本文介紹了IMU在自動駕駛技術中的重要作用，嚴格來講，單純的IMU只提供相對定位信息，即自體從某時刻開始相對於某個起始位置的運動軌跡和姿態。
評價自動駕駛汽車的技術指標很多，目前最受關注的主要是安全性、成本和運營範圍（也就是SAE自動駕駛分級L1- L5的等級劃分中的ODD,設計運行域Operational Design Domain）。這三個指標是相互關聯的，例如，運營範圍越小，應用場景越簡單，成本越低，同時安全性越高，反之亦然。因此競爭焦點在於，誰能在更大的運營範圍內提供更安全和更低成本的解決方案，或提供支持這種方案的核心器件。
從目前的情況看，園區或室內的自動駕駛技術已經日趨成熟，而開放道路，尤其是城市環境下的全自動駕駛技術仍然處於研發和測試階段。這裡面固然有感知層面的問題，目前的傳感器對開放道路上的行人、動物等目標的檢測能力仍然有待提高，但另一個容易被忽視的問題是定位的難度。在一個不大的固定區域內，定位問題可以通過基礎設施改造和SLAM技術解決；在室內，UWB定位可以達到釐米級精度。然而，如果要設計一個可以在更大範圍內自動駕駛的汽車，高精定位就成為一個挑戰。
對於一輛自動駕駛汽車來說，高精定位有兩層含義：
·得到自車與周圍環境之間的相對位置，即相對定位；
·得到自車的精確經緯度，即絕對定位。
看到這裡，很多人的第一反應是，人自己開車的時候，從來不知道自己的經緯度，為什麼自動駕駛汽車一定要做絕對定位呢？其本質原因還是在於環境感知能力的差異。人類可以僅憑雙眼（和一些記憶、知識）就能精確地得出周圍的可行駛區域、道路邊界、車道線、障礙物、交通規則等關鍵信息，並據此控制汽車安全地行駛。然而目前人類所設計的傳感器和後處理算法還無法達到同樣的性能。
因此，自動駕駛汽車對於周邊環境的理解需要高精地圖、聯合感知等技術的輔助。高精地圖可以把由測繪車提前採錄好的、用經緯度描述的道路信息告訴車輛，而所有的車輛也可以把實時感知得到的、用經緯度描述的動態障礙物的信息廣播給周圍的車輛，這兩個技術疊加在一塊，就可以大大提高自動駕駛汽車的安全性，從而拓展它們的運營範圍。之所以使用經緯度來描述這些信息，是因為不同的車輛，包括採集高精地圖的測繪車在內，必須使用同一個觀測座標系才能共享觀測的信息，而目前世界上最通用的觀測座標系就是由經緯度定義的座標系，對絕對定位的需求就來自這裡。
眾所周知，GPS可以為車輛提供精度為米級的絕對定位，差分GPS或RTK GPS可以為車輛提供精度為釐米級的絕對定位，然而並非所有的路段在所有時間都可以得到良好的GPS信號。因此，在自動駕駛領域，RTKGPS的輸出一般都要與IMU，汽車自身的傳感器（如輪速計、方向盤轉角傳感器等）進行融合。其中，IMU的全稱是Inertial Measurement Unit，即慣性測量單元，通常由陀螺儀、加速劑和算法處理單元組成，通過對加速度和旋轉角度的測量得出自體的運動軌跡。我們把傳統的IMU和與車身、GPS等信息融合的算法組合在一起的系統稱為廣義的、針對自動駕駛的IMU。
精確測量方向在一系列領域中起著關鍵作用，包括：航空航天、機器人、導航和人體運動分析和機器交互。雖然多種技術能夠測量方位，但基於慣性的感知系統的優點是完全獨立，因此測量實體既不受運動限制，也不受任何特定環境或位置的限制。慣性測量單元(IMU)由陀螺儀和加速度計組成，能夠跟蹤旋轉和平移運動。為了進行三維測量，需要由三個相互正交的敏感軸組成的三軸傳感器。這也被稱為自由度(DoF)，三軸陀螺儀和三軸加速度計集成的IMU稱為6DOF IMU。而MARG (磁性，角速度和加速度)傳感器是一種混合IMU，它包含三軸磁強計，也被稱為九軸IMU（或者9DOF IMU）。6DOF普通IMU就只能測量相對於重力方向的姿態，這對於許多應用來說都是足夠的。MARG系統(9DOF IMU)也被稱為AHRS(姿態和航向參考系統)，能夠提供相對於重力方向和地球磁場的方向的完整測量。方位估計算法是任何IMU或MAG系統的基本組成部分。需要將單獨的傳感器數據融合到一個單一的、最優的方位估計中。
前文介紹了IMU在自動駕駛技術中的重要作用，嚴格來講，單純的IMU只提供相對定位信息，即自體從某時刻開始相對於某個起始位置的運動軌跡和姿態。然而，將IMU的相對定位與RTK GPS的絕對定位進行融合後，就產生了兩個無可替代的優點：
（1）IMU可以驗證RTK GPS結果的自洽性，並對無法自洽的絕對定位數據進行濾波和修正；一個簡單的例子是，如果RTKGPS輸出汽車的絕對位置在短時間內發生了很大的變化，這意味著汽車有很大的加速度，而此時IMU發現汽車並不具備這樣的加速度，就表明RTK GPS的定位出了問題，應該由IMU來接管絕對定位系統； （2）IMU可以在RTKGPS信號消失之後，仍然提供持續若干秒的亞米級定位精度，為自動駕駛汽車爭取寶貴的異常處理的時間。同樣的道理，IMU也可以在相對定位失效時，對相對定位的結果進行航跡推演，在一段時間內保持相對定位的精度；例如，在車道線識別模塊失效時，基於失效前感知到的道路信息和IMU對汽車航跡的推演，仍然能夠讓汽車繼續在車道內行駛。
在上圖中，自動駕駛汽車駛入高樓林立的區域，失去了衛星信號，無法由GPS提供絕對定位，此時，IMU可以發揮其延續絕對定位的作用，在沒有GPS信號的區域為汽車提供絕對定位信息，這些信息包括汽車的實時經緯度和海拔高度，體現了IMU在絕對定位中的作用。
在上圖中，自動駕駛汽車通過車道線識別功能確保自身在道路中行駛。在遇到強烈太陽光照射的情況下，車道線識別功能失效。此時，IMU可以發揮其延續相對定位的作用，根據歷史記錄中的道路曲率與汽車相對於車道邊界的歷史位置，確保汽車在一段時間內繼續行駛在車道中。形象地體現了IMU在相對定位中的作用。
目前，大家對於自動駕駛系統在部分功能單元失效情況下的行為討論的不多，但一個基本的共識是，功能單元緩慢失效比突然失效更安全，有預警的失效比無意識的失效更安全。IMU與其它相對或絕對定位系統結合使用後，使得定位系統即便失效，也是一個緩慢的、可預警的過程。
這裡舉一個具體的例子來說明功能單元緩慢而有預警地失效的重要性。假如一輛自動駕駛汽車在有車道線的路上行駛，它對道路邊界的判定由高精地圖和車道線識別系統通過融合得到，其中高精地圖必須配合高精定位才能使用（我們暫時不考慮帶有道路指紋的高精地圖）。這時汽車進入了高樓林立的區域，GPS失去了信號，由IMU接管絕對定位，同時提供相對於此時此地的相對定位；而車道線識別系統有1%的概率完全找不到任何車道線和道路邊界。
那麼，在99%的正常情況下，汽車可以切換到車道保持或ACC模式進行安全行駛，在1%的極端狀況裡，汽車可以根據IMU的相對和絕對定位信息，配合之前感知到的車道線信息和高精地圖，安全地減速或停車，並提示人工接管駕駛，在整個過程中可以確保安全。反過來說，如果汽車沒有IMU，在同樣的情況下，就有1%的概率無法得到自車相對於車道線和道路邊界的位置，汽車將完全成為高速奔跑的瞎子，即使急剎車也隨時有發生碰撞的危險。在實際系統中，高精地圖可以通過標誌、道路指紋等方式提供絕對定位，車道線識別也可以基於各種不同傳感器，這相當於把上述1%的碰撞概率降低若干個數量級，然而這對於高速場景下的乘用車和商用車來說還遠遠不夠。無論這個概率有多低，都需要有一個技術來最後處理這個概率條件下的極端工況，也就是說需要最後一道安全防線。
為什麼自動駕駛系統在定位領域的最後一道防線是IMU，而不是其它技術呢？主要原因有三個。第一，IMU對相對和絕對位置的推演沒有任何外部依賴，是一個類似於黑匣子的完備系統；相比而言，基於GPS的絕對定位依賴於衛星信號的覆蓋效果，基於高精地圖的絕對定位依賴於感知的質量和算法的性能，而感知的質量與天氣有關，都有一定的不確定性。
第二，同樣是由於IMU不需要任何外部信號，它可以被安裝在汽車底盤等不外露的區域，可以對抗外來的電子或機械攻擊；相比而言，視覺、激光和毫米波在提供相對或絕對定位時必須接收來自汽車外部的電磁波或光波信號，這樣就很容易被來自攻擊者的電磁波或強光信號干擾而致盲，也容易被石子、刮蹭等意外情況損壞。第三，IMU對角速度和加速度的測量值之間本就具有一定的冗餘性，再加上輪速計和方向盤轉角等冗餘信息，使其輸出結果的置信度遠高於其它傳感器提供的絕對或相對定位結果。當然，IMU也有其侷限性，主要是價格昂貴。目前市面上主流的、能夠在GPS丟失後10秒內提供車道級定位的IMU的價格在數千美元以上，且均為進口，成為除激光雷達之外，自動駕駛汽車的另一個成本瓶頸。值得欣慰的是，國內已經有初創公司致力於研發具有自主知識產權的，針對自動駕駛專用的IMU，有望將其成本降到1萬元以下並保持精度不變。
當自動駕駛時代來臨，高精地圖及高精定位將會成為高級別智能網聯汽車的重要配置，高精度IMU也將會成長為一個百億級的市場。
在自動駕駛紛繁複雜無法窮舉的工況中，IMU以其超高的置信度、完全無需外部依賴的特性，以及強大的抗干擾能力，像一顆定海神針，為自動駕駛的定位系統提供最後一道安全保障。
自動駕駛的核心內涵包括定位、感知、決策、執行四個部分，其中定位是決策和執行的前提。定位系統主要作用是確定車輛所處的絕對位置；感知層的主要作用是收集和解析出周圍環境的信息；決策層基於對當前位置和周圍環境的理解，做出實時的安全有效的執行計劃；執行層則是按照決策層的計劃進行。
定位系統主要是以高精地圖為依託，通過慣性傳感器（IMU）和全球定位系統（GNSS），來精確定位車輛所處絕對位置。其中，高精地圖可以為車輛環境感知提供輔助，提供超視距路況信息，並幫助車輛進行規劃決策。慣導系統是一種不依賴於外部信息、也不向外部輻射能量的自主式導航系統；而全球定位系統是通過衛星定位，在地球表面或近地空間的任何地點，提供三維座標和速度的定位系統。二者的結合就可以取長補短，共同構成自動駕駛定位導航系統。
感知層主要功能是對環境信息和車內信息進行採集與處理，例如車輛的速度，方向，運動姿態和交通狀況等，並向決策層輸出信息。這一環節涉及到道路邊界檢測、車輛檢測、行人檢測等多種技術，所用到的傳感器一般有激光雷達、攝像頭、毫米波雷達、超聲波雷達等。由於各個傳感器在設計的時候有各自的侷限性，單個傳感器滿足不了各種工況下的精確感知，想要車輛在各種環境下平穩運行，就需要運用到多傳感器融合技術，該技術也是環境感知這一大類技術的關鍵所在。
決策層的作用在於接收來自車體自身感知器件以及來自車聯網的網絡虛擬空間信號，通過整合車載或雲端處理結果，替代人類進行決策判斷，輸出車輛控制信號。例如在車道保持、車道偏離預警、車距保持，障礙物警告中，需要預測本車與其他車輛、車道、行人等在未來一段時間內的狀態，並做出下一步動作決策。這項技術相當於自動汽車的“駕駛腦”，以算法為核心，並通過半導體等硬件技術對高速運算提供支持。
執行層主要是在系統做出決策後，替代人類對車輛進行控制，反饋到底層模塊執行任務。車輛的各個操控系統都需要能夠通過總線與決策系統相鏈接，並能夠按照決策系統發出的總線指令精確地控制加速程度，制動程度以及轉向幅度等駕駛動作。
前面已經對自動駕駛的環境感知，實時定位有過介紹，同時也介紹了SLAM定位和用GPS RTK定位。‘RTK+高性能慣性導航+里程計’將會組成一套較為完備的高精度定位系統，當然如果高精度地圖能提供地圖反饋的功能，甚至基於高精度地圖可以判斷樓宇橋樑位置，並對衛星信號的遮擋及多路徑效應做出提前預判，就能夠大幅提高RTK定位精度。
閱讀更多 智車科技 的文章
