车辆定位在自动驾驶领域的研究中是一个基本问题,扮演着极为重要的角色。一个高精度的定位效果不仅仅使智能汽车的轨迹跟随控制变得更容易,还能基于位置共享实现车与车(V2V)、车与路边基础设施(V2I)以及车与城市网络的互联,是实现智能交通的必由之路。美国DARPA智能车挑战赛更是证明了只有定位精度达到分米级、更新频率在10Hz以上才能保证自动驾驶汽车安全准确地跟随规划的轨迹行驶。尽管全球导航卫星系统(GNSS)是现今使用最广泛、应用最成熟的定位技术,但具体到自动驾驶领域,依然存在卫星信号容易被周围环境中的建筑物和树木等障碍物遮挡从而导致定位失效、定位更新频率太低难以满足稍高车速时的定位要求等问题。有诸多在此基础上进行改进的卫星增强系统,比如实时动态差分定位、惯性导航、航迹推算、视觉里程计等。这些技术在一定程度上弥补了卫星定位精度差、频率低的缺点,但依然无法大范围推广使用,尤其是“城市峡谷”这种大范围遮挡区域。另外,像射频识别、超宽带和5G等地面无线通讯技术,对基础设施建设依赖很大,难以普及。为了达到高精度的定位效果以满足智能车轨迹跟随控制的要求,本文提出了一种基于高精度电子地图来获得车辆高频率精准定位的方法。主要研究内容包括:1)建立面向智能化虚拟仿真软件的GPS观测误差模型,为后续融合算法的开发提供帮助。分析了卫星定位的误差源,根据误差的统计特性在伪距中加入高斯白噪声,从而使得定位结果产生跳变。该模型的输出结果在数理统计规律上符合真实世界中测量得到的卫星定位数据。2)为了提高卫星定位系统的可用性,本文用航迹推算提升该系统的定位精度和更新频率。建立了试验车的运动学模型,从而得到航迹推算公式。公式中的车辆状态信息直接从车辆底盘CAN总线中获取。为了解决目标系统状态方程的非线性问题,采用UKF无迹卡尔曼滤波算法融合卫星定位和航迹推算。在Pano Sim软件平台中的仿真模拟以及实测实验证明了所提算法能有效提高定位系统的精度和更新频率,具有很好鲁棒性。3)创建高精度度量-拓扑混合地图。该地图表示法不仅克服了传统地图表示法内容形式单一、存储数据量大等问题,且为智能车轨迹规划、静态环境感知、地图匹配等带来方便。拓扑地图部分通过使用RTK/INS组合定位产品实时采集车辆轨迹作为道路的拓扑点,并且路边沿、车道宽度和路灯等等显著信息也可以采集进来;度量地图的制作采用了Velodyne HDL-64E三维激光雷达,并处理为最大最小高度差图的形式,简化了存储数据量且满足地图匹配和障碍物检测的要求。两部分地图由车辆位姿联系起来。通过图优化算法进一步消除地图拼接过程中的累积误差。4)提出用地图匹配的方法来进一步获得精确的车辆绝对定位。本文采用ICP迭代最近点算法将当前帧采集到的三维激光雷达点云数据与地图帧进行帧间匹配,由于预先知道卫星定位和航迹推算融合后的定位结果,地图搜索的效率得到提升,再加上点云数据均被处理成最大最小高度差图的形式,数据量的减少使得地图匹配的精度和效率满足定位要求。理论分析、模拟仿真和实际实验证明了本文所提方法能有效解决智能行驶车辆在大范围城市环境中的定位问题,所建立的高精度电子地图还可以用于轨迹规划和环境感知,对拓展智能车的应用场景有一定的指导意义和参考价值。