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。
Read more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。
Read more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。
Read moreLEO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。
Read moreRTK（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。
Read morePPP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。
Read moreINS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。
Read more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。
Read moreGLONASS（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。
Read more卫星信号多路径是指卫星导航系统（如GPS、北斗等）发射的信号在传播过程中，因遇到建筑物、地面或其他反射物而产生反射，导致接收机同时接收到直达信号和多个反射信号的现象。这些反射信号由于传播路径更长，会产生时间延迟，与直达信号相互叠加后形成干扰，造成接收机定位误差。多路径效应是城市峡谷等复杂环境中卫星定位精度下降的主要原因之一，其误差通常可达数米甚至数十米。 在自动驾驶领域，多路径效应会显著影响定位系统的可靠性。为解决这一问题，工程师们开发了多种抗多路径技术，如采用多频段接收机、窄相关器技术，以及结合惯性导航系统（INS）进行数据融合。当前最前沿的解决方案是将卫星原始观测数据与高精度地图匹配，通过机器学习算法识别并剔除多路径误差。特斯拉在2022年提出的「多路径抑制神经网络」就展现了这一技术方向的发展潜力，该技术可将城市环境中的定位误差降低60%以上。
Read more