RTK
u-blox攜手Sapcorda增強SAPA GNSS服務
定位與無線通訊技術廠商u-blox與先進GNSS增強服務供應商Sapcorda Services GmbH公司宣布,雙方已建立夥伴關係,將建置新制定的SPARTN格式作為校正介面,以奠定把SAPA GNSS(全球導航衛星系統)增強服務帶到u-blox F9平台的基礎。工業和汽車將是主要能獲益於此可擴展、平價以及高品質GNSS增強服務的市場。
SAPA優質GNSS增強服務(SAPA Premium GNSS Augmentation Service)自2020年1月起正式推出,透過結合兩項技術:全球PPP服務和本地RTK服務,使其在GNSS校正服務市場中脫穎而出。它的重要特性包括:快速收斂時間、跨洲覆蓋範圍內的效能一致性、頻寬效率以及專用、特定用途GNSS網路。SAPA服務是透過蜂巢式通訊以SPARTN格式進行傳送,近期內將會啟用L波段的地球同步衛星通訊。
SPARTN是即時導航用安全位置增強(Safe Position Augmentation for Real-Time Navigation)的簡稱。這個由業界驅動、開放且免費使用的格式是專為廣播傳送新式狀態空間(State Space Representation, SSR)GNSS校正服務所設計的,鎖定大眾應用市場。
不同於需要在GNSS接收器與校正服務供應商之間進行雙向通訊的傳統觀測空間表示(Observation Space Representation, OSR)校正服務,Sapcorda的SSR校正服務可廣播至整個洲內的接收器。這使其可向任意數量的終端使用者有效地提供高精準度GNSS定位,並實現無限的擴展性和隱私資料保護。SAPA Premium服務目前已在美國和歐盟大陸啟用,並預計將提升為SAPA Premium Plus,以為安全關鍵應用提供至關重要的完整性和功能安全合規性。
這是相容於大眾市場的高精準度GNSS定位解決方案,可滿足客戶對無縫接軌、準確定位和導航不斷成長的需求,同時也是多種新興應用不可或缺的先決條件。在工業領域,包括自駕工具,如無人飛行載具(Unmanned Aerial...
SkyTraq推小尺寸1公分定位精度全星多頻RTK模組
衛星定位晶片設計公司威航科技(SkyTraq)推出12mm×16mm尺寸小、功耗低的多頻RTK模組PX1122R提供公分級衛星定位功能。PX1122R 能同時使用所有四個全球衛星定位系統,包含GPS L1/L2C, Galileo E1/E5b, GLONASS L1/L2, Beidou B1I/B2I的多頻訊號,比其它僅能接收兩個或三個衛星定位系統的RTK 接收機有更穩健的公分級定位效果。
PX1122R的 RTK 收斂時間低於 10 秒,全星多頻 RTK運作模式下能每秒定位十次,更新率高過同等級產品,適合移動速度較快的無人載具公分級定位需求。PX1122R可作為基地台或移動站使用。作移動站應用時,可接收 RTCM 3.x 的基地台資料或接收另一PX1122R基地台所送出的原始數據資料做公分級定位 RTK 解算。作為基地台應用時,PX1122R 能輸出 RTCM 3.3 格式的基地台資料或輸出原始數據資料。PX1122R...
落實行進安全 自駕通訊/定位技術缺一不可
目前科技業者與車廠都已投入自駕車系統的發展,特別是專注於通訊、光學雷達(LiDAR)感測、定位與操控技術的研發,在自身的產業特色下,兩方發展出現速度和方向不大相同的現象。
科技產業在產品研發、量產、上市等要求向來快速,以速度獲取市場商機,而車廠業者則多是百年工業,其產品使用年限長,對安全性的注重度高,從設計到製造,都需要經過較長的時間驗證,這也是車商在自駕車進展較慢的原因。
至於發展方向,以美國汽車工程師學會(Society of Automotive Engineers, SAE)制定的自駕車6個等級為例,車廠是由第0層逐步往上推,科技廠商則是先從第5層的完全無人自駕等級,回推思考技術有哪些欠缺,這兩種不同發展方向在時間的推演下,將在一定的技術環節交會。
觀察目前各大廠的自駕車發展,大多以自小客車為主,在此類應用中,不但車體中的感測器、運算單元、定位單元與操控單元須具備精準而快速的訊號擷取與反應能力,還須經長時間實地測試,以掌握所面對的複雜環境。本文將以自駕車系統中所須採用的通訊與定位技術為探討主題。
感測器穩定性為自駕技術關鍵
台灣目前由法人(如工研院)制定自動駕駛感知次系統,其中V2X通訊技術與應用於自駕車軟體架構中、行車安全性及聯網接收號誌狀態資訊的提升,扮演不可或缺的角色。自駕車系統軟體的運作流程概述如下:
首先,感測分析硬體(Camera、3D LiDAR、Radar與V2X路側通訊設備)收集車輛周圍資訊後(如道路是否有障礙物、道路路形等)先進行前置處理與資料對齊,接著透過深度學習影像辨識軟體針對偵測到的物件與資料進行訓練(Training Data);之後融合多重感測資料(Data Fusion),再進行即時事件推理(Event Sensing)—即區分Event Sensing Type:行人穿越道路(Pedestrian Crossing Road)與橫向來車 (Intersection Movement Assist);最後再儲存資料(Data Logging)。
自駕車系統架構中最關鍵的元件為前端感測器,其為發展自動駕駛技術領域中最重要的回授單元。近年來隨著先進駕駛輔助系統(ADAS)普遍應用於高階車輛,且安全、舒適、方便與節能方面亦有改善,使安裝多個感測器逐漸成為趨勢,同時成為發展自動駕駛等級SAE Level 5的基礎。透過這些先進感測器與機器學習軟體演算法處理,可讓車輛電控單元完整模擬,甚至超越人類在駕駛車輛時所使用的各種感官能力(Perception),實現同步即時的全方位環境感測能力,並針對感測結果判斷控制決策,因此感測器的穩定性研究成為目前自動駕駛技術的關鍵要素之一,其中運算速度、抗環境干擾能力與辨識精準度為目前發展的三個重要指標。圖1以NVIDIA為例,運算平台採用GPU架構可加速運算,每年以1.5倍的速度成長,預計於2025年將可達到1000倍的運算速度,可融合運算多種感測器。
圖1 自駕車運算平台以GPU架構為主流。
圖2以Google新創的自駕車公司Waymo為例,車上配掛光達與攝影機等感測設備,融合多重感測器抵抗環境干擾。
圖2 自駕車將融合多種感測器克服環境干擾。
圖3則是顯示目前自駕車採用3D光達技術,目的為提高物件辨識精準度。
圖3 自駕車採用3D光達技術,以提高辨識精準度。
兩大自駕車通訊技術
自駕車通訊技術,即採用車聯網V2X通訊,使自駕車具有對外連網能力,該技術可區分為兩大類,分別為短距無線通訊Dedicated Short Range...