最初から、最後にそれのコースの非常にコアに第三レッスン！
1.はじめにポジショニング
ポジショニングは、誰もが車のアプローチの正確な場所を知らないようにすることです。私はあなたが今どこ23333車を知らない上に座るのは嫌ですよ！
GPS測位精度は通常、無人車両のために十分ではありません1〜3メートル、です。
高層ビル、峡谷、山に囲まれている場合や、GPSの精度がさらに悪化するだろう：それは10〜50メートルで、通常です。
我々は、位置情報を決定するためにGPSに頼ることはできませんので、我々はより正確な方法が必要になります。通常の実施は、自動車センサーの内容は、地図上の（高精度の授業内容のマップ）とコンテンツを比較して参照することです。車両（例えば、木、道路標識、電柱、壁など）静的障害物と車両の距離センサを測定することができます。
私たちは、車両座標系における車両の独自の座標系でこれらの静的障害物の距離と方向を測定し、車の進行方向は常に前方にあります。車のターンは、左または右、座標系もそう車は常に前進方向ことを回転することになるとき。
しかし、車の回転に伴って、車両座標系は、マップ座標と一致しないことにバインドされています。システムは、ナビゲーションシステムのシステムセットを座標マップに依存してもよいし、車両座標は、座標系（ROSザ典型的な変換TF）のスイッチングことを理解すべきです。
センサーは、マップ上の兆候を見つけるためにするとき、私たちは非常に重要なステップで問題を解決するために配置され、地図座標の値に測定された値を変換するためのセンサーニーズの座標を一致させる、またはその逆になります。
最後に、システム全体10cmのの正確な位置決め精度の下でなければなりません。次のことを見つけるために多くの方法がありますが、私たちは一緒に、これらの方法の長所と短所を検討します。
2.セバスチャン位置決めを紹介します
研究の主な分野は、セバスチャンの位置で、礼拝兄貴ORZの位置に100本の論文を超えるスタンフォード大学の在職教授の間に作られています。
3. GNSS RTK_a
あなたは野生で迷子になる場合は、遠く離れて自分の75メートルから、木を見て、それが半径75メートルの円上のツリー自身と判断することができますが、特定の位置を決定することはできません。
今、私たちは家を知っている、離れて自分自身から：64メートルは離れて、我々は二つの円の2つの交点の一つで、独自に決定することができ、まだ知らない特定の場所を
私たちは、正確なことができますが、彼らは55メートルの距離を、自分の道を知っていれば、今のマップと組み合わせ彼らは、自分の位置を知っている：
「と呼ばれるプロセス以上の三角測量は、」GPSの動作原理です。
4. GNSS RTK_b
GNSS：全地球的航法衛星システム（GNSS）
GPS：、株式会社フリーは測位システム（GPS）に参加
GPS衛星ナビゲーションシステムが米国であるが。また、ロシアのGLONASS、EUのガリレオ、中国の北斗。この主要なナビゲーションシステムは、総称してGNSSと呼ばれる
GPSは、最も広く使用されているGNSSシステムです。GPSは、3つの部分に分かれています。
- 最初の部分は衛星であります
- 世界中に制御局の第二部
- 第三の部分は、受信システム（例えば携帯電話、コンピュータおよびその他のデバイス）であります
測定された距離は、GPS時刻光の倍速であるので、それは衛星の時間に原子時計が装備され、距離測定の誤差が依然として存在します。
使用GPS通常RTK（リアルタイムキネマティック）と組み合わせて使用される場合、具体的には、位相差によるRTKは、GPS測位誤差を大幅に解消することができます。
RTK GPSの精度の組み合わせは、GPSの別の欠点は、更新頻度が低すぎることがあり、10センチメートル内に制御することができるが、等高層ビルの面に、GPSがまだ引き伸ばされ、リアルタイム要件を満たすことができません。
慣性航法_a
慣性航法システム（INS、略しINS）は、の使用である加速度計とジャイロスコープオブジェクト測定する加速度と角速度、及び連続移動物体の位置、速度及び姿勢を推定するためのコンピュータ支援ナビゲーションシステム。これは、外部基準フレームを必要としません。
6.慣性航法_b
INSデータ更新率、良好な短期的な精度と安定性が、ナビゲーション情報を統合によって生成された時刻との誤差が大きく、長期精度の位置決め、累積誤差が存在することになるからです。
したがって、慣性測定ユニット（英語：慣性測定ユニットは、IMU呼ばれる）と組み合わさGPS、自分の欠点を構成する。一方で、高い更新頻度はIMUは、低い更新頻度一方、欠点のGPS、GPSを構成します運動誤差IMUを修正。
しかし、顔の中で、このようなトンネル、地下駐車場、などの状況があっても更新GPSの長い時間のために+ IMUモデル、無人車両は正確な位置決めを得ることができないgpsの。
7.レーザレーダ位置決め
ライダーは、ポイントクラウド無人車両と一致するように配置することができます。この方法は、連続的に、既存の高精度マップに一致レーザレーダ検出データを利用して、マッチングのための多くのアルゴリズムが存在します。
ICPアルゴリズムの本質は、最小二乗法の最適なマッチングに基づいてICP（反復最近点に最も近い点アルゴリズムを反復）、適切な表現まで、プロセス「→最適剛体変換を計算するセットポイントとの間の対応を決定する」、繰り返されます収束基準は、試合を満たしています。ICPアルゴリズムは、このブログを参照することができます。
もう一つの整合フィルタアルゴリズムは、点群のアルゴリズムです。アポロは、ヒストグラム・フィルタリング・アルゴリズムを使用しています。
カルマン・フィルタは、カルマンフィルタに、以前のブログを参照することができ、他のLiDARローカリゼーションアルゴリズムであり、私が言及しています。
レーザー測量の場所利点は、その堅牢性（ロバストネス）良いセックスです。欠点は、高精度な地図や高価なレーザレーダを進めることが必要であるということで、高精度なマップは頻繁に更新が必要ですが、周囲の環境は常に永遠に変化しているので、これは、ほとんど不可能です。実際には、それがはっきりコストです。
8.視覚的位置決め
画像で見つけることが難しいだけ、一般的にそれは他のセンサとの統合が必要です。
ビジュアル位置決め原理は粒子フィルタです。積分動作の代わりに、サンプルの平均と、確率密度関数の近似表現に状態空間内を伝搬ランダムサンプルのセットを探すことによって、さらに、これらのサンプルは、公知の画像最小分散システムの状態推定を取得するプロセスである：いわゆる粒子フィルタを指します「粒子」、したがって粒子フィルタと呼ばれます。
一致するターゲティングを達成するために、粒子フィルタの原理、レーンラインカメラを使用。
利点は、低コストのことを視覚的に位置決めされ、容易に得られた画像情報、欠点は、三次元情報と三次元地図への依存性の欠如です。
9.アポロ場所
マルチセンサに基づいて、アポロ測位は、GPS、IMU及びレーザレーダ融合測位システムを使用します。この融合方法は、精度と安定性を改善するために、異なるセンサの相補的な強みを利用します。
アポロ位置決めモジュールは、IMU、GPS、レーザー、レーダー、高精度地図に依存します。これらのセンサGNSSの修正やサポートライダーのポジショニング。GNSSは、位置及び速度情報出力、レーザー測量測位位置情報と走行方向の出力、これらの出力カルマンフィルタを結合するフレーム融合を配置します。
二段階の測定期間に基づいてカルマンフィルタの予測、アポロ、GNSS測定値とのLiDARカルマンフィルタ更新ステップを位置決めするためのカルマンフィルタの予測ステップのために慣性航法ソリューション、。
10.プロジェクト例：車は、カリキュラムの見直し＆11標的にされています
わずかに
