[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

说明书

本申请提供一种基于多因子图的汽车定位方法、装置、设备及存储介质，涉及车辆定位技术领域。该方法包括：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IMU测量数据、车辆速度数据、激光雷达数据；根据所述原始点云提取关键帧点云，并通过关键帧点云构建激光里程计因子；根据IMU测量数据构建IMU预积分因子；根据车辆速度数据构建车速预积分因子；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。对多因子图模型进行优化，构建基于激光雷达的多传感器融合定位与建图系统，能够实现高精度的定位建图，同时保持较高的鲁棒性。

技术领域

本申请涉及车辆定位技术领域，尤其涉及一种基于多因子图的汽车定位方法、装置、设备及存储介质。

背景技术

定位技术是自动驾驶的关键技术之一，准确的车辆定位是实现自动驾驶路径规划和控制的前提。定位技术可以准确实时地输出自动驾驶车辆的位姿信息，直接影响到自动驾驶车辆功能实现的性能和行驶安全性。

现有技术中以激光雷达为核心传感器的同步定位与建图(SLAM)技术是解决自动驾驶车辆定位的主要途径，SLAM技术主要由前端和后端组成，激光里程计便是前端部分，核心是点云配准算法；主要采用最近点迭代法(ICP)。ICP是经典的点云配准算法，其核心思想是通过数据关联来求解两帧点云之间的位姿变换关系，并通过累加位姿变换关系来计算激光雷达在一段时间内的移动距离和姿态变化。

然而，由于ICP算法需要确定点云中每个点的数据关联关系，这不可避免地提高了计算复杂度并且使算法的鲁棒性较低。

发明内容

本申请提供一种基于多因子图的汽车定位方法、设备及存储介质方法、设备及存储介质，用以解决现有技术中IPC算法实现汽车定位方法的计算复杂度高并且算法鲁棒性低的问题。

第一方面，本申请提供一种基于多因子图的汽车定位方法，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IMU测量数据、车辆速度数据、激光雷达数据；

根据所述原始点云提取关键帧点云，并通过关键帧点云构建激光里程计因子；

根据IMU测量数据构建IMU预积分因子；

根据车辆速度数据构建车速预积分因子；

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。

在一种可能的设计中，所述根据所述原始点云数据提取关键帧点云，并通过关键帧点云构建激光里程计因子，具体包括：

根据所述IMU数据获取当前时刻点云的初始位姿；

将输入的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原始点云的畸变，得到第一点云；

对第一点云进行聚类，得到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局部地图的位姿变换关系，通过所述位姿变换关系构建激光里程计因子。

在一种可能的设计中，所述所述将输入的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原始点云的畸变，得到第一点云，具体包括：

计算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。