【技术实现步骤摘要】
交通场景稀疏激光点云拼接方法
本专利技术属于无人驾驶汽车
，尤其涉及一种交通场景稀疏激光点云拼接方法。
技术介绍
高精度地图是无人驾驶领域非常重要的部分，它能够提供准确的道路结构、道路元素信息、周边场景信息等。基于三维激光点云，辅助使用视觉图像，抽取对应元素创建高精度地图是现在的主流方法，包括数据采集和地图创建两个阶段。在数据采集阶段，使用车载数据采集平台，获取相关环境的激光点云和图像数据，并记录车辆GPS位置信息。在地图创建阶段，将单帧激光点云数据根据时间和空间信息拼接在一起，得到相关环境在全局坐标系下的激光点云，再抽取感兴趣的环境要素，创建高精度地图。在数据采集阶段，现有方法通常使用昂贵的高线数激光雷达采集密集点云数据，如32线、40线、64线等激光雷达，导致高精度地图制作成本高。因此，需要一种能使用低成本的低线数激光雷达(如16线)进行高精度地图制作的方法。但是低线数激光雷达采集的点云数据比高线数激光雷达稀疏，而将现有的密集点云匹配的方法，如4点法(4-PointsCongruentSets)、ICP(IterativeClosestPoint)等方法...
【技术保护点】
1.一种交通场景稀疏激光点云拼接方法，其特征是：利用低线数激光雷达扫描的稀疏点云数据和GPS‑IMU单元采集的高精度位置和姿态信息，进行点云特征提取及点云拼接，结合GPS‑IMU单元采集的位置信息，将局部坐标数据转换到全局坐标系，拼接形成高精度地图，具体步骤如下：步骤一、数据采集低线数激光雷达安装在车顶或车辆前端采集初始数据帧，初始数据帧包括低线数激光雷达扫描的稀疏点云数据和GPS‑IMU单元采集的高精度位置和姿态信息；步骤二、点云特征提取提取第k帧初始数据帧中激光点云数据的点、线、面和圆柱体特征；其中，除常规的点、线、面和圆柱体特征外，同时根据交通场景的特殊性，针对性地设...
【技术特征摘要】
1.一种交通场景稀疏激光点云拼接方法，其特征是：利用低线数激光雷达扫描的稀疏点云数据和GPS-IMU单元采集的高精度位置和姿态信息，进行点云特征提取及点云拼接，结合GPS-IMU单元采集的位置信息，将局部坐标数据转换到全局坐标系，拼接形成高精度地图，具体步骤如下：步骤一、数据采集低线数激光雷达安装在车顶或车辆前端采集初始数据帧，初始数据帧包括低线数激光雷达扫描的稀疏点云数据和GPS-IMU单元采集的高精度位置和姿态信息；步骤二、点云特征提取提取第k帧初始数据帧中激光点云数据的点、线、面和圆柱体特征；其中，除常规的点、线、面和圆柱体特征外，同时根据交通场景的特殊性，针对性地设计包括车道线的线特征，不同反射率的铺装路面、绿化带、建筑物立面、交通标识牌的面特征，树干、灯柱、交通标识支架的圆柱体特征；具体为，a.点特征，即原始点云数据，记为集合Pk＝{p}k；b.线特征，根据激光点反射率大小不同，提取和车道线有关的直线，记为Lk＝{l}k；c.面特征，提取地面和建筑物立面，记为Sk＝{s}k；d.圆柱体特征，提取灯柱、树干和交通标识支架，记为Ck＝{c}k；步骤三、点云拼接a.对已拼接的前k-1帧点云，提取点、线、面、圆柱体特征，同步骤二所述，分别记为,P1_k-1＝{p}1_k-1，L1_k-1＝{l}1_k-1，S1_k-1＝{s}1_k-1，C1_k-1＝{c}1_k-1b.基于提取的点云结构特征，求解使得第k帧点云和前k-1帧拼接点云之间距离最小的平移向量和旋转矩阵，平移向量记为Tk，旋转矩阵记为R...
【专利技术属性】
技术研发人员：王超，张天雷，何贝，刘鹤云，郑思仪，
申请(专利权)人：北京主线科技有限公司，
类型：发明
国别省市：北京,11
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。