一种基于多线激光点云极化表征的智能车定位方法技术

本发明专利技术公开了一种基于多线激光点云极化表征的智能车定位方法，包括以下步骤：1)获得车辆的激光点云数据，对车辆当前帧的激光点云进行极化表征，生成极化图像；2)结合实时的车辆GPS数据及高精度地图对车辆进行初定位；3)提取车辆当前帧激光点云极化图像的全局特征，并与初定位结果的全局特征进行匹配，获取图像级定位结果；4)提取车辆当前帧激光点云极化图的局部特征，并与图像级定位结果的局部特征进行匹配，再根据匹配特征点对索引出激光点云特征匹配点对，利用激光点云特征匹配点对的三维坐标建立位姿关系，完成测量级定位，获取车辆最终定位结果。本发明专利技术利用极化图像寻找激光点云特征，在保证定位精度的同时，提高了车辆定位的效率。

An intelligent vehicle location method based on the polarization representation of multi line laser point cloud

【技术实现步骤摘要】
一种基于多线激光点云极化表征的智能车定位方法
本专利技术涉及计算机视觉技术，尤其涉及一种基于多线激光点云极化表征的智能车定位方法。
技术介绍
激光雷达凭借高精度、抗干扰性强、低空探测性好等优点，在自动驾驶领域占据核心位置，但传统定位算法中，激光点云数据在处理过程中资源占用较高且运行效率较低，这给自动驾驶的发展带来了极大阻碍。本专利技术利用图像技术来处理激光点云数据，在保证定位精确度的基础上，极大提高了数据处理的效率，从而大大提高了车辆定位的效率。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于多线激光点云极化表征的智能车定位方法。本专利技术解决其技术问题所采用的技术方案是：一种基于多线激光点云极化表征的智能车定位方法，包括以下步骤：1)通过激光雷达获得车辆的激光点云数据，对车辆当前帧的激光点云进行极化表征，生成极化图像；2)结合实时的车辆GPS数据及高精度地图对车辆进行初定位，获取初定位结果；3)提取车辆当前帧激光点云极化图像的全局特征，并与初定位结果的全局特征进行匹配，获取图像级定位结果；4)提取车辆当前帧激光点云极化图的局部特征，并与图像级定位结果的局部特征进行匹配，再根据匹配特征点对索引出激光点云特征匹配点对，利用激光点云特征匹配点对的三维坐标建立位姿关系，完成测量级定位，获取车辆最终定位结果。按上述方案，所述步骤1)中对激光点云进行极化表征具体如下：1.1)首先提取激光点云的三维坐标(x,y,z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x,y,z)计算各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离作为像素值，同时将其它没有赋值的像素点的像素值均设为255，获取初步的极化图像；1.2)对初步的极化图像去除地面线；1.3)像素值差异化处理，针对1.2)处理得到的极化图像，将图像中小于或等于50的像素值都乘以5并取整，将大于50的像素值随机变成251至254中一个整数值；1.4)将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，获取最终的激光点云极化图像，其中,15≥N≥10；按上述方案，所述步骤1.1)中，根据激光点云的三维坐标(x,y,z)计算各激光点云在极化图像上的像素坐标，具体如下：根据激光点云的三维坐标(x,y,z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：其中，θv为激光点云在竖直方向上的角度，(x,y,z)为激光点云的三维坐标，Lrow为激光点云在极化图像上的像素坐标v，θbottom为激光雷达在竖直方向上的起始工作角度的绝对值，θres_y为激光雷达的垂直角分辨率；再根据激光点云的三维坐标(x,y,z)计算每个激光点云在水平方向上的角度及其对应的极化图像像素坐标u，其计算公式为：其中，θh为激光点云在水平方向上的角度，(x,y,z)为激光点云的三维坐标，Lcolumn为激光点云在极化图像上的像素坐标u，θres_x为激光雷达的水平角分辨率。按上述方案，所述步骤2)获取初定位结果，具体如下：将车辆当前帧的GPS数据及地图各节点的GPS数据转换为UTM坐标，然后计算车辆当前位置与地图各节点的欧氏距离，计算公式如下：Dist＝{||Mn1-Lqi||,||Mn2-Lqi||,||Mn3-Lqi||…}其中，Mni＝(xni,yni)为地图各节点的UTM坐标，Lqi＝(xqi,yqi)为车辆当前位置的UTM坐标；根据欧氏距离的计算结果对地图节点进行排序，根据GPS的精度及地图节点的密度设定所需地图节点的个数，选取与车辆当前位置较近的若干个地图节点作为初定位结果。按上述方案，所述步骤3)中获取图像级定位结果，具体如下：将车辆当前帧的激光点云极化图像标准化为63*63(pixel)，然后利用ORB算法提取极化图像的全局特征；再将极化图像的全局特征描述符与初定位结果的全局特征描述符进行匹配，计算两特征间的汉明距离，计算公式如下：其中，X1、X2分别表示两个256位的描述符，分别表示其中的第i个；根据汉明距离计算结果，选取距离最短的地图节点作为图像级定位结果。按上述方案，所述步骤4)测量级定位具体如下：利用ORB算法提取车辆当前帧激光点云极化图像的局部特征点，然后将极化图像的局部特征描述符与图像级定位结果的局部特征描述符进行匹配，再利用RANSAC算法去除错误匹配点对，根据极化图像间的特征匹配点对索引出对应的激光点云特征匹配点对，最后利用位姿转换公式及激光点云特征匹配点对的三维坐标信息，即可求出待定位车辆与制图车辆的位姿关系R、T，进而确定待定位车辆的位姿。本专利技术产生的有益效果是：本专利技术利用极化图像寻找激光点云特征，在保证定位精确度的基础上，大大提高了车辆定位的效率。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例的方法流程图；图2是本专利技术实施例的激光点云极化图像；图3是本专利技术实施例的高精度地图示意图；图4是本专利技术实施例的极化图像局部特征点；图5是本专利技术实施例的极化图像局部特征点对应的激光点云在激光坐标系的三维坐标。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，一种基于多线激光点云极化表征的智能车定位方法，该方法首先对每一帧激光点云数据进行极化表征，生成极化图像；然后根据RTK装置采集的GPS数据进行初定位，在高精度地图中寻找与该帧激光点云极化图像欧氏距离较近的数帧激光点云极化图像，将其作为初定位结果；紧接着进行图像级定位，提取待定位极化图像的全局特征，并与初定位结果的全局特征进行匹配，计算两特征间的汉明距离，将距离最短者作为候选定位结果；最后进行测量级定位，提取待定位极化图像的局部特征，与候选定位结果的局部特征进行匹配，再根据相匹配的特征点对索引出对应的激光点云特征点对，利用激光点云特征点对的三维坐标信息即可求出车辆的位姿，从而实现车辆定位。该方法包括以下步骤：S1.对车辆当前帧的激光点云进行极化表征，生成极化图像；多线LIDAR可选用16线、32线、64线甚至更高，这里选用16线LIDAR，转速为600r/min,工作频率为10Hz,垂直视场角为-15°至+15°，水平视场角为360°，垂直角分辨率2°，水平角分辨率为0.2°；首先计算每个激光点云在竖直方向上的角度并根据该值求得激光点云在哪一条水平线上，即求得激光点云在极化图像上的像素坐标v,再计算每个激光点云在水平方向上的角度并根据该值求得激光点云在哪一条竖直线上，即求得激光点云在极化图像上的像素坐标u,以激光点云与激本文档来自技高网...

【技术保护点】
1.一种基于多线激光点云极化表征的智能车定位方法，其特征在于，包括以下步骤：/n1)通过激光雷达获得车辆的激光点云数据，对车辆当前帧的激光点云进行极化表征，生成极化图像；/n2)结合实时的车辆GPS数据及高精度地图对车辆进行初定位，获取初定位结果；/n3)提取车辆当前帧激光点云极化图像的全局特征，并与初定位结果的全局特征进行匹配，获取图像级定位结果；/n4)提取车辆当前帧激光点云极化图的局部特征，并与图像级定位结果的局部特征进行匹配，再根据匹配特征点对索引出激光点云特征匹配点对，利用激光点云特征匹配点对的三维坐标建立位姿关系，完成测量级定位，获取车辆最终定位结果。/n

【技术特征摘要】
1.一种基于多线激光点云极化表征的智能车定位方法，其特征在于，包括以下步骤：
1)通过激光雷达获得车辆的激光点云数据，对车辆当前帧的激光点云进行极化表征，生成极化图像；
2)结合实时的车辆GPS数据及高精度地图对车辆进行初定位，获取初定位结果；
3)提取车辆当前帧激光点云极化图像的全局特征，并与初定位结果的全局特征进行匹配，获取图像级定位结果；
4)提取车辆当前帧激光点云极化图的局部特征，并与图像级定位结果的局部特征进行匹配，再根据匹配特征点对索引出激光点云特征匹配点对，利用激光点云特征匹配点对的三维坐标建立位姿关系，完成测量级定位，获取车辆最终定位结果。


2.根据权利要求1所述的智能车定位方法，其特征在于，所述步骤1)中对激光点云进行极化表征具体如下：
1.1)首先提取激光点云的三维坐标(x,y,z)及点云与激光坐标系原点的距离信息，然后根据激光点云的三维坐标(x,y,z)计算各激光点云在极化图像上的像素坐标，再以激光点云与激光坐标系原点之间的距离作为像素值，同时将其它没有赋值的像素点的像素值均设为255，获取初步的极化图像；
1.2)对初步的极化图像去除地面线；
1.3)像素值差异化处理，针对1.2)处理得到的极化图像，将图像中小于或等于50的像素值都乘以5并取整，将大于50的像素值随机变成251至254中一个整数值；
1.4)将极化图像沿图像水平方向剪切成尺寸相等的N块矩形图像，然后沿图像竖直方向按顺序拼接，获取最终的激光点云极化图像，其中,N取值10到15之间。


3.根据权利要求2所述的智能车定位方法，其特征在于，，所述步骤1.1)中，根据激光点云的三维坐标(x,y,z)计算各激光点云在极化图像上的像素坐标，具体如下：
根据激光点云的三维坐标(x,y,z)计算每个激光点云在竖直方向上的角度及其对应的极化图像像素坐标v，其计算公式为：



其中，θv为激光点云在竖直方向上的角度，(x,y,z)为激光点云的三维坐标，Lrow为激光点云在极化图像上的像素坐标v，θbottom为激光雷达在竖直方向上的起始工作角度的绝对值，θres_y为激光雷达的垂直角分辨率；
再...

【专利技术属性】
技术研发人员：胡钊政，李飞，陈佳良，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42