[发明专利]一种基于Autoware的车辆循迹方法

权利要求书

1.一种基于Autoware的车辆循迹方法，其特征在于，包括以下步骤：

S1、基于设置在车辆上的robosense激光雷达采集数据；

S2、在Autoware中使用NDTmapping算法建图；

S3、对NDT_mapping建立的pcd点云图使用pcl点云库进行后处理，后处理的过程包括降采样和和点云地图区域划分；

降采样的过程中采用voxel_leaf_size减小点云文件体积，通过pcl点云库将点云文件进行voxel_filter；点云地图区域划分的过程中通过设置网格大小对点云地图进行区域划分；

后处理得到最终的地图点云图；

S4、基于地图点云图，使用仿真simulation功能模块并选择waypoint_saver形成csv路径节点文件；

S5、在地图点云图中载入csv路径节点文件，基于A*算法使用astar_avoid以及velocity_set形成车辆循迹轨迹，并基于纯追踪算法使用循迹指令pure_pursuit和twist_filter得到车辆循迹结果。

2.根据权利要求1所述的一种基于Autoware的车辆循迹方法，其特征在于，在robosense激光雷达采集数据之前需要对robosense激光雷达进行标定和高度测量，并进行rosbag录包，在进行rosbag录包时需要勾选话题points_raw。

3.根据权利要求1所述的一种基于Autoware的车辆循迹方法，其特征在于，使用NDTmapping算法建图时需要进行进行点云配准，进行点云配准的过程包括以下步骤：

(1)先固定一个点云数据作为目标点云，并对目标点云进行网格划分；

(2)目标点云划分好网格后，将点云加载到网格内，首先计算均值向量

其中，表示网格内扫描点k的坐标；m表示网格内扫描点的数量；

由式计算协方差矩阵；

最后由式求出每一个网格内的正态分布概率密度函数；

(3)确定源点云相对于目标点云的初始坐标变换参数；

所述的源点云为需要与目标点云进行配准的点云；

(4)根据初始坐标变换参数将源点云坐标转换到目标点云坐标系下，此时源点云会分布在目标点云网格中，由对应所在网格的正态分布概率密度函数，求出源点云坐标为X'的概率，即确定源点云经坐标变换后在目标点云网格中的概率；

(5)求出最大目标似然函数：

将每一个点的概率乘积起来作为目标似然函数；

其中，n为分布在目标点云网格中源点云的数量；

(6)利用牛顿迭代法进行优化，找出最佳变换参数p完成点云配准。

4.根据权利要求3所述的一种基于Autoware的车辆循迹方法，其特征在于，步骤(3)所述确定初始坐标变换参数的过程中需要使一半以上的源点云处于目标点云的坐标平面当中。

5.根据权利要求4所述的一种基于Autoware的车辆循迹方法，其特征在于，步骤(6)所述利用牛顿迭代法进行优化，找出最佳变换参数p完成点云配准的过程包括以下步骤：

求解目标函数公式

其中，H是目标函数的黑塞矩阵，是目标函数的梯度向量；是最佳变换参数p的向量变化值；

迭代更新公式T＝T+ΔT；

其中，ΔT是坐标变换参数T的变化值，迭代参数T是坐标变换参数T。

6.根据权利要求5所述的一种基于Autoware的车辆循迹方法，其特征在于，在Autoware中使用NDTmapping算法建图的过程中选择参数resolution为1。

7.根据权利要求6所述的一种基于Autoware的车辆循迹方法，其特征在于，采用voxel_leaf_size减小点云文件体积的过程选取leaf_size为0.1-0.2。