【技術實現步驟摘要】
本專利技術涉及自動駕駛領域，更具體地，涉及一種基于激光點云地圖的定位方法及系統。
技術介紹
1、隨著機器人和自動駕駛行業的發展，各種高階輔助駕駛、低速自動駕駛開始逐步貼近生活，類比于雷同的低速、封閉的運行環境，現下的駕培行業也探索到了新的發展方向，通過向駕培行業引入自動駕駛，駕培行業必將迎來一次深刻的變革。如此，在精簡駕校人員組成的同時，借助機器人以及自動駕駛技術實現教學培訓，必將更好地實現駕校智慧化發展，更好地保證駕校教學。
2、目前針對智慧駕校領域，有大量場景屬于遮擋等室內場景。在這種情況下，高精度rtk會存在信號弱或無信號，無法有效進行定位，從而無法達到智慧駕校的普適性。
技術實現思路
1、為了解決在沒有rtk信號覆蓋的場景下，無法實現精確定位的問題，本專利技術提供了一種基于激光點云地圖的定位方法及系統。
2、根據本專利技術的第一方面，提供了一種基于激光點云地圖的定位方法，包括：
3、基于反光貼對駕校實際場地進行場地增強；
4、基于激光雷達傳感器、imu傳感器和rtk流動站獲取實際場地的激光點云序列數據、imu序列數據和rtk位姿序列數據；
5、將所述激光點云序列數據、imu序列數據和rtk位姿序列數據進行融合，通過多輪優化構建激光點云地圖；
6、對所述激光點云地圖進行標注，以及對標注后的所述激光點云地圖進行切分；
7、根據切分后的所述激光點云地圖，將自車實時掃描到的激光點云數據、imu數據和
8、在上述技術方案的基礎上，本專利技術還可以作出如下改進。
9、可選的，所述基于反光貼對駕校實際場地進行場地增強，包括：
10、對于待建圖場地內的地面標記線和地面引導線，在所述地面標記線和地面引導線的角點處放置反光貼；
11、對于待建圖場地內的庫位線，在所述庫位線的內角點放置反光貼，所述庫位線包括倒車入庫的庫位線、側方停車的車位線和直角轉彎的邊緣線；
12、對于待建圖場地內的庫位線的s曲線，沿所述s曲線的兩邊內側放置反光貼。
13、可選的，所述基于激光雷達傳感器、imu傳感器和rtk流動站獲取實際場地的激光點云序列數據、imu序列數據和rtk位姿序列數據，之前包括對所述激光雷達傳感器的外參進行標定；
14、所述對所述激光雷達傳感器的外參進行標定，包括：
15、獲取車輛按照預設路線繞行采集的激光點云序列數據和rtk位姿序列數據；
16、對所述激光點云序列數據進行預處理，并對預處理后的所述激光點云序列數據和所述rtk位姿序列數據進行時間同步對齊；
17、對于對齊后的所述激光點云序列數據和所述rtk位姿序列數據，基于激光雷達傳感器的初始外參，對所述激光點云序列數據進行變換，得到變換后的激光點云序列數據；
18、計算變換后的激光點云序列數據與所述rtk位姿序列數據之間的對齊誤差；
19、將所述對齊誤差與預設誤差閾值進行比較，若所述對齊誤差大于預設誤差閾值，則調整所述激光雷達傳感器的外參，迭代求解變換后的激光點云序列數據與所述rtk位姿序列數據之間的對齊誤差；
20、通過不斷調整所述激光雷達傳感器的外參，直到計算的所述對齊誤差小于等于預設誤差閾值，獲取所述激光雷達傳感器的外參，所述激光雷達傳感器的外參包括平移向量和旋轉矩陣。
21、可選的，所述將所述激光點云序列數據、imu序列數據和rtk位姿序列數據進行融合，通過多輪優化構建激光點云地圖，包括：
22、根據所述激光點云序列數據和imu序列數據構建激光里程計系統，基于所述激光里程計系統從所述激光點云序列數據篩選激光點云關鍵幀；
23、基于所述激光點云關鍵幀的時間戳與rtk位姿數據進行插值對齊；
24、基于對齊后的所述激光點云關鍵幀和rtk位姿數據，構建以激光點云關鍵幀位姿為頂點的圖優化系統，并添加rtk位姿絕對觀測約束和激光里程計系統幀間相對觀測約束，對所述激光點云關鍵幀進行第一輪優化；
25、根據對齊后的所述激光點云關鍵幀和rtk位姿數據，基于歐式距離進行回環檢測，篩選并保存對應的回環配對；
26、將第一輪優化后的激光點云關鍵幀位姿作為優化頂點，添加回環配對作為相對約束，以及添加剔除異常值的rtk位姿絕對觀測約束和幀間相對觀測約束，對激光點云關鍵幀進行第二輪優化，得到第二輪優化后的激光點云關鍵幀位姿；
27、基于第二輪優化后的激光點云關鍵幀位姿構建激光點云地圖。
28、可選的，基于所述激光里程計系統從所述激光點云序列數據篩選激光點云關鍵幀，包括：
29、若當前幀是所述激光點云序列數據中的第一幀，則將當前幀作為關鍵幀；
30、若當前幀不是所述激光點云序列數據中的第一幀，將當前幀與局部地圖進行配準，配準得到當前幀的位姿；
31、計算當前幀的位姿與上一關鍵幀的位姿之間的距離，若所述距離大于預設距離閾值，則當前幀作為上一關鍵幀的下一關鍵幀；
32、根據當前幀的位姿和上一幀的位姿，基于勻速運動模型得到下一幀的位姿；
33、對下一幀的位姿繼續進行判斷，確定下一幀是否為關鍵幀，直到找到所述激光點云序列數據中的所有關鍵幀。
34、可選的，所述基于第二輪優化后的激光點云關鍵幀位姿構建激光點云地圖，包括：
35、對第二輪優化后的激光點云關鍵幀位姿按照不同區域進行拼接，形成完整的激光點云地圖。
36、可選的，所述對所述激光點云地圖進行標注，以及對標注后的所述激光點云地圖進行切分，包括：
37、基于cloudcompare工具對所述激光點云地圖中的科目內角點、s曲線和電子圍欄進行標注，基于點云標注文本進行坐標轉換，生成帶經緯度信息的json文件，基于unity3d生成場地的3d模型；
38、對標注后的所述激光點云地圖按照不同區域進行切分。
39、可選的，所述根據切分后的所述激光點云地圖，將自車實時掃描到的激光掃描點云數據、imu數據和rtk位姿數據進行融合，得到車輛實時定位信息，包括：
40、待車輛運行到rtk信號正常的位置并停止，基于車輛的rtk位姿進行初始化網格搜索，實現激光定位初始化；
41、基于激光雷達傳感器的平移向量t和旋轉矩陣r、車輛行駛速度v、加速度計的零偏ba、陀螺儀的零偏bg和重力加速度g作為狀態變量構建迭代誤差卡爾曼濾波器，其中，加速度計和陀螺儀為imu傳感器；
42、采用ndt配準算法將車輛的激光掃描點云數據到所述激光點云地圖中進行配準，計算配準殘差；
43、基于所述配準殘差和車輛的imu數據對下一狀態進行推算，對卡爾曼濾波器的狀態進行更新；
44、基于卡爾曼濾波器進行狀態的迭代更新，直到配準殘差小于等于預設配準誤差，得到車輛本文檔來自技高網...
【技術保護點】
1.一種基于激光點云地圖的定位方法，其特征在于，包括：
2.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述基于反光貼對駕校實際場地進行場地增強，包括：
3.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述基于激光雷達傳感器、IMU傳感器和RTK流動站獲取實際場地的激光點云序列數據、IMU序列數據和RTK位姿序列數據，之前包括對所述激光雷達傳感器的外參進行標定；
4.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述將所述激光點云序列數據、IMU序列數據和RTK位姿序列數據進行融合，通過多輪優化構建激光點云地圖，包括：
5.根據權利要求4所述的基于激光點云地圖的定位方法，其特征在于，基于所述激光里程計系統從所述激光點云序列數據篩選激光點云關鍵幀，包括：
6.根據權利要求4所述的基于激光點云地圖的定位方法，其特征在于，所述基于第二輪優化后的激光點云關鍵幀位姿構建激光點云地圖，包括：
7.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述對所述激光點云地
8.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述根據切分后的所述激光點云地圖，將自車實時掃描到的激光點云數據、IMU數據和RTK位姿數據進行融合，得到車輛實時定位信息，包括：
9.根據權利要求8所述的基于激光點云地圖的定位方法，其特征在于，將自車實時掃描到的激光點云數據、IMU數據和RTK位姿數據進行融合，得到車輛實時定位信息，還包括：
10.一種基于激光點云地圖的定位系統，其特征在于，包括：
...【技術特征摘要】
1.一種基于激光點云地圖的定位方法，其特征在于，包括：
2.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述基于反光貼對駕校實際場地進行場地增強，包括：
3.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述基于激光雷達傳感器、imu傳感器和rtk流動站獲取實際場地的激光點云序列數據、imu序列數據和rtk位姿序列數據，之前包括對所述激光雷達傳感器的外參進行標定；
4.根據權利要求1所述的基于激光點云地圖的定位方法，其特征在于，所述將所述激光點云序列數據、imu序列數據和rtk位姿序列數據進行融合，通過多輪優化構建激光點云地圖，包括：
5.根據權利要求4所述的基于激光點云地圖的定位方法，其特征在于，基于所述激光里程計系統從所述激光點云序列數據篩選激光點云關鍵幀，包括：...
【專利技術屬性】
技術研發人員：甘海波，朱星，
申請(專利權)人：武漢未來幻影科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。