惯性导航系统（INS）在自动驾驶技术中发挥着至关重要的作用，尤其是在弥补GPS、摄像头和激光雷达等其他传感器的不足方面。它提供连续、高频且不受干扰的运动状态信息，是自动驾驶感知和定位的核心组成部分之一。

惯性导航系统的核心功能

惯性导航系统在自动驾驶中的核心功能是感知车辆的运动状态，测量车辆的三维位置、速度和姿态角（包括横滚角、俯仰角和偏航角）。惯性测量单元（IMU）作为惯性导航系统的核心传感器，具有极高的数据更新频率（通常在100Hz以上），远超GPS（1-10Hz）和摄像头/激光雷达（10-30Hz），能够捕捉车辆的瞬时动态变化。

1. 主要应用场景：补偿其他传感器缺陷

通常情况下，在自动驾驶导航系统中，GPS信号经常丢失或不可靠，导致GPS信号中断或严重劣化，例如在隧道、地下车库和高架桥下等卫星信号完全被阻挡的地方；在城市峡谷和高层建筑密集的区域，GPS信号会被严重反射并受到多径干扰，导致定位精度显著降低甚至失效；在茂密的森林下，树叶也可能阻挡卫星信号。

此时，惯性导航系统（INS）通常发挥着重要作用。它通过航位推算，基于前一时刻已知的精确位置和姿态，将惯性测量单元（IMU）测量的加速度和角速度进行积分，计算出车辆当前的相对位移和姿态变化，从而计算出新的位置和姿态。这确保了定位的连续性。INS能够提供高频姿态信息，即使在GPS信号良好的情况下，其他传感器也难以单独提供这种高频、高精度的姿态信息（横滚、俯仰、偏航）。

下表比较了 I4500 集成导航系统在卫星辅助导航和卫星信号丢失情况下的导航性能指标。

I4500 系统性能

2. 多传感器融合的核心枢纽

现代汽车驱动系统无一例外地采用了传感器融合技术。惯性导航系统（INS）是融合框架中的关键节点。

⚪ 通过与GNSS集成，形成GNSS/INS组合导航系统，这是最经典、最成熟的组合方式。GNSS提供绝对位置和长期稳定性，但更新速度慢且易受干扰；INS提供高频、连续的相对运动信息和姿态信息，但存在累积误差（漂移）。卡尔曼滤波器利用两者的优势进行相互校正：GNSS校正INS的漂移，而INS在GNSS失效时提供连续定位和平滑的GNSS输出。其次，该组合方式可以提高整体精度和鲁棒性，其精度和可靠性远高于单独的GNSS或INS。

⚪ 通过与速度表集成，速度表可提供车轮速度信息（速度、行驶距离），这有助于校正惯性导航系统（INS）的速度估计误差，尤其是在车辆直线行驶时。下表列出了Micro-Magic公司生产的I3700集成导航系统的性能指标。即使在卫星信号丢失的情况下，通过INS和车轮速度表的算法融合，仍然可以实现较高的测量精度。

I3700导航精度指数

⚪ 通过与视觉/激光雷达SLAM集成，IMU的高频数据可为视觉或激光雷达处理提供运动预测，从而降低图像匹配或点云匹配的计算复杂度，并提高实时性和鲁棒性（尤其是在快速运动或纹理较弱的环境中）。INS提供的精确姿态信息（横滚角、俯仰角）对于正确分析坡道和崎岖路面上相机图像或激光雷达点云的几何关系至关重要。

应用案例

以Micro-Magic公司推出的I6700产品为例，该系统可集成GNSS、里程计、磁力计等多种辅助传感器，并为车辆在各种运行场景下提供精确的航向修正功能。

I6700航向修正方法

Micro-Magic公司推出高精度惯性导航系统产品

概括：

惯性导航系统（INS）是自动驾驶定位系统的核心。它提供连续、高频且不受干扰的车辆运动状态和姿态信息，是确保定位连续性、鲁棒性和高频响应能力的关键技术。尤其是在GPS信号丢失的复杂场景（例如隧道、城市峡谷）中，INS通过航位推算维持定位能力，这是安全冗余中不可或缺的一部分。虽然其固有的累积误差需要与其他传感器（GNSS、轮速传感器、视觉传感器、激光雷达）紧密结合进行校正，但在多传感器融合框架中，INS作为核心枢纽，极大地提高了整个定位系统的精度、可靠性和动态性能。随着惯性测量单元（IMU）技术的进步（例如MEMS陀螺仪精度的提高和固态激光陀螺仪的小型化）以及融合算法的优化，INS在自动驾驶中的作用将日益重要。

• 上一篇

  SPI总线串联一个小电阻的作用

• 下一篇

  降压功率芯片自举电容的工作原理