[发明专利]一种无人驾驶汽车自主定位与地图构建的方法及系统

摘要

本发明公开了发明一种无人驾驶汽车自主定位与地图构建的方法及系统，利用SLAM的技术，将多种传感器数据进行融合，采用新型的算法结构，构建稳定有效的框架。利用粒子滤波器优化三维激光雷达的数据，将三维激光雷达的数据转换成视觉模型，利用词袋模型进行闭环检测，对无人驾驶汽车进行稳定有效的自主定位与地图构建，提高运算效率和运行速度，应用到无人驾驶汽车系统上，进行大规模应用。

主权项

一种无人驾驶汽车自主定位与地图构建的方法，其特征在于，包括以下步骤：步骤一、初始化无人驾驶汽车的位姿为x0，无人驾驶汽车行驶的轨迹为X1:t＝{x1,x2...xt}，校正无人驾驶汽车车轮里程计、IMU惯性测量单元、全景摄像头、三维激光雷达的时间，使无人驾驶汽车车轮里程计、IMU惯性测量单元、全景摄像头、三维激光雷达的数据保持时间一致性；步骤二、采集无人驾驶汽车车轮里程计数据U1:t＝{u1,u2...ut}，IMU惯性测量单元的数据I1:t＝{i1,i2...it}，全景摄像头的数据C1:t＝{c1,c2...ct}，三维激光雷达的数据R1:t＝{r1,r2...rt}，汽车大脑通过全景摄像头和三维激光雷达的数据计算出无人驾驶汽车周围所有环境路标为L1:t＝{l1,l2...lt}；步骤三、利用评价函数F评价全景摄像头采集数据C1:t的复杂程度，根据评价指标选择fast、orb、surf、sift特征点的一种，进一步利用PCL库将数据C1:t转换成点云P1:t；步骤四、利用粒子滤波器去除三维激光雷达的数据R1:t异常值，与步骤三生成的点云数据P1:t、无人驾驶汽车车轮里程计数据U1:t＝{u1,u2...ut}，IMU惯性测量单元的数据I1:t＝{i1,i2...it}进行数据关联；步骤五、估计无人驾驶汽车轨迹和周围环境三维地图的后验概率P(X1:t，L1:t|C1:t，R1:t，U1:t，I1:t，x0)，进一步将函数转化成最小二乘法问题进行求解，得出无人驾驶汽车实时位姿xt’；步骤六、根据步骤五中的无人驾驶汽车实时位姿xt’，利用图优化的方法将步骤三中的点云和步骤四优化的三维激光雷达的数据R1:t实时构建无人驾驶汽车周围环境三维地图；步骤七、利用词袋模型进行闭环检测，进一步提高人驾驶汽车周围环境三维地图的精度。