[发明专利]一种融合点云地图、运动模型和局部特征的位置识别方法

权利要求书

1.一种融合点云地图、运动模型和局部特征的位置识别方法，其特征在于，包括以下步骤：

步骤1，针对离线记录的多帧激光雷达点云，基于高精度组合导航计算相对位姿，拼接场景先验点云地图，在地图内部生成参考点作为虚拟地标；

步骤2，遍历地图参考点，结合点云地图，构建不同朝向下鸟瞰图特征描述，生成地图描述集，并离线保存地图相关数据；

步骤3，针对轨迹第一帧点云，在地图描述集中采用全局暴力搜索计算出最佳匹配的地图描述子，基于地图参考点估算车辆位置；

步骤4，针对轨迹第二帧点云，借助起始位置估计，在地图描述集中采用局部搜索计算出最佳匹配的地图描述子，基于地图参考点估算车辆位置；

步骤5，针对实时点云数据，采用描述符相似性作为可靠性度量，借助前两帧位置估计，结合车辆运动模型和局部搜索，采用卡尔曼滤波估算当前车辆位置。

2.根据权利要求1所述的一种融合点云地图、运动模型和局部特征的位置识别方法，其特征在于：步骤1的具体实现包括如下子步骤；

步骤1.1，采用搭载多线激光雷达的自动驾驶车辆预先在场景内部环绕采集数据，利用全球定位系统(GPS,Global Positioning System)和惯性导航系统(INS，InertialNavigation System)组合导航，计算高精度位姿，并拼接点云地图；

步骤1.2，结合传感器的高度利用两个高度阈值z₁和z₂滤除地图中部分点云，采用边长为l_m的体素对地图进行降采样，将其投影到XOY平面内；其中，激光雷达的坐标系方向为X轴指向前进方向，Y轴向左，Z轴竖直向上；

步骤1.3，计算投影地图的二维坐标极值(x_min,y_min,x_max,y_max)，按照等距离采样在地图内生成参考点M_r作为虚拟地标，利用点云处理软件裁剪部分不合理参考点，参考点坐标计算如下：

式中i和j为采样点行列号，d_x和d_y为采样距离，(x,y)为采样点坐标。