《2022年导航行业专题研究报告：组合导航迎自动驾驶大时代.docx》由会员分享，可在线阅读，更多相关《2022年导航行业专题研究报告：组合导航迎自动驾驶大时代.docx（15页珍藏版）》请在第壹文秘上搜索。
1、2022年导航行业专题研究报告：组合导航迎自动驾驶大时代1、卫惯组合导航需求逐渐刚性，百亿级市场已来临1.1、GNSS与IMU融合可提供稳定的绝对位置信息全球卫星导航系统(GNSS)是能为地球表面或近地空间任何地点提供全天候定位、导航、授时的空基无线电导航定位系统。美国的全球定位系统(GPS)、俄罗斯的格洛纳斯卫星导航系统(G1.ONASS)、欧盟的伽利略卫星导航系统(Ga1.iIeo)以及我国的北斗卫星导航系统(BDS)是全球四大卫星导航定位系统。受多路径效应、对流层折射等因素影响，普通GNSS单点定位精度一般在5-10米(实际普通GNSS在开阔地带单频单模单点定位精度约为2.5米)。为提高
2、卫星导航系统的定位精度，出现了高精度卫星定位技术，主要包括以基于网络RTK技术的连续运行参考站系统(CORS)为代表的地基增强技术、以美国广域增强系统(WAAS)为代表的区域星基增强系统以及基于实时精密单点定位技术(PPP)的商业全球星站差分增强技术。惯性导航系统(INS)属于推算导航方式，即从一已知点的位置根据连续测得的运动体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。惯性导航系统的核心部件为陀螺仪和加速度计，利用载体先前的位置、惯性传感器测量的加速度和角速度来确定其当前位置。给定初始条件，加速度经过一次积分得到速度，经过二次积分得到位移。角速度经过处理可以得出车辆的俯
3、仰、偏航、滚转等姿态信息，利用姿态信息可以把导航参数从载体坐标系变换到当地水平坐标系中。惯性导航系统有自主导航、不受外部依赖、输出频率高（大于100Hz）等优点。定位精度取决于陀螺仪、加速度计等惯性传感器的测量精度，高性能IMU价格昂贵。惯性导航定位误差会随着时间不断累积，导致位置和姿态的测量结果偏离实际位置，因此无法用来做长时间的高精度定位。因此，通常采用惯性导航系统作为GNSS信号丢失时的补偿，以使导航系统功能连续。惯性导航起源于军工领域，因其成本高，长期用于国防和商用航空航天领域，相关模组器件主要由我国军工企业研发制造，产品以高精度战术级器件为主（包括激光惯性导航、光纤惯性导航和高精度M
4、EMS惯性导航）。但是，战术级惯性导航模组器件一般价格昂贵，且与民用车辆所需的技术路线不同。MEMS惯性导航具有价格低、功耗低、体积小、可靠性高和环境适应能力强等特点，推动了惯性导航在民用领域的发展。1.2. 组合导航产品形态或逐步集中化汽车电子电气架构正逐步由分布式ECU向域控制器、中央集中架构方向发展。高精度定位模块在汽车中的搭载方案主要为以下两种：高精度卫星定位模块挂接到中央网关。高精度定位模块包括卫星定位信号接入、RTK信息接入、IMU、融合定位算法、高精度地图单元等。该方案需要将高精度定位及高精度地图信息通过车内网络传输到自动驾驶域控制器，加大了时间延迟，降低了高精度定位的精度。高精
5、度卫星定位模块集成到自动驾驶域控制器，自动驾驶域控制器直接接入卫星定位信号、GNSS卫星增强信息,并配置惯性测量单元IMU.高精度地图单元和融合定位算法等。该方案可以减少数据传输，有效降低信息的延迟，提升高精度定位的精度。目前卫惯组合导航产品的主流方案是外置的P-box方案，或为中间形态，目前已有车企开始把组合导航盒子拆开，将GNSS模块、IMU模块融入到域控制器中。高精度组合导航属于传感器，其最终形态或为芯片化、小型化的模组，和域控制器相融合，更好她共享算力、感知数据。同时，这种集成方案将减少线束的使用。整机形态的组合导航需要电源、信号等多种线束接入使用。线束用量的大幅减少，不但减少整车重量
6、，还大幅降低了自动化生产中人工的参与和后期维护难度。1.3. 卫惯组合导航需求逐步刚性自动驾驶需要绝对定位和相对定位。相对定位输出的是区域内的相对位置信息，常用基于激光雷达、毫米波雷达、摄像头等传感器的特征匹配定位技术。绝对定位输出的定位信息是基于统一的定位坐标体系下的位置，目前绝对定位方案都是基于卫星的定位手段。高精度卫星定位相较于视觉、雷达等高精度相对定位传感器，不受天气、光线等影响，可在全场景下帮助汽车实现精准定位。在众多高精度定位方案中，只有GNSS卫星定位为车辆提供绝对的定位信息,其余传感器均提供相对定位。精确的高精度初始绝对位置是最基本的参数，无论用哪种高精度定位解决方案，GNSS
7、卫星导航定位是必不可少的，能够平行于相对定位技术给系统提供非常高的可靠性补充，从而满足系统的功能安全要求。组合导航系统主要为自动驾驶车辆提供三类信息：第一类为坐标信息，如经纬度、高程，可以区分高架上下、隧道和地库；第二类为姿态信息，包括侧倾、俯仰等；第三类是动力学信息，包括加速度、速度、角速度。高精度定位和高精度地图密切关联，二者相辅相成。高精度定位得到车辆在高精度地图中的精确位置和姿态，高精度地图可有效弥补传感器的性能边界，提供实时全方位周围驾驶环境、交通状况信息等重要的先验信息，并帮助车辆提前重新规划路径。相对定位很难与标准的高精度地图配合使用，两者的坐标系、数据格式、接口、时间轴不同，标
8、准的高精度地图需要与绝对定位搭配使用。1.4. 我国组合导航终端陆续上车卫惯组合导航应用场景包括自动驾驶农机、矿场无人驾驶、无人清扫车、乘用车等。无人矿卡普遍采用高精度GNSS/1MU组合导航、激光雷达、摄像头、毫米波雷达等传感器，再结合高精度她图进行融合定位，使无人矿卡的感知系统可以在矿场恶劣的环境下实现全天候全天时高精度的定位精度。哪吒、小鹏、蔚来、理想等新势力车厂均规划搭载高精度定位。小鹏汽车P5搭载13个高清摄像头、5个毫米波雷达、12个超声波雷达、2个车规级激光雷达共32个传感器及1组高精度定位单元（GNSS+IMU）o理想1.9配备高精度组合导航定位系统，助力其实现全场景的导航辅助
9、驾驶功能NOAoAquiIa蔚来超感系统拥有33个高性能感知硬件，包括2个高精度定位单元。国内1.2+应用组合导航产品是从2017年上汽荣威MARWE1.1.XPro1000辆demo的项目开始，近期各主机厂相继推出了数十款搭载高精度定位技术的车型。据佐思数据库统计，2021年中国1.2级自动驾驶乘用车的装配率已突破20%,部分1.2级车型通过搭载高精定位和高精地图实现了高速领航自动驾驶。如小月照P7,蔚来EC6、ES6、ES8,广汽埃安V、埃安1.X,长城WEY摩卡等车型可以选装高精定位模块，一汽红旗E-HS9、高合HiPhiX.2021款理想ONE等车型标配高精定位模块。1.3级自动驾驶合
10、法上路呼之欲出。2022年6月23日，深圳经济特区智能网联汽车管理条例获深圳市表决通过，这意味着无人驾驶汽车可以在深圳合法上路。该条例是全国首个对1.3及以上自动驾驶权责、定义等重要议题进行详细划分的官方管理文件，为其他城市1.3级自动驾驶准入政策提供了样板。假设2023年中国1.3级别自动驾驶的渗透率约为6.4%,2025年1.3级别自动驾驶渗透率增长至25%,1.4/5级别自动驾驶渗透率为3%o2021年高精度卫惯组合导航定位设备单价约为2000元,此后单价逐年小幅下降，2025年或降至750元。假设20212030年我国汽车销量稳步提升，由于高精度定位是1.3级别及以上自动驾驶标配，20
11、22年我国高精度卫惯组合导航设备市场空间为7.3亿元，预计2025年市场空间将增至53.2亿元，20222025年CAGR为94%o1.5、海外组合导航终端前景广阔2018年，通用汽车使用Trimb1.eRTX技术作为高精度GNSS/GPS差分数据源，为配备通用汽车超级巡航SuperCruise高速公路脱手驾驶系统的车辆提供绝对定位位置。2021年3月，本田正式发售1.3级自动驾驶量产车一本田1.egendEX（获得日本国土交通省1.3级自动驾驶认证）,配备了HondaSENSINGE1.ite智能驾驶系统，搭载高精度定位模块，与传感器、3D高精度地图配合使用。2021年12月，德国联邦汽车运
12、输管理局认为奔驰的1.3级自动驾驶系统符合规定，批准上路。根据奔驰的规划，旗下S级和EQS两款旗舰轿车将率先配备1.3级自动驾驶系统（搭载高精定位模块+高精度地图）。特斯拉的纯视觉方案是通过神经网络对各类场景进行自动标注和训练，但不同国家、不同地域的情况下，总有未经训练的、没有覆盖到的场景类型，像形状不规则的工程车，很可能是视觉算法中缺失的识别对象。从2021年7月20日到2022年5月21日，美国高速公路安全管理局（NHTSA）共收到367起涉及ADAS辅助驾驶系统的事故报告，其中特斯拉上报了273起，占比高达74.4%,可见纯视觉自动驾驶方案感知冗余度不够，现有感知模型对Cornercas
13、e（长尾问题）泛化性不足，很难达到1.3及以上自动驾驶的要求。当视觉定位因环境问题失效，特斯拉或需要搭载卫惯组合导航或其他传感器，实现更高级别的自动驾驶。随着卫惯组合导航的逐步成熟，价格或逐步下降，性价比优势明显。2022年6月，特斯拉向美国联邦通信委员会注册了一款全新高分辨率雷达设备，此举将允许特斯拉销售搭载新雷达装置的汽车。我国新势力车厂具备先进的电子电气架构,通过多传感器融合达到高级别自动驾驶。海外车厂多为传统燃油车品牌，电子电气架构的迭代较慢，影响高精度定位上车进程。1.3及以上自动驾驶对高精度定位的需求凸显，全球车企或加快高精度定位的研发。我国供应商具备较强的技术储备，丰富的量产经验
14、或有助于全球市场的开拓。2、从松耦合到紧耦合、深耦合，打造行业高壁垒组合导航终端的元器件主要为GNSS模块、INS模块和数据处理模块。GNSS模块分为射频前端、信号捕获、信号跟踪和RTK解算，负责卫星信号定位。INS模块包括IMU和解算单元，分别负责测量三轴加速度和三轴角速度数据以及IMU输入数据及数据处理模块反馈的误差数据。数据处理模块负责进行数据融合，常用卡尔曼滤波算法。卡尔曼滤波是一种估算方法，它以系统的位置坐标、速度、加速度、航向以及加速度误差、角速度误差和角度误差为系统状态，并以系统初始状态作为模型的初始条件。在每次测量更新时,都要利用当时的状态估算值和存储的位置数据计算出预测值。然
15、后将GNSS数据与预测值比较，其差值经过卡尔曼滤波处理，产生定位系统误差状态参数的估算值，并将这些误差估算值反馈给定位系统进行修正，从而提供修正后更准确的定位数据。卫导定位、惯导定位输出的融合方式可分为松耦合、紧耦合和深耦合。其中，松耦合是最简单的组合模式，GNSS与INS各自独立工作，并利用两者位置、速度信息进行数据融合；紧耦合比松耦合复杂；深耦合在结构和算法方面更加复杂，是GNSS与INS最深层次的组合方式。在松耦合结构中，GNSS和惯导独立工作，GNSS输出定位结果，惯导输出惯性数据，两者得到的姿态、位置等数据之差作为量测输出，通过卡尔曼滤波器得到惯性元器件误差和导航参数误差，然后进行反
16、馈校正。这种简单组合方式对厂商算法要求较低、易于集成。在高速公路、地下车库等卫星信号强或完全无卫星信号的场景下与紧耦合、深耦合相当；但在有卫星信号但是信号被遮挡的场景下，GNSS不能够有效地进行定位和测速，从而造成INS在航位推算时精度衰减很快，定位效果不如紧耦合、深耦合。紧耦合可以有效利用信号遮挡环境下的卫星观测数据，提升定位效果。在进行紧耦合时，利用GNSS接收机观测的原始信息与INS输出数据进行组合，得到伪距与伪距率,将其和GNSS观测得到的伪距与伪距率的差值作为滤波器的观测值。紧耦合在原始GNSS观测端进行信息融合，因此在GNSS卫星可观测数据少于4颗时仍然能够输出有用信息，而遇到同样情况时松耦合的GNSS输出信息不可用。因此在相同硬件配置下，紧耦合的鲁棒性会更高。紧耦合的难点在于组合导航终端厂商需要具备RTK定位算法，在卫导领域积累较浅的厂家很难实现。深耦合除了可以完成松耦合或紧耦合的处理工
