吃奶酪的小姑娘 今天虽然也是暴风哭泣
但是终于肯吃早饭了，所以放学奖励一个奶酪
老师发信息给我说“中午吃饭前，跟她挨着的禾禾不吃饭，小样说，你快吃吧，不吃饭呆会饭就跑了”
她这三顿也是领悟到了，这就是实践出真知。
美国vlog今天更新！[挤眼]
#王小样的戏精日常##萌娃养成记# https://t.cn/AinlGIZZ
但是终于肯吃早饭了，所以放学奖励一个奶酪
老师发信息给我说“中午吃饭前，跟她挨着的禾禾不吃饭，小样说，你快吃吧，不吃饭呆会饭就跑了”
她这三顿也是领悟到了，这就是实践出真知。
美国vlog今天更新！[挤眼]
#王小样的戏精日常##萌娃养成记# https://t.cn/AinlGIZZ
臣年的小说《无上宠爱》正在疯狂连载中，婚后日常向，薄情寡欲简单粗暴假正经男主VS高贵冷艳小戏精女主，年哥的更新速度向来比较上头，大家可以放心入，每章都送红包。
手机端链接：https://t.cn/AinfWk2G
电脑端链接：https://t.cn/AiEs5lLs
有晋江app的读者可以直接搜索《无上宠爱》 没有晋江app的要么下载一个，要么点上方链接即可看。
手机端链接：https://t.cn/AinfWk2G
电脑端链接：https://t.cn/AiEs5lLs
有晋江app的读者可以直接搜索《无上宠爱》 没有晋江app的要么下载一个，要么点上方链接即可看。
u-blox梅景浩：高精度、安全、可靠——自动驾驶中的GNSS定位
今天想和大家分享的是关于自动驾驶高精度定位，我在陈总后面讲有点压力，她讲的把我要讲的大部分内容都讲掉了，所以我今天会讲的稍微简短一点。
首先看到在最近几年，在汽车领域上有很多新应用出来，会对GNSS定位有一些新的挑战。我们列出了常见的应用，比如说导航、E911，还有自动驾驶，这些GNSS的应用都对GNSS提出一些新的挑战。第一个是对于位置有更新的要求，需要有一个更高精度的位置，而且需要在全覆盖的场景下获得位置信息。不管是城市峡谷还是隧道，还是地下停车库，都希望能获得位置信息。另外一点是, 自动驾驶和ADAS应用，对位置提出更高的要求，希望达到分米级的精度。
总结一下我们现在针对GNSS这方面的要求，主要是三个方面，第一个是能提供实时的快速更新的位置,另外一个能做到足够至少能区别到车道级别,第三个是能提供时间基准，利用时间信息来做V2X应用。
举几个常见的例子。比如车载导航。首先我们从主机厂得到的消息是说，车载导航一定要达到车道级的定位，这样匹配高精地图的时候不会出现经常遇到的地图会问“请问现在在主路还是辅路”，如果拿到车道级的定位就不再会有这样的问题出现。另外导航里定位更新速度和定位更新时延是非常关键的，否则高速路上有可能出现一个情况就是错过高速路出口，都开过了, 地图告诉你请从出口驶出，这样也很令人恼火。
另外一种场景是最近比较火的应用V2X, 预计会在中国最先落地.对定位的要求要有时间的基准: 车和车的通讯，需要双方进行同步，同一个频道上进行通讯，有一个时间基准，这个是GNSS可以提供的。另外需要全场景覆盖情况下，提供车道级的位置更新，也要求实时性和低延时。我们也通过很多渠道了解到SAE的V2X定位精度, 1.5m CEP68的要求，在应用的时候，给出的位置信息不是很准，这样很容易造成用户体验不是很好，也有些车厂做过测试，一般要到亚米级、分米级的精度，V2X才能有比较好的用户体验。
更进一步是ADAS应用，需要车道的识别，同样需要很高的GNSS位置可获得性，同时也要有非常高的位置更新速度和低延时，还需要和高精度地图做匹配。
为什么我们说高精度、低延时是一个很关键的点呢？这里有一个应用场景可以讨论一下，这上面有一个蓝色的车要进行变道，会看旁边的车道上是不是有车，这时候旁边车道的车会计算自己的位置，并广播出去。在t0时刻，这个车的位置开始进行计算，如果花10ms进行计算，把位置广播出去，距离并不是很远，这个位置具有参考意义，这时候双方可以比较安全的进行操作。如果位置更新的速度在100毫秒，这还是比较优化的情况，现在很多时候做GNSS计算，用非实时系统在做，更新频率不但慢，而且是不可控的，有可能会有抖动。这样的场景下，有可能车开出去蛮远，蓝色车得到的主车道位置，根本就不准了，有可能这时候做了变道的决策，会发现两辆车容易出现事故，这样对用户的体验来说是非常糟的。所以我们认为在这样的自动驾驶场景下，低延时，高频率是非常重要的。
这张图列了传统的SAE自动驾驶的级别，以及对应自动驾驶级别所需要的定位.最常见的就是导航，常规的定位精度就够了。如果自动驾驶的级别到L2.5、L3需要比较高的精度，精度高到什么程度？至少要获得车道的信息，分米级定位。我们也考虑过是不是需要厘米级定位，后来的结论是说厘米级的定位不适用，因为GNSS是为了获得位置信息，厘米级可能在很特别的场景下做参考。路面上的物体变化是非常快的，避障操作不应该由GNSS和地图决定，而是应该由毫米波雷达和激光雷达决定。到L3或者以上，功能安全会变成一个重要的话题，这时候除了提供高精度的位置信息以外，还需要提供安全可靠的位置。
我们来说自动驾驶会有什么样的情况发生. 这是一个有点挑战的自动驾驶场景，车的尾气很多，不管是雷达还是摄像头，都很难找到一个准确的位置，因为没有路标做匹配，这时候我们就靠GNSS。但是我觉得这还不是非常有挑战，因为有一次我遇到一个场景，也是塞车，慢慢往前挪，那时候完全看不到两边有任何东西，只看到集装箱，这种场景下根本不知道自己在哪，只能靠GNSS。
还有一个场景是这样的，是一个停车库，这也是我们经常遇到的场景。昨天吃饭的时候也遇到类似的场景，到地下停车库把车停好，电梯在旁边,我们上去吃饭，吃完饭回来下到电梯应该能看到车的，结果车不见了, 旁边防火门也是那个防火门，后来我们琢磨了半天，转了一圈发现我们是不是下错楼层了，又下了一层，发现终于找到我们的车了。这种场景不管是GNSS还是雷达，都很难辨识，因为每一层场景非常接近，没什么区别，这时候应该用IMU做3D的惯导。
这是另外一个场景。欧洲的城市，规划地非常规整，同时街道又非常窄，不管是雷达还是GNSS，都会受到蛮多的影响。这时候怎么办？我们要通过GNSS，加上IMU，加上地图匹配做粗略的定位，通过毫米波雷达或者激光雷达获得在街道上的车道信息，这样与传感器的融合就会出现。
总结一下，没有一种传感器能够在任何时间、任何地点都能获得一个准确的位置信息，我们必须依赖于高精度GNSS、激光雷达、摄像头、雷达和地图进行匹配，进行融合，从而获得可靠的有效的位置信息。
GNSS能提供什么东西？更多提供是车道级的，高可靠性的、高完整性的位置信息，GNSS有一个独特的特点，提供的位置信息是绝对位置，不是提供相对的位置，提供绝对的UTC，也能提供绝对的车速以及绝对的航向信息。好处是，可以在任何的前提条件下，不管下雨下雪还是有雾都可以提供信息. 同样可以降低地图成本，这时候地图有位置信息作为参考，可以降低地图匹配需要的算力，可以在更小的范围内进行地图的匹配。同时可以作为其他的传感器很好的支撑, 共同协作，达到功能安全。
提到功能安全, 我们要引入一个新的概念protection level，是一个针对测量结果的完好性标识。意思是说在GNSS上报位置的时候会存在一些误差，在非常大的概率下，误差在范围之内。这张图上可以看到红色的叉号是上报的位置信息，这里是车的真实位置. 很高的概率让车真实的位置在蓝色圆圈覆盖之内，这时候进行下一步的融合算法，进行安全相关的计算操作时，都会比较可靠。
这里强调一点，完好性和功能安全是有一点点区别的，完好性更多是针对车本身的硬件和软件，保证不会失效，或者保证失效的时候会上报结果。完整性更多是关注整个GNSS系统，包括卫星、校正服务、车，在一起, 怎么样能在一个信号可能会受到干扰的情况下，上报一个可靠的、完好的位置信息。有可能这个位置信息并不是准确的，有可能这个位置信息不准; 或者我觉得我的信号受到了干扰，受到了欺骗，所以请不要用它，这都是有可能的。至少会给出一个度量，这样可以针对后面的算法，可以针对度量结果进行进一步的操作。
刚才提到过这样的场景下，可能环境会造成一些干扰，安全会变成很重要的话题，我们分析了一下在GNSS计算过程中会有哪些东西带来安全性的隐患。从卫星过来的信号有可能受到一些干扰，甚至会有人故意播放假的卫星信号，如果没有识别出来，就会上报错误的位置信息。同时对GNSS信号本身，GNSS的接收机有可能被篡改，也可能会上报错误的位置信息。同样的，GNSS和主GPU之间的通讯链路有可能被篡改，加密的链路有可能受到人攻击。矫正服务可能会在云端或者通过链路时被篡改，这样位置信息同样是错的。在普通导航里没问题，但是如果是纯粹的自动驾驶，这些都是非常严重的安全隐患，现实生活中也会有一些安全团队对这些东西进行验证，的确发现了在有些准自动驾驶系统里，存在这样的安全问题. 我们系统需要进行处理，尽量减少安全隐患，或者发现这样的问题以后，能尽快上报。
接下来谈谈u-blox在这方面做了哪些工作，提供哪些解决方案来解决这些问题。最基础的方案是对亚米级的诉求。这个时候有两种方案，一种方案是单频的L1接收机，配上地基或者星基播发的校正服务。我们感觉到特点是接收机成本比较低，天线成本比较低，但是服务费偏贵。另外一种方案利用现在卫星信号的双频，不同的频段上进行接收。利用双频技术，可以做到1.5米以内，硬件成本会提升，但是没有服务费用, 相对单频的方案还是更优惠一些，更实在一些。
这是能达到分米级或者厘米级的系统. 卫星信号数据会受到一些干扰，会有一些误差，校正服务的基准站利用本地的位置信息，以及卫星链路发来的信号做一个对比，估计卫星信号在当前环境所受的影响以及误差。误差可以通过internet或者星基服务发送到接收机，接收机借助校准数据对卫星进行校准，从而达到分米极、厘米级的高精度。我们和博世的观点一致，我们认为对汽车这个领域，我们并不需要厘米级的定位，需要分米级的定位，星基播发的服务是更合适的。
刚刚提到过我们可以提供亚米级和分米级、厘米级的定位，但是GNSS信号在城市中是容易受到干扰的，这种干扰会有折射反射，会导致GNSS信号的覆盖度不是很好，定位精度没有办法始终保持在厘米级、分米级。这时候一定要加入惯导，利用IMU以及相关信息，再加上u-blox独有的汽车动态模型和高精度算法，融合起来得到分米级的精度。
总结一下，u-blox产品利用了双频,服务以及惯导来实现分米级的定位，能做到在一个模块上集成所有的算法，基本上即插即用。相比较其他的很多方案来说，优势在于性能更好，能做到高达105度的操作温度，更容易达到低延时，而其它方案实时性是很难做到的。
接下来给大家看一下我们自己的测试结果，这些测试结果都使用了RTK服务，都是基于惯导。可以看到，第一个测试场景是从巴黎到日内瓦高速公路上，照片上可以看到场景比较开阔，有一点遮挡，能做到7公分的定位精度.
这是欧洲典型的城市化做的测试。城市环境算是比较典型，不算非常有挑战性。日常城市大概就是这个样子，楼不是是很高，但是楼间距比较小，只有60度的角度可以看到天空。这种场景下可以做到0.43米的定位精度，这样的话结合其他的传感器是可以做到更好的自动驾驶。
再看一个有挑战性的服务场景，这是在首尔的江南区，在这里有一个红色的点，代表在一个地下车库，完全没有GNSS信息的场景下做的。GNSS定位精度可以做到69厘米，少于70厘米。
我们做一个总结，可以看到这图上面，灰色的部分是CEP68的精度，这是日常使用的定位导航精度。这个时CEP95的精度.
这是单频的精度. 这是双频不带RTK的精度. 这个是双频加SBAS的精度, 可以看到接收机0.9米的效果是比较好的，体验再上升一个台阶。如果针对ADAS的应用，或者自动驾驶的应用，可能需要地基或者星基的校准服务，这样可以做到0.3米CEP68。
最后做一个总结，现在看到一个非常明显的趋势，车载的GNSS往更高精度的方向发展。现在市面上出现了各种各样的产品，专门针对更高精度进行优化，针对不同场景进行优化。u-blox的ZED-F9P是一个集成的, 交钥匙方案, 可以更快的推出市场，尤其针对低延时、高可靠性的场景
汽车质量家：www.autoqa.cn
今天想和大家分享的是关于自动驾驶高精度定位，我在陈总后面讲有点压力，她讲的把我要讲的大部分内容都讲掉了，所以我今天会讲的稍微简短一点。
首先看到在最近几年，在汽车领域上有很多新应用出来，会对GNSS定位有一些新的挑战。我们列出了常见的应用，比如说导航、E911，还有自动驾驶，这些GNSS的应用都对GNSS提出一些新的挑战。第一个是对于位置有更新的要求，需要有一个更高精度的位置，而且需要在全覆盖的场景下获得位置信息。不管是城市峡谷还是隧道，还是地下停车库，都希望能获得位置信息。另外一点是, 自动驾驶和ADAS应用，对位置提出更高的要求，希望达到分米级的精度。
总结一下我们现在针对GNSS这方面的要求，主要是三个方面，第一个是能提供实时的快速更新的位置,另外一个能做到足够至少能区别到车道级别,第三个是能提供时间基准，利用时间信息来做V2X应用。
举几个常见的例子。比如车载导航。首先我们从主机厂得到的消息是说，车载导航一定要达到车道级的定位，这样匹配高精地图的时候不会出现经常遇到的地图会问“请问现在在主路还是辅路”，如果拿到车道级的定位就不再会有这样的问题出现。另外导航里定位更新速度和定位更新时延是非常关键的，否则高速路上有可能出现一个情况就是错过高速路出口，都开过了, 地图告诉你请从出口驶出，这样也很令人恼火。
另外一种场景是最近比较火的应用V2X, 预计会在中国最先落地.对定位的要求要有时间的基准: 车和车的通讯，需要双方进行同步，同一个频道上进行通讯，有一个时间基准，这个是GNSS可以提供的。另外需要全场景覆盖情况下，提供车道级的位置更新，也要求实时性和低延时。我们也通过很多渠道了解到SAE的V2X定位精度, 1.5m CEP68的要求，在应用的时候，给出的位置信息不是很准，这样很容易造成用户体验不是很好，也有些车厂做过测试，一般要到亚米级、分米级的精度，V2X才能有比较好的用户体验。
更进一步是ADAS应用，需要车道的识别，同样需要很高的GNSS位置可获得性，同时也要有非常高的位置更新速度和低延时，还需要和高精度地图做匹配。
为什么我们说高精度、低延时是一个很关键的点呢？这里有一个应用场景可以讨论一下，这上面有一个蓝色的车要进行变道，会看旁边的车道上是不是有车，这时候旁边车道的车会计算自己的位置，并广播出去。在t0时刻，这个车的位置开始进行计算，如果花10ms进行计算，把位置广播出去，距离并不是很远，这个位置具有参考意义，这时候双方可以比较安全的进行操作。如果位置更新的速度在100毫秒，这还是比较优化的情况，现在很多时候做GNSS计算，用非实时系统在做，更新频率不但慢，而且是不可控的，有可能会有抖动。这样的场景下，有可能车开出去蛮远，蓝色车得到的主车道位置，根本就不准了，有可能这时候做了变道的决策，会发现两辆车容易出现事故，这样对用户的体验来说是非常糟的。所以我们认为在这样的自动驾驶场景下，低延时，高频率是非常重要的。
这张图列了传统的SAE自动驾驶的级别，以及对应自动驾驶级别所需要的定位.最常见的就是导航，常规的定位精度就够了。如果自动驾驶的级别到L2.5、L3需要比较高的精度，精度高到什么程度？至少要获得车道的信息，分米级定位。我们也考虑过是不是需要厘米级定位，后来的结论是说厘米级的定位不适用，因为GNSS是为了获得位置信息，厘米级可能在很特别的场景下做参考。路面上的物体变化是非常快的，避障操作不应该由GNSS和地图决定，而是应该由毫米波雷达和激光雷达决定。到L3或者以上，功能安全会变成一个重要的话题，这时候除了提供高精度的位置信息以外，还需要提供安全可靠的位置。
我们来说自动驾驶会有什么样的情况发生. 这是一个有点挑战的自动驾驶场景，车的尾气很多，不管是雷达还是摄像头，都很难找到一个准确的位置，因为没有路标做匹配，这时候我们就靠GNSS。但是我觉得这还不是非常有挑战，因为有一次我遇到一个场景，也是塞车，慢慢往前挪，那时候完全看不到两边有任何东西，只看到集装箱，这种场景下根本不知道自己在哪，只能靠GNSS。
还有一个场景是这样的，是一个停车库，这也是我们经常遇到的场景。昨天吃饭的时候也遇到类似的场景，到地下停车库把车停好，电梯在旁边,我们上去吃饭，吃完饭回来下到电梯应该能看到车的，结果车不见了, 旁边防火门也是那个防火门，后来我们琢磨了半天，转了一圈发现我们是不是下错楼层了，又下了一层，发现终于找到我们的车了。这种场景不管是GNSS还是雷达，都很难辨识，因为每一层场景非常接近，没什么区别，这时候应该用IMU做3D的惯导。
这是另外一个场景。欧洲的城市，规划地非常规整，同时街道又非常窄，不管是雷达还是GNSS，都会受到蛮多的影响。这时候怎么办？我们要通过GNSS，加上IMU，加上地图匹配做粗略的定位，通过毫米波雷达或者激光雷达获得在街道上的车道信息，这样与传感器的融合就会出现。
总结一下，没有一种传感器能够在任何时间、任何地点都能获得一个准确的位置信息，我们必须依赖于高精度GNSS、激光雷达、摄像头、雷达和地图进行匹配，进行融合，从而获得可靠的有效的位置信息。
GNSS能提供什么东西？更多提供是车道级的，高可靠性的、高完整性的位置信息，GNSS有一个独特的特点，提供的位置信息是绝对位置，不是提供相对的位置，提供绝对的UTC，也能提供绝对的车速以及绝对的航向信息。好处是，可以在任何的前提条件下，不管下雨下雪还是有雾都可以提供信息. 同样可以降低地图成本，这时候地图有位置信息作为参考，可以降低地图匹配需要的算力，可以在更小的范围内进行地图的匹配。同时可以作为其他的传感器很好的支撑, 共同协作，达到功能安全。
提到功能安全, 我们要引入一个新的概念protection level，是一个针对测量结果的完好性标识。意思是说在GNSS上报位置的时候会存在一些误差，在非常大的概率下，误差在范围之内。这张图上可以看到红色的叉号是上报的位置信息，这里是车的真实位置. 很高的概率让车真实的位置在蓝色圆圈覆盖之内，这时候进行下一步的融合算法，进行安全相关的计算操作时，都会比较可靠。
这里强调一点，完好性和功能安全是有一点点区别的，完好性更多是针对车本身的硬件和软件，保证不会失效，或者保证失效的时候会上报结果。完整性更多是关注整个GNSS系统，包括卫星、校正服务、车，在一起, 怎么样能在一个信号可能会受到干扰的情况下，上报一个可靠的、完好的位置信息。有可能这个位置信息并不是准确的，有可能这个位置信息不准; 或者我觉得我的信号受到了干扰，受到了欺骗，所以请不要用它，这都是有可能的。至少会给出一个度量，这样可以针对后面的算法，可以针对度量结果进行进一步的操作。
刚才提到过这样的场景下，可能环境会造成一些干扰，安全会变成很重要的话题，我们分析了一下在GNSS计算过程中会有哪些东西带来安全性的隐患。从卫星过来的信号有可能受到一些干扰，甚至会有人故意播放假的卫星信号，如果没有识别出来，就会上报错误的位置信息。同时对GNSS信号本身，GNSS的接收机有可能被篡改，也可能会上报错误的位置信息。同样的，GNSS和主GPU之间的通讯链路有可能被篡改，加密的链路有可能受到人攻击。矫正服务可能会在云端或者通过链路时被篡改，这样位置信息同样是错的。在普通导航里没问题，但是如果是纯粹的自动驾驶，这些都是非常严重的安全隐患，现实生活中也会有一些安全团队对这些东西进行验证，的确发现了在有些准自动驾驶系统里，存在这样的安全问题. 我们系统需要进行处理，尽量减少安全隐患，或者发现这样的问题以后，能尽快上报。
接下来谈谈u-blox在这方面做了哪些工作，提供哪些解决方案来解决这些问题。最基础的方案是对亚米级的诉求。这个时候有两种方案，一种方案是单频的L1接收机，配上地基或者星基播发的校正服务。我们感觉到特点是接收机成本比较低，天线成本比较低，但是服务费偏贵。另外一种方案利用现在卫星信号的双频，不同的频段上进行接收。利用双频技术，可以做到1.5米以内，硬件成本会提升，但是没有服务费用, 相对单频的方案还是更优惠一些，更实在一些。
这是能达到分米级或者厘米级的系统. 卫星信号数据会受到一些干扰，会有一些误差，校正服务的基准站利用本地的位置信息，以及卫星链路发来的信号做一个对比，估计卫星信号在当前环境所受的影响以及误差。误差可以通过internet或者星基服务发送到接收机，接收机借助校准数据对卫星进行校准，从而达到分米极、厘米级的高精度。我们和博世的观点一致，我们认为对汽车这个领域，我们并不需要厘米级的定位，需要分米级的定位，星基播发的服务是更合适的。
刚刚提到过我们可以提供亚米级和分米级、厘米级的定位，但是GNSS信号在城市中是容易受到干扰的，这种干扰会有折射反射，会导致GNSS信号的覆盖度不是很好，定位精度没有办法始终保持在厘米级、分米级。这时候一定要加入惯导，利用IMU以及相关信息，再加上u-blox独有的汽车动态模型和高精度算法，融合起来得到分米级的精度。
总结一下，u-blox产品利用了双频,服务以及惯导来实现分米级的定位，能做到在一个模块上集成所有的算法，基本上即插即用。相比较其他的很多方案来说，优势在于性能更好，能做到高达105度的操作温度，更容易达到低延时，而其它方案实时性是很难做到的。
接下来给大家看一下我们自己的测试结果，这些测试结果都使用了RTK服务，都是基于惯导。可以看到，第一个测试场景是从巴黎到日内瓦高速公路上，照片上可以看到场景比较开阔，有一点遮挡，能做到7公分的定位精度.
这是欧洲典型的城市化做的测试。城市环境算是比较典型，不算非常有挑战性。日常城市大概就是这个样子，楼不是是很高，但是楼间距比较小，只有60度的角度可以看到天空。这种场景下可以做到0.43米的定位精度，这样的话结合其他的传感器是可以做到更好的自动驾驶。
再看一个有挑战性的服务场景，这是在首尔的江南区，在这里有一个红色的点，代表在一个地下车库，完全没有GNSS信息的场景下做的。GNSS定位精度可以做到69厘米，少于70厘米。
我们做一个总结，可以看到这图上面，灰色的部分是CEP68的精度，这是日常使用的定位导航精度。这个时CEP95的精度.
这是单频的精度. 这是双频不带RTK的精度. 这个是双频加SBAS的精度, 可以看到接收机0.9米的效果是比较好的，体验再上升一个台阶。如果针对ADAS的应用，或者自动驾驶的应用，可能需要地基或者星基的校准服务，这样可以做到0.3米CEP68。
最后做一个总结，现在看到一个非常明显的趋势，车载的GNSS往更高精度的方向发展。现在市面上出现了各种各样的产品，专门针对更高精度进行优化，针对不同场景进行优化。u-blox的ZED-F9P是一个集成的, 交钥匙方案, 可以更快的推出市场，尤其针对低延时、高可靠性的场景
汽车质量家：www.autoqa.cn
✋热门推荐