自动驾驶“定位冗余”：感知系统故障怎么办？“GGAI视角”

一直以来，自动驾驶的感知关注点更多在视觉、雷达、GPS等环节，同时依靠深度学习、高精度地图来保证安全。

对于惯性测量单元(IMU)的关注，显然要弱很多。不过，精确的航迹推算和里程测量，并非新技术，在很多工业领域都有应用。

自动驾驶汽车需要非常精确的定位，除了基于雷达、激光雷达、GPS和摄像头在内的常见传感器，航迹推算对于城市环境中自主导航所需的厘米级定位至关重要。

也因此，基于GNSS+IMU的组合导航，无论车辆的速度、航向或垂直位移如何变化，都能提供准确的定位，即使卫星信号部分或完全接收不到（比如，在隧道和停车场）。

这正是航迹推算技术和高精度算法的结合，为解决这些具有挑战性的路况环境提供了可能性。

目前，大多数的自动驾驶测试车内部都有一套数据处理机制，可以解释传感器输入的内容，并利用这些解释代替人工操作员做出决策。

这些处理机制的主要组成部分就包括IMU，这是一个监测车辆运动动态变化的系统。IMU在跟踪车辆动态的能力上发挥巨大作用，验证来自图像传感器的数据，并确保车辆在沿途安全行驶。

IMUs在自动驾驶汽车安全冗余方面的另一个角色是所谓的“航迹推算”。当包括摄像机、激光雷达和雷达在内的传感器系统部件同时发生故障时，IMU可以在短时间内保证车辆的行驶安全。

除了提供有关车辆整体轨迹的数据外，IMU还测量车身姿态，从而能够更好地关联和解释来自其他传感器的数据。

自动驾驶汽车不仅必须了解车辆的位置、方向和速度方面的车辆动力学，而且还必须了解这些因素之间关系的变化是否会导致车辆的使用者、其他道路使用者处于不安全的情况。

例如，当一辆汽车突然刹车时，它的车头会下降，IMU可以测量到离汽车更近的点的距离。此外，IMU还可以检测不安全的情况，例如过度的滑移角。要知道，一个小到0.5度的滑移角可以引发打滑、旋转或翻滚。

考虑到一些极端条件，可能会在视觉+雷达传感器发出警报之前发生打滑或引发其他连锁风险。一旦触发，无论感知系统是否知道障碍物的位置，可能都为时已晚。

而IMU的作用则变得非常关键。

比如，当GNSS数据在具有挑战性的环境中不可用时，提供车辆位置辅助信息。同时，为其他感知系统提供速度和加速度有关的数据，以及车辆航向和实际行驶轨迹之间的角度数据。

最重要的是，IMU提供的数据使自动驾驶系统不仅知道它在哪里，而且知道它是如何移动的。

目前，业内针对高精度定位解决方案，有两种技术路径。以图商为代表，依赖高精度地图，再辅以低成本的传感器配置。而以博世为代表的供应商，则基于高分辨率的传感器配置，配合相对低精度的地图。

比如，博世开发的卫星定位智能传感器（VMPS），集成了高精度惯导IMU及信号纠偏服务，能保证多种工况下定位稳定，精度可达20厘米以内。

另外，博世对自动驾驶的态度是非常谨慎的，冗余保障贯穿了自动驾驶的所有环节。此外，考虑到IMU自身的故障可能性，冗余机制也是要考虑的必要事项。

比如，新纳传感最新推出的一款基于MEMS技术的6-DOF三重冗余高精度惯性测量单元，既能提供准确定位，又能够通过冗余架构大幅提高产品安全级别。

这款名为OpenIMU330的三重冗余传感器体系结构由三个独立的三轴加速度计和三轴陀螺仪组成，可以甄别和选择有效的IMU数据来应对MEMS粘连故障或其他原因导致的失效。

同时，冗余架构在保证尽可能高的安全级别的同时还提高了IMU的精度。具体参数方面，陀螺仪零偏稳定性和角向随机游走分别为2deg/hr和0.2deg/√hr。

此外，三个完全独立的六轴MEMS IMU，满足ISO26262 ASIL B安全要求。单个IMU的失败率约为10的负六次方，三重冗余的IMU失败率可以降至10的负18次方，安全级别大幅提高。

“高精度、低成本、小型化和高安全性的IMU解决方案，OpenIMU330代表新纳传感推出的最新一代IMU技术。”新纳公司首席技术官Mike Horton表示。

而这对于自动驾驶应用领域来说，IMU又有了更多新的认知。