第三章：定位与地图——高精地图构建、GPS/IMU组合导航、SLAM技术简介、车道级定位

各位同学，欢迎来到第三章。这一章我们聊聊自动驾驶的「眼睛」和「记忆」——定位与地图。

说实话，定位这事，我入行时觉得很简单。不就是GPS嘛，手机导航不也能用？后来真上了车，才发现完全不是那么回事。城市峡谷、隧道、高架桥下……GPS信号说丢就丢。这时候，你就得靠一套组合拳来稳住定位。

3.1 高精地图：不只是导航地图

普通导航地图告诉你「前方500米右转」。高精地图告诉你「前方500米，第三条车道，右转，车道线是实线，路沿高度15厘米，有一个交通杆在坐标(XXX, YYY)处」。

说白了，高精地图是给车看的，不是给人看的。它包含：

• 道路模型：车道线、路沿、停止线、斑马线
• 交通设施：红绿灯、标志牌、杆件、护栏
• 拓扑关系：车道连接、变道规则、路口转向
• 定位特征：点云特征、视觉特征，用于匹配定位

高精地图的构建流程，我简单梳理一下：

1. 数据采集：用激光雷达、相机、IMU、轮速计采集道路数据
2. 点云配准：把多帧点云对齐，生成全局点云地图
3. 语义提取：从点云中提取车道线、路沿、标志牌等元素
4. 矢量化：把语义元素转为矢量数据，生成地图文件
5. 质量验证：人工+自动检查地图精度

3.2 GPS/IMU组合导航：优势互补

GPS和IMU，一个像长跑运动员，一个像短跑健将。

GPS：长期稳定，但短期容易受干扰。高楼遮挡、多径效应，都会让定位跳变。

IMU：短期精度极高，更新频率快（100Hz以上），但长期会漂移。你想想看，IMU靠积分算位置，误差会随时间累积。

组合导航的核心思想：用GPS校正IMU的漂移，用IMU填补GPS的缺失。

我常用的组合方式有两种：

• 松耦合：GPS和IMU各自独立解算，然后用卡尔曼滤波融合位置/速度结果。简单，但精度一般。
• 紧耦合：直接融合GPS的原始观测值（伪距、载波相位）和IMU的加速度/角速度。精度高，但计算量大。

这里给一个简单的卡尔曼滤波融合伪代码：

// 预测步骤（IMU驱动）
x_pred = F * x_prev + B * u_imu
P_pred = F * P_prev * F^T + Q

// 更新步骤（GPS观测）
K = P_pred * H^T * (H * P_pred * H^T + R)^-1
x_updated = x_pred + K * (z_gps - H * x_pred)
P_updated = (I - K * H) * P_pred

嗯，这里要注意：Q和R矩阵的调参很关键。Q太大，IMU的权重就低；R太大，GPS的权重就低。我一般会在实车上跑几组数据，手动调一下。

3.3 SLAM技术简介：边建图边定位

SLAM，全称Simultaneous Localization and Mapping。说白了，就是让车在未知环境中，一边走一边给自己定位，同时把地图建出来。

为什么需要SLAM？因为高精地图不是万能的。地图更新不及时、施工改道、临时封路……这些情况都需要车辆有自主建图的能力。

SLAM主要分两类：

类型	传感器	优点	缺点
激光SLAM	激光雷达	精度高，不受光照影响	成本高，无纹理区域易退化
视觉SLAM	相机	成本低，纹理丰富	受光照影响大，深度估计有限
多模态SLAM	激光+视觉+IMU	鲁棒性最强	系统复杂，标定困难

我个人的习惯是，优先用激光SLAM做建图，视觉SLAM做重定位。为什么呢？因为激光点云对几何结构的描述更直接，建图精度更高。而视觉特征丰富，适合在已知地图中快速定位。

SLAM的核心流程：

1. 前端：特征提取与匹配（点云配准或视觉特征点匹配）
2. 后端：图优化或滤波，优化位姿和地图点
3. 回环检测：识别曾经到过的地方，消除累积误差
4. 建图：生成全局一致的地图

3.4 车道级定位：从「我在哪」到「我在哪条车道」

车道级定位，是自动驾驶的刚需。你想想看，变道、超车、匝道分流，哪一步不需要知道自己在哪条车道上？

实现车道级定位，通常有三种方法：

• 高精地图匹配：把GPS/IMU定位结果投影到高精地图上，找到最近的车道。简单，但依赖地图精度。
• 视觉车道线检测：用相机检测车道线，结合车辆横向偏移量，确定车道。不依赖地图，但受天气和光照影响。
• 多传感器融合：把地图匹配、视觉车道线、毫米波雷达路沿检测融合在一起。最鲁棒，也最复杂。

我推荐第三种。为什么呢？因为单一传感器总有失效的时候。比如雨天，车道线被积水覆盖，视觉就废了。但高精地图匹配还能用。再比如地图没更新，车道线改了，视觉又能顶上。

车道级定位的精度要求：

• 横向误差：< 0.2米（保证不压线）
• 纵向误差：< 1.0米（保证路口判断准确）
• 航向误差：< 1度（保证变道轨迹平滑）

好了，第三章就到这里。下一章我们聊聊感知——怎么让车「看」懂这个世界。记住，定位是自动驾驶的基石，没有精准的定位，后面的规划和控制都是空中楼阁。