Tag: GNSS

专业术语

什么是全球导航卫星系统？

全球导航卫星系统（GNSS，Global Navigation Satellite System）是由多颗人造卫星组成的空间定位网络，能够为地球表面或近地空间的用户提供全天候、全天时、全球覆盖的三维位置、速度及时间信息。该系统通过接收至少四颗卫星发射的无线电信号，利用三角测量原理计算出接收器的精确位置。目前全球主要的GNSS包括美国的GPS、俄罗斯的GLONASS、欧盟的伽利略系统以及中国的北斗系统，这些系统相互兼容并形成多星座增强定位能力。 在自动驾驶领域，GNSS是车辆高精度定位的核心基础设施之一，尤其在开阔路段能提供米级甚至厘米级的定位精度（结合RTK差分技术）。但需注意的是，GNSS信号容易受到城市峡谷、隧道等环境的遮挡，因此实际应用中通常与惯性导航系统（INS）、激光雷达和视觉传感器等多源数据融合，构成更可靠的定位解决方案。近年来，随着北斗三号全球组网完成，中国自动驾驶企业获得了更自主可控的卫星定位支持，这对高精地图采集、车辆全局路径规划等环节具有战略意义。

专业术语

什么是全局定位？

全局定位（Global Localization）是自动驾驶系统中确定车辆在世界坐标系中绝对位置的核心技术。它通过融合全球导航卫星系统（GNSS）、惯性测量单元（IMU）、高精地图以及环境感知数据，实现对车辆经纬度、航向角等参数的厘米级精确测算。与仅依赖相对运动的里程计定位不同，全局定位能解决「初始位置未知」问题，并长期抑制累积误差，是自动驾驶安全冗余体系的基础环节。 实际应用中，城市峡谷、隧道等GNSS拒止环境会触发基于激光雷达点云匹配或视觉重定位的退化方案。现代自动驾驶系统通常采用多传感器紧耦合的因子图优化框架，将GNSS信号、轮速计、激光雷达特征点等异构数据统一建模，在复杂场景下仍能保持定位鲁棒性。值得注意的是，高精地图的矢量化语义层（如车道线、交通标志）为全局定位提供了强约束，这种先验知识与实时感知的协同正是自动驾驶定位区别于机器人SLAM的关键特征。

专业术语

什么是实时运动学定位？

实时运动学定位（Real-Time Kinematic Positioning, RTK）是一种基于全球卫星导航系统（GNSS）的高精度定位技术，通过基准站和流动站的差分信号处理，可实现厘米级的定位精度。其核心原理是利用基准站已知的精确坐标与卫星信号的测量误差，通过无线电链路将误差修正数据实时发送给流动站，从而大幅消除大气延迟、卫星钟差等共同误差源。相较于传统GNSS定位米级的误差，RTK技术将定位精度提升了一个数量级，特别适用于自动驾驶车辆对车道级精度的需求。 在自动驾驶领域，RTK定位常与惯性导航系统（INS）组合使用，构成RTK/INS组合导航系统。当车辆短暂失去卫星信号（如隧道、高架桥下）时，惯性导航能维持短时间的高精度定位，而RTK则提供绝对位置校准。这种融合方案有效解决了城市峡谷等复杂场景下的定位连续性难题，已成为L4级自动驾驶系统的标准配置。随着5G通信技术的普及，基于网络RTK（NRTK）的服务进一步降低了基准站部署成本，使高精度定位技术具备大规模商业化应用的可能。

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。

专业术语

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。

专业术语

什么是定位完整性？

定位完整性（Localization Integrity）是自动驾驶系统中用于评估定位结果可靠性的关键指标，它反映了定位系统输出结果的正确性、一致性和可信度。这个概念源于航空电子领域的完整性监测，在自动驾驶领域特指系统能够实时识别并报告定位结果是否存在偏差或失效的能力。定位完整性通常通过概率统计方法量化，常用指标包括保护水平（Protection Level）和报警限值（Alert Limit），前者表示系统承诺的最大定位误差边界，后者则是安全应用可容忍的最大误差阈值。 在实际产品开发中，定位完整性的实现需要多传感器冗余和多重校验机制。比如高精定位模块会同时融合GNSS、IMU、轮速计和激光雷达点云匹配结果，当各传感器输出差异超过预设阈值时触发完整性告警。这要求AI产品经理在系统设计阶段就明确不同场景下的完整性等级需求——城市道路可能允许米级定位误差，而自动泊车场景则需要厘米级精度保障。近年来随着ISO 21448预期功能安全（SOTIF）标准的推广，定位完整性已成为L3级以上自动驾驶系统功能安全认证的核心考察项。

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。