車輛中心 研究發展處 張偉鉉

自動駕駛汽車的應用近幾年有很多討論。幾乎所有的研究主題都集中在自動駕駛汽車功能的實現上，自動駕駛系統包括決策控制系統、感測系統和定位系統等幾個部分。就定位系統而言獲得相對準確的定位資訊對於自動駕駛汽車的應用具有重要意義。

目前自動駕駛汽車應用中常見的定位系統是使用光達SLAM和RTK GPS，未來預計也還會有其他的定位方法被開發出來。但在實際使用上，只要是電子系統都會有出錯的可能，在定位對自駕車會是極大的問題。當決策控制系統接收到錯誤的定位資訊並根據這些資訊制定控制策略時，可能會引起對車輛控制安全的擔憂。所以檢測並校正定位系統提供的定位資訊是否錯誤，是目前自駕系統開發與應用時都在探討的議題。目的即是要讓系統校對完的路線貼近實際上要跑的路徑，概念如圖1所示，其中紅色路線是實際上的路徑，而藍色與黃色是感測器經過演算後所提供的定位資訊，在這種狀況下不同的定位方法與實際的路徑可能存在誤差，而針對這個問題在應用上大部分都是使用資料融合演算的方法或是濾波器的手法來消弭定位誤差，讓定位資訊貼近於實際上的路徑，如圖1綠色標線所表示的路徑。

圖1、定位資訊比較

自駕車定位系統配置

WinBus是車輛中心（ARTC）與國內相關廠商集成的自駕實驗平台。此實驗平台車具有常見的光達SLAM、RTK GPS等定位系統，光達SLAM是一種基於3D LiDAR傳感器開發的定位方法。RTK與傳統GPS不同，傳統GPS的精度僅可達到幾米，而RTK GPS可以提供達10公分以內的定位精度，符合自動駕駛精確的定位系統的需求，因此該實驗車配備了RTK GPS作為自動駕駛汽車的定位系統之一。 下圖2是LiDAR和RTK GPS於WinBus上的配置。

圖2、感測裝置配置圖

定位校正方法說明與驗證

自駕車定位資訊校正方法使用了資訊融合應用概念，使用了SLAM、RTK與行駛中有效的定位訊息，在自駕車行駛的過程中基於有效的定位資訊的前提下，利用兩種架構在WinBus上且性質不同的定位系統相輔相成的方式來確保自動駕駛車輛所使用定位資訊的準確性。其中定位資訊的參考值會同時參考車輛的航向角和車速來計算，透過這個參考資訊來判別系統的定位誤差的差異性。可使定位系統知道目前哪種定位系統的誤差是在設定範圍內，誤差值部分將會根據車輛與場域的差異做調整，判別誤差的部分透過計算下式來算出預估座標與感測器系統所提供的絕對座標來得到兩個座標的誤差距離，其中為參考用的預估座標，為感測器所提供的座標。

最後再透過融合演算法來算出更貼近實際路線的軌跡，就融合演算法而言，目前適合用在定位系統的方法大概有擴展卡爾曼（EKF）、無損壓縮、粒子濾波器（Particle Filter）與權重分配法等，透過上述方法來改善與加值後端資料融合演算法的功能可使決策控制系統所得到相對準確的定位資訊來避免決策控制上的失誤。

實驗後的數據討論會基於SLAM、RTK與以權重為主的融合演算法來對比這個方法，在實驗過程中由於在彰濱廠域RTK可以獲得相對準確的座標資訊，所以在結果討論部分以RTK的座標資訊做基準，下圖3的結果可明顯的比較出在SLAM發生定位誤差的時候，以權重為主的融合演算法受錯誤資訊的影響造成融合後的座標有些許的誤差，而經過校正後的定位資訊確實可以比較貼近RTK所描繪出來的路徑，再對比以權重為方法的融合座標資訊對於定位座標可以獲得比較有效的校正。

圖3、定位軌跡比較

總結

定位系統是自動駕駛汽車不可或缺的數據提供者，定位資訊可以影響整個自動駕駛車輛的駕駛行為，因此定位系統提供準確的定位資訊相形重要， 由於所有應用系統都容易出現故障，這裡提出了一種自動駕駛車輛定位系統的校準方法，以確保獲得的定位資訊的準確性，此方法討論了定位資訊的多種融合應用，利用兩種不同的定位系統來相輔相成以確保自動駕駛車輛所使用的定位資訊。其中用以判斷定位誤差的參考資訊考慮了車輛的航向角和車速來計算參考座標，在目前的架構上可以得到相對好的定位效果，或許在未來的發展中可以考慮更多的車輛條件來提升校準方法，使定位系統提供的位置資訊可以進一步增強自動駕駛汽車應用的安全性。