[发明专利]一种基于道路指纹空间关联矩阵的车辆定位方法

权利要求书

1.一种基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，包括以下步骤：

道路指纹关联矩阵构建：

(1)对高精度点云地图进行道路指纹信息提取，把道路指纹聚类成一个个类别，并计算出每个类别的聚类中心，用聚类中心代表指纹的空间位置；

(2)计算每个指纹中心之间的欧式距离，利用欧式距离构建道路指纹关联矩阵，同时保留每个指纹的位置信息；

车辆定位：

(3)利用GPS获取车辆的初始位置信息，基于初始位置信息获取高精度点云地图中距离当前位置最接近的多个节点并提取节点中所包含的道路指纹关联矩阵；

(4)对当前位置所获取的点云数据进行道路指纹信息提取，获取当前位置的道路指纹关联矩阵；将当前位置的道路指纹关联矩阵与节点的道路指纹关联矩阵进行匹配，获取与当前位置最接近的节点；

(5)将当前位置的道路指纹位置信息和与当前位置最接近的节点的地图点云进行位置匹配，实现车辆精确定位。

2.根据权利要求1所述的基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，高精度点云地图的构建包括以下步骤：

在特定路段上，利用激光雷达采集包含道路指纹信息的三维激光点云，同时利用高精度惯导获取车辆的位置数据；

将位置数据转化成与激光坐标系尺度一样的UTM坐标系，接着利用最小二乘法来优化两坐标系轨迹之间的残差，得到两者之间的映射关系，即旋转平移矩阵；最后利用得到的激光雷达和高精度惯导之间的映射关系，将激光点云数据投影到激光坐标系下，获得高精度点云地图。

3.根据权利要求1所述的基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，采用欧式聚类来提取指纹信息，以将离散、无组织且信息量较少的单一激光点云聚合成一个个具有一定空间拓扑结构且信息量丰富的三维语义目标；聚类完成后，会获得多个类别，即多个指纹；

将每个类别的点云数据投影至平面，然后计算该类别中所有点云数据的中心坐标，以计算得到的中心坐标作为该类别所对应的指纹的空间位置。

4.根据权利要求1所述的基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，利用欧式距离构建道路指纹关联矩阵包括以下步骤：

得到指纹的空间位置之后，计算各个指纹之间的欧式距离，计算公式如下：

式中，d表示欧式距离，(x1，y1)和(x2，y2)分别表示不同指纹的空间位置；

得到指纹之间的距离后，选择其中最大和最小的距离值d_max,d_min，然后两者相减得到间隔大小，进而将这大小分成N个子空间，每个子空间的大小为ΔI＝(d_max-d_min)/N，最后可以形成[d_min+k*ΔI,d_min+(k+1)*ΔI]的区间，k取值0至N-1之间；

然后将各指纹之间的距离进行投影，计算落在每个区间内的个数，最后就形成了一个1xN维的道路指纹关联矩阵。

5.根据权利要求4所述的基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，选取路杆-路杆、路杆-交通标志牌、路杆-车道线、井盖或减速带这三种关联来构建关联矩阵，矩阵表示如下：

式中，H₁表示路杆-路杆形成的关联矩阵，H₂表示路杆-交通标志牌形成的关联矩阵，H₃表示路杆-车道线、井盖或减速带形成的关联矩阵。

6.根据权利要求1所述的基于道路指纹空间关联矩阵的车辆定位方法，其特征在于，对当前位置所获取的点云数据进行道路指纹信息提取时，只选择道路指纹信息，剔除其他冗余信息。