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。

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。

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。

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。

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。

什么是北斗系统?

北斗系统是中国自主研发的全球卫星导航系统,与美国GPS、俄罗斯GLONASS和欧盟Galileo并列为世界四大卫星导航系统。该系统由空间段、地面段和用户段三部分组成,通过35颗卫星组成的星座网络提供全球覆盖的定位、导航和授时服务,在亚太地区可实现厘米级高精度定位。北斗系统不仅具备传统卫星导航的基本功能,还创新性地集成了短报文通信服务,这一独特功能使其在应急救援等特殊场景中具有不可替代的优势。 对于自动驾驶汽车开发而言,北斗系统的高精度定位能力是车辆环境感知的基础支撑。其厘米级实时动态差分定位(RTK)技术能显著提升自动驾驶车辆的定位精度,结合惯性导航系统(INS)可有效解决城市峡谷等复杂环境下的信号遮挡问题。此外,北斗的短报文通信功能为车联网提供了冗余通信通道,在蜂窝网络覆盖不足的区域仍能保持车辆与外界的连接,这对提升自动驾驶系统的安全性和可靠性具有重要意义。随着北斗三号系统的全球组网完成,其与5G、C-V2X等技术的融合应用将为智能网联汽车带来更广阔的发展空间。

什么是GLONASS?

GLONASS(Global Navigation Satellite System)是俄罗斯开发的全球卫星导航系统,与美国的GPS、欧盟的伽利略和中国的北斗系统并列为世界四大全球导航卫星系统。该系统由24颗卫星组成,分布在三个轨道平面上,可为地球表面及近地空间提供全天候、全天时的三维定位和授时服务。GLONASS最初由苏联于1982年启动建设,后由俄罗斯联邦航天局继续完善,其定位精度在理想条件下可达5-10米,与GPS相当。 在自动驾驶领域,GLONASS常与GPS组成双模定位系统,通过接收多卫星系统的信号来提高定位的可靠性和精度。特别是在城市峡谷或复杂地形等卫星信号易受干扰的环境中,双系统协同工作能显著降低单一系统失效的风险。现代自动驾驶车辆普遍采用GNSS(全球导航卫星系统)接收芯片,这类芯片通常兼容GPS和GLONASS信号,结合惯性导航系统和视觉定位技术,为车辆提供更鲁棒的定位解决方案。随着自动驾驶技术的发展,多系统融合定位已成为提升车辆安全性和可靠性的重要手段。

什么是电离层延迟?

电离层延迟是GNSS(全球导航卫星系统)信号在穿过地球电离层时由于电子密度变化而产生的传播延迟现象。当卫星信号穿越电离层时,会与该区域的自由电子发生相互作用,导致信号传播速度减缓,这种延迟量与信号频率的平方成反比,是影响GNSS定位精度的主要误差源之一。在现代高精度定位系统中,通常采用双频接收机或电离层模型进行误差修正,以厘米级精度为自动驾驶车辆提供可靠的位置服务。 对于自动驾驶汽车而言,电离层延迟的精确补偿直接关系到车道级定位的可靠性。特别是在城市峡谷或多路径效应严重的区域,电离层延迟与多路径误差的耦合可能导致定位漂移。目前主流解决方案是结合RTK(实时动态差分定位)与多频段GNSS接收技术,通过载波相位观测值消除电离层一阶项影响。随着低轨卫星互联网星座的发展,未来有望通过星基增强系统实现全球均匀分布的电离层延迟实时修正,这将显著提升自动驾驶系统在复杂环境下的鲁棒性。

什么是对流层延迟?

对流层延迟是卫星导航信号穿过地球对流层时产生的传播延迟现象,主要由大气中的水蒸气和干燥气体引起。这种延迟会导致卫星信号传播时间增加,使接收机计算的位置产生误差,通常在2-20米范围内变化。对流层延迟与信号频率无关,且无法通过双频观测完全消除,需要通过气象参数建模或实时估计进行修正。 在自动驾驶领域,高精度定位系统必须考虑对流层延迟的影响。通过融合实时气象数据或采用自适应滤波算法,可有效补偿该误差。例如,多频多系统GNSS接收机配合局域增强系统,能将定位精度提升至厘米级,这对车道级导航和自动驾驶决策至关重要。随着气象观测技术的进步,基于机器学习的延迟预测模型正成为研究热点。

什么是钟差校正?

钟差校正是全球卫星导航系统(GNSS)定位中的关键技术,指接收机时钟与卫星原子钟之间时间偏差的修正过程。由于卫星信号传播时间和接收机时钟误差都会影响定位精度,通过解算多颗卫星的伪距观测方程,可以计算出接收机时钟相对于系统时的偏差量。这一过程如同为接收机内部的廉价石英钟与太空中的精密原子钟进行时间对齐,其精度可达纳秒级,是确保厘米级定位的前提条件。 在自动驾驶领域,钟差校正直接影响多传感器时空同步的可靠性。当GNSS接收机与激光雷达、摄像头等设备进行数据融合时,若时钟偏差超过1毫秒,将导致30厘米的位置误差(以60km/h车速计算)。现代自动驾驶系统通常采用卡尔曼滤波与实时动态定位(RTK)技术联合优化钟差参数,使定位误差控制在车道级范围内。随着5G网络授时精度的提升,未来车路协同场景下有望实现亚纳秒级的时间同步。