在自動(dòng)駕駛技術(shù)問(wèn)題中，定位技術(shù)（自身定位以及對(duì)周?chē)h(huán)境相對(duì)位置的認(rèn)知）似乎是無(wú)人駕駛汽車(chē)最難掌握的技術(shù)，這與城市的動(dòng)態(tài)性質(zhì)有關(guān)。例如施工路面、封閉道路、新標(biāo)志和缺失的道路標(biāo)志等，都是這種動(dòng)態(tài)性和不確定性的例子。人類(lèi)面對(duì)以上隨時(shí)隨地可能發(fā)生改變的因素都會(huì)感到困惑，更不用說(shuō)機(jī)器了。目前沒(méi)有方法可以完美地解決自動(dòng)駕駛汽車(chē)的定位問(wèn)題，但以下幾種是當(dāng)前最為有效也最有希望解決問(wèn)題的辦法。不同公司有不同的傾向性選擇，本文將根據(jù)具體的公司策略對(duì)三種定位方法進(jìn)行介紹。

自從特斯拉和Waymo等公司出現(xiàn)以來(lái)，車(chē)企對(duì)自動(dòng)駕駛技術(shù)的關(guān)注愈發(fā)增加。汽車(chē)PCB小編了解到，這種情況在2018年更甚，從而加速了無(wú)人駕駛汽車(chē)盡快落地的可能。例如，通用汽車(chē)公司在舊金山的員工已經(jīng)用上了沒(méi)有方向盤(pán)或踏板的cruise；福特、大眾、豐田和奔馳也都在自動(dòng)駕駛競(jìng)爭(zhēng)之列；上個(gè)月，特斯拉在芯片發(fā)布會(huì)上宣布，到2020年他們將制造出完全自動(dòng)駕駛汽車(chē)。

無(wú)人駕駛的實(shí)現(xiàn)前途光明，但道路曲折。目前自動(dòng)駕駛仍然面臨很多難題，例如需要快速而連續(xù)地分析數(shù)據(jù)流、需要做對(duì)機(jī)器來(lái)說(shuō)很繁瑣但對(duì)人類(lèi)來(lái)說(shuō)只是雞毛蒜皮的一些小事等。具體來(lái)說(shuō)，物體檢測(cè)、距離、速度、定位和交通法規(guī)等都是在駕駛過(guò)程中做決策時(shí)需要考慮的因素。為了達(dá)到SAE標(biāo)準(zhǔn)中的L5級(jí)別，計(jì)算機(jī)駕駛系統(tǒng)需要能夠執(zhí)行上述所有基本任務(wù)，找到針對(duì)不同問(wèn)題的技術(shù)解決方案。

定位技術(shù)（自身定位以及對(duì)周?chē)h(huán)境相對(duì)位置的認(rèn)知）似乎是無(wú)人駕駛汽車(chē)最難掌握的技術(shù)，這與城市的動(dòng)態(tài)性質(zhì)有關(guān)。例如施工路面、封閉道路、新標(biāo)志和缺失的道路標(biāo)志等，都是這種動(dòng)態(tài)性和不確定性的例子。人類(lèi)面對(duì)以上隨時(shí)隨地可能發(fā)生改變的因素都會(huì)感到困惑，更不用說(shuō)機(jī)器了。目前沒(méi)有方法可以完美地解決自動(dòng)駕駛汽車(chē)的定位問(wèn)題，但以下幾種是當(dāng)前最為有效也最有希望解決問(wèn)題的辦法。不同公司有不同的傾向性選擇，本文將根據(jù)具體的公司策略對(duì)三種定位方法進(jìn)行介紹。

以特斯拉為例的一類(lèi)企業(yè)傾向于使用基于視覺(jué)的Visual SLAM（簡(jiǎn)稱VSLAM）技術(shù)進(jìn)行定位，他們將盡可能多的視覺(jué)傳感器置入汽車(chē)中，不依靠預(yù)先錄制的地圖，而是希望將圖像處理和機(jī)器學(xué)習(xí)結(jié)合起來(lái)，讓特斯拉車(chē)輛能夠?qū)χ車(chē)h(huán)境做到實(shí)時(shí)了解。特斯拉車(chē)輛隨時(shí)隨地都在學(xué)習(xí)并與其他車(chē)輛分享知識(shí)。他們依靠周?chē)膶?shí)時(shí)環(huán)境數(shù)據(jù)而不是歷史數(shù)據(jù)，不存在依賴過(guò)時(shí)地圖而出錯(cuò)的風(fēng)險(xiǎn)。

特斯拉的目標(biāo)非常明確，即建造可以在任何條件下駕駛的車(chē)輛而不受周?chē)h(huán)境的影響。前段時(shí)間特斯拉的芯片發(fā)布會(huì)上，因馬斯克diss激光雷達(dá)還引起了一場(chǎng)軒然大波。馬斯克說(shuō)，使用激光雷達(dá)的定位方法擺脫了“丑陋，昂貴且不必要”的繪圖設(shè)備，為此付出的代價(jià)是在處理不確定性時(shí)更加依賴相機(jī)和軟件。特斯拉人工智能高級(jí)主管 Andrej Karpathy 強(qiáng)調(diào)物理數(shù)據(jù)的作用是無(wú)法代替的，相對(duì)于利用激光雷達(dá)建立虛擬高精地圖來(lái)說(shuō)，特斯拉更相信現(xiàn)實(shí)的物理數(shù)據(jù)，看圖比看雷達(dá)更真實(shí)。

目前，使用VSLAM實(shí)現(xiàn)定位的自動(dòng)駕駛車(chē)輛主要配備三類(lèi)傳感器：?jiǎn)文?、雙目（或多目）、RGBD。此外還有魚(yú)眼、全景等特殊相機(jī)，由于在研究和產(chǎn)品中都屬于少數(shù)在此不做介紹。就實(shí)現(xiàn)難度而言，這三類(lèi)方法難易程度從難到易依次為：?jiǎn)文恳曈X(jué)、雙目視覺(jué)、RGBD。在定位過(guò)程中，VSLAM自動(dòng)駕駛車(chē)輛從一個(gè)未知環(huán)境中的未知地點(diǎn)出發(fā)，在運(yùn)動(dòng)過(guò)程中通過(guò)以上這些視覺(jué)傳感器觀測(cè)定位自身位置、姿態(tài)、運(yùn)動(dòng)軌跡，再根據(jù)自身位置進(jìn)行增量式的地圖構(gòu)建，從而達(dá)到同時(shí)定位和地圖構(gòu)建的目的。定位和建圖是兩個(gè)相輔相成的過(guò)程，地圖可以提供更好的定位，而定位也可以進(jìn)一步擴(kuò)建地圖。

通用汽車(chē)和奔馳都看好通過(guò)激光雷達(dá)或GPS預(yù)先制作的高精地圖來(lái)進(jìn)行定位的方法。通用汽車(chē)于2017年收購(gòu)了自己的激光雷達(dá)供應(yīng)商。福特與百度合作，向一家激光雷達(dá)供應(yīng)商Velodyne 投資1．5億美元，奔馳也與Velodyne簽訂激光雷達(dá)供應(yīng)合約。

激光雷達(dá)是非常傳統(tǒng)的定位傳感器。它可以提供機(jī)器人本身與周?chē)h(huán)境障礙物間的距離信息。電路板廠獲悉，常見(jiàn)的激光雷達(dá)有SICK、Velodyne、Rplidar等。使用激光雷達(dá)制作高精地圖，實(shí)際上就是利用激光點(diǎn)云融合技術(shù)進(jìn)行激光雷達(dá)掃描，返回場(chǎng)景分布點(diǎn)的技術(shù)。激光點(diǎn)云融合的技術(shù)又分為兩種，一是基于點(diǎn)云融合的算法，其應(yīng)用場(chǎng)景較廣，不僅限于GPS場(chǎng)景；第二種是基于比較精確的差分GPS和精確慣導(dǎo)，其對(duì)場(chǎng)景依賴較強(qiáng)，必須在比較開(kāi)闊的場(chǎng)景使用，對(duì)于高架橋等GPS信號(hào)弱的場(chǎng)景效果不佳。基于圖像和GPS技術(shù)解決方案精度比較差，主要用來(lái)制作L2、L3的ADAS地圖，而激光點(diǎn)云則可以滿足L4、L5的需求。

這類(lèi)車(chē)輛依賴于預(yù)先記錄好的3D高分辨率地圖，而這些地圖是使用配備激光雷達(dá)的車(chē)輛預(yù)先捕獲的。然后，自動(dòng)駕駛車(chē)輛可以使用其自身配備的激光雷達(dá)設(shè)備獲取周邊環(huán)境的信息，與預(yù)先制作的高精地圖進(jìn)行比對(duì)，判斷環(huán)境是否已經(jīng)改變，然后在地圖涵蓋區(qū)域內(nèi)實(shí)現(xiàn)自動(dòng)駕駛。這顯示了相對(duì)來(lái)說(shuō)更加廣泛的自動(dòng)駕駛策略。為了保持地圖的準(zhǔn)確性和車(chē)輛的可用性，需要市政當(dāng)局和汽車(chē)制造商之間更廣泛的合作，以創(chuàng)建和維護(hù)最新的高精度地圖供車(chē)輛使用。