[发明专利]一种无人车在地下车库中的精确定位方法

说明书

本发明公开了一种无人车在地下车库中的精确定位方法，该方法包括：激光点云地面分割模块、圆柱特征提取与特征匹配，以及非地面有效点选择模块、激光有效点合并与降采样模块、栅格地图产生与三维地图匹配模块、初始位姿模块。该方法的思路是利用圆柱特征，剔除激光点云场景中的动态障碍物，选择属于地下车库本身结构的激光有效点，然后利用地图匹配技术实现车辆精确定位。该方法对初始位姿的敏感性要远远低于传统方法，且具有较高的定位精度，适用于无人车在地下车库中的定位与导航，尤其适合在地下车库中含有大量动态障碍物的场景。

技术领域

本发明属于无人驾驶汽车研究领域，特别涉及一种无人车在地下车库中的精确定位方法。

背景技术

近年来，随着新一代人工智能技术的兴起，无人驾驶汽车作为人工智能技术的重要算法验证平台应运而生，并呈现出井喷式的发展，尤其是在国内涌现出了一大批创业公司，直接推动了这一研究领域的快速发展。无人驾驶汽车是一种特殊的轮式移动机器人，其是依靠自身所携带的各类传感器，融合感知道路环境，自动获得车辆定位信息，规划行车路线，控制车辆运动，从而实现车辆的自主行驶功能。

定位技术在无人车研究领域内具有很重要的作用，涉及车辆感知、规划、控制等功能的准确实现。鉴于RTK-GPS具有高精度、高可靠性的特点，绝大部分无人驾驶车辆选择用GPS来进行定位，然而在当前的城市道路中存在着很多隧道、桥梁、较高的树木等遮挡物，GPS信号在这种环境下很容易受到干扰和阻挡，车辆定位精度严重不足，为了解决这一问题，人们提出利用GPS+IMU的组合定位方法，但其缺点是在长时间的隧道等GPS信号受到阻挡的环境中，很容易失效，或者车辆在GPS信号受到遮挡的环境中启动，无法确定车辆位姿。

为此，研究者提出要利用车辆自身携带的各类传感器进行感知定位，该方法首先要建立先验地图，然后利用车辆运动模型和惯性导航器件进行定位，这种方法在无GPS信号的环境中效果明显，但唯一不足的是这种方法容易受到感知环境数据中噪声或者动态障碍物的影响，从而影响定位精度。

发明内容

本发明的目的在于提供一种无人车在地下车库中的精确定位方法，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

一种无人车在地下车库中的精确定位方法，该方法包括无人车在地下车库中的精确定位系统，所述无人车在地下车库中的精确定位系统包括地面分割模块M1、特征提取与特征匹配，以及非地面有效点选择模块M2、有效点合并与降采样模块M3、栅格地图产生与三维地图匹配模块M4和初始位姿模块M5；地面分割模块M1连接特征提取与特征匹配，以及非地面有效点选择模块M2和有效点合并与降采样模块M3，特征提取与特征匹配，以及非地面有效点选择模块M2连接有效点合并与降采样模块M3，有效点合并与降采样模块M3连接栅格地图产生与三维地图匹配模块M4，初始位姿模块M5连接栅格地图产生与三维地图匹配模块M4；

地面分割模块M1包括地面分割模块M11、地面点云M13和非地面点云M12；

特征提取与特征匹配，以及非地面有效点选择模块M2包括特征提取M21、特征匹配M22和特征地图M23，

有效点合并与降采样模块M3包括点云合并M31、降采样M33和最终参与匹配点云M34；

栅格地图产生与三维地图匹配模块M4包括格栅地图生成模块M42和地图匹配模块M41，用于确定车辆在地下车库中的精确位姿；

初始位姿模块M5，用于为栅格地图产生与三维地图匹配模块M4提供车辆的初始位姿；

具体包括以下步骤：