周 苏，李伟嘉，郭军华

（1.同济大学汽车学院，上海 201804；2.同济大学中德学部，上海 201804）

汽车定位是汽车自动驾驶的核心技术之一，也是实现环境感知、路径规划与控制等后续功能的基础。目前汽车定位采用的传感器主要有激光雷达、毫米波雷达、惯性测量单元（IMU）和摄像头。在室外空旷无遮蔽的道路环境下，基于GPS+IMU的定位导航方法已经可以保证较高的精度［1］。L4以上级别的自动驾驶要求厘米级定位精度，目前最有前景的技术方案是基于GNSS（global navigation satellite system）+IMU+lidar/camera+高精地图的融合定位。例如，谷歌的激光雷达定位方案、斯坦福大学的概率地图点云匹配定位方案［2］和特斯拉的视觉定位方案。无论是基于激光雷达的还是基于视觉的定位系统，其基本思路都是基于环境要素的匹配对汽车进行定位，即事先利用采集车采集高精地图数据，然后用实时扫描特征（激光或视觉）与事先制作的高精地图匹配，最后获取车辆的位置估计。因此，即使在室内环境如隧道、停车场等情况下，车辆无法获取可靠的GPS信息，也可以采用其他传感器信号进行定位。毫米波雷达无法得到大量的环境点云信息，目前主要在ADAS（advanced driver assistant system）中用于距离探测［3］。基于摄像头的视觉SLAM（simultaneous localization and mapping）算法目前在一些室内机器人中有所应用，但是其累积误差较大，会发生定位漂移。在较大的环境尺度如停车场内，即使增加闭环检测措施，漂移情况也十分严重，视觉SLAM算法用作车辆主要定位方案的可靠性较低。激光雷达可以获取大量的环境点云信息，已经越来越多地被用于三维环境重构和机器人定位以及无人驾驶建图定位等领域［4］。……