目前，在大的无人驾驶系统中，环境感知是考察无人驾驶系统的一个重要维度。在这一维度中，环境感知主要依靠的是作为硬件系统的传感器。而在各类无人驾驶传感器类型中，GPS和惯性导航模块的定位导航功能必不可少。

 

无人车上的定位导航技术

 

       作为无人驾驶系统最核心的技术之一，GPS全球定位系统在无人驾驶定位中具有相当重要的职责。然而，无人车是在复杂的动态环境中行驶，尤其在大城市，GPS多路径反射的问题会很明显。这样得到的GPS定位信息很容易就有几米的误差。对于在有限宽度高速行驶的汽车来说，这样的误差很有可能导致交通事故。因此，必须借助其他传感器来辅助定位，增强定位的精度。另外，由于GPS更新频率低，在车辆快速行驶时很难给出精准的实时定位。

 

       由陀螺仪、加速度传感器等传感器组成的惯性传感器(IMU)，是检测加速度与旋转运动的高频传感器类型。通过对惯性传感器数据进行处理后，我们可以实时得出车辆的位移与转动信息。但惯性传感器自身也有偏差与噪音等问题影响结果。而通过使用基于卡尔曼滤波的传感器融合技术，我们可以融合GPS与惯性传感器数据，各取所长，以达到较好的定位效果。  

 

 

这里需要注意的是，由于无人驾驶对可靠性和安全性要求非常高，所以基于GPS和惯性传感器的定位并非无人驾驶里唯一的定位方式，现实中，还会使用LiDAR点云与高精地图匹配，以及视觉里程计算法等定位方法，让各种定位法互相纠正以达到更精准的效果。

 

要想真正实现无人自动驾驶，除GPS和惯性传感器外，还需要雷达、图像传感技术的支持。  然而，仅有定位导航还远远不够，无人驾驶系统还需要检测到行驶时做出避让，以保证车内人员安全。这便需要通常在汽车关键部位安装图像传感器和激光雷达等传感器探测装置。其中，图像传感器采集的数据，能在软件算法的帮助下，分析危险障碍物及其分布。而雷达装置则能对周围环境地形、运动物体形状和速度进行探测，进一步为自动、无人驾驶提供安全保障。

 

       其实，即使做到这些对于实际应用也还远远不够。无人驾驶系统除上述作为硬件系统的传感器外，作为软件系统的计算机算法也必不可少。二者的作用亦可分别比作眼睛和大脑。因此，无人驾驶技术的发展，除了让更多的传感器加入到眼睛的行列中来，未来还需要更加先进的软件或智能算法的支持。