车辆定位方法及装置制造方法及图纸

本申请公开了一种车辆定位方法及装置，方法包括：获取车辆的第一位置以及安装在车辆上的激光雷达采集到的点云数据，从点云数据中提取路沿点云数据、路面点云数据以及杆状物点云数据，按照时间戳，对齐路沿点云数据、路面点云数据以及杆状物点云数据，然后降采样，得到降采样后的路沿点云数据、路面点云数据以及杆状物点云数据，从道路元素点云地图上分别查找与降采样后的路沿点云数据、路面点云数据以及杆状物点云数据相匹配的点云数据，根据相互匹配的点云数据，确定路沿、杆状物以及路面的残差，根据残差对第一位置进行优化，得到优化结果，根据优化结果，确定车辆的定位位置。根据本申请实施例，能够提高定位准确性和稳定性。能够提高定位准确性和稳定性。能够提高定位准确性和稳定性。

【技术实现步骤摘要】
车辆定位方法及装置


[0001]本申请属于车辆驾驶
，尤其涉及一种车辆定位方法及装置。

技术介绍

[0002]在当前自动驾驶领域，目前常用的车辆定位方案是多传感器融合定位。一般情况，高精度的惯性测量单元(IMU)和全球导航卫星系统(GNSS)是融合定位的核心以及基础，但如果只使用上述传感器则存在明显的缺点：高精度的组合导航设备(IMU+GNSS)成本过高，这对于目标量产的自动驾驶汽车或者机器人设备而言是不可接受的；其次，GNSS信号无法保证的稳定性，由于天气变化，城市环境下高楼，树木，隧道的遮挡都有可能造成信号的丢失。
[0003]在上述组合导航设备基础上，为了保证定位的鲁棒性，融合定位方案一般会增加激光或者视觉定位方案的冗余。
[0004]一般情况下，点云的定位方案需要完整的点云地图，然后提取单帧点云和地图点云的局部或全局特征进行匹配定位，这类方案存在如下缺陷：一是需要大量的存储资源和计算资源，如存储点云地图，实时读取点云地图，在匹配时使用完整点云提取点特征或一些全局特征如NDT(正太分布变换)概率特征等；二是由于时空变化，地貌变化，所使用的传感器类型不同等原因，此类使用完整点云的方法当下采集的信息准确度都将存在不稳定性。

技术实现思路

[0005]本申请实施例提供一种车辆定位方法、装置、设备及计算机可读存储介质，能够提高定位准确性和稳定性。
[0006]一方面，本申请实施例提供一种车辆定位方法，方法包括：
[0007]获取车辆的第一位置以及安装在车辆上的激光雷达采集到的点云数据；
[0008]从点云数据中提取路沿点云数据、路面点云数据以及杆状物点云数据；
[0009]按照时间戳，对齐路沿点云数据、路面点云数据以及杆状物点云数据；
[0010]将对齐后的路沿点云数据、路面点云数据以及杆状物点云数据分别进行降采样，得到降采样后的路沿点云数据、路面点云数据以及杆状物点云数据；
[0011]从道路元素点云地图上分别查找与降采样后的路沿点云数据、路面点云数据以及杆状物点云数据相匹配的点云数据；
[0012]根据相互匹配的点云数据，确定路沿、杆状物以及路面的残差；
[0013]根据残差对第一位置进行优化，得到优化结果；
[0014]根据优化结果，确定车辆的定位位置。
[0015]另一方面，本申请实施例提供了一种车辆定位装置，装置包括：
[0016]第一获取模块，用于获取车辆的第一位置以及安装在车辆上的激光雷达采集到的点云数据；
[0017]提取模块，用于从点云数据中提取路沿点云数据、路面点云数据以及杆状物点云
数据；
[0018]对齐模块，用于按照时间戳，对齐路沿点云数据、路面点云数据以及杆状物点云数据；
[0019]降采样模块，用于将对齐后的路沿点云数据、路面点云数据以及杆状物点云数据分别进行降采样，得到降采样后的路沿点云数据、路面点云数据以及杆状物点云数据；
[0020]查找模块，用于从道路元素点云地图上分别查找与降采样后的路沿点云数据、路面点云数据以及杆状物点云数据相匹配的点云数据；
[0021]第一确定模块，用于根据相互匹配的点云数据，确定路沿、杆状物以及路面的残差；
[0022]优化模块，用于根据残差对第一位置进行优化，得到优化结果；
[0023]定位模块，用于根据优化结果，确定车辆的定位位置。
[0024]再一方面，本申请实施例提供了一种车辆定位设备，设备包括：处理器以及存储有计算机程序指令的存储器；
[0025]处理器执行计算机程序指令时实现如上述任一实施例的车辆定位方法。
[0026]再一方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现上述任一实施例的车辆定位方法。
[0027]再一方面，本申请实施例提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行上述任一实施例的车辆定位方法。
[0028]本申请实施例提供的车辆定位方法、装置、设备及计算机可读存储介质，首先获取车辆的第一位置以及安装在车辆上的激光雷达采集到的点云数据，从点云数据中提取路沿点云数据、路面点云数据以及杆状物点云数据，按照时间戳，对各类点云数据进行对齐，之后进行降采样，然后从道路元素点云地图上分别查找与降采样后的各类点云数据相匹配的点云数据，再根据相匹配的点云数据，确定路沿、杆状物以及路面的残差，最后根据残差对第一位置进行优化，得到优化结果，根据优化结果，确定车辆的定位位置。一是由于没有使用完整激光点云地图进行局部或全局的匹配定位，而是使用的包含道路元素的点云地图，只对路沿点云数据、路面点云数据以及杆状物点云数据进行高效识别和联合匹配，故而节省了存储资源和计算资源；二是在城市道路中，路沿点云数据、路面点云数据以及杆状物点云数据较为稳定，语义程度更高，故对这三类点云数据进行高效识别和联合匹配，以此对第一位置进行优化，能够提高定位准确性和稳定性。
附图说明
[0029]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1示出了本申请一个实施例提供的一种车辆定位方法的流程示意图；
[0031]图2示出了本申请另一个实施例提供的一种车辆定位方法的流程示意图；
[0032]图3示出了本申请又一个实施例提供的一种车辆定位方法的流程示意图；
[0033]图4示出了本申请再一个实施例提供的一种车辆定位方法的流程示意图；
[0034]图5示出了本申请再一个实施例提供的一种车辆定位方法的流程示意图；
[0035]图6示出了本申请再一个实施例提供的一种车辆定位方法的流程示意图；
[0036]图7示出了本申请再一个实施例提供的一种车辆定位方法的流程示意图；
[0037]图8示出了本申请再一个实施例提供的一种车辆定位方法的流程示意图；
[0038]图9示出了本申请提供的形成定位可信度矩阵的流程示意图；
[0039]图10示出了本申请一个实施例提供的一种车辆定位装置的结构示意图；
[0040]图11示出了本申请一个实施例提供的一种车辆定位设备的结构示意图。
具体实施方式
[0041]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0042]需要说明的是，在本文中，诸如第一和第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：获取车辆的第一位置以及安装在车辆上的激光雷达采集到的点云数据；从所述点云数据中提取路沿点云数据、路面点云数据以及杆状物点云数据；按照时间戳，对齐路沿点云数据、路面点云数据以及杆状物点云数据；将对齐后的路沿点云数据、路面点云数据以及杆状物点云数据分别进行降采样，得到降采样后的路沿点云数据、路面点云数据以及杆状物点云数据；从道路元素点云地图上分别查找与所述降采样后的路沿点云数据、路面点云数据以及杆状物点云数据相匹配的点云数据；根据相互匹配的点云数据，确定路沿、杆状物以及路面的残差；根据所述残差对所述第一位置进行优化，得到优化结果；根据优化结果，确定车辆的定位位置。2.根据权利要求1所述的车辆定位方法，其特征在于，所述从所述点云数据中提取路沿点云数据、路面点云数据以及杆状物点云数据，包括：对所述点云数据进行高度方向直通滤波处理，得到非地面点、候选地面点、地面点以及位于地面预设范围内的地面附近点；从所述非地面点中，提取杆状物点云数据；从所述地面点以及位于地面预设范围内的地面附近点中，提取路沿点云数据；从所述候选地面点中，提取路面点云数据。3.根据权利要求2所述的车辆定位方法，其特征在于，所述从所述非地面点中，提取杆状物点云数据，包括：根据杆状物形态特征，对所述非地面点进行非均匀体素化，得到适应所述杆状物形态特征的第一空间体素；在同一高度层内，对所述第一空间体素进行深度优先搜索，得到高度一致的云簇集；从所述高度一致的云簇集中筛选出形态符合杆状形状的云簇，得到局部杆状点云簇集；从所述第一空间体素中查找与局部杆点云簇集的点云满足预设条件的类杆状物点云簇；所述预设条件为点云的几何中心的位置之间的距离小于第一预设距离且点云的形状相似度大于预设相似度；合并所述局部杆点云簇集和类杆状物点云簇，得到候选杆状物点云数据；从所述候选杆状物点云数据中，提取高度在预设高度以上的目标点云簇；分析所述目标点云簇的形态；在所述形态为球状点云时，从所述候选杆状物点云数据中去除球状点云对应的候选杆状物点云数据，得到最终的杆状物点云数据；在所述形态不是球状点云时，将所述候选杆状物点云数据，确定为最终的杆状物点云数据。4.根据权利要求3所述的车辆定位方法，其特征在于，所述分析所述目标点云簇的形态，包括：获取目标点云簇在立体坐标系的三个坐标轴方向上的特征值λ1、λ2，λ3，其中，λ1<λ2<λ3；判断λ1/(λ1+λ2+λ3)是否小于预设阈值δ；
在为是的情况下，确定所述形态不是球状点云；在为否的情况下，确定所述形态为球状点云。5.根据权利要求2所述的车辆定位方法，其特征在于，所述从所述地面点以及位于地面预设范围内的地面附近点中，提取路沿点云数据，包括：对所述地面点以及地面附近点进行第一分辨率的二维体素化，得到第一二维体素网格；计算所述第一二维体素网格中的点云在法向量方向的高度差；从所述第一二维体素网格中去除高度差小于第一高度差阈值的第一二维体素网格，得到第二二维体素网格；对所述第二二维体素网格中的点云数据进行第二分辨率的二维体素化，得到第三二维体素网格；所述第二分辨率大于所述第一分辨率；对所述第三二维体素网格中的点云进行高度滤波，得到高度差在预设范围内以及最低高度接近路面高度的点云数据；所述最低高度接近路面高度为最低高度与路面高度的高度差小于第二高度差阈值；根据所述高度差在预设范围内以及最低高度接...

【专利技术属性】
技术研发人员：祁忠正，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：