十多年来，自动驾驶车辆的发展速度越来越快。自动驾驶车辆开发者和爱好者相信，他们可以为广大市民提供更安全、更高效的交通方式。自动驾驶车辆通过各种技术得以实现。
自动驾驶汽车的关键技术组件之一是用于帮助汽车了解其环境和所处背景的传感系统。装饰在车辆外部的典型传感器系统包括各种摄像头、激光和超声波系统。在车内并且对非专业乘客不可见的是一组数据处理和分析功能，这些功能可解释传感器的输入，并使用此分析的结果来代替人类操作者进行决策。该集中式系统的关键组件是惯性测量单元（IMU），该系统可监视车辆动态变化的运动。
近 20 年来，Oxford Technical Solutions (OxTS) 一直为汽车市场提供惯性测量技术。在此期间，OxTS 为各种自动驾驶车辆开发项目提供了惯性系统，如 DARPA 挑战赛（2005 年和 2007 年）、2006 年的大众高尔夫 53 1 自动驾驶汽车、BAE 系统的无人驾驶车辆 "Wildcat"；以及用于军方和多家领先汽车制造商的众多系统。因此，OxTS 完全可以证明为什么惯性测量单元对于安全和成功的自动驾驶操作至关重要。
驾驶员辅助机制的成熟度
谷歌等公司正在从零开始设计用于乘坐而非驾驶的完全自动驾驶车辆。许多大型汽车制造商正在开发的高级驾驶员辅助系统（ADAS）上已经部署了许多传感功能。成像系统（如摄像机和 LiDAR）通常用于识别地平线上的物体，无论是简单地识别即将到来的硬结构，还是检测行人是否存在，或车辆轨迹中的其他潜在碰撞危险。作为车辆的"眼睛"，部署在单个车辆上的成像系统的数量和复杂性都在增加。在最近的一份市场规模报告中，Yole Dvelovelopement（Yole）预测，到 2015 年底，自动驾驶汽车传感器市场的价值将达到 26 亿美元，到 2030 年将增至 360 亿美元（仅成像传感器就达 120 亿美元）。然而，虽然成像系统能够评估物体的形状和形式以及车辆和感应物体之间的距离；自动驾驶汽车仍然需要知道它位于环境中的位置，以及它是如何在其环境中移动的，以便及时做出决策并采取措施做出响应。考虑车辆移动（车辆动态）不仅可以验证来自成像传感器的信息，还可以确保自动驾驶车辆在可见的障碍物之间并沿着其预定路线安全通过。
环境、环境、环境
自动驾驶车辆在从头到尾安全行驶时，必须跟踪许多东西。在最高级别，自动驾驶车辆需要跟踪路线的总体进度。这可以通过全球导航卫星系统（GNSS）来支持。GNSS 可以提供与车速相关的输入，但是，它不够可靠，无法持续准确地提供确切位置和速度信息。
处于下一个级别的是更局部的环境，其中包括驾驶员可以从驾驶员座椅上用眼睛观察到的事物。在此级别，自动驾驶车辆必须了解车辆周围的周边环境，环境是附近或即将靠近的固定和移动要素。固定要素包括车道标记、路缘、交通管制和停放的汽车等。移动要素可能是其他移动的道路使用者和行人。通常，安装在自动驾驶车辆顶部的传感器系统朝外看以理解此背景，包括摄像机、LiDAR 和超声波系统。
最后，需要了解车辆的环境及其在周边环境中的移动方式。车辆上有多种传感器用于协助实现此功能，包括一个非常关键的系统 IMU。IMU 本身就是一个传感器，提供与车辆动态相关的数据，因此，与车辆轨迹变化相关的重要计算可用于预测安全问题（例如，滑移角度的变化）。
IMU 还提供信息，以更好地了解在车辆当前位置下其他传感器系统的位置。IMU 提供一些关联功能，可以在将读数发送到自动驾驶车辆的实时分析系统时，正确地将各种传感器发送的数据与车辆的时空动态相关联。如果无法根据车辆动态组合关联和计算各种传感器读数，这是很危险的，可能导致安全问题，并导致乘车体验不佳。
不了解车辆动态的后果
自动驾驶车辆不仅必须了解车辆的位置、方向、指向和速度方面的车辆动态，还必须了解这些因素之间的关系是否发生变化，导致车辆乘员、旁观者或其他道路使用者出现不安全的情况。最安全的行车是最稳定的行车。为确保车辆运动的整体稳定性，首先可以提醒安全行驶预防措施的指标是滑移角度。
滑移角是比较前进速度矢量和航向之间的角度的测量值；也就是滚动车轮的实际行进方向与其指向方向之间的角度。车辆、道路的表面和结构之间的关系或其他道路使用者之间的相互作用中的任何连续变化都可能导致滑移角增大。
如果未在足够时间内采取纠正措施，则滑移角度变化 0.5° 可能足以触发打滑、旋转或侧翻（尤其是运动型多功能车或较高的大卡车）。一旦车辆开始以与预期方向不同的方向行驶，车辆的安全行驶通常会受到影响。后果可能包括（除打滑、旋转和侧翻外）与成像系统识别的路线上障碍物以外的其他障碍物碰撞的可能性增加，以及与车辆部件（如车门）发生碰撞的可能性增加，这些部件的设计不足以承受影响。
监控滑移角度是 ADAS 或完全自动驾驶系统评估是否应部署预防性措施（如转向角度或紧急制动机构变化）的一种方式。车辆上可能存在基于成像的路线规划和防撞系统，但如果车辆动态变得过于极端，则在成像传感器发出警报之前，可能会发生滑移或旋转等事件。一旦触发了事件，无论障碍物的位置是否已知，可能都无法恢复。
用于监测车辆动态的惯性测量装置。
如上所述，任何自动驾驶系统的安全功能取决于持续了解车辆在位置、道路上位置、方向、指向和速度方面的动态信息。要测量这些特性，需要使用惯性测量单元（IMU）。
IMU 包括一个陀螺仪和加速度计的组件，可提供与车辆在三个主轴上的线性加速度相关的连续数据流，以及三组旋转参数（俯仰、侧倾和航向）。IMU 的数据将提供与自动驾驶车辆行驶距离相关的其他测量值，这些测量：
- 在具有挑战性的 GNSS 环境中无法获得 GNSS 数据时，说明车辆最可能的位置。
- 提供与车载成像系统感应到的障碍物速度和加速度相关的数据。
- 测量车辆指向的方向（航向）和实际行驶方向（轨迹）之间的角度数据。
为什么要在自动车上使用IMU
最重要的是，IMU 提供的数据使自动驾驶系统不仅能够知道它的位置，而且能够知道它是如何移动的。这是任何传感技术识别路线和障碍物所必需的，并且向驾驶系统提供所需的反馈，以便不断调整其参数以便在路线上安全行驶。
为了满足这些要求，OxTS 惯性测量系统提供了实时功能，可以持续发出数据流，测量方向和位置（达到厘米级的精度）以及速度（达到 2 cm/s 的精度）。通过算法将惯性数据与可用的原始 GNSS 信息混合成准确可靠且单个不间断的导航消息流，自动驾驶系统将不断接收与位置、方向、指向和速度有关的所需信息。重要的是，当无法使用 GNSS 或从成像传感器接收到的信息存在遗漏时，OxTS 技术可弥补这些遗漏，并仍向自动驾驶系统提供必要的连续数据流。考虑使用此信息时，结合自动驾驶车辆上的成像传感器提供的信息，OxTS 系统提供的惯性数据可以实现：
- 以至少 100Hz 的采样频率为图像处理算法提供导航数据。
- 提供 ADAS 系统中使用的算法，以了解车辆是否实际正在向障碍物移动，以及速度如何。
- 在车上的图像传感器发出警报之前，将需要采取纠正措施的动态情况（例如打滑）通知车辆应急系统。
- OxTS 技术既可以部署为完整而成熟的惯性和 GNSS 导航解决方案，例如 RT3000，或利用 OxTS 系统核心的相同 xOEM IMU 进行自定义集成。
无论如何部署，在车上使用 OxTS 系统，自动驾驶系统都能接收安全"四处走"操作所需的全部信息。
