【技术实现步骤摘要】
一种基于多线激光雷达的车辆运动轨迹估计方法及系统
本专利技术属于智能汽车定位
，具体涉及一种基于多线激光雷达的车辆运动轨迹估计方法及系统。
技术介绍
随着全球经济的全面深入发展，城市化进程得到了进一步的推进，为大众的出行、教育、医疗、休闲等带来了高度的便利。但是密集的城市化现状也带来了交通拥堵、交通事故高发、出行成本提高、环境污染急速加剧等一系列的问题。为了解决上述问题，提升道路的通行效率并且降低出现成本，众多的研究机构和汽车厂商逐步加大了对于智能汽车的研究。智能汽车采用最前沿的定位与导航技术、环境感知技术、智能决策技术和高精度的运动控制技术。可以将驾驶员从繁重的驾驶任务中解脱出来，同时与车联网技术和前沿通信技术相结合，实现了车-车协同驾驶和车-路协同驾驶，利用前沿的通信技术和车辆决策技术，从根本上缓解交通拥堵难题。智能汽车的实现需要多项关键技术的支撑，从智能车系统的工作流程入手可以将其关键技术概括为：高精度定位与导航技术、高实时环境感知与理解技术、智能化自主决策和优化技术、高可靠运动控制技术。其中，高精度定位与导航技术中要求智能汽车可以在多种复杂的道路环境...
【技术保护点】
1.一种基于多线激光雷达的车辆运动轨迹估计方法，其特征在于，包括：获取车辆的初始位姿和惯性传感器的测量值，根据所述初始位姿和测量值得到车辆的粗选运动轨迹；获取多线激光雷达不同时刻的三维点云数据，分别对所述不同时刻的三维点云数据进行栅格化处理得到对应的包含有多个特征点的灰度图；将所述粗选运动轨迹作为粗选范围，在粗选范围内对相邻时刻的两帧灰度图之间的特征点进行特征匹配，得到特征匹配点对；根据所述特征匹配点对在所述相邻时刻的两帧灰度图中的位置，得到相邻时刻的三维点云数据之间的变换关系；根据所述变换关系，得到相邻时刻车辆的相对位姿，根据初始位姿和各个相邻时刻的相对位姿得到车辆的精确运动轨迹。
【技术特征摘要】
1.一种基于多线激光雷达的车辆运动轨迹估计方法，其特征在于，包括：获取车辆的初始位姿和惯性传感器的测量值，根据所述初始位姿和测量值得到车辆的粗选运动轨迹；获取多线激光雷达不同时刻的三维点云数据，分别对所述不同时刻的三维点云数据进行栅格化处理得到对应的包含有多个特征点的灰度图；将所述粗选运动轨迹作为粗选范围，在粗选范围内对相邻时刻的两帧灰度图之间的特征点进行特征匹配，得到特征匹配点对；根据所述特征匹配点对在所述相邻时刻的两帧灰度图中的位置，得到相邻时刻的三维点云数据之间的变换关系；根据所述变换关系，得到相邻时刻车辆的相对位姿，根据初始位姿和各个相邻时刻的相对位姿得到车辆的精确运动轨迹。2.如权利要求1所述的车辆运动轨迹估计方法，其特征在于，根据所述特征匹配点对在所述相邻时刻的两帧灰度图中的位置，得到相邻时刻的三维点云数据之间的变换关系的步骤，包括：从所述特征匹配点对中任取三对不同线的特征匹配点对，通过该三对特征匹配点对计算出所述相邻时刻的三维点云数据之间的变换关系。3.如权利要求1所述的车辆运动轨迹估计方法，其特征在于，所述分别对所述不同时刻的三维点云数据进行栅格化处理得到对应的包含有多个特征点的灰度图的步骤，包括：建立目标栅格平面，分别将多线激光雷达不同时刻的三维点云数据投射到所述目标栅格平面上，标记出所述三维点云数据与每个栅格之间的映射关系，并根据所述映射关系将三维点云数据映射到所述灰度图中作为灰度图中的特征点。4.如权利要求3所述的车辆运动轨迹估计方法，其特征在于，所述标记出所述三维点云数据与每个栅格之间的映射关系，并根据所述映射关系将三维点云数据映射到所述灰度图中作为灰度图中的特征点的步骤，包括：在目标栅格平面上形成与三维点云数据对应的点阵；点阵中的点与三维点云数据中的点对应；计算目标栅格平面上每个栅格内所有点的灰度值的平均值，将有灰度的栅格作为特征点得到灰度图；其中，所述点的灰度值由三维点云数据的回波强度得到。5.如权利要求1所述的车辆运动轨迹估计方法，其特征在于，所述在粗选范围内对相邻时刻的两帧灰度图之间的特征点进行特征匹配，得到特征匹配点对的步骤，包括：在粗选范围内通过SURF算法找到相邻时刻的两帧灰度图之间的候选特征匹配点对，再采用随机抽样一致性算法从所述候选特征匹配点对中去除无效的特征匹配点对，得到所述特征匹配点对。6.如权利要求5所述的车辆运...
【专利技术属性】
技术研发人员：赵祥模，徐志刚，王振，王润民，杨澜，闵海根，孙朋朋，魏涛，胡常英，张凯帆，王文威，王由道，
申请(专利权)人：长安大学，
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。