[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

说明书

本发明公开一种基于道路指纹空间关联矩阵的车辆定位方法，该方法包括道路指纹空间关联矩阵构建和定位两个阶段。在道路指纹空间关联矩阵构建阶段，首先对高精度地图数据进行道路指纹提取，然后计算每个指纹之间的空间距离构建空间关联矩阵，得到每个场景具有唯一性的空间特征。在定位阶段，检测激光雷达点云中的道路指纹，并计算当前道路指纹的空间关联矩阵；再计算当前空间关联矩阵与地图数据库中空间关联矩阵之间的匹配度，选取匹配度最大的位置节点；最后利用当前点云道路指纹的坐标信息与该节点地图中道路指纹所包含的位置信息进行匹配，从而计算当前车辆的位置。本发明利用道路指纹关联矩阵的唯一性进行表征，保证了车辆定位的精确度。

技术领域

本发明属于车辆定位领域，具体涉及一种基于道路指纹空间关联矩阵的车辆定位方法。

背景技术

随着经济发展与社会进步，智能汽车已逐渐进入人们的视野并取得了实质性的发展。而其中，车辆的自定位是智能车最核心的问题之一。目前，GPS技术被广泛应用于车辆定位，但低成本GPS定位精度较低，而高精度的GPS因成本较高而无法普遍使用。

近年来，开始出现了基于相机和激光雷达的SLAM定位方法，该方法通过提取和匹配特征点来计算运动状态而实现定位，但该方法依然存在着误差累积问题，由于没有先验地图信息进行矫正，随着运动距离的增加，该方法的误差将越来越大。

发明内容

本发明的目的在于，提供一种基于道路指纹空间关联矩阵的车辆定位方法，消除SLAM定位的误差累积问题，实现精度更高的定位。

本发明所采用的技术方案如下：

一种基于道路指纹空间关联矩阵的车辆定位方法，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。

进一步的，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。

进一步的，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。

进一步的，利用欧式距离构建道路指纹关联矩阵包括以下步骤：