自动驾驶车辆工程：苏黎世联邦理工学院 UAS Racing 车队使用 Ellipse-D 进行导航
苏黎世联邦理工学院 UAS Racing 车队解决了关键的位置漂移难题，这些难题曾让他们无法进行无人驾驶操作。自动驾驶车辆工程的这一突破，现在使该车队能够开始进军著名大学生方程式比赛中的场地障碍赛（autocross）项目。
“Ellipse-D 让我们能够获取赛车在赛道上的绝对位置。精确的位置对于我们无人驾驶系统的运行至关重要。我们遇到的最大问题之一是随时间推移产生的位置漂移。有了 Ellipse-D，我们将能够攻克以往无法实现的场地障碍赛项目。” | Finn Scheller，苏黎世联邦理工学院 UAS Racing 车队队长。
团队在自动驾驶车辆工程方面的背景
Zurich UAS Racing (ZUR) 是来自瑞士温特图尔苏黎世应用科学大学的一支充满激情的 Formula Student 车队。这个雄心勃勃的学生协会成立于 2019 年，参加全球最大的工程竞赛 Formula Student，制造电动和自动驾驶赛车，与全球各地的大学同台竞技。
团队已发展成为拥有来自不同学位课程的 70 多名积极向上的学生的集体，他们因共同的目标而凝聚在一起——优化赛车性能并推动自动驾驶车辆工程的发展。
大学生方程式汽车大赛
国际上备受推崇的大学生方程式汽车大赛 (Formula Student) 挑战学生团队设计和制造方程式赛车，并在包括工程设计、成本分析和动态赛道赛事等多个学科中展开竞争。
车辆：ZUR04
ZUR 的历程始于 2021 年他们的第一辆功能性赛车，自 2022 年以来成功参与了电动汽车 (EV) 赛事。他们的无人驾驶赛车 ZUR04 代表了学生自动驾驶汽车工程的尖端水平，配有四个电动轮毂电机，总功率达 140 kW，能够实现从 0 到 100 km/h 仅需 2.5 秒的加速。
该车辆专为人工驾驶和自动驾驶比赛而设计，性能堪比专业赛车。其无人驾驶系统目前正处于测试阶段。
苏黎世UAS赛车队的技术要求
ZUR 需要一个先进的惯性导航系统 (INS)，该系统可以无缝集成到他们的自主赛车系统中，同时满足高速竞争的严苛要求。
他们的主要挑战是在赛车的动态环境中实现可靠的定位，在这个环境中，由于随时间推移的位置漂移，传统的定位系统往往会失效。
该系统必须提供对其无驾驶员系统运行至关重要的绝对位置精度，特别是对于需要通过复杂圆锥排列进行精确导航的具有挑战性的自动交叉赛 (autocross) 学科。
简而言之，这些是关键问题：
- 位置漂移：随时间推移产生显著漂移，阻碍精确精确定位。
- 直线障碍赛限制：由于定位问题，无法参加直线障碍赛（autocross）项目。
- 数据洞察有限：车辆动力学数据不足，无法进行软件优化。
以下是核心要求：
- 精确定位：需要获取赛道上的绝对位置。
- ROS 集成：与现有基于 ROS 的自主系统无缝集成。
- 紧凑型解决方案：重量轻且具有良好功重比的单元。
- 开放式文档：易于获取的技术资源。
- 高动态：能够应对极端的赛车条件。
在评估了 ZUR 的情况后，我们推荐了我们的 Ellipse-D，这是一种专为精度和可靠性至关重要的严苛应用而设计的惯性导航系统 (INS)。
我们的自动赛车解决方案：Ellipse-D
Ellipse-D 是最小的双天线 RTK GNSS/INS 系统，可为动态赛车应用提供厘米级定位和精确航向。
这项技术代表了自动驾驶汽车工程解决方案的重大进步，为车队提供以下优势：
- 高精度：厘米级定位精度对于自动驾驶比赛中的精准赛道导航和避障至关重要。
- 双天线航向：在具有挑战性的环境中表现出卓越性能，在这些环境中，来自电动机和电子系统的磁干扰会损害传统的基于指南针的系统。
- 赛车合规性：紧凑的设计和坚固的结构非常适合高动态赛车应用，并具有出色的抗振动和耐温性能。
最后，对于 ZUR 的愿景至关重要的第四点是 ROS 集成，用他们的话说，结合其他功能，使整个软件包成为市场上最具成本效益的解决方案：
“对我们来说，主要的卖点是开源文档和接口库。通过 ROS 提供的全面支持对我们来说也是一个巨大优势，因为我们的赛车已经在运行 ROS。因此集成非常轻松。我们也感谢 SBG Systems 对我们车队的支持，借助他们的产品提升了我们的性能。与其他此类产品的供应商相比，SBG Systems 为我们提供了最具性价比的方案，”Scheller 强调道。
先进的集成和性能
集成过程展示了 Ellipse-D 的多功能性以及 SBG Systems 支持方法的有效性。连接到 RaspberryPi 和 NVIDIA Jetson 计算平台后，该系统利用 sbgECom 库和 ROS2 软件包进行全面的数据访问和处理。
该架构实现了整个自主系统中实时导航数据的分发，同时保持了自定义算法开发所需的灵活性。
该团队还利用 Ellipse-D 的功能来开发利用 INS 数据的先进扭矩矢量分配算法。他们还构建了一个基于 GNSS RTK 的移动站和基准站，以提供精确的赛道真实地面数据。
除了将 INS 集成到其无驾驶员赛车 ZUR04 中（赛道测试定于今年夏天进行）之外，该团队还将 INS 集成到他们新构建的赛车 ZUR05 中。Ellipse-D 也将成为下赛季无驾驶员赛车 ZUR06 的关键组件。
苏黎世UAS赛车队的前三名
ZUR 强调了他们喜欢与 SBG Systems 合作的三个突出方面。
- 开源：首先，他们赞赏与其实教使命和开发方法相一致的开源方法。透明的文档和接口库使学生能够根据其特定需求理解和修改系统，为自动驾驶汽车工程提供宝贵的学习机会。
- 优秀的文档：该车队对全面且公开可用的产品文档给予了高度评价，这些文档简化了他们的集成过程。与许多提供有限技术细节的商业系统不同，SBG Systems 的方法使得快速理解和实施成为可能。
- 良好的沟通：最后，他们强调了出色的沟通和支持，并指出他们总是感到自己的诉求得到了倾听，并且所有问题都得到了解答。事实证明，这种高效响应的支持对于在紧张的比赛截止日期前工作的学生团队至关重要。
结论
此次实施解决了 ZUR 最关键的挑战：之前曾阻止他们在自动越野（autocross）项目中竞争的位置漂移问题。凭借 Ellipse-D 的厘米级精度和双天线航向确定功能，该团队现在可以开始试运行，目标是在下一赛季（2026 年夏季）使用他们的下一代赛车参加无人驾驶比赛。
这种合作体现了产学研合作在推进自动驾驶汽车技术方面的力量。
“Ellipse 是进入 INS 系统的完美切入点。未来，我们计划结合我们新开发的基于以太网的车辆系统使用更强大的系统，”Scheller 总结道。
我们对支持像 ZUR 这样的学生团队的承诺表明，提供对专业级导航技术的访问如何使下一代工程师能够突破自主赛车可能性的界限。
Ellipse-D
Ellipse-D 是一款紧凑型、高性能的 GNSS 辅助惯性导航系统，可提供可靠的姿态、位置和升沉测量。
它将 IMU 与双频 GNSS 接收器相结合，并使用传感器融合算法在具有挑战性的环境中提供准确的定位。
它提供双天线功能，可在静态条件下实现精确的航向。
索取 Ellipse-D 报价
您有疑问吗？
欢迎访问我们的常见问题解答 (FAQ) 专区！在这里，您可以找到关于我们展示的应用的最常见问题的答案。如果您找不到您要查找的内容，请随时直接与我们联系！
自动驾驶汽车是如何工作的？
自动驾驶汽车配备了复杂的系统，使其能够在没有人工干预的情况下进行导航和控制。这些汽车结合使用自动驾驶传感器和算法来感知环境、做出决策并执行自动驾驶任务。其目标是实现完全自主，使车辆能够安全、高效地处理驾驶的各个方面。
自动驾驶汽车依靠一系列关键技术来感知周围环境。其中包括：
- GNSS（全球导航卫星系统）：用于实时更新自动驾驶汽车的位置、速度和方向。
- INS（惯性导航系统）：在 GNSS 信号中断的情况下保持精度。它提供有关自动驾驶汽车位置、速度和方向的实时更新。
- LiDAR（激光探测与测距）：使用激光束创建车辆环境的详细 3D 地图。 这项技术有助于汽车检测和测量周围的物体，包括其他车辆、行人和道路标志。
- 雷达（无线电探测和测距）：利用无线电波探测物体的速度、距离和方向。雷达在恶劣天气条件下以及探测远距离物体时尤其有用。
- 相机：用于捕获有关车辆环境的视觉信息，包括车道标线、交通信号和道路标志。它们对于解释复杂的视觉线索和根据视觉数据做出决策至关重要。
车辆自动化的六个等级是什么？
由汽车工程师学会（SAE）在其 J3016 标准中定义的自动驾驶汽车的 6 个级别，描述了车辆的自动化程度。以下是详细说明：
- 0 级：无自动化。警告或短暂辅助，如自动紧急制动或盲点警告，但没有持续自动化。
- 1 级：驾驶员辅助。用于支持的单一自动化系统，例如自适应巡航控制（保持速度和距离）或车道保持辅助。
- 2 级：部分自动化。系统的组合，例如转向和加速/减速，但没有决策。
- 3 级：条件自动化。汽车在特定条件下（例如高速公路驾驶）处理大部分驾驶任务。系统可以监控环境。
- 4 级：高度自动化。汽车在预定义的场景中独立运行。在这些区域不需要驾驶员注意力。
- 5 级：完全自动化。车辆可以在人类驾驶员能够处理的每种环境中执行所有任务。可能不存在方向盘或踏板。
这些级别说明了从人类控制的车辆到能够处理所有驾驶任务的完全自主系统的演变过程。
INS 是否接受来自外部辅助传感器的输入？
我们公司的惯性导航系统接受来自外部辅助传感器（如大气数据传感器、磁力计、里程计、DVL 等）的输入。
这种集成使 INS 具有高度的多功能性和可靠性，尤其是在无 GNSS 环境中。
这些外部传感器通过提供补充数据来增强 INS 的整体性能和精度。
IMU 和 INS 之间有什么区别？
惯性测量单元 (IMU) 与惯性导航系统 (INS) 之间的区别在于它们的功能和复杂性。
IMU（惯性测量单元）提供有关车辆线性加速度和角速度的原始数据，这些数据由加速度计和陀螺仪测量。它提供横滚、俯仰、偏航和运动相关的信息，但不计算位置或导航数据。IMU 专门设计用于传输有关运动和方位的基本数据，以便进行外部处理以确定位置或速度。
另一方面，INS（惯性导航系统）将 IMU 数据与先进的算法相结合，随时间推移计算出车辆的位置、速度和方位。它结合了诸如用于传感器融合和集成的卡尔曼滤波等导航算法。INS 提供实时的导航数据，包括位置、速度和方位，而无需依赖 GNSS 等外部定位系统。
这种导航系统通常用于需要全面导航解决方案的应用，尤其是在没有 GNSS 信号的环境中，例如军用无人机、船舶和潜艇。
AHRS 和 INS 之间有什么区别？
姿态航向参考系统 (AHRS) 与惯性导航系统（INS）之间的主要区别在于其功能以及它们所提供数据的范围。
AHRS 提供方向信息，具体为车辆或设备的姿态（俯仰角、横滚角）和航向（偏航角）。它通常结合使用陀螺仪、加速度计和磁力计等传感器来计算和稳定方向。AHRS 输出三个轴（俯仰、横滚和偏航）的角度位置，使系统能够了解其在空间中的方向。它广泛应用于航空、无人机、机器人和海洋系统中，以提供精确的姿态和航向数据，这对于车辆控制和稳定至关重要。
INS 不仅提供方向数据（如 AHRS），还跟踪车辆随时间推移的位置、速度和加速度。它使用惯性传感器来估计 3D 空间中的运动，而无需依赖 GNSS 等外部参考。它结合了 AHRS 中的传感器（陀螺仪、加速度计），但也可能包括更高级的位置和速度跟踪算法，通常与 GNSS 等外部数据集成以提高精度。
总而言之，AHRS 侧重于方向（姿态和航向），而 INS 提供全套导航数据，包括位置、速度和方向。
