本成果属于智能汽车定位技术领域,具体涉及一种基于多线激光雷达的车辆运动轨迹估计方法及系统,其中方法包括,根据车辆的初始位姿和不同时刻惯性传感器的输出值得到粗选运动轨迹;获取多线激光雷达不同时刻的三维点云数据并进行栅格化处理得到灰度图;对相邻时刻的两帧灰度图之间的特征点进行特征匹配,得到特征匹配点对;根据特征匹配点对得到相邻时刻的点云数据之间的变换关系;根据所述变换关系得到车辆的精确运动轨迹,基于粗选的轨迹进行特定范围内的SURF匹配,这样就减少了SURF特征匹配的运算量和运算时间。
目前,智能汽车的高精度定位与导航主要有如下几种方式:基于高精度地图匹配的车辆定位方式、基于组合导航与拓扑地图的车辆定位、基于UWB等局部定位方式的车辆高精度定位。上述这些定位方法都要求地图信息作为车辆定位的先验信息。而在智能汽车实际运行的过程中,因为道路维护、交通事故等原因,经常会遇到车辆行驶到高精度地图之外的区域。此时,上述方法就不能够稳定可靠地工作。针对这一现状,为了解决现有技术中车辆在高精度地图之外或未知环境下的运动轨迹估计的技术问题,本成果提供了一种基于多线激光雷达的车辆运动轨迹估计方法及系统。该成果内涉及的车辆轨迹估计方法无须依赖高精度地图、GPS和UWB等辅助定位技术,环境适用性强且应用范围广。
在长安大学赵祥模教授的带领下,形成了由交通信息工程及控制、交通工程、车辆工程、计算机科学与技术等领域的高层次专业技术人员组成的学科交叉型创新研究群体,团队围绕行业重大需求,重点攻关车联网与智能汽车测试、车路协同与自动驾驶等领域关键核心技术,在相关领域积累了深厚的研究基础和卓越的科研能力。
评价单位:“科创中国”陕西科技服务团 (陕西省科学技术协会)
评价时间:2023-12-07
综合评价
该项成果目前已经装配于陕西重型汽车某款重型卡车,通过在车辆上集成该创新系统,这款卡车将不再受到高精度地图、GPS和UWB等辅助定位技术的限制,能够在没有明确地图信息或未知环境的情况下,稳定可靠地估计自身的运动轨迹。这对于经常需要跨越不同地域、面临复杂道路状况的货运卡车而言,是一项非常有价值的技术创新。
查看更多>