用于自主车辆的基于ADMM算法的更新点云配准管线制造技术

本发明专利技术提供了一种用于自主车辆的基于ADMM算法的更新点云配准管线。在一个实施例中，公开了一种用于自主驾驶车辆(ADV)的LIDAR位姿的点云配准的系统和方法。方法选择在数据捕获阶段具有较高置信度的点云的位姿作为固定锚位姿。固定锚点用于在点云配准期间估计和优化非锚点的位姿。方法可以将点云划分为块以通过最小化用正则项更新的捆绑调整方程的成本函数来针对每个块并行执行ICP算法。正则项可以测量位姿的当前估计和先前或初始估计之间的差。方法还可以在求解位姿图问题时最小化用正则项更新的捆绑调整方程，以合并来自块的优化位姿以在块之间建立连接。

【技术实现步骤摘要】
用于自主车辆的基于ADMM算法的更新点云配准管线
本公开的实施例总体上涉及操作自主驾驶车辆。更具体地，本公开的实施例涉及用于自主驾驶车辆(ADV)的点云配准的方法。
技术介绍
以自主模式(例如，无人驾驶)操作的车辆可以减轻乘员(特别是驾驶员)免于某些与驾驶有关的责任。当以自主模式操作时，车辆可以使用车载传感器导航到各种位置，允许车辆在最少的人机交互、或者在某些情况下无需任何乘客的情况下行进。运动规划和控制是自主驾驶中的关键操作。运动规划和控制操作的准确性和效率取决于车辆的传感器以及导航的区域的高清(HD)二维(2D)或三维(3D)点云图。诸如相机、光检测和测距(LIDAR)单元、雷达等的传感器用于捕获车辆周围环境的视频和电磁图像。ADV可以处理由传感器捕获的信息以及由HD3D点云图提供的交通元素和道路特征，以感知ADV周围的驾驶环境，用于规划ADV的运动。诸如LIDAR传感器的传感器也用于捕获待映射区域的数据点。对应于用于在特定时间点捕获数据点的LIDAR传感器的位姿(例如，位置和方向)的数据点被称为点云。由LIDAR传感器在许本文档来自技高网...

【技术保护点】
1.一种用于自主驾驶的配准点云的计算机实现的方法，方法包括：/n从与具有待映射的多个块的区域的多个点云相关联的多个初始位姿中选择一个或多个锚位姿；/n从每个块中的多个点云中识别一个或多个帧对，每个帧对包括锚位姿中的一个和多个非锚位姿中的一个；/n参考固定在每个块中的锚位姿优化非锚位姿，以通过限制非锚位姿的初始位姿和优化位姿之间的差，基于每个帧对之间的多个点对生成非锚位姿的优化位姿；以及/n合并优化位姿，以针对块之间的重叠区域中的区域的点云生成多个优化位姿。/n

【技术特征摘要】
20191122 US 16/692,9561.一种用于自主驾驶的配准点云的计算机实现的方法，方法包括：
从与具有待映射的多个块的区域的多个点云相关联的多个初始位姿中选择一个或多个锚位姿；
从每个块中的多个点云中识别一个或多个帧对，每个帧对包括锚位姿中的一个和多个非锚位姿中的一个；
参考固定在每个块中的锚位姿优化非锚位姿，以通过限制非锚位姿的初始位姿和优化位姿之间的差，基于每个帧对之间的多个点对生成非锚位姿的优化位姿；以及
合并优化位姿，以针对块之间的重叠区域中的区域的点云生成多个优化位姿。


2.根据权利要求1所述的方法，其中，参考固定在每个块中的锚位姿优化非锚位姿包括：
求解包括每个块中非锚位姿的正则项的迭代最近点(ICP)算法，以生成非锚位姿的优化位姿。


3.根据权利要求2所述的方法，其中，非锚位姿的正则项包括非锚位姿的初始位姿和优化位姿之间的差，并且其中，求解包括每个块中非锚位姿的正则项的ICP算法，以生成非锚位姿的优化位姿，包括：
最小化用正则项更新的捆绑调整方程。


4.根据权利要求1所述的方法，其中，合并来自多个块的非锚位姿的优化位姿包括：
求解包括块之间的重叠区域中非锚位姿的正则项的位姿图问题。


5.根据权利要求4所述的方法，其中，求解包括块之间的重叠区域中非锚位姿的正则项的位姿图问题包括：
最小化用正则项更新的捆绑调整方程。


6.根据权利要...

【专利技术属性】
技术研发人员：何润欣，宋适宇，余丽，丁文东，袁鹏飞，
申请(专利权)人：百度美国有限责任公司，
类型：发明
国别省市：美国;US