[发明专利]一种无人车激光雷达定位方法、系统及存储介质

说明书

本发明涉及一种无人车激光雷达定位方法、系统和存储介质。所述无人车激光雷达定位方法，通过机器学习对光束模型进行交叉路口节点的实时检测，当检测到新的路口节点时，在拓扑地图中查找新的路口节点的相邻路口节点，并提取相邻路口节点的三维点云地图作为目标匹配点云，提取当前无人车所在节点通道在三维点云地图中的水平角度作为水平旋转角度先验信息，以当前帧环境点云为输入点云，通过ndt配准算法与目标匹配点云进行匹配得到匹配误差，若匹配误差小于所设阈值，则定位当前位置到匹配成功且相似度最高的路口节点处，以解决无人车在特征单一、无法通过信号获取位置信息的环境中的定位问题，进而实现此类环境中交叉路口处的精确定位。

技术领域

本发明涉及无人车定位领域，特别是涉及一种无人车激光雷达定位方法、系统及存储介质。

背景技术

现有的无人车激光雷达定位方法要求工作环境具有充足的特征信息，如SLAM中的定位主要通过大量的角点进行点云匹配定位。基于此，现有的无人车激光雷达定位方法无法应用在特征单一并且无法通过信号获取位置信息的环境中（典型的如矿下、室内环境），进而因缺乏足够的特征点，而无法进行定位。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种无人车激光雷达定位方法、系统及存储介质。

为实现上述目的，本发明提供了如下方案：

一种无人车激光雷达定位方法，包括：

获取地图信息，并基于所述地图信息构建拓扑地图；所述拓扑地图包括路口节点和节点通道；

采用车载激光雷达实时获取环境点云数据；

以无人车的车体坐标系的原点为中心，基于所述环境点云数据确定设定范围内的障碍物距离；

基于所述障碍物距离构建光束模型；所述光束模型为由无人车在水平方向各角度上通信距离形成的直方图；

采用机器学习对所述光束模型进行交叉路口节点的实时检测；

当检测到新的路口节点时，在所述拓扑地图中获取该新的路口节点的相邻路口节点；

提取所述相邻路口节点的三维点云地图，并将所述三维点云地图作为目标匹配点云；

提取无人车当前时刻所在节点通道在所述三维点云地图中的水平角度；

将所述水平角度作为ndt匹配算法的水平旋转角度先验信息，采用ndt配准算法将当前时刻获取的环境点云数据与所述目标匹配点云进行匹配，得到匹配误差；

获取预设阈值；

当所述匹配误差小于所述预设阈值时，将无人车当前时刻所在位置定位为匹配误差值最小的路口节点。

优选地，所述路口节点中包含交叉路口的岔道数量信息、岔道相对位置信息、三维点云地图信息和相邻路口节点信息。

优选地，所述节点通道包含相邻两楼口节点间道路的长度、宽度、形状以及夹角角度。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供的无人车激光雷达定位方法中，实时获取车辆周围环境的点云，构建光束模型，通过机器学习对光束模型进行交叉路口节点的实时检测，当检测到新的路口节点时，在拓扑地图中查找新的路口节点的相邻路口节点，并提取相邻路口节点的三维点云地图作为目标匹配点云，提取当前无人车所在节点通道在三维点云地图中的水平角度作为水平旋转角度先验信息，以当前帧环境点云为输入点云，通过ndt配准算法与目标匹配点云进行匹配得到匹配误差，若匹配误差小于所设阈值，则定位当前位置到匹配成功且相似度最高的路口节点处，以解决无人车在特征单一、无法通过信号获取位置信息的环境中的定位问题，进而实现此类环境中交叉路口处的精确定位。

对应于上述提供的无人车激光雷达定位方法，本发明还提供了以下具体实施结构：

一种无人车激光雷达定位系统，包括：

拓扑地图构建模块，用于获取地图信息，并基于所述地图信息构建拓扑地图；所述拓扑地图包括路口节点和节点通道；