自動駕駛中的IMU

電子發燒友網報道（文/李寧遠）慣性測量單元一直都是MEMS領域中極為重要的一類產品，不管是在消費電子、工業自動化還是汽車自動駕駛領域都有著廣泛的應用。將加速度傳感器、陀螺儀等MEMS器件（有些還會集成磁力計和氣壓計）集成在一起的IMU沿著三個正交軸測量旋轉角速度和線性加速度。

近年來，汽車的智能化發展推動了慣性導航系統在內的相關器件的發展，根據Yole Development數據預測，IMU市場規模將在2022年超過9億美元。自動駕駛車輛想要實現對道路狀況進行實時預測，前提就是自動駕駛汽車必須具備超強的檢測感知能力。慣性導航系統是L3及以上等級自動駕駛車輛不可或缺的模塊，能夠在GPS、GNSS、5G等外部信號不佳時通過自身運動信息實現定位，IMU則是慣性導航系統中的核心部件。



加速度與角度

加速度計的測量可以用來直流或者低頻角度跟蹤機制。從整個測量計算過程來看，本質上加速度計不會像陀螺儀那樣存在累加或積分誤差。也就是說在出現偏置誤差或其他誤差時，這些誤差雖然會持續存在，但不會累積。

但加速度也有一些要求較高的地方，加速度計會根據速度的變化做出反應，比如振動、加速、減速，加速度計的協方差項可以用來檢測振動，通過其他監測裝置可以知曉加速度計何時超出量程，這些都需要在系統級算法開發時對這些情況進行管理。這些情況都是需要傳感器實時監測根據環境變化做出調整然后選擇最佳的數據再進行使用。

陀螺儀能測量旋轉角速率，針對轉速進行實時積分計算可以得到動態角度。這些計算需要進行多次，一個系統跟蹤陀螺儀的時間平均在100s左右。陀螺儀加上一些實時協方和其他可信指標來判斷車輛的運行狀態需要隨時間流逝不斷校準偏置。

典型的反饋檢測就是把IMU在制導和導航控制系統中用作反饋檢測元件，通過直接慣性測量來發揮作用。在自動駕駛中，IMU的反饋檢測可以控制汽車軌跡，既監控駕駛又修復駕駛中發生的行駛偏差。IMU系統修正方向控制，結合視覺或者其他導航技術完成整個自動駕駛過程。

自動駕駛IMU關鍵誤差

在IMU進行部署時，需要考慮估算初始姿態角度和估算陀螺儀誤差，需要讓這二者能在自動駕駛系統中保持全幀對齊。在這個過程中，加速度計時主要的限制點，需要極快的偏置誤差處理時間才能判斷初始姿態。這和IMU的偏置可重復性指標相關，1mg的偏置可重復性大概會帶來0.06°的誤差，盡可能小的誤差能從最開始就提高系統性能。

陀螺儀上，噪聲、線性振動和離軸旋轉的影響則是三個最影響器件效果的因素。一般來說，這三個因素并不會有強關聯性，但是這不能代表每個傳感器都是如此，在選用IMU時必須對這些指標進行驗證。

這和MEMS制造工藝息息相關，更好的穩定性和更低的噪聲測量出的艾倫方差也會更低。器件本身的制造工藝之外，算法優化也至關重要。不做算法優化的情況下，慣導底層傳感器的零漂每小時都會產生零漂，然后隨機運動的累積誤差會很快發散形象估算結果。

自動駕駛IMU進化

在自動駕駛設備的發展中，IMU應用的基本流程是沒有太大變化的，室外場景使用GPS加IMU的組合，通過卡爾曼濾波對系統狀態進行最優估計，為導航系統盡可能提供低延遲的位置信息。不過這些系統中的元件在不斷進化，性能增強提高了這種導航系統的上限。

不只是自動駕駛領域，更小的尺寸、更高的集成度、更少的成本、更準確的測量是IMU在每個應用領域的發展趨勢。我們也知道，IMU具有獨有的自恃性，自身并不能很好地解決漂移、噪聲，尤其是零偏不穩定性，因此常需要與另一傳感器進行融合補足。

除了常見的GPS＋IMU的方案，機器視覺、UWB、激光雷達等各種傳感定位技術與IMU的融合進化也在自動駕駛中發揮出重要作用。

算法層面結合運動學模式賦予導航系統更多的算法規則，傳感器融合更先進濾波和算法處理也大大提升了行駛過程中車輛的位姿估算準確度。有些廠商還在IMU中加入ML內核，讓IMU上多出一個硬連線處理引擎來直接在傳感器層面進行AI計算，增強快速實時響應能力并處理更為復雜的自動駕駛任務。

小結

自動駕駛由感知、決策、執行三大系統組成，傳感器作為汽車核心感知層，是車輛保證位置感的基礎。用于導航平臺穩定控制和導航的高性能MEMS IMU已經成為自動駕駛丟失衛星定位后最后的一道防線。