详解智能汽车车身感知系统

本文主要针对车身感知定位系统进行介绍，车身感知主要是感知车辆位置、行驶速度、姿态方位等信息，下文分别介绍了惯性导航、卫星导航系统和高精度地图三种主要的定位技术的发展情况，最后对多融合的车身感知定位系统及发展趋势进行介绍。

车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是以高精地图为依托，通过惯性导航系统和全球定位系统（Global Navigation Satellite System，GNSS）。GNSS 通过导航卫星可以提供全局的定位信息，惯导系统可以提供不依赖于环境的定位信息，高精地图为车辆环境感知提供辅助，提供超视距路况信息。三者取长补短、互相配合，共同构成自动驾驶定位导航系统。根据技术原理，自动驾驶的定位技术主要可以分为基于信号定位、航位推算和地图匹配三大类：

(1) 基于信号的定位：采用飞行时间测距法（Time of Flight，ToF）获得汽车与卫星的距离，然后使用三球定位原理得到汽车的绝对位置，主要就是通过全球卫星GNSS 的卫星信号进行定位，还包括使用WiFi、UWB、FM 微波等其他信号获取信息等技术；

(2) 航迹递推（Dead Reckoning）：依靠惯性传感器获得加速度和角速度信息，根据上一时刻其策划的位置和航向递推出当前的位置和航向；

(3) 地图匹配（Map Matching，MM）：基于视觉摄像头（Camera）或激光雷达（LiDAR）采集到的数据特征与高精度地图数据中的特征进行匹配，得到车辆的位置和姿态。

信号定位、航迹递推与地图匹配技术组成了车身感知定位技术

惯性导航：车身感知定位系统的信息融合中心

惯性导航系统（Inertial Navigation System, INS）是一种不依赖外部信息、也不向外部辐射能量的自助式导航系统。 惯性导航系统（INS）是利用惯性传感器（IMU）测量载体的比力及角速度信息，结合给定的初始条件，与GNSS等系统的信息融合，从而进行实时推算速度、位置、姿态等参数的自主式导航系统。惯性导航系统属于一种推算导航方式，即从一已知点的位置根据连续测得的运载体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。

一个惯性测量单元包括3 个相互正交的单轴加速度计（Accelerometer）测量转动运动和3 个互相正交的单轴陀螺仪（Gyroscopes）测量平移运动的加速度。自动驾驶所需要的惯性传感器（IMU）主要是加速度计和陀螺仪。（1）加速度计：基于牛顿第二定律，采用电容式、压阻式或热对流原理，通过在加速过程中对质量块对应惯性力的测量来获得加速度值。用来测量运动体坐标系上各轴的加速度；（2）陀螺仪：用于测量载体绕自身三个坐标轴的转动角速度，同时也敏感地球自转的角速度。

按照力学编排实现形式可分为：捷联式惯性导航系统（Strap-down Inertial Navigation, SINS）和平台式惯性导航系统（Gimbaled Inertial System, GINS）。平台式惯导的传感器安装在多轴伺服平台上作为反馈元件，控制伺服平台的姿态达到设定，多用于沿地球表面作等速运动的飞行器（如飞机、巡航导弹等），捷联式惯导的传感器和载体一同运动，省去了平台，结构简单、体积小、维护方便，自动驾驶领域主要采用捷联式惯性导航系统。

航迹递推（Dead Reckoning，DR）算法是惯性导航系统的主要实现手段。DR算法是指已知上一时刻导航状态（状态、速度和位置），根据传感器观测值推算到下一时刻的导航状态。DR 算法包括姿态编排和位置编排两个部分。姿态编排使用的是AHRS（Attitude and heading reference system）融合算法，处理后输出车机姿态信息。DR 算法可以在无卫星导航信号或弱卫星导航信号的场景，仅靠DR 算法也能得到较为可靠的导航信息。

惯性导航系统是车身感知定位系统的信息融合中心，具有不可替代的作用。惯性导航的数据实时存在，永不消失，性能稳定，可以连续100Hz 高频工作，惯导是三种定位方法中最为可靠的，具有输出信息不间断、不受外界干扰等独特优势，可保证在任何时刻以高频次输出车辆运动参数，同时将视觉传感器、雷达、激光雷达、车身系统信息进行更深层次的融合，为决策层提供精确可靠的连续的车辆位置，姿态的信息，车身感知定位系统的信息融合中心。

惯性导航系统作为车身感知定位系统的信息融合中心

卫星导航：RTK 助力GNSS 实现厘米级的定位

全球导航卫星系统（Global Navigation Satellite System，GNSS）是以人造地球卫星为导航台，为全球海陆空的各类军民载体提供位置、速度和时间信息的空基无线电导航定位系统。导航卫星的工作原理主要是通过三球定位原理实现的，由于卫星的位置精确可知，通过卫星到接收机的距离，利用三维坐标中的距离公式，利用3 颗卫星，就可以组成3 个方程式，解出观测点的位置。考虑到卫星的时钟与接收机时钟之间的误差，实际上有4 个未知数，位置的X、Y、Z 和钟差，因而需要引入第4 颗卫星，形成4 个方程式进行求解，从而得到观测点的经纬度和高程。为提高定位精度，普遍采用差分GPS 技术，建立基准站（差分台）进行观测，利用已知的基准站精确坐标，与观测值进行比较，从而得出修正数，并对外发布。接收机收到该修正数后，与自身的观测值进行比较，消去大部分误差，得到一个比较准确的位置。

卫星导航系统主要包括全球四大导航卫星系统，以及区域系统和增强系统。全球4 大卫星导航系统供应商，包括美国的全球定位系统GPS、俄罗斯的格洛纳斯卫星导航系统（GLONASS）、欧盟的伽利略卫星导航系统（GALILEO）和中国的北斗卫星导航系统（BDS）。除此之外，还有日本、印度等国家的区域卫星导航系统。

国际四大卫星导航系统简介

使用RTK 技术可以帮助GNSS 实现厘米级的定位精度。RTK（Real-time kinematic）载波相位差分技术，其原理是卫星轨道误差、卫星钟差、电离层延迟、对流层延迟等误差对相距不远的GNSS 站影响接近，特定的地理坐标点、卫星接收站等，以该点位为中心的20-40km 半径范围内，可以通过站间观测值差分消除，进而实现相位模糊度的快速固定与瞬时厘米级定位。

GNSS-RTK 系统的应用

高精度地图：实现L3 及以上自动驾驶的必备基础

高精度地图，即HD Map（High Definition Map）或HAD Map（Highly Automated Driving Map），是指绝对精度和相对精度均在1 米以内的高精度、高新鲜度、高丰富度的电子地图。其信息包括道路类型、曲率、车道线位置等道路信息，路边基础设施、障碍物、交通标志等环境对象信息，以及交通流量、红绿灯状态信息等实时动态信息。根据地图信息的不同，高精度地图由底层到上层可以分为四个层级：为静态地图、准静态地图、准动态地图和动态地图。

高精度地图概念示例

高精度地图的四个基本层级及属性信息

高精度地图比传统地图优势显著。与传统地图相比，基于自动驾驶系统的需求，高精度地图在保留地图检索、道路规划、渲染、诱导等功能基础上，侧重地图信息丰富性、精度高、提升计算机器或汽车智能化三大方向，以及高频更新、标识横纵向定位、坡度曲率节能应用与舒适性提升等。

高精度地图与传统地图的比较

高精度地图是是L3 及以上级别的自动驾驶汽车的必备基础。 高精度地图可有效弥补传感器的性能边界，提供重要的先验信息，是实现高度自动化驾驶甚至无人驾驶的必要条件，也是未来车路协同的重要载体。高精地图对自动驾驶汽车的作用具体表现在以下几个方面：

 提供先验信息：与车载传感器相比，高精度地图不受天气环境、障碍物和探测距离等限制，为自动驾驶汽车提供安全冗余。同时，高精地图可以为车辆纵向加减速、横向转向及变道等决策提供先验信息，提高驾驶舒适性并实现智能节能；

 节约算力：高精度地图可预知红绿灯、车道线、道路标识牌等交通要素的位置，有助于提高传感器的检测精度和速度，节约计算资源；

 辅助规划决策：路口红绿灯状态、道路交通流量、路网变化情况，以及车辆传感器信息等都可以传递至高精度地图服务平台，通过服务平台实现智能路径规划；

 收集驾驶数据：通过众包采集，实现驾驶场景数据库的丰富，为无人驾驶系统进行仿真验证、优化人工智能训练等提供重要基础数据。

高精度地图是L3 及以上级别的自动驾驶汽车的必备基础

行业拥有较高准入门槛，百度、四维图新和高德三足鼎立

高精度地图行业拥有较高的准入门槛，需要有甲级测绘资质。测绘资质方面，我国对企业获得地图测绘与制作资质有严格的要求，并不对国外厂商开放。2016 年出台的《关于加强自动驾驶地图生产测试与应用管理的通知》规定，自动驾驶地图的绘制需由具有导航电子地图制作测绘资质的单位承担，在道路测试过程中要严格限制地图接触的人员范围，对于初创公司来说有一定的门槛要求。截至2021 年12 月，仅有28 家公司进入国内高精地图甲级测绘资质名单。

国内高精地图甲级测绘资质名单（截至2021 年12月）

国内图商占主要份额，百度、四维图新和高德呈现“三足鼎立”的局面。 由于高精度地图涉及国家地理机密，国内高精度地图主要玩家大多是本土公司，根据IDC 统计，2020 年国内高精度地图行业市场份额前五名公司为百度、四维图新、高德、易图通以及Here，其中CR3 超过65%，呈现“三足鼎立”的局面。

2020 年国内高精度地图市场竞争格局

集中采集和众包采集高度整合是未来地图数据采集的主要趋势

高精度地图的制作大致分为数据采集、绘图、更新和验证四部分。 其中数据采集提供地理数据的来源，绘图环节通过数据融合及相关算法完成语义识别，将地理数据转换为道路模型，更新环节结合传感器等硬件实现高精度地图的实时更新，验证环节则结合人工与AI 算法完成最后的确认。

Apollo 平台高精度地图的制作过程

高精度地图的数据采集成本较高。 数据采集消耗成本巨大，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS 接收机、数据存储和计算设备等。同时，高精地图精细程度高，传统地图生产方式难以满足其量产应用的需要。采用传统测绘车方式，在成本约束下，测绘效率很难大幅度提高。

数据采集方式有集中采集和众包采集 ：（1）集中采集：精度高，但更新频率低、采集成本高，高德、百度、Tomtom 等公司更多采用专业测绘车集中制图；（2）众包采集：数据鲜度高、成本低，但采集精度低、可靠性和一致性较差，丰田、特斯拉、Here 等厂商则选择采用众包采集的模式。未来，以集中采集为建图基础，在海量众包数据中快速提炼符合规范的静态图层变更信息和动态图层实况信息，两者深度结合的技术模式成为主流的方向。

集中采集+众包采集是数据采集的未来方向

多源数据融合成为需要，自动化绘制起成为发展趋势 。高精度地图提供的地图数据不仅包括传统路网信息，还包括高精度车道级及环境信息数据，以及动态感知层和驾驶决策层部分信息，数据绘制的自动化和智能化成为重要的发展趋势。目前常用的绘图方法是将采集环节得到的数据经过清洗、加总建模后借助语义识别模型进行绘图。而借助AI 技术完成不同传感器数据自动融合识别，即把GNSS/INS、点云、图像等数据叠加在一起，进行道路标线、路沿、路牌、交通标志等道路元素的识别，从而简化高精地图数据处理流程并不断提高制图效率，对于复杂环境尤为重要。

Mobileye 在绘图过程中所采用的语义识别模型

更新技术面临挑战，5G 赋能或成解决方案。 高精度地图的更新，考虑到当前的技术水平和成本，季度更新策略最佳。在更新的时候，可以采用小版本部分更新或者是增量更新的方式，大版本采用全部更新的策略。对于高精地图里的动态或准动态部分，一般通过车联网以实时或准实时（秒到小时级别）的频率更新。

未来高精度地图会更多的借助大数据和地图云服务平台进行更新和分发。这其中，5G 赋能让高精度地图和云计算结合得更加紧密，更加实时。5G 网络带来数据传输速率的大幅提升，让高精度地图的采集与更新变得更加实时动态。专业化高精度采集、众包采集和路侧采集等多种地图采集方式的动态信息，依托5G 网络实时同步至云端进行加工处理；同时，更新后的高精度地图及实时信息从云端对道路上行驶的车辆进行同步更新。

5G 技术在性能上是数据更新的良好选择

车路协同高速发展，高精度地图与路侧感知体系互相成就。 一方面，路侧的传感器将成为高精地图更新的有效数据来源。路侧感知能力与车端感知能力紧密结合，增加信息冗余度，互相校验及融合，为高精地图提供更为精准丰富的信息。另一方面，高精度地图可以赋能路侧感知体系。前端感知设备与高精度地图结合，实现前端感知数据附带地理属性，进而与平台GIS 地图无缝结合且可支持车路协同数据应用。

路侧感知模型示意图

成本负担较高，成本随精度要求急剧提升。高精度地图的主要成本分为采集成本和编译成本两部分。其中采集成本包括备成本、采集车辆的行驶耗材、过路费及人力成本等，仅一辆高精地图采集车需要配置的设备就包括：激光雷达、摄像头、陀螺仪、GPS 接收机、数据存储和计算设备等；而编译制作成本主要是人力成本。

随着地图精度要求的提升，集中采集和众包采集方法在数据收集与更新上的成本大幅上涨，主要是由于设备成本和人工成本的提升。但随着5G 技术的发展与人工智能算法的进步，相关成本最终会趋于平稳。

高精度地图成本随自动驾驶等级的增长而高速上升

图商从交付转向服务，云平台SaaS 是方向

盈利模式区别于传统地图，云平台SaaS 模式是未来大方向。 区别于传统地图的的License 授权模式，高精度地图的主要有按单位时间和按数据量收费两种收费模式，核心区别在于收费稳定，初期阶段基本以服务功能开发费+License组合为基础；此外，还存在一种“免费”模式，即图商向客户免费提供现有数据产品，但同时客户需向图商提供收集到的数据，地图的价格即为客户收集数据的价值。

高精度地图与传统地图盈利模式的区别

由于高精地图对数据更新的实时性提出很高的要求，从高精度的产品形态和服务方式角度，通过云服务平台对实时更新的高精地图数据进行实时分发是一种可行的方式，云平台可以实时收集各车的行驶数据来补充道路情况信息闭环，增强收集数据密度而降低收集成本。

华为的高精度地图云服务

图商的角色从交付向服务演变，客户从B 端向C 端扩展。 由于高精度地图需要实时更新，图商不再只是交付并收费的模式，而是开始向地理信息数据服务商转型。图商正逐渐成为自动驾驶时代的重要参与者、合作者、服务商。同时，除了向车厂或者自动驾驶出行服务商提供地理信息数据服务这种B 端的业务，在大规模自动驾驶落地的趋势下，高精度地图也会向C 端延伸，但大规模的民用落地还需根据宏观政策进行调整。

“GNSS+IMU+高精度地图”组成多融合车身感知定位系统

车身感知定位系统主要由惯性导航、卫星导航系统和高精度地图组成。主要是以高精地图为依托，通过惯性导航系统和全球定位系统（Global Navigation Satellite System，GNSS）。GNSS 通过导航卫星可以提供全局的定位信息，惯导系统可以提供不依赖于环境的定位信息，高精地图为车辆环境感知提供辅助，提供超视距路况信息。三者取长补短、互相配合，共同构成自动驾驶定位导航系统。

高精度是车身感知定位系统的核心。车身感知定位系统的关键是高精度，定位精度越高，自动驾驶的可靠性越高。第一，高精度的车身感知定位系统能够不受极端天气和环境等因素的干扰，能持续稳定地提供的车道级位置感知；第二，不同的传感器有不同的工作时钟和延迟，高精度车身感知定位系统能够实现感知信息的时空同步；第三，高精度的车身感知定位系统可以在较少资源下获得较高的定位精度，从而减少数据运算量，降低系统复杂程度；第四，高精度的车身感知定位系统能够让每一辆车都能够精确地定出自己的位置，通过车车通信和车路通信把自己的位置分享给其他车辆，有利于实现V2X 应用。

根据组合导航模块的耦合程度不同，多传感器融合的定位系统主要包括三种结构：松耦合（Loose Coupling）、紧耦合（Tight Coupling）和深耦合（Deep Coupling）。

 松耦合（Loose Coupling）：GNSS 和INS 独立工作，GNSS 输出RTK定位结果，INS 输出惯性数据，两者将数据送入滤波器内。滤波器通过比较二者的差值，建立误差模型以估计INS 的误差，并将误差补偿反馈给INS。优点是易于实现，性能比较稳定。缺点是当卫星数量低于最低数量时，GNSS 的输出就会失效。且在信号存在遮挡的场景，定位稳定性、可靠性不如另外两种耦合；

 紧耦合（Tight Coupling）：GNSS 输出观测量（伪距、伪距率）来与INS输出的惯性数据作差，并将差值输出给滤波器，从而用来进行INS 误差的估计，并将误差补偿通过反馈的方式补偿给INS，经过校正的INS 惯性数据输入到组合导航模块滤波器，结合RTK 定位结果最终得到组合导航解。

 深耦合（Deep Coupling）：在紧耦合的基础上，将INS 的部分数据直接送到基带芯片里，INS 的惯性数据作为GNSS 解算的一部分。通过INS 准确的相对多普勒变化信息，辅助信号跟踪，提高恶劣环境下多普勒的估计准确度。从而提高恶劣环境下载波相位、伪距等观测量的精度和连续性，减少观测量中断和跳变，从而有效提高组合导航精度和可靠性。

松耦合、紧耦合和深耦合三种架构

根据百度Apollo 研究表明，通过GNSS-RTK 可实现65%的综合场景定位误差小于20cm的覆盖率，GNSS+IMU的卫惯组合则可以实现85%左右的场景覆盖，GNSS+IMU+感知与地图的融合高精度定位系统可以实现97.5%的覆盖率。

常用的GNSS-RTK+IMU 组合惯导方案在一些场景的定位精度稳定性仍不能完全满足自动驾驶的要求，如城市楼宇群、地下车库等。GNSS 长时间信号微弱的场景下，依靠GNSS 信号更新精确定位稳定性不足。在组合惯导中引入并融合激光雷达/视觉传感定位等环境信息进行融合定位，形成GNSS-RTK+IMU 航迹推算+感知与高精度地图匹配的定位系统是发展的必然。以百度Apollo 的多传感器融合定位系统解决方案为例，惯性导航系统处于定位模块的中心位置，模块将IMU、GNSS、Lidar 等定位信息进行融合，通过惯性导航系统解算修正后最终输出满足自动驾驶需求的6 个自由度的高精度位置信息。

GNSS-RTK+惯性导航+地图匹配系统组成的多融合车身感知定位系统

“GNSS-RTK+IMU+高精度地图”的定位方案逐渐成为高阶智能驾驶汽车的主流选择

 乘用车领域： 自2020 年开始，融合定位方案开始逐渐在新车型中落地，广汽的埃安系列成为国内首个采用“GNSS+IMU+高精度地图”高精度定位方案的车型， 再如小鹏P5 与P7 、红旗E-HS9 等都采用了“GNSS-RTK+IMU+高精度地图”的方案；

 商用车领域： 无论运营场景复杂程度如何，“GNSS+IMU”的组合导航系统是绝大部分厂商都会选择的方案，部分厂商选择了在GNSS+IMU 的基础上增加了传感器与高精度地图进行融合定位的方案。

主要自动驾驶乘用车的高精定位方案

主要商用场景自动驾驶定位方案

厘米级的高精度定位传感器是L3 级及以上自动驾驶的标配。 高精度定位传感器主要部件包括高精度定位芯片（射频、基带）、IMU、天线、板卡等。成本方面，高精度GNSS 定位加天线的成本在百元级，符合精度要求的IMU 器件成本将长期保持在千元级。GNSS-RTK+IMU 组合的量产价格较高，短期在1000美元左右，随着规模化量产以及工艺的成熟，整体价格有望在2025 年下降至500 美元。

 高精度定位芯片 ：主要包括射频和基带芯片，射频部分对微弱的模拟信号进行接收、滤波、放大、变频；基带部分对码信号进行解算，其中相关器模块实现对码信号的读取；目前北斗芯片已不输于GPS，3 米的普通精度车载导航芯片价格不超过6 元，几十厘米定位精度的高精度芯片，价格在几十元到数百元不等；

 IMU ：价格和精度高度正相关，产品竞争核心在于平衡高精度和低成本。主要被海外垄断，目前主要的供应商包括ADI、Honeywell、NorthropGrumman 等；

 GNSS 板卡+天线：高精度板卡是高精度GNSS 终端设备的核心，其成本占到终端总成本的60%以上，技术门槛非常高，长期被美国Trimble 和加拿大NovAtel 垄断，目前国产高精度板卡销量市占率30%左右；我国北斗天线的国产替代率较高，国内市场份额占比超75%。

空间测算：预计到2025 年全球卫惯市场空间225 亿元，高精度地图市场空间约90 亿元

小鹏P5 与P7、红旗E-HS9、蔚来ET7 等都标配了高精度定位模块。以GNSS-RTK+IMU 组合为例，目前，车载惯性导航的单车价值量在1000-2000元左右，定位精度要求不同，价格有所差异，GNSS-RTK+IMU 组合的量产价格目前大约在1000 美元左右，预计到2025 年有望下降到500 美元左右，假设到2025 年GNSS-RTK+IMU 组合单车价值量约在3000 元左右，假设L3 及以上的渗透率为12%，对应2025 年全球卫惯组合的市场规模约为225 亿元，对应远期2030 年市场空间660 亿元。而对于高精度地图而言，高精度地图的收费主要分为一次性License 费用和后续每年的订阅费，License 费用约1000 元左右，订阅费为100 元/年。高精度地图作为L3 以上车型的标配，对应2025年全球市场规模约在90 亿元左右。

相关公司：四维图新、华测导航、中海达、千寻位置

四维图新：国家测绘局体系支撑的中国导航地图产业开创者

四维图新成立于2002 年，中国导航地图产业的开拓者，专注于商业化车载导航地图，公司第一大股东中国四维测绘技术有限公司由国家测绘局创建，是唯一从事专业测绘的国家级公司。公司致力于以高精度地图、高精度定位、云服务平台、车规级芯片等业务打造“智能汽车大脑”。2020 年，公司在高精度地图市场的市占率为22%，仅次于百度排名第二。公司长期与主流欧美品牌、日系品牌、国内自主品牌、造车新势力等车企保持持续合作，是高精度地图领域的绝对龙头。

四维图新的客户及合作伙伴

华测导航：北斗导航龙头，切入车规级高精度定位传感器

华测导航，成立于2003 年，是一家专注于北斗高精度卫星导航的高新技术企业，致力于提供高精度数据的采集和应用解决方案，专业从事高精度卫星导航定位相关软硬件技术产品的研发。公司以高精度导航定位技术为核心，经过多年的研发投入和探索，已经形成有技术壁垒的核心算法能力，拥有自主可控毫米级/厘米级高精度算法，具备高精度RTK、PPP、静态解算、网络RTK、精密定轨技术、组合导航定位技术、多源融合定位技术等完整算法技术能力。公司已经研发出高精度GNSS 基带芯片“璇玑”、多款高精度GNSS 板卡、模组、天线等基础器件，突破“卡脖子”技术，实现了核心技术自主可控。此外，公司已通过IATF16949 车规标准认证，可为车企、自动驾驶方案商提供端到端的满足ASIL-B 要求的车规级高精度定位解决方案，公司已经被指定为哪吒汽车和浙江省某车企的自动驾驶位置单元业务定点供应商。

华测导航的北斗地基增强系统+GNSS/INS 组合导航系统

中海达：深耕北斗导航产业，布局高精度定位赛道

中海达，成立1999 年，是国内高精度卫星导航定位产业的领先企业。公司在自动驾驶车载高精度领域，主要提供车载高精度传感器，组合定位模块/天线/算法、组合导航集成方案等；高精度地图前端数据采集系统、众包采集装备及后端数据处理软件平台和数据采集加工服务；提供星基与地基增强技术融合在车端的应用。公司的车载高精度产品目前已已应用在小鹏汽车、上汽集团等汽车制造企业和自动驾驶方案商，目前公司正在持续进行多款智能汽车车载高精度产品的定点测试工作，已完成多款量产车型的定点测试。

中海达的高精度定位天线平台已经在上汽荣威鲸试用

千寻位置：提供厘米级定位服务，打造数字时代时空智能基础设施

千寻位置，于2015 年由中国兵器工业集团和阿里巴巴集团合资成立，公司主要基于北斗卫星系统（兼容GPS、GLONASS、Galileo）基础定位数据，利用北斗地基增强站以及星基增强系统和自主研发的定位算法，通过互联网技术进行大数据运算，为全球用户提供厘米级定位、毫米级感知、纳秒级授时服务。目前，公司有2800+地基增强站，总用户数超过10 亿，服务覆盖230 多个国家和地区，日处理数据位置10 亿次。

千寻位置打造的时空智能产业生态