2. 定位系统基础
自动驾驶定位系统不是单一传感器“包打天下”，而是由多种传感器互补融合形成的时空基准。理解每种传感器的物理原理、输出形式、误差特性与适用边界，是后续标定、融合、验证与量产判定的基础。本节从“测什么、怎么测、误差从哪来、量产关注什么”四个角度，梳理五类常见定位传感器。
一、五类传感器的原理与输出
GNSS（全球导航卫星系统）通过接收多颗卫星的伪距与载波相位，解算接收机在地心坐标系中的绝对位置、速度与时间。单点定位精度约米级，RTK 差分可到厘米级，但需要固定基准站或网络 RTK 服务。其误差来源包括电离层/对流层延迟、多径、卫星几何分布（DOP）和城市峡谷遮挡。
IMU（惯性测量单元）由三轴陀螺仪与三轴加速度计组成，输出角速度与比力，经积分得到姿态、速度和位置。IMU 的短期精度极高、更新频率可达 100～1000 Hz，但零偏、标度因数误差和随机游走会随时间累积，必须依靠外部观测修正。
轮速计通过车轮转速与轮胎半径推算纵向位移和速度，成本低、短时稳定，是低速与隧道场景的重要约束。但轮胎气压、磨损、温度会改变有效半径，打滑和急转弯也会引入尺度误差。
激光雷达通过飞行时间测距获取三维点云，与高精地图或前一帧点云配准（如 ICP、NDT）得到相对位姿。它不受光照影响、几何精度高，但在长走廊、空旷高速等退化场景中约束不足，且雨雾会衰减回波。
视觉里程计从相机图像中提取特征点或直接法光度误差，估计帧间运动。纹理丰富时精度高、成本低，但受光照突变、弱纹理、动态物体影响，单目还存在尺度不可观问题，通常需与 IMU 或轮速计联合。
二、误差特性与互补关系
从时间维度看，IMU 和轮速计属于高频递推型，短时间内平滑连续，但误差会累积；GNSS 属于低频绝对型，不累积但会跳变；激光雷达和视觉属于中频相对观测型，在特征丰富时精度高，在退化场景下会失效。融合定位正是利用这种“频率—误差—可用性”的互补性。
| 传感器 | 观测类型 | 典型频率 | 主要误差 | 典型失效场景 |
|---|---|---|---|---|
| GNSS | 绝对位置/速度 | 1～20 Hz | 多径、电离层、DOP | 城市峡谷、隧道、地下车库 |
| IMU | 角速度/比力 | 100～1000 Hz | 零偏、随机游走、温漂 | 长时间无外部修正 |
| 轮速计 | 纵向速度/位移 | 50～200 Hz | 半径变化、打滑 | 冰雪路面、急加速急刹 |
| 激光雷达 | 三维点云/相对位姿 | 10～20 Hz | 退化、雨雾、外参漂移 | 长直走廊、空旷高速 |
| 视觉里程计 | 帧间相对运动 | 10～30 Hz | 光照、弱纹理、尺度 | 夜间、隧道口、白墙 |
三、典型场景中的传感器分工
以城市 NOA 场景为例：开阔路段 GNSS/RTK 提供绝对基准，IMU 与轮速计维持高频平滑，激光雷达与视觉提供车道级相对约束；进入隧道后 GNSS 失锁，系统切换到“IMU + 轮速计 + 激光雷达/视觉”的航位推算模式，依靠隧道壁面几何和车道线纹理维持定位；驶出隧道后 GNSS 重新捕获，融合滤波器逐步修正累积漂移。
四、量产验证中的常见误区
- 只看单传感器指标：实验室 IMU 零偏达标，不代表整车振动、温度循环下仍达标。
- 忽略时间同步：GNSS、IMU、相机、激光雷达时间戳不同步，会直接引入融合误差。
- 忽视安装外参：天线相位中心、IMU 安装角、相机与激光雷达外参在量产一致性中必须管控。
- 用理想场景验证：只在开阔道路测试，无法暴露城市峡谷、隧道、雨雾等边界问题。
# 量产验证中建议记录的传感器健康字段示例
gnss:
fix_type: RTK_FIXED / RTK_FLOAT / SINGLE
num_sats: 18
hdop: 0.8
age_of_diff: 1.2 s
imu:
gyro_bias_est: [0.0021, -0.0013, 0.0008] # rad/s
accel_bias_est: [0.012, -0.008, 0.021] # m/s^2
temperature: 42.5 C
wheel:
speed_valid: true
slip_ratio: 0.03
radius_est: 0.312 m
lidar:
point_count: 98500
degradation_score: 0.12
camera:
exposure_us: 8000
feature_count: 420
vo_scale_valid: true