本申请涉及自动驾驶技术领域，特别涉及一种位姿估计方法、装置、车辆及存储介质，其中，方法包括：采集车辆周围环境的激光点云数据；从激光点云数据中筛选出地面点云数据，并对地面点云数据进行栅格划分，且对每个栅格中的点云数据进行降采样处理后，计算每个栅格中点云数据的评分；基于每个栅格中点云数据的评分，筛选出评分大于预设分值的栅格点云数据，并根据栅格点云数据计算得到激光雷达的位姿。由此，通过对栅格进行降采样，提高算法效率，并从多个维度进行统计可以很好的过滤掉地面的噪声点，并通过筛选后的栅格点云计算激光雷达位姿解决不同场景下地面位姿估计不稳定，误差大的问题，确保拟合的地面精度较高。确保拟合的地面精度较高。确保拟合的地面精度较高。
【技术实现步骤摘要】
位姿估计方法、装置、车辆及存储介质
[0001]本申请涉及自动驾驶
，特别涉及一种位姿估计方法、装置、车辆及存储介质。
技术介绍
[0002]车载激光雷达是自动驾领域中重要的传感器之一，其主要用于提供车辆的实时位置和周围环境的深度信息。激光雷达由于具有可以获得点三维信息，测量精度高，不依赖于外界光照条件等优势，使得越来越多的主机厂搭载激光雷达。同时对激光雷达感知算法提出了更加严苛的要求，然而，目前激光雷达在估计相对于地面的位姿时存在不稳定，误差大的问题。
[0003]相关技术一种通过获取图像，确定图像中地面区域，然后估计出图像的深度值，利用深度值拟合三维地面，最后确认相机相对于地面的姿态；另一种通过获取激光雷达照射在标定体上的点云数据，将点云数据分割成表示标定面的第一目标点云数据和表示非标定面的第二目标点云数据，最后依据第一目标点云数据与第二目标点云数据之间的相交关系，计算目标点在就激光雷达的坐标系下的三维坐标。
[0004]然而，第一种地面分割在边缘区域容易产生噪声(尤其在拥堵场景下)，容易影响后续的地面拟合，并且深度估计算法影响较大，准确率不高，另一种需要特定的场地，不能实时输出估计的位姿值，且有时需要手动筛选特征。
技术实现思路
[0005]本申请提供一种位姿估计方法、装置、车辆及存储介质，以解决不同场景下地面位姿估计不稳定，误差大的问题，可以得到较为准确的位姿估计。
[0006]本申请第一方面实施例提供一种位姿估计方法，包括以下步骤：采集车辆周围环境的激光点云数据；从所述激光点云数据中筛选出地面点云数据，并对所述地面点云数据进行栅格划分，且对每个栅格中的点云数据进行降采样处理后，计算所述每个栅格中点云数据的评分；以及基于所述每个栅格中点云数据的评分，筛选出评分大于预设分值的栅格点云数据，并根据所述栅格点云数据计算得到激光雷达的位姿。
[0007]根据上述技术手段，本申请可以通过采集车辆周围的点云数据，并对其中的地面点数据进行栅格划分，再将栅格内的点云数据进行降采样处理，并对降采样后的每个栅格进行评分，筛选出得分较高的栅格点云数据并计算得到激光雷达的位姿，解决不同场景下地面位姿估计不稳定，误差大的问题，通过对栅格进行评分过滤掉噪声大的栅格点云可以得到较为准确的位姿估计，同时提高算法效率。
[0008]可选地，在一些实施例中，所述根据所述栅格点云数据计算得到激光雷达的位姿，包括：按照车体坐标系X方向，对所述栅格点云数据进行平面拟合，得到第一平面和第二平面；根据所述第一平面和所述第二平面得到所述激光雷达的位姿初始值，并优化迭代所述位姿初始值，得到所述激光雷达的位姿输出值；对所述位姿输出值进行滤波，并在滤波后的
位姿输出值满足预设稳定条件时，根据所述位姿输出值计算得到激光雷达的位姿。
[0009]根据上述技术手段，本申请可以根据栅格点云数据按照车体坐标系X方向进行平面拟合得到第一平面与第二平面，以根据第一平面和第二平面得到激光雷达的位姿初始值，并优化激光雷达的位姿初始值得到激光雷达的位姿输出值并进行滤波，在滤波后的位姿输出值满足预设的稳定条件时，根据位姿输出值计算得到激光雷达的位姿，可以得到更为准确的位姿估计，避免位姿估计不稳定。
[0010]可选地，在一些实施例中，所述位姿输出值包括车体坐标系俯仰角、横滚角和Z方向偏置，所述对所述位姿输出值进行滤波，并在滤波后的位姿输出值满足预设稳定条件时，根据所述位姿输出值计算得到激光雷达的位姿，包括：分别对所述俯仰角、所述横滚角和所述Z方向偏置进行滤波处理，得到滤波后的所述俯仰角、滤波后的所述横滚角和滤波后的所述Z方向偏置；若滤波后的所述俯仰角处于第一预设区间、且滤波后的所述横滚角处于第二预设区间、且滤波后的所述Z方向偏置处于第三预设区间，则判定所述滤波后的位姿输出值满足预设稳定条件，根据所述俯仰角、所述横滚角和所述Z方向偏置得到所述激光雷达的位姿。
[0011]根据上述技术手段，本申请可以通过对位姿输出值进行卡尔曼滤波，验证位姿的输出值，并在位姿输出值满足预设稳定条件时得到激光雷达的位姿，以确保位姿输出值的稳定性。
[0012]可选地，在一些实施例中，所述计算所述每个栅格中点云数据的评分，包括：拟合所述每个栅格内的平面，并计算每个栅格平面法向量和车体坐标系Z方向的夹角得分、所述每个栅格中点云数据在所述Z方向的第一协方差得分和所述每个栅格中点云数据在所述车体坐标系X方向的第二协方差得分；根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分。
[0013]根据上述技术手段，本申请可以从多个维度评估栅格点云的得分情况过滤噪点，以筛选合适的栅格数据进行最终的位姿估计，从而减少计算量，提高算法效率。
[0014]可选地，在一些实施例中，根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分，包括：基于预设的评分计算公式，根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分，其中，所述预设的评分计算公式为：
[0015]s＝α1s1+α2s2+α3s3
[0016]其中，s为预设的评分计算公式，s1为夹角得分，s2为第一协方差得分，s3为第二协方差得分，α1，α2和α3为权重系数。
[0017]根据上述技术手段，本申请可以通过夹角得分得到更平坦的栅格，通过第一协方差得到过噪点较多的栅格，通过第二协防差得分得到障碍物的概率大小，结合夹角得分、第一协方差得分和第二协方差得分等多个维度筛选合适的栅格数据减少计算量，提高算法效率，以进行更精确的位姿估计。
[0018]本申请第二方面实施例提供一种位姿估计装置，包括：采集模块，用于采集车辆周围环境的激光点云数据；筛选模块，用于从所述激光点云数据中筛选出地面点云数据，并对所述地面点云数据进行栅格划分，且对每个栅格中的点云数据进行降采样处理后，计算所述每个栅格中点云数据的评分；以及计算模块，用于基于所述每个栅格中点云数据的评分，
筛选出评分大于预设分值的栅格点云数据，并根据所述栅格点云数据计算得到激光雷达的位姿。
[0019]可选地，在一些实施例中，所述计算模块，还包括：拟合单元，用于按照车体坐标系X方向，对所述栅格点云数据进行平面拟合，得到第一平面和第二平面；优化单元，用于根据所述第一平面和所述第二平面得到所述激光雷达的位姿初始值，并优化迭代所述位姿初始值，得到所述激光雷达的位姿输出值；滤波单元，用于对所述位姿输出值进行滤波，并在滤波后的位姿输出值满足预设稳定条件时，根据所述位姿输出值计算得到激光雷达的位姿。
[0020]可选地，在一些实施例中，所述位姿输出值包括车体坐标系俯仰角、横滚角和Z方向偏置，所述滤波单元，包括：滤波子单元，用于分别对所述俯仰角、所述横滚角和所述Z方向偏置进行滤波处理，得到滤波后的所述俯仰角、滤波后的所述横滚角和滤波后的所述Z方向偏置；判定子单元，用于在滤波后的所述俯仰角处于第一预设本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种位姿估计方法，其特征在于，包括以下步骤：采集车辆周围环境的激光点云数据；从所述激光点云数据中筛选出地面点云数据，并对所述地面点云数据进行栅格划分，且对每个栅格中的点云数据进行降采样处理后，计算所述每个栅格中点云数据的评分；以及基于所述每个栅格中点云数据的评分，筛选出评分大于预设分值的栅格点云数据，并根据所述栅格点云数据计算得到激光雷达的位姿。2.根据权利要求1所述的方法，其特征在于，所述根据所述栅格点云数据计算得到激光雷达的位姿，包括：按照车体坐标系X方向，对所述栅格点云数据进行平面拟合，得到第一平面和第二平面；根据所述第一平面和所述第二平面得到所述激光雷达的位姿初始值，并优化迭代所述位姿初始值，得到所述激光雷达的位姿输出值；对所述位姿输出值进行滤波，并在滤波后的位姿输出值满足预设稳定条件时，根据所述位姿输出值计算得到激光雷达的位姿。3.根据权利要求2所述的方法，其特征在于，所述位姿输出值包括车体坐标系俯仰角、横滚角和Z方向偏置，所述对所述位姿输出值进行滤波，并在滤波后的位姿输出值满足预设稳定条件时，根据所述位姿输出值计算得到激光雷达的位姿，包括：分别对所述俯仰角、所述横滚角和所述Z方向偏置进行滤波处理，得到滤波后的所述俯仰角、滤波后的所述横滚角和滤波后的所述Z方向偏置；若滤波后的所述俯仰角处于第一预设区间、且滤波后的所述横滚角处于第二预设区间、且滤波后的所述Z方向偏置处于第三预设区间，则判定所述滤波后的位姿输出值满足预设稳定条件，根据所述俯仰角、所述横滚角和所述Z方向偏置得到所述激光雷达的位姿。4.根据权利要求2所述的方法，其特征在于，所述计算所述每个栅格中点云数据的评分，包括：拟合所述每个栅格内的平面，并计算每个栅格平面法向量和车体坐标系Z方向的夹角得分、所述每个栅格中点云数据在所述Z方向的第一协方差得分和所述每个栅格中点云数据在所述车体坐标系X方向的第二协方差得分；根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分。5.根据权利要求4所述的方法，其特征在于，所述根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分，包括：基于预设的评分计算公式，根据所述夹角得分、所述第一协方差得分和所述第二协方差得分得到所述每个栅格中点云数据的评分，其中，所述预设的评分计算公式为：s＝α1s1+α2s2+α3s3；其中，s为预设的评分计算公式，s1为夹角得分，s2为第一协方差得分，s3为第二协方差得分，α1，α2和α3为权重系数。6.一种位姿估计装置，其特征在于，包括：采集模块，用于采集车辆周围环境的激光点云数据；
筛选模块，用于从所述激光点云数据中筛选出地面点...
【专利技术属性】
技术研发人员：刘磊，钱少华，
申请(专利权)人：重庆长安汽车股份有限公司，
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。