“千寻孙海鹏：智能汽车高精度定位量产最佳实践”

9月13日，由格什塔特主办的2021第三届自动驾驶地图与定位大会隆重召开。 此次大会旨在聚集汽车地图定位领域的优秀技术专家，共享自动驾驶地图定位行业的最新应用情况、现实挑战、创新理念和未来技术趋势等。 下面是千寻位置互联网有限企业交付中心技术负责人孙海鹏在这次大会上的发言。

/ S2// S2 /

你好。 感谢盖世太保的邀请。 很高兴今天能在这里和大家分享和交流。 我的分享主题是“智能驾驶汽车高精度定位量产最佳实践”，希望这样的分享能给大家带来一点启发和思考。

分享之前，我先简单介绍一下千寻的位置。 我们是一家数字技术公司，成立于年，希望成为数字时代的基础设施。 千寻目前已建成并运行2800多个北斗基站，截至今天，千寻全球客户超过8亿人，车载和领域客户超过百万人。 今天首先为大家介绍千寻的智能驾驶行业find auto的处理方案。 荣威车型的前一年首次在网络汽车上集成了千寻的智能终端算法。

高精度定位在智能驾驶中分别应用于自动驾驶、v2x车道协同、智能座舱。 随着自动化和智能化的日益发展，高精度定位和融合定位24小时绝对定位的特点起着不可缺少的作用。 v2x场景成功应用的方向是处理交通运行效率，提高交通安全性。 另外，它是一种基于全局视角的方法，可以依赖于高精度的定位，可以用于之后的评价决策的新闻。 点对点导航也是私家车在智能座舱中的重要功能，但定位的准确性、连续性、可靠性也直接决定了顾客的定位体验。

随着智能驾驶从l2、l2+迅速发展到l3以上，驾驶行为被越来越多的机器所接管。 机器越负责对各方面的能力提出了更高的要求，随之对高精度定位也提出了精确、可靠、安全等要求。 但是，我们知道机器需要比较量化和正确理解的指标。 例如，要在位置、速度、姿势等级上达到三个西格玛精度，可靠性和安全性也需要相应的健全性指标和可用率，在许多复杂的场景中尤其如此。 我们也希望惯性制导融合的精度保持一定的精度，同时经过较短的遮蔽使位置连续。 这些标准也是与合作伙伴客户的磨合，被解释为能够满足高级自动驾驶的要求。 在这里作为参考吧。 千寻现在也在积极参与主导规范的制定，相信可以更好的支援，让大家少走弯路，促进上下游的合作。

接下来简单回顾一下关键技术，我想卫星定位大家都很熟悉。 那是20世纪50年代由美国军队发起的项目，至今已迅速发展了60多年的历史。 目前天上有四个卫星导航系统，北斗也是我国的瑰宝，从去年最后一颗卫星上成功发射，目前已正式开始提供全球化应用服务。 卫星定位的原理是测量从卫星到接收机的传输来重新计算距离，但传输过程中存在各种误差，从卫星到传输过程中的大气，再到接收机，都需要加强定位的方法来消除这些误差。

看看这些扩展定位服务吧？ 主流有两种，一种是根据观测域修改参数的方案，原理是将从卫星到最终用户的所有误差折合成一个测距误差计算并同时分发，实现方法是通过地面精确坐标已知参考站进行，其要求数量是 二是根据状态域修正参数的方案，相当于对卫星轨道和大气对流层进行建模计算。 这种方式的好处是不需要高密度基站，是单向通信。 这两种方法可以相互组合。 千寻目前通过这两种方案实现了自主自研算法，包括大规模商用化服务，同时提供星地一体时空智能服务，实现全域覆盖和7×24小时全天候服务，利用率可达99.99%

多传感器融合在卫星信号被切断或没有信号的情况下，一定要通过融合方案提高系统的精度，包括可用性。 每个传感器明显有各自的优点，但显然有各自的缺点，因此如何最大限度地发挥各自的传感器和性能，以及利用自身传感器性能的特点辅助其他传感器的弱点，也是目前重要的技术 整个过程还包括松散耦合、紧密耦合，目前这些技术也相继出现在相应的产品中。

卫星也好，惯性导航也好，融合定位，实现量产一定要满足车方的安全要求，总结起来就是功能安全和健全性，可以说这两个要求是标配。 首先是功能的安全性。 我会处理那个能不能行的问题。 也就是说，你的系统能否正常工作。 我们希望在系统发生故障或异常的情况下减轻对系统安全的影响。 另外，与之相对应的是期待功能安全，是想应对系统是否运行良好的问题，也就是说想应对系统设计。 健全性可以理解为是为了期待功能安全而在高精度的定位中具体被采用的。 因为它来源于航空空宇宙飞行的相关标准，所以在车里有期待功能安全的习性。 由于这包括其他定位方法的总规范，在定位中习性地将其称为健全性。

健全性最重要的处理高精度定位如果赋予下游的APP，例如在决定评价时，如果误差超过警报门线，一定会给下游带来警报消息。 这个报告新闻通常是通过保护门控线来实现的。 例如，定位精度为0.3米，但警报门线为1米。 如果真实误差超过一米，我必须让下游知道我的结果不准确了。 如果经常报警的话，安全风险可以，但可用率很低，所以这两个指标矛盾，相互平衡。

将这些技术应用于批量生产还面临着许多挑战，我们必须对这些挑战有比较全面的分解和认知。 我相信首先会遇到场景的多和多，无论是地图、定位、自动驾驶，都经常和场景打交道。 如何定义这个场景实际上是一个非常模糊或需要精确量化的问题。 其次，在这些场景下，算法如何能很好地适应不同的场景？ 算法如何在这些场景中自动适应？ 接着，当切换不同的场景时，如果算法与某个场景相比较合适，则在切换中也想保证算法的连续性的可靠性。

第二个挑战是综合链路由空卫星信号传输，到达天线芯片的算法，并考虑综合测试。 这个链接非常长，依赖于前后之间。 特别是关于芯片，要求更多的性能准入。 例如，在天线的选择中，必须考虑什么样的参数最好，天线放置在什么位置。 包括imu在内，都被要求加入信号。 不同的芯片也必须迅速匹配，包括批量生产后的算法更新在内，必须尽早充分考虑。 其次，在量产中或量产前，需要进行比较详细、大规模的测试。 你的测试体系的战略方案，包括对应的测试平台的能力，都需要升级。

第三个课题是功能的安全性和健全性，特别是功能对车载的安全性和健全性。 对航空空来说，这两个要求已经标配，但由于航空空接近地面的环境也非常空宽敞，所以保护门禁设计警报为10多米。 但是，车载非常繁多，变化多端，这其中涉及指标要求、规范要求、跨境技术的融合。 首先比较功能的安全性，必须考虑硬件gnss，经常性地引导。 其次，必须对数据传输的整个链路进行加密或端到端保护。 这包括适应各种不同的操作系统，包括软件的开发过程。

健全性也是一样，对自身指标的要求非常高，首先必须考虑以前流传的卫星定位，从卫星单体的故障，包括卫星系统故障概率发生时的应对措施，考虑传输到地面附近的路径。 其次，还必须考虑车载自身的周围环境对性能下降的影响，最后实现健全性全链路的监测后，保护水平的阈值能否准确计算出来？ 能满足最后的保护级别阈值吗？ 最后是测试的验证。 因为要达到极高的健全性要求，需要大量的理论分解和实测数据的收集和模拟验证。

接下来，我将介绍将千寻与find auto进行比较，以实现智能驾驶汽车批量生产处理的方案。 find auto service的8个实践包括SR修改服务、osr修改服务、agns加速定位服务、Find Auto客户端算法在终端的集成，以及自身的服务、终端算法、硬件

首先是星地一体ssr服务。 千寻目前正在建设星地一体基础服务，相当于通过全链路的健全性传递高精度的感知数量。 在卫星探测数建模、大气区域建模、星基与地基融合的基础上处于国际领先水平。 由于能够实现全球服务模式，星地一体服务无疑将成为未来汽车厂实现高精度定位服务的高级自动驾驶首选。

第二，高精度定位最终需要实现功能安全和健全性，因此包括服务端、传输链路上也有功能安全和健全性的依赖和要求。 首先在服务器端对所有修改数进行基站数据的监视、接受和解决。 健全性计算需要实现相应功能的安全性和健全性，传输链需要实现包括端到端解决在内的加密保护。 到达终端后，依赖于服务端感知数量的功能性和完整性，实现故障的检测和消除，以保证影响降级的新闻解决，要求最终的完整性。 千寻追求这些技术革新，制定满足领域的标准。 目前，千寻在这个方向上也取得了iec61508、iso26262、aspice个比较有含量的证书。

三是比较场景的划分。 目前正在尝试的有两个方向可供参考。 比较场景的划分可以基于gnss特征值。 我们可以把这个方案作为平时路线图的参考，帮助算法在事后分解一些。

四是gnss/ins的紧密组合结构，几年前受imu精度限制，严格的组合方法还只能在高精度惯性制导中采用。 近年来，随着imc器件的价格下降和性能的提高，已经在系统中实现了紧密的组合，对应的芯片企业和深度辅助融合算法也打算采用这样的架构。 我们实现的是rtn和惯导的紧密组合，并且实现了ppp-rtp和ins的紧密组合，这样可以进一步提高整个系统的冗余性和抗差性。

五是车规硬件选型集成。 例如，gnss天线有十几个参数，即使价格相同，也一定会有一些重要的参数影响最终的定位性能，从而牺牲其它天线性能。 这些天线的参数也必须不断实践才能总结。 这是因为天线的参数和最终的定位精度之间实际上没有必然的理论关系。 同样，关于卫星芯片，也关注双差窄波的精度，同样，惯性制导芯片也有加入要求。

第六，有服务算法，有运行算法的硬件，我们必须考虑如何将模块和终端都快速集成到算法和sdk的客户平台上。 由于集成的效率和质量稳定性很重要，因此严格按照相应领域的开发流程设计代码，包括考虑不同车辆端的硬件体系结构适合不同的操作系统。 另外，不仅要满足功能安全和期待的功能安全健全性等领域标准，还需要考虑新闻安全的规范。

第七，我们要搞好集成。 必须迅速集成成果和顾客平台。 否则，在交付给汽车厂并交付给合作伙伴时，保证在最短时间内完成高质量的验证。 其实好的产品必须经过不断的测试来磨练和锻炼。 与高精度定位服务相比，我们有比较各方面的测试体系。 从对前面重要芯片的测试到后面有硬件仿真器的模拟测试，要测试很多在现实测试中做不到或者很难出现的问题。 要比较运行状况，请根据实测数据模拟大量会降低性能的数据。 这些数据至少有百万级，再把系统做成大规模的实测路线图，最终和顾客一起进行批量检测的测试。

第八，必须经过实际的道路测试性能。 千寻年初开始了全国大规模道路测试，目前已经测试了全国上百条高速和省级高速，覆盖25个省，覆盖200个城市，积累了500多万英里的模拟数据。 该算法基于ssr服务，通过ppp-rtk/ins的紧密组合，os场景占有率超过70%，os精度达到98.656%，年末将提到99.7%。

最后简单总结一下，希望大家听今天的分享，记住一点关键词。 包括星地一体、云一体的健全性、全链路的功能安全与健全性、融合算法。 智能融合、紧密结合、深度结合、有效集成、大规模测试、测试能力升级，最重要的是测试效率和测试质量得到了保证。 高精度定位和高精度地图将来一定会是强强联合，密不可分。 通过各自的能力提高，自动驾驶APP的场景不断扩大，我相信真正的无人驾驶或者所有场景的无人驾驶都会早点到来。 谢谢你。