ComposeLocalizationMsg()融合兩者的信息并把最終位置信息發布出去。

2. 基于Lidar的多傳感器融合定位

? ? ? 基于激光點云的濾波相對受很多因素的限制，首先需要預先制作一個“全聚德”地圖，比如點云圖，概率地圖等。然后拿實時點云與地圖做匹配，匹配用實時點云里面的顏色值或者高度值的分布和這個地圖去匹配，得到概率圖，采用加權平均的方式得到車輛的位置。

? ? ? 多傳感器融合指的是：在激光雷達定位的基礎上，我們可以加入車身運動學信息，采用卡爾曼濾波進行上層處理，從而最終輸出車輛的位置信息。

? ? ? 這里采用apollo公開課的ppt介紹基于Lidar的定位算法框架：

? ? ? ? ?

3.?基于視覺和百度高精地圖的自定位

? ? ? 百度自己有高精地圖，毫無疑問Apollo中一定要發揮自有地圖的優勢，高精地圖如何在定位中發揮作用呢？?首先百度高精地圖在制作時，已經加入了各種交通語義的位置信息，假如車輛的視覺計算平臺，能夠識別圖像中具有語義信息，并在高精地圖中匹配出對應的語義信息，那么就可以計算出車輛的位置和朝向。這套方案有以下特點：

? ?攝像頭技術成熟，結構化地圖尺寸小，有利于降低系統生產成本。

? ?車道線，路燈等道路元素穩定性高，不易變動，地圖生命周期較長。

? ?配置靈活，根據識別算法性能，可以使用不同的特征組合，易于拓展。

? ? ?常用的交通語義有：車道線、路肩、護欄、交通標志、路燈、車道線分叉合并點 等......同樣的視覺定位也可以結合多傳感器的融合，它需要gps的初始位置，也需要imu做卡爾曼濾波融合。同樣借用apollo的ppt介紹視覺定位的算法框架：

? ? ? ? ? ?

? ? ?目前實戰中，利用車道線可以很快的收斂橫向誤差，縱向誤差則需要有精確點的交通語義信號，如：紅綠燈、交通標志、分叉點等等。當每次出現這種有精確點的語義信號時，需要做一次位置誤差的矯正。

? ? ? ? ? ? ??

? ? 高精地圖和高精定位一直都是自動駕駛努力的方向，但是做了這么多，目的還是想知道交通語義和車輛的相對位置，當然能很大程度上擴展范圍，但是人也是通過視覺來開車的，所以范圍的擴展有沒有必要也有待論證，說到底還是tesla的完全基于視覺的方案才是未來自動駕駛的方向。

? ? ? ? ? ??

總結

以上是生活随笔為你收集整理的自动驾驶（七十九）---------Apollo之定位模块的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。