◆ 自主完好性检测：虽然定位系统的可靠性能够做到极其接近100%，但是难以达到真正的100%。这就要求定位系统在没办法提供准确的输出时，及时警告用户，采取措施，避免发生任何事故。所以，自动驾驶的定位系统应保证较低的虚警率与漏警率。

既然自动驾驶对导航和定位的要求不低，定位系统该如何满足要求？我将详细介绍以下五种定位方法。

◆ 惯性导航（INS）

目前自动驾驶常用的惯性测量单元（IMU），按照精度分可以为两类：

第一类是基于光纤陀螺（FOG）的IMU，它的特点是精度高，但同时成本也高，一般应用于精度要求较高的地图采集车辆。

下图是北京某一天所能接收到的卫星信号的星空图，基本可以保证在任意时间我们都能收到35颗以上的卫星。多频多系统在极大的程度上提高了我们导航系统的可靠性与可用性。

另一个显著特点是精密定位，已在民用领域得到广泛应用。尤其是基于载波相位动态差分的RTK技术，在智能驾考、无人机、精密农业等领域都有所应用。

然而由于GNSS是基于卫星定位的导航，它的脆弱性不可忽视——例如城市里经常会遇到各种城市“峡谷”场景（下图），导致定位系统无法接收低仰角的卫星信号，这极大增加了定位的影响因子，也增大了定位结果的不确定性。

另外一个脆弱性体现在信号干扰上。如果自动驾驶车辆本身以及加装设备导致车辆的电磁环境非常恶劣，处理不得当时，就会严重影响卫星定位接收机的收星及观测值的质量。

第三类定位方法是基于高清度地图匹配定位。通过事先建立的高精度地图，配合线上的激光点云，定位系统也能实现绝对定位和厘米级高精度。这种方法的局限性则是增加了定位系统对高精地图的依赖。

轮式传感器

第四种定位方法是轮式传感器/里程计（Wheel Sensor）。自动驾驶获得车轮信息的方式有两种：外接和内置。

外接轮式传感器的特点是分辨率和精度都非常高，缺点是结构复杂，可靠性难以保证，一般更适用于地图采集车。

最后，定位系统结合车辆的运动特点进行约束，也能获取某些定位信息。

比如定位系统先通过一些方法检测车辆是否处于静止，那么便可以假设静止时的自动驾驶车辆的速度等于0。

这种运动约束能保证极端的情况下，自动驾驶车辆的定位结果不至于产生极大的误差。当然，定位系统还可以再加入一些车辆横向或者纵向的运动约束条件等。

1. ZUPT/ZIHR/NHC，车辆运动约束部分
2. INS Alignment，惯性导航初始对准部分
3. Integrated，组合部分
4. FDI，故障检测与隔离部分

另外，定位系统的故障诊断与隔离可采用的传统软件方法有很多，比如卡方检测等，另一方面则可以借助硬件上的冗余实现。例如，通过配备多套 GNSS/IMU，定位系统能够配合软件解析余度实现多传感器冗余，提高可靠性。

第二个场景（上图）是在一个纵向特征区别不太明显的桥上，解决办法可以是采用 GNSS，IMU，Wheel Sensor的信息，检测纵向匹配失效情况，使其不影响定位系统输出。

对于卫星定位导航来说，上图的场景是较为恶劣的情况，解决办法可以是从传感器融合部分进行处理，使其具有野值的剔除能力和对参数的自适应调节能力。

第四个场景（上图）的问题在于车辆穿越高架桥时，由于信号弱，卫星定位导航失败，这就要求定位系统能独立于卫星导航，能得到可靠的结果。