1 引言

在地图中准确进行自我定位是自主导航的基本要求。在 ADAS 和机器人领域中，这个问题叫做定位问题。通常，当车辆或机器人在户外时，一定程度上可以由惯性导航系统 (INS) 来处理定位，该系统使用全球定位系统 (GPS) 数据以及来自惯性测量单元 (IMU) 的测量数据来定位车辆/机器人。然而，INS 只能在与 GPS 卫星间没有阻碍的情况下与之通信，也就是面向卫星的视线 (LOS) 清晰时。当车辆或机器人处于车库、仓库或隧道中时，GPS 定位的准确性会大幅下降，因为面向卫星的视线受阻。此外，即使 GPS 可用，定位车辆的精度也仅在约 5 米的半径内 [1]。这个误差再加上 IMU 中的误差会导致定位噪声，对于高度复杂的 ADAS 或机器人任务来说可能不够准确。

可视化定位是 ADAS 和机器人领域为满足自主导航的严格定位要求而采用的一种流行方法。顾名思义，在可视化定位中，使用来自一个或多个摄像头的图像在地图中定位车辆或机器人。当然，若要实现可视化定位，则需要在定位前先构建并保存环境地图。在定位领域中，迄今为止较流行的解决方案基于激光雷达，因为激光雷达测量可靠且精确。然而，尽管基于激光雷达的定位精度很高，但对于日常车辆来说成本太高，因为高精度激光雷达的价格通常在数千美元左右。因此，提供诸如可视化定位等较便宜的替代方案是至关重要的。

在机器人和汽车领域中，定位和其他任务的计算都需要在车辆或机器人内部进行。因此，必须在车辆或机器人上安装高性能、低功耗的嵌入式处理器。TI 的 Jacinto 7 系列处理器是围绕可视化定位等应用从零设计的。Jacinto 7 系列堪称 TI 二十年汽车经验和数十年电子技术经验的结晶。这些处理器配备了功率性能比出色的深度学习引擎，以及适用于特定计算机视觉 (CV) 任务的硬件加速器 (HWA)，还有可高效执行相关 CV 任务的数字信号处理器 (DSP)。

图 1-1 为什么要定位？