【技术实现步骤摘要】
激光点云参数化语义特征匹配方法、装置、设备和存储介质
[0001]本专利技术实施例涉及计算机
，尤其涉及一种激光点云参数化语义特征匹配方法、装置、设备和存储介质。
技术介绍
[0002]实时定位建图(simultaneous localization and mapping，SLAM)为智能驾驶或者智能机器人提供了进行控制决策的数据基础，对于智能驾驶或者智能机器人的安全运行至关重要，而激光雷达具有测量精度高，不受周围环境光线影响的特点，因此，基于激光雷达的定位建图是定位建图的主流方案。在基于激光雷达的定位建图方案中，激光里程计算是一个基础技术，激光里程计算的精度越高，越有益于定位建图。
[0003]现有激光里程计计算一般基于激光点云的几何特征进行激光点云帧(简称点云帧)到激光点云子地图(简称子地图)匹配，从而获得激光雷达的位姿，但是当所述子地图的表面有过多噪点时，会影响点云帧和子地图匹配的精度，进而影响确定出的激光雷达位姿的精度。因此，如何提高基于激光点云几何特征匹配得到的激光雷达位姿的精度，成为本领域技术人员
【技术保护点】
【技术特征摘要】
1.一种激光点云参数化语义特征匹配方法，包括：从激光点云帧中，获取用于参数化处理的语义点云；按所述语义点云的类型，对所述语义点云进行切分，得到相应类型的语义点云分段；将所述语义点云分段进行参数化处理，得到相应类型的参数化语义特征；将所述相应类型的参数化语义特征组合为当前参数化语义特征帧；将多个历史参数化语义特征帧组合为参数化语义特征子图；至少基于所述当前参数化语义特征帧与所述参数化语义特征子图进行线到线和面到面的特征匹配，得到采集所述激光点云帧的激光雷达的位姿。2.根据权利要求1所述的方法，其中，所述从激光点云帧中，获取用于参数化处理的语义点云，包括：从所述激光点云帧中，去除具有动态语义信息的语义点云，得到所述用于参数化处理的语义点云。3.根据权利要求1所述的方法，其中，所述按所述语义点云的类型，对所述语义点云进行切分，得到相应类型的语义点云分段，包括：根据地面语义标签，对所述语义点云进行网络化切分，得到分别与多个网格对应的多组点云，其中，每组点云与所述语义点云的中心之间的距离与该组点云对应的网格的分辨率具有正相关关系，其中，所述将所述语义点云分段进行参数化处理，得到相应类型的参数化语义特征，包括：基于所述多组点云各自的平面拟合参数、置信度、包围盒中心点位置和所述地面语义标签中的至少一者，确定所述参数化语义特征。4.根据权利要求1所述的方法，其中，所述按所述语义点云的类型，对所述语义点云进行切分，得到相应类型的语义点云分段，包括：根据杆状物语义标签，对所述语义点云进行聚类处理，得到多个聚类，其中，所述将所述语义点云分段进行参数化处理，得到相应类型的参数化语义特征，包括：基于所述多个聚类各自的线性拟合参数、置信度、包围盒中心点位置和所述杆状物语义标签中的至少一者，确定所述参数化语义特征。5.根据权利要求1所述的方法，其中，所述按所述语义点云的类型，对所述语义点云进行切分，得到相应类型的语义点云分段，包括：根据交通标志牌语义标签，对所述语义点云进行聚类处理，得到多个聚类；基于所述多个聚类，分别确定多组主平面点，作为相应类型的语义点云分段，其中，所述将所述语义点云分段进行参数化处理，得到相应类型的参数化语义特征，包括：基于所述多组主平面点各自的线性拟合参数、置信度、包围盒中心点位置和所述交通标志牌语义标签，确定所述参数化语义特征。6.根据权利要求5所述的方法，其中，所述基于所述多个聚类，分别确定多组主平面点，包括：基于每个聚类进行多次迭代处理，确定该聚类的一组主平面点，以得到多组主平面点，
其中，在每次迭代处理中，基于大于目标点数阈值的当前一组点进行平面拟合，并且在所述当前一组点中去除内置点，直到经由所述多次迭代处理后得到小于所述目标点数阈值的所述一组主平面点。7.根据权利要求1所述的方法，其中，所述按所述语义点云的类型，对所述语义点云进行切分，得到相应类型的语义点云分段，包括：根据建筑物语义标签，对所述语义点云进行平面切分处理，得到多组点云；基于所述多组点云，分别确定多组主平面点，作为相应类型的语义点云分段，其中，所述将所述语义点云分段进行参数化处理，得到相应类型的参数化语义特征，包括：基于所述多组主平面点各自的线性拟合参数、置信度、包围盒中心点位置和所述交通标志牌语义标签，确定所述参数化语义特征。8.根据权利要求7所述的方法，其中，所述基于所述多组点云，分别确定多组主平面点，包括：基于每组点云分段进行多次迭代处理，确定该组点云的一组主平面点，以得到多组主平面点，其...
【专利技术属性】
技术研发人员：陈贵宾，邓欢军，张硕，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：
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。