CN108732582A - 车辆定位方法和装置 - Google Patents

车辆定位方法和装置 Download PDF

Info

Publication number
CN108732582A
CN108732582A CN201710263504.6A CN201710263504A CN108732582A CN 108732582 A CN108732582 A CN 108732582A CN 201710263504 A CN201710263504 A CN 201710263504A CN 108732582 A CN108732582 A CN 108732582A
Authority
CN
China
Prior art keywords
sampling
posture
value
reflected value
map
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710263504.6A
Other languages
English (en)
Other versions
CN108732582B (zh
Inventor
万国伟
王昊
宋适宇
徐宝强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710263504.6A priority Critical patent/CN108732582B/zh
Priority to US15/882,131 priority patent/US10613227B2/en
Publication of CN108732582A publication Critical patent/CN108732582A/zh
Application granted granted Critical
Publication of CN108732582B publication Critical patent/CN108732582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4026—Antenna boresight
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请公开了车辆定位方法和装置。该方法的一具体实施方式包括：获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态；分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率；基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。实现了在考虑初始姿态中的平面位置、偏航角等多个参数的误差的情况下，利用采集的激光点云对应的投影数据与反射值地图的地图数据的匹配概率，确定激光雷达的中心点的最优姿态，进而较为准确地确定车辆的位置。

Description

车辆定位方法和装置
技术领域
本申请涉及计算机领域，具体涉及定位领域，尤其涉及车辆定位方法和装置。
背景技术
车辆对环境感知能力是衡量车辆的智能化程度的最为关键的指标。而对于车辆的准确定位是车辆进行环境感知的基础。目前，通常采用GPS与惯性导航设备进行结合的方式对车辆进行定位。然而，由于GPS与惯性导航设备输出的数据的误差较大，导致难以对车辆进行高精度的定位。
发明内容
本申请提供了车辆定位方法和装置，用于解决上述背景技术部分存在的技术问题。
第一方面，本申请提供了车辆定位方法，该方法包括：获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，激光点云数据包括：激光点在激光雷达坐标下的坐标，初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、激光点的反射值或高度的方差，地图数据包括：网格对应的反射值或高度的预设均值、网格对应的反射值或高度的预设方差；基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置，最优姿态包括：激光雷达的中心点在世界坐标系中的最优平面位置、最优偏航角。
第二方面，本申请提供了车辆定位装置，该装置包括：获取单元，配置用于获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，激光点云数据包括：激光点在激光雷达坐标下的坐标，初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；计算单元，配置用于分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、激光点的反射值或高度的方差，地图数据包括：网格对应的反射值或高度的预设均值、网格对应的反射值或高度的预设方差；定位单元，配置用于基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。
本申请提供的车辆定位方法和装置，通过获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态；分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率；基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。实现了在考虑初始姿态中的平面位置、偏航角等多个参数的误差的情况下，利用采集的激光点云对应的投影数据与反射值地图的地图数据的匹配概率，确定激光雷达的中心点的最优姿态，进而较为准确地确定车辆的位置。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了根据本申请的车辆定位方法的一个实施例的流程图；
图2示出了采集的激光点云投影到反射值地图的一个效果示意图；
图3示出了采集的激光点云投影到反射值地图的另一个效果示意图；
图4示出了根据本申请的车辆定位装置的一个实施例的结构示意图；
图5根据本申请的车辆的一个实施例的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
请参考图1，其示出了根据本申请的车辆定位方法的一个实施例的流程。该方法可以由车辆上的处理器执行，相应地，定位装置可以设置于车辆中。该方法包括以下步骤：
步骤101，获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态。
在本实施例中，激光雷达采集的激光点云可以是指激光雷达的当前采样时间段采集的一帧激光点云。激光雷达每经过一个扫描周期，可以扫描到一帧激光点云。可以实时获取激光雷达采集的激光点云，每获取一帧激光点云之后，可以用于对车辆进行定位，从而，实时对车辆进行定位。
在本实施例中，采集的激光点云包含多个激光点，激光雷达可以输出激光点云数据，采集的激光点云的激光点云数据包括:激光点在激光雷达坐标系下的坐标。
在本实施例中，可以通过惯性导航设备获取激光雷达的中心点的初始姿态。激光雷达的中心点的初始姿态包括：激光雷达的中心点在世界坐标系即UTM坐标系下的初始三维坐标、初始偏航角、初始滚转角、初始俯仰角。激光雷达的中心点的初始平面位置包括：激光雷达的中心点的在UTM坐标系下的初始三维坐标中的在x轴的取值和在y轴的取值。例如，激光雷达的中心点的初始三维坐标采用(x，y，z)表示，则(x，y)可以表示激光雷达的中心点的初始平面位置。
惯性导航设备获取到的激光雷达的中心点的初始三维坐标与激光雷达的中心点的实际的三维坐标存在误差，相应地，激光雷达的中心点的初始平面位置与激光雷达的中心点的实际的平面位置存在误差。惯性导航设备获取到的激光雷达的中心点的初始偏航角与激光雷达的中心点的实际的偏航角存在误差。
步骤102，分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率。
在本实施例中，可以预先采用以下方式建立反射值地图：将地球表面的地平面作为反射值地图的地图区域，在UTM坐标系下将地球表面的地平面内划分成固定大小的块(Node)，每个块可以覆盖固定的地域范围。可以将每一个块再划分成多个网格(Cell)，每一个网格可以覆盖固定的地域范围。多个网格在块中可以构成一个网格阵列。在给定一个点的空间位置在UTM坐标系下的坐标即UTM坐标时，可以首先根据该空间位置UTM坐标中的在x轴、y轴的取值，确定出该点投影到反射值地图时，该点投影到的反射值地图中的块。然后，可以根据该块的左上角的UTM坐标，网格在x轴方向、y轴方向的长度例如网格为正方形时网格的边长，确定出该点投影到反射值地图时，该点投影到块内的网格的下标。网格的下标可以利用(i,j)表示，i可以表示网格在反射值地图的块中的x轴方向是第几个网格，j可以表示网格在反射值地图的块中的y轴方向是第几个网格。
在本实施例中，可以预先采集多帧历史激光点云，利用历史激光点云的重合部分建立历史激光点云之间的匹配关系，对历史激光点云对应的姿态进行校正，得到历史激光点云对应的精确的姿态。然后，可以根据历史激光点云对应的精确的姿态，确定历史激光点云的激光点的UTM坐标。可以根据历史激光点云的激光点的UTM坐标，确定历史激光点云中的激光点投影到的反射值地图中的网格，将历史激光点云中的激光点投影到相应的网格。可以分别计算历史激光点云中投影到每一网格的激光点的反射值或高度的均值、反射值或高度的方差。可以历史激光点云中投影到每一个网格的激光点的反射值或高度的均值分别作为每一个网格对应的预设均值，可以将历史激光点云中投影到每一个网格的激光点的反射值或高度的方差分别作为每一个网格对应的预设方差。
从而，使得每一个网格对应有反射值或高度的预设均值、反射值或高度的预设方差，可以用于后续的与采样姿态对应的投影数据的匹配。
在本实施例中，考虑到惯性导航设备获取到激光雷达的中心点的初始平面位置与激光雷达的中心点的实际的平面位置的误差、激光雷达的中心点的初始偏航角与激光雷达的中心点的实际的偏航角的误差等误差对后续的激光点云对应的投影数据与反射值地图的地图数据的匹配结果的影响，可以首先生成激光雷达的中心点的多个采样姿态。每一个激光雷达的中心点的采样姿态中，包含激光雷达的中心点的采样平面位置和采样偏航角。采样平面位置可以表示激光雷达的中心点可能的实际平面位置，采样偏航角可以表示激光雷达的中心点可能的实际偏航角。
在本实施例中，可以在激光雷达的中心点的初始平面位置的预设领域范围内采样得到激光雷达的中心点的采样平面位置。激光雷达的中心点的初始平面位置的预设邻域范围包含激光雷达的中心点的初始平面位置。激光雷达的中心点的初始平面位置的预设邻域范围可以根据一个在x轴的取值的取值区间和一个在y轴的取值的取值区间而确定。激光雷达的中心点在x轴的取值的取值区间可以采用Nx表示，激光雷达的中心点在y轴的取值的取值区间可以采用Ny表示，则初始平面位置的预设邻域范围可以采用Nx.Ny表示。
例如，预设领域范围为一个以激光雷达的中心点的初始平面位置为中心的矩形区域。该矩形区域包含多个网格，激光雷达的中心点在x轴的取值的取值区间可以为矩形区域在x轴方向的网格数量乘以网格在x轴方向的边长。激光雷达的中心点在y轴的取值的取值区间可以为矩形区域在y轴方向的网格数量乘以网格在y轴方向的边长。
在本实施例中，可以在偏航角的预设邻域范围进行均匀采样得到多个个采样偏航角。例如，偏航角的预设邻域范围可以为一个以激光雷达的中心点的初始偏航角作为中点的偏航角取值区间，可以在该偏航角取值区间内均匀采样得到多个采样偏航角。每一个采样偏航角与初始偏航角的差值的绝对值小于差值阈值。
在本实施例中，通过步骤201采集的激光点云中的激光点的坐标是激光雷达坐标系下的坐标，需要通过激光雷达的中心点的姿态，确定旋转矩阵和平移矩阵，利用旋转矩阵和平移矩阵将采集的激光点云中的激光点在激光雷达坐标系下的坐标进行转换，得到采集的激光点云中的激光点在UTM坐标系下的UTM坐标。激光点云中的一个激光点在UTM坐标系中的UTM坐标X′可以表示为：
X′＝RX+t
其中，X表示激光雷达坐标系下的激光点的位置的三维坐标，R表示旋转矩阵，t表示平移矩阵。
旋转矩阵可以根据激光雷达的中心点的滚转角、俯仰角、偏航角计算得到，平移矩阵可以根据激光雷达的中心点的三维坐标得到。
在本实施例中，可以分别计算出每一个采样姿态对应的旋转矩阵和平移矩阵。在计算一个采样姿态对应的旋转矩阵时，可以将激光雷达的中心点的初始滚转角、初始俯仰角作为该采样姿态的滚转角、俯仰角，该采样姿态的偏航角则为采样偏航角，可以根据初始滚转角、初始俯仰角、采样偏航角，计算出该采样姿态对应的旋转矩阵。在计算一个采样姿态对应的平移矩阵时，平移矩阵中的三维坐标中的x的取值、y的取值则可以采用采样平面位置中的x的取值、y的取值，z的取值可以采用初始三维坐标中的z的取值。
在得到每一个采样姿态对应的旋转矩阵和平移矩阵之后，可以基于每一个采样姿态对应的旋转矩阵和平移矩阵，得到每一个采样姿态各自对应的采集的激光点云中的激光点的UTM坐标，然后，可以分别根据每一个姿态对应的采集的激光点云中的激光点的UTM坐标，确定出采集的激光点云中的激光点投影到的网格，从而，基于每一个采样姿态，分别将采集的激光点云中的激光点投影到反射值地图中相应的网格中。在基于每一个采样姿态，分别将采集的激光点云中的激光点投影到反射值地图中相应的网格中之后，可以进一步分别计算出每一个采样姿态对应的投影数据。每一个采样姿态对应的投影数据包括：在根据该采样姿态将采集的激光点云中的激光点投影到反射值地图中相应的网格之后，投影到每一个网格中的激光点的反射值或高度的均值、投影到每一个网格中的激光点的反射值或高度的方差。
在本实施例中，多个采样姿态中的采样位置不同，可以相当于将初始姿态中激光雷达的中心点的初始平面位置在初始平面位置的邻域范围内移动，移动之后激光雷达的中心点的平面位置为一个采样平面位置。例如，将初始姿态中激光雷达的中心点的初始平面位置在包含NX*Ny个网格的区域中移动，NX表示该区域在x轴方向的网格的数量，Ny表示该区域在y轴方向的网格的数量。可以将激光雷达的中心点从初始平面位置在x轴方向平移一个网格的距离或在y轴方向平移一个网格的距离，得到激光雷达的中心点的一个采样位置。
由于采集的激光点云中的激光点在UTM坐标系下的坐标与激光雷达的中心点的平面位置和偏航角相关联，因此，在采用不同的采样姿态得到的采集的激光点云中的激光点在UTM坐标系下的坐标也是不同的，激光点的分布情况也是不同的。在基于每一个采样姿态对采集的激光点云进行投影之后，每一个采样姿态可以对应有不同的投影数据，相应地，每一个采样姿态可以对应有不同的对应的投影数据与反射值地图的地图数据的匹配概率。可以分别计算基于每一个采样姿态对采集的激光点云进行投影后，每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率。在计算一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率时，反射值地图的地图数据在基于该采样姿态对采集的激光点云进行投影时，激光点云中的激光点投影在的每一个网格对应的网格对应的反射值或高度的预设均值、激光点云中的激光点投影在的网格对应的反射值或高度的预设方差。
请参考图2，其示出了采集的激光点云投影到反射值地图的一个效果示意图。
在图2中，示出了反射值地图中的一个块201，块201中包括多个正方形的网格，块201中的多个网格中，带有斜线的网格表示以一个采样姿态得到采集的激光点云中的激光点的UTM坐标，根据该采样姿态对应的采集的激光点云中的激光点的UTM坐标对激光点云进行投影，采集的激光点云中的激光点投影到的网格。该采样姿态包括一个采样平面位置、采样偏航角。O表示具有采样姿态的激光雷达的中心点在反射值地图中对应的点。
请参考图3，其示出了采集的激光点云投影到反射值地图的一个效果示意图。
示出了反射值地图中的一个块301，块301中包括多个正方形的网格，块301与图2中的块201是反射值地图中相同的块。块301中的多个网格中，带有斜线的网格表示以另一个采样姿态得到采集的激光点云中的激光点的UTM坐标，根据该另一个采样姿态对应的采集的激光点云中的激光点的UTM坐标对激光点云进行投影，采集的激光点云中的激光点投影到的网格。该另一个采样姿态包括一个采样平面位置、采样偏航角。该另一个采样姿态与上述对图2的描述中的一个采样姿态具有相同的采样偏航角，但该另一个采样姿态的采样平面位置相较于上述对图2的描述中的一个采样姿态的采样平面位置在反射值地图的x轴偏移了一个网格。O1表示具有该另一个采样姿态的激光雷达的中心点在反射值地图中对应的点。
在本实施例中，考虑到将采集的激光点云投影到反射值地图的开销大的问题，也可以采用以下方式将采集的激光点云中的激光点投影到反射值地图中相应的网格中，计算匹配概率：多个采样偏航角对应的旋转矩阵可以采用R1、R2……RN，而初始姿态中的初始三维坐标对应的平移矩阵可以采用t表示，从而，得到一组姿态[R1,t],[R2,t],…,[RN,t]。可以基于[R1,t],[R2,t],…,[RN,t]中的每一个姿态分别得到基于中每一个姿态对应的采集的激光点云中的激光点在世界坐标系下的坐标。然后，根据每一个姿态对应的采集的激光点云中的激光点在UTM坐标系下的坐标，分别将采集的激光点云中的激光点投影到反射值地图中相应的网格中。从而，仅进行了采样偏航角的数量的次数的投影。
在分别基于[R1,t],[R2,t],…,[RN,t]中每一个姿态将采集的激光点云中的激光点投影到反射值地图中相应的网格之后，可以分别对每一个姿态，将基于该姿态投影后的激光雷达的中心点在反射值地图上的位置在反射值地图上进行移动，相应地，基于该姿态投影后的激光点云中的激光点在反射值地图中的位置也相应地在反射值地图上移动与雷达的中心点的位置移动的距离相同的距离。例如，可以将基于一个姿态投影后的激光雷达的中心点在反射值地图上的位置在反射值地图上的x轴方向移动一个网格的距离或在y轴方向移动一个网格的距离，相应地，基于该姿态投影后的激光点云中的激光点在反射值地图上的位置也相应地在反射值地图上的x轴方向移动一个网格的距离或在y轴方向移动一个网格的距离。最后，可以计算移动之后位于每一个网格中的采集的激光点的反射值或高度的均值、反射值或高度的方差。由于对基于一个姿态投影后的激光雷达的中心点的移动构成了一个激光雷达的中心点的采样位置，姿态中的偏航角为采样偏航角，因此，可以相当于构建了一个采样姿态，该构建出的采样姿态包含移动之后得到的采样平面位置和姿态中的采样偏航角。相应地，移动之后位于每一个网格中的采集的激光点的反射值或高度的均值、反射值或高度的方差则可以作为该采样姿态对应的投影数据。从而，可以进一步计算出该采样姿态对应的投影数据与反射值地图的地图数据的匹配概率。
在本实施例的一些可选的实现方式中，在基于一个采样姿态(x，y，yaw)将采集的激光点云进行投影之后，可以采用以下公式分别计算每一个采样姿态(x，y，yaw)对应的投影数据与反射值地图的地图数据的匹配概率P(z|x，y，yaw)：
其中，χi，j表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的均值，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设均值，ρ2表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的方差，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设方差。
在基于一个采样姿态将采集到的激光点云投影到反射值地图中相应的网格时，激光点云中的激光点可以投影到反射值地图中的多个网格，多个网格的下标利用(i,j)表示，i可以表示网格在反射值地图的块中的x轴方向是第几个网格，j可以表示网格在反射值地图的块中的y轴方向是第几个网格。可以基于该采样姿态得到的采集的激光点云中的激光点的UTM坐标，确定采集的激光点云中的激光点投影在的网格，进而可以计算出投影到下标为(i,j)的网格的激光点的反射值或高度均值，反射值或高度的方差，从而，可以基于该个采样姿态投影到下标为(i,j)的网格的激光点的反射值或高度均值、反射值或高度的方差和下标为(i,j)的网格对应的反射值或高度预设均值，反射值或高度的预设方差，计算出采样姿态对应的投影数据和反射值地图的地图数据的匹配概率。
步骤103，基于每一个采样姿态对应的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。
在本实施例中，采样姿态对应的后验匹配概率可以表示该采样姿态为激光雷达的中心点的实际姿态的概率。可以基于每一个采样姿态(x、y、yaw)对应的后验匹配概率，计算出最优姿态。最优姿态包括：激光雷达的中心点在世界坐标系中的最优平面位置、最优偏航角。在确定出激光雷达的中心点的在世界坐标系中的最优平面位置、最优偏航角之后，由于激光雷达的中心点与车辆的位置是相对固定的，进而可以确定车辆的位置。车辆的位置可以是指车辆的中心点的位置。车辆的中心点的位置可以包含车辆的中心点的平面位置，车辆的中心点的偏航角。例如，可以将激光雷达的中心点的最优平面位置作为车辆的中心点的平面位置，可以将激光雷达的中心点的最优偏航角作为车辆的中心点的偏航角。在确定了车辆的中心点的位置之后，可以根据车辆的尺寸，进一步确定出车辆占据的区域。
在本实施例的一些可选的实现方式中，在计算出每一个采样姿态对应的后验匹配概率之后，可以将对应的后验匹配概率最大的采样姿态作为最优姿态，即将对应的后验匹配概率最大的采样姿态中的采样平面位置作为最优平面位置，将对应的后验匹配概率最大的采样姿态中的采样偏航角作为最优偏航角。
在本实施例的一些可选的实现方式中，在计算出每一个采样姿态对应的后验匹配概率之后，可以利用每一个采样姿态对应的匹配概率更新直方图滤波器。直方图滤波器中保存有基于历史激光点云的匹配概率的计算结果得到的后验匹配概率的预测值。可以采用以下公式分别计算每一个采样姿态(x，y，yaw)对应的后验匹配概率P(x，y，yaw)：
P(z|x，y，yaw)表示一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，表示基于历史激光点云的匹配概率的计算结果而得到的后验匹配概率的预测值，可以从直方图滤波器中获取该预测值，μ表示归一化系数。
在计算出每一个采样姿态对应的后验匹配概率之后，可以分别计算每一个采样姿态(x，y，yaw)对应的后验匹配概率P(x，y，yaw)和(x，y，yaw)中的采样平面位置中的在x轴的取值之积，得到多个第一加权项；将多个第一加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在x轴的取值。最优平面位置在x轴的取值X可以表示为：
第一加权项可以表示为P(x,y,yaw)α.x，对于一个采样姿态(x，y，yaw)，第一加权项中的P(x，y，yaw)可以表示该(x，y，yaw)对应的后验匹配概率，第一加权项中的x可以为该(x，y，yaw)中的x。α为一个常数参数。
在计算出每一个采样姿态对应的后验匹配概率之后，可以分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在y轴的取值之积，得到多个第二加权项；将多个第二加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在y轴的取值。最优平面位置在y轴的取值Y可以表示为：
第二加权项可以表示为P(x,y,yaw)α.y，对于一个采样姿态(x，y，yaw)，第二加权项中的P(x，y，yaw)可以表示该(x，y，yaw)对应的后验匹配概率，第二加权项中的y可以为该(x，y，yaw)中的y。α为一个常数参数。
在计算出每一个采样姿态对应的后验匹配概率之后，可以分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样偏航角之积，得到多个第三加权项；将多个第三加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优姿态中的最优偏航角。最优偏航YAW可以表示为：
第三加权项可以表示为P(x,y,yaw)α.yaw，对于一个采样姿态(x，y，yaw)，第三加权项中的P(x，y，yaw)可以表示该(x，y，yaw)对应的后验匹配概率，第三加权项中的yaw可以为该(x，y，yaw)中的yaw。α为一个常数参数。
请参考图4，其示出了根据本申请的车辆定位装置的一个实施例的结构示意图。车辆定位装置包括：获取单元401，计算单元402，定位单元403。其中，获取单元401配置用于获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，激光点云数据包括：激光点在激光雷达坐标下的坐标，初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；计算单元402配置用于分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、激光点的反射值或高度的方差，地图数据包括：网格对应的反射值或高度的预设均值、网格对应的反射值或高度的预设方差；定位单元403配置用于基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。
在本实施例的一些可选的实现方式中，计算单元402包括：匹配概率计算子单元(未示出)，配置用于采用以下公式分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率P(z|x，y，yaw)：
其中，χi,j表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的均值，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设均值，ρ2表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的方差，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设方差。
在本实施例的一些可选的实现方式中，定位单元403包括：第一最优姿态确定子单元(未示出)，配置用于将对应的匹配概率最大的采样姿态作为最优姿态；第二最优姿态确定子单元(未示出)，配置用于分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在x轴的取值之积，得到多个第一加权项；将多个第一加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在x轴的取值；分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在y轴的取值之积，得到多个第二加权项；将多个第二加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在y轴的取值；分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样偏航角之积，得到多个第三加权项；将多个第三加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优偏航角。
请参考图5，其示出了根据本申请的车辆的一个实施例的结构示意图。
如图5所示，车辆包括CPU501、存储器502、惯性导航设备503，激光雷达504，CPU501、存储器502、惯性导航设备503、激光雷达504通过总线505彼此相连。根据本申请的车辆定位方法可以被实现为计算机程序，该计算机程序中包含上述步骤101-103中描述的操作的指令。计算机程序可以存储在存储器502中。车辆的CPU 501通过调用存储器502中存储的计算机程序，来实时对车辆进行定位。
本申请还提供了一种计算机可读介质，该计算机可读介质可以是车辆的驾驶控制系统中所包括的；也可以是单独存在。该计算机可读介质承载有一个或者多个程序，当一个或者多个程序被车辆的CPU执行时，可以获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，激光点云数据包括：激光点在雷达坐标下的坐标，初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、所述激光点的反射值或高度的方差，地图数据包括：网格对应的反射值或高度的预设均值、网格对应的反射值或高度的预设方差；基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于最优姿态，确定车辆的位置。
需要说明的是，上述计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包括或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以为多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包括的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离本申请构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种车辆定位方法，其特征在于，所述方法包括：
获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，所述激光点云数据包括：激光点在激光雷达坐标下的坐标，所述初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；
分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、所述激光点的反射值或高度的方差，地图数据包括：所述网格对应的反射值或高度的预设均值、所述网格对应的反射值或高度的预设方差；
基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于所述最优姿态，确定车辆的位置，所述最优姿态包括：激光雷达的中心点在世界坐标系中的最优平面位置、最优偏航角。
2.根据权利要求1所述的方法，其特征在于，分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率包括：
采用以下公式分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率P(z|x，y，yaw)：
其中，χi,j表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的均值，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设均值，ρ2表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的方差，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设方差。
3.根据权利要求2所述的方法，其特征在于，基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态包括：
将对应的匹配概率最大的采样姿态作为最优姿态。
4.根据权利要求2所述的方法，其特征在于，基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态包括：
采用以下公式分别计算每一个采样姿态对应的后验匹配概率P(x，y，yaw)：
P(z|x，y，yaw)表示一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，表示基于历史激光点云的匹配概率的计算结果得到的后验匹配概率的预测值，μ为归一化系数；
基于每一个采样姿态对应的后验匹配概率，计算出最优姿态。
5.根据权利要求4所述的方法，其特征在于，基于每一个采样姿态对应的后验匹配概率，计算出最优姿态包括：
分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在x轴的取值之积，得到多个第一加权项；
将多个第一加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在x轴的取值；
分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在y轴的取值之积，得到多个第二加权项；
将多个第二加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在y轴的取值；
分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样偏航角之积，得到多个第三加权项；
将多个第三加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优偏航角。
6.一种车辆定位装置，其特征在于，所述装置包括：
获取单元，配置用于获取车辆的激光雷达采集的激光点云的激光点云数据，以及获取激光雷达的中心点的初始姿态，所述激光点云数据包括：激光点在激光雷达坐标下的坐标，所述初始姿态包括：激光雷达的中心点在世界坐标系中的初始平面位置、初始偏航角；
计算单元，配置用于分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，采样姿态包括：在初始平面位置的预设邻域范围内的采样平面位置、在初始偏航角的预设领域范围内的采样偏航角，投影数据包括：基于采样姿态投影到反射值地图中的网格中的采集的激光点云中的激光点的反射值或高度的均值、所述激光点的反射值或高度的方差，地图数据包括：所述网格对应的反射值或高度的预设均值、所述网格对应的反射值或高度的预设方差；
定位单元，配置用于基于每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率，计算出最优姿态，以及基于所述最优姿态，确定车辆的位置。
7.根据权利要求6所述的装置，其特征在于，所述计算单元包括：
匹配概率计算子单元，配置用于采用以下公式分别计算每一个采样姿态对应的投影数据与反射值地图的地图数据的匹配概率P(z|x，y，yaw)：
其中，χi,j表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的均值，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设均值，ρ2表示基于一个采样姿态投影到反射值地图中下标为(i,j)的网格的激光点的反射值或高度的方差，表示反射值地图中下标为(i,j)的网格对应的反射值或高度的预设方差。
8.根据权利要求7所述的装置，其特征在于，定位单元包括：
第一最优姿态确定子单元，配置用于将对应的匹配概率最大的采样姿态作为最优姿态；
第二最优姿态确定子单元，配置用于分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在x轴的取值之积，得到多个第一加权项；将多个第一加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在x轴的取值；分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样平面位置中的在y轴的取值之积，得到多个第二加权项；将多个第二加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优平面位置在y轴的取值；分别计算每一个采样姿态对应的后验匹配概率和采样姿态中的采样偏航角之积，得到多个第三加权项；将多个第三加权项之和除以所有采样姿态对应的后验匹配概率之和，得到最优偏航角。
9.一种车辆，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
10.一种可读计算机存储介质，其特征在于，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201710263504.6A 2017-04-20 2017-04-20 车辆定位方法和装置 Active CN108732582B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710263504.6A CN108732582B (zh) 2017-04-20 2017-04-20 车辆定位方法和装置
US15/882,131 US10613227B2 (en) 2017-04-20 2018-01-29 Method and apparatus for positioning vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710263504.6A CN108732582B (zh) 2017-04-20 2017-04-20 车辆定位方法和装置

Publications (2)

Publication Number Publication Date
CN108732582A true CN108732582A (zh) 2018-11-02
CN108732582B CN108732582B (zh) 2020-07-10

Family

ID=63853794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710263504.6A Active CN108732582B (zh) 2017-04-20 2017-04-20 车辆定位方法和装置

Country Status (2)

Country Link
US (1) US10613227B2 (zh)
CN (1) CN108732582B (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109917376A (zh) * 2019-02-26 2019-06-21 东软睿驰汽车技术（沈阳）有限公司 一种定位方法及装置
CN110148185A (zh) * 2019-05-22 2019-08-20 北京百度网讯科技有限公司 确定坐标系转换参数的方法、装置、电子设备和存储介质
CN110609290A (zh) * 2019-09-19 2019-12-24 北京智行者科技有限公司 激光雷达匹配定位方法及装置
CN110794392A (zh) * 2019-10-15 2020-02-14 上海创昂智能技术有限公司 车辆定位方法、装置、车辆及存储介质
CN110807412A (zh) * 2019-10-30 2020-02-18 驭势科技（北京）有限公司 一种车辆激光定位的方法、车载设备和存储介质
CN110967679A (zh) * 2019-12-04 2020-04-07 吉林大学 一种低线束激光雷达数据匹配多线束激光雷达模型的方法
CN110967011A (zh) * 2019-12-25 2020-04-07 苏州智加科技有限公司 一种定位方法、装置、设备及存储介质
CN110989619A (zh) * 2019-12-23 2020-04-10 北京百度网讯科技有限公司 用于定位对象的方法、装置、设备和存储介质
CN111174777A (zh) * 2018-11-09 2020-05-19 阿里巴巴集团控股有限公司 定位方法、装置以及电子设备
CN111323802A (zh) * 2020-03-20 2020-06-23 北京百度网讯科技有限公司 车辆定位方法、装置及设备
CN111367269A (zh) * 2018-12-26 2020-07-03 武汉万集信息技术有限公司 激光雷达的导航定位方法、装置及系统
CN111443699A (zh) * 2018-12-28 2020-07-24 深圳市优必选科技有限公司 定位漂移检测方法及装置、机器人
CN111469781A (zh) * 2019-01-24 2020-07-31 北京京东尚科信息技术有限公司 用于输出信息的方法和装置
CN111708043A (zh) * 2020-05-13 2020-09-25 北京百度网讯科技有限公司 定位方法及装置
CN111971574A (zh) * 2019-01-30 2020-11-20 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取
CN112179359A (zh) * 2020-09-27 2021-01-05 驭势科技（北京）有限公司 一种地图匹配方法、装置、电子设备和存储介质
CN112556726A (zh) * 2020-12-07 2021-03-26 中国第一汽车股份有限公司 一种车辆位置修正方法、装置、车辆及介质
CN112578363A (zh) * 2019-09-30 2021-03-30 上海禾赛科技股份有限公司 激光雷达运动轨迹获取方法及装置、介质
CN112581451A (zh) * 2020-12-21 2021-03-30 北京科技大学 一种基于激光雷达的仓库线卷位置检测系统及方法
CN113324537A (zh) * 2021-04-27 2021-08-31 的卢技术有限公司 车辆位姿获取方法、车辆定位方法和装置、设备和介质
CN113777589A (zh) * 2021-08-18 2021-12-10 北京踏歌智行科技有限公司 一种基于点特征的lidar与gps/imu联合标定方法

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109425365B (zh) * 2017-08-23 2022-03-11 腾讯科技（深圳）有限公司 激光扫描设备标定的方法、装置、设备及存储介质
CN109064506B (zh) * 2018-07-04 2020-03-13 百度在线网络技术（北京）有限公司 高精度地图生成方法、装置及存储介质
US11256261B1 (en) * 2018-10-16 2022-02-22 Amazon Technologies, Inc. System for movement of autonomous mobile device
CN109613543B (zh) * 2018-12-06 2020-09-25 深圳前海达闼云端智能科技有限公司 激光点云数据的修正方法、装置、存储介质和电子设备
US10733511B1 (en) * 2019-01-30 2020-08-04 StradVision, Inc. Learning method and learning device for updating HD map by reconstructing 3D space by using depth estimation information and class information on each object, which have been acquired through V2X information integration technique, and testing method and testing device using the same
CN111708010B (zh) * 2019-03-01 2024-04-12 北京图森智途科技有限公司 一种可移动设备的定位方法、装置、系统及可移动设备
CN110068824B (zh) * 2019-04-17 2021-07-23 北京地平线机器人技术研发有限公司 一种传感器位姿确定方法和装置
CN112154355B (zh) * 2019-09-19 2024-03-01 深圳市大疆创新科技有限公司 高精度地图定位方法、系统、平台及计算机可读存储介质
CN110889808B (zh) * 2019-11-21 2023-02-28 广州文远知行科技有限公司 一种定位的方法、装置、设备及存储介质
CN111160280B (zh) * 2019-12-31 2022-09-30 芜湖哈特机器人产业技术研究院有限公司 基于rgbd相机的目标物体识别与定位方法及移动机器人
CN111161353B (zh) * 2019-12-31 2023-10-31 深圳一清创新科技有限公司 车辆定位方法、装置、可读存储介质和计算机设备
CN111208493B (zh) * 2020-01-08 2023-04-28 同济大学 一种车载激光雷达在整车坐标系下的快速标定方法
CN111275075B (zh) * 2020-01-10 2023-05-02 超越科技股份有限公司 一种基于3d激光雷达的车辆检测与跟踪方法
CN111508021B (zh) * 2020-03-24 2023-08-18 广州视源电子科技股份有限公司 一种位姿确定方法、装置、存储介质及电子设备
CN111812669B (zh) * 2020-07-16 2023-08-04 南京航空航天大学 绕机检查装置及其定位方法、存储介质
CN112014825A (zh) * 2020-07-24 2020-12-01 深圳市优必选科技股份有限公司 一种激光数据采样方法、装置、终端及存储介质
CN112379344B (zh) * 2020-11-09 2024-04-02 中国科学院电子学研究所 信号补偿方法及装置、设备、存储介质
CN112612034B (zh) * 2020-12-24 2023-10-13 长三角哈特机器人产业技术研究院 基于激光帧和概率地图扫描的位姿匹配方法
CN112731357A (zh) * 2020-12-30 2021-04-30 清华大学 一种激光点云里程计定位误差的实时修正方法和系统
CN113421306A (zh) * 2021-08-20 2021-09-21 北京智行者科技有限公司 定位初始化方法、系统及移动工具
CN117289294B (zh) * 2023-11-27 2024-03-15 睿羿科技(山东)有限公司 一种基于多分辨率贝叶斯网格的融合定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130246020A1 (en) * 2012-03-15 2013-09-19 GM Global Technology Operations LLC BAYESIAN NETWORK TO TRACK OBJECTS USING SCAN POINTS USING MULTIPLE LiDAR SENSORS
CN104268935A (zh) * 2014-09-18 2015-01-07 华南理工大学 一种基于特征的机载激光点云与影像数据融合系统及方法
CN106023210A (zh) * 2016-05-24 2016-10-12 百度在线网络技术（北京）有限公司 无人车、无人车定位方法、装置和系统
CN106123890A (zh) * 2016-06-14 2016-11-16 中国科学院合肥物质科学研究院 一种多传感器数据融合的机器人定位方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5638116A (en) * 1993-09-08 1997-06-10 Sumitomo Electric Industries, Ltd. Object recognition apparatus and method
JP2008026997A (ja) * 2006-07-18 2008-02-07 Denso Corp 歩行者認識装置及び歩行者認識方法
US8355539B2 (en) * 2007-09-07 2013-01-15 Sri International Radar guided vision system for vehicle validation and vehicle motion characterization
CN102138163B (zh) * 2008-08-29 2014-04-30 三菱电机株式会社 俯瞰图像生成装置及俯瞰图像生成方法
GB201202344D0 (en) * 2012-02-10 2012-03-28 Isis Innovation Method of locating a sensor and related apparatus
US9127946B1 (en) * 2014-05-15 2015-09-08 State Farm Mutual Automobile Insurance Company System and method for identifying heading of a moving vehicle using accelerometer data
WO2017154131A1 (ja) * 2016-03-09 2017-09-14 三菱電機株式会社 測位装置および測位方法
CN106052697B (zh) * 2016-05-24 2017-11-14 百度在线网络技术（北京）有限公司 无人车、无人车定位方法、装置和系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130246020A1 (en) * 2012-03-15 2013-09-19 GM Global Technology Operations LLC BAYESIAN NETWORK TO TRACK OBJECTS USING SCAN POINTS USING MULTIPLE LiDAR SENSORS
CN104268935A (zh) * 2014-09-18 2015-01-07 华南理工大学 一种基于特征的机载激光点云与影像数据融合系统及方法
CN106023210A (zh) * 2016-05-24 2016-10-12 百度在线网络技术（北京）有限公司 无人车、无人车定位方法、装置和系统
CN106123890A (zh) * 2016-06-14 2016-11-16 中国科学院合肥物质科学研究院 一种多传感器数据融合的机器人定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李小路 等: "平台运动误差对机载激光雷达点云分布影响的理论研究", 《第一届全国激光雷达对地观测高级学术研讨会》 *

Cited By (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111174777A (zh) * 2018-11-09 2020-05-19 阿里巴巴集团控股有限公司 定位方法、装置以及电子设备
CN111367269B (zh) * 2018-12-26 2023-08-15 武汉万集信息技术有限公司 激光雷达的导航定位方法、装置及系统
CN111367269A (zh) * 2018-12-26 2020-07-03 武汉万集信息技术有限公司 激光雷达的导航定位方法、装置及系统
CN111443699B (zh) * 2018-12-28 2023-05-23 深圳市优必选科技有限公司 定位漂移检测方法及装置、机器人
CN111443699A (zh) * 2018-12-28 2020-07-24 深圳市优必选科技有限公司 定位漂移检测方法及装置、机器人
CN111469781A (zh) * 2019-01-24 2020-07-31 北京京东尚科信息技术有限公司 用于输出信息的方法和装置
CN111971574B (zh) * 2019-01-30 2022-07-22 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取
CN111971574A (zh) * 2019-01-30 2020-11-20 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的lidar定位的基于深度学习的特征提取
CN109917376A (zh) * 2019-02-26 2019-06-21 东软睿驰汽车技术（沈阳）有限公司 一种定位方法及装置
CN109917376B (zh) * 2019-02-26 2021-08-06 东软睿驰汽车技术（沈阳）有限公司 一种定位方法及装置
CN110148185B (zh) * 2019-05-22 2022-04-15 北京百度网讯科技有限公司 确定成像设备坐标系转换参数的方法、装置和电子设备
CN110148185A (zh) * 2019-05-22 2019-08-20 北京百度网讯科技有限公司 确定坐标系转换参数的方法、装置、电子设备和存储介质
CN110609290A (zh) * 2019-09-19 2019-12-24 北京智行者科技有限公司 激光雷达匹配定位方法及装置
CN112578363A (zh) * 2019-09-30 2021-03-30 上海禾赛科技股份有限公司 激光雷达运动轨迹获取方法及装置、介质
CN110794392A (zh) * 2019-10-15 2020-02-14 上海创昂智能技术有限公司 车辆定位方法、装置、车辆及存储介质
CN110794392B (zh) * 2019-10-15 2024-03-19 上海创昂智能技术有限公司 车辆定位方法、装置、车辆及存储介质
CN110807412B (zh) * 2019-10-30 2022-09-23 驭势科技（北京）有限公司 一种车辆激光定位的方法、车载设备和存储介质
CN110807412A (zh) * 2019-10-30 2020-02-18 驭势科技（北京）有限公司 一种车辆激光定位的方法、车载设备和存储介质
CN110967679A (zh) * 2019-12-04 2020-04-07 吉林大学 一种低线束激光雷达数据匹配多线束激光雷达模型的方法
CN110967679B (zh) * 2019-12-04 2023-03-31 吉林大学 一种低线束激光雷达数据匹配多线束激光雷达模型的方法
CN110989619B (zh) * 2019-12-23 2024-01-16 阿波罗智能技术(北京)有限公司 用于定位对象的方法、装置、设备和存储介质
CN110989619A (zh) * 2019-12-23 2020-04-10 北京百度网讯科技有限公司 用于定位对象的方法、装置、设备和存储介质
CN110967011A (zh) * 2019-12-25 2020-04-07 苏州智加科技有限公司 一种定位方法、装置、设备及存储介质
CN111323802A (zh) * 2020-03-20 2020-06-23 北京百度网讯科技有限公司 车辆定位方法、装置及设备
CN111323802B (zh) * 2020-03-20 2023-02-28 阿波罗智能技术(北京)有限公司 智能驾驶车辆定位方法、装置及设备
CN111708043A (zh) * 2020-05-13 2020-09-25 北京百度网讯科技有限公司 定位方法及装置
US11841446B2 (en) 2020-05-13 2023-12-12 Beijing Baidu Netcom Science Technology Co., Ltd. Positioning method and apparatus
CN111708043B (zh) * 2020-05-13 2023-09-26 阿波罗智能技术(北京)有限公司 定位方法及装置
CN112179359B (zh) * 2020-09-27 2022-09-23 驭势科技（北京）有限公司 一种地图匹配方法、装置、电子设备和存储介质
CN112179359A (zh) * 2020-09-27 2021-01-05 驭势科技（北京）有限公司 一种地图匹配方法、装置、电子设备和存储介质
CN112556726A (zh) * 2020-12-07 2021-03-26 中国第一汽车股份有限公司 一种车辆位置修正方法、装置、车辆及介质
CN112556726B (zh) * 2020-12-07 2023-04-11 中国第一汽车股份有限公司 一种车辆位置修正方法、装置、车辆及介质
CN112581451A (zh) * 2020-12-21 2021-03-30 北京科技大学 一种基于激光雷达的仓库线卷位置检测系统及方法
CN112581451B (zh) * 2020-12-21 2024-02-23 北京科技大学 一种基于激光雷达的仓库线卷位置检测系统及方法
CN113324537A (zh) * 2021-04-27 2021-08-31 的卢技术有限公司 车辆位姿获取方法、车辆定位方法和装置、设备和介质
CN113777589A (zh) * 2021-08-18 2021-12-10 北京踏歌智行科技有限公司 一种基于点特征的lidar与gps/imu联合标定方法
CN113777589B (zh) * 2021-08-18 2024-04-02 北京踏歌智行科技有限公司 一种基于点特征的lidar与gps/imu联合标定方法

Also Published As

Publication number Publication date
US10613227B2 (en) 2020-04-07
CN108732582B (zh) 2020-07-10
US20180306922A1 (en) 2018-10-25

Similar Documents

Publication Publication Date Title
CN108732582A (zh) 车辆定位方法和装置
CN105719284B (zh) 一种数据处理方法、装置及终端
CN105474031B (zh) 用于移动终端的3d定位的3d扇区化路径损耗模型
CN102170697B (zh) 一种室内定位方法及装置
CN103139907B (zh) 一种利用指纹法的室内无线定位方法
CN103118333B (zh) 基于相似度的无线传感器网络移动节点定位方法
CN105716604A (zh) 基于地磁序列的移动机器人室内定位方法及系统
BR112012017530B1 (pt) Gerenciamento de uma base de dados de localização para sistema de posicionamento com base em rede
CN103384358A (zh) 一种基于虚拟现实和wifi空间场强的室内定位方法
CN109239725A (zh) 基于激光测距装置的地图测绘方法及终端
CN109883418A (zh) 一种室内定位方法及装置
CN104880723B (zh) 一种单星测向定位地面辐射源的方法和装置
CN103543434A (zh) 室内定位系统、手机及定位方法
CN113475976B (zh) 机器人可通行区域确定方法、装置、存储介质及机器人
US20210264796A1 (en) Methods for adjusting flight height for unmanned aerial vehicle, methods for controlling flight of unmanned aerial vehicle, and computer devices
CN110133637A (zh) 目标定位方法、装置及系统
CN108957476A (zh) 一种基于无人机的树径测量装置及树径测算方法
CN109146990B (zh) 一种建筑轮廓的计算方法
CN109188360A (zh) 一种基于蝙蝠算法的室内可见光三维定位方法
CN109341688A (zh) 一种基于构造顺序的地图调用定位算法
CN105444755A (zh) 基于空间杂波信号的室内定位方法
CN106197418B (zh) 一种基于滑动窗口的指纹法与传感器融合的室内定位方法
CN103796303B (zh) 一种终端定位方法及相关设备、系统
CN109163708A (zh) 无人机大比例尺地形图房屋线的优化方法、装置与介质
CN109489658B (zh) 一种运动目标定位方法、装置及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant