三维点云极化地图表征模型与智能车定位方法

• 作者: 胡钊政 李飞 陶倩文 陈佳良
• 来源期刊: 哈尔滨工业大学学报
• 关键词: 智能交通 极化地图 场景表征 地图定位 数据融合 智能车定位
• 年，卷（期）: 2021,（8）
• 页码范围: 103-108,170
• 页数: 7页
• 分类号: U495
• 语种: 中文
• DOI: 10.11918/202005106

摘要

为提高智能车定位精度提出一种基于三维点云极化地图表征模型的定位方法.该模型以点云极化图为节点,利用高精度GPS(Global Positioning System)和欧拉角实现该节点的全局位置表征;从极化图中提取点云的二维与三维特征,实现该节点的多尺度特征表征;通过一系列极化节点实现道路场景的数值描绘与虚拟重构.定位过程中,通过对实时获取的三维激光点云进行极化表征并与地图节点进行多尺度特征匹配实现智能车的地图定位.具体而言,首先根据待定位智能车GPS信号的稳定情况选用GPS匹配或者拓扑定位筛选地图节点并获取定位候选集,完成初定位;其次运用点云二维特征匹配结果从定位候选集中检测距离待定位智能车最近的地图节点,完成节点级定位;最后利用点云三维特征匹配结果与最近地图节点的全局位置计算智能车位姿,完成度量级定位.实验在两种典型场景下进行,节点定位准确率98.7％,平均定位误差21.4 cm,最大定位误差42.9 cm.结果表明,本文算法满足智能车高精度定位需求,且鲁棒性强、成本低、计算过程简单.