6 GNSS技术概述
在自动驾驶领域,GNSS (全球导航卫星系统)提供了车辆所需的全局定位信息,是实现高精度定位和路径规划的关键技术之一。
在自动驾驶汽车中,GNSS 提供了车辆的全局定位信息,这对于车辆的导航、路径规划和实时决策至关重要。GNSS 与激光雷达(LiDAR)、摄像头、惯性测量单元(IMU)等传感器结合使用,可以提供更全面的环境感知信息。例如,GNSS 可以提供车辆的精确位置,而 LiDAR 则用于检测障碍物,摄像头用于识别交通标志和行人,IMU 用于感知车辆的运动状态。
GNSS 还支持高级驾驶辅助系统(ADAS),如车道保持、自动紧急制动等功能。通过 GNSS 提供的精确位置信息,车辆可以更好地理解和响应周围环境的变化,从而提高驾驶的安全性和可靠性。
GPS天线一般布置于车顶位置(如下图),确保对卫星信号的接收性能。
图1 GPS与自动驾驶
6.1 基本原理
GNSS包括GPS,Beidou,伽利略等,各系统原理类似,以下用GPS做原理说明。
GPS是一种卫星导航系统,由美国政府维护和控制,用于确定地球上任何点的精确三维位置。GPS工作原理如下:
-
卫星定位: GPS系统由一组卫星组成,它们在地球轨道上运行。这些卫星发射连续的无线电信号,包含卫星的精确位置和时间信息。
-
接收GPS信号: GPS接收器(通常是车辆上的GPS天线和接收器)接收来自多颗卫星的信号。接收器可以同时接收多颗卫星的信号。
-
三角测量: GPS接收器根据来自不同卫星的信号和每颗卫星的已知位置,通过三角测量法计算出接收器的精确位置(纬度、经度和海拔高度)。
-
数据融合: 为了提高精度和可靠性,GPS通常与其他传感器数据(如IMU、激光雷达和地图数据)一起使用。数据融合技术可帮助处理GPS信号中的误差和不确定性,以提供更准确的定位信息。
GPS的优势包括全球范围内的覆盖和相对较高的精度。然而,它可能在高楼大厦、山脉、森林覆盖等情况下受到信号遮挡,因此需要与其他传感器一起使用,以获得更可靠的定位信息。
GPS卫星星座原本設計由24颗卫星组成,其中21颗为工作卫星,3颗为备用卫星。24颗卫星均匀分布在6个轨道平面上,即每个轨道面上有4颗卫星。卫星轨道面相对于地球赤道面的轨道倾角为55°,各轨道平面的升交点的赤经相差60°,一个轨道平面上的卫星比西边相邻轨道平面上的相应卫星升交角距超前30°。这种布局的目的是保证在全球任何地点、任何时刻至少可以观测到4颗卫星。
GPS定位的核心原理是通过测量接收机与多颗卫星之间的距离,利用这些距离信息确定接收机的精确位置。具体步骤如下:
信号发射与接收:GPS卫星不断向地面发送两种频率的载波信号,并调制有C/A码(粗码)和P码(精码)以及导航电文。接收机接收到这些信号后,记录信号的接收时间。
图2 GPS导航码+调制
距离计算:接收机通过比较卫星发射时间与接收时间的差值,结合光速(约3×10⁵ km/s),计算出接收机与卫星之间的距离。这个距离被称为"伪距"(Pseudorange),因为它包含了接收机时钟误差的影响。
卫星和接收机同时产生同样的伪随机码,一旦两个码实现时间同步,接收机便能测定时延;将时延乘上光速(也就是d=C(Tx-T),其中c表示为光速),便能得到距离。
图3 伪距计算
三角定位:接收机至少需要接收到4颗卫星的信号,才能计算出自身的三维坐标。因为每颗卫星可以看作是一个已知位置的"控制点",接收机与这些卫星的距离构成了一个几何空间中的多个球面,这些球面的交点即为接收机的位置。
图4 GPS定位方程组
钟差修正:由于接收机的时钟可能存在误差,因此在计算过程中需要引入卫星钟差和接收机钟差的修正值。通过解算这些未知数,可以提高定位精度。
GPS系统中的卫星都配备了高精度的原子钟(如铷钟和铯钟),但由于地球大气层、温度变化、相对论效应等因素的影响,这些原子钟的时间会与GPS标准时间产生偏差,因此需要进行钟差修正。
图5 GPS定位误差来源
6.2 技术特点
不同频段和编码的性能对比
图6 GPS不同频段的技术特点
图7 GNSS种类
图8 GNSS频段
图9 GNSS频谱
SPP(Standard Point Positioning):
SPP是一种基于广播星历和伪距观测值的单点定位方法。它不需要参考站或差分处理,仅通过接收机自身的观测数据进行定位。其定位精度受限于卫星钟误差、轨道误差、电离层延迟、对流层延迟、多路径效应等误差源。
PPP(Precise Point Positioning):
PPP是一种高精度的单点定位方法,它利用精密星历和精密钟差等外部辅助数据,结合伪距和载波相位观测值进行定位。PPP不需要参考站,但需要接收机具备双频或多频能力,以消除电离层延迟的影响。此外,PPP还利用载波相位观测值,进一步提高了定位精度。
DGNSS(Differential Global Navigation Satellite System):
DGNSS是一种差分定位技术,通过一个已知坐标的参考站(基站)来提供校正数据,从而提高接收器( rover)的定位精度。参考站通过比较其与接收器的伪距测量值,计算出公共误差,并将这些校正数据发送给接收器。DGNSS通过消除公共误差,显著提高了定位精度,尤其适用于中短距离的定位任务。
DGNSS(Differential Global Navigation Satellite System):
DGNSS是一种差分定位技术,通过一个已知坐标的参考站(基站)来提供校正数据,从而提高接收器( rover)的定位精度。参考站通过比较其与接收器的伪距测量值,计算出公共误差,并将这些校正数据发送给接收器。DGNSS通过消除公共误差,显著提高了定位精度,尤其适用于中短距离的定位任务。
图10 不同定位方式的差异
6.3 工程实践
双频GPS上车(PPP)
车载双频GPS定位技术是一种通过同时接收两个不同频率的卫星信号(如L1和L5)来提高定位精度和抗干扰能力的技术。这种技术在车载导航系统中具有广泛的应用,尤其是在复杂的城市环境中,能够有效解决传统单频GPS定位精度不足、信号易受干扰等问题。
在自动驾驶领域,高精度的定位是实现车辆自主导航、路径规划和协同控制的关键。双频GPS结合RTK(载波相位差分)技术,可以提供厘米级的定位精度,满足自动驾驶对高精度定位的需求。
双频GPS L1+L5定位技术结合了L1和L5两个频段的信号,其中L1主要用于快速定位,而L5则用于精确定位。这种双频技术可以提高定位精度,尤其是在复杂环境下,并增强了系统的抗干扰能力和可靠性。
双频L1+L5的优势:
-
提高定位精度: 双频同时接收L1和L5信号,可以利用L5信号的优势提高定位精度,尤其在复杂环境中,如城市峡谷、树木茂密地区等。
-
增强抗干扰能力: L5信号的带宽更宽,抗干扰能力更强,可以有效降低多径效应等干扰对定位的影响。
-
提升可靠性: 双频同时工作,即使在L1信号受到干扰或遮挡时,L5信号仍能保证定位的可靠性。
-
缩短首次定位时间: L1信号的快速捕获特性有助于缩短首次定位时间。
RTK上车
GPS RTK是一种基于差分GPS(Differential GPS)的高精度定位技术。其核心思想是通过一个已知精确位置的基准站(固定站)来校正移动站(如自动驾驶车辆)的GPS信号,从而消除或减少GPS定位中的误差。RTK系统通常包括三个主要部分:卫星、基准站和移动站。基准站接收来自卫星的信号,并计算出与卫星信号相关的误差,然后将这些误差通过无线通信(如4G、V2X等)传输给移动站,移动站根据这些校正信息调整自身的位置计算结果。
RTK的定位精度通常在厘米级(±2~4厘米),远高于传统GPS的米级精度。这种高精度对于自动驾驶车辆来说至关重要,因为它需要精确地知道车辆的位置、速度和朝向,以便在复杂环境中安全地行驶。
在自动驾驶测试中,RTK GPS被广泛用于实现高精度的路径跟踪和测试验证。例如,Park等人在2021年的一项研究中,利用低成本RTK-GPS传感器和RTKLIB库,实现了在赛车赛道上的高速自动驾驶测试。测试车辆在130公里/小时的速度下行驶了2477米的赛道,没有偏离赛道,也没有明显的侧向误差。这表明RTK GPS在高速自动驾驶场景中具有良好的稳定性和可靠性。
尽管RTK GPS在开阔环境中表现优异,但在城市峡谷、隧道或停车场等信号遮挡严重的环境中,其性能可能会受到一定影响。为了解决这一问题,一些研究提出了结合IMU、视觉传感器和V2X通信的多传感器融合方案,以提高在无GPS信号环境下的导航能力。此外,网络RTK(Network RTK)技术通过多个基准站的协同工作,扩大了覆盖范围,降低了初始化时间,并提高了定位精度。
6.4 技术迭代方向
随着自动驾驶技术的发展,对GPS精度的要求不断提高。目前,主流的高精度定位方案包括:
-
差分GPS(DGPS) :通过在地面设置参考站,利用已知位置的基准点修正GPS信号,从而提高定位精度至1米以内。
-
实时动态定位(RTK) :进一步提升精度至厘米级,适用于高精地图匹配和车辆控制等场景。
-
精确点定位(PPP):通过双频接收器和精确时间数据,实现厘米级定位,但需要较长的收敛时间。
-
多频GPS天线:如特斯拉HW4.0中引入的三频GPS模块,新增L5频率,以提升定位精度和抗干扰能力。
-
GBAS、WBAS、SBAS:GBAS、WBAS、SBAS是GNSS的重要组成部分,它们通过不同的方式增强GNSS的精度、可用性和完整性,以支持航空导航中的各种操作。GBAS适用于局部区域的高精度导航,而SBAS适用于广域覆盖的导航需求。未来,随着技术的发展,GBAS和SBAS的协同应用将更加广泛,为航空导航提供更安全、高效和灵活的服务。
这些技术的引入使得GPS在自动驾驶中的应用更加广泛,尤其是在城市驾驶、自动泊车、无人配送等场景中,GPS与高精地图、IMU等传感器的融合成为主流
由于GPS在复杂环境中存在信号丢失和精度不足的问题,自动驾驶系统通常采用多传感器融合策略,以提高系统的鲁棒性和可靠性。常见的传感器包括:
-
惯性导航系统(IMU) :通过陀螺仪和加速度计测量车辆的加速度和角速度,提供短期的高精度定位信息,弥补GPS的不足。
-
激光雷达(LiDAR) :用于环境感知,提供高精度的三维空间信息,辅助定位和避障。
-
摄像头:通过视觉识别道路标志、车道线等,辅助定位和路径规划。
-
雷达(RADAR) :用于短距离测距和障碍物检测,尤其在恶劣天气条件下表现良好。
未来,GPS技术的发展方向可能包括:
-
多星座GNSS系统:如GPS、GLONASS、北斗、伽利略等,通过多卫星系统提高定位精度和可靠性。
-
蜂窝网络辅助定位:结合5G/6G通信技术,利用基站信号进行辅助定位,提高在城市环境中的覆盖范围。
-
AI与预测性定位:通过人工智能算法预测车辆位置和环境变化,提高定位的实时性和准确性。
-
软件工具优化:开发更高效的软件工具,如调试器和静态分析工具,以加速自动驾驶系统的开发和测试。