智慧城市网

　　【中国安防展览网 市场分析】 惯性导航系统由于具有的输出信息不间断、不受外界干扰的独特优势；同时可以将多种传感器的信息以及车身信息进行更深层次的融合，为决策层提供可靠的连续的车辆位置，因而将成为自动驾驶定位信息融合的中心。
 

　　随着智能驾驶的兴起和快速发展，预计惯性传感器在 2018 年的市场空间为1.6 亿美元，到 2022 年将达 9 亿美元。
 

　　自动驾驶的前世今生
 

　　智能汽车的目标是利用各种技术实现使车辆按照人的意愿自动行驶到达目的地。这个目标的关键是利用车载传感系统和信息终端实现与人、车、路等的智能信息交换，使车辆具备智能的环境感知能力，能够自动分析车辆行驶的安全及危险状态。
 

　　世界各国及各大汽车公司都在布局自动驾驶。自上世纪 70 年代开始，自动驾驶汽车的发展经历了技术研究的兴起、自动驾驶技术可行性和实用性方面的进展等阶段，目前行业已经逐步进入到了市场化的阶段。
 

　　可见，自动驾驶已成为汽车行业发展的确定性趋势。自动驾驶大的意义在于解放驾驶员的双手带来人类空间意义的无缝连接，智能汽车使汽车的角色不再局限于交通工具，可以是移动的生活空间，通讯工具，娱乐平台等更富有想象力的定位。
 

　　欧美企业的自动驾驶技术处于地位。根据市场研究机构 Navigant Research 发布了 2017 年的自动驾驶技术汽车公司排名，梯队的 8家企业中，有 4 家美国企业、3 家德国企业联盟和 1 家日本企业，只有 1 家中国公司排入第二梯队行列。
 

　　黄金发展期的背后驱动力
 

　　政策、经济、社会、技术等多维因素的推动，极大地促进了中国智能汽车行业的发展。
 

　　政策层面，国家从战略层次进行规划，引导汽车行业向智能化方向做大做强。政府在《汽车产业中长期发展规划》、《国家车联网产业标准体系建设指南》等一系列文件中都提到要估计和促进智能汽车的发展。尤其是 2018 年1 月 5 日国家发改委发布《智能汽车创新发展战略》(征求意见稿)，对智能汽车的市场化做了长远的规划。
 

　　社会层面，自动驾驶可以给社会带来良好的效益，激发消费者兴趣、提升接受度。根据德勤对消费者的调查，中国消费者对自动驾驶技术保持了较高的兴趣和接受度，其中很大一部分原因是自动驾驶可以减少交通事故发生率、降低伤亡，同时也可以提升通行效率。
 

　　技术层面，新技术的发展为自动驾驶技术赋能。人工智能技术如深度神经网络的机器学习算法让车辆对周边物体的探测和分类能力大幅提高，传感器数据的融合也变得更准确；5G 的高带宽、低延迟、大容量数据传输特性可以为自动驾驶海量数据传输提供解决方案。这一系列新技术的发展为自动驾驶的发展提供了基础。
 

　　在政策、技术发展、社会需求等多维度因素的推动下，中国有望成为大的智能汽车市场。根据基业常青经济研究院发布的《汽车如何走进智能时代》报告的估计。预计至 2030 年，汽车传感器市场规模将达到 2077 亿元，2017 年至 2030 年 CAGR 为 19%；由此推算国内智能驾驶市场规模至 2030 年有望达到 4154 亿元。
 

▲国内智能驾驶市场规模趋势
 

　　自动驾驶的发展现状
 

　　技术研发包括三种路径自动驾驶的分级方法比较公认的是SAE的 3016的方法：《关于自动驾驶系统的分级和术语定义》。此标准在2014年1月发表，于2016年9月进行改版。根据当前自动驾驶的发展现状，改版对很多定义做了更加细致的解释与说明。
 

　　按照 SAE J3016 的定义，自动驾驶的分类可分为 L0-L5 等 6 个级别；每个级别对转向及加减速、驾驶环境的监控、驾驶接管的执行要求的主体及系统使用的场景进行了严格的区分。目前自动驾驶处于 L2/L3 发展阶段，
 

　　不同的厂商对自动驾驶的研发采用不同的路径，主要有以下三种路径：1. 逐级研发，由低级别的 L1/L2 驾驶辅助系统逐级向 L4/L5 系统研发；2. 跳过驾驶辅助系统，直接从高度自动驾驶 L4 系统切入；3. 以上两条路线同时实施。
 

　　目前自动驾驶的量产车型处于 L2/L3 之间的状态。现已发布的量产车型中有处于 L3 的奥迪 A8、处于 L2.5 的 Tesla、还有处于 L2 的凯迪拉克 CT6 等。其中奥迪 A8 的配备 L3 级别自动驾驶，由于法规和监管等原因，功能并未真正开放，无法在公共道路中使用。
 

　　惯性导航：自动驾驶核心中的核心
 

　　自动驾驶的核心内涵包括定位、感知、决策、执行四个部分，其中定位是决策和执行的前提。定位系统主要作用是确定车辆所处的位置；感知层的主要作用是收集和解析出周围环境的信息；决策层基于对当前位置和周围环境的理解，做出实时的安全有效的执行计划；执行层则是按照决策层的计划进行。
 

　　定位系统主要是以高精地图为依托，通过惯性传感器(IMU)和定位系统(GNSS)，来定位车辆所处位置。其中，高精地图可以为车辆环境感知提供辅助，提供超视距路况信息，并帮助车辆进行规划决策。惯导系统是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统；而定位系统是通过卫星定位，在地球表面或近地空间的任何地点，提供三维坐标和速度的定位系统。二者的结合就可以取长补短，共同构成自动驾驶定位导航系统。
 

　　感知层主要功能是对环境信息和车内信息进行采集与处理，例如车辆的速度，方向，运动姿态和交通状况等，并向决策层输出信息。这一环节涉及到道路边界检测、车辆检测、行人检测等多种技术，所用到的传感器一般有激光雷达、摄像头、毫米波雷达、超声波雷达等。由于各个传感器在设计的时候有各自的局限性，单个传感器满足不了各种工况下的感知，想要车辆在各种环境下平稳运行，就需要运用到多传感器融合技术，该技术也是环境感知这一大类技术的关键所在。
 

　　决策层的作用在于接收来自车体自身感知器件以及来自车联网的网络虚拟空间信号，通过整合车载或云端处理结果，替代人类进行决策判断，输出车辆控制信号。例如在车道保持、车道偏离预警、车距保持，障碍物警告中，需要预测本车与其他车辆、车道、行人等在未来一段时间内的状态，并做出下一步动作决策。这项技术相当于自动汽车的“驾驶脑”，以算法为核心，并通过半导体等硬件技术对高速运算提供支持。
 

　　执行层主要是在系统做出决策后，替代人类对车辆进行控制，反馈到底层模块执行任务。车辆的各个操控系统都需要能够通过总线与决策系统相链接，并能够按照决策系统发出的总线指令地控制加速程度，制动程度以及转向幅度等驾驶动作。
 

　　惯性导航是不可替代的关键定位技术，将成为自动驾驶定位信息融合的中心
 

　　在自动驾驶的定位技术中，高精地图、卫星导航系统(GlobalNavigation Satellite System，GNSS)和惯性导航的是互相配合的。GNSS 通过导航卫星可以提供全局的定位信息，惯性导航可以提供不依赖于环境的定位信息。通过 GNSS 和惯性导航得到的定位信息与高精地图对比，得到车辆在地图中的位置，进而进行路径的规划与决策。
 

　　高精地图包含有大量自动驾驶所必须具备的信息。高精地图除了静态的地图信息外，还有大量普通导航地图所不具备的动态高精地图信息，比如道路拥堵情况、施工情况、是否有交通事故、交通管制情况、天气情况等动态交通信息。
 

　　GNSS 定位可以为自动驾驶提供全局定位信息的来源。GNSS 是通过使用三角定位法，通过 3 颗以上的卫星，可以准确地定位地球表面的任一位置。同时，使用实时动态技术(RTK)，GNSS 可以提供到厘米级别的定位精度。
 

　　惯性导航(inertial navigation system，INS)是一种使用了惯性测量单元(inertial measurement unit, IMU)的以加速度测量为基础的导航定位方法。它不依赖于外部信息、也不向外部辐射能量的自主式导航系统，不受外界天气状况等影响。惯性导航系统除了可以获得车辆的位置和姿态外，还能够实时、准确的测量车辆坐标系内三个方向的加速度、角速度等信息，供决策控制系统控制车辆。惯性测量单元(IMU)传感器以智能方式融合了精密陀螺仪、加速度计、磁力计和压力传感器的多轴组合，即使在复杂工作环境中以及在动态或极限运动动态下，精密的 IMU 也能提供所需的精度水平。
 

　　惯性导航将成为自动驾驶定位信息融合的中心
 

　　惯性导航在自动驾驶定位系统中具有不可替代性。惯导具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，为决策中心提供连续的车辆位置、姿态信息，这是任何传感器都*的。
 

　　GNSS+IMU 方案是一种常用的组成组合惯导系统的方案。GNSS 在卫星信号良好时可以提供厘米级定位，但地下车库和城市楼宇之间等卫星信号丢失或者信号微弱的场景提供的定位精度会大大下降。惯导可以不依赖外界环境提供稳定的信号，但它会有累积误差。
 

　　通过 IMU 与 GNSS 信号进行融合后组成惯性组合导航系统，可以发挥两者优势，并规避各自劣势。通过整合 GPS 与 IMU，汽车可以实现既准确又足够实时的位置更新。GPS 更新频率过低(仅有 10Hz)不足以提供足够实时的位置更新，IMU 的更新频率可以达到 100Hz 或者更高完弥补 GPS 所欠缺的实时性。GPS/IMU组合系统通过高达 100Hz 频率的定位和惯性更新数据，可以帮助自动驾驶完成定位。在卫星信号良好时，INS 系统可以正常输出得到 GPS 的厘米级的定位；而卫星信号较弱时，惯导系统可以依靠 IMU 信号提供定位信息。
 

　　惯性导航系统将成为自动驾驶定位信息融合的中心。由于惯导具有的输出信息不间断、不受外界干扰的独特优势，惯导可以在车辆运行中提供连续的测量信息，同时可以将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供可靠的连续的车辆位置，姿态的信息，成为定位信息融合的中心。
 

　　以百度阿波罗的多传感器融合定位架构为例：惯性导航系统处于定位模块的中心位置，模块将 IMU、GNSS、Lidar 等定位信息进行融合，通过惯性导航系统解算修正后输出 6 个自由度的位置信息。
 

　　准备起飞，2022 年惯导系统的市场市场空间将达 45 亿美元
 

　　车用高精度的惯性导航是随着智能驾驶的兴起新增的市场。根据半导体/传感器研究机构 Yole development 的估计，惯性传感器 IMU 的 2018 年的市场空间为 1.6 亿美元，到 2022 年将达 9 亿美元。惯性导航传感器价格一般是惯性导航系统的 1/5，由此测算惯导系统的市场空间在 2018 年为 8 亿美元，至 2022 年为 45 亿美元，对应 2018-2022 年 CAGR 为 54%。
 

▲自动驾驶市场规模
 

　　短期看算法，长远看惯性传感器芯片
 

　　惯性导航系统在自动驾驶中的应用属于起步阶段，短期内竞争力主要体现在算法上。算法包括了 MEMS 惯性传感器的标定等硬件信息的处理，速度、加速度、航向及姿态的确定，以及与其他传感器信息、车身信息的融合等主要模块。算法的优劣决定传感器是否能发挥其佳性能，也决定了惯性导航系统的稳定性和可靠性。
 

　　从长远看，惯性导航系统的竞争力在惯性传感器芯片。随着自动驾驶技术级别的提升，对 MEMS 惯性传感器芯片的性能要求将持续提高；同时随着惯性导航系统算法的不断成熟，通过算法优化来提升系统性能的空间越来越小，而对惯性传感器芯片硬件性能的依赖程度则会相应提高。MEMS 惯性传感器芯片的设计、制造、封测及标定将成为惯性导航系统中比较关键的环节。
 

　　智东西认为，自动驾驶是汽车产业与人工智能(AI)、物联网、云计算等新一代信息技术深度融合的产物，自动驾驶是一个庞大而且复杂的工程，涉及的技术很多，它也是当前汽车行业与出行领域智能化和网联化发展的主要方向，已成为各国争抢的战略制高点及热点。
 

　　高精度行车定位技术以及高精度地图技术是自动驾驶汽车的两项核心技术，也是自动驾驶破局的关键点。在定位系统中，所有需要用到GPS的地方都需要使用惯性导航系统，例如车辆定位、激光雷达的GPS接口等。在GPS信号丢失的时候，惯性导航能够将定位信号模拟出来。但惯性导航系统成本昂贵，如何攻克惯导技术难关，如何生产大批量车规级惯性导航装置一直是业界难题。这些年随着各种利好，相信惯性导航行业的前景将是一片光明。