全局定位和局部定位在自动驾驶中各有什么作用？

[首发于智驾最前沿微信公众号]自动驾驶汽车在道路上行驶的时候，需要持续知道自己在哪里。这听起来很简单，就像手机地图显示你当前所在哪条街道上一样，只是自动驾驶汽车对位置的要求远比手机定位严格得多。自动驾驶汽车不仅要知道自己现在在哪一条街道上，还要清楚自己在车道中的哪个位置、身体朝向如何、与路边设施和其它车辆的距离是多少。只有具备准确的定位信息，自动驾驶系统才能做出正确的规划和控制决策，从而完成变道、转弯或者避让行人等操作。

在自动驾驶领域，定位可以按照参考坐标系的不同分成两个概念，即全局定位和局部定位。这两个定位可以协同工作，彼此补充，各自承担不同的功能。

全局定位：让车知道它“在地球上的位置”

全局定位的核心目标是给自动驾驶汽车提供一个绝对、不随时间漂移的位置坐标，这个坐标以地球表面某个标准系统为参考。实现这一目标主要依靠全球导航卫星系统（GNSS），其中最常见的是美国的GPS、中国的北斗、欧盟的伽利略等。

全局定位输出的是一个包含经度、纬度和高度的坐标信息，对应车辆在地球表面的位置。举个例子，一辆自动驾驶汽车在北京市朝阳区某个十字路口，其全局坐标可以精确到十几厘米甚至更高，这就是高精度GNSS与差分（RTK）技术配合使用的结果。

全局定位最大的特点是它不依赖车辆之前的行驶历史轨迹或者内部估计，它本质上是从外部世界直接读位置。这意味着不管车辆以前走过什么路线，只要卫星信号稳定，它都可以立刻得出当前位置。

全局定位提供的是绝对坐标，比如当一个自动驾驶出租车接到一个行程请求时，它需要知道出发点和目的地在地图上的绝对位置。导航模块会基于这个绝对位置生成路径，而车辆后续的控制系统则按照预定路径行驶。全局定位是整个自动驾驶系统的定位基础，它让车辆知道在地图的大框架里，现在在哪个位置。这种定位方式具有全球一致性和无需累积计算的特点。

不过，全局定位也有局限。卫星信号虽然覆盖面广，但在隧道、城市高楼密集的峡谷式道路或者树木遮挡严重的区域，信号会受到干扰甚至完全丢失，使得定位精度下降或不可用。即使在开阔地区，单纯使用GNSS输出的位置也会因为信号噪声产生几米到十几米的误差，这对自动驾驶来说是不够精确的。为了解决这个问题，自动驾驶汽车的定位不能只依赖卫星，而是要把全局定位作为基础，再结合其他技术补充精度。

局部定位：让车知道它“在局部环境里的精确位置”

当车辆处于某一具体环境中时，全局定位提供的只是一个大致的坐标，这在高速行驶或者精细操控时无法满足需求。这时就需要依赖局部定位。

局部定位的核心是使用车辆自身的传感器（如激光雷达、相机、惯性测量单元IMU等）对周围环境进行感知，并把这些感知信息与某种地图或者先前建立的局部模型进行匹配，从而得到车辆在当前局部区域内的精确位置。

图片源自：网络

局部定位强调的是短距离高精度和连续性。当自动驾驶汽车在一条路段上持续行驶时，它通过视觉、点云等感知到的特征，与地图或上次知道的位置进行配准，从而判断自己在局部坐标系中的位置变化。这类技术在自动驾驶领域通常被称为Visual Odometry、Lidar Odometry或者更广义的SLAM（同时定位与地图构建）技术。

举个直观的例子，当车辆进入一个隧道后，卫星信号可能完全无法使用，这时就必须通过车载传感器来判断车辆在车道上的精确位置。激光雷达会扫描前方和周围的环境，将采集到的点云与已有的高清地图进行匹配，通过这种匹配结果可以计算出车辆的位置变化。同样，使用相机视觉的定位也是类似的道理，通过识别道路标志、路缘、建筑物等视觉特征，再结合惯性传感器（IMU）进行短时间的估计，就可以在局部范围内精确定位。

局部定位的另一个重要优势是连续性。不同于全局定位那样受卫星信号影响大，局部定位只要传感器和计算系统工作正常，它就可以持续输出车辆相对于起点或参考地图的相对位置。它对短时间的动态变化非常敏感，尤其适合高速行驶中对横向和纵向位置精确控制的需求。

不过局部定位本质上也只是相对定位，依赖于先前的状态作为参考。如果长时间只依赖局部定位，它的位置估计会因为累积误差而发生漂移。想象一下，如果自动驾驶汽车一直用车轮编码器和IMU来估计位置，所有的小误差都会随着时间叠加起来，最终导致位置和方向的估计越来越不准。因此，局部定位需要周期性地与全局定位或者已知的地标等绝对参考进行校准。

两者如何协同：融合才是关键

如上所述，全局定位和局部定位各有优势和不足，全局定位提供的是世界尺度上的位置参考，而局部定位强调短时间、高精度的位置估计。自动驾驶系统要达到既能全球导航又能精确控制的目标，就必须融合这两种定位。

图片源自：网络

融合通常采用一种叫做状态估计或滤波器的技术，像是扩展卡尔曼滤波或者优化方法就属于这类技术。它的作用是把全局定位给出的绝对位置和局部定位给出的相对精细位置结合起来，可以保留全局定位不漂移的特点，还能具备局部定位的高精度和连续性。通过这种融合，自动驾驶系统就能在复杂环境中持续提供高精度的车辆姿态（位置和朝向）。

这种融合的实现有多种形式。在有些实现中，全局定位给出一个粗略的位置初值，然后局部定位在此基础上进行细化处理。当车进入卫星信号不好的区域时，全局定位暂时中断，局部定位继续跟踪车辆的位置变化；当车辆重新获得全局定位时，再将当前局部估计与全局参考对齐，修正漂移。此外，还可以在一张更高级别的地图框架下，实时把局部定位结果通过图优化的方法融入到全局定位网络中，使整体定位更稳定。

应用场景与挑战

从实际应用角度看，全局定位和局部定位的协同对于自动驾驶的每一个阶段都是不可或缺的。在城市道路、高速公路和乡村道路等不同场景中，它们各自的权重不同。

在开阔区域或高速公路上，全局定位表现得会比较好，可以持续提供稳定的位置参考，而局部定位则可以用来细化道路内的位置。这种情况下，车辆导航和路径规划可以主要依赖全局定位，局部定位作为辅助增强精度。在城市中心或隧道、地下车库等环境，全局定位可能严重弱化甚至丧失，此时局部定位就成为主要定位手段。

自动驾驶定位本身也面临不少挑战。如在多变环境下，局部定位的特征匹配可能由于光照变化、道路遮挡等原因失效；全局定位会在信号遮挡区域失去有效性。这就要求定位系统不仅要有良好的传感器融合能力，还要有智能的场景识别和自适应机制。

此外，构建高精地图、实时更新环境信息，以及处理动态对象对定位的干扰，都是自动驾驶落地过程中必须要解决的问题。

总结

全局定位和局部定位是自动驾驶定位系统中两大核心部分，它们分别从不同尺度给车辆提供位置估计。全局定位给出世界尺度的绝对坐标，让车辆知道自己在大地图上的位置；局部定位则在短时间内提供高精度、连续性的局部坐标，支持车辆实时控制。两者结合才是真正让自动驾驶车辆既能全局导航，又能精细驾驶的基础。打造鲁棒的定位系统，是实现安全、可靠自动驾驶的核心技术之一。

审核编辑 黄宇