CN110501712B - 无人驾驶中用于确定位置姿态数据的方法、装置和设备 - Google Patents

Abstract

根据本公开的实施例，提供了无人驾驶领域用于确定位置姿态数据的方法、装置、设备和计算机可读存储介质。该方法包括基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与预定空间相关联的参考点云数据，预定空间中布置有用于发送模拟定位信号的发送设备和基于模拟定位信号确定定位误差的误差确定设备。该方法还包括基于定位误差、由车辆在预定空间内接收到的模拟定位信号以及车辆的惯性测量单元数据，确定针对车辆的位置姿态数据。该方法还包括基于参考点云数据、车辆的位置姿态数据和由车辆上的第二激光雷达获得的测试点云数据，确定第二激光雷达的位置姿态数据。通过该方法，降低了对室外卫星导航系统环境的依赖，并且节省了激光雷达标定时间。

Description

无人驾驶中用于确定位置姿态数据的方法、装置和设备

技术领域

本公开的实施例主要涉及无人驾驶领域，并且更具体地，涉及用于确定位置姿态数据的方法、装置、设备和介质。

背景技术

高精度定位技术是无人驾驶技术的重要组成部分，也是无人驾驶交通工具进行路径规划、控制决策以及感知的基础。传统的定位方案主要包括基于全球导航卫星系统(GNSS)/惯性测量单元(IMU)的定位方案、基于激光雷达的定位方案以及基于相机的定位方案。

随着无人车技术的发展，利用全球导航卫星系统/惯性测量单元结合激光雷达来进行制图变得非常重要。通过上述三种技术的结合可以为无人车提供精确的地图，从而保证车辆的正确行驶。然而，在通过全球导航卫星系统/惯性测量单元结合激光雷达制图的过程中还存在着许多需要解决的问题。

发明内容

根据本公开的示例实施例，提供了一种确定位置姿态数据的方案。

在本公开的第一方面中，提供了一种用于确定位置姿态数据的方法。该方法包括基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与预定空间相关联的参考点云数据，预定空间中布置有用于发送模拟定位信号的发送设备和基于模拟定位信号确定定位误差的误差确定设备。该方法还包括基于定位误差、由车辆在预定空间内接收到的模拟定位信号以及车辆的惯性测量单元数据，确定针对车辆的位置姿态数据。该方法还包括基于参考点云数据、车辆的位置姿态数据和由车辆上的第二激光雷达获得的测试点云数据，确定第二激光雷达的位置姿态数据。

在本公开的第二方面中，提供了一种用于确定位置姿态数据的装置。该装置包括第一参考点云数据确定模块，被配置为基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与预定空间相关联的参考点云数据，预定空间中布置有用于发送模拟定位信号的发送设备和基于模拟定位信号确定定位误差的误差确定设备；车辆位置姿态数据确定模块，被配置为基于定位误差、由车辆在预定空间内接收到的模拟定位信号以及车辆的惯性测量单元数据，确定针对车辆的位置姿态数据；以及第一雷达位置姿态数据确定模块，被配置为基于参考点云数据、车辆的位置姿态数据和由车辆上的第二激光雷达获得的测试点云数据，确定第二激光雷达的位置姿态数据。

在本公开的第三方面中，提供了一种电子设备，包括一个或多个处理器；以及存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现根据本公开的第一方面的方法。

在本公开的第四方面中，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根据本公开的第一方面的方法。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：

图1示出了根据本公开的实施例的用于确定位置姿态数据的示例环境100的示意图；

图2示出了根据本公开的实施例的用于确定位置姿态数据的方法200的流程图；

图3示出了根据本公开的实施例的用于确定位置姿态数据的方法300的流程图；

图4示出了根据本公开的实施例的用于确定位置姿态数据的装置400的示意框图；以及

图5示出了能够实施本公开的多个实施例的计算设备500的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

无人车车载全球卫星导航系统、惯性测量单元、相机和激光雷达等传感器的相对位置、姿态关系的精确标定是多传感器融合感知能够正常工作的前提。目前，通常将惯性测量单元的中心作为车体坐标系的原点，因此测量激光雷达相对于车体坐标系的位置关系也相当于测量激光雷达与惯性测量单元的位置关系。而在标定激光雷达时常常使用全球卫星导航系统作为辅助手段进行标定，一般流程是：使用全球卫星导航系统观测信息去估计惯性测量单元误差参数，最终得到厘米级精度的位置和高精度姿态；激光雷达点云在以上述高精的位置姿态输入完成点云补偿后，通过预定的操作来确定激光雷达相对于车体坐标系的位置姿态，即激光雷达的外参数。

然而随着无人车的量产推进，寻找一个好的室外全球卫星导航系统场景，并将无人车驾驶到该场景以保障好的全球卫星导航系统/惯性测量单元融合定位解算效果，对无人车厂商用户并不十分友好。而且在实际的应用中也由于室外检测信号的不稳定导致不能很好的确定激光雷达的位置姿态数据。

根据本公开的实施例，提出了一种用于确定位置姿态的方案。本方法通过设置预定空间，在预定空间内设置模拟卫星导航系统的信号发送设备和模拟基站的误差确定设备。然后通过采用激光雷达扫描室内场景获得的扫描点云数据来确定预定空间的参考点云数据。然后将待标定车辆在预定空间内行驶来获得测试点云数据。最后通过测试点云数据与参考点云数据的比较来确定激光雷达相对于车体坐标系的位置姿态数据。通过上述方法，降低了对室外好的卫星导航系统环境的依赖，并且可以在受控的方式下快速的完成车辆激光雷达的标定，节省了激光雷达标定时间，提高了标定效率。

以下将参照附图来具体描述本公开的实施例。在本文中，术语“位置姿态”是指物体在特定坐标系中的位置和姿态。例如，在二维坐标系中，物体的位置姿态例如可以利用二维坐标和航向角等来表示。在三维坐标系中，物体的位置姿态例如可以利用三维坐标、俯仰角、航向角和横滚角等来表示。

图1示出了本公开的实施例能够在其中实现的示例环境100的示意图。环境100总体上可以包括预定空间101。预定空间101是预先设置可以测试车辆的任意合适的空间。

在预定空间101内可以具有一个或多个发送设备102-1，102-2，…，102-N，其中N为正整数，为了描述方便，在后面统称为发送设备102。在一些实施例中，发送设备102可以用于模拟卫星导航系统(例如，全球导航卫星系统)，来发送模拟定位信号。全球导航卫星系统可以为美国GPS、俄罗斯GLONASS、欧盟GALILEO或中国北斗卫星导航系统。上述示例仅是用于描述本公开，而非对本公开的具体限定。根据本公开的实施例的卫星导航系统可以为任意能够实现导航功能的卫星系统。

在一些实施例中，发送设备102均匀分布于预定空间101内。在一些实施例中，发送设备102的分布使得预定空间内的信号均匀分布。上述示例仅是用于描述本公开，而非对本公开的具体限定，本领域技术人员可以基于需要来设置发送设备102的位置。在一些实施例中，发送设备102在预定空间内的坐标中已知的，例如由全站仪进行测量来获得。

在预定空间101内还布设有一些参考点，例如人工布设的一些标志、墙角、颜色变化大的点。这些参考点的坐标信息也是预知的，例如这些参考点的坐标信息可以由全站仪来获得。

对于预定空间101，可以通过高精度的测量激光扫描仪来获得预定空间101中的扫描点云数据。

在预定空间101中还布置有用于模拟基站的误差确定设备103。误差确定设备103的坐标已知，其通过接收来自发送设备102的模拟定位信号生成测量坐标，然后将生成的测量坐标与其自身坐标进行比较来确定定位误差109。因此，从误差确定设备103可以得到测量的定位误差109。

预定空间101可用于标定车辆104的激光雷达106(为了便于描述，也称为第二激光雷达)相对于车辆104的位置姿态数据。车辆101指代要对其进行定位的任何交通工具或其他物体。然而应当理解，这仅仅出于示例的目的，而无意于限制本公开的范围。本公开的实施例也可以被类似地应用于其他运动物体。

激光雷达106在车辆104在预定空间101内运行时扫描预定空间101以获得测试点云数据108。车辆104上还具有卫星导航数据接收装置105，其用于获得由发送设备102发送的模拟定位信号107，该模拟定位信号107用于模拟卫星导航数据。在一些实施例，卫星导航数据接收装置105可以为双天线，因此，利用双天线接收的模拟定位信号还可以确定航向角。

车辆104还可以具有惯性测量单元112。惯性测量单元112用于测量车辆104的三轴姿态角(或角速率)以及加速度的装置。在一些实施例中，惯性测量单元112包含三个单轴的加速度计和三个单轴的陀螺。加速度计用于检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号。

环境100中还包括计算设备110。计算设备110为能够处理数据的任意电子设备，包括但不限于移动电话(例如，智能手机)、膝上型计算机、便携式数字助理(PDA)、电子书(电子书)阅读器、便携式游戏机、便携式媒体播放器、游戏机、机顶盒(STB)、智能电视(TV)、个人计算机、膝上型计算机、车载计算机(例如，导航单元)、多处理器系统、消费电子产品、大型计算机、包括上述系统或设备中的任意一个的分布式计算环境等。

计算设备110可以基于接收的模拟定位信号107、定位误差109以及惯性测量单元数据113来生成车辆104的位置姿态数据。在一些实施例中，计算设备110通过对模拟定位信号107、定位误差109和惯性测量单元数据113采用常用的融合算法来进行融合来获得车辆104的位置姿态数据。计算设备110还获得由车辆104的激光雷达106获得的测试点云数据108。

计算设备110可以通过在预定空间内采集的参考点的坐标信息以及由测量激光扫描仪获得的扫描点云数据来生成参考点云数据。在一些实施例中，基于参考点的坐标信息与扫描点云数据中与参考点有关的部分扫描点云数据来获得测量激光雷达的朝向或位置姿态数据。在确定了测量激光雷达的位置姿态后，可以对扫描点云数据进行调整以生成参考点云数据。

计算设备110可认基于车辆104的位置姿态数据、参考点云数据和测试点云数据108来确定激光雷达106的位置姿态数据111。

上面结合图1描述了根据本公开的实施例的用于确定位置姿态数据的示例环境100的示意图。下面结合图2详细描述根据本公开的实施例的用于确定位置姿态数据的示例方法200的流程图。例如，方法200可以由如图1所示的计算设备110来执行。以下将结合图1来详细描述方法200的各个动作。应当理解，方法200还可以包括未示出的附加动作和/或可以省略所示出的动作。本公开的范围在此方面不受限制。

在框202处，计算设备110基于由第一激光雷达扫描预定空间101而获得的扫描点云数据，确定与预定空间101相关联的参考点云数据，预定空间101中布置有用于发送模拟定位信号107的发送设备102和基于模拟定位信号确定定位误差109的误差确定设备103。

采用预定空间101来模拟室外场景，然后在预定空间101实现对车辆104的标定。在预定空间101内设置有用于模拟卫星导航系统的发送设备102，发送设备102用于发送模拟定位信号107。预定空间101在设置有用于模拟基站的误差确定设备103。误差确定设备103用于测量定位误差109。

预定空间101内还设置有作为参考点的标识，以便于第一激光雷达在扫描预定空间101时可以标识出这些参考点。第一激光雷达可以是高精度的激光雷达，其扫描的点云数据可以被处理为参考点云数据。

在一些实施例中，计算设备110获取预定空间101中的参考点的坐标信息。然后，计算设备110基于扫描点云数据中与参考点有关的部分扫描点云数据和坐标信息，确定出第一激光雷达的位置姿态数据，包括第一激光雷达的朝向。然后计算设备110基于位置姿态数据和扫描点云数据，确定出参考点云数据。

在框204处，计算设备110基于定位误差109、由车辆104在预定空间内接收到的模拟定位信号107以及车辆104的惯性测量单元数据113，确定针对车辆104的位置姿态数据。

在一些实施例中，计算设备110在接收到定位误差109、模拟定位信号107和惯性测量单元数据113时通过常用的融合算法来确定的出车辆的位置姿态数据。

在一些实施例中，通过定位误差109和模拟定位信号107进行处理，可以确定出精度很高的定位信号。然后将高精度的定位信号与惯性测量单元数据113进行融合来确定车辆的位置姿态。

在一些实施例中，车辆104中的卫星导航数据接收装置105为双天线。因此，通过其接收的数据可以确定出位置和航向角。在经过用定位误差109调整后结合由惯性测量单元112得到的俯仰角和横滚角来确定车辆104的位置姿态。

在框206处，计算设备110基于参考点云数据、车辆104的位置姿态数据和由车辆104上的第二激光雷达106获得的测试点云数据108，确定第二激光雷达106的位置姿态数据。

计算设备110通过将测量点云数据108通过车辆104的位置姿态数据进行位置姿态调整，然后与参考点云数据进行匹配来确定第二激光雷达106相对于车体坐标系的位置姿态数据。下面将结合图3中详细描述确定第二激光雷达106的位置姿态数据的过程。

通过上述方法，降低了对室外好的卫星导航系统环境的依赖，并且可以在受控的方式下快速的完成车辆激光雷达的标定，提高了标定效率，节省了标定时间。

以上的图2示出了根据本公开的实施例的用于数据评估的方法200的流程图。下面结合图3详细描述图2中框206的用于确定第二激光雷达106的位置姿态数据的过程。图3示出了根据本公开的实施例的用于确定位置姿态数据的方法300的流程图。

在框302处，计算设备110确定第二激光雷达106相对于车辆104的候选位置姿态数据。计算设备110首先设置预定的值作为第二激光雷达106相对于车辆104的候选位置姿态。候选位置姿态数据包括至少一个预定的位置参数和至少一个预定的姿态参数。

在一些实施例，最初的候选位置姿态数据中的位置参数和姿态参数均为零，即空间坐标(x，y，z)和恣态参数-俯仰角、航向角、横滚角均设置为零。

在框304处，计算设备110基于候选位置姿态数据以及车辆104的位置姿态数据，将测试点云数据108映射到与参考点云数据相同的坐标系。计算设备110在获得了车辆104的位置姿态数据、第二激光雷达106的位置姿态数据后，可以将第二激光雷达106测量的测试点云数据108映射到与参考点云相同的坐标系。

在框306处，计算设备110确定经映射的测试点云数据108与参考点云数据的匹配程度。计算设备110在获得经映射处理的测试点云数据108后，会将映射的测试点云数据108与预先确定的参考点云数据进行比较。

在一些实施例中，计算设备110从经映射的测试点云数据108和参考点云数据中确定位置参数和姿态参数均匹配的一部分数据。计算设备110基于一部分数据的数目和参考点云数据中数据的总数目，确定匹配程度。在进行点云数据匹配时，可以采用ICP/GICP或NDT方法。

在一些实施例中，点云数据的匹配程度是通过匹配的一部分数据的数目与参考点云数据的总数目的比值来确定匹配程度。

在框308处，计算设备110确定匹配程度是否高于阈值程度。在一些实施例中，阈值程度可以为95％。当点云数据中匹配的数据的数目是否超过95％来确定点云是否匹配。上述示例仅是用于描述本公开，而非对本公开的具体限定，本领域技术人员可以基于需要设置阈值程度的大小。

如果匹配程度高于阈值程度，在框310处，计算设备110将候选位置姿态数据确定为第二激光雷达106的位置姿态数据，即确定第二激光雷达106的位置姿态数据为候选的位置姿态数据。此时完成了第二激光雷达106的标定。

如果匹配程序不高于阈值程度，在框312处，电子设备110更新候选位置姿态数据。在对侯选位置姿态数据进行更新时，可以对位置参数和姿态参数分别调整。例如，在调整位置参数时，将位置参数中的各参数增加预定的量，例如1cm。在调整姿态参数时，可以将姿态参数中的各参数增加1度。也可以同时调整位置参数和姿态参数。对于位置参数和姿态参数的调整可以基于需要以任意合适的方式进行调整。在调整位置参数时，将位置参数中的各参数增加预定的量，例如1cm，同时调整姿态参数，可以将姿态参数中的各参数增加1度。上述示例仅是用于描述本公开，而非对本公开的具体限定。本领域技术人员可以基于需要设置位置参数和姿态参数的调整量。

通过上述方法，可以通过调整第二激光雷达的侯选姿态数据来快速的确定第二激光雷达相对于车体坐标系的位置姿态数据，加快了数据匹配的过程，提高了匹配效率，使得能更快标定激光雷达。

图4示出了根据本公开实施例的用于数据评估的装置400的示意性框图。如图4所示，装置400可以包括第一参考点云数据确定模块402，其被配置为基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与预定空间相关联的参考点云数据，预定空间中布置有用于发送模拟定位信号的发送设备和基于模拟定位信号确定定位误差的误差确定设备。装置400还可以包括车辆位置姿态数据确定模块404，其被配置为基于定位误差、由车辆在预定空间内接收到的模拟定位信号以及车辆的惯性测量单元数据，确定针对车辆的位置姿态数据。装置400还可以包括第一雷达位置姿态数据确定模块406，其被配置为基于参考点云数据、车辆的位置姿态数据和由车辆上的第二激光雷达获得的测试点云数据，确定第二激光雷达的位置姿态数据。

在一些实施例中，第一参考点云数据确定模块402包括坐标信息获取模块，被配置为获取预定空间中的参考点的坐标信息；第二雷达位置姿态数据确定模块，被配置为基于扫描点云数据中与参考点有关的部分扫描点云数据和坐标信息，确定第一激光雷达的位置姿态数据；以及第二参考点云数据确定模块，被配置为基于位置姿态数据和扫描点云数据，确定参考点云数据。

在一些实施例中，第一雷达位置姿态数据确定模块406包括候选位置姿态数据确定模块，被配置为确定第二激光雷达相对于车辆的候选位置姿态数据；映射模块，被配置为基于候选位置姿态数据以及车辆的位置姿态数据，将测试点云数据映射到与参考点云数据相同的坐标系；第一匹配程度确定模块，被配置为确定经映射的测试点云数据与参考点云数据的匹配程度；以及位置姿态数据确定模块，被配置为响应于匹配程度高于阈值程度，将候选位置姿态数据确定为第二激光雷达的位置姿态数据。

在一些实施例中，第一雷达位置姿态数据确定模块406还包括

更新模块，被配置为响应于匹配程度低于阈值程度，更新候选位置姿态数据。

在一些实施例中，候选位置姿态数据包括至少一个预定的位置参数和至少一个预定的姿态参数。

在一些实施例中，第一匹配程度确定模块包括匹配数据确定模块，被配置为从经映射的所述测试点云数据和所述参考点云数据中确定位置参数和姿态参数均匹配的一部分数据；第二匹配程度确定模块，被配置为基于所述一部分数据的数目和所述参考点云数据中数据的总数目，确定所述匹配程度。

图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。设备500可以用于实现图1中的计算设备110。如图所示，设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序指令或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序指令，来执行各种适当的动作和处理。在RAM 503中，还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如方法200和300。例如，在一些实施例中，方法200和300可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的方法200和300的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法500。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种用于确定位置姿态数据的方法，包括：

基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与所述预定空间相关联的参考点云数据，所述预定空间中布置有用于发送模拟定位信号的发送设备和基于所述模拟定位信号确定定位误差的误差确定设备；

基于所述定位误差、由车辆在所述预定空间内接收到的所述模拟定位信号以及所述车辆的惯性测量单元数据，确定针对所述车辆的位置姿态数据；以及

基于所述参考点云数据、所述车辆的位置姿态数据和由所述车辆上的第二激光雷达获得的测试点云数据，确定所述第二激光雷达的位置姿态数据；

其中确定所述第二激光雷达的位置姿态数据包括：

确定所述第二激光雷达相对于所述车辆的候选位置姿态数据；

基于所述候选位置姿态数据以及所述车辆的位置姿态数据，将所述测试点云数据映射到与所述参考点云数据相同的坐标系；

确定经映射的所述测试点云数据与所述参考点云数据的匹配程度；以及

响应于所述匹配程度高于阈值程度，将所述候选位置姿态数据确定为所述第二激光雷达的位置姿态数据；

响应于所述匹配程度低于阈值程度，将所述候选位置姿态数据中的参数的值调整预定的量以更新所述候选位置姿态数据。

2.根据权利要求1所述的方法，其中确定参考点云数据包括：

获取所述预定空间中的参考点的坐标信息；

基于所述扫描点云数据中与所述参考点有关的部分扫描点云数据和所述坐标信息，确定所述第一激光雷达的位置姿态数据；以及

基于所述位置姿态数据和所述扫描点云数据，确定所述参考点云数据。

3.根据权利要求1所述的方法，其中所述候选位置姿态数据包括至少一个预定的位置参数和至少一个预定的姿态参数。

4.根据权利要求1所述的方法，其中确定经映射的所述测试点云数据与所述参考点云数据的匹配程度包括：

从经映射的所述测试点云数据和所述参考点云数据中确定位置参数和姿态参数均匹配的一部分数据；以及

基于所述一部分数据的数目和所述参考点云数据中数据的总数目，确定所述匹配程度。

5.一种用于确定位置姿态数据的装置，包括：

第一参考点云数据确定模块，被配置为基于由第一激光雷达扫描预定空间而获得的扫描点云数据，确定与所述预定空间相关联的参考点云数据，所述预定空间中布置有用于发送模拟定位信号的发送设备和基于所述模拟定位信号确定定位误差的误差确定设备；

车辆位置姿态数据确定模块，被配置为基于所述定位误差、由车辆在所述预定空间内接收到的所述模拟定位信号以及所述车辆的惯性测量单元数据，确定针对所述车辆的位置姿态数据；以及

第一雷达位置姿态数据确定模块，被配置为基于所述参考点云数据、所述车辆的位置姿态数据和由所述车辆上的第二激光雷达获得的测试点云数据，确定所述第二激光雷达的位置姿态数据；

其中所述第一雷达位置姿态数据确定模块包括：

候选位置姿态数据确定模块，被配置为确定所述第二激光雷达相对于所述车辆的候选位置姿态数据；

映射模块，被配置为基于所述候选位置姿态数据以及所述车辆的位置姿态数据，将所述测试点云数据映射到与所述参考点云数据相同的坐标系；

第一匹配程度确定模块，被配置为确定经映射的所述测试点云数据与所述参考点云数据的匹配程度；以及

位置姿态数据确定模块，被配置为响应于所述匹配程度高于阈值程度，将所述候选位置姿态数据确定为所述第二激光雷达的位置姿态数据；

更新模块，被配置为响应于所述匹配程度低于阈值程度，将所述候选位置姿态数据中的各参数的值调整预定的量以更新所述候选位置姿态数据。

6.根据权利要求5所述的装置，其中所述第一参考点云数据确定模块包括：

坐标信息获取模块，被配置为获取所述预定空间中的参考点的坐标信息；

第二雷达位置姿态数据确定模块，被配置为基于所述扫描点云数据中与所述参考点有关的部分扫描点云数据和所述坐标信息，确定所述第一激光雷达的位置姿态数据；以及

第二参考点云数据确定模块，被配置为基于所述位置姿态数据和所述扫描点云数据，确定所述参考点云数据。

7.根据权利要求5所述的装置，其中所述候选位置姿态数据包括至少一个预定的位置参数和至少一个预定的姿态参数。

8.根据权利要求5所述的装置，其中所述第一匹配程度确定模块包括：

匹配数据确定模块，被配置为从经映射的所述测试点云数据和所述参考点云数据中确定位置参数和姿态参数均匹配的一部分数据；以及

第二匹配程度确定模块，被配置为基于所述一部分数据的数目和所述参考点云数据中数据的总数目，确定所述匹配程度。

9.一种电子设备，所述设备包括：

一个或多个处理器；以及

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1-4中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如权利要求1-4中任一项所述的方法。

Images