本發(fā)明涉及信息處理，具體涉及一種基于解耦特征和激光雷達(dá)的隧道定位方法和系統(tǒng)。

背景技術(shù)：

1、由于隧道環(huán)境的特殊性，基于gnss的定位方式由于衛(wèi)星的信號被遮擋會完全失效，同時隧道內(nèi)環(huán)境通常較為單一，缺乏顯著的特征點用于定位和匹配，尤其在長直隧道中，車輛的縱向位置會因為沒有足夠多的特征點無法進(jìn)行準(zhǔn)確約束，導(dǎo)致定位失效的情況發(fā)生。

2、在隧道環(huán)境中，定位失效會對自動駕駛系統(tǒng)造成嚴(yán)重影響，具體表現(xiàn)為路徑規(guī)劃、環(huán)境感知和控制決策的功能無法正常運行。由于自動駕駛系統(tǒng)高度依賴準(zhǔn)確的位置信息，定位失效將導(dǎo)致車輛無法規(guī)劃行駛路徑、無法校準(zhǔn)感知數(shù)據(jù)中目標(biāo)的相對位置，從而對隧道內(nèi)障礙物、行人和其他車輛的判斷產(chǎn)生偏差。此外，失準(zhǔn)的定位信息會直接影響速度控制和方向調(diào)整，可能導(dǎo)致車速失控、車道偏離或出口錯失等問題，增加駕駛風(fēng)險。

3、目前公開的專利中尚未存在基于雷達(dá)的隧道定位方法，相關(guān)專利cn118999605a中提出了一種基于視覺的隧道內(nèi)定位方法，該方法存在的問題如下：僅能對橫向位置進(jìn)行矯正，不能夠?qū)v向位置進(jìn)行修正，僅通過航跡推算進(jìn)行遞推。

4、因此，如何解決現(xiàn)有技術(shù)中的隧道中定位失效以及隧道中自動駕駛系統(tǒng)降級或失效的問題，是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、為實現(xiàn)本發(fā)明目的，本申請?zhí)峁┝艘环N基于解耦特征和激光雷達(dá)的隧道定位方法，包括：

2、步驟s1：基于雷達(dá)的反射點云提取雷達(dá)特征，包括：地面特征、橫向特征和縱向特征；

3、步驟s2：從預(yù)設(shè)的點云地圖中獲取車輛周圍的點云的地面特征、橫向特征和縱向特征，并對所述點云地圖投影到當(dāng)前幀的點云信息中的點和當(dāng)前幀傳感器獲取的點云信息的點進(jìn)行匹配；

4、步驟s3：利用所述車輛周圍的點云的地面特征、橫向特征和縱向特征對車輛的各個自由度進(jìn)行優(yōu)化，以確定所述點云地圖中車輛的最優(yōu)匹配位姿；

5、步驟s4：利用卡爾曼濾波方法對所述最優(yōu)匹配位姿進(jìn)行濾波，以獲取優(yōu)化的車輛位姿。

6、在其中一些具體實施例中，步驟s1包括：

7、步驟s11：在雷達(dá)的反射點云中找出與雷達(dá)每個反射點的距離小于預(yù)設(shè)距離的所有點；

8、步驟s12：計算所述與雷達(dá)每個反射點的距離小于預(yù)設(shè)距離的所有點的特征值及特征向量；

9、步驟s13：將所有特征值按大小排序后選出符合條件的特征向量；

10、步驟s14：利用最小的特征值對應(yīng)的特征向量作為提取特征的方向向量；

11、步驟s13：若所述方向向量與車輛的z軸方向夾角較小，則將所述特征向量作為地面特征；若所述方向向量與車輛的x軸夾角較小，則將所述特征向量作為縱向特征；若所述方向向量與車輛的y軸方向夾角較小，則將所述特征向量作為橫向特征。

12、在其中一些具體實施例中，步驟s2包括：

13、步驟s21：利用單幀特征采樣獲取預(yù)設(shè)的點云地圖的橫向特征、縱向特征和地面特征；

14、步驟s22：若所述點云地圖投影到當(dāng)前幀的點云信息中的點和當(dāng)前幀傳感器獲取的點云信息中的點的方向向量的夾角均小于預(yù)設(shè)的閾值，則確認(rèn)兩點是匹配的。

15、在其中一些具體實施例中，步驟s3包括：

16、利用所述橫向特征優(yōu)化車輛的橫向位置和航向角；

17、利用所述縱向特征優(yōu)化車輛的縱向位置；

18、利用所述地面特征優(yōu)化車輛的高度、俯仰角和橫滾角。

19、在其中一些具體實施例中，步驟s3還包括：

20、利用最小二乘法構(gòu)建殘差方程以確定優(yōu)化車輛的各個自由度時產(chǎn)生的誤差。

21、為實現(xiàn)同一發(fā)明目的，本申請還提供了一種基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，包括：

22、特征提取模塊：用于利用雷達(dá)的反射點云提取雷達(dá)特征，包括：地面特征、橫向特征和縱向特征；

23、特征匹配模塊：用于從預(yù)設(shè)的點云地圖中獲取車輛周圍的點云的地面特征、橫向特征和縱向特征，并對所述點云地圖中投影到當(dāng)前幀的點云信息中的點和當(dāng)前幀傳感器獲取的點云信息的點進(jìn)行匹配；

24、位姿優(yōu)化模塊：用于利用車輛周圍的點云的地面特征、橫向特征和縱向特征對車輛不同的自由度進(jìn)行優(yōu)化，以確定所述點云地圖中車輛的最優(yōu)匹配位姿；

25、位姿生成模塊：用于利用卡爾曼濾波過濾所述最優(yōu)匹配位姿以獲取兼顧平滑和準(zhǔn)確的車輛位姿。

26、在其中一些具體實施例中，所述特征提取模塊用于執(zhí)行以下步驟：

27、步驟s11：在雷達(dá)的反射點云中找出與雷達(dá)每個反射點的距離小于預(yù)設(shè)距離的所有點；

28、步驟s12：計算所述與雷達(dá)每個反射點的距離小于預(yù)設(shè)距離的所有點的特征值及特征向量；

29、步驟s13：將所有特征值按大小排序后選出符合條件的特征向量；

30、步驟s14：利用最小的特征值對應(yīng)的特征向量作為提取特征的方向向量；

31、步驟s13：若所述方向向量與車輛的z軸方向夾角較小，則將所述特征向量作為地面特征；若所述方向向量與車輛的x軸夾角較小，則將所述特征向量作為縱向特征；若所述方向向量與車輛的y軸方向夾角較小，則將所述特征向量作為橫向特征。

32、在其中一些具體實施例中，所述特征匹配模塊用于執(zhí)行以下步驟：

33、步驟s21：利用單幀特征采樣獲取預(yù)設(shè)的點云地圖的橫向特征、縱向特征和地面特征；

34、步驟s22：若所述點云地圖投影到當(dāng)前幀的點云信息中的點和當(dāng)前幀傳感器獲取的點云信息中的點的方向向量的夾角均小于預(yù)設(shè)的閾值，則確認(rèn)兩點是匹配的。

35、在其中一些具體實施例中，所述位姿優(yōu)化模塊用于：

36、利用所述橫向特征優(yōu)化車輛的橫向位置和航向角；

37、利用所述縱向特征優(yōu)化車輛的縱向位置；

38、利用所述地面特征優(yōu)化車輛的高度、俯仰角和橫滾角。

39、在其中一些具體實施例中，所述位姿優(yōu)化模塊還用于：

40、利用最小二乘法構(gòu)建殘差方程以確定優(yōu)化車輛的各個自由度時產(chǎn)生的誤差。

41、上述技術(shù)方案的有益效果：

42、本申請?zhí)峁┑囊环N基于解耦特征和激光雷達(dá)的隧道定位方法和系統(tǒng)通過雷達(dá)點特征自適應(yīng)采樣的方式有效的解決了隧道中由于約束少、約束分布不均導(dǎo)致的縱向定位失敗以及定位整體失效問題，提升了定位模塊的魯棒性準(zhǔn)確性。由于車輛在地圖中的位置可被準(zhǔn)確觀測，因此自動駕駛系統(tǒng)能夠精準(zhǔn)感知車輛在隧道內(nèi)的位置信息，并結(jié)合環(huán)境數(shù)據(jù)做出安全可靠的駕駛決策。例如精準(zhǔn)的車道保持、彎道提前減速、出口識別與切換等功能，有效的提升了用戶的體驗和系統(tǒng)安全性。

技術(shù)特征：

1.一種基于解耦特征和激光雷達(dá)的隧道定位方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于解耦特征和激光雷達(dá)的隧道定位方法，其特征在于，步驟s1包括：

3.根據(jù)權(quán)利要求1所述的基于解耦特征和激光雷達(dá)的隧道定位方法，其特征在于，步驟s2包括：

4.根據(jù)權(quán)利要求1所述的基于解耦特征和激光雷達(dá)的隧道定位方法，其特征在于，步驟s3包括：

5.根據(jù)權(quán)利要求1所述的基于解耦特征和激光雷達(dá)的隧道定位方法，其特征在于，步驟s3還包括：

6.一種基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，其特征在于，所述特征提取模塊用于執(zhí)行以下步驟：

8.根據(jù)權(quán)利要求6所述的基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，其特征在于，所述特征匹配模塊用于執(zhí)行以下步驟：

9.根據(jù)權(quán)利要求6所述的基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，其特征在于，所述位姿優(yōu)化模塊用于：

10.根據(jù)權(quán)利要求6所述的基于解耦特征和激光雷達(dá)的隧道定位系統(tǒng)，其特征在于，所述位姿優(yōu)化模塊還用于：

技術(shù)總結(jié)
本發(fā)明涉及信息處理技術(shù)領(lǐng)域，具體公開了一種基于解耦特征和激光雷達(dá)的隧道定位方法和系統(tǒng)，其中，該方法包括：利用雷達(dá)的反射點云提取雷達(dá)特征，包括：地面特征、橫向特征和縱向特征；從預(yù)設(shè)的點云地圖中獲取車輛周圍的點云的地面特征、橫向特征和縱向特征，并對點云地圖中投影到當(dāng)前幀的點云信息中的點和當(dāng)前幀傳感器獲取的點云信息的點進(jìn)行匹配；利用車輛周圍的點云的地面特征、橫向特征和縱向特征對車輛不同的自由度進(jìn)行優(yōu)化，以確定點云地圖中車輛的最優(yōu)匹配位姿；利用卡爾曼濾波過濾最優(yōu)匹配位姿以獲取兼顧平滑和準(zhǔn)確的車輛位姿。

技術(shù)研發(fā)人員：欒佳寧,王迪,崔迪瀟
受保護(hù)的技術(shù)使用者：蘇州智加科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15