基于激光里程计的车辆定位方法、装置、设备和存储介质制造方法及图纸

本申请实施例提供一种基于激光里程计的车辆定位方法、装置、设备和存储介质，通过获取激光雷达连续采集的多帧环境传感数据，环境传感数据包括三维点云数据和反射强度数据，对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含相邻两帧环境传感数据的数据信息的高维数据，根据高维数据，通过深度神经网络模型确定相邻两帧环境传感数据之间的位姿转换关系，得到车辆的位姿数据，在不需要依赖人工设定的环境特征的情况下，实现了车辆定位，并提高了车辆定位的鲁棒性和准确性。

【技术实现步骤摘要】
基于激光里程计的车辆定位方法、装置、设备和存储介质
本申请实施例涉及自动驾驶
，尤其涉及一种基于激光里程计的车辆定位方法、装置、设备和存储介质。
技术介绍
智能网联车辆是一种具备环境感知、行为决策、自动控制等自主行驶能力的车辆，又称为无人驾驶车辆或轮式机器人。智能网联车辆能够将机动车驾驶人从枯燥繁琐的驾驶操作中解放出来，依靠人工智能、机器视觉等技术，避免甚至杜绝了因驾驶员个人因素导致的交通问题。智能网联车辆所涉及的领域包括：传感器技术、信号处理、模式识别、人工智能、计算机技术、自动控制等众多学科，是当今各种前沿热门技术的综合实验载体。它既包括科学理论方法的研究，也包括关键技术的突破，还涉及到大量工程实践问题的解决。因此，智能网联车辆中的自动驾驶技术具有重要的科研价值和广阔的应用前景。激光里程计作为智能网联车辆定位系统中的关键技术，能够为智能网联车辆提供准确的车辆位姿信息(包括车辆位置及姿态信息)，是车辆完成自动驾驶行为决策和路径规划的重要基础。激光里程计对智能网联车辆的重要作用已经取得了广泛的共识，无论在科研机构还是工业界，大量智能网联车辆已经配备激光雷达传感器并使用了激光里程计技术作为车辆定位的核心。目前，通过激光里程计进行车辆定位主要包括特征提取、数据关联和状态估计等几个步骤。然而，现有技术中的激光里程计主要依赖于人工设定的环境特征，如标志性物体，进行特征提取，无法保证特征提取的精度和鲁棒性，进而影响确定的车辆位姿信息的准确性。
技术实现思路
本申请实施例提供一种基于激光里程计的车辆定位方法、装置、设备和存储介质，以解决现有技术中存在的精度和鲁棒性不高的问题。第一方面，本申请实施例提供一种基于激光里程计的车辆定位方法，包括：获取激光雷达连续采集的多帧环境传感数据，所述环境传感数据包括三维点云数据和反射强度数据；对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据；根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。可选地，所述深度神经网络模型包括残差卷积神经网络和全连接神经网络；所述根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据，包括：通过所述残差卷积神经网络对所述高维数据进行下采样，得到高维特征数据；根据所述高维特征数据，通过全连接神经网络计算所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。可选地，所述对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据，包括：根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据进行坐标变换，得到车辆坐标系下所述相邻两帧环境传感数据的变换结果数据；采用球形投影法，将所述变换结果数据投影到预设的多通道二维平面上，得到所述相邻两帧环境传感数据的多通道投影结果数据；对所述相邻两帧环境传感数据的多通道投影结果数据进行维度扩展，得到包含所述相邻两帧环境传感数据的多通道投影结果数据的高维数据。可选地，所述根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据的进行坐标变换，得到车辆坐标系下所述相邻两帧环境传感数据的变换结果数据，包括：所述根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据的三维点云数据进行坐标变换，得到所述相邻两帧环境传感数据的三维点云数据的坐标变换数据；确定所述相邻两帧环境传感数据的坐标变换数据到坐标原点的距离数据；根据同一帧环境传感数据对应的反射强度数据、距离数据和坐标变换数据，生成所述相邻两帧环境传感数据的变换结果数据。可选地，所述多通道二维平面包括第一坐标数据通道、第二坐标数据通道、第三坐标数据通道、距离数据通道和反射强度数据通道，其中，所述第一坐标数据、所述第二坐标数据和所述第三坐标数据为所述坐标变换数据中的坐标数据。可选地，所述采用球形投影法，将所述变换结果数据投影到预设的多通道二维平面上，得到所述相邻两帧环境传感数据的多通道投影结果数据，包括：采用如下公式，将所述变换结果数据投影到预设的多通道二维平面上，得到所述相邻两帧环境传感数据的多通道投影结果数据：v＝[1-(arcsin(zv/d)+fup)/f]Nh其中，xv、yv、zv表示三维点云数据的坐标变换数据，d表示坐标变换数据到坐标原点的距离数据，f表示激光雷达的垂直视角，fup表示表示激光雷达的最大向上视角，Nw表示多通道二维平面的宽度，Nh表示多通道二维平面的长度。可选地，所述根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据之前，所述方法还包括：获取模型训练数据，所述模型训练数据包括环境传感数据和车辆位置数据；采用所述模型训练数据，对所述深度神经网络模型的待训练参数进行训练，得到所述深度神经网络模型的模型参数。第二方面，本申请实施例提供一种基于激光里程计的车辆定位装置，包括：获取模块，用于获取激光雷达连续采集的多帧环境传感数据，所述环境传感数据包括三维点云数据和反射强度数据；处理模块，用于对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据；根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。第三方面，本申请实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述的基于激光里程计的车辆定位方法。第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于激光里程计的车辆定位方法。本申请实施例提供的基于激光里程计的车辆定位方法、装置、设备和存储介质，通过获取激光雷达连续采集的多帧环境传感数据，环境传感数据包括三维点云数据和反射强度数据，对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含相邻两帧环境传感数据的数据信息的高维数据，根据高维数据，通过深度神经网络模型确定相邻两帧环境传感数据之间的位姿转换关系，得到车辆的位姿数据，在不需要依赖人工设定的环境特征的情况下，实现了车辆定位，并提高了车辆定位的鲁棒性和准确性。附图说明图1为本申请实施例的应用场景示意图；图2为本申请实施例一提供的基于激光里程计的车辆定位方法的流程示意图；图3为本申请实施例一提供的相邻两帧环境传感数据的预处理过程示意图；图4为本申请实施例一提供的深度神经网络模型的结构示意图；图5为本申请实施例二提供的深度神经网络模型的训练方法的流程示意图；图6为本申请实施本文档来自技高网...

【技术保护点】
1.一种基于激光里程计的车辆定位方法，其特征在于，包括：/n获取激光雷达连续采集的多帧环境传感数据，所述环境传感数据包括三维点云数据和反射强度数据；/n对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据；/n根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。/n

【技术特征摘要】
1.一种基于激光里程计的车辆定位方法，其特征在于，包括：
获取激光雷达连续采集的多帧环境传感数据，所述环境传感数据包括三维点云数据和反射强度数据；
对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据；
根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。


2.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型包括残差卷积神经网络和全连接神经网络；所述根据所述高维数据，通过深度神经网络模型确定所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据，包括：
通过所述残差卷积神经网络对所述高维数据进行下采样，得到高维特征数据；
根据所述高维特征数据，通过全连接神经网络计算所述相邻两帧环境传感数据之间的位姿转换关系，得到所述车辆的位姿数据。


3.根据权利要求1所述的方法，其特征在于，所述对相邻两帧环境传感数据进行坐标变换和投影变换，得到包含所述相邻两帧环境传感数据的数据信息的高维数据，包括：
根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据进行坐标变换，得到车辆坐标系下所述相邻两帧环境传感数据的变换结果数据；
采用球形投影法，将所述变换结果数据投影到预设的多通道二维平面上，得到所述相邻两帧环境传感数据的多通道投影结果数据；
对所述相邻两帧环境传感数据的多通道投影结果数据进行维度扩展，得到包含所述相邻两帧环境传感数据的多通道投影结果数据的高维数据。


4.根据权利要求3所述的方法，其特征在于，所述根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据的进行坐标变换，得到车辆坐标系下所述相邻两帧环境传感数据的变换结果数据，包括：
所述根据激光雷达坐标系到车辆坐标系的变换关系，对所述相邻两帧环境传感数据的三维点云数据进行坐标变换，得到所述相邻两帧环境传感数据的三维点云数据的坐标变换数据；
确定所述相邻两帧环境传感数据的坐标变换数据到坐标原点的距离数据；
根据同一帧环境传感数据对应的反射强度数据、距离数据和坐标变换数据，生成所述相邻两帧环境传感数据的变换结果数据。


5.根据权利要求4所述的方法，其...

【专利技术属性】
技术研发人员：张怡欢，王亮，曾勇，戴一凡，
申请(专利权)人：清华大学苏州汽车研究院吴江，清华大学，
类型：发明
国别省市：江苏;32