自动驾驶中的传感器技术70——Navigation(7)

本文系统介绍车载GNSS-完好性(Integrity)
标题

1、GNSS的完好性

完好性是指 GNSS 在提供定位、导航、授时(PNT)服务时,能够在误差超过预设安全阈值(告警限值,AL)时,及时向用户发出警报的能力。其核心指标包括:

  • 完整性风险(Integrity Risk,IR)‍:在单位时间内出现误导信息的概率,定位误差超限而未报警的概率。

  • 告警时间(Time To Alert,TTA)‍:误差突破 AL(警报限值)后必须发出的最长期限。

  • 保护限(Protection Level,PL)‍:基于观测误差统计得到的置信区间,用于与 AL 比较判断是否安全,用于量化容忍误差的安全阈值

2、功能安全对完好性的需求

按 ISO 26262(功能安全)和 ISO 21448(预期功能安全)划分 ASIL/B‑D 等级,明确 GNSS 完好性在系统安全预算中的容错要求

• 设定行业常用的完整性风险上限 10⁻⁶ /h(对应 ASIL‑D 级别)

• 当监测到风险超过阈值时,立即向上层 ADAS/ADS 发送完整性失效告警,触发安全降级(如转入 L2‑L3 受限模式)

Ref:功能安全性与完整性对汽车定位解决方案的重要性_易车

3、完好性提升

• RAIM(Receiver Autonomous Integrity Monitoring)和其进阶版 ARAIM,利用冗余观测检测卫星、信号或接收机故障

• 多频、多星座冗余提升观测数,降低误差概率

• 多路径、信号强度、伪距残差等阈值过滤

• SBAS/GBAS(如 EGNOS、MSAS、北斗 BDS‑SBAS)提供实时差分校正与完整性信息

• RTK/PPP+网络基准站(如 FOCALPOINT、Swift)实现厘米级定位并输出完整性风险(≤10⁻⁶ /h)

• 将 GNSS 与 IMU、车轮速计、摄像头、LiDAR 等传感器进行卡尔曼/因子图融合,利用惯导在 GNSS 暂失或完整性受损时保持定位连续性

  • 实际落地的技术路径叉验证,若 GNSS 完好性报警则自动切换至 GNSS‑INS 或纯感知定位

Ref:GNSS自主完好性監測技術精解:RAIM與ARAIM原理、實現挑戰與驗證

4、实际落地的技术路径

硬件层

  • 采用多频(L1/L2/L5)多星座(GPS、GLONASS、BeiDou、Galileo)GNSS 接收机,具备内置 RAIM/ARAIM 功能。

  • 配置高性能 IMU 与车速计,实现 GNSS‑INS 紧耦合。

软件层

  • 在定位引擎中实现 RAIM/ARAIM,实时计算完整性风险并输出 PL/AL。

  • 接入 RTK/PPP 差分服务(如 FOCALPOINT Skylark、Swift Starling),获取厘米级校正并同步完整性参数。

  • 融合感知层(摄像头、LiDAR)进行位置校验,若 GNSS 完好性报警则切换至感知‑惯导定位。

系统层

  • 按 ISO 26262/21448 进行安全需求分配,定义 GNSS 完好性失效时的安全策略(如降级至 L2‑L3、触发紧急制动)。

  • 实施完整性监测日志与远程诊断,支持 OTA 更新改进算法。

验证层

  • 通过 HIL/SIL 场景库(城市峡谷、隧道、强电磁干扰)验证完整性风险 ≤10⁻⁶ /h。

  • 实车路测累计 10⁶ km 以上,统计完整性失效次数,确保符合安全目标。

小结

  • 硬件冗余(多频多星座)+ 算法冗余(RAIM/ARAIM)

  • 外部增强(SBAS/GBAS、RTK/PPP)提供实时完整性信息

  • 传感器融合(GNSS‑INS‑感知)实现失效切换

  • 标准化安全流程(ISO 26262、ISO 21448)确保风险量化与安全降级

  • 严格验证(HIL/SIL、实车路测)验证完整性风险满足 10⁻⁶ /h 级别

相关推荐
JoannaJuanCV10 分钟前
自动驾驶—CARLA仿真(6)vehicle_gallery demo
人工智能·机器学习·自动驾驶·carla
Hundred billion24 分钟前
深度学习基本原理和流程
人工智能·深度学习
周杰伦_Jay26 分钟前
【大模型数据标注】核心技术与优秀开源框架
人工智能·机器学习·eureka·开源·github
Jay200211128 分钟前
【机器学习】33 强化学习 - 连续状态空间(DQN算法)
人工智能·算法·机器学习
Learn Forever36 分钟前
由ChatGPT 的记忆系统谈及如何构建一个对话应用智能体
人工智能
资深低代码开发平台专家1 小时前
GPT-5.2与Gemini 3.0终极抉择:谁更适配你的需求?
人工智能·gpt·ai
得贤招聘官1 小时前
AI招聘的核心破局:从“流程装饰”到“决策引擎”
人工智能
一水鉴天1 小时前
整体设计 定稿 之26 重构和改造现有程序结构 之2 (codebuddy)
开发语言·人工智能·重构·架构
cici158741 小时前
二值化断裂裂缝的智能拼接算法
人工智能·算法·计算机视觉
裤裤兔1 小时前
医学影像深度学习知识点总结
人工智能·深度学习·机器学习·医学影像·医学图像