地铁隧道的车辆定位方法、装置、电子设备、存储介质与流程

所属的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述地铁隧道的车辆定位方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述地铁隧道的车辆定位方法。相比现有技术，本发明的优势在于：通过对惯性测量单元的惯性测量数据进行预积分，获得惯性测量积分数据，自去畸变处理后的所述点云数据中提取点云特征，融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计，由此，本技术采用激光雷达点云数据和惯性测量积分数据联合优化策略，以利用惯性测量积分数据对地铁隧道场景下稀疏的激光雷达的点云数据进行补充，从而提高地铁隧道场景下基于激光雷达的定位精度和准确度。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

背景技术：

1、在自动驾驶系统中，激光雷达可以提供周围环境中物体的准确距离信息。同时，由于激光雷达是主动传感器，能够避免环境中光照的影响。但是，地铁隧道的激光雷达的点云信息很稀疏，对特征追踪造成了很大的困难。由此，导致单一的激光里程计在实际场景的定位精度。

2、由此，如何提高地铁隧道场景下基于激光雷达的定位精度和准确度，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本发明为了克服上述现有技术存在的缺陷，提供一种地铁隧道的车辆定位方法、装置、电子设备、存储介质，以提高地铁隧道场景下基于激光雷达的定位精度和准确度。

2、根据本发明的一个方面，提供一种地铁隧道的车辆定位方法，包括：

3、获取惯性测量单元的惯性测量数据；

4、对所述惯性测量数据进行预积分，获得惯性测量积分数据；

5、获取激光雷达的点云数据；

6、对所述点云数据进行去畸变处理；

7、自去畸变处理后的所述点云数据中提取点云特征；

8、融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计。

9、在本技术的一些实施例中，所述惯性测量单元的采样频率大于所述激光雷达的采样频率，所述对所述点云数据进行去畸变处理包括：

10、基于所述惯性测量数据的采样时间刻度，确定本次采样的所述点云数据中每个点的采样时间戳；

11、根据本次采样的所述点云数据中每个点的采样时间戳确定本次采样的所述点云数据中每个点的采样时间相较于本次采样的初始时间的偏移量；

12、根据所述偏移量，将本次采样的所述点云数据中每个点调整至本次采样的初始时间该点的位置。

13、在本技术的一些实施例中，所述自去畸变处理后的所述点云数据中提取点云特征包括：

14、计算所述点云数据中每个点的曲率，将曲率大于设定阈值的点作为角特征点。

15、在本技术的一些实施例中，所述自去畸变处理后的所述点云数据中提取点云特征包括：

16、采用主成分分析算法，获取所述点云数据中每个点的三对特征值和特征向量；

17、判断每个点的最小特征值与第二小特征值之差是否大于设定差值；

18、若是，则将该点划分为面特征；

19、若否，则将该点划分为不规则特征。

20、在本技术的一些实施例中，所述融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计包括：

21、利用因子图融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计。

22、在本技术的一些实施例中，所述地铁隧道的车辆定位方法用于地铁隧道的地图建立。

23、在本技术的一些实施例中，所述车辆位姿估计包括车辆位置、车辆行进方向以及车辆行驶速度。

24、根据本技术的又一方面，还提供一种地铁隧道的车辆定位装置，包括：

25、惯性测量数据获取模块，用于获取惯性测量单元的惯性测量数据；

26、惯性测量积分数据获取模块，用于对所述惯性测量数据进行预积分，获得惯性测量积分数据；

27、点云数据获取模块，用于获取激光雷达的点云数据；

28、去畸变处理模块，用于对所述点云数据进行去畸变处理；

29、点云特征提取模块，用于自去畸变处理后的所述点云数据中提取点云特征；

30、位姿估计模块，用于融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计。

31、根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。

32、根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。

33、相比现有技术，本发明的优势在于：

34、通过对惯性测量单元的惯性测量数据进行预积分，获得惯性测量积分数据，自去畸变处理后的所述点云数据中提取点云特征，融合所述惯性测量积分数据以及所述点云特征，并基于融合后的特征，获得车辆位姿估计，由此，本技术采用激光雷达点云数据和惯性测量积分数据联合优化策略，以利用惯性测量积分数据对地铁隧道场景下稀疏的激光雷达的点云数据进行补充，从而提高地铁隧道场景下基于激光雷达的定位精度和准确度。