[发明专利]一种无人车在地下车库中的精确定位方法

摘要

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。

主权项

1.一种无人车在地下车库中的精确定位方法，其特征在于，该方法基于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：步骤1，地面分割模块M11采用高斯过程回归算法实现对完整的三维激光扫描场景的分割，得到地面点云M13和非地面点云M12，地面点云M13和非地面点云M12分别表示为PGrd和PNoGrd；地面点云是场景结构中的点，属于有效点云；步骤2，提取非地面点云的特征，并和事先建立的特征地图进行匹配，选择出场景中的有效特征，进而反推获得非地面有效点云，记为PNoGrdValid；步骤3，模块M2产生的非地面有效点云PNoGrdValid与模块M1产生的地面点云PGrd参与的合并模块M31，得到全部的有效点云M32，表示为PValid，再经过降采样处理模块M33，得到最终参与地图匹配的部分有效点云M34，表示为PLastValid；该模块表示为：P_Valid＝P_Grd∪P_NoGrdValid，其中PLastValid＝Downsample(PValid)；步骤4，基于Graph‑SLAM技术实现栅格地图生成，通过点到面测度的配准算法实现地图匹配；假设两个点集为和在分别对应实时点云和栅格占据地图点云，C_pq(P,Q)表示点集P和点集Q之间的对应关系，该关系通过最近邻搜索实现，N_p和N_q表示两个点集中点的个数，T＝(R,t)为两个点集之间的变换关系，包括旋转变换R和位移变换t，满足R∈SO(3),t∈R³，则有：其中，{pi,qi}∈Cpq为两个点集之间的一对对应点；步骤5，初始位姿模块M5为地图匹配模块M41提供初始位姿信息，匹配得到精确位姿。