自动驾驶车辆如何在GNSS信号受限时，实现厘米级高精度定位和亚度级姿态测量？【多传感器融合 惯性导航】

1. 基于车辆惯性测量单元航位推算的基本结构与技术要求

车辆惯性测量单元（IMU）航位推算，目标是在无外部参考时精确估算车辆位置和速度。其核心组件是IMU，通常包含三轴加速度计和三轴陀螺仪。加速度计测量车辆的直线加速和减速；陀螺仪测量车辆的旋转速度（角速度）。

航位推算通过对加速度和角速度数据进行时间积分，实时更新车辆速度、姿态，进而推算位置。这种方法的主要挑战在于传感器误差会随时间累积。因此，对速度监测有以下关键技术要求：

• 高精度： 确保速度数据与真实值高度接近，减少积分误差积累。

• 高更新率： 实时捕捉车辆动态变化，保证航位推算路径的平滑和准确。

• 低噪声与长期稳定性： 减少传感器输出的随机波动和长期漂移，提升数据可靠性。

• 抗环境干扰： 确保在振动、温度变化、电磁干扰等复杂环境下仍能稳定工作。

2. 针对车辆速度监测的相关技术标准简介

车辆速度监测的技术标准主要关注以下几个核心参数的定义和评估：

• 测量范围： 传感器能准确测量的最低到最高速度区间。

• 精度： 测量值与真实值的接近程度，常用百分比或绝对值表示。通过在已知标准速度下进行重复测量和统计分析进行评估。

• 分辨率： 传感器能够识别的最小速度变化量。

• 响应时间/更新率： 传感器对速度变化的反应速度和输出数据频率。高更新率意味着更频繁的实时数据输出。

• 长期稳定性： 传感器在长时间工作或不同环境条件下性能保持一致的能力，通过监测输出漂移量评估。

• 抗干扰能力： 传感器在复杂的电磁环境或振动中维持准确测量的能力。

3. 实时监测/检测技术方法

1. 市面上各种相关技术方案

多普勒雷达测速技术

多普勒雷达利用多普勒效应：传感器发射已知频率的微波信号，当该信号碰到移动目标并反射回来时，接收到的信号频率会因目标与传感器间的相对运动而发生变化（多普勒频移）。雷达通过测量发射和接收频率之间的频率差来计算目标的相对速度。

物理基础：Fd = 2 * Vt * cos(θ) / λ其中，Fd为多普勒频移，Vt为目标速度，θ为雷达波束方向与目标运动方向的夹角，λ为微波波长。

该技术提供非接触式直接速度测量，不受车轮打滑或悬架跳动等影响，特别适用于复杂路况或恶劣天气。

核心性能参数：* 测量范围：通常覆盖0.5 km/h至480 km/h以上。* 精度：在低速时可达±0.1%至±0.5%以内。* 响应时间：通常在几十毫秒以内。* 检测距离：可达数百米。

优点：* 非接触、高精度、快速响应。* 不受车轮转动状态（如打滑）影响。* 环境适应性强，微波穿透雨、雪、雾能力好。

局限性：* 测量沿波束方向的速度分量，需考虑安装角度。* 可能受路面纹理或障碍物反射（杂波）干扰。* 成本相较于简单传感器较高。

微机电系统惯性测量单元 (MEMS IMU)

MEMS IMU集成了微型加速度计和陀螺仪。加速度计通过测量微小结构受惯性力产生的位移，感知车辆在三个轴向上的直线加速度。陀螺仪利用科里奥利力效应，测量车辆在三个轴向上的旋转角速度。速度通过对加速度数据进行一次积分得到。

核心性能参数：* 加速度测量范围：±2g至±16g。* 陀螺仪测量范围：±125°/s至±2000°/s。* 加速度计噪声：典型值0.1 mg/√Hz。* 陀螺仪噪声：典型值0.01 °/s/√Hz。* 数据更新率：通常从100 Hz到 1 kHz。

优点：* 小型化、集成度高，体积小重量轻。* 成本效益高，适合大规模量产。* 鲁棒性好，对振动和冲击有较好抵抗力。

局限性：* 误差累积，零偏和噪声会导致速度和位置长期漂移。* 精度相对较低，不适合长时间独立高精度航位推算。

GNSS-惯性导航融合技术

该技术结合全球导航卫星系统（GNSS）的绝对位置和速度信息与IMU的相对运动信息。IMU提供高更新率、短时平滑但有漂移的数据；GNSS提供无漂移但可能受遮挡影响的绝对参考。通过卡尔曼滤波等先进算法，系统能将两者数据融合，在GNSS信号中断（如城市峡谷、隧道）或多径效应下仍能保持高精度、高鲁棒性的连续导航解。

核心性能参数：* 定位精度：RTK模式下水平1-2厘米 (RMS)。* 姿态精度：航向0.1度以内，俯仰/横滚0.05度以内 (RMS)。* 陀螺仪零偏不稳定性（内部IMU）：0.5-2 °/h (MEMS IMU)。* 数据更新率：通常在50 Hz至200 Hz。

优点：* 高精度与高鲁棒性：结合GNSS和IMU优势，应对复杂环境。* 提供全面导航信息：除位置速度外，还提供姿态信息。

局限性：* 长时间完全无GNSS信号时，误差仍会累积。* 系统设计与融合算法复杂。

高精度惯性测量单元 (FOG/RLG IMU)

高精度IMU主要指光纤陀螺仪（FOG）和环形激光陀螺仪（RLG）。两者均基于萨格纳克效应高精度感知角速度。FOG通过测量光在光纤环中反向传播时产生的相位差。RLG则利用两个反向传播的激光束在封闭光学腔中产生的频率差。这些高精度陀螺仪通常搭配高性能加速度计构成惯性导航系统。

核心性能参数：* 陀螺仪零偏不稳定性：FOG在0.1-1 °/h (RMS)，RLG可达 0.001-0.01 °/h (RMS)。* 加速度计零偏不稳定性：几十μg (RMS)。* 数据更新率：通常在100 Hz至数千Hz。

优点：* 极高精度、稳定性，长时间导航漂移极小。* 自主导航能力强，不依赖外部信号，抗干扰。

局限性：* 成本极高，主要用于航空航天、军事和高端测试。* 体积和重量通常大于MEMS IMU。

2. 市场主流品牌/产品对比

德国博世

德国博世专注于微机电系统惯性测量单元（MEMS IMU）。其SMI230系列提供高集成度、小型化传感器。加速度测量范围达±16g，陀螺仪±2000°/s，加速度计噪声0.15 mg/√Hz。优势在于成本效益高，可靠性出色，适用于汽车大规模量产。

英国真尚有

英国真尚有提供高性能多普勒雷达测速传感器，例如LP-DS100。该传感器采用Ka频带微波，非接触式直接测量对地速度。速度范围0.8-480km/h，在1英里/小时时，测量精度达到±0.34%，更新周期0.01秒，检测距离300米。优势是非接触、高精度、高响应，且不受车轮打滑影响，环境适应性强。

美国霍尼韦尔

美国霍尼韦尔在惯导领域经验丰富，其HG4930系列是基于光纤陀螺仪（FOG）IMU技术。产品集成了高精度FOG和MEMS加速度计。陀螺仪零偏不稳定性典型值0.5 °/h，加速度计零偏50 μg。优势是极高精度、稳定性、低漂移，适用于对定位和姿态精度要求极高的自动驾驶测试和测绘。

加拿大诺瓦泰

加拿大诺瓦泰是领先的GNSS-惯性导航融合系统供应商，如PwrPak7系列。该系统结合GNSS与高性能MEMS IMU，通过先进算法实现高精度、高鲁棒性的连续导航。RTK模式下水平定位精度1厘米 + 1 ppm RMS，姿态精度航向0.08度。陀螺仪零偏不稳定性（内部IMU）为0.8 °/h。优势在于融合算法成熟，在GNSS信号受限时仍能维持高精度导航。

3. 选择设备/传感器时需要重点关注的技术指标及选型建议

• 测量精度： 关键指标，直接影响航位推算结果。高精度（如厘米级定位）应用需选择高精度多普勒雷达、FOG/RLG IMU或GNSS-INS。一般车辆需求可选MEMS IMU。

• 更新率/响应时间： 决定传感器捕捉车辆动态变化的能力。高速运动或需要实时控制的系统，应选择更新率高（如100Hz以上）且响应时间短的传感器。

• 零偏不稳定性 (IMU)： 衡量IMU长期稳定性的核心指标。对于需要长时间自主导航且误差累积要求低的应用，必须选择零偏不稳定性低的FOG/RLG IMU或高性能MEMS IMU。

• 检测距离 (多普勒雷达)： 如果主要用于自身车辆的精确对地速度测量，常规检测距离（几十米）的多普勒雷达即可。如果用于自动驾驶感知周边车辆速度，则需要具备远距离检测能力（数百米）的雷达。

综合选型建议： 根据应用场景的成本、精度、环境适应性、对数据类型（速度、姿态）的需求综合考量。例如，成本敏感且对短时精度有要求的量产乘用车，MEMS IMU是主流选择（但需融合校正漂移）；需要高精度对地速度、非接触且环境适应性强的场景，多普勒雷达是理想选择；对高精度、高鲁棒性且需要完整导航信息的应用，GNSS-惯性导航融合系统是最佳方案；追求极致精度和独立自主导航能力的极端应用，则考虑FOG/RLG IMU（但成本极高）。

4. 实际应用中可能遇到的问题和相应解决建议

• IMU累积误差导致航位推算漂移。

  • 原因及影响： 传感器零偏和噪声在积分过程中不断累积，导致推算位置与真实位置偏差。

  • 解决建议： 采用多传感器融合方案，将IMU数据与GNSS、轮速、多普勒雷达等数据通过卡尔曼滤波等算法进行融合校正。

• GNSS信号在复杂环境下中断。

  • 原因及影响： 城市峡谷、隧道、地下车库等遮挡导致GNSS信号丢失，导航中断。

  • 解决建议： 依赖IMU的短时航位推算能力维持导航连续性，并可结合视觉里程计或激光雷达里程计作为补充。

• 多普勒雷达在特定环境测量不稳定。

  • 原因及影响： 路面反射（如积水）、强电磁干扰、安装角度不当引起杂波，导致速度输出跳动。

  • 解决建议： 优化安装位置和角度，对数据进行滤波处理，并与其他传感器融合以提高鲁棒性。

• 传感器校准不准确。

  • 原因及影响： 传感器安装轴线与车辆坐标系不完全对齐，或长期使用导致性能漂移，影响数据准确性。

  • 解决建议： 定期进行传感器标定和校准，确保数据在系统中的正确转换和融合。

4. 应用案例分享

• 自动驾驶车辆： 多普勒雷达提供独立的车辆对地速度信息，IMU和GNSS-INS融合系统则提供车辆高精度的位置、速度和姿态，支持路径规划与决策。

• 高精度测绘： GNSS-INS融合系统被广泛应用于移动测绘车，在复杂城市环境中即使GNSS短暂丢失也能提供连续、厘米级精度的地理坐标和姿态数据。

• 工业自动化： 多普勒雷达可用于精确测量输送带、机器人或生产线上移动部件的速度和距离，实现精确控制与监控，例如英国真尚有的LP-DS100多普勒雷达，可以安装在静止位置，测量移动物体的速度，从穿过传感器下方的细线到远距离的车辆，均可适用。

• 赛车性能调校： 多普勒雷达测速传感器提供车辆在不同路况和操作下的真实对地速度，帮助工程师分析性能，优化赛车设置。