[发明专利]一种汽车定位方法、系统及计算机可读存储介质

权利要求书

1.一种汽车定位方法，其特征在于，包括以下步骤：

S1、对场景中的被测车辆环境进行分割，具体是对被测汽车的三维激光点云进行分割，提取出对被测车辆的实时点云和先验点云；

S2、对被测车辆环境进行特征点提取，提取两个场景的特征点；

S3、采用蛙跳算法对被测车辆环境的实时点云和先验点云进行配准，得到初始位置；

S4、采用ICP算法进行被测车辆环境的实时点云和先验点云的精确配准，得到实时点云相对先验点云地图的转换关系，即为所述汽车在先验点云地图中的位置。

2.根据权利要求1所述的汽车定位方法，其特征在于，所述步骤S1包括：选用聚类算法对点云数据类型进行判别，并通过聚类得到清晰的分区边界，分割出被测车辆的实时点云。

3.根据权利要求1所述的汽车定位方法，其特征在于，所述步骤S2是根据快速点特征直方图算法(FPFH)对被测车辆环境进行特征点提取。

4.根据权利要求3所述的汽车定位方法，其特征在于，所述步骤S2具体包括:计算查询点及其k邻域中所有点相互之间三元组的值，并表示为一个SPFH；对k邻域内所有的其它点分别计算SPFH；采用加权公式对所有的SPFH进行统计得到最后的FPFH，加权公式式中，ω_k是查询点p与其k邻域内第k个近邻点p_k之间的欧式距离。

5.根据权利要求1所述的汽车定位方法，其特征在于，所述步骤S3包括：

S301对实时点云和先验点云去中心化；

S302随机生成N个初始种群；

S303将N个初始种群随机分为M组，每组种群有L个种群，即N＝ML；

S304分别随机对去中心的实时点云和先验点云进行M组旋转，每组旋转L次；

S305寻找每组里的局部最优解、局部最差解，并从M组局部最优解中找出全局最优解；

S306利用全局最优解对局部最差解进行调整；

S307判断目标函数是否达到最优值，若是，进行下一步；若否，跳转第S32；

S308输出两个点云各自的最优转动矩阵；

S309根据最小二乘法计算幺正矩阵对转动矩阵的方向进行幺正；

S310根据两个转动矩阵计算刚体旋转矩阵，根据被旋转后的实时点云和先验点云的协方差矩阵的迹估算出放缩因子，并进一步求解平移向量，完成实时点云和先验点云初始配准。

6.一种汽车定位系统，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-5任一所述的汽车定位方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-5任一所述的汽车定位方法。