本文由 Focal Point 向 DVN 供稿
（Focal Point Positioning GNSS 软件业务发展副总裁 Manuel Del Castillo 表示，自动驾驶的发展前景取决于具备可信度的定位能力。）
Waymo 目前正在伦敦道路开展无人驾驶车辆测试，为当地商业化运营做准备。支撑无人驾驶落地的各类感知技术中，全球导航卫星系统（GNSS）应用广泛，但它在自动驾驶中的价值常常被忽视。在其他应用场景中，定位误差或许影响有限，但对于安全可靠的自动驾驶而言，GNSS 属于安全关键能力。
“置信但失准” 难题
GNSS 能够输出绝对位置信息。GNSS 接收机通常会解算出车辆位置，同时评估该位置结果的预估精度，该输出值称为预估精度。
在开发与测试环境中，工程师可以将 GNSS 定位结果与真值系统比对，事后测算实际误差。但在路上运行的实车不具备这样的条件，必须依托实时获取的数据即时做出决策。
因此，预估精度直接决定车辆系统如何采信 GNSS 数据。如果系统判定 GNSS 定位可信度很高，该数据可用于地图匹配、车道级定位，或是与其他传感器结果交叉校验。一旦系统判定 GNSS 性能衰减，车辆便可降低该数据的权重，或是直接舍弃。
风险来源于：预估精度低估了真实误差。简单来说，接收机自认为定位结果良好，但实际误差远高于预期，这就是“置信但失准”问题。
对于自动驾驶，该隐患比明显的 GNSS 信号失效更加危险。一套看似正常、实则错误的定位输出，会被整套定位栈采信，并当作可靠数据使用。
城市环境对可靠定位构成挑战
传统 GNSS 在开阔空域环境下性能最优。卫星信号可沿视距直线路径抵达接收机，输出位置精度通常可达数米级别。
城市及城郊场景的定位难度显著更高。建筑物、道路设施、植被以及大型车辆会阻挡卫星信号，或是在信号到达天线前形成反射。接收机除接收视距直达信号外，还可能捕获经周边物体反射后的信号。接收机在解算位置时默认信号沿直线传播，这类反射信号会带来测距误差，也就是多径误差与非视距误差。
此时接收机表面上仍处于正常工作状态：能够锁定多颗卫星，卫星几何分布条件看似良好。从外部指标来看系统运行正常，因此接收机对解算得出的位置输出较高置信度。但参与位置解算的部分观测值，已经受到信号反射干扰而失真。
这一问题至关重要。定位系统不只是确定车辆大致位置。对于高级驾驶辅助系统与自动驾驶，车辆需要判定自身所处车道、是否处于合规的运行设计域（ODD）范围内，以及自身位置与高精地图的匹配关系。
GNSS 在 ADAS 中的作用
自动驾驶车辆采用多源信息融合方案，原因在于各类感知技术均存在自身局限。摄像头、雷达、激光雷达、惯性传感器以及 GNSS，分别从不同维度支撑车辆认知道路环境。GNSS 可提供具备规模化应用能力的绝对定位信息。其他传感器用于感知车辆周边环境，而 GNSS 能够将车辆位置锚定至全球坐标系与数字地图。同时，GNSS 作为独立数据源，可用于整套定位系统的标定与交叉校验。
前提是 GNSS 输出结果具备可靠性，该数据源才能发挥价值。倘若反射信号致使接收机输出错误位置，同时给出偏高的置信评估，ADAS 系统便会过度采信该数据。
由此会引发多项运行风险。若定位结果将车辆匹配至错误车道、或是道路几何要素上的错误点位，地图匹配功能将受到干扰。车辆系统也难以协调 GNSS 定位信息与相对传感器采集的数据。部分场景下，系统甚至无法收到 GNSS 性能衰减的明确告警。
正因如此，预估精度是高阶自动驾驶搭载 GNSS 所需安全论证的组成部分。可靠的接收机应当支撑车载系统做出判断：何时采信 GNSS 数据、何时降低该数据权重、何时舍弃该数据源。
L2+ 与 L3 级别自动驾驶提升定位安全要求
随着自动驾驶系统承担更多驾驶任务，定位置信度问题愈发关键。在 L2、L2 + 系统中，驾驶员始终负责监控车辆运行。而 L3 这类更高等级自动驾驶系统，可在特定条件下接管驾驶任务，这对整套定位栈提出了更高要求。
各大车企正推动自动驾驶系统走出开阔空域场景，这一趋势让定位问题更加突出。更大范围的运行设计域（ODD）要求系统能够应对真实路况的复杂环境，包括密集城区、可视空域受限、道路环境动态变化带来的各类定位难题。
可靠的 GNSS 可从两方面赋能自动驾驶：一是提升位置解算精度；二是支持系统实时判断定位结果本身的可信程度。
在数据链路前端解决问题
应对 GNSS 性能不佳的一种思路，是在位置完成解算之后再进行误差修正。但此时，反射信号已经对原始观测数据产生干扰。接收机处理了失真观测值，导航引擎基于这些数据算出位置结果。
Focal Point Positioning 采用不同的技术路线。S-GNSS® Auto 在观测值层面开展处理，观测数据送入导航引擎之前完成优化。该方案不会在位置解算完成后尝试修正错误结果，而是从源头避免失真观测值干扰定位解算。
这项简易固件升级方案依托 Focal Point Positioning 专利 Supercorrelation® 技术，通过软件构建虚拟定向天线。借此，接收机能够更有效地区分卫星直达视距信号，以及经反射形成的非视距信号。
系统识别出反射信号后即可对其进行抑制，将优化后的纯净 GNSS 观测数据输送至导航引擎，无论该引擎集成在芯片内部或是外置硬件中。
导航引擎的输出质量，取决于接收的观测数据质量。S-GNSS Auto 在位置解算前优化观测数据集，输出更加贴合真实情况、可信度更高的定位结果。
将该功能集成至 ADAS 系统，能够减少误报警以及不必要的系统退出。一方面优化驾乘体验、提升用户满意度；从安全层面来看，更重要的是减少漏判风险。倘若系统需要退出却未触发相关机制，将引发危及生命的安全隐患。具备高可信度的 GNSS 能够降低这类风险。
安全始终是自动驾驶落地的核心关注点。监管机构制定自动驾驶法规框架时明确提出，安全防护体系必须包含网络攻击防范措施。与所有无线通信系统类似，GNSS 信号理论上可通过伪造信号实施欺骗。因此，能够强化信号完整性、完成信号鉴权的技术愈发重要。
Focal Point 的 Supercorrelation 技术能够增强有效直达信号、抑制延迟信号与虚假信号，在复杂射频环境下提升 GNSS 的可靠性与完整性。该方案无需改动硬件，即可形成额外防护层，抵御信号欺骗与转发欺骗攻击，适合大规模量产车型搭载。
基于软件方案实现落地部署
对于主机厂与一级供应商而言，定位性能优化方案还需具备便捷集成能力。汽车项目受平台规划与硬件条件约束，即便性能优势突出，需要大规模重构架构的方案也难以落地。
这正是软件定义方案的价值所在。S-GNSS Auto 旨在提升城区场景 GNSS 性能，无需对车辆定位架构进行重新设计。它可为导航引擎提供优化后的观测数据，助力现有系统在复杂场景下更好地运用 GNSS 信息。
S-GNSS Auto 已经集成至意法半导体（STMicroelectronics）Teseo 系列芯片，在车规级硬件平台上实现信号层面的 GNSS 智能处理。车企与一级供应商可通过在成熟芯片上集成软件、固件方案，实现 GNSS 定位可靠性升级。
便捷落地能力是下一阶段自动驾驶发展的关键。主机厂需要兼顾安全、适用场景，同时符合量产约束的技术。能够集成在车规级芯片内的 GNSS 优化方案，为工程师提供可行路径，在定位挑战最大的场景中获得更稳定的定位性能。
高可信定位支撑自动驾驶更广范围落地
如果车辆无法信任自身位置信息，高阶自动驾驶就无法安全规模化推广。GNSS 凭借规模化提供绝对定位能力，具备不可替代的价值。而在自动驾驶体系中，GNSS 的可靠性与精度同等重要。“置信但失准” 问题，直观体现了二者差异带来的影响。
随着 ADAS 与自动驾驶功能拓展至更为复杂的运行域，定位系统需要更好地识别不确定性。系统必须能够判断 GNSS 数据何时可信、何时性能衰减，以及整车系统何时应当更多依靠其他传感器信息
攻克 “置信但失准” 难题、实现高可信 GNSS 定位，是自动驾驶未来发展的关键。Focal Point Positioning 推出的 S-GNSS Auto 从观测值层面处理反射信号，旨在让 GNSS 输出结果更加客观可信，满足自动驾驶的严苛需求。
如需获取更多信息，可通过邮件联系 Ramya Sriram，或致函：
Focal Point Positioning Ltd
英国剑桥市弗伦奇路
切斯特顿磨坊 1-3 号
邮编：CB4 3NP
