城市环境中基于三维特征点云的建图与定位技术研究

【摘要】：三维环境的建图与定位技术对于提升自主车的环境适应能力起着至关重要的作用。本文以国家自然科学基金支持的重大研究项目“自主驾驶车辆关键技术与集成验证平台”为背景,重点研究了城市环境中基于三维特征点云的高精度地图的构建及实时定位问题。论文的主要成果和创新点如下:(1)提出了一种通过匹配由雷达点云生成的二维反射率亮度地图中的线段来估计当前车体在先验地图中的初始位置的方法,用于克服GPS/INS信号受遮挡导致没有足够重合区域的数据进行配准的问题。为了测量高精度先验地图和平滑当前地图中匹配线段的一致性,我们结合了线段的局部特征描述、成对的几何属性以及空间结构上的相似性来构建候选线对相似性的关联图并采用谱方法进行有效地求解。它克服了亮度地图中稀疏区域梯度变化剧烈、富含重复模式的缺点。GPS/INS信号受遮挡场景中的实验表明该方法总能稳定地提供米级精度的初值估计。(2)提出了一种利用少量三维特征点云进行数据配准的方法。针对原始扭曲的点云,通过建模周期内雷达的运动为常值的角度和线性的速度对其进行矫正;物体边界线上和平面内特征点云的提取不仅使得配准的点云更加稳定而且把点云数量降低了一个数量级;相比于经典的点到点之间的距离,基于可信度的平面块之间的距离度量能够有效地克服噪声干扰及测量视角变化带来的消极影响;帧与帧之间粗糙的运动估计和帧与序列帧之间精确的光束平差法校正相结合的优化框架确保了该方法的鲁棒性和精确性。校园、城市环境中收集数据的定性实验及公开的KITTI城市、高速场景中里程计数据的定量对比实验,证明了该方法的有效性。(3)提出了一种使用K维二叉树构建的特征点云循环体素质心的地图表示方法。相比于体素的中心化表示,质心能够更精确地描述物体。循环体素的设计使得内存的消耗为常值。该方法具有无需预先开辟存储空间、低存储消耗、有效内存利用的优点。(4)提出了一种采用特征点云进行定位的算法。它把高频、低精度的扫描帧之间的雷达里程计与低频、高精度的扫描帧与先验地图间的配准相结合,实现了高精度、实时的定位。该算法仅在初始化时使用GPS/INS,后续定位中对此无需求。校园环境和复杂城市环境中的实验表明我们的定位性能优于GPS/INS的输出,它能够把经向与纬度向均值误差控制在0.3米的范围之内,满足自主车的应用需求。以上成果已经成功应用于本实验室研制的自主驾驶汽车“开路雄狮”中,它们极大地提升了自主车对环境的适应能力。