CN115628754A - 里程计初始化方法、装置、电子设备及自动驾驶车辆 - Google Patents

Abstract

本公开提供了一种里程计初始化方法、装置、电子设备及自动驾驶车辆，涉及自动驾驶技术领域，尤其涉及激光雷达惯性里程计技术领域。具体实现方案为：获取车辆静止状态下指定时间段内的车载激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；确定所述竖直线特征的方向；获取所述指定时间段内的车载惯性测量单元数据；根据所述方向和所述车载惯性测量单元数据，对惯性测量单元进行初始化。通过本公开可以对惯性里程计的车载惯性测量单元进行初始化，精度高，方式简单，且容易收敛。

Description

里程计初始化方法、装置、电子设备及自动驾驶车辆

技术领域

本公开涉及自动驾驶技术领域，尤其涉及激光雷达(Laser Radar，LiDAR)惯性(Inertial)里程计技术领域，具体涉及一种里程计初始化方法、装置、电子设备及自动驾驶车辆。

背景技术

自动驾驶车辆中LiDAR Inertial里程计是利用LiDAR和车载惯性测量单元(Inertial measurement unit，IMU)的测量数据对车辆运动过程进行恢复的系统。

LiDAR Inertial里程计的系统初始化是对重力加速度的方向、IMU零偏、IMU初始运动进行估计的过程。准确的初始化是系统正常工作的基础。

发明内容

本公开提供了一种里程计初始化方法、装置、电子设备及自动驾驶车辆。

根据本公开的第一方面，提供了一种里程计初始化方法，所述方法包括：

获取车辆静止状态下指定时间段内的车载激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；确定所述竖直线特征的方向；获取所述指定时间段内的惯性测量单元数据；根据所述方向和所述车载惯性测量单元数据，对车载惯性测量单元进行初始化。

根据本公开的第二方面，提供了一种里程计初始化装置，所述装置包括：

获取模块，用于获取车辆静止状态下指定时间段内的车载激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；确定模块，用于确定所述竖直线特征的方向；所述获取模块，还用于获取所述指定时间段内的车载惯性测量单元数据；初始化模块，用于根据所述方向和所述车载惯性测量单元数据，对车载惯性测量单元进行初始化。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。

根据本公开的第五方面，提供了一种自动驾驶车辆，包括第三方面所述的电子设备。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1示出了本公开实施例提供的一种里程计初始化方法的流程示意图；

图2示出了本公开实施例提供的一种获取竖直线特征的方法的流程示意图；

图3示出了本公开实施例提供的一种确定竖直线特征方向的流程示意图；

图4示出了本公开实施例提供的一种确定竖直线特征方向的流程示意图；

图5示出了本公开实施例提供的一种确定竖直线特征方向的流程示意图；

图6示出了本公开实施例提供的一种里程计初始化装置的结构示意图；

图7示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

LiDAR Inertial里程计是利用LiDAR和IMU的测量数据对车辆运动过程进行恢复的系统。LiDAR Inertial里程计广范应用于自动驾驶车辆的制图与定位。其精度对制图与定位精度有着显著影响。

LiDAR Inertial里程计的系统初始化是对重力加速度的方向、IMU零偏、IMU初始运动进行估计的过程。准确的初始化是系统正常工作的基础。否则可能导致正常运行后系统状态的误差增大、不能正常收敛等现象。

相关技术中，Inertial里程计初始化的方式包括动态运动条件下的初始化和静态运动条件下的初始化。

动态运动条件下的初始化，根据车辆一段运动过程中的LiDAR点云和IMU数据对环境建图，并估计IMU在各时刻的位姿、重力加速度的方向、IMU的零偏。

静态运动条件下的初始化，这种情况下不需要建图，且IMU的位姿状态恒定；假设重力加速度的方向与IMU加速度测量方向重合，可以直接得到重力加速度的方向，并通过加速度统计均值减去重力加速度得到IMU加速度零偏的估计值，而角速度的测量均值即为IMU角速度零偏的估计值。

但是，动态初始化方法，对运动条件和环境特征有一定要求，初始化成功的难度相对较大。比如要求车辆有转向动作，环境中有丰富的线面特征。静态初始化方法，由于使用了重力方向与IMU加速度测量方向相同的假设，在有些情况下有一定误差。

基于此，本申请提供一种里程计初始化方法和装置。在静态运动条件下，通过确定相对于地面的竖直线特征的方向，确定重力加速度的方向，利用了竖直线特征的方向作为重力方向的约束，并在车辆静态条件下完成初始化，使得里程计初始化数据处理简单方便。通过车载惯性测量单元的数据以及确定的方向对车载惯性测量单元初始化，对自动驾驶车辆的运动环境和运动条件的要求较低，初始化数据的精度高且容易收敛。

其中，本申请可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备、服务器或者是多个服务器组成的服务器集群来实现。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1示出了本公开实施例提供的一种里程计初始化方法的流程示意图，如图1中所示，该方法可以包括：

在步骤S110中，获取车辆静止状态下指定时间段内的激光雷达采集的点云数据，并提取点云数据中的竖直线特征。

在本公开实施例中，车辆可以获取LiDAR点云数据，其中，LiDAR点云数据每一个点都包含了三维坐标信息，即，X、Y、Z三个元素。还可以包含颜色信息、反射强度信息、回波次数信息等。其中，车辆可以是自动驾驶车辆。

本公开可以在LiDAR点云数据中，获取车辆静止状态下任意单帧点云数据，并基于该单帧点云数据确定获取指定时间段内的所有单帧点云数据。需要说明的是，任意单帧点云数据可以是未补偿的单帧点云数据。

进一步的，可以提取任意单帧点云数据的线特征，并在提取的线特征中确定相对于竖直线特征，其中，竖直线特征可以是地面的竖直线特征。

在本公开中，还可以计算竖直线特征的方向的平均值，已确定竖直线特征的方向。

在步骤S120中，确定竖直线特征的方向。

在本公开实施例中，根据提取的竖直线特征，确定其相应的方向。

在步骤S130中，获取指定时间段内的车载惯性测量单元数据。

在本公开实施例中，可以将获取该指定时间段内的车载惯性测量单元数据，例如，车载惯性测量单元数据可以包括车载惯性测量单元的角速度测量值、车载惯性测量单元的加速度测量值以及重力加速度值。

在步骤S140中，根据方向和车载惯性测量单元数据，对车载惯性测量单元进行初始化。

在本公开实施例中，可以逐一确定指定时间段内的每一帧点云数据，若确定指定时间段内的所述点云数据为车辆静止状态下的点云数据，根据方向和车载惯性测量单元数据，对车载惯性测量单元进行初始化。

通过本申请提供的里程计初始化方法，通过竖直线特征的方向以及获取的车载惯性测量单元数据，在车辆处于静止状态的情况下，对车载惯性测量单元进行初始化。车辆处于静止状态获取点云数据可以避免车辆有转向动作而产生的复杂场景。通过竖直线特征的方向以及获取的车载惯性测量单元数据，对车载惯性测量单元进行初始化，精度高，方式简单，且容易收敛。

本公开下述实施例将对提取竖直线特征进行说明。

图2示出了本公开实施例提供的一种获取竖直线特征的方法的流程示意图，如图2中所示，该方法可以包括：

在步骤S210中，提取点云数据中的线特征，获取线特征相对于地面的第一夹角值。

在步骤S220中，在线特征中，获取第一夹角值大于或等于第一阈值的第一线特征。

在步骤S230中，将第一线特征确定为相对于地面的竖直线特征。

在本公开实施例中，如上述实施例，可以针对获取的点云数据中的每一帧点云数据，提取其包括的线特征。并进一步确定这些线特征相对于地面的夹角值。其中，本公开为便于区分，将线特征相对于地面的夹角值称为第一夹角值。

进一步的，在线特征中，可以筛选出大致垂直的线特征。例如，获取第一夹角值大于或等于第一阈值的第一线特征。其中第一阈值可以预先设置，且可以自定义，例如，第一阈值可以是80度。从而将大于或等于80度的线特征确定为竖直线特征。

在本公开中还需要确定获取的竖直线特征的方向，下述实施例将对确定所述竖直线特征的方向进行说明。

图3示出了本公开实施例提供的一种确定竖直线特征方向的流程示意图，如图3中所示，该方法可以包括：

在步骤S310中，确定每两个竖直线特征之间的第二夹角值。

在步骤S320中，确定第二夹角值小于或等于第二阈值的至少一组第二线特征。

在步骤S330中，在至少一组第二线特征中，选取数量最大的一组第二线特征。

在步骤S340中，将数量最大的一组第二线特征的方向的平均值，确定为竖直线特征的方向。

在本公开实施例中，竖直线特征可以为多个，从而需要确定每两个竖直线特征之间的第二夹角值。其中，本公开为便于区分，将每两个竖直线特征之间的夹角值称为第二夹角值。

在本公开中，可以利用随机抽样一致(Random Sample Consensu，RANSAC)的方法，确定第二夹角值小于或等于第二阈值的至少一组第二线特征。

换言之，本公开可以对第一线特征进行分组，每组两两竖直线特征之间的夹角值都小于或等于第二阈值。

示例性的，第二阈值为5度，两两第一线特征之间的夹角值小于或等于5度的分组分别包括3个第一线特征的分组，2个个第一线特征的分组以及1个第一线特征的分组。即，在所有第一线特征中，存在3个第一线特征的两两第一线特征的夹角值为5度，2个第一线特征的夹角值为5度，还包括1个单独的第一线特征，该第一线特征与其他任一第一线特征的夹角值均超过5度。则第一线特征可以分为3组，从而选取包括第一线特征数量最多的一组第一线特征。

在本公开中，还可以计算包括第一线特征数量最多的一组第一线特征的平均方向，从而将确定的平均方向确定为确定的竖直线特征的方向。

在本公开提供的里程计初始化方法所使用的数据，是基于车辆静止状态下获取的，因此，本公开还需要确定指定时间段内的点云数据为车辆静止状态下的点云数据。

下述实施例将对确定指定时间段内的点云数据为车辆静止状态下的点云数据进行说明。

图4示出了本公开实施例提供的一种确定竖直线特征方向的流程示意图，如图4中所示，该方法可以包括：

在步骤S410中，获取指定时间段内的激光雷达采集的点云数据。

在步骤S420中，获取指定时间段内的第一帧点云数据的第一竖直线特征。

在步骤S430中，获取指定时间段内的任意另一帧点云数据的第二竖直线特征。

在步骤S440中，确定第一竖直线特征与第二竖直线特征之间的匹配度和平均距离。

在步骤S450中，响应于匹配度大于或等于第三阈值且平均距离小于或等于第四阈值，确定指定时间段内的点云数据为车辆静止状态下的点云数据。

在本公开实施例中，可以获取指定时间段内的连续单帧点云数据，从而确定该指定时间段车辆处于静止状态。例如，在本公开中，可以任意选取单帧点云数据，从而根据该任意点云数据确定连续的指定时间段的单帧点云数据。

进一步获取指定时间段内的第一帧点云数据的第一竖直线特征。以及，指定时间段内的任意另一帧点云数据的第二竖直线特征。

任意单帧点云数据确定为第一个单帧点云数据。第一个单帧点云数据为本申请初始化车载惯性测量单元所需的第一个单帧点云数据。

确定第一个单帧点云数据后，可以确定第一个单帧点云数据所在时间点，从而根据第一个单帧点云数据所在时间点，依次获取单帧点云数据，直到获取到指定时间段内所以的车载惯性测量单元数据。

本公开为便于描述将获取的任意另一帧点云数据称为第二单帧点云数据，第二单帧点云数据对应的竖直线特征为第二竖直线特征。

提取该第二单帧点云数据相对于地面的第二竖直线特征，其中，确定第二单帧点云数据的竖直线特征的实施方式如上述实施例，再次不再重复叙述。

匹配第一竖直线特征与所述第二竖直线特征上的对应点，确定成功匹配的点在全部点中的占比为匹配度。计算第一竖直线特征与第二竖直线特征之间的平均距离。其中，平均距离可以是点线平均距离。

在本公开一实施例中，响应于匹配度大于或等于第三阈值且点线平均距离小于或等于第四阈值，确定指定时间段内的点云数据为车辆静止状态下的点云数据。例如，第三阈值为90％，第四阈值为5cm，则匹配度大于或等于90％且点线平均距离小于或等于5cm，确定指定时间段内的点云数据为车辆静止状态下的点云数据。

在本公开另一实施例中，若匹配度大于或等于第三阈值，或，点线平均距离小于或等于第四阈值，重新获取任意单帧点云数据中相对于地面的竖直线特征。即，重新选取指定时间段内的点云数据。

在本公开中，需要对指定时间段内的每一帧点云数据，执行如图4所述的步骤，从而确定该指定时内的点云数据为车辆静止状态下的点云数据。即，还需要对第二个单帧点云数据的下一帧点云数据，执行如图4所示的步骤，指定当前的单帧点云数据与第一个单帧点云数据之间的时间间隔超过指定时间段。

在本公开实施例中，响应于指定时间段内的点云数据为非车辆静止状态下的点云数据，确定下一个指定时间段的点云数据是否为车辆静止状态下的点云数据。

本公开下述实施例将对车载惯性测量单元初始化的实施方式进行说明。

图5示出了本公开实施例提供的一种惯性测量单元初始化的流程示意图，如图5中所示，该方法可以包括：

在步骤S510中，获取指定时间段内车载惯性测量单元的角速度测量值、加速度测量值。

在步骤S520中，获取车载惯性测量单元所在区域的重力加速度值。

在步骤S530中，计算指定时间段内的角速度测量值的第一均值，并计算指定时间段内的加速度测量值的第二均值。

在步骤S540中，将方向确定为车载惯性测量单元的重力加速度的方向，将第一均值确定为车载惯性测量单元的角速度零偏置，将第二均值与重力加速度值的差值确定为车载惯性测量单元的加速度零偏值，将车载惯性测量单元的速度设置为零，对车载惯性测量单元进行初始化。

在本公开实施例中，如上述实施例，车载惯性测量单元数据包括车载惯性测量单元的角速度测量值、车载惯性测量单元的加速度测量值以及获取的重力加速度值。

将车载惯性测量单元的角速度零偏设置为指定段时间内所有车载惯性测量单元的角速度测量的均值。车载惯性测量单元的加速度零偏设置为指定段时间内所有车载惯性测量单元加速度测量均值减去重力加速度在车载惯性测量单元局部坐标系中的投影。车载惯性测量单元速度设置为0。从而对该车载惯性测量单元进行静态初始化。

在本公开实施例中，响应于获取的当前帧点云数据与任意单帧点云数据的时间间隔大于或等于指定时间段，确定车载惯性测量单元初始化完成。

例如，指定时间段可以是5s，则确定当前帧点云数据与第一帧点云数据的时间间隔大于或等于5s，确定车载惯性测量单元初始化完成。

需要说明的是，对于本公开提供的里程计初始化方法，利用竖直特征进行重力方向约束，也可以推广到动态初始化中，或者作为里程计正常工作阶段IMU全局位姿的roll、pitch旋转约束。

基于与图1中所示的方法相同的原理，图6示出了本公开实施例提供的一种里程计初始化装置的结构示意图，如图6所示，该里程计初始化装置600可以包括：

获取模块601，用于获取车辆静止状态下指定时间段内的激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；确定模块602，用于确定所述竖直线特征的方向；所述获取模块601，还用于获取所述指定时间段内的车载惯性测量单元数据；初始化模块603，用于根据所述方向和车载惯性测量单元数据，对车载惯性测量单元进行初始化。

在本公开实施例中，所述获取模块601，用于提取所述点云数据中的线特征，获取所述线特征相对于地面的第一夹角值；在所述线特征中，获取所述第一夹角值大于或等于第一阈值的第一线特征；将所述第一线特征确定为相对于地面的竖直线特征。

在本公开实施例中，所述确定模块602，用于确定每两个所述竖直线特征之间的第二夹角值；确定所述第二夹角值小于或等于第二阈值的至少一组第二线特征；在所述至少一组第二线特征中，选取数量最大的一组所述第二线特征；将所述数量最大的一组所述第二线特征的方向的平均值，确定为所述竖直线特征的方向。

在本公开实施例中，所述获取模块601，用于获取指定时间段内的激光雷达采集的点云数据；获取所述指定时间段内的第一帧点云数据的第一竖直线特征；获取所述指定时间段内的任意另一帧点云数据的第二竖直线特征；确定所述第一竖直线特征与所述第二竖直线特征之间的匹配度和平均距离；响应于所述匹配度大于或等于第三阈值且所述平均距离小于或等于第四阈值，确定所述指定时间段内的点云数据为车辆静止状态下的点云数据。

在本公开实施例中，所述确定模块602，用于匹配所述第一竖直线特征与所述第二竖直线特征上的对应点，确定成功匹配的点在全部点中的占比为匹配度；计算所述第一竖直线特征与所述第二竖直线特征之间的平均距离。

在本公开实施例中，所述确定模块602，还用于响应于所述指定时间段内的所述点云数据为非车辆静止状态下的点云数据，确定下一个所述指定时间段的点云数据是否为车辆静止状态下的点云数据。

在本公开实施例中，所述初始化模块603，用于获取所述指定时间段内所述车载惯性测量单元的角速度测量值、加速度测量值；获取所述车载惯性测量单元所在区域的重力加速度值；计算所述指定时间段内的所述角速度测量值的第一均值，并计算所述指定时间段内的所述加速度测量值的第二均值；将所述方向确定为所述车载惯性测量单元的重力加速度的方向，将所述第一均值确定为所述车载惯性测量单元的角速度零偏置，将所述第二均值与所述重力加速度值的差值确定为所述车载惯性测量单元的加速度零偏值，将所述车载惯性测量单元的速度设置为零。

本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

根据本公开的实施例，本公开还提供了一种自动驾驶车辆，该自动驾驶车辆可以应用本公开中的电子设备。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理，例如里程计初始化方法。例如，在一些实施例中，里程计初始化方法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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的里程计初始化方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行里程计初始化方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(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)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

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。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (18)

1.一种惯性测量单元初始化方法，所述方法包括：

获取车辆静止状态下指定时间段内的车载激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；

确定所述竖直线特征的方向；

获取所述指定时间段内的车载惯性测量单元数据；

根据所述方向和所述车载惯性测量单元数据，对车载惯性测量单元进行初始化。

2.根据权利要求1所述的方法，其中，所述提取所述点云数据中的竖直线特征，包括：

提取所述点云数据中的线特征，获取所述线特征相对于地面的第一夹角值；

在所述线特征中，获取所述第一夹角值大于或等于第一阈值的第一线特征；

将所述第一线特征确定为相对于地面的竖直线特征。

3.根据权利要求1或2所述的方法，其中，所述确定所述竖直线特征的方向，包括：

确定每两个所述竖直线特征之间的第二夹角值；

确定所述第二夹角值小于或等于第二阈值的至少一组第二线特征；

在所述至少一组第二线特征中，选取数量最大的一组所述第二线特征；

将所述数量最大的一组所述第二线特征的方向的平均值，确定为所述竖直线特征的方向。

4.根据权利要求1所述的方法，其中，所述获取车辆静止状态下指定时间段内的激光雷达采集的点云数据，包括：

获取指定时间段内的车载激光雷达采集的点云数据；

获取所述指定时间段内的第一帧点云数据的第一竖直线特征；

获取所述指定时间段内的任意另一帧点云数据的第二竖直线特征；

确定所述第一竖直线特征与所述第二竖直线特征之间的匹配度和平均距离；

响应于所述匹配度大于或等于第三阈值且所述平均距离小于或等于第四阈值，确定所述指定时间段内的点云数据为车辆静止状态下的点云数据。

5.根据权利要求4所述的方法，其中，所述确定所述第一竖直线特征与所述第二竖直线特征之间的匹配度和平均距离，包括：

匹配所述第一竖直线特征与所述第二竖直线特征上的对应点，确定成功匹配的点在全部点中的占比为匹配度；

计算所述第一竖直线特征与所述第二竖直线特征之间的平均距离。

6.根据权利要求4所述的方法，其中，所述方法还包括：

响应于所述指定时间段内的所述点云数据为非车辆静止状态下的点云数据，确定下一个所述指定时间段的点云数据是否为车辆静止状态下的点云数据。

7.根据权利要求1所述的方法，其中，所述根据所述方向和所述车载惯性测量单元数据，对车载惯性测量单元进行初始化，包括：

获取所述指定时间段内所述车载惯性测量单元的角速度测量值、加速度测量值；

获取所述车载惯性测量单元所在区域的重力加速度值；

计算所述指定时间段内的所述角速度测量值的第一均值，并计算所述指定时间段内的所述加速度测量值的第二均值；

将所述方向确定为所述车载惯性测量单元的重力加速度的方向，将所述第一均值确定为所述车载惯性测量单元的角速度零偏置，将所述第二均值与所述重力加速度值的差值确定为所述车载惯性测量单元的加速度零偏值，将所述惯性测量单元的速度设置为零，对车载惯性测量单元进行初始化。

8.一种惯性测量单元初始化装置，所述装置包括：

获取模块，用于获取车辆静止状态下指定时间段内的车载激光雷达采集的点云数据，并提取所述点云数据中的竖直线特征；

确定模块，用于确定所述竖直线特征的方向；

所述获取模块，还用于获取所述指定时间段内的车载惯性测量单元数据；

初始化模块，用于根据所述方向和所述车载惯性测量单元数据，对车载惯性测量单元进行初始化。

9.根据权利要求8所述的装置，其中，所述获取模块，用于：

提取所述点云数据中的线特征，获取所述线特征相对于地面的第一夹角值；

在所述线特征中，获取所述第一夹角值大于或等于第一阈值的第一线特征；

将所述第一线特征确定为相对于地面的竖直线特征。

10.根据权利要求8或9所述的装置，其中，所述确定模块，用于：

确定每两个所述竖直线特征之间的第二夹角值；

确定所述第二夹角值小于或等于第二阈值的至少一组第二线特征；

在所述至少一组第二线特征中，选取数量最大的一组所述第二线特征；

将所述数量最大的一组所述第二线特征的方向的平均值，确定为所述竖直线特征的方向。

11.根据权利要求8所述的装置，其中，所述获取模块，用于：

获取指定时间段内的车载激光雷达采集的点云数据；

获取所述指定时间段内的第一帧点云数据的第一竖直线特征；

获取所述指定时间段内的任意另一帧点云数据的第二竖直线特征；

确定所述第一竖直线特征与所述第二竖直线特征之间的匹配度和平均距离；

响应于所述匹配度大于或等于第三阈值且所述平均距离小于或等于第四阈值，确定所述指定时间段内的点云数据为车辆静止状态下的点云数据。

12.根据权利要求11所述的装置，其中，所述确定模块，用于：

匹配所述第一竖直线特征与所述第二竖直线特征上的对应点，确定成功匹配的点在全部点中的占比为匹配度；

计算所述第一竖直线特征与所述第二竖直线特征之间的平均距离。

13.根据权利要求11所述的装置，其中，所述确定模块，还用于：

响应于所述指定时间段内的所述点云数据为非静车辆止状态下的点云数据，确定下一个所述指定时间段的点云数据是否为车辆静止状态下的点云数据。

14.根据权利要求8所述的装置，其中，所述初始化模块，用于：

获取所述指定时间段内所述车载惯性测量单元的角速度测量值、加速度测量值；

获取所述车载惯性测量单元所在区域的重力加速度值；

计算所述指定时间段内的所述角速度测量值的第一均值，并计算所述指定时间段内的所述加速度测量值的第二均值；

将所述方向确定为所述车载惯性测量单元的重力加速度的方向，将所述第一均值确定为所述车载惯性测量单元的角速度零偏置，将所述第二均值与所述重力加速度值的差值确定为所述车载惯性测量单元的加速度零偏值，将所述车载惯性测量单元的速度设置为零。

15.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。

16.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。

17.一种计算机产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。

18.一种自动驾驶车辆，包括如权利要求15所述的电子设备。

Images