自动驾驶在城市复杂环境中的定位挑战与解决方案
在现代城市中，摩天大楼密布的“城市峡谷”、幽深的隧道以及纵横交错的立交桥，给自动驾驶车辆的定位系统带来了严峻挑战。尽管全球导航卫星系统（GNSS）与惯性测量单元（IMU）构成了定位系统的底层架构，但在这些复杂场景中，其性能往往显著下降。
基础定位技术在城市环境中的局限性
GNSS通过卫星与接收机之间的距离测量，提供绝对位置信息。然而，在城市中心区域，由于建筑物的遮挡与反射，电磁波信号容易产生多路径效应（Multipath）与非视距接收（NLOS），从而导致定位精度下降。当反射信号路径远长于直达路径时，接收端的伪距观测误差可能达到数米甚至数十米。
在城市峡谷或地下通道等环境中，卫星信号完全被遮挡的情况屡见不鲜。此时，车辆定位系统将面临解算失败或剧烈跳变的问题。由于GNSS要求至少四颗卫星用于三维定位，当可视卫星数量骤减至不足四颗时，标准定位方案将无法继续运行。
惯性测量单元（IMU）通过感知加速度和角速度来估计车辆姿态，其优势在于自主性与高采样率。但IMU本质上是积分系统，其输出误差会随时间累积，尤其是在没有外部校正信号的情况下，这种累积效应将导致位置漂移，无法满足自动驾驶对厘米级精度的需求。
多传感器融合与SLAM算法的引入
为提升定位系统的鲁棒性，激光雷达SLAM（LIO）和视觉SLAM（VIO）技术被广泛采用。SLAM通过实时构建环境特征图，结合当前传感器数据进行位姿估计。
激光雷达通过发射激光束并接收反射信号，生成周围环境的三维点云地图。在SLAM过程中，算法将当前帧与已构建的地图进行几何匹配（如ICP或NDT），以计算车辆的相对位移。在隧道或地下停车场等信号盲区，激光雷达能够基于固定环境特征，提供稳定的位置约束，有效减缓IMU的漂移。
视觉SLAM利用图像序列中的特征点进行运动估计，在特征丰富的环境中表现良好。但在强光直射、低照度或无纹理背景下，视觉传感器易出现特征丢失，影响跟踪精度。
从松耦合到紧耦合的系统演进
早期的融合策略多采用松耦合方式，将GNSS、IMU和SLAM的输出结果分别输入卡尔曼滤波器进行融合。虽然该方法计算效率高，但在城市复杂环境中适应性有限。例如，当卫星数量不足四颗时，GNSS解算器可能无法提供有效数据，系统将失去关键的全局约束。
紧耦合方案则进一步融合各传感器的原始观测数据，如GNSS的伪距与多普勒频率、IMU的高频采样信号以及激光雷达的点云坐标，统一在数学优化框架下进行联合求解。这种方式显著提升了系统在信号盲区的定位能力。即使仅有两颗卫星可用，系统仍可结合激光雷达和IMU数据进行有效约束。
更进一步的深耦合技术则深入至GNSS接收机内部，将IMU提供的瞬时速度信息用于辅助载波跟踪环路，从而增强在高速或震动条件下的信号锁定能力。
因子图优化：提升系统鲁棒性的数学框架
因子图优化（Factor Graph Optimization, FGO）正逐渐取代扩展卡尔曼滤波（EKF），成为融合定位的主流方法。相比EKF的递归式更新，FGO将位姿估计建模为一个包含历史数据的全局优化问题。
因子图中，节点表示不同时刻的车辆位姿，边则代表来自不同传感器的观测约束。IMU因子提供运动连续性约束，GNSS因子提供绝对坐标约束，SLAM因子则基于环境特征建立相对位姿关系。
FGO通过滑动窗口机制，对过去数秒内的所有观测数据进行全局优化，寻找最优轨迹。当某一帧观测明显偏离整体趋势时，鲁棒核函数可有效降低其权重或将其剔除，从而提升系统稳定性。
为提升计算效率，预积分技术被用于处理高频IMU数据。它将高频采样数据压缩为相对位移与旋转增量，并生成误差传递矩阵，使高频率数据与低频率GNSS/SLAM数据高效融合，实现实时厘米级位姿输出。
城市特定场景的适应性与系统稳定性
高精度定位系统的性能不仅依赖于算法设计，还需针对城市环境进行深度优化。在无GNSS信号的隧道或地下通道中，系统需依赖纯里程计进行位姿估计。
为此，高精度地图（HD Map）匹配技术被引入。这类地图不仅包含车道线与交通标志的位置，还记录了城市环境的三维结构。车辆通过激光雷达扫描的实时轮廓与地图进行对齐，可有效消除IMU积累的漂移。
在高动态交通场景中，SLAM可能将移动车辆或行人误判为固定特征，进而导致定位偏差。因此，融合系统通常引入语义分割模型，自动识别并剔除动态对象，只保留永久性环境特征。
评估系统在城市环境中的稳定性，需通过多项关键指标，如均方根误差（RMSE）、系统可用性与完整性。其中，系统可用性要求在99.9%以上的运行时间内，定位精度维持在安全阈值内。
实测表明，采用紧耦合与因子图优化的融合系统，能够在隧道出入口的光照突变、高架桥下的卫星遮挡及复杂路口的多路径干扰等极端场景中，保持平滑且稳定的轨迹输出。这不仅减轻了感知与规划模块的负担，也为自动驾驶提供了更可靠的安全保障。