CN117762137A - 一种基于激光雷达的车辆控制方法、装置、设备及介质 - Google Patents

Abstract

本申请提供了一种基于激光雷达的车辆控制方法、装置、设备及介质，车辆前方的第一车头上安装有第一激光雷达，位于车辆后方的第二车头上安装有第二激光雷达，车辆在目标区域中行驶，目标区域为已具备高精点云数据的区域，该方法包括：在车辆行驶过程中，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据；利用点云融合数据与高精点云数据进行匹配，根据匹配结果对车辆进行控制。通过采用上述基于激光雷达的车辆控制方法、装置、设备及介质，解决了在定位信号微弱甚至消失的情况下，无法对车辆进行准确控制的问题。

Description

一种基于激光雷达的车辆控制方法、装置、设备及介质

技术领域

本申请涉及无人驾驶技术领域，具体而言，涉及一种基于激光雷达的车辆控制方法、装置、设备及介质。

背景技术

随着科技的蓬勃发展，港口作业呈现自动化趋势，通过自动化技术，能够大幅提升作业效率并降低人力成本。在港口日常运营过程中，乘客接泊、集装箱运送等作业流程都需要车辆在无人驾驶的情况下自动完成。如何保证无人驾驶作业时对车辆行驶路线的准确控制，是港口自动化技术中的关键环节。

目前，在自动驾驶场景中，通常是基于全球卫星定位系统(GNSS)来对车辆进行定位的，但是车辆行驶过程中可能存在GNSS信号被遮挡的情况，此时无法使用GNSS系统提供的定位信息。因此，如何在定位信号微弱甚至消失的情况下，实现车辆的准确控制是亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的在于提供一种基于激光雷达的车辆控制方法、装置、设备及介质，以解决在定位信号微弱甚至消失的情况下，无法对车辆进行准确控制的问题。

第一方面，本申请实施例提供了一种基于激光雷达的车辆控制方法，车辆为双向驾驶车辆，车辆前方的第一车头上安装有第一激光雷达，位于车辆后方的第二车头上安装有第二激光雷达，车辆在目标区域中行驶，目标区域为已具备高精点云数据的区域，方法包括：

在车辆行驶过程中，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；

对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据；

利用点云融合数据与高精点云数据进行匹配，根据匹配结果对车辆进行控制。

可选地，利用点云融合数据与高精点云数据进行匹配，包括：获取目标变换矩阵及目标高精点云数据；对点云融合数据及目标高精点云数据进行空间分割，获得点云融合数据对应的多个第一立方体单元及目标高精点云数据对应的多个第二立方体单元；针对每组对应位置的第一立方体单元及第二立方体单元，利用该组立方体单元的正态分布函数，对目标变换矩阵进行优化，获得优选变换矩阵；当优选变换矩阵满足迭代停止条件时，确定点云融合数据与目标高精点云数据相匹配。

可选地，利用该组立方体单元的正态分布函数，对目标变换矩阵进行优化，包括：分别确定第一立方体单元及第二立方体单元的正态分布函数；根据第一正态分布函数与第二正态分布函数之间的重叠度，对目标变换矩阵进行优化获得优选变换矩阵，第一正态分布函数为第一立方体单元的正态分布函数，第二正态分布函数为第二立方体单元的正态分布函数。

可选地，分别确定第一立方体单元及第二立方体单元的正态分布函数，包括：针对每个立方体单元，确定该立方体单元中所有点的坐标均值和协方差矩阵；根据坐标均值和协方差矩阵，确定正态分布函数。

可选地，根据第一正态分布函数与第二正态分布函数之间的重叠度，对目标变换矩阵进行优化获得优选变换矩阵，包括：确定第一正态分布函数与第二正态分布函数之间的当前重叠度；确定当前重叠度与历史重叠度之间的重叠度变化是否小于变化阈值；若大于或者等于变化阈值，则利用优化算法更新目标变换矩阵，将更新后的目标变换矩阵作为下一轮迭代的目标变换矩阵，返回执行确定第一正态分布函数与第二正态分布函数之间的当前重叠度的步骤。

可选地，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据，包括：利用第一激光雷达对位于车辆前方预设范围内的物体进行扫描，获取当前帧下的第一点云数据；利用第二激光雷达对位于车辆后方预设范围内的物体进行扫描，获取当前帧下的第一点云数据。

可选地，对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据，包括：将第一点云数据和第二点云数据转换为以车辆中心点为原点的车辆坐标系下的两组点云数据；将车辆坐标系下的两组点云数据进行融合，获得当前帧下的点云融合数据。

第二方面，本申请实施例还提供了一种基于激光雷达的车辆控制装置，车辆为双向驾驶车辆，车辆前方的第一车头上安装有第一激光雷达，位于车辆后方的第二车头上安装有第二激光雷达，车辆在目标区域中行驶，目标区域为已具备高精点云数据的区域，所述装置包括：

数据获取模块，用于在车辆行驶过程中，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；

数据融合模块，用于对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据；

数据匹配模块，用于利用点云融合数据与高精点云数据进行匹配，根据匹配结果对车辆进行控制。

第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的基于激光雷达的车辆控制方法的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的基于激光雷达的车辆控制方法的步骤。

本申请实施例带来了以下有益效果：

本申请实施例提供的一种基于激光雷达的车辆控制方法、装置、设备及介质，能够利用激光雷达来获取车辆周围不同方向的点云数据，并将不同方向的点云数据融合在一起，利用融合数据与高精点云数据进行匹配，通过匹配结果进行车辆控制，其中，融合数据可以更准确地反映车辆的周围信息，同时将融合数据与事先确定的高精点云数据进行匹配即可实现车辆定位及控制，而无需完全借助于卫星定位信号，与现有技术中的基于激光雷达的车辆控制方法相比，解决了在定位信号微弱甚至消失的情况下，无法对车辆进行准确控制的问题。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本申请实施例所提供的基于激光雷达的车辆控制方法的流程图；

图2示出了本申请实施例所提供的基于激光雷达的车辆控制装置的结构示意图；

图3示出了本申请实施例所提供的电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

值得注意的是，在本申请提出之前，随着科技的蓬勃发展，港口作业呈现自动化趋势，通过自动化技术，能够大幅提升作业效率并降低人力成本。在港口日常运营过程中，乘客接泊、集装箱运送等作业流程都需要车辆在无人驾驶的情况下自动完成。如何保证无人驾驶作业时对车辆行驶路线的准确控制，是港口自动化技术中的关键环节。目前，在自动驾驶场景中，通常是基于全球卫星定位系统(GNSS)来对车辆进行定位的，但是车辆行驶过程中可能存在GNSS信号被遮挡的情况，此时无法使用GNSS系统提供的定位信息。因此，如何在定位信号微弱甚至消失的情况下，实现车辆的准确控制是亟待解决的技术问题。

基于此，本申请实施例提供了一种基于激光雷达的车辆控制方法，以提高在定位信号微弱甚至消失的情况下，车辆控制的准确性。

请参阅图1，图1为本申请实施例所提供的一种基于激光雷达的车辆控制方法的流程图。如图1所示，本申请实施例提供的基于激光雷达的车辆控制方法，包括：

步骤S101，在车辆行驶过程中，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据。

该步骤中，车辆为双向驾驶车辆，在车辆的前方及后方分别设置有驾驶室，车辆可以在无需掉头的情况下原地沿相反方向行驶，同时车辆具备无人驾驶功能，能够根据指定路线自动在港口等目标区域内实现自动驾驶。

车辆前方的第一车头上安装有第一激光雷达，位于车辆后方的第二车头上安装有第二激光雷达，车辆在目标区域中行驶，目标区域为已具备高精点云数据的区域。每个激光雷达的水平视场为120°，垂直视场为25°。

在一可选实施例中，步骤S101，包括：利用第一激光雷达对位于车辆前方预设范围内的物体进行扫描，获取当前帧下的第一点云数据；利用第二激光雷达对位于车辆后方预设范围内的物体进行扫描，获取当前帧下的第一点云数据。

具体地，一边控制车辆自动行驶，一边通过前后两个激光雷达来对车辆前后方的周围环境信息进行扫描，通过第一激光雷达扫描车辆前方水平方向120°、垂直方向25°的视场，得到当前帧下的第一点云数据，通过第二激光雷达扫描车辆后方水平方向120°、垂直方向25°的视场，得到当前帧下的第二点云数据。根据当前帧下融合后的点云数据，对车辆进行当前帧下的定位及控制。两个激光雷达在获取下一帧的点云数据后，通过下一帧的点云数据继续对车辆进行下一帧的定位及控制，以此类推，不断根据每一帧扫描到的点云数据实现对车辆的实时控制。

步骤S102，对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据。

该步骤中，点云融合数据是前后方不同视场数据融合得到的，能够更准确地反映车辆当前的周围环境信息。点云融合数据为车辆坐标系下的点云数据，车辆坐标系是以车辆中心点为原点的坐标系，将第一点云数据与第二点云数据融合为车辆坐标系下的融合数据，更有利于后续的数据处理。

在本申请实施例中，获取第一点云数据及第二点云数据后，分别对第一点云数据及第二点云数据进行噪声滤波处理，去除无效和错误的点云数据，获得第一滤波点云数据及第二滤波点云数据。分别对第一滤波点云数据及第二滤波点云数据中的特征进行提取，例如：对车辆周围物体的边缘及角点进行提取，获得第一特征点云数据及第二特征点云数据，将第一特征点云数据和第二特征点云数据进行融合，获得当前帧下的点云融合数据。由于前后双雷达扫描的点云数据可以互相校验及补充，因此融合后的数据能够提高定位的鲁棒性。

在一可选实施例中，步骤S102，包括：步骤a1及步骤a2。

步骤a1，将第一点云数据和第二点云数据转换为以车辆中心点为原点的车辆坐标系下的两组点云数据。

对第一点云数据及第二点云数据进行噪声滤波及特征提取后，分别将第一特征点云数据转换为车辆坐标系下的第一点云数据，将第二特征点云数据转换为车辆坐标系下的第二点云数据。

步骤a2，将车辆坐标系下的两组点云数据进行融合，获得当前帧下的点云融合数据。

将车辆坐标系下的第一点云数据与车辆坐标系下的第二点云数据融合在一起，获得当前帧下的点云融合数据，点云融合数据具备更广的视场，更多的周围环境的特征信息。

步骤S103，利用点云融合数据与高精点云数据进行匹配，根据匹配结果对车辆进行控制。

该步骤中，高精点云数据为事先已经构建好的点云数据，高精点云数据是之前利用激光雷达对目标区域扫描后得到的点云数据。高精点云数据包括车辆在当前帧位置处所扫描得到的点云数据。高精点云数据包括了目标区域内全部位置的点云数据及具体的位置信息。

在本申请实施例中，先通过车载激光雷达对目标区域内各个位置的点云数据进行标定，即事先建立目标区域不同位置的高精点云数据。然后，当车辆在目标区域内行驶时，就可以利用已经建立的高精点云数据中的目标高精点云数据与车辆当前扫描到的点云融合数据进行匹配，其匹配方法可以是正态分布变换算法。如果两者匹配则说明车辆正行驶在目标高精点云数据对应的位置处，此时即可根据确定的位置对车辆行驶路线进行控制，例如：定位到的车辆位置与规划路线的理论位置相偏离，则可以控制车辆转向，以使车辆按照预定的规划路线行驶。

在一可选实施例中，步骤S102，包括：步骤b1、步骤b2及步骤b3。

步骤b1，获取目标变换矩阵及目标高精点云数据。

将单位矩阵作为初始变换矩阵或者将先验矩阵作为初始变换矩阵，其中，先验矩阵是基于先验知识或者历史经验得到的矩阵。

获取车辆的卫星定位数据，根据卫星定位数据从高精点云数据中选取目标高精点云数据。虽然卫星定位数据可能不是十分精准的，但是可以根据卫星定位数据确定目标高精点云数据，以缩小点云融合数据的匹配范围，再结合点云数据匹配就可以精准地确定出车辆的当前位置。

在对目标变换矩阵进行优化的过程中，需要进行多轮迭代，首轮迭代时，可将初始变换矩阵作为目标变换矩阵。

步骤b2，对点云融合数据及目标高精点云数据进行空间分割，获得点云融合数据对应的多个第一立方体单元及目标高精点云数据对应的多个第二立方体单元。

这里，点云融合数据和目标高精点云数据对应的空间大小是相同的，即两个点云数据的长、宽、高数据都相等。

为了提高数据匹配的准确性，可分别点云融合数据和目标高精点云数据对应的空间进行分割。将点云融合数据对应的空间称为第一空间，将目标高精点云数据对应的空间称为第二空间，按照预设的分割尺寸对第一空间进行分割获得多个第一立方体单元，对第二空间进行分割获得多个第二立方体单元，第一立方体单元与第二立方体单元对应的空间大小是相同的。

步骤b3，针对每组对应位置的第一立方体单元及第二立方体单元，利用该组立方体单元的正态分布函数，对目标变换矩阵进行优化，获得优选变换矩阵。

按照空间位置的对应关系，将一个第一立方体单元与对应位置的一个第二立方体单元组成一个立方体单元组，每个立方体单元组包括一个第一立方体单元及一个第二立方体单元。针对每个立方体单元组，将该立方体单元组中的第一立方体单元对应的正态分布函数称为第一正态分布函数，将该立方体单元组中的第二立方体单元对应的正态分布函数称为第二正态分布函数。利用立方体单元组对应的第一正态分布函数及第二正态分布函数对本轮的目标变换矩阵进行优化，获得优化后的优选变换矩阵。

步骤b4，当优选变换矩阵满足迭代停止条件时，确定点云融合数据与目标高精点云数据相匹配。

按照立方体单元之间的位置关系，由不同立方体单元组对应的多个优选变换矩阵构成点云融合数据对应的完整优选变换矩阵，确定完整优选变换矩阵是否满足矩阵迭代停止条件，若满足矩阵迭代停止条件，则确定当前帧下的点云融合数据与目标高精点云数据匹配。

若不满足矩阵迭代停止条件，则确定当前帧下的点云融合数据与目标高精点云数据不匹配，选取新的目标高精点云数据，以确定点云融合数据与新的目标高精点云数据是否匹配，以此类推，直至找到与点云融合数据匹配的目标高精点云数据为止。

其中，由于高精点云数据在事先建立时就是根据不同扫描位置之间的位置关系建立的，因此在选取新的目标高精点云数据时，可以是选取高精点云数据中与目标高精点云数据相邻的下一个高精点云数据作为新的目标高精点云数据。

在一可选实施例中，步骤b3，包括：步骤b31、步骤b32。

步骤b31，分别确定第一立方体单元及第二立方体单元的正态分布函数。

具体地，针对每个立方体单元，确定该立方体单元中所有点的坐标均值和协方差矩阵；根据坐标均值和协方差矩阵，确定正态分布函数。

例如：针对第一立方体单元，确定第一立方体单元中所有点的第一坐标均值和所有点的第一协方差矩阵，由第一坐标均值及第一协方差矩阵确定第一立方体单元对应的第一正态分布函数。针对第二立方体单元，确定第二立方体单元中所有点的第二坐标均值和所有点的第二协方差矩阵，由第二坐标均值及第二协方差矩阵确定第二立方体单元对应的第二正态分布函数。

步骤b32，根据第一正态分布函数与第二正态分布函数之间的重叠度，对目标变换矩阵进行优化获得优选变换矩阵。

这里，第一正态分布函数为第一立方体单元的正态分布函数，第二正态分布函数为第二立方体单元的正态分布函数。

具体地，可利用似然函数计算两个正态分布函数之间的重叠度，重叠度越高，说明第一立方体单元与第二立方体单元越近似，重叠度越低说明第一立方体单元与第二立方体单元越远离。当重叠度达到一定程度时，说明此时的第一立方体单元与第二立方体单元相匹配，即可通过目标变换矩阵将第一立方体单元变换到第二立方体单元，于是将此时的目标变换矩阵作为优选变换矩阵。

在一可选实施例中，步骤b32包括：步骤b321、步骤b322、步骤b323。

步骤b321，确定第一正态分布函数与第二正态分布函数之间的当前重叠度。

假设，利用似然函数确定当前轮中第一正态分布函数与第二正态分布函数之间的重叠度为0.9。

步骤b322，确定当前重叠度与历史重叠度之间的重叠度变化是否小于变化阈值。

这里，历史重叠度为上一轮重叠度或者前N轮重叠度均值，重叠度变化为当前轮的重叠度与上一轮重叠度的差值，或者，当前轮的重叠度与前N轮重叠度均值的差值，N为设定数值。假设，上一轮重叠度或者前N轮重叠度均值为0.87，则重叠度变化＝0.9-0.87＝0.03。

步骤b323，若大于或者等于变化阈值，则利用优化算法更新目标变换矩阵，将更新后的目标变换矩阵作为下一轮迭代的目标变换矩阵，返回执行确定第一正态分布函数与第二正态分布函数之间的重叠度的步骤。

假设，变化阈值为0.02，由于重叠度变化0.03大于变化阈值0.02，说明前后两轮或者当前轮与历史轮之间的重叠度还有较大变化，目标变换矩阵还有一定的优化空间，需要对目标变换矩阵进行进一步优化，则利用优化算法继续对目标变换矩阵进行更新，将更新后的目标变换矩阵应用到下一轮迭代中，重复执行上述步骤，直至重叠度变化小于变化阈值时停止迭代，将此时的目标变换矩阵作为优选变换矩阵。其中，优化算法可以是牛顿法，也可以是梯度下降算法。

与现有技术中基于激光雷达的车辆控制方法相比，本申请能够利用激光雷达来获取车辆周围不同方向的点云数据，并将不同方向的点云数据融合在一起，利用融合数据与高精点云数据进行匹配，通过匹配结果进行车辆控制，其中，融合数据可以更准确地反映车辆的周围信息，同时将融合数据与事先确定的高精点云数据进行匹配即可实现车辆定位及控制，而无需完全借助于卫星定位信号，解决了在定位信号微弱甚至消失的情况下，无法对车辆进行准确控制的问题。

基于同一发明构思，本申请实施例中还提供了与基于激光雷达的车辆控制方法对应的基于激光雷达的车辆控制装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述基于激光雷达的车辆控制方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

请参阅图2，图2为本申请实施例所提供的一种基于激光雷达的车辆控制装置的结构示意图。如图2中所示，车辆为双向驾驶车辆，车辆前方的第一车头上安装有第一激光雷达，位于车辆后方的第二车头上安装有第二激光雷达，车辆在目标区域中行驶，目标区域为已具备高精点云数据的区域，所述基于激光雷达的车辆控制装置200包括：

数据获取模块201，用于在车辆行驶过程中，利用第一激光雷达及第二激光雷达分别对车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；

数据融合模块202，用于对第一点云数据与第二点云数据进行融合，获得当前帧下的点云融合数据；

数据匹配模块203，用于利用点云融合数据与高精点云数据进行匹配，根据匹配结果对车辆进行控制。

请参阅图3，图3为本申请实施例所提供的一种电子设备的结构示意图。如图3中所示，所述电子设备300包括处理器310、存储器320和总线330。

所述存储器320存储有所述处理器310可执行的机器可读指令，当电子设备300运行时，所述处理器310与所述存储器320之间通过总线330通信，所述机器可读指令被所述处理器310执行时，可以执行如上述图1所示方法实施例中的基于激光雷达的车辆控制方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的基于激光雷达的车辆控制方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种基于激光雷达的车辆控制方法，其特征在于，所述车辆为双向驾驶车辆，所述车辆前方的第一车头上安装有第一激光雷达，位于所述车辆后方的第二车头上安装有第二激光雷达，所述车辆在目标区域中行驶，所述目标区域为已具备高精点云数据的区域，所述方法包括：

在所述车辆行驶过程中，利用所述第一激光雷达及所述第二激光雷达分别对所述车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；

对所述第一点云数据与所述第二点云数据进行融合，获得当前帧下的点云融合数据；

利用所述点云融合数据与所述高精点云数据进行匹配，根据匹配结果对所述车辆进行控制。

2.根据权利要求1所述的方法，其特征在于，所述利用所述点云融合数据与所述高精点云数据进行匹配，包括：

获取目标变换矩阵及目标高精点云数据；

对所述点云融合数据及所述目标高精点云数据进行空间分割，获得所述点云融合数据对应的多个第一立方体单元及所述目标高精点云数据对应的多个第二立方体单元；

针对每组对应位置的第一立方体单元及第二立方体单元，利用该组立方体单元的正态分布函数，对所述目标变换矩阵进行优化，获得优选变换矩阵；

当所述优选变换矩阵满足迭代停止条件时，确定所述点云融合数据与所述目标高精点云数据相匹配。

3.根据权利要求2所述的方法，其特征在于，所述利用该组立方体单元的正态分布函数，对所述目标变换矩阵进行优化，包括：

分别确定所述第一立方体单元及所述第二立方体单元的正态分布函数；

根据第一正态分布函数与第二正态分布函数之间的重叠度，对所述目标变换矩阵进行优化获得优选变换矩阵，所述第一正态分布函数为所述第一立方体单元的正态分布函数，所述第二正态分布函数为所述第二立方体单元的正态分布函数。

4.根据权利要求3所述的方法，其特征在于，所述分别确定所述第一立方体单元及所述第二立方体单元的正态分布函数，包括：

针对每个立方体单元，确定该立方体单元中所有点的坐标均值和协方差矩阵；

根据所述坐标均值和所述协方差矩阵，确定正态分布函数。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一正态分布函数与所述第二正态分布函数之间的重叠度，对所述目标变换矩阵进行优化获得优选变换矩阵，包括：

确定所述第一正态分布函数与所述第二正态分布函数之间的当前重叠度；

确定所述当前重叠度与历史重叠度之间的重叠度变化是否小于变化阈值；

若大于或者等于所述变化阈值，则利用优化算法更新所述目标变换矩阵，将更新后的目标变换矩阵作为下一轮迭代的目标变换矩阵，返回执行所述确定所述第一正态分布函数与所述第二正态分布函数之间的当前重叠度的步骤。

6.根据权利要求1所述的方法，其特征在于，所述利用所述第一激光雷达及所述第二激光雷达分别对所述车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据，包括：

利用所述第一激光雷达对位于所述车辆前方预设范围内的物体进行扫描，获取当前帧下的第一点云数据；

利用所述第二激光雷达对位于所述车辆后方预设范围内的物体进行扫描，获取当前帧下的第一点云数据。

7.根据权利要求1所述的方法，其特征在于，所述对所述第一点云数据与所述第二点云数据进行融合，获得当前帧下的点云融合数据，包括：

将所述第一点云数据和所述第二点云数据转换为以车辆中心点为原点的车辆坐标系下的两组点云数据；

将所述车辆坐标系下的两组点云数据进行融合，获得当前帧下的点云融合数据。

8.一种基于激光雷达的车辆控制装置，其特征在于，所述车辆为双向驾驶车辆，所述车辆前方的第一车头上安装有第一激光雷达，位于所述车辆后方的第二车头上安装有第二激光雷达，所述车辆在目标区域中行驶，所述目标区域为已具备高精点云数据的区域，包括：

数据获取模块，用于在所述车辆行驶过程中，利用所述第一激光雷达及所述第二激光雷达分别对所述车辆的周围物体进行扫描，获取当前帧下的第一点云数据及第二点云数据；

数据融合模块，用于对所述第一点云数据与所述第二点云数据进行融合，获得当前帧下的点云融合数据；

数据匹配模块，用于利用所述点云融合数据与所述高精点云数据进行匹配，根据匹配结果对所述车辆进行控制。

9.一种电子设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至7中任一项所述的基于激光雷达的车辆控制方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的基于激光雷达的车辆控制方法的步骤。