目前，在大的無人駕駛系統中，環境感知是考察無人駕駛系統的一個重要維度。在這一維度中，環境感知主要依靠的是作為硬件系統的傳感器。而在各類無人駕駛傳感器類型中，GPS和慣性導航模塊的定位導航功能必不可少。

 

無人車上的定位導航技術

 

       作為無人駕駛系統最核心的技術之一，GPS全球定位系統在無人駕駛定位中具有相當重要的職責。然而，無人車是在復雜的動態環境中行駛，尤其在大城市，GPS多路徑反射的問題會很明顯。這樣得到的GPS定位信息很容易就有幾米的誤差。對于在有限寬度高速行駛的汽車來說，這樣的誤差很有可能導致交通事故。因此，必須借助其他傳感器來輔助定位，增強定位的精度。另外，由于GPS更新頻率低，在車輛快速行駛時很難給出精準的實時定位。

 

       由陀螺儀、加速度傳感器等傳感器組成的慣性傳感器(IMU)，是檢測加速度與旋轉運動的高頻傳感器類型。通過對慣性傳感器數據進行處理后，我們可以實時得出車輛的位移與轉動信息。但慣性傳感器自身也有偏差與噪音等問題影響結果。而通過使用基于卡爾曼濾波的傳感器融合技術，我們可以融合GPS與慣性傳感器數據，各取所長，以達到較好的定位效果。  

 

 

這里需要注意的是，由于無人駕駛對可靠性和安全性要求非常高，所以基于GPS和慣性傳感器的定位并非無人駕駛里唯一的定位方式，現實中，還會使用LiDAR點云與高精地圖匹配，以及視覺里程計算法等定位方法，讓各種定位法互相糾正以達到更精準的效果。

 

要想真正實現無人自動駕駛，除GPS和慣性傳感器外，還需要雷達、圖像傳感技術的支持。  然而，僅有定位導航還遠遠不夠，無人駕駛系統還需要檢測到行駛時做出避讓，以保證車內人員安全。這便需要通常在汽車關鍵部位安裝圖像傳感器和激光雷達等傳感器探測裝置。其中，圖像傳感器采集的數據，能在軟件算法的幫助下，分析危險障礙物及其分布。而雷達裝置則能對周圍環境地形、運動物體形狀和速度進行探測，進一步為自動、無人駕駛提供安全保障。

 

       其實，即使做到這些對于實際應用也還遠遠不夠。無人駕駛系統除上述作為硬件系統的傳感器外，作為軟件系統的計算機算法也必不可少。二者的作用亦可分別比作眼睛和大腦。因此，無人駕駛技術的發展，除了讓更多的傳感器加入到眼睛的行列中來，未來還需要更加先進的軟件或智能算法的支持。