CN109459734B - 一种激光雷达定位效果评估方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种激光雷达定位效果评估方法、装置、设备及介质，所述方法包括：解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；根据所述点云信息和预先配置的点云参数生成点云数据帧；根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估。通过采用上述技术方案实现了对各种环境以及场景下点云数据的模拟，提高了整个定位效果评估的效率和准确度；为进一步分析提升激光雷达定位精度与鲁棒性提供了便利有效的测试与调试方法。

Description

一种激光雷达定位效果评估方法、装置、设备及存储介质

技术领域

本发明实施例涉及自动驾驶技术，尤其涉及一种激光雷达定位效果评估方法、装置、设备及存储介质。

背景技术

自动驾驶汽车又称无人驾驶汽车，它依靠人工智能、计算机视觉、雷达、全球定位系统及高精地图等技术，能够自动获取车辆周围的环境信息并进行决策和路径规划，从而实现完全不依赖人类操作的自动驾驶。激光雷达定位作为目前自动驾驶系统的主流定位方案之一，对其在各种环境与场景中的定位效果进行评估具有重要意义。

目前，激光雷达定位效果的评估流程大体如下：首先采集定位所需的点云数据，然后将该点云数据输入给定位算法，通过定位算法计算得到定位结果，最后通过将定位结果与车辆的定位真值进行比对，得到定位效果的评估结果。

其中，定位所需的点云数据主要来源于路测积累数据，该方法成本较高且周期长，而且数据分布较难控制，对于部分稀有场景很难采集到相应的数据，因此，无法对各种环境与场景下的定位效果进行有效评估。

发明内容

本发明提供一种激光雷达定位效果评估方法、装置、设备及存储介质，以实现对各种环境与场景下的定位效果进行有效评估，提高了定位效果评估的效率和准确度。

第一方面，本发明实施例提供了一种激光雷达定位效果评估方法，所述方法包括：

解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

根据所述点云信息和预先配置的点云参数生成点云数据帧；

根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估。

第二方面，本发明实施例还提供了一种激光雷达定位效果评估装置，所述装置包括：

解析模块，用于解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

生成模块，用于根据所述点云信息和预先配置的点云参数生成点云数据帧；

评估模块，用于根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

第三方面，本发明实施例还提供了一种设备，所述设备包括：

一个或多个处理器；

存储装置，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，使得所述一个或多个处理器实现如上述第一方面所述的激光雷达定位效果评估方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的激光雷达定位效果评估方法，所述方法包括：

解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

根据所述点云信息和预先配置的点云参数生成点云数据帧；

根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

本发明提供的激光雷达定位效果评估方法，通过解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息，并根据所述点云信息和预先配置的点云参数生成点云数据帧，实现了基于高精地图和人工配置的点云参数得到定位所需的模拟数据，最后根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估，实现了对各种环境与场景下定位效果的评估，提高了定位效果评估的效率和准确度。

附图说明

图1是本发明实施例一中的一种激光雷达定位效果评估方法的流程示意图；

图2是本发明实施例二中的一种激光雷达定位效果评估方法的流程示意图；

图3是本发明实施例三中的一种激光雷达定位效果评估装置的结构示意图；

图4是本发明实施例四中的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种激光雷达定位效果评估方法的流程示意图，本实施例提供的激光雷达定位效果评估方法可适用于对无人驾驶汽车的激光雷达定位效果进行评估，尤其适用于对无人驾驶汽车在各种极端环境以及稀有场景下激光雷达的定位效果进行评估的情况。所述极端环境例如可以是：极端天气，包括：大雾天气、暴雨天气、暴雪天气、大风天气或者沙尘天气等；所述稀有场景例如可以是地面落叶场景或者不同车流场景等。该激光雷达定位效果评估方法可以由激光雷达定位效果评估装置来执行所述装置可由软件和/或硬件实现，并一般集成于终端中，例如服务器。具体参见图1所示，所述方法包括如下步骤：

步骤110、解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息。

其中，点云信息能够准确表征目标物体的拓扑结构和几何结构，即表征了目标物体的特征，该目标物体通常指静态的物体，例如公交车站牌、交通标识、电线杆或者树木等，此类静态物体的稳定性较高，不会被经常改变，因此，一旦生成高精地图可在很长时间内无需对高精地图进行更新。通过解析激光雷达定位所使用的高精地图获取车辆行驶轨迹所对应的点云信息，得到了车辆行驶轨迹模拟数据的基准数据。

无人驾驶汽车配置有激光雷达(还可以是毫米波雷达或者超声波雷达等雷达传感器)，用于在无人驾驶汽车行驶过程中对行驶环境周围的目标物体进行扫描，获取无人驾驶汽车当前行驶环境周围的点云数据，即无人驾驶汽车行驶轨迹所对应的点云信息。在现有的激光雷达定位效果评估方法中，所述车辆行驶轨迹所对应的点云信息通常是按照上述方式通过无人驾驶汽车配置的激光雷达在无人驾驶汽车行驶过程中对行驶环境周围的目标物体进行扫描获取的，但是这种获取方式存在如下缺陷：获取效率低，周期长且成本较高，而且获取到的点云信息的分布较难控制，容易受环境因素影响，比如在晴天和雪天对相同行驶轨迹进行采集获取到的点云信息分布可能不同，若行驶轨迹所对应的点云信息特征无法涵盖多种天气下的点云信息特征，则无法实现对激光雷达定位效果的准确评估，尤其无法对激光雷达定位的鲁棒性进行有效评估。针对此，本实施例提供的激光雷达定位效果的评估方法中，所述车辆行驶轨迹所对应的点云信息通过解析激光雷达定位所使用的高精地图获取，通过解析激光雷达定位所使用的高精地图获取到的点云信息实质是车辆行驶轨迹所对应的点云信息真值，指在尽量少的干扰下对车辆行驶轨迹进行扫描获取到的点云信息；在车辆行驶轨迹所对应的点云信息真值的基础上，结合人工配置的不同环境以及场景下的点云参数对所述点云信息真值进行调整，实现模拟各种环境以及场景下的点云数据。

所述解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息的实质是从所述高精地图的数据库中获取与车辆行驶轨迹对应的那部分点云信息，具体可以通过车辆行驶轨迹的GPS坐标与高精地图的数据库中的相应数据进行匹配获取。

步骤120、根据所述点云信息和预先配置的点云参数生成点云数据帧。

其中，所述预先配置的点云参数具体包括：每个点云单元的点云个数、点云高度范围、点云强度范围、以及点云单元内点云分布信息中的至少一个。所述预先配置的点云参数通常基于需要模拟的环境以及场景进行配置，例如需要模拟的环境为雪天，由于雪天时车辆行驶轨迹被雪覆盖，白色的雪对点云的强度具有较大的影响，白色物体的最大点云强度可达到0.54，而黑色物体的点云强度只有0.18，点云强度从大到小的物体颜色分别为：白色、绿色、蓝色、红色和黑色。因此，在模拟雪天时车辆行驶轨迹的点云数据时可将点云强度范围配置的较大一些；同时，雪天时气温较低，会影响激光雷达的扫描效率，使得单位时间内扫描得到的点云总量变少，故可将每个点云单元的点云个数设置的较少一些；另外，雪花会给点云数据带来分布噪声，故可将点云单元内点云分布信息依据雪花给点云数据带来的噪声类型进行预先配置；所述点云分布信息具体指点云单元内点云的分布类型，如高斯分布、正态分布等。再例如，需要模拟的场景为地面落叶的场景，此时可根据粗糙度对点云数据的影响合理配置所述点云参数，以生成无人驾驶汽车行驶在地面落叶场景下行驶轨迹的真实点云数据帧。

步骤130、根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估。

示例性的，所述根据所述点云数据帧和车辆的位置姿态信息进行激光雷达定位效果的评估，包括：

将所述点云数据帧和所述车辆的位置姿态信息输入给定位算法，通过定位算法计算出车辆的定位结果；

将所述定位结果与车辆的定位真值进行比对，得到定位效果的评估结果。

其中，所述车辆的位置姿态信息具体包括车辆的航向角、加速度数据以及角速度数据等，可以通过车载INS(Inertial Navigation System，惯性导航系统)获得，也可以通过从车辆的定位真值中提取获得。在本实施例中不对所述定位真值的获取方式进行限定，例如所述定位真值可以是基于无人驾驶汽车的GNSS(Global Navigation SatelliteSystem，全球导航卫星系统)数据、IMU(Inertial Measurement Unit,惯性测量单元)数据以及激光点云数据计算得到，所述GNSS数据以差分GPS数据为例，具体是，在无人驾驶汽车行驶过程中通过车载GPS模块实时获取差分GPS数据和通过惯性测量单元实时获取IMU数据，随后，可以将差分GPS数据和所述点云数据帧利用ICP(Iterative Closest Points，迭代最近点)算法进行离线配准，得到无人驾驶汽车当前的定位真值；也可以将获取的差分GPS数据、IMU数据和所述点云数据帧与预先确定的高精地图进行比对，得到无人驾驶汽车当前的定位真值。由于差分GPS数据的定位精度可以达到厘米级，再结合点云数据帧利用ICP算法进行离线配准确定的定位真值的准确度可高于厘米级。所述定位真值还可以是依据无人驾驶汽车的传感定位数据得到，所述传感定位数据指的是无人驾驶汽车中定位传感器采集的数据，以无人驾驶汽车采用INS(Inertial Navigation System，惯性导航系统)进行定位为例，定位传感器可以包括陀螺仪和加速度传感器等，传感定位数据可以包括加速度数据和角速度数据等，INS从无人驾驶汽车的起始位置依据连续测得的无人驾驶汽车的航向角和速度推算出无人驾驶汽车下一点的定位坐标信息，从而可连续测出无人驾驶汽车在每一时刻的定位坐标信息，即所述定位真值。当然所述无人驾驶汽车还可以采用其他多种定位系统进行定位，例如GPS(Global Positioning System,全球定位系统)或者BDS(BeiDou Navigation Satellite System,北斗卫星导航系统)等。

本实施例提供的一种激光雷达定位效果评估方法，基于高精地图和人工配置的点云参数得到定位所需的模拟数据，数据模拟过程成本低且速度快，而且通过模拟可以得到各种区域、各种环境以及各种场景下的数据，比如可以模拟雨天、雪天、沙尘、地面落叶、不同车流环境、部分区域与地图采集时存在差异等各类可能影响激光雷达定位效果的数据，从而提高了整个定位效果评估的效率和准确度；为进一步分析提升激光雷达定位精度与鲁棒性提供了便利有效的测试与调试方法。

实施例二

图2为本发明实施例二提供的一种激光雷达定位效果评估方法的流程示意图，在上述实施例的基础上，本实施例对所述车辆行驶轨迹所对应的点云信息进行了具体化，同时对“步骤120、根据所述点云信息和预先配置的点云参数生成点云数据帧”的实现过程进行了说明。具体参见图2所示，所述方法包括如下步骤：

步骤210、解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息。

具体的，所述点云信息可以包括点云的三维坐标值、点云强度值以及颜色信息，所述点云强度值指激光的反射强度信息，具体是激光雷达对目标物体发射激光光束的后向散射回波的光功率。同一目标物体的点云强度值相同或接近。所述点云信息用于表征目标物体的特征。

示例性的，在本实施例中，所述点云信息包括：点云单元分布、点云单元内点云强度信息、以及点云单元内的点云高度信息中的至少一个。所述点云强度信息包括：点云强度的均值和方差；所述点云高度信息包括：点云高度的均值和方差。

步骤220、基于所述点云信息和预先配置的点云参数，调用预设函数，生成满足设定分布特征的点云数据，由生成的点云数据构成点云数据帧。

其中，所述预设函数例如可以是MATLAB中的正态分布的伪随机数randn函数。

所述满足设定分布特征的点云数据具体为与模拟的环境或场景下车辆行驶轨迹的点云信息的分布特征相匹配的点云数据。例如模拟的环境为雪天，实际中若无人驾驶汽车在雪天的长安街行驶时，通过车载激光雷达实时扫描得到的行驶轨迹的点云信息的分布特征假设为正态分布；在本实施例中，为了模拟无人驾驶汽车在雪天的长安街行驶时行驶轨迹的点云信息，首先通过解析激光雷达定位所使用的高精地图获取车辆在长安街行驶时行驶轨迹所对应的点云信息，然后结合雪天对点云信息的影响预先配置点云参数，最后基于从高精地图解析得到的行驶轨迹的点云信息以及点云参数生成满足正态分布的点云数据。

步骤230、根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估。

在上述实施例的基础上，本实施例提供的激光雷达定位效果评估方法，通过调用MATLAB中的正态分布的伪随机数randn函数基于从激光雷达定位所使用的高精地图中解析出的车辆行驶轨迹的点云信息和预先配置的点云参数，生成满足设定分布特征的点云数据帧，实现了对不同环境与场景下定位所需的点云数据的模拟，比如可以模拟雨天、雪天、沙尘、地面落叶、不同车流环境、部分区域与地图采集时存在差异等各类可能影响激光雷达定位效果的数据，最后根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估，实现了对各种环境与场景下定位效果的评估，提高了整个定位效果评估的效率和准确度；为进一步分析提升激光雷达定位精度与鲁棒性提供了便利有效的测试与调试方法。

实施例三

图3为本发明实施例三提供的一种激光点云定位效果评估装置的结构示意图，该装置用于执行上述实施例所述的激光雷达定位效果评估方法。具体参见图3所示，所述装置包括：解析模块310、生成模块320和评估模块330；

其中，解析模块310，用于解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

生成模块320，用于根据所述点云信息和预先配置的点云参数生成点云数据帧；

评估模块330，用于根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

示例性的，所述点云信息包括：点云单元分布、点云单元内点云强度信息、以及点云单元内的点云高度信息中的至少一个。所述点云强度信息包括：点云强度的均值和方差；所述点云高度信息包括：点云高度的均值和方差。所述预先配置的点云参数包括：每个点云单元的点云个数、点云高度范围、点云强度范围、以及点云单元内点云分布信息中的至少一个。

示例性的，所述生成模块320具体用于：基于所述点云信息和预先配置的点云参数，调用预设函数，生成满足设定分布特征的点云数据，由生成的点云数据构成点云数据帧。所述预设函数包括：MATLAB中的正态分布的伪随机数randn函数。

示例性的，所述评估模块330包括：

输入单元，用于将所述点云数据帧和所述车辆的位置姿态信息输入给点云算法，通过点云算法计算出车辆的定位结果；

比对单元，用于将所述定位结果与车辆的定位真值进行比对，得到定位效果的评估结果。

本实施例提供的一种激光雷达定位效果评估装置，基于高精地图和人工配置的点云参数得到定位所需的模拟数据，数据模拟过程成本低且速度快，而且通过模拟可以得到各种区域、各种环境以及各种场景下的数据，比如可以模拟雨天、雪天、沙尘、地面落叶、不同车流环境、部分区域与地图采集时存在差异等各类可能影响激光雷达定位效果的数据，从而提高了整个定位效果评估的效率和准确度；为进一步分析提升激光雷达定位精度与鲁棒性提供了便利有效的测试与调试方法。

本发明实施例所提供的激光雷达定位效果评估装置可执行本发明任意实施例所提供的激光雷达定位效果评估方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备12的框图。图4显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如解析模块310、生成模块320或评估模块330)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少解析模块310、生成模块320或评估模块330)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的激光雷达定位效果评估方法。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述的激光雷达定位效果评估方法，所述方法包括：

解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

根据所述点云信息和预先配置的点云参数生成点云数据帧；

根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。计算机可读存储介质例如可以是——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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中，计算机可读存储介质可以是任何包含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。

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采用多种形式，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含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。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种激光雷达定位效果评估方法，其特征在于，包括：

解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

根据所述点云信息和预先配置的点云参数生成点云数据帧，其中，所述预先配置的点云参数基于需要模拟的环境以及场景进行配置；

根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息，进行激光雷达定位效果的评估。

2.根据权利要求1所述的方法，其特征在于，所述点云信息包括：点云单元分布、点云单元内点云强度信息、以及点云单元内的点云高度信息中的至少一个。

3.根据权利要求2所述的方法，其特征在于，所述点云强度信息包括：点云强度的均值和方差；所述点云高度信息包括：点云高度的均值和方差。

4.根据权利要求1所述的方法，其特征在于，所述预先配置的点云参数包括：每个点云单元的点云个数、点云高度范围、点云强度范围、以及点云单元内点云分布信息中的至少一个。

5.根据权利要求1所述的方法，其特征在于，所述根据所述点云信息和预先配置的点云参数生成点云数据帧，包括：

基于所述点云信息和预先配置的点云参数，调用预设函数，生成满足设定分布特征的点云数据，由生成的点云数据构成点云数据帧。

6.根据权利要求5所述的方法，其特征在于，所述预设函数包括：MATLAB中的正态分布的伪随机数randn函数。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述根据所述点云数据帧和车辆的位置姿态信息进行激光雷达定位效果的评估，包括：

将所述点云数据帧和所述车辆的位置姿态信息输入给定位算法，通过定位算法计算出车辆的定位结果；

将所述定位结果与车辆的定位真值进行比对，得到定位效果的评估结果。

8.一种激光雷达定位效果评估装置，其特征在于，包括：

解析模块，用于解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

生成模块，用于根据所述点云信息和预先配置的点云参数生成点云数据帧，其中，所述预先配置的点云参数基于需要模拟的环境以及场景进行配置；

评估模块，用于根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，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，使得所述一个或多个处理器实现如权利要求1-7中任一所述的激光雷达定位效果评估方法。

10.一种计算机可读存储介质，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1-7中任一所述的激光雷达定位效果评估方法，所述方法包括：

解析激光雷达定位所使用的高精地图，获取车辆行驶轨迹所对应的点云信息；

根据所述点云信息和预先配置的点云参数生成点云数据帧；

根据所述点云数据帧和所述点云数据帧对应时刻的车辆的位置姿态信息进行激光雷达定位效果的评估。

Images