[發明專利]一種基于雷達點云的車輛定位方法、裝置及存儲介質

在審

• 申請號: 202111157408.6
• 申請日: 2021-09-30
• 公開（公告）號: CN113835101A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 劉祥勇;陳廣;熊璐;卓桂榮;盧凡
• 申請（專利權）人: 同濟大學
• 主分類號: G01S17/89
• 分類號: G01S17/89
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 丁云

1.一種基于雷達點云的車輛定位方法，其特征在于，該方法包括：

S1、對雷達采集的點云數據進行點云特征提取獲取特征點云；

S2、建立點云特征誤差模型，利用點云特征誤差模型對所述的特征點云進行誤差評價；

S3、基于特征點云的誤差評價結果確定各特征點云的誤差權重，基于誤差權重進行特征點云與地圖特征的配準，進而定位車輛位置。

2.根據權利要求1所述的一種基于雷達點云的車輛定位方法，其特征在于，步驟S1中獲取的特征點云包括面特征點云和線特征點云。

3.根據權利要求2所述的一種基于雷達點云的車輛定位方法，其特征在于，步驟S1進行特征提取的具體方式包括：

S11、求取點r_i的粗糙度c_i：

其中，s表示與點r_i鄰近且包含r_i的所有點集合，r_j表示集合s中的第j個點，|s|表示集合s中點的總數，||r_i||表示點r_i所對應的激光束向量的模，(r_j-r_i)表示點r_j和點r_i個之間的距離；

S12、按照粗糙度c_i的大小，從大到小排列點云的粗糙度；

S13、若c_i＞c_th，則點r_i為線特征點云，若c_i＜c_th，則點r_i為面特征點云。

4.根據權利要求1所述的一種基于雷達點云的車輛定位方法，其特征在于，所述的點云特征誤差模型包括平面誤差模型和立體誤差模型，所述的平面誤差模型用于計算特征點云的平面分布誤差，所述的立體誤差模型用于計算特征點云的空間分布誤差。

5.根據權利要求4所述的一種基于雷達點云的車輛定位方法，其特征在于，所述的平面誤差模型為：

其中，S為表征平面分布誤差的點云平面誤差熵；l為點云對應的測量距離；β為點云對應的測量角度；α為激光束與投影面的夾角；D₀為雷達光束發射孔的直徑。

6.根據權利要求4所述的一種基于雷達點云的車輛定位方法，其特征在于，所述的立體誤差模型為：

其中，V為表征空間分布誤差的點云概率體積，l為點云對應的測量距離，ρ為誤差橢球的半徑，ρ為經驗常數。

7.根據權利要求4所述的一種基于雷達點云的車輛定位方法，其特征在于，步驟S3特征點云的誤差權重通過下式獲得：

其中，w_i為第i個特征點云的誤差權重，為第i個特征點云平面誤差模型對應的權重，為第i個特征點云立體誤差模型對應的權重，S_i(l,α)為第i個特征點云的平面分布誤差，V_i(l)為第i個特征點云的空間分布誤差，n為特征點云的總數，l為點云對應的測量距離，α為激光束與投影面的夾角。

8.根據權利要求1所述的一種基于雷達點云的車輛定位方法，其特征在于，步驟S3中基于誤差權重進行特征點云與地圖特征的配準，進而定位車輛位置的具體方式為：

計算匹配的最小平放誤差E(R,H)：

其中，w_i為第i個特征點云的誤差權重，G_i為與第i個特征點云匹配的地圖特征，P_i為第i個特征點云采集的特征，R為特征匹配的旋轉矩陣，H為特征匹配的遷移矩陣；

若E(R,H)小于閾值，則特征匹配成功，獲取矩陣R、H；并利用矩陣R、H計算車輛位置。