慣性導航多種優勢顯著，有望成為 L3 以上自動駕駛標配

• 陳博 2023年10月31日 來源：中研網 818 50
• 繁體

慣性導航系統憑借其自主性成為自動駕駛高精定位中必不可少的關鍵部件。慣性導航 具備不受雨雪天氣、電磁干擾等外界信息擾動的獨特優勢，且輸出信息連續不間斷，能夠 為決策中心提供連續的車輛位置、姿態信息，在自動駕駛的定位系統中具有不可或缺的位 置。 其核心優

慣性導航有望成為自動駕駛標配，空間超500億。慣性導航多種優勢顯著，有望成為 L3 以上自動駕駛標配。自動駕駛獲得定位的技術方法通常有 3 種：

1. 基于信號的定位：主要為全球衛星GNSS的衛星信號進行定位的技術，也包括Wi-Fi， UWB(Ultra Wide Band，超寬帶)等方式;

2. 環境特征匹配：基于視覺或激光雷達定位，用觀測到的特征和數據庫里的語義地圖 或特征地圖進行匹配，得到車輛的位置和姿態;

3. 慣性定位: 依靠慣性傳感器獲得加速度和角速度信息，通過推算獲得當前的位置和 方位的定位技術。

慣性導航系統憑借其自主性成為自動駕駛高精定位中必不可少的關鍵部件。慣性導航 具備不受雨雪天氣、電磁干擾等外界信息擾動的獨特優勢，且輸出信息連續不間斷，能夠 為決策中心提供連續的車輛位置、姿態信息，在自動駕駛的定位系統中具有不可或缺的位 置。 其核心優勢可概括為：

1. IMU 不依賴外部信號，定位穩定且連續，在失去 GNSS/5G/4G 信號后，仍能提供 車道級精度的定位。例如，在車道線識別模塊失效時，基于失效前感知到的道路信息和 IMU 對汽車航跡的推演，仍然能夠讓汽車繼續在車道內行駛;

2. IMU 可驗證 GNSS 定位的自洽性，對于無法自洽的 GNSS 數據進行過濾和修正。 例如，若 GNSS 輸出汽車的絕對位置在短時間內發生了很大的變化，這意味著汽車有很大 的加速度，而此時 IMU 發現汽車并不具備這樣的加速度，就表明 GNSS 的定位出了問題， 應該由 IMU 來接管絕對定位系統;(報告來源：未來智庫)

3. IMU 能夠與車輛輪速、方向盤轉角、其他傳感器等信息結合，進一步提升定位精度。

GNSS+IMU構成的組合導航系統有望成為L3以上自動駕駛主流定位方案。衛星定位、 環境特征定位、慣性導航三種定位方式各有優劣，需要相互配合補足構成最完美的定位方 案。慣性導航獲得相對的位移變量，GNSS 獲得車輛初始點信息，即可通過原始參照點+ 相對位移的方法，共同實現既準確又足夠實時的位置更新。同時，慣性導航是所有定位技 術中最容易實現與其他傳感器提供的定位信息進行融合的主體，作為定位信息融合的中心， 將視覺傳感器、雷達、激光雷達、車身系統信息進行更深層次的融合，為決策層提供精確 可靠的連續的車輛位置、姿態信息。

以百度阿波羅的多傳感器融合定位系統解決方案為例，慣性導航系統處于定位模塊的 中心位置，將 IMU、GNSS、Lidar 等定位信息進行融合，通過慣性導航系統解算修正后最 終輸出滿足自動駕駛需求的 6 個自由度的高精度位置信息。

多家智能汽車主機廠及自動駕駛科技公司均已采用慣性導航作為定位系統的一部分。 自動駕駛的發展推動高精度定位技術在汽車領域的應用。GNSS+IMU 系統的互補優勢逐 漸得到重視，目前其在車中的應用落地正不斷加速。小鵬、蔚來、智己、埃安、華為 AITO 等車企均在其量產車型上搭載配置慣性導航的高精度定位單元。Waymo、Apollo、Momenta、 小馬智行等專注于 L3-L4 的自動駕駛科技企業亦在其高級別自動駕駛方案中采用慣性導航 作為自動駕駛標配硬件。

國內企業有望在軟件和應用層取得產品的率先落地。目前國內慣性導航/組合導航企業 主要集中在中游慣性導航系統設計、制造、以及軟件算法上。得益于國內智能汽車和自動 駕駛產業的快速發展，主機廠對慣性導航產品的需求持續提升。在此過程中，國內車載慣 導廠商有望與主機廠形成更緊密的合作，在定制化、差異化服務方面占據優勢。此外，通 過軟件和算法上快速和持續的迭代升級，國內企業有望實現軟件性能的領先，并以此實現 應用層產品的率先落地。

慣導算法深刻影響系統精度。在同樣的硬件環境下，算法優劣的標準在于盡可能對車輛精確建模、導航過程中準確測算并及時糾正航位誤差、適應多種外部環境特別是在衛星 信號較弱的極端環境。慣導系統的算法包括 GNSS、IMU 子系統內的算法，以及 GNSS 和 IMU 耦合算法，均對定位精度有影響：

1)IMU 子系統內算法：主要是 DR(Dead Reckoning，航位推算)算法，指已知上 一時刻導航狀態(狀態、速度和位置)，根據傳感器觀測值推算到下一時刻的導航狀態。 DR 算法包括姿態編排和位置編排兩個部分。

2)GNSS 子系統內算法：GNSS 系統單點定位精度均在米級，需要使用 RTK(Real - time kinematic，實時動態)載波相位差分技術等增強技術達到厘米級定位精度，由于實際環境、通信情況等因素會影響高精度定位算法的準確性，依賴于長時間積累實現算法迭代。

3)IMU和GNSS融合算法：INS和GNSS的組合方式可分為松耦合(loosely coupled) 和緊耦合(tightly coupled)：

a)松耦合：采用的是 RTK 定位結果+IMU 原始數據來實現融合，系統同時具有獨立 的 GNSS 和 INU，各自解算載體方位和運動情況信息，所得結果導入濾波器進行進一步解算，估算 INS 誤差情況，從而提高導航精度。松耦合在隧道、地下車庫等完全無衛星信號 的場景下與緊耦合相當，但在有衛星信號但是信號被遮擋的場景下，如城市峽谷等，定位 效果不如緊耦合。

b)緊耦合：采用 RTK 定位結果+GNSS 的原始數據+IMU 原始數據。相較于松耦合， 緊耦合不要求完整的 GNSS 結果，根據 GNSS 提供的部分數據即可計算 INS 誤差，因此 在 GNSS 受到一定干擾、探測到的衛星數量少于 4 時，得到的信息經解算后依然可以作為 濾波器的依據計算。緊耦合算法的實現需要的計算量較大，此外廠家同時具備 RTK 定位 算法和組合導航算法兩種研發能力。

欲了解更多中國汽車零部件行業的未來發展前景，可以點擊查看中研普華產業院研究報告《2023-2027年中國汽車零部件行業市場深度全景調研及投資前景分析報告》。

• 相關深度報告REPORTS

  

  2023-2027年中國汽車零部件行業全景調研與發展戰略研究咨詢報告

  產業現狀近年來，中國汽車零部件產業在國家重大工程和技術專項的支持下，通過企業自主研發、合資合作及技術人才引進，持續加強技術攻關和創新體系建設，在部分領域核心技術逐步實現突破。中國品...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡