利用激光雷达可以通过点云匹配来给车给汽车进行定位.doc
《利用激光雷达可以通过点云匹配来给车给汽车进行定位.doc》由会员分享,可在线阅读,更多相关《利用激光雷达可以通过点云匹配来给车给汽车进行定位.doc(3页珍藏版)》请在三一文库上搜索。
1、利用激光雷达可以通过点云匹配来给车给汽车进行定位前面介绍了通过 IMU 与GNSS 信号进行融合后组成惯性组合导航系统, 下面介绍几种其他的定位方式以及和IMU的结合来提高性能。一,LIDAR定位利用激光雷达可以通过点云匹配来给车给汽车进行定位,该方法来自于激光雷达传感器的检测数据与预先存在的高精度地图连续匹配,通过这种匹配可以获得汽车在高精度地图上的全球位置及行驶方向。匹配点运算法很多,几个常见的算法有迭代最近点,滤波算法以及卡尔曼滤波。迭代最近点(或IPC)是一种方法。假如我们相对两次点云扫描进行匹配,对第一次扫描的每一个点我们需要找到另一次扫描中最近的匹配点,最终我们会收都许多匹配点对,
2、将每对点距离误差相加,然后计算平均距离误差。目标是通过点云旋转和平移来最大限度地降低这一平均误差,一旦实现,就可以在传感器扫描和地图之间找到匹配,这样我们将传感器扫描得到到的位置转换成全球地图上的位置,并计算出地图上的精度位置。惯导另一个作用是配合激光雷达。GPS+惯性导航系统为激光雷达的空间位置和脉冲发射姿态提供高精度定位,建立激光雷达云点的三维坐标系。惯导可用于定位,与其他传感器融合时,也需要统一到一个坐标系下。定位是最常用的,通过 IMU、惯性导航系统、编码器和 GPS,得到一个预测的全局位置。当激光雷达实时扫描单次的点云数据后,结合单次的点云数据进行匹配,并进行特征提取。这些特征包括路
3、沿、车道线、高度等周围点线面的特征。对于高精度地图,提取过特征与实时提取的特征进行匹配,最终得到精准的车本体速度,这是激光雷达的定位过程。滤波算法是LIDAR定位的另一种算法。可消除冗余信息,并在地图上找最可能的车辆位置. 比如,Apollo采用了直方图滤波算法(有时也叫误差平方和算法(或SSD),为了利用直方滤波,我们将通过传感器扫描的点云滑过地图的每一个位置,在每个位置,我们计算扫描的点和高精度地图上对应点之间的距离误差或距离,然后对误差的平方求和,求和的数越小说明扫描结果与地图之间的匹配越好。在下图的示例中,匹配最好的点显示红色,最差的点显示蓝色,绿色代表适中的点。卡尔曼滤波是LIDAR
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 利用 激光雷达 可以 通过 匹配 汽车 进行 定位
链接地址:https://www.31doc.com/p-3394700.html