【技术实现步骤摘要】
本专利技术属于车辆高精度定位领域，具体涉及一种车辆位置重识别方法及系统。
技术介绍
1、智能机器人和自动驾驶汽车融合了多种复杂的新兴技术。特别的在当前和未来交通领域有着巨大的实用价值。其中准确连续且稳定的位置信息对于机器人或自动驾驶汽车是至关重要的。尽管通过全球卫星导航系统可以获得其位置信息，但由于城市环境的环境复杂性，获得的位置信息总会存在多种误差。而同步定位与地图构建被用于解决在未知环境中移动车辆或机器人的自主车辆的定位、导航和地图构建问题，面对复杂场景时具有较高的鲁棒性。
2、地图匹配的定位方法的准确性与构建地图的准确性直接相关。通过与预加载的地图匹配从而获得较高准确的位置信息。在构建地图的过程中，漂移是不可避免的，并且通常会对伴随轨迹的估计状态产生影响，但漂移的影响可以通过多次访问同一地点来有效消除，从而创造更高一致性的地图。位置重识别在构建地图时也被称为回环检测，它对于识别和返回同一位置至关重要。目前已经存在了许多基于视觉的位置重识别方法，并在实际案例中显示了其实用性。然而，视角变化和光强度的变化会导致检测失败。相...
【技术保护点】
1.一种车辆位置重识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种车辆位置重识别方法，其特征在于，对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果具体包括以下步骤：
3.根据权利要求2所述的一种车辆位置重识别方法，其特征在于，采用PCL中的点云体素滤波器对车辆的激光雷达数据中的点云进行下采样：
4.根据权利要求2所述的一种车辆位置重识别方法，其特征在于，过滤掉下采样后的激光雷达数据中用于获取激光雷达数据的激光雷达传感器四周设定范围内的数据包括以下步骤：对于激光雷达传感器激光扫描中的每一个激光点，去除欧拉距离...
【技术特征摘要】
1.一种车辆位置重识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种车辆位置重识别方法，其特征在于，对车辆的激光雷达数据进行预处理获取车辆激光雷达的点云结果具体包括以下步骤：
3.根据权利要求2所述的一种车辆位置重识别方法，其特征在于，采用pcl中的点云体素滤波器对车辆的激光雷达数据中的点云进行下采样：
4.根据权利要求2所述的一种车辆位置重识别方法，其特征在于，过滤掉下采样后的激光雷达数据中用于获取激光雷达数据的激光雷达传感器四周设定范围内的数据包括以下步骤：对于激光雷达传感器激光扫描中的每一个激光点，去除欧拉距离设于设定阈值的点：
5.根据权利要求2所述的一种车辆位置重识别方法，其特征在于，对产生畸变的...
【专利技术属性】
技术研发人员：赵祥模，王武祺，闵海根，吴霞，徐志刚，尚旭明，刘占文，王润民，方煜坤，夏森，雷小平，李尧，延昌磊，杨龙，
申请(专利权)人：长安大学，
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。