CN115031744B 一种基于稀疏点云-纹理信息的认知地图定位方法及系统 （电子科技大学）

一种基于稀疏点云-纹理信息的认知地图定本发明公开了一种基于稀疏点云-纹理信息的认知地图定位方法及系统，属于定位技术领辆当前位置交通标识和认知地图语义层数据中2步骤2、从步骤1采集的图像数据中提取出交通标识，步骤7、采用两阶段搜索策略对自动驾驶车辆当前位置交通标识和认知地图语义层数据中的特征进行匹配定位，以得到自动驾驶车辆当前位置交通标识在认知地图中的坐标；7.1.2分别采用巴氏距离和感知哈希两种测度计算车端观测结果矩形框与认知地图各步骤8、将步骤7得到车辆当前位置交通标识在认知地2.根据权利要求1所述的一种基于稀疏点云-纹理信息根据二进制掩膜处理结果判断交通标识形状为圆形或三角形；若判断为圆形则采用3计提取区域内的离散小区域或HSV颜色空间变换法获取3.根据权利要求1所述的一种基于稀疏点云-纹理信所述数据采集模块分别连接地图特征提取模块和匹配定位模块；用于采所述地图特征提取模块连接地图生成模块，在数据采集模块提供的统一所述地图生成模块连接匹配定位模块模块，根据接收的交通标识所述匹配定位模块连接融合定位模块，采用两阶段匹配将自动驾驶车辆7.1.2分别采用巴氏距离和感知哈希两种测度计算车端观测结果矩形框与认知地图各所述融合定位模块，将自动驾驶车辆当前位置交通标识在认知地图45[0001]本发明涉及定位技术领域，尤其是涉及一种基于稀疏点云-纹理信息的认知地图[0003]传统道路交通标识提取方法是先通过高线数激光雷达采以及特征表达能力等方面更具优势。但单独依靠图像特征存在易受天气季节等影响的缺[0004]现有的基于认知地图定位导航方案中，往往将检测框中[0005]本发明针对上述现有认知地图定位导航存在的不足，提供一种基于稀疏点云-纹6的交通标识进行二进制掩膜处理后，采用几何中心估算法计算出该交通标识的中心点数[0014]步骤7、采用两阶段搜索策略对自动驾驶车辆当前位置交通标识和认知地图语义[0016]进一步的，所述步骤2采用几何中心估算法计算出该交通标识的中心点坐标的过统计提取区域内的离散小区域或HSV颜色空间变换法获取7[0044]在观测G,X已知的情况下[0045]一种基于稀疏点云-纹理信息的认知地图定位，包括数据采集模块、特征提取模据和点云数据；对采集到的图像数据进行预处理得到图像数据交通标识的中心点；采用8[0051]本发明提供的一种基于稀疏点云-纹理信息的认知地图定位方法及系统，充分利9断出交通标识的为圆形还是三角形，然后再根据不同形状采用不同的计算方式。如图1所获得的交通标识二值掩膜区域为圆形则采用Hough变换算法对交通标识中心点提取，获得[0072]把激光点云数据投影到图像数据中后，通过点云数据与最终纹理特征进行存储。通过Gabor小波变换减小数据计算量，并对系统的鲁棒性进行提[0078]步骤7、采用两阶段搜索策略对自动驾驶车辆扫描到的当前位置交通标识和认知测的约束因子来源的平方和，由此得到()为激光雷达里程计和认知地图匹配观测结果[0098]q,p和u;:p'为t-1时刻下和t时刻下局部坐标系位姿，Θ为位姿之间的变化算如下所示：[0118]在观测G,X已知的情况下[0120]一种基于稀疏点云-纹理信息的认知地图定位，包括数据采集模块、特征提取模据和点云数据；对采集到的图像数据进行预处理得到图像数据交通标识的中心点；采用