자율주행 관성항법 기술에 대해 얼마나 알고 계시나요?

관성 내비게이션은 일반적으로 GPS 장비에 통합되며 공급업체에 의해 통합됩니다. 그렇다면 여기서 논의할 필요가 있는 것은 차량이 주행할 때 GPS와 차량의 요율 및 속도 신호를 얻을 수 있다는 것입니다. 자체적으로도 요레이트와 속도를 얻기 위한 일련의 센서가 있으며, 궤적 추정은 자율 주행의 중요한 부분이므로 관성 항법의 작동 원리를 이해하면 신체 기반 궤적 추정에 도움이 될 수 있습니다.

관성 내비게이션

현재 GNSS+IMU로 구성된 복합 내비게이션 시스템이 주류 측위 시스템 솔루션입니다. 관성 내비게이션 시스템은 완전한 6자유도 데이터를 출력할 수 있는 유일한 장치입니다. 데이터 업데이트 빈도가 높으며 가장 중요한 위치 결정 정보입니다.

관성항법에 사용되는 핵심 알고리즘은 주로 3가지 유형이 있습니다: 1. 관성항법 솔루션 알고리즘 2. 통합항법의 칼만 필터 결합. 3. 환경지물정보와 관성항법의 통합.

통합 항법 시스템 핵심 알고리즘 프레임워크

하드웨어 및 원리

관성 항법 시스템(INS)은 관성 센서(IMU)를 사용하여 항법 장치의 특정 힘과 각속도 정보를 측정합니다. GNSS와 같은 시스템의 정보와 특정 초기 조건을 통합하여 속도, 위치, 자세 및 기타 매개변수를 실시간으로 계산하는 자율 항법 시스템을 수행합니다. 구체적으로 관성항법시스템은 추측항법(Dead Reckoning Navigation)의 한 종류이다. 즉, 지속적으로 측정된 캐리어의 침로각과 속도를 바탕으로 기지점의 위치로부터 다음 지점의 위치를 ​​계산함으로써 이동체의 현재 위치를 지속적으로 측정할 수 있다.

관성 시스템 작동 원리 다이어그램

관성 항법 시스템은 가속도계와 자이로스코프 센서를 사용하여 캐리어의 동작 매개변수를 측정합니다. 세 개의 수직으로 배열된 자이로스코프는 세 개의 좌표축을 중심으로 캐리어의 각속도를 측정하는 데 사용되며 지구 회전의 각속도에도 민감합니다.

가속도계는 뉴턴의 제2법칙을 기반으로 하며 용량성, 압저항성 또는 열 대류 원리를 사용하여 가속 중에 질량 블록의 해당 관성력을 측정하여 가속도 값을 얻습니다. 움직이는 몸체 좌표계에서 각 축의 가속도를 측정하는 데 사용됩니다.

관성 시스템 작동 원리 다이어그램

관성 항법은 자이로스코프에서 측정한 각속도와 좌표 변환을 통합하여 차체의 자세각(롤, 피치각)과 방위각을 계산합니다. 각 좌표축의 중력 가속도 성분은 자세각을 기준으로 계산할 수 있으며, 가속도계에서 측정한 각 축의 가속도를 중력 가속도 성분을 뺀 후 적분하여 속도와 위치를 구합니다. 관성항법으로 계산된 상태는 차량의 현재 위치를 예측하는 데 사용되며, 이후 위성 측위 수신기에서 얻은 위치(또는 관측 데이터)와 비교됩니다. 비교된 편차에는 관성 항법 추정 오류와 위성 수신기 위치 오류가 포함되며, 데이터 융합 알고리즘을 통해 가중치를 부여한 후 관성 항법 예측을 수정하는 데 사용되므로 관성 항법 예측이 점점 더 정확해집니다.

관성 항법 솔루션 알고리즘

일반적으로 다음 단계로 나뉩니다.

• 자세 업데이트: 자이로스코프의 각속도 출력을 통합하여 마지막 자세에 중첩되는 자세 증분을 얻습니다.
• 좌표 변환: IMU 캐리어 좌표계에서 위치 및 속도 솔루션 좌표계로( 관성 좌표계 );
• 속도 업데이트: 관성 시스템에서 가속도를 구하려면 중력 가속도 제거를 고려해야 하며 적분을 통해 속도를 구해야 합니다.
• 위치 업데이트: 속도를 통해 위치를 구합니다. 완성.

관성 항법 솔루션 알고리즘의 개략도

관성 항법에서 항법 방정식의 각 반복은 마지막 항법 결과를 초기 값으로 사용해야 하므로 관성 항법의 초기화는 다음과 같습니다. 더 중요한 부분 중 하나입니다. 자세 정렬은 IMU의 롤, 피치, 요를 얻는 것을 의미합니다. 롤과 피치의 정렬 과정을 일반적으로 레벨링이라고 합니다. 자동차가 정지해 있을 때 가속도계로 측정된 비력은 중력에 의해서만 발생하며 이는 매우 고정밀 IMU의 경우 f=C*g로 해결될 수 있으며 자동차가 정지해 있을 때는 나침반 정렬 방법을 사용할 수 있습니다. 정지 상태에서 캐리어 시스템에서 측정된 특정 힘은 다음과 같습니다. 지구의 자전은 캐리어의 방향(요)을 결정하는 데 사용됩니다.

관성 항법 초기화 회로도

통합 항법을 위한 Kalman 필터 결합

Kalman 필터 결합을 사용하여 IMU와 GNSS, 즉 포인트 클라우드 위치 결정 결과를 융합합니다. 느슨한 결합과 긴밀한 결합의 두 가지 방법으로 나눌 수 있습니다.

느슨한 결합 필터는 위치와 속도 측정값의 차이와 계산된 위치와 속도를 칼만 필터의 수량 측정값인 결합 탐색 필터의 입력으로 사용합니다. 긴밀하게 결합된 데이터에는 GNSS 내비게이션 매개변수, 위치 확인 시 의사 거리, 거리 변경 등이 포함됩니다.

칼만 필터의 느슨하게 결합된 회로도

밀하게 결합된 칼만 필터의 회로도

칼만 필터 루즈의 장단점 비교 커플링 및 타이트 커플링

바이두 아폴로(Baidu Apollo)에서 사용하는 관성 항법 시스템을 예로 들면, 느슨한 커플링 방식을 채택하고 오류 칼만 필터를 사용합니다. 관성항법 솔루션의 결과는 칼만 필터의 시간 업데이트, 즉 예측에 사용되며, GNSS 및 포인트 클라우드 위치 확인 결과는 칼만 필터의 측정 업데이트에 사용됩니다. 칼만 필터는 관성 항법 모듈을 수정하기 위해 위치, 속도, 자세 오류를 출력하며, IMU 기간 동안의 오류는 원본 IMU 데이터를 보상하는 데 사용됩니다.

바이두 아폴로 칼만 필터의 느슨한 결합

칼만 필터 융합 다이어그램

환경 특성 정보와 관성 항법의 통합

현재 일반적으로 사용되는 GNSS+IMU 결합 관성 항법 솔루션은 일부 시나리오에서 위치 정확도 및 안정성 측면에서 여전히 자율 주행 요구 사항을 완전히 충족할 수 없습니다. 예를 들어, 도시 건물군, 지하 차고 등 GNSS 신호가 오랫동안 약한 시나리오에서는 GNSS 신호에 의존하여 정확한 위치를 업데이트하는 것은 충분히 안정적이지 않습니다. 따라서 새로운 정밀 위치 업데이트 데이터 소스를 도입하고 LiDAR를 사용해야 합니다. /lidar/ 시각 감지 포지셔닝과 기타 환경 정보를 포지셔닝에 통합하는 것은 피할 수 없는 추세가 되었습니다.

통합 내비게이션 및 환경 인식 정보 융합을 위한 아키텍처의 개략도

Baidu Apollo의 다중 센서 융합 측위 시스템 솔루션을 예로 들면 관성 내비게이션 시스템이 중심에 있습니다. 포지셔닝 모듈은 IMU, GNSS, Lidar 및 기타 포지셔닝 정보를 통합하고 관성 항법 시스템을 통해 이를 해결하고 수정하며 최종적으로 자율 주행 요구 사항을 충족하는 6 자유도의 고정밀 위치 정보를 출력합니다.

Baidu Apollo의 관성 핵융합 포지셔닝 모듈 프레임워크

위 내용은 자율주행 관성항법 기술에 대해 얼마나 알고 계시나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!