自动驾驶系统的定位方法有哪些，各有什么特点

自动驾驶系统系统采用先进的通信、计算机、网络和控制技术，对列车实现实时、连续控制。采用现代通信手段，直接面对列车，可实现车地间的双向数据通信，传输速率快，信息量大，后续追踪列车和控制中心可以及时获知前行列车的确切位置，使得运行管理更加灵活，控制更为有效，更加适应列车自动驾驶的需求。下面小编给大家介绍一下"自动驾驶系统的定位方法有哪些，各有什么特点"

1.自动驾驶系统的定位方法有哪些，各有什么特点

1、目前使用最广泛的自动驾驶定位方法包括融合全球定位系统（GNSS，Global Navigation Satellite System）和惯性导航系统（INS，Inertial Navigation System）。其中，GNSS的定位精度由器件成本决定，一般在几十米到几厘米级别之间，精度越高，成本也越贵。融合GNSS和INS的定位方法能够在一定程度上解决GNSS在环境恶劣条件（高楼、树木遮挡，大面积水域、隧道等）下定位精度偏差较大的影响，但对于城市这样大范围定位条件都不好的情况，单纯的GNSS+INS的定位技术还是不够满足自动驾驶的需求。

2、地图辅助类定位方法是另一种广泛使用的自动驾驶定位技术，代表算法是同步定位与地图构建（SLAm，Simultaneous Localization And mapping）。SLAM的目标是构建地图的同时使用该地图进行定位，SLAM通过传感器（摄像头、Lidar等）观测到的环境特征，确定当前车辆的位置以及当前观测目标的位置，这是一个利用以往的先验概率分布和当前的观测值来估计当前位置的过程，这一过程通常使用的方法有：贝叶斯滤波器（Bayesian Filter）、卡尔曼滤波器（Kalman Filter）、扩展卡尔曼滤波器（Extend Kalman Filter）、粒子滤波器（Partical Filter）等，这些都是基于概率和统计原理的定位技术。

3、LAM是机器人定位领域的研究热点，在特定场景下的低速自动驾驶定位的应用过程中也有较多现实的实例，如园区无人摆渡车、无人清洁扫地车、扫地机器人等，都广泛采用了SLAM技术。实际上，在此类特殊场景中，用户并不是在定位的同时实时建图，而是事先使用传感器（如激光雷达、摄像头等）对车辆运行环境区进行SLAM地图的构建，然后在建好的地图SLAM地图的基础上实现定位、路径规划等其他进一步的操作。