Localization & Mapping
GPS 定位
定位技術分類：GPS絕對定位，相對定位 ，融合定位
問題： 傳統的GPS定位精度只有3-7米 ,我國城市主幹道單一車道寬一般是3.75米 ,也就是說GPS無法做到車道線級定位。在城市道路或峽谷中，精度會進一步下降。
解決方案①絕對定位，常用 RTK技術（Real Time Kinematic (RTK)-可以全天候提供釐米級別的定位。--缺陷：RTK缺點也是很明顯的。
RTK確定整週模糊度的可靠性爲95~99%，在穩定性方面不及全站儀，這是由於RTK較容易受衛星狀況、天氣狀況、數據鏈傳輸狀況影響的緣故。首先，GPS在中、低緯度地區每天總有兩次盲區（中國一般都是在下午），每次20～30分鐘，盲區時衛星幾何圖形結構強度低，RTK測量很難得到固定解。其次，白天中午，受電離層干擾大，共用衛星數少，因而初始化時間長甚至不能初始化，也就無法進行測量。根據實際經驗，每天中午12點～13點，RTK測量很難得到固定解。
再次，依賴GPS信號，在隧道內和高樓密集區無法使用。 適合開曠的路面，不適合建築物密集的城市中心，或地下車庫
②相對定位：常用的有 IMU -（SINS系統，就是Strap-down InertialNavigation。捷聯慣導系統），基於IMU 或者視覺里程計（VO）、光電編碼器（機器人車輛上用的多一些）-通過積分獲得自身的軌跡-也叫航跡推算方法，短距離精度高，長距離，由於積分產生的誤差太大。
③ Lidar 測量特點： 惡劣天氣測量差（雨雪），開曠的路面 不行，（3D 特徵信息豐富的場景，易於測量）-適合建築物密集的城市中心，或地下車庫
所以： 絕對定位方案不能完全依賴GPS-RTK 方法。，發現Lidar和GPS ，IMU 三者可以互補。隧道中GPS 丟失，INS預測，lidar更新，精度也很高，出隧道，GPS恢復，三者可以再次各發所長。因此推薦傳感器融合定位的方法
參考：https://www.cnblogs.com/Crise2018/p/8205662.html
百度Apollo 定位系統
使用了激光雷達、RTK與IMU融合的方案，多種傳感器融合加上一個誤差狀態卡爾曼濾波器使得定位精度可以達到RMS 平均值5-10釐米（x,y位置），且具備高可靠性和魯棒性，達到了全球頂級水平。市區允許最高時速超過每小時60公里。
IMU +GPS 收發器+天線，構成慣性導航系統，通過USB 傳輸數據給processor， 同時，GPS 模塊輸出觸發信號給Lidar模塊，做信號同步， 最後做數據融合。
數據頻率： LIDAR 100ms, GPS 200ms, IMU 5ms
SINS使用IMU測量得到的加速度和角速度積分得到位置、速度、姿態等(誤差較大，需要更新部分更新，修正），在卡爾曼濾波器的傳播階段作爲預測模型；相應地，ES(error state)-KF卡爾曼濾波器會對IMU的加速度和角速度進行矯正，位置、速度和姿態等誤差也反饋給SINS。RTK定位和激光雷達點雲定位結果作爲卡爾曼濾波器的測量更新。
上圖爲百度的激光雷達點雲定位地圖。
輸入的先驗地圖：（HD-map）--首先要提前製作一幅無人車將要行駛地區的激光雷達點雲定位地圖，包含有激光雷達強度成像圖和高度分佈圖，這張圖通常是地圖廠家用測繪級激光雷達完成的。目前全球絕大多數廠家包括Waymo、福特、通用等都是如此。b爲激光雷達反射強度成像圖，c爲高度分佈圖。這張圖覆蓋範圍3.3*3.1平方公里。
激光點雲定位算法描述如下：TBD!
表面上看高精度定位很複雜，實際計算中，耗費的運算資源並不算多，基於激光雷達的運算量遠低於基於圖像的運算量
百度無人車定位團隊的一篇關於多傳感器融合定位的學術論文“Robust and Precise VehicleLocalization based on Multi-sensor Fusion in Diverse City Scenes”已被機器人頂級會議ICRA 2018錄用，初稿可從arXiv上下載。
論文介紹的方案：
不是僅僅依靠激光雷達的強度或三維幾何，我們創新地使用激光雷達強度和高度線索來顯著改善定位系統準確性和魯棒性
個人理解：
注意匹配這一步，目前已經用CNN 代替了。具體TBD !
