The invention discloses an unmanned vehicle position and attitude estimation method based on point-to-surface distance and cross-correlation entropy registration. Firstly, the three-dimensional lidar is calibrated, and then the collected three-dimensional lidar data is coordinate transformed; then, the downsampled data is registered with the existing map data to obtain the rotation translation of the rigid body. Then the position and attitude of the autonomous moving body can be obtained according to the rotation and translation transformation. The method uses three-dimensional lidar as data source, completes the function of position and attitude estimation of unmanned vehicle through coordinate system conversion, data downsampling, point set registration and other steps. The invention can overcome the influence of weather, light and other environmental factors. In addition, the error evaluation function based on point-to-surface distance and cross-correlation entropy has good resistance to noise and abnormal points such as mismatch between scene and map description, dynamic obstacles and so on, so it can realize robust and accurate pose estimation of unmanned vehicle.
【技术实现步骤摘要】
基于点到面距离和互相关熵配准的无人车位姿估计方法
本专利技术属于无人驾驶汽车技术中的定位与导航领域,具体涉及一种基于点到面距离和互相关熵配准的无人车位姿估计方法。
技术介绍
近年来随着汽车产业的高速发展,交通事故已经成为全球性的问题,全世界每年交通事故的死伤人数估计超过50多万人,因此集自动控制、人工智能、模式识别等技术于一体的无人驾驶应用而生。无人车定位技术是无人驾驶技术中关键组成部分之一。为了实时得到无人驾驶汽车的当前位置,无人驾驶汽车上装备了各种主动传感器与被动传感器,包括相机、激光雷达、GPS和IMU等。在早期的研究中,使用GPS进行定位的方法得到了大量的应用。但是,GPS的使用受周围环境因素的影响巨大。当周围环境出现GPS信号遮挡甚至屏蔽时,其定位结果就会十分不可靠,甚至消失。以IMU为代表的惯性器件则不会出现此问题,然而,利用惯性器件进行定位和导航时,定位结果会极大的受到累计误差的影响,当系统较长时间工作时,惯性定位系统的定位误差极大,失去利用价值。随着技术的发展,很多的研究人员开始研究视觉技术在定位中的应用,其有信息含量大、成本低、运行功率低、扫描时间短等特点。但是,视觉技术一个最主要的不足就是对于外界环境的要求比较严格。对于环境中出现阴影、驾驶环境较为复杂、路边标记(或标志)丢失、光照不佳、能见度低或天气恶劣等情况,视觉技术(摄像机)获取的图像信息往往信噪比很低,给定位算法精度都带来极大的挑战,不能保证系统的定位精度。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点,提供一种高效、实时、鲁棒的基于点到面距离和互相关熵配准的无人车位姿估 ...
【技术保护点】
1.基于点到面距离和互相关熵配准的无人车位姿估计方法,其特征在于,首先标定三维激光雷达,然后将采集到的三维激光雷达数据进行降采样;然后将降采样后的数据与已有的三维地图数据进行点云配准得到刚体的旋转平移变换;进而根据该旋转平移变换得到自主运动体的位置和姿态。
【技术特征摘要】
1.基于点到面距离和互相关熵配准的无人车位姿估计方法,其特征在于,首先标定三维激光雷达,然后将采集到的三维激光雷达数据进行降采样;然后将降采样后的数据与已有的三维地图数据进行点云配准得到刚体的旋转平移变换;进而根据该旋转平移变换得到自主运动体的位置和姿态。2.根据权利要求1所述的基于点到面距离和互相关熵配准的无人车位姿估计方法,其特征在于,具体包括以下步骤:1)首先确定三维激光雷达安装的高度,然后将采集到的三维激光雷达数据从三维极坐标系转化到局部三维直角坐标系;2)使用随机降采样的标准,将三维激光雷达数据降采样到原来的10%-20%,获得的当前场景描述点云数据;3)将当前场景描述点云数据与已有的占据栅格点云地图数据进行精确刚体配准,其中地图点云作为目标点集,当前点云作为模型点集,得到两帧数据间的刚体旋转平移变换R和4)根据无人驾驶汽车的初始位置和初始姿态,得到无人车当前的位置和姿态。3.根据权利要求2所述基于点到面距离和互相关熵配准的无人车位姿估计方法,其特征在于,步骤1)的具体方法如下:1.1)以三维激光雷达安装位置为参考点定义局部三维直角坐标系,然后测量三维激光雷达距离水平面的安装高度H;1.2)建立三维激光雷达扫描极坐标到局部三维直角坐标系中坐标的转换关系,根据转换关系获得三维激光雷达数据点Pi对应的三维直角坐标值,每一个三维激光雷达扫描极坐标数据点包括发射所在激光线束的垂直角度αn,发射时的三维激光旋转角度βi与扫描距离di三个参数,即Pi=(αi,βi,d...
【专利技术属性】
技术研发人员:杜少毅,许光林,高跃,崔迪潇,陈霸东,万腾,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。