編者語：后臺回復“入群”，加入「智駕最前沿」微信交流群

在談及自動駕駛關鍵技術時，經常會聽到一個技術，那就是RTK，很多人看到RTK后一定會想，這到底是個啥技術？為啥這個技術很少在發布會上看到，但對于自動駕駛來說卻非常關鍵？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，實時動態定位）是一種基于差分載波相位觀測的高精度衛星定位技術。簡單理解就是，通過一臺固定不動、坐標已知的基準站持續接收來自全球導航衛星系統（GNSS）的信號，實時計算出誤差改正量，并將這些改正信息發送給流動站（rover）。流動站結合自身接收到的衛星載波相位和偽距數據，對定位結果進行校正，從而實現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、無人機測繪、工程建設等對高精度定位要求極高的領域中發揮著不可替代的作用。

要理解RTK的優勢與原理，首先需要知道GNSS單點定位的基本流程。GNSS衛星通過不斷廣播衛星軌道和精確時間信息，接收機測量信號傳播時間以獲得與衛星之間的偽距，通過同時觀測多顆衛星并進行多邊定位，就能計算出用戶的三維坐標。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、衛星鐘差、軌道誤差以及接收機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到米級。對于自動駕駛車輛而言，這樣的誤差范圍遠不能滿足車道級或車輛間距控制的需求。

傳統差分定位（DGPS）利用一臺基準站測算自身偽距觀測與已知真實坐標之間的偏差，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。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技術正是利用這段極短波長進行測量，通過對基準站和流動站的載波相位觀測值進行雙差處理，能夠消除絕大多數公共誤差項，僅剩下微米級別的隨機誤差，最終實現厘米級甚至亞厘米級的定位精度。

在實際系統中，實現RTK定位必須解決三個關鍵技術難題。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站和流動站分別進行單差，以消除衛星鐘差和接收機鐘差，再在基準站—流動站之間進行二次差分，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誤差被大幅度抑制，只剩下可以認為是白噪聲的隨機誤差分量。第二個是整數模糊度解算問題。載波相位觀測只能提供相位連續變化量，而每次接收時載波的整周數（模糊度）并不直接可知。RTK系統需采用諸如LAMBDA（Least-squares AMBiguity Decorrelation Adjustment）等算法，通過多遍觀測和統計方法，在極短的時間內求解出整數模糊度，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，基準站與流動站之間通常通過4G/5G網絡、專用無線電鏈路或局域網等多種方式構建低延遲、可靠性高的通信通道。

在自動駕駛系統中，RTK常與慣性測量單元（IMU）以及其他傳感器如激光雷達、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波或其擴展形式的融合算法，可在GNSS信號短暫丟失或多路徑效應嚴重時，利用IMU提供的高頻加速度和角速度數據進行短時預測，保證定位的連續性與穩定性。當RTK恢復可用后，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。通過這種互補式設計，自動駕駛車輛能夠在高速公路、城市道路、隧道及復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把握。

對于自動駕駛平臺的設計與部署而言，RTK系統的選型與安裝也有許多細節需要關注?；鶞收镜陌惭b位置應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；基準站的坐標要通過長時間靜態觀測或高精度測量方式獲得，確保其已知位置的精度優于一厘米；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級要求。此外，基準站與流動站之間的通信鏈路需要經過帶寬、時延、丟包率等多項指標測試，以保證改正信息在任何工況下都能穩定、及時地傳達到流動站。

隨著網絡化RTK服務（NRTK）的興起，用戶無需自行建設基準站，也能通過互聯網接入已有的基準站網絡，獲得高精度差分改正服務。NRTK服務商通常在云端集中管理數十至數百個分布在不同地點的基準站，利用虛擬參考站（VRS）、主從差分（MAC）等網狀差分技術，生成覆蓋更大區域且更高精度的改正數據流。用戶只需在流動站中配置相應的網絡參數，便可實現即插即用式的厘米級定位，大大降低了系統部署與維護成本。這一模式在無人駕駛車輛大規模商業化部署過程中，正逐漸成為主流選擇。

盡管RTK技術在精度與實時性方面具有顯著優勢，但其在特定環境下的仍舊有很多問題。高樓林立的城市峽谷中，衛星信號的多路徑反射會導致相位觀測值出現劇烈波動，甚至出現失鎖現象；在隧道、地下車庫、密林等遮擋嚴重的場所，GNSS信號強度下降，RTK無法工作；當基準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誤差也會影響定位精度。針對這些問題，行業也提出了多種補償策略，如結合視覺SLAM（Simultaneous Localizationand Mapping）技術，在復雜場景下利用攝像頭構建局部地圖并輔助定位；采用多基準站網RTK，提高基準網的密度與覆蓋；引入PPP-RTK（Precis ePoint Positioning RTK），將精密單點定位技術與RTK相結合，以進一步提升長基線環境下的定位性能。

在很多L4/L5自動駕駛示范項目中，RTK已廣泛應用于高速編隊行駛、城市復雜路口通行、精準泊車等各類關鍵場景。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能；在城市復雜交叉口場景中，RTK與高清地圖結合，能夠精準匹配車輛當前位姿與道路要素，提高交叉口放行效率與安全性；在精細化泊車場景中，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，實現毫厘之差的泊入。

隨著5G通信商用、邊緣計算節點的建設以及AI算法在定位濾波中的應用不斷深入，RTK在自動駕駛中的角色將更加多元。路側單元（RSU）可以作為本地基準站并承擔改正數據分發，將高精度定位服務下沉到城市級基礎設施；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雜的環境中保持快速解算和高可用性；基于深度學習的異常觀測檢測與自適應濾波技術，可在多路徑與遮擋條件下智能識別并剔除異常數據，進一步提高定位穩健性。

總而言之，RTK并非單一技術，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系統的系統誤差壓縮到毫米級，并結合低延遲網絡傳輸，為自動駕駛車輛提供了必不可少的厘米級絕對定位能力。隨著網絡化服務、邊緣計算與AI技術的不斷發展，RTK將在精度、可用性和易用性方面持續革新，為無人駕駛汽車的安全、高效與智能化發展注入強大動力。

-- END --