[发明专利]一种无人驾驶车辆定位方法及系统

说明书

本发明涉及一种无人驾驶车辆定位方法及系统，包括：利用激光雷达，在一个角度下获取不同帧的点云数据；根据不同帧的点云数据构建第一点云地图；将所述第一点云地图中的地面点删除，确定第二点云地图；采用自适应阈值区域生长算法和kdtree搜索方法对所述第二点云地图中的地图点进行聚类，确定归类结果；采用视点特征直方图对所述归类结果进行描述，确定每类的单词描述子；根据选取的关键帧对应的单词描述子构建数据库；获取无人驾驶车辆当前帧；根据所述数据库和所述无人驾驶车辆当前帧确定无人驾驶车辆的位置。通过本发明的上述方法能够在没有GPS信号的情况下，实现对无人驾驶车辆的定位。

技术领域

本发明涉及无人驾驶建图与定位领域，特别是涉及一种无人驾驶车辆定位方法及系统。

背景技术

无人车辆定位问题是无人驾驶的重要技术之一，当前大部分民用无人平台都采用GPS与惯性导航组合定位，但在一些环境下，GPS信号往往会缺失，需要无人作战平台依靠自身传感器进行定位。因此，同时定位与地图构建(Simultaneous Localization AndMapping，SLAM)技术成为无人驾驶的一个研究重点。SLAM技术解决了无人车辆在移动的同时边建立地图边定位的问题，但对于事先已经建好的地图，如何在进入地图范围时快速确定车辆在地图内的位置，仍缺少高效的方法，尤其是在复杂动态环境下，移动的物体会加大定位的难度。在未来无人驾驶体系下，各无人平台间信息共享，单独一辆无人驾驶单元在已有地图中如何快速确定自己的位置将是其是否能迅速投入工作的关键。

发明内容

本发明的目的是提供一种无人驾驶车辆定位方法及系统，在没有GPS信号的情况下，实现对无人驾驶车辆的定位。

为实现上述目的，本发明提供了如下方案：

一种无人驾驶车辆定位方法，所述无人驾驶车辆定位方法包括：

利用激光雷达，在一个角度下获取不同帧的点云数据；所述角度为多个；

根据所述不同帧的点云数据构建第一点云地图；

将所述第一点云地图中的地面点删除，确定第二点云地图；

采用自适应阈值区域生长算法和kdtree搜索方法对所述第二点云地图中的地图点进行聚类，确定归类结果；

采用视点特征直方图对所述归类结果进行描述，确定每类的单词描述子；

根据选取的关键帧对应的单词描述子构建数据库；

获取无人驾驶车辆当前帧；

根据所述数据库和所述无人驾驶车辆当前帧确定无人驾驶车辆的位置。

可选的，所述根据所述不同帧的点云数据构建第一点云地图，具体包括：

根据所述不同帧的点云数据确定每个点为动态障碍点的概率，得到点动态概率集合；所述点动态概率集合中包括多个点动态概率值；

获取动态概率阈值；

选取所述点动态概率集合中小于或等于所述动态概率阈值的点动态概率值对应的点作为地图点，构建第一点云地图；所述第一点云地图中包括多个所述地图点。

可选的，所述根据所述不同帧的点云数据确定每个点为动态障碍点的概率，具体包括：

根据公式确定每个点为动态障碍点的概率；

其中，P_i(Dyn|z_t)为第t帧时点i为动态障碍点的概率，P_i(Dyn|z_1:t-1)为第1帧至第t-1帧时点i为动态障碍点的概率，P_i(Dyn|z_1:t)为第1帧至第t帧时点i为动态障碍点的概率，P_i(ODyn)为点i的先验概率。