IMU 上车进行时，高精度已成最优选
智能驾驶愈发火热，毫米波雷达、激光雷达等传感器也随之成为当红炸子鸡。
事实上，在智能驾驶汽车众多技术与元器件中，还有一位容易被忽略但又不可或缺的小透明——IMU（惯性测量单元）。
INS（IMU 是 INS 系统中最重要的硬件）与 GNSS+RTK 组成经典的高精度定位方案，现在几乎已经成为高阶智能驾驶「标配」。
一批 Robotaxi 及 Robotruck 企业也在其自动驾驶系统中采用了这套方案。
尽管 IMU 不如摄像头、激光雷达等传感器抢眼，但越是强大的智能驾驶系统，其实越离不开它的辅助。
如何让 IMU 为智能驾驶汽车定位保驾护航，何种 IMU 才是智能汽车需要的，这些正在成为车企们越来越关注的焦点问题。
1、智能驾驶越火 IMU 舞台越大
正如人类司机知道自己在哪儿才能正确驾驶，智能驾驶系统对定位也有着刚性需求，越是高等级的自动驾驶，对定位精度需求越高。
如果智能驾驶汽车想做出更接近人类的驾驶决策，车辆需要借助精确的定位系统，知道自己在何地、在哪个车道，以及距离车道线有多远。
更具体地讲，智能汽车的高精度定位须具备定位精度更高、覆盖场景更广阔、安全性更高三大特点：
第一，定位精度以误差落在某个范围内的概率为指标，这个范围越小，说明精度愈高。它的单位是个概率单位。高精度定位通常要求保证 0.2m@68% 以上的定位精度，即误差有 68% 的概率是落在半径为 0.2 米的圆内。
第二，定位作为智能驾驶重要的感知输入信息，决定了辅助驾驶功能的 ODD 覆盖率。高精度组合定位系统能够应对更广阔的场景，包括开阔场景（如城际高速）、半遮挡场景（如高楼密集的城区道路、高架桥下道路、林荫道等）、全遮挡场景（如隧道、地下车库）等。
第三，定位的安全性则体现在，当定位误差大于硬性要求（即 0.2m@68% 的定位精度）时，高精度定位系统能主动、快速、准确地判断并给出提示。这对智能汽车尤其重要，因为一旦误差大于安全要求而系统不知道，就可能发生事故。
要满足这些精确定位需求，GNSS+RTK+INS 是目前最主流的高精度组合定位方案。
其中，GNSS（全球卫星导航系统）通过车载接收机接收卫星信号，解算出自车位置与速度信息，实现定位、导航、授时功能。
GNSS 结合 RTK 技术（实时动态载波相位差分），可以获得厘米级定位。
但由于测量原理，GNSS 需要在接收 4 颗或以上数量卫星信号时才能正常工作；而 RTK 要发挥作用也会有一些限制条件，比如基站密度要够、要能和车载接收机保持良好通信等。
相比之下，INS（惯性导航系统）的定位精度主要由核心硬件 IMU 决定，其定位、导航完全自主，不依赖对外通信。
不过，INS 定位的原理是进行积分运算，意味着会累计误差，如果太长时间不予修正，定位结果将谬以千里。
实际上 GNSS、RTK、IMU 各自的特性已经决定了，它们会是互补的黄金搭档：
IMU 输出频率高（200Hz 左右），具有良好的实时性，能够弥补 GNSS 更新频率低（通常为 10Hz 左右）、实时性差的不足；
其不依赖外部通信的特性，也能够在 GNSS 和 RTK 无法正常工作时挺身而出。而 GNSS 可以提供绝对定位，又能不断帮助修正 INS 累计的误差。
不过，随着智能驾驶汽车的功能不断升级，渗透率持续走高，高精度组合定位也在面临着更大的挑战——不仅定位精度要求从亚米级走向厘米级，定位系统工作稳定性、可靠性、场景覆盖广度都要迈上一个台阶。
而作为高精度组合定位系统中的关键一份子，上述重担很大程度上，落在了 IMU 肩上。
2、低精度 IMU，not an option
一个不那么冷的知识是，IMU 本身精度也存在高低之分。根据 IMU 中陀螺仪和加速度计的零偏不稳定性指标，IMU 的精度可以分为战略级、导航级、战术级和消费级。
如今，低精度的消费级 IMU 面对智能驾驶汽车日渐严苛的需求，越来越难以胜任，高精度 IMU（战术级及以上）的优势愈发明显。
这是由高精度组合定位系统要面对的工作场景和系统内各模块的协同工作方式（业内称之「耦合」）决定的。
前文已经提到，高精度组合定位系统要应对的工作场景可分为开阔场景（如城际高速）、半遮挡场景（如高楼密集的城区道路、高架桥下道路、林荫道等）、全遮挡场景（如隧道、地下车库）。
而系统内模块的协作方式，则有松耦合、紧耦合、深耦合三种。
松耦合结构中，GNSS 和 IMU（INS 模块）两个系统独立工作，输出各自的导航定位参数结果。同时为了提高精度，通常会把 GNSS 的定位结果、INS 模块的测量结果一同输入给 EKF（Extended Kalman Filter，一种扩展卡尔曼滤波器），滤波器通过比较二者的差值估计 INS 的误差。利用这些误差对 INS 的输出结果进行修正，最终得到速度、位置、姿态的组合导航定位结果。
松耦合结构
紧耦合中，GNSS 模块输出的观测量（伪距、伪距率）和 INS 预测值做差，差值输入给 EKF，以此估计 INS 系统的误差。接着，INS 模块的输出经过修正后，得到组合定位结果。
卫星数量过少时，RTK 无法求得固定解。但紧耦合因为使用 GNSS 系统输出的原始观测值，所以在这种情况下依然能够保持 GNSS 信号的更新。
再配合着 INS 的辅助，整个定位系统便可在一定时间内继续输出正常可用的定位信息。
除此之外，紧耦合结构还可以利用 INS 系统预测值来对 GNSS 信号进行故障探测（如用 INS 辅助周跳检测、载波模糊度固定等），进一步提升系统定位精度和稳定性。
*备注：周跳（cycle slips）是指在全球导航卫星系统 (GNSS) 技术的载波相位测量中，由于卫星信号的失锁而导致的整周计数的跳变或中断。正确地探测并恢复周跳，是载波相位测量中非常重要且必须解决的问题之一。
紧耦合结构
深耦合在紧耦合的基础上，还会利用 INS 提供的预测值辅助 GNSS 接收机进行卫星捕获和跟踪、减少卫星误跟踪，进而提高恶劣环境和高动态环境下（比如火箭和导弹）伪距等 GNSS 观测量的精度及稳定性，以此提高整个系统性能。
一般来说，在开阔场景下 GNSS 信号良好，GNSS+RTK 定位的精度、可靠性表现良好，此时 IMU 输出影响不大，系统采用松耦合便可完成任务。
但是当高阶智能驾驶纷纷「进城」，城区导航辅助驾驶、自动代客泊车功能加速上车时，智驾车辆将必须面对大量的半遮挡与全遮挡场景。
这些场景中，GNSS 与 RTK 往往信号不佳，甚至会出现丢失的情况，IMU 于是成为决定系统性能上限的关键，而这就要求其本身必须具备足够高的精度。
比如在高架桥下、高楼密集区道路等半遮挡场景，因暂时遮挡、多路径效应等因素影响，卫星信号容易失锁，进行载波相位测量时也会产生周跳，此时 GNSS 与 RTK 难以正常工作输出精确定位。
而在隧道或地下车库等全遮挡场景中，GNSS 信号完全丢失，不论采用何种耦合方式，IMU 都会成为定位系统最后的倚靠。
此时，低精度 IMU 的 DR 航位推算不够准确可靠，在长隧道或者大型地库中很容易因为误差快速累计而定位失败，继而造成智驾功能退出或者无法泊车。而高精度 IMU 则能在更长一段时间内提供精确的定位，保障功能正常运行。
面对这种场景，高精度 IMU 结合紧/深耦合算法，可以利用 INS 提供的预测值，对 GNSS 和 RTK 进行校正，获取更精准、稳定的定位效果，在复杂城区道路上为智能驾驶保驾护航。
但如果使用低精度 IMU，INS 提供的预测信息对周跳的检测能力则会下降，当预测信息周跳检测超过一个周长，便失去了做周跳检测和跟踪捕获能力，达到的效果变成和松耦合时一样，系统最终难以给出高精度、高置信度的定位效果。
除此之外，智能驾驶的发展，不仅仅是从定位系统内各模块配合的角度对 IMU 精度提出了更高需求，在定位系统与其他传感器的数据融合方面，也要求 IMU 性能升级——比如应用越来越多的激光雷达、高清摄像头，便需要高精度 IMU 的配合，如果 IMU 精度低，其输出的信息可能会导致激光雷达点云模糊和车道线识别错误，甚至造成定位错判，危及行车安全。
虽然借助于组合定位算法，低精度 IMU 可以在某些条件下满足定位需求，但统筹来看，高精度 IMU 性能更优、可应对场景更广，不仅能胜任当下任务，而且也能满足智能驾驶功能进一步升级带来的全场景、全天时高精度定位需求。
3、保质降本 高精度 IMU 上车进行时
不过，高精度元器件通常存在两个问题：
更「娇贵」，也更昂贵。而汽车上的运行环境向来恶劣——振动、高低温冲击、复杂电磁干扰，车企对关键零部件一直有着硬性的车规级要求；同时，车企对零部件成本也是分毫必争。
如何让高精度 IMU 以车企能够接受的价格批量上车并可靠地工作，既考验供应商的量产制造 know-how，也考验其降本增效的能力。
所幸的是，作为「新兴事物」在近年才出现、上车的高精度组合定位已经进入量产交付。
行业内一些领先的企业也已开始通过生产方式的转型升级来探索高质量与低成本兼顾的降本增效途径。
可以预见的是，随着智能驾驶未来对高精度定位需求的持续释放，行业前列的供应商马不停蹄地技术创新、降本增效，高精度组合定位产品将会继续放量。
装载高精度 IMU 的组合定位产品将成为智能驾驶定位模块的性价比之选，走向更大规模普及。
1
分享
好文章，需要你的鼓励
参与评论
请您注册或者登录汽车之心社区账号即可发表回复
去登录
汽车之心
： imu一般在GPS模块里集成，或者在车机板上。国产IMU目前没有。
Han宇 回复 汽车之心
： gps模组里面的imu那精度很差了，车机板上集成的话是直接贴上去咯，国产imu 芯片级的不是有芯动联科吗，他们还没过车规吗
林芝芝@汽车之心 回复 匿名用户
： IMU 挣钱吗 哈哈