вопрос: Однако, не очень понятно зачем нужен этот LGPR, ведь высокоточный GPS и так дает сантиметровую точность и имея HD карту текущей дороги (пусть сильно заснеженной) мы все равно можем относительно точно спозиционироваться на ней.
ответ: LGPR очень интересен, тк решает огромное количество проблем и трудностей, возникающих у разработчиков при традиционном подходе к локализации, но, видимо, техническая реализация не пойдет в серийное производство ввиду значительной цены требуемого оборудования.
высокоточный GNSS, нельзя использовать как самостоятельный элемент предоставляющий координаты объекта, тк существуют следующие отрицательные факторы влияющие на систему автономного управления:
- низкая частота обновления данных. ~10 Гц.
- затенения от объектов окружающей среды. это не только туннели. любое здание, прицеп фуры и тп, приводит к потере точности(переотражение) и даже устойчивого сигнала глобального позиционирования. хорошо работает в чистом поле на тракторе;
- отсутствие данных о ориентации в состояние остановки и старта;
- высокоточный GNSS — это не вещь в себе. требует инфраструктуры. станций дифпоправок.
для решения этих недостатков в системах управления используют комплексирование информации. набор алгоритмов, позволяющих компенсировать недостатки одних датчиков с помощью других, которые построены на другом принципе. классическое сочетание: GNSS + IMU + odometry. можно добавить по вкусу: VO или данные от сканирующих лидаров. связывание осуществляется с использованием фильтра Калмана. тогда возможно получить приемлемую частоту обновления положения и ориентации объекта в пространстве и устранить недостатки различных датчиков.
про HD карты. для начала предлагаю определиться, что такое HD карты и какая информация ими предоставляется. это понятие новое и не доконца определено. некоторые включают в него дорожную инфраструктуру(знаки, полосы для движения, светофоры и тп), другие добавляют в него облака точек или постобработанные поверхности, которые представляют окружающее пространство.
на данный момент нет надежного алгоритма, который предоставляет положение и ориентацию автомобиль относительно ориентиров внешней среды с достаточной стабильностью, повторяемостью и точностью для решения задачи автономного движения, те если даже на картах есть детальные данные о пространстве, то это не работает, нет алгоритма.
сложности связаны с выявление устойчивых и неизменных элементов среды, относительно которых производится локализация. деревья шатаются, машины двигаются, дома перестраиваются, свет и тень, зима и лето.
LGPR хорош тем, что использует уникальный портрет дорожного пространства, который практически неизменен и может использоваться для устойчивой локализации.