[发明专利]一种无人车定位方法及装置有效
申请号: | 201910126935.7 | 申请日: | 2019-02-20 |
公开(公告)号: | CN109725329B | 公开(公告)日: | 2021-12-07 |
发明(设计)人: | 张臣 | 申请(专利权)人: | 苏州风图智能科技有限公司 |
主分类号: | G01S17/931 | 分类号: | G01S17/931 |
代理公司: | 北京林达刘知识产权代理事务所(普通合伙) 11277 | 代理人: | 刘新宇 |
地址: | 215000 江苏省苏州市工*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 无人 定位 方法 装置 | ||
本公开是关于一种无人车定位方法及装置。所述方法包括:获取无人车的激光点云高度数据和激光点云反射强度数据,其中,所述激光点云高度数据包括特征点的坐标信息和高度,所述激光点云反射强度数据包括特征点的坐标信息和反射强度;将所述激光点云高度数据与预设激光点云高度地图进行匹配,获取高度匹配定位结果;将所述激光点云反射强度数据与预设激光点云反射强度地图进行匹配,获取反射强度匹配定位结果;将所述高度匹配定位结果和所述反射强度匹配定位结果进行融合,并基于融合的定位结果确定所述无人车的位置信息。利用本公开各个实施例提供的技术方案,可以排除一些动态障碍物的干扰,提升无人车定位的准确性。
技术领域
本公开涉及无人驾驶技术领域,尤其涉及一种无人车定位方法及装置。
背景技术
无人驾驶技术是交通工具的一次重要变革,无论对于交通安全还是交通便捷来说,都具有十分重要的意义。目前,无人驾驶技术正在不断发展,因此,无人驾驶汽车代替传统的手动驾驶汽车也是指日可待。
相关技术中在进行无人车定位的过程中,往往依赖于车体周围的静态环境信息(如建筑物、路标等等),但是此类方法不太适合于动态环境的无人车定位,这是由于动态环境中的动态障碍物(如行人、行驶的车辆等)往往会干扰静态环境信息的特征提取,导致无法实现较为准确的无人车定位。
因此,相关技术中亟需一种在动态环境中实现比较准确的无人车定位方式。
发明内容
为克服相关技术中存在的问题,本公开提供一种无人车定位方法及装置。
根据本公开实施例的第一方面,提供一种无人车定位方法,包括:
获取无人车的激光点云高度数据和激光点云反射强度数据,其中,所述激光点云高度数据包括特征点的坐标信息和高度,所述激光点云反射强度数据包括特征点的坐标信息和反射强度;
将所述激光点云高度数据与预设激光点云高度地图进行匹配,获取高度匹配定位结果;
将所述激光点云反射强度数据与预设激光点云反射强度地图进行匹配,获取反射强度匹配定位结果;
将所述高度匹配定位结果和所述反射强度匹配定位结果进行融合,并基于融合的定位结果确定所述无人车的位置信息。
可选的,在本公开的一个实施例中,所述将所述激光点云高度数据与预设激光点云高度地图进行匹配,获取高度匹配定位结果,包括:
获取预先确定的先验定位位置;
将所述先验定位位置作为初始位置,利用粒子滤波器算法对所述激光点云高度数据与预设激光点云高度地图进行匹配,生成粒子分布数据,所述粒子分布数据中包括多个粒子滤波估计值,所述粒子滤波估计值用于表示车体在不同位置处的后验概率。
可选的,在本公开的一个实施例中,所述将所述激光点云反射强度数据与预设激光点云反射强度地图进行匹配,获取反射强度匹配定位结果,包括:
获取预先确定的先验定位位置;
将所述先验定位位置作为初始位置,利用直方图滤波器算法对所述激光点云反射强度数据与预设激光点云反射强度地图进行匹配,生成直方图分布数据,所述直方图分布数据中包括多个元素,所述元素用于表示车体在不同位置处的后验概率。
可选的,在本公开的一个实施例中,所述将所述高度匹配定位结果和所述反射强度匹配定位结果进行融合,并基于融合的定位结果确定所述无人车的位置信息,包括:
确定所述粒子分布数据中的最大粒子群,基于所述最大粒子群中包括的粒子滤波估计值计算得到第一坐标位置和第一方差;
基于所述直方图分布数据中包含的元素计算得到第二坐标位置和第二方差;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州风图智能科技有限公司,未经苏州风图智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910126935.7/2.html,转载请声明来源钻瓜专利网。