自动驾驶进隧道后，地图残差为何暴涨？

自动驾驶一进入隧道就出现定位残差暴涨，往往不是地图突然错了，而是定位链路从有卫星约束切到纯车载约束时，内部假设没有一起切换。桥接误差和门控策略若还沿用开阔路段的配置，残差会被自己放大。

GNSS失锁后的首个问题，是误差增长速度不再受外部绝对观测抑制。惯导和轮速在短时间内可以维持连续性，但偏置、比例误差和轮胎半径变化会迅速累加。地面平直时看不明显，一旦进入弯道、坡度变化或多车道分叉，几秒钟的桥接误差就足以把车道中心线对齐关系拉偏。

隧道环境又会削弱很多平时稳定的辅助特征。照明闪烁会让相机亮度分布周期性变化，墙面和反光标识容易诱发视觉特征重复；激光雷达面对长直壁面时，几何约束集中在横向，纵向可观性反而更弱。若系统仍期待多源残差像露天道路那样均匀分布，滤波器就会把正常的可观性下降当成异常漂移。

地图残差暴涨往往不是因为匹配完全失败，而是门控阈值和置信度模型没跟着环境切换。开阔环境下，地图匹配可以用较紧的横纵向阈值快速排异；到了隧道，若仍用同样阈值，桥接位置稍一漂动就会把本应保留的候选全部拒掉，随后系统只能在更少观测下继续外推，残差自然越来越大。

反过来，门控若放得过宽也会出问题。隧道里车道线、墙边和设备箱体重复性高，错误匹配常常能在局部给出看似不错的残差。若缺乏拓扑一致性和历史轨迹约束，系统可能把邻近车道或并行壁面的特征错吸进状态更新，短期内残差甚至变小，出隧道后却突然暴露成跳变。

因此降级定位的重点，不是盲目增强惯导，而是让观测置信度、门控范围和地图要素选择一起变化。卫星刚失锁时可以维持较强地图约束，但必须给桥接误差留增长通道；若视觉和激光的几何可观性同时下降，就要优先保住车道级拓扑连续，而不是执着于厘米级绝对位置。

验证不能只做单条隧道通行。需要覆盖长隧道、短隧道连续进出、匝道并道和坡度变化，再把失锁时刻、门控通过率和地图候选切换次数放在同一时间轴上看。只有这样，才能分清是桥接模型问题，还是门控策略在放大误差。

工程实现里还应预留出隧道出口的再收敛过程。卫星信号重新出现时，若系统立即用新观测强拉状态，桥接期间积累的偏差会在短时间内表现成姿态和位置双重突跳；若收敛太慢，又会错过出口附近常见的分流和并线决策。比较稳妥的办法，是根据卫星几何质量和地图一致性分阶段恢复绝对约束，让状态回归有节制地完成。这样做的目标不是更快贴回绝对坐标，而是避免刚出隧道时决策层收到一串自相矛盾的位置修正。出口段最怕的不是残差大，而是残差方向来回翻转，门控一旦跟着翻转就会把小误差放成大抖动。

所以，自动驾驶进隧道后的定位波动，本质上是约束结构变了却还用旧门槛在看世界。桥接误差被允许、地图门控被重设后，残差才不会在失锁瞬间被成倍放大。