| 三维点云极化地图表征模型与智能车定位方法 |
| |
| 引用本文： | 胡钊政,李飞,陶倩文,陈佳良. 三维点云极化地图表征模型与智能车定位方法[J]. 哈尔滨工业大学学报, 2021, 53(8): 103-108, 170 |
| |
| 作者姓名： | 胡钊政 李飞 陶倩文 陈佳良 |
| |
| 作者单位： | 武汉理工大学 智能交通系统研究中心,武汉430063;武汉理工大学 智能交通系统研究中心,武汉430063;武汉理工大学 重庆研究院,重庆401120 |
| |
| 基金项目： | 国家重点研发计划(2018YFB1600801)；重庆市自然科学基金(cstc2020jcyj-msxmX0978)；武汉市科技局项目(5,3,2020010602012003) |
| |
| 摘 要： | 为提高智能车定位精度提出一种基于三维点云极化地图表征模型的定位方法。该模型以点云极化图为节点,利用高精度GPS(Global Positioning System)和欧拉角实现该节点的全局位置表征;从极化图中提取点云的二维与三维特征,实现该节点的多尺度特征表征;通过一系列极化节点实现道路场景的数值描绘与虚拟重构。定位过程中,通过对实时获取的三维激光点云进行极化表征并与地图节点进行多尺度特征匹配实现智能车的地图定位。具体而言,首先根据待定位智能车GPS信号的稳定情况选用GPS匹配或者拓扑定位筛选地图节点并获取定位候选集,完成初定位;其次运用点云二维特征匹配结果从定位候选集中检测距离待定位智能车最近的地图节点,完成节点级定位;最后利用点云三维特征匹配结果与最近地图节点的全局位置计算智能车位姿,完成度量级定位。实验在两种典型场景下进行,节点定位准确率98.7%,平均定位误差21.4 cm,最大定位误差42.9 cm。结果表明,本文算法满足智能车高精度定位需求,且鲁棒性强、成本低、计算过程简单。
|
| 关 键 词： | 智能交通 极化地图 场景表征 地图定位 数据融合 智能车定位 |
| 收稿时间： | 2020-05-22 |
Localization method for intelligent vehicles based on map representation from 3D point cloud polarization |
| |
| HU Zhaozheng,LI Fei,TAO Qianwen,CHEN Jialiang. Localization method for intelligent vehicles based on map representation from 3D point cloud polarization[J]. Journal of Harbin Institute of Technology, 2021, 53(8): 103-108, 170 |
| |
| Authors: | HU Zhaozheng LI Fei TAO Qianwen CHEN Jialiang |
| |
| Affiliation: | Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430063, China;Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430063, China ;Chongqing Research Institute, Wuhan University of Technology, Chongqing 401120, China |
| |
| Abstract: | |
| |
| Keywords: | intelligent transportation polarization map scene representation map localization data fusion localization for intelligent vehicles |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《哈尔滨工业大学学报》浏览原始摘要信息 |
|
点击此处可从《哈尔滨工业大学学报》下载全文 |
|
