原文传递
智能网联汽车车库内激光雷达定位技术
| 论文题名： | 智能网联汽车车库内激光雷达定位技术 |
| 关键词： | 智能网联汽车;室内车库;激光雷达定位;同时定位和建图技术;前端局部位姿估计 |
| 摘要： | 随着智能网联汽车产业的发展，需要越来越多的相关需求被提出并亟需实现，其中最为关键的定位解决了“车在哪”的根本问题。在实际应用场景中，智能网联汽车在行驶时需要实时、高频的定位结果，许多的车载应用也需要定位信息作为必要数据输入。定位信息可以协助保障远程驾驶安全，媒体服务准确推送，车车协同，车路协同等。在室外，智能网联汽车可以通过全球导航卫星系统（GlobalNavigationSatelliteSystem，GNSS)进行定位。然而这种方法无法适用于车辆在室内例如车库中行驶的场景，针对于车库环境进行分析，车库存在光线昏暗，墙面和柱体相似度高，车库内无明显特征的低纹理等问题。 因此，本文基于激光雷达，设计了一套应用于室内车库环境的激光雷达定位系统，对实车在车库场景下采集的点云数据进行处理优化，能有效解决定位误差等问题，保证在低纹理车库内得到高频高精的定位结果，以便提供智能网联汽车相应的定位信息。系统结合先验地图改进了同时定位和建图（SimultaneousLocalizationAndMapping，SLAM)的方法，针对于车库中存在的低纹理、长廊、重复结构三类典型问题提出相应的解决方案并进行实现。 (1)基于先验地图，将高频的强度优化的前端局部位姿估计结果与高精的关键帧与先验地图后端全局匹配结果进行结合得到最终的定位结果。 (2)在局部位姿估计之中，针对于低纹理问题，引入激光雷达点云强度信息，进行相对静态物体滤波，获取有意义的特征点。针对于长廊问题，基于视场角分割进行特征提取。通过强度优化的里程计估计局部位姿。 (3)在全局匹配之中，针对重复结构问题，基于先验地图进行全局定位，在初次调用系统时通过初始位姿确定进行坐标系统一，在估计的位姿基础上将当前帧与局部地图进行全局匹配，通过全局最优化避免误匹配。 本系统的主要优点是提取有意义、特征明显、可信度高区域的点云特征点，使得匹配的结果更加精准。通过真实采集的数据以及实车在多场景的测试表明，相较于现有的定位系统，该系统可以有效提升定位服务的鲁棒性，增加定位结果的精准度，减少累计漂移，误差和时延，最终得到与雷达输入频率相同实时输出的厘米级的定位结果。 |
| 作者： | 周勃麟 |
| 专业： | 软件工程 |
| 导师： | 张朝昆;朱向雷 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
