[发明专利]一种基于激光反射强度的无人车实时定位方法

说明书

本发明涉及一种基于激光反射强度的无人车实时定位方法，包括以下步骤：S1，车载的激光雷达对城市道路两侧进行拍摄，获取多帧点云数据，并进行路沿点提取，将路沿点转换到当前车辆坐标系下；S2，选取z轴坐标值位于设定范围内的路沿点获取其在GPS坐标系下的坐标，以无人车当前的GPS坐标点为原点，划分坐标空间得到栅格图；S3，将栅格化的高精度地图与步骤S2得到的栅格图进行匹配，获得无人车在高精度地图上的位置；S4，利用卡尔曼滤波器预测车辆位姿。与现有技术相比，本发明可以在复杂环境下实现实时精确定位，能够有效提高无人车行驶的安全性。

技术领域

本发明涉及一种无人车实时定位方法，尤其是涉及一种基于激光反射强度的无人车实时定位方法。

背景技术

随着计算机技术和人工智能的发展，无人驾驶汽车(以下简称无人车)在军事、交通、工业生产、物流仓储、日常生活等方面展现出巨大的应用前景。在国防军事方面，无人车多用于执行危险场景下的军事任务，如军事救援和物资输送等。在交通安全方面，无人驾驶技术是促进智能交通系统发展的有效手段，基于人工智能的无人驾驶技术可以提高车辆行驶的主动安全性，能够有效减少驾驶员由于误操作导致的交通事故，从而提高交通行驶效率和安全性。在工业生产、物流仓储方面，无人车可以配合自动化生产线实现全自主无人生产，进一步推进工业生产的自动化和智能化，进而提高生产效率。另外，无人车的出现也将极大地方便人们的工作、旅游等日常生活。

无人车定位系统是自动驾驶系统中的一个重要组成部分，许多无人车算法(例如：行为决策、路径规划和车辆运动控制)都依赖于自身车辆的位姿信息。无人车定位系统根据不同的定位需求，分成三个层次：路网级别、介于路网和车道级别之间、车道级别。无人驾驶系统要求的定位系统是车道级别的，即要求的定位精度是厘米级。

可靠和精确的实时定位与导航是无人车安全行驶在城市环境下的基础。在早期的无人车中，高精度GPS融合航位推算算法通常被用作无人车定位系统，然而，在城市环境中，GPS信号会被高耸的建筑物遮挡，缺少足够的可视卫星，或存在信号多径反射，而航位推测传感器(加速度计和陀螺仪等)存在测量噪声，只通过航位推测算法来估计无人车的位姿，会导致定位系统累计误差越来越大，因此，基于GPS融合航位推测算法的定位系统无法保证无人车的长时间和长距离稳定运行。为了克服这个问题，基于高精度地图结合传感器检测的定位算法被提出并应用于无人驾驶系统中。

地图-感知相结合的定位算法主要为基于卡尔曼滤波器的特征层面定位。

基于卡尔曼滤波器(或用于非线性系统状态估计的扩展卡尔曼滤波器)的定位算法是地图-感知相结合定位算法中的一种经典解决方案，从车载传感器(相机、毫米波雷达或激光)提取的特征与高精度地图中的特征进行匹配，根据匹配结果，卡尔曼滤波器更新车辆位姿的均值和协方差。基于卡尔曼滤波器的定位方法具有结构简单，计算复杂度较低等优点。

例如，IBEO激光雷达被应用于高精度地图的构建和车辆定位，根据激光雷达返回的点云构建栅格地图，提取出静态物体作为地标与传感器数据实时匹配，从而计算出无人车的航向角误差和侧向误差，结合扩展卡尔曼滤波器估计无人车位姿。

尽管基于特征层面的定位算法具有结构简单，计算复杂度低等优势，但被应用于复杂环境下的无人车定位和估计非线性系统状态时，存在一些局限性。当无人车行驶在复杂环境下，车载传感器检测的特征点和地图数据关联是一个难点，其原因在于，特征点检测会存在误检和障碍物遮挡等情况，将错误的特征点与地图数据匹配，会导致定位算法失效。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可以在复杂环境下实现实时精确定位的基于激光反射强度的无人车实时定位方法。

本发明的目的可以通过以下技术方案来实现：

一种基于激光反射强度的无人车实时定位方法，包括以下步骤：