智能网联汽车技术 课件 人大 项目3、4 传感器在智能网联汽车中的应用、高精定位与导航系统

智能网联汽车技术21世纪技能创新型人才培养系列教材·汽车系列主编王皓张春蓉项目三视觉传感器在智能网联汽车中的应用任务一视觉传感器的组成和种类任务二视觉传感器的功能和工作原理任务三视觉传感器的应用智能网联汽车技术王皓任务一视觉传感器的组成和种类视觉传感器又叫摄像头，主要由光源、镜头、图像传感器、模/数转换器、图像处理器、图像存储器等组成，如图3-1所示，其主要功能是获取足够的机器视觉系统要处理的原始图像。光、摄像机、图像处理器、标准的控制与通信接口等集成一体的视觉传感器称为一个智能图像采集与处理单元视觉传感器将计算机的灵活性、PLC的可靠性以及分布式网络技术结合在一起，构成机器视觉系统。任务一视觉传感器的组成和种类图3-1视觉传感器的组成任务一视觉传感器的组成和种类一、视觉传感器的组成与结构1.光源光源是一个物理学名词，世间万物有的发光，有的不发光。我们把能够自行发光且正在发光的物体叫作光源，如太阳、打开的电灯、燃烧的蜡烛等。2.镜头镜头是视觉传感器的关键部件，它的质量直接影响摄像头的各项指标。镜头相当于人眼的晶状体，如果没有晶状体，眼睛是看不到任何物体的；同理，如果没有镜头，摄像头输出的图像就是白茫茫一片。任务一视觉传感器的组成和种类3.图像传感器图像传感器通常使用电荷耦合装置（CCD）或互补金属氧化物半导体（CMOS）技术将光转换为电信号。图像传感器的根本任务就是采集光源并将其转换为平衡噪声、灵敏度和动态范围的数字图像。图像是像素的集合，暗光产生较暗的像素，亮光产生较亮的像素。图像传感器能够确保摄像头具有正确的分辨率，分辨率越高，图像细节越清晰，测量准确度越高。4.模/数转换器模/数转换器即A/D转换器，是将模拟信号转换为电子信号的电子元件。例如，能够把输入的电压信号转换为输出的数字信号。5.图像处理器图像处理器是能够对图像进行分类、合成等操作的软件，经过取样和量化环节将图像变换为适合计算机处理的数字信息，再通过直方图、灰度图等显示。6.图像存储器图像存储是指在存储器中保存图形和影像的数字信息。数字图像文件可存储为映射图像、光栅图像或矢量图像等。任务一视觉传感器的组成和种类二、视觉传感器的特点（1）视觉图像的信息量极为丰富，尤其是彩色图像，不仅包含视野内物体的距离信息，还包含物体的颜色、纹理、深度和形状等信息，视觉传感器均能获取。（2）视觉传感器可在视野范围内同时实现道路检测、车辆检测、行人检测、交通标志检测、交通信号灯检测，信息获取面积大，多辆智能网联汽车同时工作时，不会出现相互干扰的现象。（3）视觉传感器获取的是实时的场景图像，该信息不依赖于先验知识，有较强的环境适应能力。（4）视觉传感器应用广泛，在智能网联汽车中可以实现前视、后视、侧视、内视、环视等。以前视为例，夜视、车道偏离预警、碰撞预警、交通标志识别等功能均要求视觉系统能够在各种天气、路况条件下清晰识别车道线、车辆、障碍物、交通标志等。三、视觉传感器的类型车载视觉传感器常用的分类方式有按照芯片类型分类和按照镜头数目分类。1.按照芯片类型分类（1）电荷耦合器件（CCD）。CCD是一种用电荷量表示信号、用耦合方式传输信号的探测元件，如图3-3所示。它是一种特殊的半导体器件，上面有很多一样的感光元件，每个感光元件叫作一个像素。CCD的作用是将光线转换成电信号，是极其重要的部件，其性能直接影响摄像机的成像质量。CCD广泛应用于数码摄影、天文学等领域。任务一视觉传感器的组成和种类（2）互补金属氧化物半导体（CMOS）。互补金属氧化物半导体（CMOS）是一种大规模用于集成电路芯片制造的原料，其成品如图3-4所示。CCD和CMOS传感器是目前普遍采用的图像传感器，两者都利用光电二极管进行光电转换，通过芯片上的模/数转换器将图像转换成数字信号，主要差异是数字数据的传输方式不同。在CCD传感器中，每一行的每一个像素的电荷数据都会依次传送到下一个像素中，再经过传感器边缘的放大器放大输出。而在CMOS传感器中，当数据的传送距离较长时会产生噪声，因此要先放大信号，再整合各个像素的数据。在每个像素旁都接一个放大器及A/D转换电路，通过类似内存电路的方式输出数据。任务一视觉传感器的组成和种类2.按照镜头数目分类（1）单目摄像头。单目摄像头的优点是成本低廉；能够识别具体障碍物的种类，且识别准确。单目摄像头的缺点是其识别原理导致无法识别没有明显轮廓的障碍物；工作准确率与外部光线条件有关，并且受限于数据库；没有自主学习功能。任务一视觉传感器的组成和种类（2）双目摄像头。双目摄像头如图3-6所示。该类摄像头通过对两幅图像视差的计算，直接对前方景物（图像所拍摄到的范围）进行距离测量，而无须判断前方出现的是什么类型的障碍物。其原理是依靠两个平行布置的摄像头产生的视差，找到同一个物体所有的点，然后通过三角测距方式计算出摄像头与前方障碍物的距离，实现更高的识别精度和更远的探测范围。任务一视觉传感器的组成和种类（3）三目摄像头。三目摄像头如图3-7所示。该类摄像头除了具有单目摄像头功能，其配备的长焦距摄像头可以实现远距离探测和鱼眼功能，增强了近距离范围的探测能力，视野更为广阔。特斯拉电动汽车采用的就是三目摄像头，包含一个120°的广角摄像头，可以监测车辆周围的环境，探测距离60m左右；一个50°的中距摄像头，探测距离150m左右；一个35°的远距离摄像头，探测距离250m左右。任务一视觉传感器的组成和种类（4）环视摄像头。如图3-8所示，环视摄像头至少包括4个摄像头，以实现360°环境感知。任务一视觉传感器的组成和种类3.按照摄像头的使用时间分类（1）普通摄像头。普通摄像头用于探测可见光，其工作依赖于外界光源，因此普通摄像头只适合在白天工作，不适合在黑夜工作。（2）红外摄像头。红外摄像头如图3-9所示。该类摄像头可以感知红外线，对外界的光照要求不高，可在夜晚光照不充分时利用红外线感知物体。因此，红外摄像头既适合在白天工作，也适合在夜间工作。目前车辆上使用的主要是红外摄像头。任务二视觉传感器的功能和工作原理一、视觉传感器的功能1.车道线识别车道线是视觉传感器能够感知的最基本信息，拥有车道线识别功能即可实现高速公路车道保持。车道线识别功能既可以确保车辆在车道内行驶，也可以实现变换车道行驶，如图3-10所示。任务二视觉传感器的功能和工作原理2.障碍物检测障碍物会对行车安全构成威胁。障碍物的种类有很多，如汽车、行人、自行车、动物、建筑物等，如图3-11所示。实现对障碍物的检测是确保车辆能够在车道内正常行驶并保持合适的跟车距离的基本要求。任务二视觉传感器的功能和工作原理3.交通标志和地面标志识别如图3-12所示，交通标志和地面标志可用于道路特征与高精度地图匹配后的辅助定位，系统也可以基于这些感知结果进行地图的更新。任务二视觉传感器的功能和工作原理4.交通信号灯识别如图3-13所示，对交通信号灯状态的感知能力是主要在城区行驶的无人驾驶汽车实现安全行驶的重要前提。任务二视觉传感器的功能和工作原理5.可通行空间检测如图3-14所示，可通行空间标示无人驾驶汽车可以正常行驶的区域。任务二视觉传感器的功能和工作原理二、视觉传感器的工作原理1.视觉人类视觉系统（HumanVisualSystem）拥有视锥细胞和视杆细胞。视锥细胞在中央凹处分布密集，而在视网膜周边区域相对较少。视杆细胞在中央凹处没有分布，其主要分布在视网膜的周边区域。两种细胞都能接受光刺激并将光能转化为神经冲动，因此称为光感受器。视杆细胞所含的感光物质为视紫红质，对光线的强弱反应非常敏感，对不同颜色的光波反应不敏感，它是一种感受弱光刺激的细胞，分辨能力差。猫头鹰的视网膜中的视杆细胞较多，故夜间视觉灵敏。视锥细胞的空间分辨率高，对强光和颜色具有高度的分辨能力。人类肉眼有三种视锥细胞，因此可以看到缤纷的世界。鸟类拥有四种视锥细胞，能辨别出更多的色彩，看见的世界也更加绚丽多彩。任务二视觉传感器的功能和工作原理2.车载视觉技术车载视觉技术是通过模拟人类视觉技术发展而来的一种应用技术。它基于车载机器（视觉传感器）识别道路环境参数并判断行车的安全性，包括物体的识别、形状与方位的确认、运动轨迹的判断等，通过图像分析识别技术对行驶环境进行感知，在即时定位和导航等方面发挥了车辆的“眼睛”的作用。车载视觉技术的环境感知流程如图3-15所示，通常包括图像采集、图像预处理、图像特征提取、图像模式识别、结果传输等环节。具体识别对象和采用的识别方法不同，环境感知的流程也会有所不同。任务二视觉传感器的功能和工作原理（1）图像采集。图像采集主要是通过摄像头采集图像，如果是模拟信号，要把模拟信号转换为数字信号，并把数字图像以一定的格式表现出来。（2）图像预处理。图像预处理包含的内容较多，有图像压缩、图像增强与复原、图像分割等，要根据具体况进行选择。（3）图像特征提取。为了完成对图像中的目标的识别，要在图像分割的基础上提取需要的特征，并对这些特征进行计算、测量、分类，以便计算机根据特征值进行图像分类和识别。任务二视觉传感器的功能和工作原理（4）图像模式识别。图像模式识别的方法有很多，从图像模式识别提取的特征对象这一角度，识别方法可分为基于特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术等。（5）结果传输。通过环境感知系统识别的信息，可传输到车辆其他控制系统或者传输到周围车辆，实现相应的控制功能。任务二视觉传感器的功能和工作原理3.CCD技术CCD技术是一种用电荷量表示信号大小，用耦合方式传输信号的探测技术。CCD技术是1969年由美国贝尔实验室的博伊尔和史密斯发明的。当时贝尔实验室正在研制影像电话和半导体气泡式内存，将这两种新技术结合起来后，博伊尔和史密斯得出一种名为“电荷气泡元件”的装置，它能沿着一片半导体的表面传递电荷，于是便尝试将其用作记忆装置。起初只能从暂存器通过“注入”电荷的方式输入记忆，但随即他们发现光电效应能使此种元件表面产生电荷而组成数位影像，这就是最早的CCD技术。任务二视觉传感器的功能和工作原理CCD技术具有自扫描、感受波谱范围宽、畸变小、体积小、重量轻、系统噪声低、功耗小、寿命长、可靠性高等优点，并可做成集成度非常高的组合件。CCD靶面由多个阵列式光电耦合元件构成，能根据光照强弱产生不同强度的电流，然后将电流转换为当量电压。CCD及光敏元件的结构如图3-16所示。任务二视觉传感器的功能和工作原理CCD技术可直接将光学信号转换为数字电信号，实现图像的获取、存储、传输、处理和复现。其特点是：体积小，重量轻，功耗小，工作电压低；抗冲击与振动，性能稳定，寿命长，灵敏度高，噪声低，动态范围大，响应速度快；具有自扫描功能，图像畸变小，无残像；应用超大规模集成电路工艺技术生产，像素集成度高，尺寸精确，商品化生产成本低。CCD的结构分为三层，如图3-17所示，分别为微型镜头、分色滤色片、感光元件。光敏元被制作在感光元件层的半导体硅片上，一个光敏元为一个像素，成千上万的光敏元在半导体硅片上按照线阵或面阵有规则地排列着。任务二视觉传感器的功能和工作原理CCD的基本单元是MOS电容器，用于存储电荷。如图3-18所示，每个MOS电容器内的工作分为四步：第一步是信号电荷的产生（光电转换）；第二步是信号电荷的存储；第三步是信号电荷的传输；第四步是信号电荷的检测。任务二视觉传感器的功能和工作原理任务二视觉传感器的功能和工作原理4.CMOS技术CMOS（ComplementaryMetal-OxideSemiconductor，互补性氧化金属半导体）图像传感器的工作原理是制成半导体的元素主要为硅和锗，它们使CMOS上共存着带N（-）和P（+）极的半导体，这两个互补效应所产生的电流可被芯片记录并解读为影像。精加工后的CMOS可以作为数码相机的图像传感器。常用的CMOS传感器有主动式和被动式两种。任务二视觉传感器的功能和工作原理CMOS技术的特点是灵敏度较高、曝光时间较短、像素尺寸小、自适应动态范围大、功耗低。CMOS根据光敏元结构的不同，可分为光栅型和光电二极管型，如图3-20所示。而根据敏感单元内是否具有放大功能，又可分为无源像素图像传感器（PPS）和有源像素图像传感器（APS）。任务二视觉传感器的功能和工作原理CMOS的主要组成部分包括像敏单元阵列和输出及信号处理电路，这两部分集成在同一个硅片上。像敏单元阵列由光电二极管阵列构成，按X和Y方向排列成方阵，每个像敏单元都有X和Y方向上的地址，如图3-21所示。通过控制X和Y方向上的地址译码器，将每个像敏单元的状态输送到放大器，即可实现逐行扫描或隔行扫描的输出方式，也可只输出某一行或某一列的信号。任务二视觉传感器的功能和工作原理CMOS技术的主要参数如下：（1）感光度。感光度又称为ISO值，用于衡量底片对于光的灵敏程度。（2）分辨率。分辨率又称为解析度、解像度。通常，图像的分辨率越高，所包含的像素就越多，图像就越清晰，印刷质量也就越好，但会增加文件占用的存储空间。（3）暗电流。在没有光照射的状态下，在太阳电池、光电二极管、光导电元件、光电管等受光元件中流动的电流叫作暗电流。暗电流的大小与温度的关系极为密切。（4）动态范围。动态范围用于描述画面中从最暗的阴影部分到最亮的高光部分的光亮强度分布范围，可以用曝光数值（缩写为EV）或者“挡”来进行计量。如果说某个场景范围很广，则表示这个场景中从阴影部分到高光部分之间的曝光数值相差很大，画面的对比度高，层次丰富。任务二视觉传感器的功能和工作原理CMOS技术主要应用在以下领域：（1）车载领域。后视摄像头、全方位视图系统、摄像机监控系统等。（2）手机领域。智能手机的主摄像头和前置摄像头。（3）安防领域。闭路电视监控系统。（4）医疗影像。X-ray、内窥镜、分子成像、光学相干断层扫描以及超声波成像。任务二视觉传感器的功能和工作原理5.红外感光技术红外线是一种人的肉眼看不见的光，是波长在微波与可见光之间的电磁波，其最显著的特性是具有热效应，也就是说所有高于绝对零度的物质都可以产生红外线。红外线感光技术就是检测物体热辐射的红外线的特定波段信号并将其转换成可供人类视觉分辨的图像和图形。某些情况下还可以进一步计算出目标物的温度值。任务二视觉传感器的功能和工作原理红外感光技术主要分为两种：一种是主动式红外感光技术，成像系统自身带有红外光源，根据被成像物体对红外光源的不同反射率，以红外变像管作为光电成像器件来成像，红外夜视仪采用的就是这种技术；另一种是被动式红外感光技术，成像系统自身不带有红外光源，自然界中温度高于绝对零度的一切物体总是在不断地产生红外热辐射。探测器收集辐射能，就可以形成与景物温度分布相对应的热图像，红外热像仪采用的就是该技术。任务二视觉传感器的功能和工作原理（1）主动式红外成像系统。主动式红外成像系统主要由红外探照灯、光学系统（物镜）、红外变像管、高压电源、成像器件等组成。红外变像管可以将红外辐射图像转换成可见光图像。其原理如图3-24所示，通过物镜将光线聚焦在影像增强器上以便采集和增强现有光线，增强器内部的光电阴极被光“激活”，并将光子能量转变成电子，电子被加速后撞击在磷表面即可形成人眼可见的图像。任务二视觉传感器的功能和工作原理主动式红外感光技术具有技术成熟、造价低廉、观测效果比较好的特点；根据环境照明条件的变化可以获得较大的反差，易于区别目标和背景。其作用距离与红外线发射功率有关，通常，30W红外探照灯的侦察距离为200～300m。任务二视觉传感器的功能和工作原理（2）被动式红外成像系统。被动式红外成像系统主要由光学系统、光扫描机构、红外探测器、前置放大群电路等组成，如图3-25所示。光扫描机构通过光机扫描来覆盖总视场；红外探测器将不可见光的红外辐射转换成可测量的信号；光学系统接收被测目标的红外辐射，经光谱滤波将红外辐射能量分布图形反映到焦平面上的红外探测器阵列的各光敏元上，探测器将红外辐射能转换成电信号，探测器偏置与前置放大的输入电路负责输出放大信号，并流入读出电路，以便进行多路传输。任务三视觉传感器的应用一、车载单目视觉传感器1.车载单目视觉传感器的组成车载单目视觉传感器主要由镜头、相机、视频采集卡、计算机四部分组成。（1）镜头。镜头是指用于聚集光线以使感光元件获得清晰图像的由透镜组成的光学装置。镜头按焦距大小可分为标准镜头、广角镜头、长焦距镜头；按变焦方式可分为固定焦距镜头、手动变焦距镜头、电动变焦距镜头；按光圈方式可分为固定光圈镜头、手动变光圈镜头、自动变光圈镜头。（2）相机。相机是一种利用电子传感器把光学影像转换成电子数据的设备，主要包括单反相机、大/全幅相机、双反相机、微单相机、卡门相机、无反相机等。任务三视觉传感器的应用（3）视频采集卡。视频采集卡也称为视频卡，用于将视频或音视频混合信息转换成计算机可识别的数字信号，最终形成可编辑处理的视频数据文件存储在计算机或记忆卡中。视频采集卡按用途可分为广播级视频采集卡、专业级视频采集卡、民用级视频采集卡。（4）计算机。车载单目传感器中的计算机即控制模块，主要用来接收视频采集卡的数据，并对数据进行解析，然后利用简单的逻辑门与积体电路原理进行处理，以识别车辆周围的状况，并决定采取什么样的动作，让车辆按照合理的路线行驶。任务三视觉传感器的应用2.车载单目视觉传感器的性能参数车载单目视觉传感器的性能参数主要有视场角、焦距和俯仰角等。（1）视场角：在光学仪器中，以光学仪器的镜头为顶点，以被测目标的物像可通过镜头的最大范围的两条边缘构成的夹角称为视场角。（2）焦距：平行光入射时从透镜光心到光聚集焦点的距离，用于衡量光的聚集或发散的程度，（3）俯仰角：机体坐标系的X轴与水平面的夹角。任务三视觉传感器的应用3.车载单目视觉传感器的成像原理相机的镜头相当于一个凸透镜，来自物体的光经过相机的镜头后会聚集在感光元件上，成倒立、缩小的实像，如图3-26所示。传统相机将胶卷作为记录信息的载体，而数码相机的胶卷就是其成像感光元件，该元件与相机是一体的，是数码相机的心脏。数码相机通过感光元件将光信号转变为电信号，再经模/数转换后记录在存储卡上。任务三视觉传感器的应用4.车载单目视觉传感器的工作过程车载单目视觉传感器的工作过程主要分为图像获取、图像预处理、特征提取、目标识别4个步骤。（1）图像获取。图像获取指的是物体成像的过程，是将模拟图像转换成数字图像。一般应遵循以下几点共性原则：1）所获取图像中的被辨识目标应尽可能清晰、直观。2）尽可能提高被辨识目标与整幅图像像素点的比例。3）尽可能增强被辨识目标与背景的灰度反差。4）图像获取速度应能满足车辆控制的动态响应需求。任务三视觉传感器的应用（2）图像预处理。图像预处理是将每个文字图像分检出来交给识别模块识别。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。图像预处理包括图像去噪、边缘增强、灰度拉伸、图像分割、形态学处理等。预处理技术应用水平会在很大程度上影响图像识别效果。任务三视觉传感器的应用1）图像去噪。数字图像在数字化和传输过程中常受到成像设备与外部环境噪声的干扰，这种图像称为含噪图像或噪声图像。图像去噪是指减少数字图像中的噪声，可在空间域对图像像素灰度值进行平滑运算处理，如图3-27所示，常用的方法有图像平均法、邻域平均法、自适应平滑滤波、高斯滤波和中值滤波等。任务三视觉传感器的应用2）边缘增强。由于许多景物具有明显的边缘特征，所以人们在处理该类图像时，希望能突出其边缘信息，于是研发了各种边缘增强图像预处理算法。边缘增强是指将图像相邻像元（或区域）的亮度值（或色调）相差较大的边缘（即影像色调突变处或地物类型的边界线）加以突出强调。经边缘增强后的图像能更清晰地显示不同物体类型、现象的边界或线形影像的行迹，以便于对不同的物体类型进行识别并圈定其分布范围。3）灰度拉伸。灰度拉伸又称为反差增强或对比度增强，是一种点处理方法，通过对像元亮度值（又称为灰度级或灰度值）的变换来实现。在一些数字图像中，目标的灰度特征值变化很小，难以将其与背景灰度值区分开；而通过扩展目标灰度特征的对比度，便可提高目标识别准确性。对比度增强常采用直方图锥形拉伸算法。任务三视觉传感器的应用4）图像分割。图像分割就是把图像分成若干个特定的、具有独特性质的区域，以便将目标与背景有效分割，提出目标并加以识别。5）形态学处理。形态学处理就是改变物体的形状，比如腐蚀就是“变细”，膨胀就是“变粗”。这样做的好处包括：消除噪声；分割出独立的图像元素，在图像中连接相邻的元素；寻找图像中明显的极大值区域或极小值区域；求出图像的梯度。任务三视觉传感器的应用（3）特征提取。特征提取指的是使用计算机提取图像信息，确定每个图像的点是否属于一个图像特征。特征提取的结构是把图像上的点分为不同的子集，这些子集属于孤立的点、连续的曲线或者连续的区域。特征的好坏对泛化性能有至关重要的影响。对于智能车辆进行环境感知时需要识别的物体，形状、面积、体积、颜色、运动状态、对称性、表面粗糙度、声光反射性、穿透性等常是需要被提取的典型特征。任务三视觉传感器的应用（4）目标识别。目标识别是指将一个特殊目标（或一种类型的目标）从其他目标（或其他类型的目标）中被区分出来的过程。车载单目视觉传感器常用的目标识别方法有特征匹配法、模型匹配法、学习识别法（机器学习）。任务三视觉传感器的应用1）特征匹配法。特征匹配（FBM）是指将从影像中提取的特征作为共轭实体，将特征属性或描述参数（实际上是特征的特征，也可以认为是影像的特征）作为匹配实体，通过计算匹配实体之间的相似性测度实现共轭实体配准的影像匹配方法。特征匹配的过程如图3-28所示。任务三视觉传感器的应用2）模型匹配法。提取训练样本的特征作为识别特征；对训练样本的识别特征用状态空间模型建模；用期望最大化方法估计训练样本状态空间模型的所有参数，并将所有参数存入识别系统模板库；提前测试样本的识别特征，并对测试样本的识别特征进行识别。物体的结构和形状可以通过恰当的几何模型来表示，可预先基于特定信息制作相应的模板，对获取的图像与模板进行匹配寻找，将相关性最大的区域作为目标存在区域。模型匹配的过程如图3-29所示。任务三视觉传感器的应用任务三视觉传感器的应用3）学习识别法（机器学习）。机器学习是指用某些算法指导计算机利用已知数据得出适当的模型，并利用此模型对新的情境做出判断的过程，是对人类学习过程的模拟。整个过程中最关键的是数据。机器学习主要研究的是如何通过经验自动改进计算机算法、优化计算机程序。机器学习算法分为3种：监督学习、半监督学习和无监督学习。任务三视觉传感器的应用5.车载单目视觉传感器的基本测距原理车载单目视觉传感器的基本测距原理是先通过图像匹配进行目标识别（各种车型、行人、物体等），再通过图像中目标的大小估算目标距离，如图3-30所示。完成估算需要三大前提：庞大的样本特征库、准确的相机标定、强大的图像识别算法。任务三视觉传感器的应用二、车载双目视觉传感器1.车载双目视觉传感器概述双目视觉传感器是基于视差原理并利用成像设备从不同的位置获取被测目标的两幅图像，通过计算图像对应点间的位置偏差来获取目标的立体几何信息。双目视觉传感器测量方法具有效率高、精度合适、系统结构简单、成本低等优点。如图3-31所示为常用的车载双目视觉传感器。任务三视觉传感器的应用2.车载双目视觉传感器的组成与应用目前，车载双目视觉传感器主要应用于机器人导航、微操作系统的参数检测、三维测量、虚拟现实四大领域。如图3-32所示为车载双目视觉传感器的成像过程，包括以下几个方面：（1）图像采集。要求相机绝对同步，图像画质清晰，对比度高。（2）图像校正。依据相机的内外参数对畸变图像进行平行等位校正，获得无畸变且平行等位的左右图像。任务三视觉传感器的应用（3）双目匹配。对校正后的图像进行匹配，获得视差图像，供后续算法使用。（4）ADAS功能。根据视差图像进行障碍物检测预警和车道线检测。任务三视觉传感器的应用3.车载双目视觉传感器的工作原理如图3-33所示，车载双目视觉传感器的摄像头的工作原理与人眼相似，人眼能够感知物体的远近，是由于两只眼睛观察同一个物体呈现的图像时存在差异，称为视差。视差的大小对应着物体与眼睛之间距离的远近，物体距离越远，视差越小；反之，视差越大。车载双目视觉传感器通过对两幅图像视差的计算，得出前方障碍物与自身的距离，同时判断出障碍物的类型，进行必要的预警或制动。任务三视觉传感器的应用4.车载双目视觉传感器的工作过程车载双目视觉传感器的工作过程包括图像获取、相机标定、图像预处理、特征提取、立体匹配、立体还原、视频分析。（1）相机标定。在机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数，求解几何模型参数的过程称为相机标定，如图3-34所示。大多数条件下，这些参数必须通过实验与计算才能获得，其标定结果的精度及算法的稳定性直接影响相机的准确性。任务三视觉传感器的应用（2）立体匹配。立体匹配是指将三维空间中的一点A（x，y，z）在左、右摄像头的成像平面Ci和Cr上的像点ai（ui，vi）和ar（ur，vr）对应起来，ai和ar称为对应点，求取左、右成像平面之间对应点的过程就是立体匹配。求取的方法是定义Ci和Cr的矢量为视差矢量d（dx，dy），其水平分量为dx=ui-ur，垂直分量为dy=vi-vr。视差矢量描述了左、右成像平面中对应匹配点的相对位移，通过视差矢量即可从立体图像对中的一幅图像预测另一幅图像，如图3-35所示。任务三视觉传感器的应用（3）立体还原。在传统光学时代，景深是每个光学成像系统都存在的基本问题，焦距、相对孔径、倍率等性能参数都会影响景深。特别是在高倍放大的显微成像领域，景深随倍率增大而迅速变小，直至无法成像，因此只能分层看到物体，无法看到近与远的“纵深”影像。完成双目视觉传感器的相机标定和立体匹配工作后，就可以利用多层扫描聚焦图像合成技术对物体进行立体还原。任务三视觉传感器的应用（4）视频分析。视频分析是指利用计算机视觉技术从图像中监测运动物体并对其进行运动分析、跟踪或识别的技术。视频分析技术能够在图像及图像描述之间建立映射关系，从而使计算机能够通过图像处理和分析来理解画面中的内容，其实质是“自动分析和抽取视频源中的关键信息”。常用的方法有背景删除法和时间差分法。1）背景删除法。背景删除法是指对当前图像和背景图像进行差分处理，进而检测出运动区域，该方法可以提供比较完整的运动目标特征数据，精确度和灵敏度比较高，具有良好的性能表现。任务三视觉传感器的应用2）时间差分法。时间差分法是指利用视频图像特征，从连续得到的视频流中提取所需的动态目标信息。时间差分法的实质是通过对相邻帧图像相减来提取前景目标移动的信息，该方法不能完全提取所有相关特征像素的像素点，在运动实体内部可能产生空洞。3）分析过程。系统首先进行背景学习，之后进入分析状态，如图3-36所示，如果前景出现移动物体并在设置的区域内，且目标物体的大小满足设置要求，系统会对该目标进行提取并跟踪，然后根据预置的算法（入侵、遗留、盗窃等）触发报警；其间，如果背景出现随机景物，系统将启动预处理功能来过滤。在触发报警之前，系统具有目标识别功能，即将提取的目标与已经建立的模型进行比对，并选择最佳的匹配任务三视觉传感器的应用任务三视觉传感器的应用3.车载双目视觉传感器的应用车载双目视觉传感器主要应用有目标检测、分类及测距，多目标追踪，通行空间及场景理解。（1）目标检测、分类及测距。目标检测，也叫目标提取，可输出被检物的类别以及距离信息，包括车辆的3D信息和速度信息。目标检测技术是一种基于目标几何和统计特征的图像分割，将目标的分割和识别合二为一，准确性和实时性较强。尤其是在复杂的场景中，需要对多目标进行实时处理时，自动提取和识别技术就显得特别重要。任务三视觉传感器的应用（2）多目标追踪。多目标跟踪的主要任务是根据给定的图像序列，找到序列中运动的物体，对不同帧的运动物体进行识别，即给定一个准确的ID，这些物体是任意的，如行人、车辆、动物等。（3）场景理解及通行空间。场景理解是指以图形及视频为研究对象，分析场景和目标之间的相互关系以及表达场景的方法和技术；通行空间是指系统输出的车辆可以通行的安全区域，是对红绿灯和交通标志等场景的理解。智能网联汽车技术21世纪技能创新型人才培养系列教材·汽车系列主编王皓张春蓉项目四高精度定位与导航系统任务一高精地图任务二高精度定位系统任务三智能网联汽车的导航系统及其检修任务一高精度地图一、基本概念高精度地图在自动驾驶系统中的应用，除了包括导航、路径规划外，还包括为环境感知系统提供先验知识，辅助车载传感器达到高精度定位的标准。因此，高精度地图已被认为是L3级及以上自动驾驶必备的关键技术。任务一高精度地图与传统地图相比，高精度地图的信息更加丰富，准确性有了较大提升。高精度地图包含以下信息：（1）道路参考线。为了实现车道级导航和路径规划功能，需要在原始地图数据中抽象出道路结构，形成由顶点组成的拓扑图形结构，同时为了优化数据的存储，需要将道路以连续的曲线段表示。（2）道路连通性。除道路参考线外，高精度地图还应描述道路的连通性。例如路口没有车道线的部分，需要将所有可能的行驶路径抽象成道路参考线，在高精度地图数据库中体现。任务一高精度地图（3）车道模型。除了记录道路参考线、车道边缘（标线）和停车线外，高精度地图数据库还需要记录无车道道路的拓扑结构、车道数、道路坡度、功能属性等。（4）对象模型。对象模型可记录道路和车道行驶空间范围边界区域的元素，包括对象的位置、形状和属性值，任务一高精度地图高精度地图在智能网联汽车的应用领域，如路径规划与决策、高精度定位辅助、环境感知辅助等环节均发挥了重要作用。（1）路径规划与决策。高精度地图可看作超视距传感器，能够识别极远距离的道路交通信息，可用于智能驾驶系统的全局路径规划，还可以对局部路径的规划和优化提供辅助。（2）高精度定位辅助。高精度地图能识别并提供道路中的特征物（如标识牌、龙门架等）的尺寸、形状、高精度位置等语义信息，车载传感器检测到特征物时，就可以根据特征物信息去比对匹配内存的语义信息，通过车辆和特征物之间的相对位置推测当前车辆的高精度位置信息，如图4-3所示。任务一高精度地图（3）环境感知辅助。高精度地图可以提高自动驾驶汽车的数据处理速率，车辆在感知重构周围的三维环境时，将高精度地图作为内存知识库，缩小数据处理时的搜索空间。详细标记高精度三维地图上的道路信息，可以为自动驾驶汽车的感知系统提供信息感知识别辅助，优化感知系统的计算效率，提高识别精度，减少错误识别的发生概率。任务一高精度地图高精度三维地图是在高精度地图的静态地图信息的基础上主动添加动态交通信息的地图，如图4-4所示。这些动态的交通信息包含交通拥堵情况、道路施工、事故、交通管制以及天气等。不同于如道路翻修、交通标志磨损、车道线重新刷涂、交通标志的改变等准静态交通信息，动态交通信息可以通过定期对高精度地图进行更新来完成。任务一高精度地图任务一高精度地图二、高精度地图的生产与采集生产高精度地图，需要提高数据的存储效率和机器可读性，地图的存储分为矢量层和对象层。在生产高精度地图的过程中，通过提取车辆传感器的数据采集单元可得到高精度地图的信息特征值，生成特征地图；进一步提取、处理和矢量标注，可得到道路网络信息、道路属性、几何信息以及道路主要标志的抽象信息。高精度地图的生产过程如图4-5所示。任务一高精度地图任务一高精度地图高精度地图的数据采集方法如下：（1）实地采集，一般称为“外业”。实地采集作为制作高精度地图的第一步，主要通过采集车的实地操作完成。核心设备是激光雷达、高精度差分-惯导-卫星定位系统。激光的反射可以形成点云，从而完成对环境中各种物体的采集，再通过高精度定位系统把行驶轨迹和环境中各种物体的高精度位置信息记录下来。（2）加工，一般称为“内业”。加工是指对采集的数据进行加工，对高精度地图所需要的信息进行提取和表达，进而形成高精度地图的数据库。加工方法包括：人工处理、深度的学习感知算法等，如图4-6所示。任务一高精度地图任务一高精度地图集的数据完整性不足，则需要更为复杂的算法来补充数据的缺陷，反而容易产生更大的误差。所以，在实地采集中，通常选择较好的采集设备，其主要目的就是确保采集的数据的精确性，提高数据利用率。如图4-7所示为高级地图采集设备，包括卫星定位系统、激光雷达、惯性导航与数据处理系统等。任务一高精度地图（3）实时更新。随着时间的推移，道路会因为破损、翻修、路线规划等原因发生变化。为了确保高精度地图可靠、有效，需要及时、准确地进行更新，这也是高精度地图的重要维护工作，更新模式包括众包和与交管部门合作等。如图4-8所示为基于智能网联交通系统的高精度地图更新模式。任务一高精度地图任务一高精度地图三、高精度地图的其他形式1.众包数据形式的高精度地图对于需求急迫、前景广阔的高精度地图市场，传统的现场采集模式存在更新周期长、生产及维护困难的问题，而且实际应用中也受到各类政策及法规的限制。随着技术的进步，出现了一种通过众包数据构建高精度地图的模式，该模式除了能够降低成本外，还能够实现实时更新，有着很大的优势。任务一高精度地图目前，视觉算法与芯片供应商Mobileye、零部件供货商博世公司分别向市场呈现了其Roadbook和REM的众包高精度地图技术方案，这些方案通过安装了车载传感器的智能网联汽车收集行驶路况和道路环境特征，进行深度学习和图像识别运算，转换为结构化数据，生成高精度地图的众包信息单元。数据取之于用户，用之于用户。该众包模式不仅可以使得此类车辆的用户拥有高精度地图的使用权限，还可以享受高精度定位服务。现在，通用、日产、丰田、上汽等车辆主机厂均积极地采用众包采集方式为各自旗下的汽车提供相关的服务。任务一高精度地图2.地图的构建与实时定位地图的构建与实时定位（SimultaneousLocalizationandMapping，SLAM）是一种在机器人领域广泛应用的地图构建与实时定位技术，该技术使用激光、视觉、红外感应等传感技术，把机器人在移动过程中获得的检测环境信号传回中枢运算系统。在智能网联汽车领域，该技术用于识别行驶过程中不同时刻的环境特征信息，并进行拼接，然后对行驶环境进行基于当前传感器信息的描述。这便是高精度地图的构建过程。任务一高精度地图目前，高精度地图的商业化应用尚未成熟，大批创新企业和科研单位正在这个技术领域进行研究与探索。其中，使用SLAM构建的高精度地图传感器主要有视觉传感器和激光雷达，这类传感器有着共同的特征：能够获取足够丰富的环境信息，特别是行驶环境中的事物轮廓点云，使在两个连续时刻采集的环境信息中有足够丰富的特征点值用于拼接和匹配。任务二高精度定位系统一、全球导航卫星系统1.全球导航卫星系统的分类全球导航卫星系统（GNSS）给航海、航空以及人们的日常生活带来了巨大的变革。该系统是由多个可以覆盖全球的卫星所组成的卫星系统，能保证地球上的任意一点在任意时刻都能观测到4颗卫星，从而获得观测点的经纬度及高度，进而为用户提供三维位置和速度等信息，实现全球导航、定位、定时等功能。任务二高精度定位系统目前，全球有三大导航卫星系统：美国的GPS（GlobalPositioningSystem，全球卫星定位系统）、俄罗斯的GLONASS（GlobalNavigationSatelliteSystem，全球导航卫星系统）、欧盟的伽利略卫星导航系统。任务二高精度定位系统使用最为广泛的是美国的GPS。20世纪70年代初，美国国防部设计开发了该系统，并在1993年建成投入使用。GPS包含24颗卫星，它们均匀地分布在地球的6个轨道面上，倾角为55°，轨道面间相距60°，也就是说轨道的高度是60°。在各轨道面上，卫星间的仰角间隔为90°，一个轨道面上的卫星比其相邻轨道面上相应的卫星提前30°，如图4-9所示。任务二高精度定位系统20世纪90年代后期，我国开始着手探索适合中国国情的导航卫星系统的发展道路，已经逐步形成了我国导航卫星事业的“三步走”战略：在2000年底，建成“北斗一号”系统，向中国提供服务；2012年底，建成“北斗二号”系统，向亚太地区提供服务；在2020年前后，建成“北斗导航系统”，向全球提供卫星导航定位服务；预计在2035年前建成更加完善、融合、智能的综合时空体系。任务二高精度定位系统2.GPS的构成（1）GPS是由地面控制部分、空间部分和终端用户设备部分组成的。1）地面控制部分。GPS的地面控制部分包括主控站（负责管理、协调整个地面控制系统的工作）、注入站（在主控站的控制下，向卫星注入导航信息）、监测站（数据自动收集中心）和通信辅助系统（数据传输），如图4-10所示。任务二高精度定位系统任务二高精度定位系统GPS地面控制部分又称运控系统（OCS），由遍布全世界的地面站组成，包括1个位于美国范登堡空军基地的主控站（MCS），5个分别位于夏威夷岛、范登堡空军基地、阿森松岛、迭戈加西亚岛以及夸贾林岛的监控站，3个用于给在轨卫星上传信息的大型地面天线站。地面控制部分主要用于收集在轨卫星运行数据，计算导航信息，诊断系统状态，调度卫星。地面控制部分的另一个重要作用是保持各颗卫星处于同一时间标准，即GPS时，这就需要地面控制部分监测各颗卫星的星载原子钟信息，求出钟差，然后由注入站发给卫星，卫星再通过导航电文发给用户设备。任务二高精度定位系统①主控站。主控站拥有以大型计算机为主体的数据收集、计算、传输、诊断等设备，对地面控制系统实行全面控制，主要任务是收集并处理各监测站对GPS卫星的全部观测数据，包括各监测站测得的距离和距离差、气象要素、卫星时钟和工作状况等，以及监测站自身的状态，然后根据收集的数据及时计算每颗GPS卫星的星历、时钟改正值、状态数据以及信号的大气传播改正，并按一定格式编制成导航电文，传送到注入站。任务二高精度定位系统②监控站。监控站安装有高精度原子钟、高精度GPS用户接收机，用于监控整个地面控制系统是否工作正常，检验注入卫星的导航电文是否正确，监测卫星是否将导航电文发出；调度备用卫星替代失效的工作卫星，将偏离轨道的卫星“拉回”正常轨道；采集气象要素等数据，并将它们发送给主控站。任务二高精度定位系统③注入站。范登堡空军基地监控站同时具有信息上注功能，又称注入站，它的任务主要是在每颗卫星运行至上空时把导航数据及主控站的指令注入卫星，在每颗GPS卫星离开注入站作用范围之前进行最后的信息注入。④通信辅助系统。卫星通信是指在卫星上安装一个具有一定功率的转发器，对地面的发射信号进行恰当处理，并传送到另一地点，从而实现两个及以上地点之间的通信。汽车上的导航定位信息通信通常要基于地理信息系统，地理信息系统是较为专业的空间数据管理系统，该技术可以用于勘探、测绘以及路线规划等。任务二高精度定位系统2）空间部分。GPS的空间部分是由24颗卫星组成的，位于距地表20200km的上空，运行周期为12h。卫星均匀分布在6个轨道面上，轨道倾角为55°。每个工作的卫星可发射导航信号和定位信号，终端用户可以利用这些信号进行导航与定位。由于大气摩擦等问题，随着时间的推移，GPS的导航精度会逐渐降低。任务二高精度定位系统3）终端用户设备部分。终端用户设备部分即GPS信号接收机，其主要功能是捕获按一定卫星截止角所选择的待测卫星，并跟踪这些卫星的运行。当接收机捕获到卫星信号后，就可测量出接收天线至卫星的伪距离和距离的变化率，解调出卫星轨道参数等数据。任务二高精度定位系统（2）GPS导航和定位过程中的误差处理。GPS导航和定位过程中出现的各种误差，根据来源可分为三类：与卫星有关的误差；与信号传播有关的误差；与接收机有关的误差。这些误差对GPS定位的影响各不相同，且误差的大小还与卫星的位置、待定点的位置、接收机设备、观测时间、大气环境以及地理环境等因素有关。具体处理时，针对不同的误差采用不同的方法。此外，由于使用的不是同步卫星，因此必须对卫星时间进行修正。任务二高精度定位系统3.北斗卫星导航系统的结构组成北斗卫星导航系统（BeidouNavigationSatelliteSystem，BDS）是我国自行研制的全球卫星导航系统，其标识如图4-11所示。北斗卫星导航系统是中国着眼于国家安全和经济社会发展需要，自主建设、独立运行的全球卫星导航系统。北斗卫星导航系统由空间段、地面段和用户段三部分组成，是可在全球范围内全天候、全天时为各类用户提供高精度、高可靠定位、导航、授时服务的国家重要时空基础设施，并且具备短报文通信能力。任务二高精度定位系统（1）空间段。北斗系统空间段由若干地球静止轨道卫星、倾斜地球同步轨道卫星和中圆地球轨道卫星等组成。（2）地面段。北斗系统地面段包括主控站、时间同步/注入站和监测站等若干地面站，以及星间链路运行管理设施。（3）用户段。北斗系统用户段包括北斗兼容其他卫星导航系统的芯片、模块、天线等基础产品，以及终端产品、应用系统与应用服务等。任务二高精度定位系统北斗卫星导航系统具有以下特点：（1）北斗系统空间段采用的是3种轨道卫星组成的混合星座，与其他卫星导航系统相比，北斗系统的高轨卫星更多，抗遮挡能力更强，尤其在低纬度地区性能特点更为明显。（2）北斗系统提供多个频点的导航信号，能够通过多频信号组合等方式提高服务精度。（3）北斗系统创新融合了导航与通信能力，具有实时导航、快速定位、精确授时、位置报告和短报文通信服务五大功能。任务二高精度定位系统4.现阶段全球导航卫星系统的基本原理现阶段全球导航卫星系统主要是利用卫星作为参考基点，测量出已知位置的卫星到用户接收机之间的距离，同时在地面上进行三角交叉测量，进而计算得出接收机位置。通过测量未知点与已知卫星间的瞬时间距实现定位，具体测量方法有虚拟距离观测法和载波相位观测法。因为载波相位测量的精度远远高于虚拟距离测量的精度，所以载波相位观测法主要用于高精度测量。任务二高精度定位系统测量计算的基本原理是三球交会定位原理，如图4-12所示。卫星发射测距信号和导航电文，导航电文中含有卫星的位置信息。用户接收机在某一时刻同时接收3颗以上卫星的信号，进而测量出测站点（用户接收机）至3颗卫星的距离，解算出卫星的空间坐标，再利用距离交会法（从两个已知点测量至某一待测点的距离，然后根据这两段距离的交点确定该待测点）解算出测站点的位置。整个过程就是三球交会定位原理在卫星导航领域中的体现。任务二高精度定位系统任务二高精度定位系统目前，GPS、GLONASS、伽利略和北斗卫星导航系统的定位原理是相同的，均采用三球交会定位基本原理，具体流程如下：（1）用户测量出自身到3颗卫星的距离。（2）卫星的精确位置已知，通过电文播发给用户。（3）以卫星为球心、卫星至用户的距离为半径画球面。（4）3个球面相交得到2个点，根据地理常识排除一个不合理点，即得用户位置。任务二高精度定位系统5.卫星导航定位与惯性导航的联合全球导航卫星系统是当前应用最为广泛的定位系统，具有应用便捷、成本低等特点，且定位精度较好，可以达到5m。但是应用的普遍性也使该系统易受到干扰，在动态变化的使用场景中可靠性降低、数据的传输频率降低，在高层建筑中卫星信号较易受阻。倘若能将卫星定位导航系统和惯性导航系统有机融合起来，则两个系统可以相互补充、相辅相成，形成高效、可靠、稳定的融合系统。任务二高精度定位系统二、惯性导航系统1.惯性导航系统的基本原理与结构组成惯性导航系统（InertialNavigationSystem，INS）也称作惯性参考系统，简称惯导系统，是一种自主式导航系统，通过惯性测量组件（IMU）测量载体相对惯性空间的角速率和加速度信息，利用牛顿运动定律自动推算载体的瞬时速度和位置信息。任务二高精度定位系统惯性导航系统包括平台式惯导系统和捷联式惯导系统。平台式惯导系统是将陀螺仪和加速度计等惯性元件通过万向支架角运动隔离系统与运动载物固联的惯性导航系统。捷联式惯导系统是将惯性测量元件（陀螺仪和加速度计）直接安装在诸如需要姿态、速度、航向等导航信息的主体上，用计算机把测量信号变换为导航参数的一种导航技术。任务二高精度定位系统惯性导航系统通常由惯性测量装置、计算机、控制显示器等组成。惯性测量装置包括陀螺仪和加速度计，又称惯性导航组合。3个自由度陀螺仪用来测量飞行器的3个转动运动；3个加速度计用来测量飞行器的3个平移运动的加速度。计算机根据测得的加速度信息计算飞行器的速度和位置数据。控制显示器显示各种导航参数。任务二高精度定位系统（1）陀螺仪。陀螺仪是惯性系统的主要元件，结构如图4-13所示。

陀螺仪具有定轴性和进动性，人们利用这些特性制成了敏感角速度的速率陀螺和敏感角位移的位置陀螺。由于光学技术、MEMS技术等被引入陀螺仪的研制，现在习惯上把能够完成陀螺功能的装置统称为陀螺仪。陀螺仪种类较多，按陀螺转子主轴所具有的进动自由度数目可分为二自由度陀螺仪和单自由度陀螺仪；按支撑系统可分为滚珠轴承支撑陀螺，液浮、气浮与磁浮陀螺，挠性陀螺（动力调谐式挠性陀螺仪），静电陀螺；按物理原理分为利用高速旋转体物理特性工作的转子式陀螺，利用其他物理原理工作的半球谐振陀螺、微机械陀螺、环形激光陀螺和光纤陀螺等。任务二高精度定位系统单自由度陀螺仪敏感角速度，二自由度陀螺仪敏感角位移。为了将角速度和角位移转换成惯性系统中可用的信号，需在陀螺仪上安装信号传感器；为了能控制陀螺仪按一定的规律进动，需在陀螺仪上安装力矩器。（2）加速度计。加速度计是惯性导航系统的核心元件之一，可帮助惯性导航系统确定载体的位置、速度以及产生跟踪信号。载体加速度的测量必须十分准确，且要在由陀螺稳定的参考坐标系中进行。在不需要进行高度控制的惯导系统中，两个加速度计即可完成以上任务。任务二高精度定位系统加速度计的分类：按输入与输出的关系可分为普通型、积分性和二次积分型；按物理原理可分为摆式和非摆式，摆式加速度计包括摆式积分加速度计、液浮摆式加速度计和挠性摆式加速度计，非摆式加速度计包括振梁加速度计和静电加速度计；按测量的自由度可分为单轴、双轴、三轴；按测量精度可分为高精度（优于10−4m/s2）、中精度（10-2m/s2～10-3m/s2）和低精度（低于0.1m/s2）。任务二高精度定位系统在惯性导航的实现过程中，该系统既不向载体外部发送信号，也不接收外部环境的信号，它是一种完全自动的导航系统。惯性导航系统的信号还可协助接收器天线与导航卫星定位校准，进而减少干扰对系统内部的影响。针对导航载波相位测量，惯性导航能够很好地解决卫星定位时的周期跳变和信号缺失后全周模糊度参数的重新计算问题。任务二高精度定位系统惯性导航系统的主要优点如下：（1）由于该系统是不依赖任何外部信息、不向外部辐射能量的自主式系统，故隐蔽性好、不受外界电磁干扰的影响。（2）可全天候、全球、全时间地工作于空中、地球表面乃至水下。（3）能提供位置、速度、航向和姿态角数据，产生的导航信息的连续性好且噪声低。（4）数据更新率高、短期精度和稳定性好。任务二高精度定位系统惯性导航系统的缺点如下：（1）导航信息需经过积分产生，定位误差随时间增大，长期精度差。（2）每次使用之前需要较长的初始对准时间。（3）设备价格较昂贵。（4）不能给出时间信息。任务二高精度定位系统2.INS和GNSS组合导航技术的原理与应用组合导航技术是指采用两种或两种以上的非相似导航系统对同一信息进行测量，从测量数据中计算出各导航系统的误差，并进行校正的导航技术。采用组合导航技术的系统称为组合导航系统。任务二高精度定位系统INS是利用安装在载体上的敏感惯性元件检测载体的运动情况，然后将载体的姿态和位置信息输出，具有很强的自主性、保密性和灵活