Category: 专业术语

专业术语

什么是LEO卫星？

LEO卫星（Low Earth Orbit Satellite）是指运行在低地球轨道的人造卫星，轨道高度通常在500至2000公里之间。相较于地球静止轨道（GEO）卫星，LEO卫星具有更短的信号传输延迟和更高的数据传输速率，这使其成为实时通信和定位服务的理想选择。在自动驾驶领域，LEO卫星星座（如星链或OneWeb）能够提供全球覆盖的高精度定位增强服务，弥补传统GNSS系统在城市峡谷等复杂环境中的信号遮挡问题。 对于自动驾驶汽车开发而言，LEO卫星技术的应用主要体现在两方面：一是通过低延迟通信实现车辆与云端的高效数据交互，支持实时地图更新和协同驾驶决策；二是结合多星座GNSS接收机，将定位精度从米级提升至厘米级，这对L4级以上的自动驾驶系统尤为重要。随着卫星星座密度的增加和通信协议的优化，LEO卫星有望成为自动驾驶车辆在偏远地区或无蜂窝网络覆盖场景下的关键基础设施。

专业术语

什么是GEO卫星？

GEO卫星（Geostationary Earth Orbit Satellite）是指运行在地球静止轨道上的人造卫星，其轨道高度约为35,786公里，轨道周期与地球自转周期相同，因此从地面观察时，卫星始终固定在天空中的同一位置。这种特性使其特别适合用于通信、气象观测和导航等需要持续覆盖特定区域的场景。GEO卫星通常具有较大的覆盖范围，单颗卫星即可覆盖地球表面约三分之一区域，但高轨道也带来了较高的信号延迟和发射成本。 在自动驾驶领域，GEO卫星主要作为高精度定位系统（如北斗、GPS）的信号源，为车辆提供全天候的位置基准。其稳定覆盖特性尤其适合高速公路等开阔区域的定位服务，但城市峡谷环境中信号易受遮挡的短板，也促使自动驾驶系统需结合地面基站和惯性导航实现多源融合定位。目前，新一代GEO卫星正通过搭载原子钟、星间链路等技术提升定位精度至厘米级，这将显著增强自动驾驶在卫星信号薄弱区域的可靠性。

专业术语

什么是定位增强？

定位增强是指在自动驾驶系统中，通过融合多种传感器数据和算法手段，提升车辆在复杂环境下的位置估计精度和鲁棒性的技术统称。其核心在于弥补单一定位方式（如GNSS）的局限性，利用惯性测量单元（IMU）、激光雷达、视觉传感器等多源数据，结合高精度地图和SLAM（同步定位与建图）技术，实现厘米级定位精度。尤其在卫星信号受遮挡的城市峡谷、隧道等场景中，定位增强技术能确保自动驾驶车辆持续获得可靠的位置信息。 从产品落地角度看，定位增强系统需平衡计算开销与实时性要求，典型方案如基于扩展卡尔曼滤波（EKF）的传感器融合框架。现代发展趋势更倾向结合深度学习，例如利用神经网络预测GNSS误差或补偿IMU漂移。值得注意的是，2021年MIT研究人员在《IEEE Transactions on Intelligent Transportation Systems》发表的论文表明，结合语义信息的视觉定位增强方法可将定位误差降低40%，这为城市复杂场景提供了新思路。

专业术语

什么是RTK基站？

RTK（Real-Time Kinematic）基站是卫星导航定位系统中的地面固定参考站，通过实时播发差分校正数据，显著提升移动终端的定位精度至厘米级。其核心原理是通过对比基站已知坐标与卫星原始观测值的差异，生成位置修正信息，并利用无线电或网络实时传输给流动站（如自动驾驶车辆），从而消除卫星信号传播过程中的电离层延迟、对流层折射等共性误差。 在自动驾驶领域，RTK基站构成了高精定位的基础设施层，尤其在无GNSS信号遮挡的开放道路场景下，可与车载惯性导航系统形成优势互补。当前主流方案采用CORS（连续运行参考站）网络架构，单个基站覆盖半径约20-40公里，需注意基站密度、通信延迟与完好性监控等工程细节。值得关注的是，随着5G广播技术的发展，新一代RTK服务正逐步实现亚米级精度的广域覆盖，这将为自动驾驶大规模商业化落地提供关键技术支持。

专业术语

什么是PPP定位？

PPP定位（Precise Point Positioning）是一种基于全球卫星导航系统（GNSS）的高精度定位技术，通过利用单台接收机观测多颗卫星的原始观测数据，结合精确的卫星轨道和钟差改正信息，实现厘米级甚至毫米级的定位精度。与传统差分定位技术不同，PPP定位无需依赖地面基准站，仅需接收来自卫星的信号和全球分布的参考站提供的改正数据即可完成高精度解算。该技术通过精密模型修正电离层延迟、对流层延迟等误差源，并采用动态滤波算法逐步收敛定位结果，特别适用于需要全球覆盖且对基准站依赖度低的场景。 在自动驾驶汽车开发中，PPP定位技术的应用前景广阔。它能够为车辆提供连续、可靠的高精度绝对位置信息，弥补视觉和激光雷达等相对定位传感器的不足。尤其在高速公路、隧道出入口等GNSS信号易受干扰的场景中，PPP与惯性导航系统（INS）的组合定位方案展现出显著优势。当前主流自动驾驶解决方案如Waymo、Cruise等，都在测试环境中验证PPP/INS紧耦合技术的可行性。不过在实际落地时，仍需解决PPP初始化时间较长、城市峡谷环境信号遮挡等问题，这也成为AI产品经理在技术选型时需要权衡的关键因素。

专业术语

什么是INS紧耦合？

INS紧耦合（Tightly Coupled INS）是惯性导航系统（Inertial Navigation System）与外部传感器（如GNSS、视觉或雷达）深度融合的一种导航架构。与传统松耦合方案不同，紧耦合将原始传感器数据（如GNSS伪距、多普勒观测值）直接与惯性测量单元（IMU）数据进行联合滤波处理，通过卡尔曼滤波等算法实现更高精度的状态估计。这种架构能有效应对卫星信号遮挡等复杂环境，在GNSS信号质量较差时仍能保持稳定的导航输出。 在自动驾驶领域，INS紧耦合技术显著提升了定位系统的鲁棒性。当车辆行驶在高楼林立的城市峡谷或隧道场景时，传统GNSS定位可能出现信号丢失或多路径效应，而紧耦合方案通过IMU的短期高精度惯性推算与原始观测值的深度融合，能够维持厘米级定位精度。特斯拉、Waymo等厂商的自动驾驶系统都采用了不同形式的紧耦合方案，这种技术已成为高精度定位模块的核心实现方式之一。

专业术语

什么是松耦合融合？

松耦合融合（Loosely Coupled Fusion）是自动驾驶感知系统中一种关键的传感器数据融合策略，指不同传感器（如摄像头、激光雷达、毫米波雷达等）在保持各自独立处理流程的基础上，通过异步通信和标准化接口进行信息交互的架构设计。与紧耦合融合需要传感器原始数据严格同步不同，松耦合融合允许各子系统以不同频率和时延输出处理结果，通过时间对齐和空间标定后在更高层级实现信息互补。这种架构既保留了各传感器的异构性优势，又通过融合提升了系统的鲁棒性和容错能力。 在自动驾驶产品落地场景中，松耦合融合因其模块化特性备受青睐。例如当激光雷达因雨雪天气性能下降时，系统可自动降低其置信度权重，转而依赖毫米波雷达的探测数据，这种动态调整能力显著提升了系统在复杂环境中的适应性。特斯拉的HydraNet和Waymo的Multi-View Fusion都采用了松耦合思想，通过神经网络中间层特征融合实现多模态感知。值得注意的是，松耦合并非性能瓶颈的代名词，现代基于深度学习的late-fusion方法已能实现毫秒级延迟，满足L4级自动驾驶的实时性要求。

专业术语

什么是深耦合融合？

深耦合融合（Deep Coupled Fusion）是自动驾驶感知系统中一种先进的传感器数据融合方法，其核心在于建立不同模态传感器（如摄像头、激光雷达、毫米波雷达）数据之间的深度特征级交互，而非简单的决策层或特征层拼接。这种融合方式通过神经网络架构设计，在原始数据或中间特征层面实现跨模态的紧密耦合，使得不同传感器的优势特征能够相互增强、劣势特征得以补偿。典型实现包括跨模态注意力机制、共享特征空间构建以及端到端的联合优化等。 在产品落地层面，深耦合融合显著提升了复杂场景下的感知鲁棒性，例如在逆光环境下，激光雷达点云数据可以校正摄像头因曝光异常丢失的物体轮廓；而在雨雾天气中，视觉特征又能辅助弥补雷达信号的衰减。特斯拉的HydraNet和Waymo的多模态Transformer架构都是该技术的成功实践。不过这类方案对计算平台算力和传感器时空同步精度要求较高，需在工程实现中平衡性能与成本。

专业术语

什么是多频GNSS？

多频GNSS（Global Navigation Satellite System）是指能够同时接收和处理多个频段卫星导航信号的全球导航卫星系统技术。传统GNSS接收机通常仅使用单一频段（如GPS的L1频段），而多频GNSS通过接收L1、L2、L5等多个频段的信号，利用不同频段信号传播特性的差异，有效抵消电离层延迟误差，显著提升定位精度和可靠性。这项技术将水平定位误差从米级降低至亚米级甚至厘米级，在复杂城市峡谷、多路径效应严重的环境中表现尤为突出。 在自动驾驶领域，多频GNSS已成为高精度定位不可或缺的组成部分。与惯导系统（INS）和激光雷达融合后，可实现全天气条件下厘米级的绝对定位，为路径规划和决策控制提供可靠的空间基准。值得注意的是，多频GNSS接收机需要更复杂的天线设计和信号处理算法，目前行业正在通过片上系统（SoC）集成降低其功耗和成本。随着北斗三号、伽利略等新一代卫星系统的部署，多频GNSS在自动驾驶中的应用前景将更加广阔。

专业术语

什么是伽利略系统？

伽利略系统（Galileo）是由欧盟主导建设的全球卫星导航系统，旨在提供高精度、高可靠性的定位、导航和授时服务。作为全球四大卫星导航系统之一，其空间段由30颗中地球轨道卫星组成，可独立于美国GPS系统运行，同时具备与GPS、格洛纳斯等系统的互操作性。伽利略系统的民用信号精度可达1米级，其特色服务包括全球搜救功能、商业加密服务以及开放服务中独有的双频定位能力。 在自动驾驶领域，伽利略系统与多传感器融合技术相结合，为车辆提供厘米级精度的绝对定位基准。其双频信号特性可有效抑制电离层误差，在复杂城市峡谷环境中表现优于单频GPS。值得注意的是，2023年完成的第二代伽利略卫星部署进一步强化了抗干扰能力，这对依赖持续精准定位的自动驾驶系统尤为重要。目前主流高精定位模块均支持多系统联合解算，工程师需在RTK算法中特别考虑伽利略特有的E1/E5频段信号特性。