，激光雷达，毫米波，摄像头三个还会争夺下，是不是用GPS大家也会考虑下，但惯导这个传感器没人会怀疑它的作用和地位，它就和我们的小脑一样，在补偿感知间隙，推测短时空间位置上，没有什么传感器可以有效的替代它，由于其封闭性，除了牛顿基本也不太受到环境对它的影响，从可靠性上来说也非常的给力。天气条件、合适的日光条件、雪道或模糊的地标对其他传感器是致命的，对它来说完全不影响。
惯导的工作原理
今天我们具体看下这个传感器。首先还是科普下它的原理，为什么它可以给出这些信息。说惯导是一个传感器也不准确，
它实际上根据用途不同一般会由好几个传感器组合在一起工作。
一号小兄弟-陀螺仪-获得三维角速度
陀螺仪（Gyroscope、GYRO-Sensor）也叫地感器，传统结构是内部有个陀螺，通过测量三维坐标系内陀螺转子的垂直轴与设备之间的夹角，
计算角速度，通过夹角和角速度来判别物体在三维空间的运动状态。三轴陀螺仪可以同时测定上、下、左、右、前、后等6个方向（合成方向同样可分解为三轴坐标），传统的陀螺仪是机械式的，随技术发展，还有出现了振动式陀螺仪、激光陀螺仪、微机电机械陀螺仪等，无论是在体积微型化、测量精度和易用性上都有大大提高。
二号小兄弟-加速度-获得移动加速度
加速计（Accelerometer、G-Sensor）也叫重力感应器，实际上是可以感知任意方向上的加速度（重力加速度则只是地表垂直方向加速度），加速计通过测量组件在某个轴向的受力情况来得到结果，表现形式为轴向的加速度大小和方向（XYZ）加速计则主要是测量设备的受力情况，也就是三轴运动情况。
三号小兄弟-磁力计-获得绝对方向 磁力计磁力计（Magnetic、M-Sensor）也叫地磁、磁感器，可用于测试磁场强度和方向，定位设备的方位，磁力计的原理跟指南针原理类似，可以测量出当前设备与东南西北四个方向上的夹角。但磁场环境复杂，实际使用中单靠这个也很不靠谱，只能是参考
四号小兄弟-GPS（不，是大兄弟）这个不多做介绍，获得一个精准的绝对航向角和位置，这个可以看这个回答。
https://zhuanlan.zhihu.com/p/257785113zhuanlan.zhihu.com
实际上分辨率较高的传感器比如视觉激光也可以充当协助惯导的作用，但这个体系比较复杂，这里不多做展开。
广义上的惯导可以理解为五个兄弟的合作，最后感知物体的相对位移和航向变化。侠义上理解核心的是一号兄弟和二号兄弟，也就是加速度计和陀螺仪，两者给出三轴加速度和三轴角速度。他们的排列组合演化出各种各样不同应用的“虚拟传感器”,包括重力感应器（重力传感器，Gravity Sensor，GV-Sensor）、线性加速度传感器（LA-Sensor）、旋转矢量传感器（RV-Sensor），方向传感器（O-Sensor）等。
核心的一号兄弟和二号兄弟，陀螺仪知道“我转了个身”，加速计知道“我们又向前走了几米”，但都有一个固有的问题就是“累计误差”，也就是给着给着就不靠谱了，后面的三个兄弟都是不含有“累计误差”的绝对量传感器，来辅助累计误差修正和累计误差补偿，帮助他们更好的工作。
另外一二号兄弟之间也是一个合作关系
，理解这个先要知道累计误差都来源于时间上积分，加速度积分获得速度，速度积分获得距离，误差都是这么来的，加速度计在较长时间的测量值是正确的，而在较短时间内由于各个轴向加速度值会含有重力产生的加速度值，使得无法获得真正的加速度值，存在误差。而陀螺仪在较短时间内则比较准确而较长时间，经过几分钟甚至几秒钟定会累积出额外的误差从而产生漂移。
因此，需要两者（相互调整）来确保累计航向的正确。另外，把几个子传感器融合起来的算法一般叫联结解算，相当复杂，也是惯导性能的关键，对一些电子器件固有的测量噪声会有特别的滤波处理。所以好惯导算法也是成本大头。
惯导在自动驾驶中的应用
惯导在车上的应用由来已久，随着自动驾驶的发展，其应用除了各个子传感器的自我性能的提升，更多的就是多个传感器的叠加使用汽车安全气囊的触发使用的就是加速计，惯性传感器可为碰撞侦测运算提供滚动速率、横向和垂直加速度等主要数据。判断汽车是否正在翻覆并及时启动安全气囊装置。
电子稳定控制系统(ESC)也是用了MEMS惯导，透过控制和启动汽车剎车来防止车辆打滑。
这些都属于低级的ADAS应用。另外一个就是更加高级一点的惯性导航。由于GPS在隧道城市峡谷里没有信号，或者信号微弱，因此需要航位推算。补充这一段的绝对位置信息
再高级一点就是L2的辅助驾驶，包括主动车距控制巡航系统、车道保持和变换辅助系统，透过将MEMS惯性传感器以及摄影机、雷达和/或光学雷达(LIDAR)等感知系统结合，
补偿所有感知器件间隙的空间环境信息。由于惯性装置可以一定程度上确认当前路面的坡度，因此在坡道辅助，舒适性纵向控制上也发挥着不可替代的作用。
总结惯导的应用就是补偿GPS的间隙（1秒）获得100hz的更新频率和一定程度的航位推算，另一个就是补偿环境传感器的感知空挡上的物体位置推演。它不能回答【我在哪里？】也不能回答【前方有什么】，但却都能够对这些感知提供支持。
自动驾驶过程中，实际上基本逻辑和辅助驾驶类似，但是之前说的五号兄弟会更多的参与到整个系统集成中。同步定位与建构环境地图(SLAM)获得的地图和定位，依赖惯导给出，同时又一定程度上代替GPS，为惯导提供必要的绝对修正。视觉和激光基于光流和特定的描述子，同样可以获得航位推算信息，这也为惯导提供了必要的修正。
惯性导航的成本覆盖范围也是非常大的，手机上的几块钱做个计步器，到东风导弹上，飞跃半个地球都不差几米的惯导。严格说有民用级，战术级，战略级三个层面，一般民用的是MEMS惯导，战术的一般质量更好的MEMS或者光纤/MEMS混合，而战略级别的一般都是光纤惯导。光纤惯性导航，是三个原饼状里面有光纤在旋转，并测量光纤的变化，从而获得偏移。光纤惯导虽然精度很高，但批量化生产和良品率都不高，成本比较大，还没有突破。
总结
惯导的使用，器件提升对于整个自动驾驶的性能提升来说基本是成比例的，也没有可以替代的其他传感器。算法上的核心还是惯导自身滤波的精确标定以及与更多的绝对感知和相对感知进行高度集成，方可以发挥其最好的作用。
==========
如果对自动驾驶，深度学习感兴趣，欢迎关注我，或是我的专栏，感谢支持。