一种无人车在地下车库中的精确定位方法技术

本发明专利技术公开了一种无人车在地下车库中的精确定位方法，该方法包括：激光点云地面分割模块、圆柱特征提取与特征匹配，以及非地面有效点选择模块、激光有效点合并与降采样模块、栅格地图产生与三维地图匹配模块、初始位姿模块。该方法的思路是利用圆柱特征，剔除激光点云场景中的动态障碍物，选择属于地下车库本身结构的激光有效点，然后利用地图匹配技术实现车辆精确定位。该方法对初始位姿的敏感性要远远低于传统方法，且具有较高的定位精度，适用于无人车在地下车库中的定位与导航，尤其适合在地下车库中含有大量动态障碍物的场景。

An Accurate Location Method of Unmanned Vehicle in Underground Garage

The invention discloses an accurate positioning method of an unmanned vehicle in an underground garage. The method includes: laser point cloud ground segmentation module, cylindrical feature extraction and feature matching, and non-ground effective point selection module, laser effective point merging and downsampling module, raster map generation and three-dimensional map matching module, initial. Pose module. The idea of this method is to use cylindrical features to remove dynamic obstacles in laser point cloud scenes, select effective laser points belonging to the structure of underground garage itself, and then use map matching technology to achieve accurate vehicle positioning. This method is far less sensitive to the initial position and attitude than the traditional method, and has high positioning accuracy. It is suitable for the positioning and navigation of unmanned vehicle in underground garage, especially for the scene with a large number of dynamic obstacles in underground garage.

【技术实现步骤摘要】
一种无人车在地下车库中的精确定位方法
本专利技术属于无人驾驶汽车研究领域，特别涉及一种无人车在地下车库中的精确定位方法。
技术介绍
近年来，随着新一代人工智能技术的兴起，无人驾驶汽车作为人工智能技术的重要算法验证平台应运而生，并呈现出井喷式的发展，尤其是在国内涌现出了一大批创业公司，直接推动了这一研究领域的快速发展。无人驾驶汽车是一种特殊的轮式移动机器人，其是依靠自身所携带的各类传感器，融合感知道路环境，自动获得车辆定位信息，规划行车路线，控制车辆运动，从而实现车辆的自主行驶功能。定位技术在无人车研究领域内具有很重要的作用，涉及车辆感知、规划、控制等功能的准确实现。鉴于RTK-GPS具有高精度、高可靠性的特点，绝大部分无人驾驶车辆选择用GPS来进行定位，然而在当前的城市道路中存在着很多隧道、桥梁、较高的树木等遮挡物，GPS信号在这种环境下很容易受到干扰和阻挡，车辆定位精度严重不足，为了解决这一问题，人们提出利用GPS+IMU的组合定位方法，但其缺点是在长时间的隧道等GPS信号受到阻挡的环境中，很容易失效，或者车辆在GPS信号受到遮挡的环境中启动，无法确定车辆位姿。为此，研究者提出要利本文档来自技高网...

【技术保护点】
1.一种无人车在地下车库中的精确定位方法，其特征在于，该方法基于无人车在地下车库中的精确定位系统，所述无人车在地下车库中的精确定位系统包括地面分割模块M1、特征提取与特征匹配，以及非地面有效点选择模块M2、有效点合并与降采样模块M3、栅格地图产生与三维地图匹配模块M4和初始位姿模块M5；地面分割模块M1连接特征提取与特征匹配，以及非地面有效点选择模块M2和有效点合并与降采样模块M3，特征提取与特征匹配，以及非地面有效点选择模块M2连接有效点合并与降采样模块M3，有效点合并与降采样模块M3连接栅格地图产生与三维地图匹配模块M4，初始位姿模块M5连接栅格地图产生与三维地图匹配模块M4；地面分割模块...

【技术特征摘要】
1.一种无人车在地下车库中的精确定位方法，其特征在于，该方法基于无人车在地下车库中的精确定位系统，所述无人车在地下车库中的精确定位系统包括地面分割模块M1、特征提取与特征匹配，以及非地面有效点选择模块M2、有效点合并与降采样模块M3、栅格地图产生与三维地图匹配模块M4和初始位姿模块M5；地面分割模块M1连接特征提取与特征匹配，以及非地面有效点选择模块M2和有效点合并与降采样模块M3，特征提取与特征匹配，以及非地面有效点选择模块M2连接有效点合并与降采样模块M3，有效点合并与降采样模块M3连接栅格地图产生与三维地图匹配模块M4，初始位姿模块M5连接栅格地图产生与三维地图匹配模块M4；地面分割模块M1包括地面分割模块M11、地面点云M13和非地面点云M12；特征提取与特征匹配，以及非地面有效点选择模块M2包括特征提取M21、特征匹配M22和特征地图M23，有效点合并与降采样模块M3包括点云合并M31、降采样M33和最终参与匹配点云M34；栅格地图产生与三维地图匹配模块M4包括格栅地图生成模块M42和地图匹配模块M41，用于确定车辆在地下车库中的精确位姿；初始位姿模块M5，用于为栅格地图产生与三维地图匹配模块M4提供车辆的初始位姿；具体包括以下步骤：步骤1，地面分割模块M11采用高斯过程回归算法实现对完整的三维激光扫描场景的分割，得到地面点云M13和非地面点云M12，地面点云M13和非地面点云M12分别表示为PGrd和PNoGrd；地面点云是场景结构中的点，属于有效点云；步骤2，提取非地面点云的特征，并和事先建立的特征地图进行匹配，选择出场景中的有效特征，进而反推获得非地面有效点云，记为PNoGrdValid；步骤3，模块M2产生的非地面有效点云PNoGrdValid与模块M1产生的地面点云PGrd参与的合并模块M31，得到全部的有效点云M32，表示为PValid，再经过降采样处理模块M33，得到最终参与地图匹配的部分有效点云M34，表示为PLastValid；该模块表示为：PValid＝PGrd∪PNoGrdValid，其中PLastValid＝Downsample(PValid)；步骤4，基于Graph-SLAM技术实现栅格地图生成，通过点到面测度的配准算法实现地图匹配；假设两个点集为和在分别对应实时点云和栅格占据地图点云，Cpq(P,Q)表示点集P和点集Q之间的对应关系，该关系通过最近邻搜索实现，Np和Nq表示两个点集中点的个数，T＝(R,t)为两个点集之间的变换关系，包括旋转变换R和位移变换t，满足R∈SO(3),t∈R3，则有：其中，{pi,qi}∈Cpq为两个点集之间的一对对应点；步骤5，初始位姿模块M5为地图匹配模块M41提供初始位姿信息，匹配得到精确位姿。2.根据权利要求1所述的一种无人车在地下车库中的精确定位方法，其特征在于，地面分割模块M11利用高斯回归过程对采集到的激光点云进行分割处理，得到地面点云和包含有墙面、柱子、车辆、行人障碍物的非地面点云，其中地面点云能够在定位过程中提供丰富的俯仰角和横滚角信息，属于有效点云。3.根据权利要求1所述的一种无人车在地下车库中的精确定位方法，其特征在于，特征提取M21功能是提取非地面点云的圆柱特征；特征地图M23是在地图创建过程中所标注的车库内部柱子、墙面、以及部分车辆的圆柱特征，为特征匹配M22提供模版；特征匹配M22是选择距离测度，度量特征之间的距离，采用余弦相似性测度：设两个圆柱特征F1和F2的距离为d(F1,F2)，则有以此来区分点云是否属于车库本身几何结构信息，如果属于则保留，否则删除，得到场景特征M24，为立柱和墙面点云的圆柱特征，最后根据场景特征，反推得到非地面有效点云M25。4.根据权利要求1所述的一种无人车在地下车库中的精确定位方法，其特征在于，所述初始位姿模块M5用于为地图匹配模块M41提供足够精确的初始位姿；分为两种情况：第一，当车辆运行正常时，用前一帧定位的结果作为当前车辆定位的初始位姿，第二，当车辆在地下车库中启动时，或者车辆定位失败时，需要重新确定车辆的初始位姿，此时，启动全局重定位机制，确保车辆定位的鲁棒性。5.根据权利要求1所述的一种无人车在地下车库中的精确定位方法，其特征在于，提取点云特征时，设计为圆...

【专利技术属性】
技术研发人员：薛建儒，陶中幸，王迪，张书洋，崔迪潇，杜少毅，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61