CN112406964B - 一种列车定位方法及系统 - Google Patents

Abstract

本发明提供一种列车定位方法及系统，包括：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；根据列车运行的实时运行数据，获取车辆估计位姿信息；根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。本发明实施例提供的列车定位方法及系统，利用雷达点云提供的反射率信息，在连续桥隧等区域的扫描点云和高精度电子地图中，筛选出有差异性的地物特征，再叠加使用基于空间几何特征和反射率特征的优化算法对筛选后的扫描点云和电子地图进行点云匹配，实现车辆的精确定位。

Description

一种列车定位方法及系统

技术领域

本发明涉及轨道交通技术领域，尤其涉及一种列车定位方法及系统。

背景技术

基于激光雷达和高精度电子地图的高精度定位已经逐步应用于轨道交通运输的各个领域，对于轨道交通车辆的安全运行具有十分重要的意义。列车行驶过程中，将实时雷达点云与高精度电子地图进行匹配，以确定车辆的精确位姿。

基于激光雷达和高精度电子地图的高精度定位方法高度依赖于地形地貌的差异性，仅当轨道两侧的地形地貌特征有较大的差异时，该方案才能正常工作。

在列车进入沙漠、长距离的桥隧等区域，由于轨道两侧的地形地貌特征的差异性较小，或差异性不能被有效的识别时，均会造成现有的列车定位方法失效，给行车安全带来了隐患。

发明内容

本发明提供一种列车定位方法及系统，用以解决现有技术中基于激光雷达和高精度电子地图的定位方法高度依赖于地形地貌差异性的缺陷，以提高列车的行车安全。

第一方面，本发明提供一种列车定位方法，主要包括：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；根据列车运行的实时运行数据，获取车辆估计位姿信息；根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。

可选地，所述方法还包括：根据所述车辆估计位姿信息，确定列车的当前行驶区域；在所述当前行驶区域为桥隧区域的情况下，所述综合匹配结果包括点云匹配结果和反射率匹配结果；所述反射率匹配结果是所述第一反射率信息与所述第二反射率信息的反射率匹配的结果。

可选地，在所述当前行驶区域为非桥隧区域的情况下，所述综合匹配结果包括点云匹配结果。

可选地，在根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息之前，还包括：根据所述第一反射率信息，筛选所述实时雷达点云中的第一点云，所述第一点云中的每个点数据的反射率均大于反射率阈值；根据所述第二反射率信息，筛选所述参考雷达点云中的第二点云，所述第二点云中的每个点数据的反射率均大于反射率阈值。

可选地，所述根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息，具体包括：

在所述当前行驶区域为非桥隧区域的情况下，基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取所述点云匹配结果；

在所述当前行驶区域为桥隧区域的情况下，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取所述点云匹配结果；

根据所述点云匹配结果，获取列车当前位置信息。

可选地，所述基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取所述点云匹配结果，包括：

基于迭代最近点算法，根据所述第一点云和所述第二点云中各数据点之间的空间距离，在所述第二点云中确定与所述第一点云中各数据点的平均空间距离最近的点云，作为所述点云匹配结果

可选地，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取所述点云匹配结果，包括：

基于迭代最近点算法，根据所述第一点云和所述第二点云中各数据点之间的空间距离以及反射率差异值，在所述第二点云中确定与所述第一点云中各数据点的平均空间距离最近、且反射率差异值最小的点云，作为所述点云匹配结果。

本发明实施例提供的列车定位方法，还包括：在所述桥隧区域内差异性的设置反射装置，用于增强所述桥隧区域对应的雷达点云的反射率信息的差异性。

可选地，在所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云之前，创建所述高精度电子地图，具体包括：构建初始电子地图；依次采集全线路的多帧雷达点云、每帧所述雷达点云对应的列车运行数据、每帧所述雷达点云对应的反射率信息；根据所述列车运行数据确定相邻两帧所述雷达点云之间的位姿关系；根据所述位姿关系，将所述雷达点云逐帧添加至所述初始电子地图中，构成所述高精度电子地图；所述高精度电子地图中的每帧所述雷达点云具有与之对应的反射率信息。

第二方面，本发明还提供一种列车定位系统，包括车载激光雷达、IMU和测速设备、位姿预估模块、点云调用模块和位姿运算模块；其中，车载激光雷达，用于获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；IMU和测速设备，用于获取列车运行的实时运行数据；位姿预估模块，用于根据列车运行的实时运行数据，获取车辆估计位姿信息；点云调用模块，用于根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；位姿运算模块，用于根据所述实时雷达点云和所述参考雷达点云的点云匹配结果，获取列车当前位置信息。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述列车定位方法的步骤。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述列车定位方法的步骤。

本发明提供的列车定位方法及系统，利用雷达点云提供的反射率信息，在连续桥隧等区域的扫描点云和高精度电子地图中，筛选出有差异性的地物特征，再叠加使用基于空间几何特征和反射率特征的优化算法对筛选后的扫描点云和电子地图进行点云匹配，实现车辆的精确定位。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的列车定位方法的流程示意图；

图2是本发明提供的车载设备的安装示意图；

图3是本发明提供的另一种列车定位方法的流程示意图；

图4是本发明提供的构建高精度电子地图的方法流程示意图；

图5是仅利用点数据的位姿特征实现点云匹配的示意图；

图6是结合点数据的位姿特征和反射率综合实现点云匹配的示意图；

图7为本发明提供的一种列车定位系统的结构示意图；

图8是本发明提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明实施例提供的一种列车定位方法的流程示意图，如图1所示，包括但不限于以下步骤：

步骤S1：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；

步骤S2：根据列车运行的实时运行数据，获取车辆估计位姿信息；

步骤S3：根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；

步骤S4：根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。

图2是本发明实施例提供的一种车载设备的安装示意图，如图2所示，本发明实施例通过在列车上搭载激光雷达、惯性测量单元(Inertial measurement unit，IMU)、测速设备等，在列车行驶过程中实时采集轨道线路的实时雷达点云和车辆运行数据。

其中，雷达点云可以利用安装在车辆头端的激光雷达获取，激光雷达可以针对车辆前进的方向，也可以设置多个激光雷达，获取车辆前方的雷达点云数据的同时，还采集列车所在位姿的轨道两侧的雷达点云数据，并最终构成列车运行的实时雷达点云。

与此同时，在获取到每一帧实时雷达点云的同时，还获取所述实时雷达点云中各个点数据的反射率信息。

在桥隧等区域通常会有以下一些反射率与隧道壁有显著差异的设施，如：里程牌，照明设备，4G/5G通信设备，供电设备，供水管道阀门等。由于这些设备在整个桥隧区域中所占的比重不高，故在以往的雷达点云数据采集过程中往往被忽视了。此外，部分混凝土因表面粗糙度和光洁度的差异也会有反射率的显著差异。在列车进入至桥隧等区域后，由于单纯的从以往的激光雷达点云进行分析，是观测不到有差异性的地物特征，导致实时获取的雷达点云与高精度电子地图的匹配机制完全失效。若在雷达点云与高精度电子地图的匹配的同时，通过反射率信息筛选出来有差异性的地物特征，也能够实现列车在这些特殊区域内的高精度定位。

进一步地，在本发明实施例中利用安装在车辆上的测速设备以及IMU等，获取实时运行数据。其中所述实时运行数据包括：列车的实时速度信息、加速度信息以及角速度信息等。其中，车辆的实时速度信息可以来自速度传感器，也可以来自毫米波雷达等测速设备，IMU主要用于测量列车的三轴姿态角(或角速率)以及加速度，对此本发明实施例不作具体的限定。

进一步地，在获取到列车运行的实时运行数据，则可以在高精度电子地图中对列车的当前位姿进行位姿估计，获取有一定偏差的车辆估计位姿信息，即所述车辆估计位姿信息是根据实时运行数据直接从高精度电子地图中获取的列车的位姿估计，与列车的当前位姿信息可能存在一定的偏差。

进一步地，可以根据车辆估计位姿信息在高精度电子地图中标注出参考雷达点云，即在高精度电子地图中获取列车当前所在位姿一定区域内的雷达点云作为参考雷达点云。

为了实现列车的精准定位，在本发明实施例中，根据列车运行过程中所获取的实时雷达点云与参考雷达点云进行匹配，以最终确定出列车的当前位置信息。

需要说明的是，可以在列车整个行驶的过程中，始终在对实时雷达点云与参考雷达点云进行匹配的同时，结合第一反射率信息与第二反射率信息，以根据匹配结果，实现车辆的精确定位。

作为可选的实施例，可以根据列车的当前行驶区域，合理的设置匹配的对象，例如：在雷达点云能够充分表征差异性的地物特征的情况下，可以仅仅将实时雷达点云与参考雷达点云，基于空间几何特征的差异性进行匹配。

但针对列车进入隧道、桥梁等地物特征的差异性不明显的区域，则可以在基于空间几何特征的差异性，对实时雷达点云与参考雷达点云进行匹配的同时，结合点云中各数据点的反射率的差异性，将实时雷达点云所包含的第一反射率信息与参考雷达点云中所包括第二反射率信息作为匹配条件，并根据综合匹配结果，在高精度电子地图中确定与实时雷达点云最为接近的雷达点云的位姿，实现列车当前位置信息的获取。

图3是本发明实施例提供的另一种列车定位方法的流程示意图，如图3所示，整个列车定位方法的流程为：

在列车实时运行过程中，一方面，利用车载激光雷达获取列车前方的实时雷达点云，并对所述实时点云进行消除噪点等预处理。另一方面，利用安装在车辆上的测速设备以及IMU等，获取列车实时运行数据，主要包括列车的实时速度信息、加速度信息以及角速度信息等。根据列车实时运行数据在车载的高精度电子地图中对列车的当前位姿进行位姿估计，获取位姿估计对应区域的点云(即参考雷达点云)。

进一步地，利用预先设定的反射率阈值对经过预处理的实时点云以及参考雷达点云的反射率进行筛选，仅选取实时雷达点云和参考雷达点云中，反射率均大于反射率阈值的部分点云(即第一反射率信息和第二反射率信息中大于反射率阈值的反射率所对应的雷达点云)。

进一步地，可以基于常规的空间几何特征匹配算法，对经过筛选处理后的部分点云进行点云匹配，同时叠加使用基于反射率特征的匹配算法，对第一反射率信息和第二反射率信息进行匹配，以综合获取列车的当前位姿信息。即在本发明实施例，在实时雷达点云和参考雷达点云的匹配过程中，寻找最佳匹配点的过程中，除了两个数据点的空间距离最近之外，两个数据点的反射率相似度也纳入考虑，从而充分利用点云所能提供的一切信息。

本发明实施例提供的列车定位方法，利用雷达点云提供的反射率信息，在连续桥隧等区域的扫描点云和高精度电子地图中，筛选出有差异性的地物特征，再叠加使用基于空间几何特征和反射率特征的优化算法对筛选后的扫描点云和电子地图进行点云匹配，实现车辆的精确定位。

基于上述实施例的内容，作为一种可选实施例，在根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云之前，创建所述高精度电子地图，具体包括：

构建初始电子地图；

依次采集全线路的多帧雷达点云、每帧所述雷达点云对应的列车运行数据、每帧所述雷达点云对应的反射率信息；

根据所述列车运行数据确定相邻两帧所述雷达点云之间的位姿关系；

根据所述位姿关系，将所述雷达点云逐帧添加至所述初始电子地图中，构成所述高精度电子地图；

所述高精度电子地图中的每帧所述雷达点云具有与之对应的反射率信息。

图4是本发明实施例提供的一种构建高精度电子地图的方法流程示意图，如图4所示，在本发明实施例提供的列车定位方法中，是利用预先记载的列车运行线路的高精度电子地图，实现列车的精准定位的。高精度电子地图本质上也是一个点云，由若干帧经过处理的雷达点云，根据各帧点云之间的相互位姿关系叠加在一起，再经过降采样等手段压缩后形成的。高精度电子地图中除了具有每个数据点的空间坐标信息之外，每个数据点还具有对应的反射率信息。

在建立高精度电子地图之前，需要采集全线路的雷达点云数据(利用车载激光雷达实时检测)以及列车运行数据(利用测速设备以及IMU等实时检测)。在数据采集时，应确保没有数据采集区域内，没有任何障碍物(例如车辆或行人)在前方，以确保建立的高精度电子地图中没有障碍物的干扰。然后，对采集的所有雷达点云依次进行消除噪点等预处理。

在高精度电子地图构建的过程中，先将第一帧雷达点云直接添加到初始电子地图中，然后将后续的雷达点云逐一与电子地图进行匹配，包括：根据每帧雷达点云对应的列车运行数据对列车的当前位姿进行估计，以获取列车对应的位姿，再根据这一位姿对雷达点云(包含有每个数据点的反射率信息)进行变换后，叠加在初始电子地图上。按照全线路中各个雷达点云之间的位姿关系(可以根据点云匹配的方法)，依次对每帧雷达点云数据进行上述操作，直至将所有的雷达点云均叠加至所述初始电子地图中，即可以获取到所述高精度电子地图。

在将所有雷达点云添加到高精度电子地图后，对所述高精度电子地图进行检查验证，在确认无误后就可以将建立好的高精度电子地图加载到车载计算机中。

本发明实施例提供的列车定位方法，充分考虑雷达点云中各个数据点的反射率信息，将雷达点云发射率信息作为点云的一部分，构建出高精度的电子地图，以为后期基于空间几何特征的匹配算法和基于反射率特征的匹配算法，综合实现列车的高精度定位提供了数据基础。

基于上述实施例的内容，本发明实施例提供的列车定位方法，还可以包括根据所述车辆估计位姿信息，确定列车的当前行驶区域；在所述当前行驶区域为桥隧区域的情况下，所述综合匹配结果包括点云匹配与反射率匹配的综合结果。

进一步地，在所述当前行驶区域为非桥隧区域的情况下，所述综合匹配结果包括点云匹配结果。

本发明实施例提供的列车定位方法可以在列车的运行过程中，始终结合雷达点云的反射率信息和空间几何特征实现点云匹配。但考虑到在正常的运行区域内，轨道两侧的地形地貌特征有较大的差异，仅仅利用雷达点云之间的空间几何特征，即可有效的实现列车的精准定位；仅需在出现连续长距离、地形地貌完全相同的区域内(如隧道或桥梁等区域)，单独采用基于空间几何特征的点云匹配存在定位失败的情况下，才采用结合雷达点云的反射率信息和空间几何特征综合实现点云匹配。

故在本发明实施例中，首先根据所述车辆估计位姿信息，确定列车的当前行驶区域。即根据测速设备以及IMU等实时检测列车运行数据，并根据所述列车运行数据从高精度电子地图中，对列车进行位姿估计，并根据估计的位姿确定出列车的当前行驶区域。

一方面，在判断出列车的当前行驶区域是桥隧区域的情况下，则在将实时雷达点云和参考雷达点云进行综合匹配的时候，在基于空间几何特征匹配算法进行雷达点云匹配的同时，还基于反射率特征的匹配算法，将实时雷达点云对应的第一反射率信息与参考雷达点云所对应的第二反射率信息作为匹配要素，以获取综合匹配结果。

最后，根据综合匹配结果，实现列车的精准定位。

另一方面，在判断出列车的当前行驶区域是非桥隧区域的情况下(即运行在正常区域)，则仅仅基于空间几何特征匹配算法进行雷达点云匹配，以根据匹配结果中所包含的点云匹配结果，直接进行列车的定位。

本发明实施例提供的列车定位方法，通过在正常区域内仅利用传统的方法进行定位，但在连续隧道、连续桥梁等缺乏差异化特征的线路区段，综合雷达点云的反射率信息，实现车辆的高精度定位，解决了传统仅基于激光雷达和高精度电子地图的定位方法无法在连续桥隧区域实现高精度定位的问题，且有效的节约了车载计算机的算力，提高了定位的效率。

基于上述实施例的内容，作为一种可选实施例，在根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息之前，还包括：

根据所述第一反射率信息，筛选所述实时雷达点云中的第一点云，所述第一点云中的每个点数据的反射率均大于反射率阈值；

根据所述第二反射率信息，筛选所述参考雷达点云中的第二点云，所述第二点云中的每个点数据的反射率均大于反射率阈值。

在对实时雷达点云和从高精度电子地图中调取的参考雷达点云进行点云匹配时，由于雷达点云中所包含的数据点较多，对匹配的实时性和精确性提出了较大的挑战。故在本发明实施例中，在将两者进行匹配之前，利用每帧雷达点云所包含的反射率信息分别对实时雷达点云和参考雷达点云中的所有数据点进行筛选。

具体地，通过设置一个反射率阈值，分别将实时雷达点云和参考雷达点云中的所有数据点对应的反射率与所述反射率阈值进行比较，获取实时雷达点云中所有大于反射率阈值的数据点重新组建成第一点云；获取参考雷达点云中的所有大于反射率阈值的数据点重新组建成第二点云。即利用反射率阈值对所有数据点进行了一次筛选，有效的精简了点云匹配的数据量，在不损失点云数据特征数据点的基础上，筛选出了有差异性的地物特征，有效的提高了定位的效率，且有效避免了无效数据点的干扰，提高了定位的精度。

基于上述实施例的内容，作为一种可选实施例，所述根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息，具体包括：

在所述当前行驶区域为非桥隧区域的情况下，基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取所述点云匹配结果；

在所述当前行驶区域为桥隧区域的情况下，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取所述点云匹配结果；

根据所述点云匹配结果，获取列车当前位置信息。

具体地，所述空间几何特征的匹配算法可以是迭代最近点算法(IterativeClosest Point，ICP)，ICP算法的目的是要找到实时雷达点云与参考雷达点云之间的旋转参数R和平移参数T，使得两点数据之间满足某种度量准则下的最优匹配，即在两个点云中寻找最佳匹配点(两个点的空间距离最近)的过程。

其中，所述基于反射率特征的匹配算法主要是指根据每帧雷达点云中各个数据点的反射率，充分利用不同物体的反射率差异，实现目标特征的精确匹配。

具体地，本发明实施例提供的列车定位方法，提供了基于空间几何特征的匹配算法，将所述第一点云和所述第二点云进行匹配，获取所述点云匹配结果的方法，包括：

基于迭代最近点算法，根据所述第一点云和所述第二点云中各数据点之间的空间距离，在所述第二点云中确定与所述第一点云中各数据点的平均空间距离最近的点云，作为所述第一点云的距离匹配点云。

图5是仅利用点数据的位姿特征实现点云匹配的示意图，如图5所示，在仅仅利用雷达点云中所有数据点的空间距离，对A(实时雷达点云)和B(参考雷达点云)这两帧雷达点云进行匹配时，其中深色的点表示高反射率，浅色的点表示低反射率，则匹配的结果势必导致高反射率的区域错位。

图6是结合点数据的位姿特征和反射率综合实现点云匹配的示意图，如图6所示，如果在雷达点云匹配的过程中，将各个数据点的反射率的相似性也纳入考虑，兼顾空间距离和反射率，则能够实现高反射率区域的精确匹配。

下面以ICP算法为例，说明本发明实施例提供的综合空间几何特征的匹配算法和反射率特征的匹配算法实现点云匹配步骤：

步骤1，为A中的每一个点，在B中找到一个空间距离最近的点作为对应点，形成新的点云α和β，α是A的子集，β是B的子集，α和β中的点的数量完全相同，且一一对应。

步骤2，计算α和β之间的最优刚体变换，且使得α和β的对应点之间的平均空间距离最小，求得平移t和旋转R。

步骤3，对A进行平移t和旋转R，得到点云A′。

步骤4，如果相对于上一次迭代，α和β的对应点之间的平均空间距离的减少量小于某个阈值，或者达到迭代次数上限，则停止迭代；否则回到步骤1，以A′代替A，继续迭代。

由于在第1)步中，基于空间几何特征的匹配算法的ICP在选择对应点的时候，仅考虑了空间距离最近这一个因素，没有考虑其他因素。

但在本发明实施例中，基于反射率特征的匹配算法，将所述第一反射率信息和所述第二反射率信息进行匹配，获取所述反射率匹配结果，主要包括：

在ICP算法匹配的步骤1中，在进行对应点考虑时，不仅考虑空间距离最近，还要考虑反射率最接近(即平均反射率差异最小)。

然后，综合空间距离和反射率两方面的因素，选出对应点，并进一步执行上述步骤2-步骤4相同的步骤，获取反射率匹配点云。

需要说明的是，除了ICP算法之外，还可以采用其他点云匹配算法来实现点云的匹配，但与本发明实施例的匹配原理类似，均需要兼顾空间距离最近和反射率最接近两个方面的因素进行匹配。

本发明实施例提供的列车定位方法，叠加使用基于空间几何特征的匹配算法和基于反射率特征的匹配算法，实现了连续隧道和桥梁等缺乏差异化特征区段的高精度定位。

基于上述实施例的内容，本发明实施例提供的列车定位方法，还可以包括：

在所述非桥隧区域内差异性的设置反射装置，用于增强所述非桥隧区域对应的雷达点云的反射率信息。

在本发明实施例中，对于缺乏里程牌、照明、通信、供电和供水设备的桥隧区域，即通过反射率信息也无法筛选出有差异性地物特征的区域，采用在桥隧中加装永久性的高反射率反光牌或反光标志的方法来解决，即通过架设永久性的反光牌来增加差异性特征。其中，反光牌或反光标志的设计和架设位姿应尽量保持差异性，即避免形状、架设位姿和高度出现连续重复的情况，除此之外没有特殊要求。

本发明实施例提供的列车定位方法，对于缺乏里程牌、照明、通信、供电和供水设备等差异性特征的桥隧区域架设永久性的反光牌、反光标志、反光贴等来增加差异性特征，利用雷达点云的反射率信息将这些反光牌等差异性特征筛选出来，然后叠加使用基于空间几何特征的匹配算法和基于反射率特征的匹配算法，实现了连续隧道和桥梁等缺乏差异化特征区段的高精度定位。

图7为本发明实施例提供的一种列车定位系统的结构示意图，如图7所示，包括但不限于车载激光雷达1、IMU和测速设备2、位姿预估模块3、点云调用模块4和位姿运算模块5，其中：

车载激光雷达1主要用于获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；

IMU和测速设备2主要用于获取列车运行的实时运行数据；

位姿预估模块3主要用于根据所述实时运行数据，获取车辆估计位姿信息；

点云调用模块4主要用于根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；

位姿运算模块5主要用于根据所述实时雷达点云和所述参考雷达点云的点云匹配结果，获取列车当前位置信息。

作为可选地，本发明实施例提供的列车定位系统，车载设备可以分为车载传感器和车载计算机两部分。其中，车载传感器主要包括激光雷达、测速设备(如毫米波雷达或速度传感器)、IMU(惯性测量单元)等。车载计算机中预置高精度电子地图，通过与车载激光雷达实时获取的雷达点云的匹配实现车辆位姿的精确测定。

其中，激光雷达可以安装在车辆头端，正对车辆前进的方向。车载计算机安装在车辆的电气柜中。车辆的速度可以来自速度传感器，也可以来自毫米波雷达等测速设备。

以下对本发明实施例提供的列车定位系统如何实现列车定位的方法步骤进行介绍：

首先，可以在缺乏里程牌、照明、通信、供电和供水设备等差异性特征的桥隧区域，预先架设永久性的反光牌来增加发射率相关的差异性特征。

进一步地，进行数据采集和预处理。对轨道交通线路进行全线的数据采集，对采集的雷达点云进行消除噪点等预处理。

进一步地，建立高精度电子地图。将第一帧雷达点云直接添加到初始电子地图中，将后续雷达点云与上一步骤中的电子地图进行匹配，获取相邻两帧雷达点云的位姿关系，按照这个位姿关系，将后续雷达点云叠加到地图中，直到处理完所有的雷达点云。最后，通过降采样等方式对构建的高精度电子地图进行压缩，以便于存储。需要说明的是，本发明实施例在建立高精度电子地图时，同步保留各帧雷达点云中的反射率信息。

进一步地，搭载高精度电子地图。将高精度电子地图加载到车载计算机中。

进一步地，在实时定位过程中，先进行车辆位姿估计，即根据车辆速度和IMU的数据，实现车辆位姿的估计。

进一步地，可以进行点云筛选，即根据车辆位姿估计从高精度电子地图中提取对应区域的参考雷达点云，与车载雷达的实时雷达点云进行匹配。

可选地，如果当前区域属于桥隧路段，则对点云进行反射率筛选，并对筛选后的雷达点云进行综合匹配。

其中，所述综合匹配包括：在匹配过程中叠加使用基于空间几何特征的匹配算法和基于反射率特征的匹配算法。

最后，输出车辆精确位置信息，即基于位姿估计和点云综合匹配的结果，获得车辆的精确位置。

本发明实施例提供的列车定位系统，利用雷达点云提供的反射率信息，在连续桥隧等区域的扫描点云和高精度电子地图中，筛选出有差异性的地物特征，再叠加使用基于空间几何特征和反射率特征的优化算法对筛选后的扫描点云和电子地图进行点云匹配，实现车辆的精确定位。

需要说明的是，本发明实施例提供的列车定位系统，在具体执行时，可以基于上述任一实施例所述的列车定位方法来实现，对此本实施例不作赘述。

图8是本发明实施例提供的一种电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communication interface)820、存储器(memory)830和通信总线(bus)840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行列车定位方法，主要包括：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；根据列车运行的实时运行数据，获取车辆估计位姿信息；根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的列车定位方法，主要包括：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；根据列车运行的实时运行数据，获取车辆估计位姿信息；根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。

又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的以执行列车定位方法，主要包括：获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；根据列车运行的实时运行数据，获取车辆估计位姿信息；根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种列车定位方法，其特征在于，包括：

获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；

根据列车运行的实时运行数据，获取车辆估计位姿信息；

根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；

根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息；

还包括：根据所述车辆估计位姿信息，确定列车的当前行驶区域；

在所述当前行驶区域为桥隧区域的情况下，所述综合匹配结果包括点云匹配与反射率匹配的综合结果；

在根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息之前，还包括：

根据所述第一反射率信息，筛选所述实时雷达点云中的第一点云，所述第一点云中的每个点数据的反射率均大于反射率阈值；

根据所述第二反射率信息，筛选所述参考雷达点云中的第二点云，所述第二点云中的每个点数据的反射率均大于反射率阈值；

所述根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息，具体包括：

在所述当前行驶区域为非桥隧区域的情况下，基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取点云匹配结果；

在所述当前行驶区域为桥隧区域的情况下，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取点云匹配结果；

根据所述点云匹配结果，获取列车当前位置信息。

2.根据权利要求1所述的列车定位方法，其特征在于，所述基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取点云匹配结果，包括：

基于迭代最近点算法，根据所述第一点云和所述第二点云中各数据点之间的空间距离，在所述第二点云中确定与所述第一点云中各数据点的平均空间距离最近的点云，作为所述点云匹配结果。

3.根据权利要求2所述的列车定位方法，其特征在于，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取点云匹配结果，包括：

基于迭代最近点算法，根据所述第一点云和所述第二点云中各数据点之间的空间距离以及反射率差异值，在所述第二点云中确定与所述第一点云中各数据点的平均空间距离最近、且反射率差异值最小的点云，作为所述点云匹配结果。

4.根据权利要求1所述的列车定位方法，其特征在于，所述方法还包括：

在所述桥隧区域内差异性的设置反射装置，用于增强所述桥隧区域对应的雷达点云的反射率信息的差异性。

5.根据权利要求1所述的列车定位方法，其特征在于，在根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云之前，创建所述高精度电子地图，具体包括：

构建初始电子地图；

依次采集全线路的多帧雷达点云、每帧所述雷达点云对应的列车运行数据、每帧所述雷达点云对应的反射率信息；

根据所述列车运行数据确定相邻两帧所述雷达点云之间的位姿关系；

根据所述位姿关系，将所述雷达点云逐帧添加至所述初始电子地图中，构成所述高精度电子地图；

所述高精度电子地图中的每帧所述雷达点云具有与之对应的反射率信息。

6.一种列车定位系统，其特征在于，包括：

车载激光雷达，用于获取列车运行的实时雷达点云，所述实时雷达点云包含第一反射率信息；

IMU和测速设备，用于获取列车运行的实时运行数据；

位姿预估模块，用于根据所述实时运行数据，获取车辆估计位姿信息；

点云调用模块，用于根据所述车辆估计位姿信息，从预先构建的高精度电子地图中提取出参考雷达点云，所述参考雷达点云包括第二反射率信息；

位姿运算模块，用于根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息；

所述位姿运算模块，还用于根据所述车辆估计位姿信息，确定列车的当前行驶区域；

在所述当前行驶区域为桥隧区域的情况下，所述综合匹配结果包括点云匹配与反射率匹配的综合结果；

在根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息之前，还包括：

根据所述第一反射率信息，筛选所述实时雷达点云中的第一点云，所述第一点云中的每个点数据的反射率均大于反射率阈值；

根据所述第二反射率信息，筛选所述参考雷达点云中的第二点云，所述第二点云中的每个点数据的反射率均大于反射率阈值；

所述根据所述实时雷达点云和所述参考雷达点云的综合匹配结果，获取列车当前位置信息，具体包括：

在所述当前行驶区域为非桥隧区域的情况下，基于空间几何特征的匹配算法，对所述第一点云和所述第二点云进行匹配，获取点云匹配结果；

在所述当前行驶区域为桥隧区域的情况下，在基于空间几何特征的匹配算法对所述第一点云和所述第二点云进行匹配的过程中，融合使用基于反射率特征的匹配算法，获取点云匹配结果；

根据所述点云匹配结果，获取列车当前位置信息。

Images