[发明专利]定位方法、装置和车辆

说明书

本发明提供一种定位方法、装置和车辆，所述方法包括以下步骤：通过激光雷达对车前环境进行持续探测以获取连续多帧点云数据，其中，所述连续多帧点云数据中最后一帧为当前帧；将所述连续多帧点云数据进行叠加，得到稠密点云数据；通过神经网络对所述稠密点云数据进行语义分割，以确定所述稠密点云数据中每个点属于动态目标或静态目标；剔除属于动态目标的点并保留属于静态目标的点，以得到静态环境点云数据；将所述静态环境点云数据与道路高精点云地图进行匹配，以确定车辆的当前位置。本发明能够提高车辆定位的准确率。

技术领域

本发明涉及点云数据处理技术领域，具体涉及一种定位方法、一种定位装置和一种车辆。

背景技术

目前，在复杂的路况下，例如城市道路进行自动驾驶控制时，一般是直接将激光雷达采集的点云数据与高精点云地图进行匹配，以得到车辆的定位信息。然而，由于激光雷达采集的点云数据中包含很多动态噪声，如动态的车或者行人等，上述匹配方式得到的车辆定位不够准确。

发明内容

本发明为解决上述技术问题，提供了一种定位方法、装置和车辆，能够提高车辆定位的准确率。

本发明采用的技术方案如下：

一种定位方法，包括以下步骤：通过激光雷达对车前环境进行持续探测以获取连续多帧点云数据，其中，所述连续多帧点云数据中最后一帧为当前帧；将所述连续多帧点云数据进行叠加，得到稠密点云数据；通过神经网络对所述稠密点云数据进行语义分割，以确定所述稠密点云数据中每个点属于动态目标或静态目标；剔除属于动态目标的点并保留属于静态目标的点，以得到静态环境点云数据；将所述静态环境点云数据与道路高精点云地图进行匹配，以确定车辆的当前位置。

根据本发明实施例的定位方法，通过获取连续多帧点云数据，并将连续多帧点云数据进行叠加，得到稠密点云数据，然后通过神经网络对稠密点云数据进行语义分割，以确定稠密点云数据中每个点属于动态目标或静态目标，再剔除属于动态目标的点并保留属于静态目标的点，以得到静态环境点云数据，最后将静态环境点云数据与道路高精点云地图进行匹配，以确定车辆的当前位置，由此，能够通过去除了动态噪声且具有丰富语义信息的点云数据实现匹配定位，从而提高车辆定位的准确率。

另外，本发明上述的定位方法还可具有如下附加技术特征：

所述静态目标包括车道线和道路栅栏，所述动态目标包括行人和其他车辆。

所述连续多帧点云数据的数量根据所述激光雷达的帧率确定。

一种定位方法，包括以下步骤：通过激光雷达对车前环境进行持续探测以获取连续多帧点云数据，其中，所述连续多帧点云数据中最后一帧为当前帧；通过神经网络对每帧所述点云数据进行语义分割，以确定每帧所述点云数据中每个点属于动态目标或静态目标；剔除每帧所述点云数据中属于动态目标的点并保留属于静态目标的点，以得到对应的一帧静态环境点云数据；将多帧所述点云数据对应的多帧静态环境点云数据进行叠加，得到稠密静态环境点云数据；将所述稠密静态环境点云数据与道路高精点云地图进行匹配，以确定车辆的当前位置。

根据本发明实施例的定位方法，通过获取连续多帧点云数据，并通过神经网络对每帧点云数据进行语义分割，以确定每帧点云数据中每个点属于动态目标或静态目标，然后剔除每帧点云数据中属于动态目标的点并保留属于静态目标的点，以得到对应的一帧静态环境点云数据，再将多帧点云数据对应的多帧静态环境点云数据进行叠加，得到稠密静态环境点云数据，最后将稠密静态环境点云数据与道路高精点云地图进行匹配，以确定车辆的当前位置，由此，能够通过去除了动态噪声且具有丰富语义信息的点云数据实现匹配定位，从而提高车辆定位的准确率。