[发明专利]基于多因子图的汽车定位方法、装置、设备及存储介质

权利要求书

1.一种基于多因子图的汽车定位方法，其特征在于，包括：

获取车辆现场的原始点云及传感器数据，所述传感器数据包括惯性测量IMU数据和车辆速度数据；

根据所述原始点云提取关键帧点云，并通过所述关键帧点云构建激光里程计因子；

根据IMU数据构建IMU预积分因子，以及根据所述车辆速度数据构建车速预积分因子；

根据所述IMU预积分因子、所述车速预积分因子以及所述激光里程计因子建立多因子图模型，获得全局地图实现定位。

2.根据权利要求1所述的基于多因子图的汽车定位方法，其特征在于，所述根据所述原始点云数据提取关键帧点云，并通过所述关键帧点云构建激光里程计因子，具体包括：

根据所述惯性测量IMU数据获取当前时刻点云的初始位姿；

将输入的所述原始点云进行体素滤波，并结合所述当前时刻点云的初始位姿去除所述原始点云的畸变，得到第一点云；

对所述第一点云进行聚类处理，得到所述第一点云的边缘线特征点集合和平面特征点集合；

根据所述边缘线特征点集合和所述平面特征点集合，搜索距离当前点云帧较近的历史关键帧点云集合，构建由所述历史关键帧集合组成的局部地图；

根据点云配准算法计算当前点云帧与所述局部地图的位姿变换关系，通过所述位姿变换关系构建所述激光里程计因子。

3.根据权利要求2所述的基于多因子图的汽车定位方法，其特征在于，所述将输入的所述原始点云进行体素滤波，并结合当前时刻点云的初始位姿去除所述原始点云的畸变，得到第一点云，具体包括：

计算所述原始点云中每一帧点云数据的X、Y、Z轴的最大值和最小值，建立体素栅格，并以体素栅格中靠近重心的点替代其他数据点，得到体素滤波后的点云；

根据所述体素滤波后的点云，得到相对起始时刻点云的畸变，将当前时刻点云的初始位姿减去畸变，得到去畸变后的第一点云。

4.根据权利要求2所述的基于多因子图的汽车定位方法，其特征在于，所述对所述第一点云进行聚类处理，得到所述第一点云的边缘线特征点集合和平面特征点集合，具体包括：

将第一点云中的点划分为若干个具有相同特征的点云簇，去除点少于阈值的点云簇；

通过计算点云簇中点的光滑度，与设定的平面点阈值和边缘点阈值进行比较，得到所述第一点云的边缘线特征点集合和平面特征点集合。

5.根据权利要求2所述的基于多因子图的汽车定位方法，其特征在于，所述根据所述边缘线特征点集合和所述平面特征点集合，搜索距离当前帧点云较近的历史关键帧点云集合，构建由历史关键帧点云集合组成的局部地图，具体包括：

根据点云配准获得激光雷达的运动变量，将所述运动变量与设定阈值进行比较，确定所述第一点云中的关键帧点云；

根据提取的所述边缘线特征点集合和所述平面特征点集合，得到当前帧点云较近的历史关键帧点云集合，通过计算历史关键帧点云的位姿得到全局位姿信息，构建局部地图。

6.根据权利要求5所述的基于多因子图的汽车定位方法，其特征在于，所述运动变量包括位移增量和旋转增量。

7.根据权利要求1所述的基于多因子图的汽车定位方法，其特征在于，所述传感器数据还包括：激光雷达数据，所述根据IMU预积分因子、车速预积分因子以及激光里程计因子建立多因子图模型，获得全局地图实现定位，具体包括：

根据IMU预积分因子和车速预积分因子，以及关键帧的位姿构成的激光里程计因子，建立多因子图模型；

通过对所述激光雷达数据和所述惯性测量IMU数据进行回环检测，获取回环因子；

在多因子图模型中不断加入所述回环因子、所述IMU预积分因子、所述车速预积分因子以及所述激光里程计因子，得到全局地图。