V2X环境下的车辆定位：挑战、使能技术与新视角综述

《IEEE Open Journal of the Communications Society》：Vehicle Localisation in V2X-Enabled Environments: A Survey on Challenges, Enabling Technologies and New Perspectives

　　本文对自动驾驶汽车的前沿定位技术进行了全面综述，重点关注利用主动和被动传感器、蜂窝车联网（C-V2X）通信以及数据融合方法的技术。文章指出了全球导航卫星系统（GNSS）和其他定位系统面临的挑战，尤其是在城市环境中，信号衰减和多径效应会严重影响定位精度。为应对这些挑战，本文强调了数据融合技术的关键作用，该技术整合了来自激光雷达（LiDAR）、雷达、惯性测量单元（IMU）和摄像头等传感器的输入，从而提升整体系统的可靠性和精度。文章还专门论述了智能反射面（IRS）辅助定位技术，将其定位为一种赋能层，通过重塑传播环境来提升现有定位方案的性能。此外，本文探讨了安全关键应用对功能安全（FuSa）合规性（ISO 26262）的必要性，重点关注实时错误检测的重要性。文章将定位技术划分为四大类：基于记忆的、基于自适应学习的、无状态的和混合定位技术。文章分析了每种方法的优缺点，强调了数据融合方法在自动驾驶定位中平衡成本、精度和鲁棒性的必要性。最后，本文探讨了机器学习、深度学习和强化学习在提升动态和复杂环境中定位系统的鲁棒性、适应性和效率方面的潜力。