Category: 专业术语

专业术语

什么是协作定位？

协作定位（Collaborative Positioning）是自动驾驶领域中的一项关键技术，指多辆车辆或智能体通过共享传感器数据、通信信息或定位结果，相互协同以提高各自定位精度的技术。传统定位方法依赖单一车辆的传感器（如GPS、IMU、激光雷达等），但在信号遮挡或复杂环境中易出现误差。协作定位通过车辆间的信息交互，弥补个体传感器的局限性，实现更稳定、更精确的位置估计。 在自动驾驶产品开发中，协作定位尤其适用于城市峡谷、隧道等GPS信号弱的环境，或需要高精度车队协同的场景（如物流车队、矿区作业）。该技术通常结合V2X通信、多传感器融合算法实现，既能提升定位鲁棒性，又可降低单车硬件成本。目前，5G通信和边缘计算的发展进一步推动了协作定位的落地，未来或将成为L4级以上自动驾驶的标配能力。

专业术语

什么是锚节点？

锚节点（Anchor Node）是自动驾驶感知系统中用于环境定位的基准参考点，通常指预先部署在道路基础设施上的固定信号源或特征标识物。这类节点通过激光雷达反射板、无线电信标或视觉标记等形式存在，能够为车辆提供厘米级精度的绝对位置参照。与卫星导航相比，锚节点构成的局部定位网络具有更强的抗干扰性和稳定性，特别适用于隧道、城市峡谷等卫星信号遮挡场景。 在自动驾驶量产实践中，锚节点常与高精地图特征点云匹配技术结合使用。例如某L4级Robotaxi项目通过在路口灯杆部署UWB超宽带锚节点集群，使车辆在复杂交叉口实现亚米级定位，同时显著降低了激光雷达点云匹配的计算负荷。值得注意的是，当前行业更倾向采用「语义锚点」技术路线，即利用交通标志、路灯等固有道路元素的AI识别结果作为虚拟锚节点，这种方案既保留了定位精度优势，又避免了物理基础设施改造的合规成本。

专业术语

什么是室内外无缝切换？

室内外无缝切换是指自动驾驶车辆在室内环境（如停车场、物流仓库等）与室外道路环境之间实现平稳、连续的导航与行驶能力。这项技术要求车辆能够适应截然不同的定位信号源（如室外GNSS与室内UWB）、环境特征（如开阔道路与封闭空间）以及动态障碍物分布模式，在切换过程中保持定位精度不衰减、路径规划不中断、控制指令不跳变的技术特性。 在实际产品开发中，实现无缝切换需要融合多传感器冗余系统（如激光雷达与视觉SLAM的互补）、高精度先验地图的拓扑连接，以及基于语义的环境理解能力。头部企业目前主要通过分层式状态机架构处理场景过渡，例如当检测到GNSS信号强度低于阈值时，自动激活基于视觉地标的定位补偿算法。值得注意的是，商场地下停车场等复杂过渡区域常成为技术验证的关键场景，其混合照明条件与钢结构对信号的干扰特性具有典型研究价值。

专业术语

什么是多源定位？

多源定位（Multi-source Localization）是指自动驾驶车辆通过融合多种传感器的定位数据，结合卫星导航、惯性测量、环境感知等多维度信息，实现高精度、高可靠性的位置感知技术。其核心在于利用不同传感器的互补特性——例如GNSS提供绝对位置但易受信号遮挡影响，IMU在短时内保持精度但存在累积误差，激光雷达与视觉传感器可实现环境匹配定位但依赖特征丰富度——通过卡尔曼滤波、粒子滤波等算法实现数据融合，最终输出优于单一传感器的定位结果。 在自动驾驶产品开发中，多源定位技术能有效应对城市峡谷、隧道等GNSS拒止场景，确保定位连续性。特斯拉的HD-Maps匹配、Waymo的LiDAR SLAM与GPS融合方案均为典型应用。值得注意的是，多源定位系统的性能边界往往取决于传感器标定精度与融合算法的鲁棒性，这对AI产品经理定义系统冗余策略具有重要指导意义。

专业术语

什么是TOA测量？

TOA（Time of Arrival，到达时间）测量是一种基于信号传播时间计算距离的无线电定位技术。其核心原理是通过精确测量信号从发射端到接收端的传播时间，结合已知的信号传播速度（如光速）来计算两者之间的物理距离。在自动驾驶领域，TOA技术常用于车载雷达、激光雷达（LiDAR）以及超宽带（UWB）定位系统中，为车辆提供厘米级精度的环境感知能力。 TOA测量的实际应用价值在于其抗干扰性和稳定性。例如，自动驾驶汽车通过多组UWB锚点构成的定位网络，可利用TOA技术实现车辆在复杂城市环境中的精准定位。与传统的GPS定位相比，TOA系统在隧道、高架桥等卫星信号盲区仍能保持稳定工作，这对于L4级自动驾驶的安全冗余设计至关重要。目前，奥迪A8等量产车型已采用基于TOA的激光雷达方案实现自动泊车功能。

专业术语

什么是TDOA测量？

TDOA（Time Difference of Arrival，到达时间差）测量是一种通过计算信号到达不同接收器的时间差来确定信号源位置的定位技术。其核心原理是利用电磁波或声波在空间中传播速度恒定的特性，当信号源发射的信号被多个已知位置的接收器捕获时，由于各接收器与信号源的距离不同，信号到达时间会存在微小差异。通过精确测量这些时间差，并结合接收器的几何分布，即可利用双曲线定位算法解算出信号源的空间坐标。 在自动驾驶领域，TDOA技术常被应用于车辆高精度定位、V2X通信以及无人机群协同等场景。例如，车载单元通过接收路侧基础设施（如5G基站或专用短程通信设备）发射的同步信号，结合TDOA算法可实现厘米级定位，弥补卫星导航在隧道、城市峡谷等环境中的信号盲区。值得注意的是，TDOA系统的精度高度依赖于时间同步精度，通常需要采用原子钟或精密时间协议（PTP）来保证纳秒级的时间同步。随着5G网络部署和边缘计算的发展，基于TDOA的混合定位技术正在成为自动驾驶定位系统的重要补充方案。

专业术语

什么是AOA测量？

AOA测量（Angle of Arrival Measurement）是指通过接收来自信号源的无线电波信号，计算出信号到达接收设备时的入射角度。这一技术利用多个天线接收同一信号时产生的相位差或时间差，通过特定算法反推出信号的来源方向。在自动驾驶领域，AOA测量常用于车辆间通信（V2V）和车辆与基础设施通信（V2I）中，帮助车辆精确感知周围物体的位置和运动方向。 对于自动驾驶AI产品经理而言，理解AOA测量的实际应用至关重要。该技术能够显著提升多传感器融合定位的精度，尤其是在GNSS信号受限的城市场景中。当前主流的实现方案包括基于UWB（超宽带）和毫米波雷达的AOA测量系统，它们可实现对周边车辆或行人亚米级的方位判断。值得关注的是，AOA测量与视觉、激光雷达等传感器的数据融合，正在成为新一代自动驾驶感知系统的重要研究方向。

专业术语

什么是RSSI测量？

RSSI（Received Signal Strength Indicator，接收信号强度指示）是无线通信中用于表征接收端信号功率强度的关键指标，通常以负dBm为单位表示。在自动驾驶领域，RSSI测量主要应用于车载通信模块（如V2X、Wi-Fi、蓝牙等），通过量化无线信号的衰减程度来估算通信质量、距离或定位精度。其测量原理基于电磁波传播中的自由空间路径损耗模型，实际环境中还需考虑多径效应、障碍物遮挡等复杂因素带来的干扰。 对于自动驾驶系统而言，RSSI测量在车联网通信可靠性评估中具有重要实践价值。例如，在V2V（车车通信）场景中，通过实时监测RSSI值可预判通信链路稳定性，当信号强度低于阈值时触发冗余通信机制；在基于蓝牙信标的停车场定位方案中，RSSI与指纹定位算法的结合能实现亚米级车辆位置追踪。值得注意的是，由于环境因素对RSSI测量的干扰较大，现代自动驾驶系统常采用RSSI与TOF（飞行时间）、AOA（到达角）等多模态传感数据融合的方案来提高鲁棒性。

专业术语

什么是三边测量？

三边测量（Trilateration）是一种基于距离测量的空间定位技术，通过计算目标点与三个已知参考点之间的距离来确定其在二维或三维空间中的位置。与三角测量（Triangulation）依赖角度测量不同，三边测量直接利用几何学中圆或球面的交点原理：每个已知点与目标点的距离可确定一个圆（二维）或球面（三维），三个圆或球面的交点即为目标位置。该方法对距离测量精度要求较高，常见于全球卫星导航系统（如GPS）、室内定位及自动驾驶领域。 在自动驾驶系统中，三边测量常与UWB（超宽带）或LiDAR等传感器结合使用，用于车辆的高精度定位。例如，当车辆通过车载传感器测得与周围三个固定信标（如路侧单元或特定建筑物）的距离时，即可通过三边测量算法实时解算自身坐标。该技术对城市峡谷、隧道等卫星信号弱化场景的定位补偿具有重要意义，但其精度受限于时钟同步误差、多路径效应等因素，通常需融合惯性导航数据以提升鲁棒性。

专业术语

什么是最小二乘估计？

最小二乘估计（Least Squares Estimation）是一种经典的数学优化方法，用于通过最小化误差的平方和来拟合数据与模型之间的关系。其核心思想是寻找一组参数，使得模型预测值与实际观测值之间的残差平方和达到最小。这种方法由高斯和勒让德在18世纪末独立提出，现已成为统计学和机器学习中最基础且广泛应用的参数估计技术之一。 在自动驾驶领域，最小二乘估计被大量应用于传感器标定、车辆运动模型拟合以及环境感知数据的处理中。例如，激光雷达点云的地面平面拟合、摄像头标定中的内参估计，以及多传感器融合时的位姿优化等问题，均可通过最小二乘法高效求解。其计算效率高、数学形式简洁的特点，使其成为实时系统中处理线性或可线性化问题的首选方法。