[首發(fā)于智駕最前沿微信公眾號]在談及自動駕駛關(guān)鍵技術(shù)時，經(jīng)常會聽到一個技術(shù)，那就是RTK，很多人看到RTK后一定會想，這到底是個啥技術(shù)？為啥這個技術(shù)很少在發(fā)布會上看到，但對于自動駕駛來說卻非常關(guān)鍵？今天智駕最前沿就和大家聊聊什么是RTK。

先說一說RTK是個啥。RTK（Real Time Kinematic，實時動態(tài)定位）是一種基于差分載波相位觀測的高精度衛(wèi)星定位技術(shù)。簡單理解就是，通過一臺固定不動、坐標(biāo)已知的基準(zhǔn)站持續(xù)接收來自全球?qū)Ш叫l(wèi)星系統(tǒng)（GNSS）的信號，實時計算出誤差改正量，并將這些改正信息發(fā)送給流動站（rover）。流動站結(jié)合自身接收到的衛(wèi)星載波相位和偽距數(shù)據(jù)，對定位結(jié)果進(jìn)行校正，從而實現(xiàn)厘米級甚至亞厘米級的實時定位。這一定位精度水平，使得RTK在自動駕駛、無人機(jī)測繪、工程建設(shè)等對高精度定位要求極高的領(lǐng)域中發(fā)揮著不可替代的作用。

要理解RTK的優(yōu)勢與原理，首先需要知道GNSS單點定位的基本流程。GNSS衛(wèi)星通過不斷廣播衛(wèi)星軌道和精確時間信息，接收機(jī)測量信號傳播時間以獲得與衛(wèi)星之間的偽距，通過同時觀測多顆衛(wèi)星并進(jìn)行多邊定位，就能計算出用戶的三維坐標(biāo)。這樣測出來的信號在傳播過程中會受到電離層折射、中性層延遲、衛(wèi)星鐘差、軌道誤差以及接收機(jī)本身的硬件偏差等因素影響，使得單點定位的精度通常只能達(dá)到米級。對于自動駕駛車輛而言，這樣的誤差范圍遠(yuǎn)不能滿足車道級或車輛間距控制的需求。

傳統(tǒng)差分定位（DGPS）利用一臺基準(zhǔn)站測算自身偽距觀測與已知真實坐標(biāo)之間的偏差，將偏差值作為改正量實時傳送給流動站，從而將定位精度提高到米級以內(nèi)。盡管DGPS能顯著提升定位精度，但要追求厘米級的定位效果，必須依賴更高精度的載波相位觀測。GNSS信號的載波頻率極高，其波長通常在十幾到二十多厘米之間。RTK技術(shù)正是利用這段極短波長進(jìn)行測量，通過對基準(zhǔn)站和流動站的載波相位觀測值進(jìn)行雙差處理，能夠消除絕大多數(shù)公共誤差項，僅剩下微米級別的隨機(jī)誤差，最終實現(xiàn)厘米級甚至亞厘米級的定位精度。

在實際系統(tǒng)中，實現(xiàn)RTK定位必須解決三個關(guān)鍵技術(shù)難題。第一個是載波相位雙差觀測的實施。雙差處理涉及到先對基準(zhǔn)站和流動站分別進(jìn)行單差，以消除衛(wèi)星鐘差和接收機(jī)鐘差，再在基準(zhǔn)站—流動站之間進(jìn)行二次差分，以剔除大氣誤差和軌道誤差。這樣一來，觀測值中的主要系統(tǒng)誤差被大幅度抑制，只剩下可以認(rèn)為是白噪聲的隨機(jī)誤差分量。第二個是整數(shù)模糊度解算問題。載波相位觀測只能提供相位連續(xù)變化量，而每次接收時載波的整周數(shù)（模糊度）并不直接可知。RTK系統(tǒng)需采用諸如LAMBDA（Least-squares AMBiguity Decorrelation Adjustment）等算法，通過多遍觀測和統(tǒng)計方法，在極短的時間內(nèi)求解出整數(shù)模糊度，并將其固定，從而保證相位測量的完整性與精度。第三個是實時通信鏈路的設(shè)計。由于差分改正信息對實時性要求極高，一般需要保持端到端時延低于100毫秒，才能避免定位精度隨延遲而迅速退化。因此，基準(zhǔn)站與流動站之間通常通過4G/5G網(wǎng)絡(luò)、專用無線電鏈路或局域網(wǎng)等多種方式構(gòu)建低延遲、可靠性高的通信通道。

在自動駕駛系統(tǒng)中，RTK常與慣性測量單元（IMU）以及其他傳感器如激光雷達(dá)、視覺里程計、車輪里程計等深度融合，形成一個魯棒的多傳感器融合定位方案?；诳柭鼮V波或其擴(kuò)展形式的融合算法，可在GNSS信號短暫丟失或多路徑效應(yīng)嚴(yán)重時，利用IMU提供的高頻加速度和角速度數(shù)據(jù)進(jìn)行短時預(yù)測，保證定位的連續(xù)性與穩(wěn)定性。當(dāng)RTK恢復(fù)可用后，融合算法又能及時修正長期漂移，為車輛提供既具高精度又具高可靠性的位姿信息。通過這種互補(bǔ)式設(shè)計，自動駕駛車輛能夠在高速公路、城市道路、隧道及復(fù)雜交叉口等多種場景下，始終保持對自身位置和航向的精準(zhǔn)把握。

對于自動駕駛平臺的設(shè)計與部署而言，RTK系統(tǒng)的選型與安裝也有許多細(xì)節(jié)需要關(guān)注?；鶞?zhǔn)站的安裝位置應(yīng)盡量選擇開闊無遮擋之處，以最大限度減少天線信號的遮擋與多路徑反射；基準(zhǔn)站的坐標(biāo)要通過長時間靜態(tài)觀測或高精度測量方式獲得，確保其已知位置的精度優(yōu)于一厘米；流動站天線通常安裝在車輛車頂中央位置，以獲得更廣闊的天空視野，同時要考慮防水、防震及電磁兼容等車規(guī)級要求。此外，基準(zhǔn)站與流動站之間的通信鏈路需要經(jīng)過帶寬、時延、丟包率等多項指標(biāo)測試，以保證改正信息在任何工況下都能穩(wěn)定、及時地傳達(dá)到流動站。

隨著網(wǎng)絡(luò)化RTK服務(wù)（NRTK）的興起，用戶無需自行建設(shè)基準(zhǔn)站，也能通過互聯(lián)網(wǎng)接入已有的基準(zhǔn)站網(wǎng)絡(luò)，獲得高精度差分改正服務(wù)。NRTK服務(wù)商通常在云端集中管理數(shù)十至數(shù)百個分布在不同地點的基準(zhǔn)站，利用虛擬參考站（VRS）、主從差分（MAC）等網(wǎng)狀差分技術(shù)，生成覆蓋更大區(qū)域且更高精度的改正數(shù)據(jù)流。用戶只需在流動站中配置相應(yīng)的網(wǎng)絡(luò)參數(shù)，便可實現(xiàn)即插即用式的厘米級定位，大大降低了系統(tǒng)部署與維護(hù)成本。這一模式在無人駕駛車輛大規(guī)模商業(yè)化部署過程中，正逐漸成為主流選擇。

盡管RTK技術(shù)在精度與實時性方面具有顯著優(yōu)勢，但其在特定環(huán)境下的仍舊有很多問題。高樓林立的城市峽谷中，衛(wèi)星信號的多路徑反射會導(dǎo)致相位觀測值出現(xiàn)劇烈波動，甚至出現(xiàn)失鎖現(xiàn)象；在隧道、地下車庫、密林等遮擋嚴(yán)重的場所，GNSS信號強(qiáng)度下降，RTK無法工作；當(dāng)基準(zhǔn)站與流動站之間的距離（基線長度）過長時，雙差觀測中無法完全消除的空間相關(guān)誤差也會影響定位精度。針對這些問題，行業(yè)也提出了多種補(bǔ)償策略，如結(jié)合視覺SLAM（Simultaneous Localizationand Mapping）技術(shù)，在復(fù)雜場景下利用攝像頭構(gòu)建局部地圖并輔助定位；采用多基準(zhǔn)站網(wǎng)RTK，提高基準(zhǔn)網(wǎng)的密度與覆蓋；引入PPP-RTK（Precis ePoint Positioning RTK），將精密單點定位技術(shù)與RTK相結(jié)合，以進(jìn)一步提升長基線環(huán)境下的定位性能。

在很多L4/L5自動駕駛示范項目中，RTK已廣泛應(yīng)用于高速編隊行駛、城市復(fù)雜路口通行、精準(zhǔn)泊車等各類關(guān)鍵場景。在高速公路編隊場景下，車輛通過RTK保持厘米級的車間距和橫向偏差，使得列隊行駛更加平順與節(jié)能；在城市復(fù)雜交叉口場景中，RTK與高清地圖結(jié)合，能夠精準(zhǔn)匹配車輛當(dāng)前位姿與道路要素，提高交叉口放行效率與安全性；在精細(xì)化泊車場景中，RTK為車輛提供厘米級的泊車位置參考，再輔以視覺與超聲波傳感器，實現(xiàn)毫厘之差的泊入。

隨著5G通信商用、邊緣計算節(jié)點的建設(shè)以及AI算法在定位濾波中的應(yīng)用不斷深入，RTK在自動駕駛中的角色將更加多元。路側(cè)單元（RSU）可以作為本地基準(zhǔn)站并承擔(dān)改正數(shù)據(jù)分發(fā)，將高精度定位服務(wù)下沉到城市級基礎(chǔ)設(shè)施；車端集成的多頻多星座高靈敏天線與FPGA/GPU處理模塊能夠在信號復(fù)雜的環(huán)境中保持快速解算和高可用性；基于深度學(xué)習(xí)的異常觀測檢測與自適應(yīng)濾波技術(shù)，可在多路徑與遮擋條件下智能識別并剔除異常數(shù)據(jù)，進(jìn)一步提高定位穩(wěn)健性。

總而言之，RTK并非單一技術(shù)，而是一套從載波相位觀測、雙差處理、模糊度解算、實時通信，到多傳感器融合的一體化高精度定位解決方案。它通過將GNSS系統(tǒng)的系統(tǒng)誤差壓縮到毫米級，并結(jié)合低延遲網(wǎng)絡(luò)傳輸，為自動駕駛車輛提供了必不可少的厘米級絕對定位能力。隨著網(wǎng)絡(luò)化服務(wù)、邊緣計算與AI技術(shù)的不斷發(fā)展，RTK將在精度、可用性和易用性方面持續(xù)革新，為無人駕駛汽車的安全、高效與智能化發(fā)展注入強(qiáng)大動力。

審核編輯 黃宇