技术专栏｜水面无卫星信号下的定位技术

☟

本篇为欧卡智舶水面无人驾驶技术专题推送

第三期——水面无卫星信号下的定位技术

后续将会分享智能感知、自主决策、多船协同控制等多个无人船关键技术

内容将陆续上线，敬请保持关注!

在之前两期技术推送中，我们介绍了无人船水面自动驾驶的控制技术和路径规划技术：通过高精度的控制技术，可以使得船只贴合我们预想的路线行驶；通过路径规划技术，船只能够更高效地完成水面作业任务。

本篇推送中，我们将介绍水面无卫星信号下的定位技术，高精度的定位技术能够确保船只在复杂场景下的自主化作业。

01

当前技术问题是什么？

对于无人驾驶机器人来说，定位往往是一个至关重要的问题，必须要让它知道，自己“在哪里”，才能知道要“去哪儿”和“怎样去”，也就是进一步的决策以及按照规划路线的行驶。 全球导航卫星系统（Global Navigation Satellite System，GNSS）是室外平台常用的定位方式，其中，GPS（Global Positioning System）是最广为人知的卫星定位系统，其他常用的卫星定位系统则包括了中国的北斗、欧洲的伽利略等。GPS本身仅能提供米级定位精度，为了达到GPS高精度定位，在室外通常借助RTK（Real Time Kinematic）技术，即载波相位差分技术，达到厘米级定位精度。
然而，GPS定位的精度和信号强度有很强的关联，定位精度对遮挡非常敏感。在一些路面场景中，如城市峡谷、林荫道路、隧道、地下车库等，往往导致GPS信号较差，定位精度下降。而对于水面无人驾驶船作业场景，也有同样问题。例如，在一些场景中，如下图所示场景，在狭窄的河道、桥下，或是密集植被遮挡的区域，信号遮挡严重，无法直接利用GPS定位结果。

无人船作业场景中GPS定位结果不可用场景

02

常规解决办法

对于自动驾驶车辆，通常通过引入其他传感器，例如轮速计、IMU、图像、激光雷达等来实现无GPS下的精确定位。

轮速计可提供行驶里程和方位；IMU的输出可通过SINS技术，即捷联惯导技术，通过对测量结果的二次积分计算平台位置和姿态变化等；对于图像的运用，其重点往往在于通过提取图像特征点，依据特征点匹配推算平台位姿变化进而推算平台位置；对激光雷达的运用，则一般通过点云匹配来推算车辆位姿变化进而推算平台位置，或是通过单帧点云在点云地图中的匹配，来实现高精度定位。
通过上述多种传感器定位方式的融合，最终需要实现全场景条件下厘米级定位输出。 

03

在水面场景下的问题

路面场景下的无GPS定位主要依赖于相机、激光雷达、IMU、轮速计等传感器以及其组合来实现，而水面这一特殊场景则使得无法采用常规路面所采用方式来进行无GPS下的定位，主要的挑战有：

（1）由于船只在水面上行驶，无法使用轮速计进行里程估计。

（2）船只运动速度较低，对IMU测量、加速度信息容易淹没在噪声中。

一般来说，内河清洁无人船的运动速度较低，加速度较小，而IMU测量往往存在误差，包含了零偏和噪声等，对于运动幅度较低的船只来说，噪声的影响相对更大，积分后噪声会带来巨大的误差。

（3）视觉传感器对水面环境不鲁棒。路面场景下基于视觉传感器的定位，目前已有多种成熟的开源方案，如ORB-SLAM、VINS等。但在水面场景下，视觉传感器则面临一些特殊问题：
水面强光反射容易对视觉传感器造成干扰。由于画面中大部分被天空和天空的倒影占据，水面场景容易面临更为严重的过度曝光问题，对于视觉传感器的选型和算法的鲁棒性提出了更高的要求。
雨雾天气干扰。水面环境下，船只在雨中应仍能进行自主化作业，而视觉传感器对在雨天以及水面有雾天气下往往表现不佳，图像模糊或者被水珠遮挡。
水面特征点的缺失。基于视觉的定位方法往往依赖于图像中的特征点，然而，水面场景则存在特征点缺乏的问题，相机视野内大部分为水面部分，水面上的纹理仅有波浪和波动的倒影，这两种均无法作为基于视觉定位方法中的特征点。
水面缺乏规范化标志物。路面车辆定位可通过车道线等标识作为参照物，而水面场景则缺乏类似于车道线、交通标识等易于识别物体。
无人船作业场景中GPS定位结果不可用场景

强光照射

雨雾干扰

湖面特征缺失

（4）激光雷达传感器一方面成本较高，另一方面，激光雷达也同样容易受到雨雾天气干扰，误将雨水、灰尘等识别为障碍。除此以外，水面上，强烈的水面反光也会给激光雷达点检测带来干扰。

水面有雨雾场景下激光雷达杂波点

04

欧卡智舶怎么做？效果如何？

上述水面场景下带来的特殊问题为无人船在无GPS条件下定位技术带来了挑战，而针对水面特殊场景，欧卡智舶通过对真实场景的深入发掘，采用了欧卡独有的基于毫米波雷达+IMU的定位方案，融合船只动力学模型实现无GPS下的高精度定位。

毫米波雷达具有波长短、频带宽（频率范围大），穿透能力强的特点，在雨雾等天气条件下衰减相对较弱，对于光照、天气等的鲁棒性较好，能够有效保障无人船在各种环境下的稳定运行。

同时，我们采用了数据驱动方式，利用船只历史运行中的动力数据和AI模型的估计，实现了较高精度的的航迹推测，并且，通过历史数据的使用，该方法能自适应不同垃圾量下船只的动力学参数变化，有效提升船只整体运行过程的定位精度。

如下方视频，展示了欧卡智舶定位算法在桥下的定位效果，视频中的GPS定位结果已经和船只行驶轨迹完全偏离，在GPS定位几乎完全失效情况下，欧卡自主研发的定位算法能够实现船只精确定位，建立环境地图，有效保证船只的安全航行，扩展船只应用场景范围，提升船只自主化程度。

船只过桥视频

综上，对于无人清洁船产品的落地，实际落地场景的复杂性往往成为了限制产品效率的因素。对于无人船，不同工况、全天候的高精度定位可以有效降低人工参与度，真正实现船只的无人常态化运行。

欧卡通过深入研发水面场景中无GPS条件下的定位，有效解决了船只在桥下、狭窄河道等场景中的定位问题，辅助船只更安全、高效、自主化完成作业清洁任务。

参考

[1] Patole, Sujeet Milind, et al. "Automotive radars: A review of signal processing techniques." IEEE Signal Processing Magazine 34.2 (2017): 22-35.

[2] Wang, Wei, et al. "Roboat II: A Novel Autonomous Surface Vessel for Urban Environments." 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2020.