[发明专利]一种汽车定位方法、系统及计算机可读存储介质

说明书

本发明提供一种基于蛙跳算法与三维激光点云的汽车定位方法、系统及计算机可读存储介质，包括步骤：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。本发明能在没有任何先验信息的情况下对数据存在缺失且带有噪声的两片点云数据实现自动配准。

技术领域

本发明涉及汽车定位技术领域，特别是基于蛙跳算法与三维激光点云的汽车定位方案。

背景技术

汽车定位技术一直以来都是汽车领域的研究热点。准确定位汽车位置，能够减轻驾驶员对道路的误判，从而减少交通事故，给驾驶人员提供安全保障。经过检索，发现专利申请号202011550860.4，名称为一种无人车定位方法及系统的专利技术提供一种汽车定位方案，但并未提供一个好的匹配方案。激光扫描(Light Detection and Ranging，LiDAR)技术在二十世纪八十年代就已经被用于三维点云数据的获取上，并随着计算机性能的不断提升与坐标测量技术的日益强大，该技术至今仍然蓬勃发展。激光雷达的原理主要是依据探头发射脉冲信号对被测车辆进行照射，根据探头接收到的经过被测车辆表面的反射信号，结合光学方程计算出车辆与激光雷达的直线距离，再结合雷达的方位角和俯仰角即可将被测车辆的空间三维坐标计算出来。在三维激光点云定位中，最关键的就是先验点云地图与汽车实时点云的配准。而经典的ICP配准算法需要有一个较好的初始位置，这是现有方法的短板。

发明内容

本发明针对现有技术的不足，提供一种基于蛙跳算法与三维激光点云的汽车定位方法、系统及计算机可读存储介质，解决现有技术存在的定位精度不高的问题。

为解决上述技术问题，本发明所采用的技术方案如下：

一种汽车定位方法，基于蛙跳算法与三维激光点云，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。

进一步，所述步骤S1中，是利用聚类算法对场景中的被测车辆环境进行分割，具体实现过程包括：选用社会粒子群优化模糊c均值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，完成对被测汽车实时点云的区域分割。

进一步，步骤S3中，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，得到一个较好初始位置。包括：对实时点云和先验点云去中心化后，根据几何物体被刚性旋转过后仍然不会改变物体自身的几何形态这一性质，提出了另一种基于SFLA优化各维度间相关性的点云配准算法。该算法的原理是，首先通过转动矩阵对点云矩阵随机转动，使点云矩阵各维度数据之间的相关性发生变化，并以各维度的相关性的平方和作为目标函数；然后采用蛙跳算法对转动矩阵进行搜索，使得目标函数达到最大，利用搜索出的两个转动矩阵计算刚体旋转矩阵，并采用最小二乘法计算出幺正矩阵对刚体旋转矩阵的方向进行幺正，最后根据被旋转后的源点云与目标点云的协方差矩阵的迹估算出放缩因子，并进一步求解出平移向量。完成实时点云和先验点云的初始配准。