[发明专利]一种基于三维点云极化地图表征的智能车定位方法及系统

权利要求书

1.一种基于三维点云极化地图表征的智能车定位方法，其特征在于，包括以下步骤：

在待定位路段采集路段的点云数据及惯导数据，根据所述惯导数据获取全局位置信息，根据点云数据获取点云的二维特征及三维特征，根据所述全局位置信息、点云的二维特征及三维特征制作出极化地图；

采集待定位节点的初步GPS坐标数据，根据所述初步GPS坐标数据及极化地图中节点的GPS坐标数据，得到待定位节点的初定位范围；

根据待定位节点的点云及待定位节点的初定位范围，获取极化地图中的最近地图节点；

根据极化图子块获取角特征点和面特征点，根据所述角特征点、面特征点及最近地图节点，获取待定位节点车辆的位置和姿态。

2.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，所述在待定位路段采集路段的点云数据及惯导数据，具体包括，通过激光雷达扫描在惯导定位接收器上的点云集合，计算点云集合的质心，以点云集合的质心作为组合惯导定位接收器在激光雷达坐标系中的位置，等距的方式在待定位路段采集路段的点云数据及惯导数据。

3.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，所述根据点云数据获取点云的二维特征，具体包括，根据点云所在的扫描线及水平视场角度获取点云的像素坐标，以点云数据与激光雷达的欧式距离作为灰度值进行投影，生成极化图，切割极化图获取图像子块，对图像子块提取SURF和ORB全局特征。

4.根据权利要求3所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，所述根据点云数据获取点云的三维特征，具体包括，进行地面点的提取并在所述极化图上对所述地面点进行标记，对极化图上未标记的点进行聚类，设置聚类阈值，将点云数小于所述聚类阈值的点簇去除，将未除去的点云在极化图上标记，通过所述极化图上已标记的点获取面特征点和角特征点。

5.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，根据所述初步GPS坐标数据及极化地图中节点的GPS坐标数据，得到待定位节点的初定位范围，具体包括，根据所述初步GPS坐标数据及极化地图中节点的GPS坐标数据，计算待定位节点与地图节点的欧式距离，确定地图节点集合，以所述地图节点集合作为待定位节点的初定位范围。

6.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，根据所述初步GPS坐标数据及极化地图中节点的GPS坐标数据，计算待定位节点与地图节点的欧式距离，具体包括，计算待定位节点的初步GPS数据经转化后的欧式坐标以及极化地图中节点的GPS数据经转化后的欧式坐标，根据两种欧式坐标，获取，计算待定位节点与地图节点的欧式距离。

7.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，所述根据待定位节点的点云及待定位节点的初定位范围，获取极化地图中的最近地图节点，具体包括，将待定位节点的点云转化成极化图并进行切割及预处理，提取预处理后的极化图子块的SURF和ORB全局特征，将所述SURF和ORB全局特征与初定位范围的SURF和ORB全局特征进行对应的特征匹配，获取极化地图中的最近地图节点。

8.根据权利要求1所述的基于三维点云极化地图表征的智能车定位方法，其特征在于，所述根据所述角特征点、面特征点及最近地图节点，获取待定位节点车辆的位置和姿态，具体包括，将待定位节点和最近地图节点利用点到线的匹配方式进行角特征点匹配，利用点到面的匹配方式进行面特征点匹配；利用标定的GPS接收机位置参数和组合惯导定位接收器位置参数对匹配点云对进行坐标修正，利用修正后的匹配点云求解出待定位节点与最近地图节点的旋转矩阵R和平移向量T，根据地图节点的全局位置信息，获取待定位节点车辆的位置和姿态。