买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开一种基于城市峡谷稀疏特征地图约束的动态定位方法，首先借鉴大地测量领域导线布设测量的思想，设计一种基于道路里程节点为主线的城市峡谷稀疏特征点云地图结构；然后，基于所建的稀疏特征地图，利用2D激光雷达匹配算法实时估计无人车的位姿参数；最后，结合因子图算法对位姿参数估值进行平滑优化。进一步的，本发明还公开一种与上述方法对应的基于城市峡谷稀疏特征地图约束的动态定位装置。通过本发明提高了高精度点云地图在分割、拼接、检索及通信传输方面的便捷性和灵活性，特别是在复杂城市峡谷场景下，可基本实现0.5m以内的无人车动态定位精度。

主权项：1.一种基于城市峡谷稀疏特征地图约束的动态定位方法，其特征在于，包括以下步骤：S1、根据城市道路形状设计稀疏特征地图的框架，以固定的里程间隔选取里程节点形成地图结构主线，并将提取特征后的先验点云地图以节点为单位进行分割处理；所述的稀疏特征地图的框架，依据下述过程获得：首先，依据城市道路中线进行插值，以获得各个里程节点的三维坐标；所述三维坐标按下式获得： 式中，ei+1、ni+1和ui+1为第i+1个里程节点的三维坐标，Le、Ln和Lu为道路中线点的三维坐标，Ld为固定的里程间隔，s为插值比例因子；由此，通过提取该城市道路所有的里程节点即可连接成地图结构主线；然后，将提取特征后的先验点云地图以里程节点为单位进行分割处理，依据下述过程获得： 式中，ei、ni和ui为第i个里程节点的三维坐标，px、py和pz为先验地图中的面特征、角点特征的点的三维坐标，ψ为该里程节点的方位角，Ld为固定的里程间隔；由此，利用公式2分割得到满足其所有条件的点云，从而组成属于该里程点上的高精度点云地图；S2、利用所述里程节点高程信息剔除各节点上的先验点云地图近地面点云，以获得由各节点组成的仅包含角点特征、面特征的先验高精度稀疏特征点云地图；S3、基于所述的稀疏特征点云地图，利用2D激光雷达匹配算法估计无人车的实时位姿参数估值信息；所述2D激光雷达匹配算法依据下述过程获得：首先，建立当前帧的角点特征的点，到地图中角点特征所在直线的距离方程： 式中，p1、p2为地图中的角点特征所在直线上的两个点，dh为当前帧的角点特征的点到地图中的角点特征所在直线的距离；建立当前帧中面特征的点到地图中的面特征所在平面的距离方程： 式中，pu、pv和pw为地图中的面特征所在平面上的三个点，dP为当前帧的面特征的点到地图中的面特征所在平面的距离；另外，对公式5、6求取偏微分方程为： 式中，JL、JP分别为角点特征、面特征的偏微分方程一阶系数矩阵；δx＝[δeδn]T为位姿参数中的平面位移参数增量；利用牛顿迭代算法估计位移参数： 式中，为Hessian矩阵；为梯度矢量；h、d分别为角点特征到直线的距离矢量、面特征到平面的距离矢量，为位姿参数中的2D位移参数；S4、结合因子图算法，构造约束因子节点对实时位姿估值进行平滑优化，从而获得无人车在城市峡谷道路行驶过程中的动态导航定位信息。

全文数据：

权利要求：

百度查询： 东南大学 基于城市峡谷稀疏特征地图约束的动态定位方法和装置