[发明专利]一种面向无人驾驶汽车的多特征融合地图的制作方法

说明书

本发明公开了一种面向无人驾驶汽车的多特征融合地图的制作方法，包括以下步骤：利用车载激光雷达设备采集各传感器数据；利用IMU数据和激光测量数据生成三维点云地图；利用IMU数据和相机数据生成视觉特征地图；对GPS数据预处理，将大地坐标转换为空间直角坐标；使用连续时间SLAM算法进行全局优化融合；生成多特征融合地图。本发明的多特征融合地图制作方法融合激光雷达、IMU、相机和GPS等多种传感器数据，大大提高了稳定性和准确性；采用视觉SLAM算法和激光SLAM算法融合处理数据，获得比单纯的视觉SLAM算法或激光SLAM算法更好的构图效果；本方法简单、实用、成本低，制作出的地图精确、属性丰富，有助于提高无车驾驶汽车行驶过程的安全性。

[技术领域]

本发明涉及电子地图，尤其涉及一种面向无人驾驶汽车的多特征融合地图的制作方法。

[背景技术]

传统电子地图主要依靠卫星影像产生，再由GPS定位，这种方法可以达到米级精度。而面向无人驾驶需要精细化定义的精度达到厘米级的高精度地图。由于高精度地图可帮助车辆找到合适的行驶空间，感知、定位与规划等均依赖它。无人驾驶技术中，为了安全与准确的感知，无人驾驶系统采用了多种异构传感器。车载移动测量系统作为一种先进的测量手段，具有快速、动态、主动和高精度等特点，能够采集大面积的三维道路信息。所谓精细化定义是需要格式化存储交通场景中的各种交通要素，包括车道线、路面标志等。

高精度地图的主要服务对象不是人类驾驶员，而是无人驾驶系统。它能够扩展车辆的静态环境感知能力，在精确定位、障碍物检测和避让、智能调速、转向和引导等方面发挥着重要作用，是无人驾驶中必不可少的一项关键技术。与传统地图相比，高精度地图具有更高的定时性，路网每天都在变化，通过与云端通信，无人驾驶汽车可实时得知路网更新信息。无人驾驶不仅需要机器视觉技术、激光雷达技术和传感器技术等提供外部数据，更需要强大的数据处理算法提供技术支撑。

申请号为CN201710645663.2的发明公开了一种无人驾驶汽车自主定位与地图构建的方法及系统，利用SLAM的技术，将多种传感器数据进行融合，采用新型的算法结构，构建稳定有效的框架。利用粒子滤波器优化三维激光雷达的数据，将三维激光雷达的数据转换成视觉模型，利用词袋模型进行闭环检测，对无人驾驶汽车进行稳定有效的自主定位与地图构建，提高运算效率和运行速度，可以应用到无人驾驶汽车系统上。

该发明构建的点云地图定位精度和稳定性不够好，该发明的数据关联部分，由于各个传感器数据特性不同，导致数据频率不一致，生成的地图精度低，无人驾驶的安全性不够好

[发明内容]

本发明要解决的技术问题是提供一种定位精度高，稳定性好的面向无人驾驶汽车的多特征融合地图的制作方法。

为了解决上述技术问题，本发明采用的技术方案是，一种面向无人驾驶汽车的多特征融合地图的制作方法，包括以下步骤：

101)利用车载激光雷达设备采集各传感器数据；

102)利用IMU数据和激光测量数据生成三维点云地图；

103)利用IMU数据和相机数据生成视觉特征地图；

104)对GPS数据预处理，将大地坐标转换为空间直角坐标；

105)使用连续时间SLAM算法进行全局优化融合；

106)生成多特征融合地图。

以上所述的制作方法，在步骤102中，IMU数据包含采集时段中任一时刻t_i对应的旋转角速度ω_i及线性加速度a_i，下一时刻t_i+1的位置T_i+1和姿态R_i+1，根据当前的时刻t_i对应全局坐标系下的位置T_i、姿态R_i及IMU测量的角速度和线性加速度进行积分得到；