基于激光点云杆状物特征提取和匹配的定位方法及系统技术方案

本发明专利技术提供了一种基于激光点云杆状物特征提取和匹配的定位方法及系统，方法包括如下步骤：步骤S1：利用带有激光雷达的数据采集车对环境进行扫描，得到激光点云地图；步骤S2：对激光点云地图进行高度过滤、聚类、特征粗提取和特征精提取，得到地图杆状物特征；步骤S3：利用车辆的激光雷达对车辆周围环境进行扫描，得到实时激光点云；步骤S4：对实时激光点云进行高度过滤、雷达线数特性过滤、聚类、特征粗提取和特征精提取，得到实时杆状物特征；步骤S5：对地图杆状物特征和实时杆状物特征进行特征匹配和非线性优化，得到车辆位姿。本发明专利技术综合高度过滤、聚类、特征粗、精提取方法对激光点云地图进行杆状物特征提取，提高车辆定位精度。提高车辆定位精度。提高车辆定位精度。

【技术实现步骤摘要】
基于激光点云杆状物特征提取和匹配的定位方法及系统


[0001]本专利技术涉及激光定位的
，具体地，涉及基于激光点云杆状物特征提取和匹配的定位方法及系统，尤其涉及一种使用树干等杆状物特征进行激光定位的方法。

技术介绍

[0002]基于激光雷达点云地图的特征定位已经成为自动驾驶高精定位极其重要的一部分，尤其是GPS信号长期不稳定的场景，该定位方法常使用环境的线、面特征，深度学习方法提取的特征与人工放置的固定特征。特征的鲁棒性和复杂度会直接影响定位的性能，线、面特征依赖于环境的结构性，深度学习方法会增加定位的复杂度，人工放置固定特征会增加人工复杂度而稀疏特性却无法明显提升定位的性能。
[0003]在公告号为CN113313081B的专利文献中公开了融合车载三维激光点云与影像的道路交通杆状物分类方法，包括如下步骤，获取点云和影像数据；剔除点云中的地面点得到预分割体，进行切片并对连续切片集合进行特征约束，将符合特征约束的连续切片集合作为杆状物原始种子点；通过生长算法对杆状物原始种子点进行生长，得到完整的杆状物点云，以获得杆状物点云的精确位置信息；根据点云与全景影像的对应关系，将杆状物点云投射到全景影像上得到杆状物点云相应的影像范围；利用训练后的Mask
‑
RCNN对影像进行实例分割，得到杆状物的实例分割信息，利用杆状物点云在全景影像中的范围对其进行精细分类。
[0004]因此，需要提出一种新的技术方案以改善上述技术问题。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种基于激光点云杆状物特征提取和匹配的定位方法及系统。
[0006]根据本专利技术提供的一种基于激光点云杆状物特征提取和匹配的定位方法，包括：
[0007]步骤S1：利用带有激光雷达的数据采集车对环境进行扫描，得到激光点云地图；
[0008]步骤S2：对所述激光点云地图进行高度过滤、聚类、特征粗提取和特征精提取，得到地图杆状物特征；
[0009]步骤S3：利用车辆的激光雷达对车辆周围环境进行扫描，得到实时激光点云；
[0010]步骤S4：对所述实时激光点云进行高度过滤、雷达线数特性过滤、聚类、特征粗提取和特征精提取，得到实时杆状物特征；
[0011]步骤S5：对所述地图杆状物特征和所述实时杆状物特征进行特征匹配和非线性优化，得到车辆位姿。
[0012]优选地，所述高度过滤包括：在激光点云中选取距离地面高度大于第一高度值的所有点，过滤掉其他点，得到高度过滤后点云；
[0013]所述雷达线数特性过滤包括：针对所述高度过滤后点云，利用激光雷达单线扫描点云的特性，将单线点云中的各个点按照扫描的先后顺序依次排列，再根据点与点的间距
分割出多个点云段，选取长度在第一长度值以内的所有点云段，过滤掉其他点云段，得到线数特性过滤后点云；
[0014]所述聚类包括：对所述高度过滤后点云或者所述线数特性过滤后点云进行欧氏聚类，然后选取聚类中心周围第一半径值范围内的所有点，构成对应的聚类点云簇；
[0015]所述特征粗提取包括：对所述聚类点云簇进行主成分分析，提取出最大特征值对应特征向量的z轴分量f
z
，判断其是否大于第一特征阈值f
th
，若是，则选取所述聚类点云簇作为备选点云簇，若否，则滤除所述聚类点云簇。
[0016]优选地，所述特征精提取包括：
[0017]步骤T1：将备选点云簇中的所有点按照z坐标从小到大排序，设置一个高度为d的滑动窗口，然后在备选点云簇的z轴方向上，针对滑动窗口自下而上设置m个停留位置，最底部对应第1个停留位置，最顶部对应第m个停留位置；
[0018]步骤T2：将滑动窗口放置在第一个停留位置上，k＝0，高度差值h1＝0；
[0019]步骤T3：当滑动窗口位于第i个停留位置时(i＝1,2,
…
,m)，根据z坐标截取处于滑动窗口内的点云，然后对窗口内点云进行主成分分析，提取出最大特征值对应特征向量的z轴分量g
zi
；
[0020]步骤T4：判断g
zi
是否大于第二阈值g
th
，若是，进入步骤T5，若否，令高度差值h
i
＝0且令k＝0，然后进入步骤T6；
[0021]步骤T5：k的值加1，然后判断k值的大小，若k＝1，记录此时滑动窗口的起点位置h
l1
和终点位置h
u1
，计算高度差值h
i
＝h
u1
–
h
l1
，若k>1，记录此时滑动窗口的终点位置h
ek
，计算高度差值h
i
＝h
uk
–
h
l1
；
[0022]步骤T6：判断i是否等于m，若否，则将滑动窗口向上移动到下一个停留位置，即i的值加1，然后跳回步骤T3，若是，则进入步骤T7；
[0023]步骤T7：从所有高度差值h
i
(i＝1,2,
…
,m)中选出最大的高度差值h
max
，确定h
max
对应的上边界h
u
和下边界h
l
，然后选取备选点云簇中位于h
u
和h
l
之间的点，得到目标点云簇，即杆状物特征。
[0024]优选地，所述滑动窗口的m个停留位置，根据所述备选点云簇在z轴方向上的高度，通过固定设置相邻两个停留位置的间距得到，或者根据所述备选点云簇中的点在z轴方向上的分布，自下而上每固定数量的点或每个高度的点设置一个停留位置得到。
[0025]优选地，在步骤S4的特征精提取中，采用多帧拼接或者降采样的方法维持点云密集度，其中多帧拼接使用帧与帧之间的里程计位姿，将前几帧提取的杆状物特征全部转换到当前帧的坐标系下，共同作为当前帧的杆状物特征。
[0026]本专利技术还提供一种基于激光点云杆状物特征提取和匹配的定位系统，包括：
[0027]激光点云地图构建模块：利用带有激光雷达的数据采集车对环境进行扫描，得到激光点云地图；
[0028]地图杆状物特征提取模块：对所述激光点云地图进行高度过滤、聚类、特征粗提取和特征精提取，得到地图杆状物特征；
[0029]实时激光点云获取模块：利用车辆的激光雷达对车辆周围环境进行扫描，得到实时激光点云；
[0030]实时杆状物特征提取模块：对所述实时激光点云进行高度过滤、雷达线数特性过
滤、聚类、特征粗提取和特征精提取，得到实时杆状物特征；
[0031]位姿获取模块：对所述地图杆状物特征和所述实时杆状物特征进行特征匹配和非线性优化，得到车辆位姿。
[0032]优选地，所述地图杆状物特征提取模块和所述实时杆状物特征提取模块进行高度过滤的单元包括在激光点云中选取距离地面高度大于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光点云杆状物特征提取和匹配的定位方法，其特征在于，包括：步骤S1：利用带有激光雷达的数据采集车对环境进行扫描，得到激光点云地图；步骤S2：对所述激光点云地图进行高度过滤、聚类、特征粗提取和特征精提取，得到地图杆状物特征；步骤S3：利用车辆的激光雷达对车辆周围环境进行扫描，得到实时激光点云；步骤S4：对所述实时激光点云进行高度过滤、雷达线数特性过滤、聚类、特征粗提取和特征精提取，得到实时杆状物特征；步骤S5：对所述地图杆状物特征和所述实时杆状物特征进行特征匹配和非线性优化，得到车辆位姿。2.根据权利要求1所述的基于激光点云杆状物特征提取和匹配的定位方法，其特征在于，所述高度过滤包括：在激光点云中选取距离地面高度大于第一高度值的所有点，过滤掉其他点，得到高度过滤后点云；所述雷达线数特性过滤包括：针对所述高度过滤后点云，利用激光雷达单线扫描点云的特性，将单线点云中的各个点按照扫描的先后顺序依次排列，再根据点与点的间距分割出多个点云段，选取长度在第一长度值以内的所有点云段，过滤掉其他点云段，得到线数特性过滤后点云；所述聚类包括：对所述高度过滤后点云或者所述线数特性过滤后点云进行欧氏聚类，然后选取聚类中心周围第一半径值范围内的所有点，构成对应的聚类点云簇；所述特征粗提取包括：对所述聚类点云簇进行主成分分析，提取出最大特征值对应特征向量的z轴分量f
z
，判断其是否大于第一特征阈值f
th
，若是，则选取所述聚类点云簇作为备选点云簇，若否，则滤除所述聚类点云簇。3.根据权利要求1所述的基于激光点云杆状物特征提取和匹配的定位方法，其特征在于，所述特征精提取包括：步骤T1：将备选点云簇中的所有点按照z坐标从小到大排序，设置一个高度为d的滑动窗口，然后在备选点云簇的z轴方向上，针对滑动窗口自下而上设置m个停留位置，最底部对应第1个停留位置，最顶部对应第m个停留位置；步骤T2：将滑动窗口放置在第一个停留位置上，k＝0，高度差值h1＝0；步骤T3：当滑动窗口位于第i个停留位置时(i＝1,2,
…
,m)，根据z坐标截取处于滑动窗口内的点云，然后对窗口内点云进行主成分分析，提取出最大特征值对应特征向量的z轴分量g
zi
；步骤T4：判断g
zi
是否大于第二阈值g
th
，若是，进入步骤T5，若否，令高度差值h
i
＝0且令k＝0，然后进入步骤T6；步骤T5：k的值加1，然后判断k值的大小，若k＝1，记录此时滑动窗口的起点位置h
l1
和终点位置h
u1
，计算高度差值h
i
＝h
u1
–
h
l1
，若k>1，记录此时滑动窗口的终点位置h
ek
，计算高度差值h
i
＝h
uk
–
h
l1
；步骤T6：判断i是否等于m，若否，则将滑动窗口向上移动到下一个停留位置，即i的值加1，然后跳回步骤T3，若是，则进入步骤T7；步骤T7：从所有高度差值h
i
(i＝1,2,
…
,m)中选出最大的高度差值h
max
，确定h
max
对应的上边界h
u
和下边界h
l
，然后选取备选点云簇中位于h
u
和h
l
之间的点，得到目标点云簇，即杆
状物特征。4.根据权利要求3所述的基于激光点云杆状物特征提取和匹配的定位方法，其特征在于，所述滑动窗口的m个停留位置，根据所述备选点云簇在z轴方向上的高度，通过固定设置相邻两个停留位置的间距得到，或者根据所述备选点云簇中的点在z轴方向上的分布，自下而上每固定数量的点或每个高度的点设置一个停留位置得到。5.根据权利要求1所述的基于激光点云杆状物特征提取和匹配的定位方法，其特征在于，在步骤S4的特征精提取中，采用多帧拼接或者降采样的方法维持点云密集度，其中多帧拼接使用帧与帧之间的里程计位姿，将前几帧提取的杆状物特征全部转换到当前帧的坐标系下，共同作为当前帧的杆状物特征。6.一种基于激光点云杆状物特征提取和匹配的定位系统，其特征在于，包括：激光点云地图构建模块：利用带有激光雷达的数据采集车对环境进行扫描，得到激光点云地图；地图杆状物特征提取模块：对...

【专利技术属性】
技术研发人员：廖文龙，何弢，陈远鹏，谢荣荣，
申请(专利权)人：上海酷移机器人有限公司，
类型：发明
国别省市：