3. 在线定位基础

在线定位是高精地图更新与自动驾驶闭环中的“时空基准”。没有稳定、连续、可对齐的位姿输出，地图更新就不知道“变化发生在哪里”，车辆也无法把感知结果与先验地图匹配。本节从系统分类入手，梳理 GNSS、INS、视觉、激光雷达四类定位手段的原理与互补关系，并落到坐标系与时间同步这两个工程中最容易被忽视、却最常导致定位漂移和融合失败的基础问题。

一、定位系统分类：绝对、相对与组合

按参考基准划分，定位系统可分为绝对定位与相对定位。绝对定位直接给出全局坐标，如 GNSS 输出经纬高；相对定位描述的是相对于上一时刻或局部起点的运动增量，如轮速计、IMU 积分、视觉里程计、激光里程计。绝对定位无累积误差但易受遮挡和多路径影响，相对定位短时平滑连续但误差随时间累积。工程上几乎不会单独使用一种，而是采用组合定位：以 GNSS 提供全局约束，以 INS 提供高频姿态与短时递推，以视觉和激光雷达提供环境特征约束，通过滤波器或因子图融合输出连续位姿。

按传感器模态划分，又可分为卫星定位、惯性定位、视觉定位和激光雷达定位。四者的观测频率、精度特性、环境依赖和失效条件差异明显，理解这些差异是设计融合策略的前提。

二、四类定位原理要点

GNSS 通过测量接收机到多颗卫星的伪距或载波相位，结合卫星星历解算接收机位置。单点定位米级，RTK 依靠基准站差分可到厘米级，PPP 则依赖精密星历与钟差产品。其核心弱点是城市峡谷、隧道、树荫下的遮挡与多路径，以及卫星几何分布不佳时的精度衰减。

INS 由陀螺仪和加速度计组成，通过积分角速度和比力得到姿态、速度和位置。它的优势是输出频率高、短时平滑、不依赖外部环境；劣势是零偏和噪声随时间积分导致漂移，必须依靠外部观测校正。GNSS/INS 组合正是用 GNSS 的长期稳定约束抑制 INS 漂移，同时用 INS 在 GNSS 失锁期间维持递推。

视觉定位 从图像中提取特征点或直接使用光度信息，通过帧间匹配估计相对运动，或与先验视觉地图匹配获得全局位姿。视觉里程计在纹理丰富、光照稳定时精度高、成本低，但遇到逆光、夜间、白墙或动态遮挡时容易退化。

激光雷达定位 将当前点云与先验点云地图做配准，常用 ICP、NDT 或基于特征的匹配。它不受光照影响、测距精度高，在结构化道路中可稳定输出厘米级位姿；但在长直走廊、空旷广场等几何退化场景中，配准约束不足，需要引入 GNSS 或视觉约束。

三、坐标系与时间同步：融合的两条生命线

坐标系解决“在哪里”的问题。常见链路是：GNSS 输出 WGS84 经纬高，经投影转为 ECEF 或 ENU 局部坐标，再通过外参变换到车体坐标系，最后到各传感器坐标系。任何一级外参错误都会让融合结果整体偏移。工程中必须明确每个坐标系的定义、轴向、原点和变换方向，并定期复核标定参数。

时间同步解决“什么时候”的问题。不同传感器采样时刻不同，若时间戳未对齐，高速运动下会产生显著的位置误差。典型做法是用 PPS 秒脉冲配合 PTP/NTP 统一各设备时钟，采用硬件触发保证曝光与扫描同步，并在融合前做运动补偿。下表给出四类定位手段的关键特性对比。

四、典型场景与工程误区

以城市高架下的地图更新采集为例：车辆进入高架阴影区，GNSS 可见卫星骤减，RTK 固定解丢失。此时若仅依赖 GNSS，位姿会跳变；正确做法是让 INS 在失锁期间递推，同时用激光雷达与先验点云地图匹配提供全局约束，视觉里程计补充局部平滑。三者通过 ESKF 融合，输出连续位姿，保证更新要素的坐标一致。

# 时间同步检查示例（伪代码）
for sensor in [gnss, imu, camera, lidar]:
    ts = sensor.timestamp          # 统一到 PPS 时钟域
    assert abs(ts - ref_time) < 5ms, "时间戳偏差超限"

# 外参复核：点云投影到图像，检查边缘对齐残差
residual = project(lidar_points, T_cam_lidar, K)
assert residual.mean() < 2.0, "外参可能漂移，需重新标定"

综上，在线定位不是单一传感器的独角戏，而是绝对与相对、全局与局部、高频与低频观测的协同。理解 GNSS、INS、视觉、激光雷达各自的原理边界，守住坐标系与时间同步两条底线，才能为高精地图更新提供可信的时空基准。