【技术实现步骤摘要】
激光里程计的特征存储方法、电子设备和存储介质
本专利技术涉及自动驾驶
，特别是一种激光里程计的特征存储方法、电子设备和计算机可读存储介质。
技术介绍
在自动驾驶领域，为了对车辆进行定位，需要构造环境地图。目前主要通过激光SLAM(SimultaneousLocalizationandMapping，同步定位与建图)来构造环境地图。激光SLAM是一种基于激光雷达的实时定位和建图算法，分为前端和后端。前端称为激光里程计，用于估计两帧激光点云间的位姿。后端称为非线性优化，用于减少前端帧间配准的累积误差。前端输出的点云特征存储后用于后端进行非线性优化。现有技术中，前端输出的点云特征主要有以下两种存储方式：第一种，基于UDP(UserDatagramProtocol，用户数据报协议)包的格式存储。这种存储方式一般用于原始激光点云的存储，在存储时可以按照激光点云的扫描面和扫描线的配置信息有序存储。由于扫描面和扫描线的配置信息保存在激光雷达的配置文件中，而每种激光雷达的配置文件并不相同，因此，基于UDP包的格式存储需...
【技术保护点】
1.一种激光里程计的特征存储方法，其特征在于，包括：/n接收激光里程计的输入数据，所述输入数据至少包括时间连续的各帧激光点云；/n对各帧激光点云进行特征提取得到点云特征，所述点云特征包括多个激光特征点在直角坐标系下的直角坐标值；/n根据各所述激光特征点的直角坐标值计算各所述激光特征点的极坐标值；/n根据预设长度分辨率和预设角度分辨率对所述极坐标值进行离散化得到各所述激光特征点的离散极坐标值，从而得到包括多个所述激光特征点的离散极坐标值的转换后点云特征；/n将各帧激光点云的所述转换后点云特征作为所述激光里程计输出的各帧激光特征的至少一部分进行存储。/n
【技术特征摘要】
1.一种激光里程计的特征存储方法，其特征在于，包括：
接收激光里程计的输入数据，所述输入数据至少包括时间连续的各帧激光点云；
对各帧激光点云进行特征提取得到点云特征，所述点云特征包括多个激光特征点在直角坐标系下的直角坐标值；
根据各所述激光特征点的直角坐标值计算各所述激光特征点的极坐标值；
根据预设长度分辨率和预设角度分辨率对所述极坐标值进行离散化得到各所述激光特征点的离散极坐标值，从而得到包括多个所述激光特征点的离散极坐标值的转换后点云特征；
将各帧激光点云的所述转换后点云特征作为所述激光里程计输出的各帧激光特征的至少一部分进行存储。
2.根据权利要求1所述的特征存储方法，其特征在于，所述直角坐标值包括x轴坐标、y轴坐标和z轴坐标；
所述极坐标值包括长度值、垂直角和水平角；
所述根据各所述激光特征点的直角坐标值计算各所述激光特征点的极坐标值，包括：
根据各所述激光特征点的x轴坐标、y轴坐标和z轴坐标，按照下式(1)、(2)和(3)，计算各所述激光特征点的长度值l、垂直角β和水平角α：
其中，x、y和z分别表示各所述激光特征点的x轴坐标、y轴坐标和z轴坐标。
3.根据权利要求2所述的特征存储方法，其特征在于，所述根据预设长度分辨率和预设角度分辨率对所述极坐标值进行离散化得到各所述激光特征点的离散极坐标值，包括：
将各所述激光特征点的长度值l与所述预设长度分辨率相除，并对相除得到的商进行取整，得到各所述激光特征点的离散长度值l_sampling；
将各所述激光特征点的垂直角β和水平角α分别与所述预设角度分辨率相除，并对相除得到的商进行取整，得到各所述激光特征点的离散垂直角β_sampling和离散水平角α_sampling。
4.根据权利要求3所述的特征存储方法，其特征在于，在将各帧激光点云的所述转换后点云特征作为所述激光里程计输出的各帧激光特征的至少一部分进行存储之后，还包括：
读取所存储的各帧激光特征，根据各所述激光特征点的离散极坐标值、所述预设长度分辨率和所述预设角度分辨率，反向计算得到各所述激光特征点的直角坐标值，以用于对所述激光里程计输出的各帧激光特征进行非线性优化。
5.根据权利要求1所述的特征存储方法，其特征在于，所述对各帧激光点云进行特征提取得到点云特征，包括：
使用指定边长的三维网格对所述各帧激光点云进行降采样；
将降采样得到的点云作为所述点云特征。
6.根据权利要求1所述的特征存储方法，其特征在于，所述输入数据还包括惯性测量单元的测量数据、车轮转速和卫星定位数据；
在对各帧激光点云进行特征提取得到点云特征之后，所述特征存储方法还包括：<...
【专利技术属性】
技术研发人员：杨再甫，林宝尉，鲁荣荣，李正宁，傅文标，马可，
申请(专利权)人：湖北亿咖通科技有限公司，
类型：发明
国别省市：湖北;42
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。