無人車、無人車定位方法、裝置和系統的制作方法

無人車、無人車定位方法、裝置和系統的制作方法
【專利摘要】本申請公開了一種無人車、無人車定位方法、裝置和系統。所述方法的一【具體實施方式】包括：獲取與無人車當前位置匹配的第一激光點云反射值數據，其中，第一激光點云反射值數據包括各激光點的第一坐標以及與第一激光點云反射值數據中的各激光點對應的激光反射強度值；將第一激光點云反射值數據轉化為地平面內的激光點云投影數據；以預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激光點云反射值地圖的預定范圍內的第一匹配概率；以及基于第一匹配概率確定無人車在激光點云反射值地圖中的位置。該實施方式實現了對無人車當前位置的準確定位。
【專利說明】
無人車、無人車定位方法、裝置和系統
技術領域
[0001 ]本申請設及車輛工程技術領域，具體設及無人駕駛車輛領域，尤其設及無人車、無 人車定位方法、裝置和系統。
【背景技術】
[0002] 無人駕駛車輛（W下簡稱無人車)是一種不需要人工控制即可對其周圍環境進行 感知，對場景進行決策判斷，對其進行控制的現代車輛。
[0003] 定位系統在無人車自動駕駛過程中起著舉足輕重的作用。其它模塊，例如感知、路 徑規劃等模塊都不同程度地基于定位系統產生的定位結果來進行相應的操作。定位的準確 性更是直接影響無人車成敗的關鍵之一。
[0004] 現有技術中，主要通過GPS(Global Positioning System,全球定位系統）實時差 分(RTK，Reaime kinematiC)定位來確定無人車的位置。
[0005] 然而，現有技術的實時差分定位方法在GPS衛星信號受遮擋或復雜環境多徑效應 強烈的時候，將會產生較大的定位誤差，無法提供高精度高穩定性的定位結果。

【發明內容】

[0006] 本申請的目的在于提出一種改進的無人車、無人車定位方法、裝置和系統，來解決 W上【背景技術】部分提到的技術問題。
[0007] 第一方面，本申請提供了一種基于激光點云反射值匹配的無人車定位方法，包括： 獲取與無人車當前位置匹配的第一激光點云反射值數據，其中，第一激光點云反射值數據 包括各激光點的第一坐標W及與第一激光點云反射值數據中的各激光點對應的激光反射 強度值;將第一激光點云反射值數據轉化為地平面內的激光點云投影數據；W預先確定的 先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激 光點云反射值地圖的預定范圍內的第一匹配概率；W及基于第一匹配概率確定無人車在激 光點云反射值地圖中的位置。
[000引第二方面，本申請提供了一種基于激光點云反射值匹配的無人車定位裝置，包括： 獲取模塊，配置用于獲取與無人車當前位置匹配的第一激光點云反射值數據，其中，第一激 光點云反射值數據包括各激光點的第一坐標W及與第一激光點云反射值數據中的各激光 點對應的激光反射強度值;轉化模塊，配置用于將第一激光點云反射值數據轉化為地平面 內的激光點云投影數據；匹配概率確定模塊，配置用于W預先確定的先驗定位位置在激光 點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激光點云反射值地圖的 預定范圍內的第一匹配概率；W及位置確定模塊，配置用于基于第一匹配概率確定無人車 在激光點云反射值地圖中的位置。
[0009]第=方面，本申請提供了一種無人車，包括：點云反射值數據采集裝置，用于采集 無人車當前位置的激光點云反射值數據，其中，激光點云反射值數據包括各激光點的坐標 W及與各激光點對應的激光反射強度值;存儲裝置，用于存儲激光點云反射值地圖；處理 器，用于將激光點云反射值數據向地平面投影，生成激光點云投影數據；W預先確定的先驗 定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激光點 云反射值地圖的預定范圍內的第一匹配概率；W及基于第一匹配概率確定無人車在激光點 云反射值地圖中的位置。
[0010] 第四方面，本申請提供了一種無人車定位系統，包括無人車和定位服務器;無人車 包括點云反射值數據采集裝置和第一通信裝置;點云反射值數據采集裝置用于采集無人車 當前位置的激光點云反射值數據，其中，激光點云反射值數據包括各激光點的第一坐標W 及與各激光點對應的激光反射強度值;第一通信裝置用于向定位服務器發送激光點云反射 值數據;定位服務器包括第二通信裝置、存儲器和處理器;第二通信裝置用于接收第一通信 裝置發送的激光點云反射值數據;存儲器用于存儲激光點云反射值地圖；處理器用于將激 光點云反射值數據向地平面投影，生成激光點云投影數據，W預先確定的先驗定位位置在 激光點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激光點云反射值地 圖的預定區域的第一匹配概率，并基于第一匹配概率確定無人車的定位結果，其中，定位結 果包括無人車在激光點云反射值地圖中的位置信息;第二通信裝置還用于向第一通信裝置 發送定位結果。
[0011] 本申請提供的無人車、無人車定位方法、裝置和系統，通過將與無人車當前位置匹 配的第一激光點云反射值數據轉換為激光點云投影數據，并將激光點云投影數據與激光點 云反射值地圖的一預定范圍的各區域進行匹配，基于匹配概率來確定無人車在激光點云反 射值地圖中的位置，實現了對無人車當前位置的準確定位，避免了現有的基于GI^的實時差 分定位由于GI^衛星信號受遮擋或復雜環境多徑效應強烈的定位誤差大的缺陷。
【附圖說明】
[0012] 通過閱讀參照W下附圖所作的對非限制性實施例所作的詳細描述，本申請的其它 特征、目的和優點將會變得更明顯：
[0013] 圖1是本申請可W應用于其中的示例性系統架構圖；
[0014] 圖2是本申請的基于激光點云反射值匹配的無人車定位方法的一個實施例的流程 圖；
[0015] 圖3是本申請的基于激光點云反射值匹配的無人車定位方法中，生成激光點云反 射值地圖的示意性流程圖；
[0016] 圖4是本申請的基于激光點云反射值匹配的無人車定位方法中，激光點云投影數 據在激光點云反射值地圖的預定范圍移動時的示意圖；
[0017] 圖5是本申請的基于激光點云反射值匹配的無人車定位裝置的一個實施例的結構 示意圖；
[0018] 圖6是本申請的無人車的一個實施例的示意性結構圖；
[0019] 圖7是本申請的無人車定位系統的一個實施例的示意性結構圖；
[0020] 圖8是適于用來實現本申請實施例的無人車的處理器或定位服務器的計算機系統 的結構示意圖。
【具體實施方式】
[0021] 下面結合附圖和實施例對本申請作進一步的詳細說明。可W理解的是，此處所描 述的具體實施例僅僅用于解釋相關發明，而非對該發明的限定。另外還需要說明的是，為了 便于描述，附圖中僅示出了與有關發明相關的部分。
[0022] 需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可W相 互組合。下面將參考附圖并結合實施例來詳細說明本申請。
[0023] 圖1示出了可W應用本申請的基于激光點云反射值匹配的無人車定位方法或基于 激光點云反射值匹配的無人車定位裝置的實施例的示例性系統架構100。
[0024] 如圖1所示，系統架構100可W包括無人車101、網絡102和服務器103。網絡102用W 在無人車101和服務器103之間提供通信鏈路的介質。網絡102可W包括各種連接類型，例如 有線、無線通信鏈路或者光纖電纜等等。
[0025] 無人車101可通過網絡102與服務器103交互，W接收或發送消息等。無人車101上 可W安裝有激光點云采集裝置、通信裝置、處理器等。
[0026] 服務器103可W是提供各種服務的服務器，例如對無人車101采集到的激光點云反 射值數據進行處理的服務器。服務器103可W對接收到的激光點云反射值數據進行分析等 處理，并將處理結果(例如無人車的定位信息)反饋給無人車101。
[0027] 需要說明的是，本申請實施例所提供的基于激光點云反射值匹配的無人車定位方 法可W由無人車101執行，或者由服務器103執行，或者一部分步驟由無人車101執行且另一 部分步驟由服務器103執行。相應地，基于激光點云反射值匹配的無人車定位裝置可W設置 于服務器103中，或者設置于無人車101中，或者一部分模塊設置在服務器103中且另一部分 設置在無人車101中。
[0028] 應該理解，圖1中的無人車101、網絡102和服務器103的數目僅僅是示意性的。根據 實現需要，可W具有任意數目的無人車101、網絡102和服務器103。
[0029] 繼續參考圖2,示出了根據本申請的基于激光點云反射值匹配的無人車定位方法 的一個實施例的流程200。所述的基于激光點云反射值匹配的無人車定位方法，包括W下步 驟：
[0030] 步驟210,獲取與無人車當前位置匹配的第一激光點云反射值數據。其中，第一激 光點云反射值數據包括各激光點的第一坐標W及與第一激光點云反射值數據中的各激光 點對應的激光反射強度值。
[0031] 激光點云的反射值是激光點照射物體后的反射強度，其數值范圍例如可W是0~ 255。
[0032] 在一些可選的實現方式中，若本實施例的基于激光點云反射值匹配的無人車定位 方法應用其上的裝置為圖1中的無人車，可W由設置于無人車上的激光點云反射值采集裝 置來采集無人車當前位置的第一激光點云反射值數據。
[0033] 或者，在另一些可選的實現方式中，若本實施例的基于激光點云反射值匹配的無 人車定位方法應用其上的裝置為圖1中的服務器，可W由無人車的激光點云反射值采集裝 置來采集無人車當前位置的第一激光點云反射值數據再通過有線或無線連接方式上傳至 服務器中，W實現對第一激光點云反射值數據的獲取。需要指出的是，上述無線連接方式可 W包括但不限于3G/4G連接、WiFi連接、藍牙連接、WiMAX連接、Zigbee連接、UWBUltra wideband)連接、W及其他現在已知或將來開發的無線連接方式。
[0034] 步驟220,將第一激光點云反射值數據轉化為地平面內的激光點云投影數據。
[0035] 通過將第一激光點云反射值數據向地平面投影，可W將在步驟210中獲取到的= 維空間內各個坐標位置的激光點云反射值轉換為地平面內各個坐標位置的激光點云反射 值。
[0036] 步驟230, W預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始 位置，確定激光點云投影數據在激光點云反射值地圖的預定范圍內的第一匹配概率。
[0037] 在運里，先驗定位位置可W是通過其它定位方法確定出的無人車的當前位置，或 者，也可W是通過某種預測算法預測得到的無人車的當前位置。
[0038] 通過在激光點云反射值地圖中包含先驗定位位置的一預定范圍內確定激光點云 投影數據與該預定范圍的各個區域的第一匹配概率，可W對先驗定位位置進行"校正"，從 而使得最終確定出的無人車的定位結果誤差更小。
[0039] 步驟240,基于第一匹配概率確定無人車在激光點云反射值地圖中的位置。
[0040] 例如，若激光點云投影數據可能與激光點云反射值地圖的預定范圍中的某一區域 的第一匹配概率高于與激光點云反射值地圖的預定范圍中的其它區域的第一匹配概率，在 一些可選的實現方式中，可W將具有較高的第一匹配概率的該區域作為當前無人車在激光 點云反射值地圖中的位置。
[0041] 或者，在另一些可選的實現方式中，可W通過對激光點云投影數據與激光點云反 射值地圖的預定范圍中的各個區域的第一匹配概率進行一定的處理，從處理結果中進一步 確定出當前無人車在激光點云反射值地圖中的位置。
[0042] 本實施例的基于激光點云反射值匹配的無人車定位方法，通過將與無人車當前位 置匹配的第一激光點云反射值數據轉換為激光點云投影數據，并將激光點云投影數據與激 光點云反射值地圖的一預定范圍的各區域進行匹配，基于匹配概率來確定無人車在激光點 云反射值地圖中的位置，從而可W對先驗定位位置進行校正，進而實現對無人車的精確定 位。
[0043] 在一些可選的實現方式中，本實施例的基于激光點云反射值匹配的無人車定位方 法中的激光點云反射值地圖可W通過如如圖3所示的流程300來生成。
[0044] 具體而言，步驟310，將地球表面在世界坐標系的地平面內劃分為M X N個地圖區 域，其中，各地圖區域例如可W具有相同的大小和形狀。
[0045] 在一些可選的實現方式中，世界坐標系例如可W采用UTM坐標系統（Universal Tr曰nsverse Merc曰tor System)〇
[0046] 步驟320,將各地圖區域進一步劃分成mXn個地圖網格，其中，各地圖網格具有相 同的大小和形狀。
[0047] 由于步驟310中劃分出的地圖區域可能覆蓋較大的區域范圍，在生成激光點云反 射值地圖的過程中，各地圖區域中的激光點數量可能具有相當大的數量級，導致定位處理 的計算量較大。此外，當地圖區域可能覆蓋較大的區域范圍時，基于該地圖得到的定位結果 的精度較低。因此，可W在本步驟320中，對各地圖區域進行進一步地細分，從而減小定位處 理的計算量，并提高定位結果的定位精度。
[0048] 步驟330,采集與各地圖網格的定位位置對應的第二激光點云反射值數據，其中， 第二激光點云反射值數據包括各激光點在世界坐標系下的第二坐標W及與第二激光點云 反射值數據中的各激光點對應的激光反射強度值。
[0049] 例如，假設某一地圖網格的橫坐標xG[Xa，xb]，且該地圖網格的縱坐標yG[yc， yd]。則在本步驟中，可W采集世界坐標處于該范圍內的各個激光點的激光反射強度值，并 按照類似的方式采集處于地球表面各個地圖網格的坐標范圍內的激光點的激光反射強度 值。
[0050] 步驟340,在各地圖網格中存儲與之對應的地圖數據。其中，地圖數據包括與該地 圖網格對應的定位位置內的各激光點的激光反射強度值的均值、與該地圖網格對應的定位 位置內的各激光點的激光反射強度值的方差W及與該地圖網格對應的定位位置內的各激 光點的數量。
[0051] 繼續返回圖2,在一些可選的實現方式中，圖2中步驟210中，激光點的第一坐標可 W是第一激光點云反射值數據中的各激光點在無人車的車輛坐標系下的坐標。
[0052] 在運些可選的實現方式中，圖2中步驟220的將第一激光點云反射值數據轉化為地 平面內的激光點云投影數據可W進一步包括：
[0053] 步驟221，將第一激光點云反射值數據轉化為轉換為第=激光點云反射值數據。
[0054] 在運里，第=激光點云反射值數據例如可W包括各激光點的第=坐標W及與第一 激光點云反射值數據中的各激光點對應的激光反射強度值，其中第=坐標為第一激光點云 反射值數據中的各激光點在世界坐標系下的坐標。第=坐標X'可W為：
[005引 x'=(x'，y'，z'）t=RX巧（I)
[0056] 其中，R為從無人車的車輛坐標系向世界坐標系轉換的旋轉矩陣，X= (x，y，z)T為 第一激光點云反射值數據中的各激光點的第一坐標，T為從無人車的車輛坐標系向世界坐 標系轉換的平移矩陣。
[0057] 步驟222,將第=激光點云反射值數據向地平面投影，生成激光點云投影數據。
[0058] 激光點云投影數據可W包括第一激光點云反射值數據中的各激光點的投影坐標、 各投影網格內的各激光點的激光反射強度值的均值、各投影網格內的各激光點的激光反射 強度值的方差W及各投影網格內的各激光點的數量。
[0059] 其中，第一激光點云反射值數據中的各激光點的投影坐標r滿足：
[0060] r 二片'，/'）T=SX' (2)
[0061] 其中，S為投影矩陣，且滿足：
[0062]
[0063] 通過公式（1)和公式(2)，可W將基于無人車車輛坐標系采集的=維空間內的激光 點云數據（即第一激光點云反射值數據)轉換為基于世界坐標系的地平面內的激光點云數 據（即激光點云投影數據）。
[0064] 在運里，各投影網格可W與地圖網格具有相同的大小和形狀，例如，投影網格與地 圖網格可W為全等的矩形。
[0065] 在一些可選的實現方式中，圖2中的步驟230可W進一步通過如下的流程來實現。
[0066] 步驟231，將激光點云投影數據的中屯、投影網格0(x，y)與激光點云反射值地圖中 與先驗定位位置0'（XD，y。)對應的地圖網格重合，其中，中屯、投影網格0(x，y)為激光點云投 影數據中代表無人車車身的投影網格。
[0067] 在一些應用場景中，安裝在無人車上的激光點云反射值采集裝置可W W-預定的 半徑采集無人車周圍的激光點云反射值數據，激光點云反射值采集裝置采集到的激光點云 反射值數據位于W無人車為中屯、、W上述預定的半徑為半徑的球體中。在運些應用場景中， 可W截取該球體中的一部分數據用于后續的匹配定位。例如，構造一該球體的長方體或立 方體，并利用落入該長方體或立方體內的激光點的激光點云反射值作為用于定位使用的激 光點云反射值數據（即第一激光點云反射值數據）。因而，在運些應用場景中，最終生成的激 光點云投影數據中，代表無人車的中屯、投影網格〇(x，y)恰好落入整個投影范圍的幾何中 屯、。
[0068] 步驟232,確定激光點云投影數據的投影范圍和與之對應的地圖范圍的第一匹配 概率。
[0069] 假設激光點云投影數據形成的投影范圍包括5X5的投影網格，那么，與該投影范 圍相對應的地圖范圍也包括5X5的地圖網格。
[0070] 在一些應用場景中，投影范圍和與之對應的地圖范圍之間的第一匹配概率例如可 W通過如下的公式(3)來確定：
[0071] (3)
[0072] 其中，（x，y)為中屯、投影網格的世界坐標，為激光點云投影數據的投影范圍 內各投影網格的世界坐標，a為一預設常數參數，為世界坐標為(xi，yj)的地圖網格中 的激光點的激光反射強度值的均值為世界坐標為(xi，yj)的投影網格中的激光點的 激光反射強度值的均值，為世界坐標為(xi，yj)的地圖網格中的激光點的激光反射強 度值的方差，為世界坐標為(xi，yj)的投影網格中的激光點的激光反射強度值的方差， 為世界坐標為(xi，y訓勺投影網格中的激光點的數量。Xi為地圖范圍中，具有最小橫坐
標的地圖網格的橫坐標值，而Xm為地圖范圍中，具有最大橫坐標的地圖網格的橫坐標值;相 應地，yi為地圖范圍中，具有最小橫坐標的地圖網格的縱坐標值，而yn為地圖范圍中，具有最 大縱坐標的地圖網格的縱坐標值。
[007；3] 也即是說，公式(3)中，PU, y)為隊功底數， 為幕的幕函數。
[0074] 步驟233, W預定的偏移量k移動中屯、投影網格0(x，y)，并分別確定與當前中屯、投 影網格〇(x，y)對應的激光點云投影數據的第一匹配概率。
[0075] 在運里，k可W理解為從先驗定位位置0'（XD，y。)對應的地圖網格為初始位置，分別 沿X軸的正方向和負方向依次平移I~k個地圖網格和沿y軸的正方向和負方向依次平移I~ k個地圖網格形成的（2k+l)2個地圖范圍。如圖4所示，虛線框420示出的區域即為當激光點 云投影數據形成的投影范圍410包括5X5的投影網格，且偏移量k = 2時，形成的地圖中的預 定范圍。
[0076] 當投影范圍在預定范圍內移動時，可W基于上述公式(3)分別確定與當前中屯、投 影網格〇(x，y)對應的激光點云投影數據的第一匹配概率。也即是說，分別確定投影范圍和 與之對應的地圖范圍之間的第一匹配概率。W圖4示出的為例，當投影范圍410在預定范圍 420中移動時，可W相應地得到(2k+1)2 =化個第一匹配概率。
[0077] 在運些可選的實現方式中，圖2中的步驟240可W進一步包括：
[0078] 步驟241，基于各第一匹配概率的加權平均，確定無人車在激光點云反射值地圖中 的位置。
[0079] 具體而言，例如可W通過如下的公式(4)來確定無人車在激光點云反射值地圖中 的位置片，：n:
[0080]
(4)
[0081] 其中，（xo，yo)為先驗定位位置所在的地圖網格的世界坐標，P(xo+i，yo+j)為中屯、 投影網格處于地圖中（xo+i，yo+j)坐標時，投影范圍和對應的地圖范圍之間的第一匹配概 率。
[0082] 此外，在一些可選的實現方式中，通過公式(3)確定出激光點云投影數據在激光點 云反射值地圖的預定范圍內的第一匹配概率P之后，還可W通過如下的公式(5)來對第一匹 配概率P進行更新得到更新后的第一匹配概率P' ：
[0083]
( 5 )
[0084] 其中，戶(X，J)為基于上一定位位置對無人車當前出現在世界坐標(x，y)的位置的 預測概率，Tl為預設的歸一化系數。
[0085] 在運些可選的實現方式中，由于對第一匹配概率進行了更新，相應地，公式(4)可 W變形為如下的公式(6):
[0086]
( b )
[0087] 其中，P'（xo+i ,yo+j)為中屯、投影網格處于地圖中（xo+i ,yo+j)坐標時，投影范圍和 對應的地圖范圍之間的通過公式(5)更新后的第一匹配概率。
[0088] 在一些可選的實現方式中，本實施例的基于激光點云反射值匹配的無人車定位方 法中，步驟240的基于第一匹配概率確定無人車在激光點云反射值地圖中的位置還可W通 過如下的流程來實現：
[0089] 步驟242，對預定范圍內的地圖網格進一步細分，W使各地圖網格形成P X q個子網 格。
[0090] 步驟243,通過如下的公式（7)來確定無人車在激光點云反射值地圖中的位置 化巧：
[0091]
C 7 )
[0092] 其中；
[0093] (xo，yo)為先驗定位位置所在的地圖網格的世界坐標，X在[x0-k，x0+k]范圍內變化 的步長為^巧在[7。-4,7。+4]范圍內變化的步長為^;且有：
[0094]
[00M] 0為一預設常數參數，且P"(x，y)為通過對(x，y)所在地圖網格作為中屯、投影網格 時的第一匹配概率進行雙線性插值得到的概率。在運里，第一匹配概率可W為通過公式(3) 確定的第一匹配概率，或者，第一匹配概率也可W是通過公式(5)更新后的第一匹配概率。 [0096]進一步參考圖5,作為對上述各圖所示方法的實現，本申請提供了一種基于激光點 云反射值匹配的無人車定位裝置的一個實施例，該裝置實施例與圖2所示的方法實施例相 對應。
[0097] 如圖5所示，本實施例的基于激光點云反射值匹配的無人車定位裝置可W包括獲 取模塊510、轉化模塊520、匹配概率確定模塊530 W及位置確定模塊540。
[0098] 其中，獲取模塊510可配置用于獲取與無人車當前位置匹配的第一激光點云反射 值數據，其中，第一激光點云反射值數據包括各激光點的第一坐標W及與第一激光點云反 射值數據中的各激光點對應的激光反射強度值。
[0099] 轉化模塊520可配置用于將第一激光點云反射值數據轉化為地平面內的激光點云 投影數據。
[0100] 匹配概率確定模塊530可配置用于W預先確定的先驗定位位置在激光點云反射值 地圖中的位置作為初始位置，確定激光點云投影數據在激光點云反射值地圖的預定范圍內 的第一匹配概率。
[0101] 位置確定模塊540可配置用于基于第一匹配概率確定無人車在激光點云反射值地 圖中的位置。
[0102] 在一些可選的實現方式中，激光點云反射值地圖例如可W包括將地球表面在世界 坐標系的地平面內劃分形成的MXN個地圖區域，其中，各地圖區域具有相同的大小和形狀。 各地圖區域還可進一步包括mXn個地圖網格，其中，各地圖網格具有相同的大小和形狀。激 光點云反射值地圖還可包括與各地圖網格對應的定位位置對應的各激光點的激光反射強 度值的均值、與該地圖網格對應的定位位置內的各激光點的激光反射強度值的方差W及與 該地圖網格對應的定位位置內的各激光點的數量。
[0103] 在一些可選的實現方式中，各激光點的第一坐標可W是第一激光點云反射值數據 中的各激光點在無人車的車輛坐標系下的坐標。
[0104] 轉化模塊520還可進一步配置用于將第一激光點云反射值數據轉化為轉換為第= 激光點云反射值數據，并將第=激光點云反射值數據向地平面投影，生成激光點云投影數 據。其中，第=激光點云反射值數據包括各激光點的第=坐標W及與第一激光點云反射值 數據中的各激光點對應的激光反射強度值，其中第=坐標為第一激光點云反射值數據中的 各激光點在世界坐標系下的坐標。
[0105] 在一些可選的實現方式中，第S坐標X'為:X'=(x'，y'，z'）T=RX巧。
[0106] 其中，R為從無人車的車輛坐標系向世界坐標系轉換的旋轉矩陣，X= (x，y，z)T為 第一激光點云反射值數據中的各激光點的第一坐標，T為從無人車的車輛坐標系向世界坐 標系轉換的平移矩陣。
[0107] 在一些可選的實現方式中，激光點云投影數據包括第一激光點云反射值數據中的 各激光點的投影坐標、各投影網格內的各激光點的激光反射強度值的均值、各投影網格內 的各激光點的激光反射強度值的方差W及各投影網格內的各激光點的數量。
[010引其中，第一激光點云反射值數據中的各激光點的投影坐標r滿足:r = (X"，y")T = SX'O
[0109] S為投影矩陣，且滿足：
[0110]
[0111]各投影網格與地圖網格具有相同的大小和形狀。
[0112] 在一些可選的實現方式中，匹配概率確定模塊530還可進一步配置用于:將激光點 云投影數據的中屯、投影網格〇(x，y)與激光點云反射值地圖中與先驗定位位置0'（XD，y。)對 應的地圖網格重合，其中，中屯、投影網格〇(x，y)為激光點云投影數據中代表無人車車身的 投影網格;確定激光點云投影數據的投影范圍和與之對應的地圖范圍的第一匹配概率；W 預定的偏移量k移動中屯、投影網格0(x，y)，并分別確定與當前中屯、投影網格0(x，y)對應的 激光點云投影數據的第一匹配概率。
[0113] 位置確定模塊540可進一步配置用于基于各第一匹配概率的加權平均，確定無人 車在激光點云反射值地圖中的位置。
[0116] 其中，（x，y)為中屯、投影網格的世界坐標，為激光點云投影數據的投影范圍 內各投影網格的世界坐標，a為一預設常數參數，為世界坐標為(Xi，yj)的地圖網格中
[0114] 在一些可選的實現方式中，對應于任意中屯、投影網格0(x，y)的第一匹配概率PU, y)為:
[0115] 的激光點的激光反射強度值的均值為世界坐標為(xi，yj)的投影網格中的激光點的 激光反射強度值的均值，為世界坐標為(xi，yj)的地圖網格中的激光點的激光反射強 度值的方差，^為世界坐標為(xi，yj)的投影網格中的激光點的激光反射強度值的方差， 為世界坐標為(xi，yj)的投影網格中的激光點的數量。
[0117] 在一些可選的實現方式中，匹配概率確定模塊530還可進一步配置用于:基于上一 定位位晉姑笠一而耐艦態化紅甫祐甫新后的第一匹配概率P'（x，y)為：
[011 引
[0119] 其中，P(X，y)為基于上一定位位置對無人車當前出現在世界坐標(x，y)的位置的 預測概率，Tl為預設的歸一化系數。
[0120] 在一些可選的實現方式中，位置確定模塊540確定出的無人車在激光點云反射值 地圖中的位置焊，巧可W為：
[0121：
i中，（x0，y0)為先驗定位位置所在的地圖網 格的世界坐標。
[0122] 在另一些可選的實現方式中，位置確定模塊540還可W進一步配置用于：
[0123] 對預定范圍內的地圖網格進一步細分，W使各地圖網格形成pXq個子網格；
[0124] 無人車在激光點云反射值地圖中的位置(私支)為
[0125]
[0126] 其中；
[0127] (xo，yo)為先驗定位位置所在的地圖網格的世界坐標，X在[XD-k，XD+k]范圍內變化 的步長為，y在[y0-k，y0+k]范圍內變化的步長為
[012 引
[0129] 0為一預設常數參數，且P"(x，y)為通過對(x，y)所在地圖網格作為中屯、投影網格 時的第一匹配概率進行雙線性插值得到的概率。
[0130] 本領域技術人員可W理解，上述基于激光點云反射值匹配的無人車定位裝置500 還包括一些其他公知結構，例如處理器、存儲器等，為了不必要地模糊本公開的實施例，運 些公知的結構在圖5中未示出。
[0131] 參見圖6所示，為本申請的一種無人車的一個實施例的示意性結構圖600。
[0132] 如圖6所示，無人車可包括點云反射值數據采集裝置610、存儲裝置620W及處理器 630。
[0133] 其中，點云反射值數據采集裝置610可用于采集無人車當前位置的激光點云反射 值數據，其中，激光點云反射值數據包括各激光點的坐標W及與各激光點對應的激光反射 強度值。
[0134] 存儲裝置620可用于存儲激光點云反射值地圖。
[0135] 處理器630可用于將激光點云反射值數據向地平面投影，生成激光點云投影數據； W預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云 投影數據在激光點云反射值地圖的預定范圍內的第一匹配概率;并基于第一匹配概率確定 無人車在激光點云反射值地圖中的位置。
[0136] 在一些可選的實現方式中，激光點云反射值地圖可W包括將地球表面在世界坐標 系的地平面內劃分形成的MXN個地圖區域，其中，各地圖區域具有相同的大小和形狀。各地 圖區域還可W進一步包括mXn個地圖網格，其中，各地圖網格具有相同的大小和形狀。激光 點云反射值地圖還可W包括與各地圖網格的定位位置對應的各激光點的激光反射強度值 的均值、與該地圖網格的定位位置對應的各激光點的激光反射強度值的方差W及與該地圖 網格的定位位置對應的各激光點的數量。
[0137] 在一些可選的實現方式中，各激光點的第一坐標可W是第一激光點云反射值數據 中的各激光點在無人車的車輛坐標系下的坐標。
[0138] 處理器630還可進一步用于將第一激光點云反射值數據轉化為轉換為第=激光點 云反射值數據，并將第=激光點云反射值數據向地平面投影，生成激光點云投影數據。其 中，第=激光點云反射值數據包括各激光點的第=坐標W及與第一激光點云反射值數據中 的各激光點對應的激光反射強度值，其中第=坐標為第一激光點云反射值數據中的各激光 點在世界坐標系下的坐標。
[0139] 在一些可選的實現方式中，第S坐標X'為:X' =(x'，y'，Z'）t=RX巧。
[0140] 其中，R為從無人車的車輛坐標系向世界坐標系轉換的旋轉矩陣，X= (x，y，z)T為 第一激光點云反射值數據中的各激光點的第一坐標，T為從無人車的車輛坐標系向世界坐 標系轉換的平移矩陣。
[0141] 在一些可選的實現方式中，激光點云投影數據包括第一激光點云反射值數據中的 各激光點的投影坐標、各投影網格內的各激光點的激光反射強度值的均值、各投影網格內 的各激光點的激光反射強度值的方差W及各投影網格內的各激光點的數量。
[0142] 其中，第一激光點云反射值數據中的各激光點的投影坐標r滿足:r = (x"，y")T = SX'O
[0143] S為投影矩陣，且滿足：
[0144]
[0145] 各投影網格與地圖網格具有相同的大小和形狀。
[0146] 在一些可選的實現方式中，處理器630還可進一步用于:將激光點云投影數據的中 屯、投影網格〇(x，y)與激光點云反射值地圖中與先驗定位位置0'（XD，y。)對應的地圖網格重 合，其中，中屯、投影網格〇(x，y)為激光點云投影數據中代表無人車車身的投影網格;確定激 光點云投影數據的投影范圍和與之對應的地圖范圍的第一匹配概率；W預定的偏移量k移 動中屯、投影網格〇(x，y)，并分別確定與當前中屯、投影網格0(x，y)對應的激光點云投影數據 的第一匹配概率。
[0147] 處理器630還可W進一步用于基于各第一匹配概率的加權平均，確定無人車在激 光點云反射值地圖中的位置。
[0148] 在一些可選的實現方式中，對應于任意中屯、投影網格0(x，y)的第一匹配概率PU, y)為:
[0149] 9
[0150] 其中，（x，y)為中屯、投影網格的世界坐標，（xi，yj)為激光點云投影數據的投影范圍 內各投影網格的世界坐標，a為一預設常數參數，為世界坐標為(xi，yj)的地圖網格中 的激光點的激光反射強度值的均值，/為世界坐標為(xi，yj)的投影網格中的激光點的 激光反射強度值的均值，為世界坐標為(xi，yj)的地圖網格中的激光點的激光反射強 度值的方差，為世界坐標為(xi，yj)的投影網格中的激光點的激光反射強度值的方差， <,,,為世界坐標為(xi，yj)的投影網格中的激光點的數量。
[0151] 在一些可選的實現方式中，處理器630還可進一步用于:基于上一定位位置對第一 匹配概率進行更新，更新后的第一匹配概率P '（ X，y)為：
[0152]
[0153] 其中，F(x，y)為基于上一定位位置對無人車當前出現在世界坐標(x，y)的位置的 預測概率，Tl為預設的歸一化系數。
[0154] 在一些可選的實現方式中，處理器630確定出的無人車在激光點云反射值地圖中 的位置口，巧可W為：
[0155]
巧中，（xo，yo)為先驗定位位置所在的地圖網 格的世界坐標。
[0156] 在另一些可選的實現方式中，處理器630還可W進一步用于：
[0157] 對預定范圍內的地圖網格進一步細分，W使各地圖網格形成pXq個子網格；
[0158] 無人車在激光點云反射值地圖中的位置巧，巧為
[0159]
[0160] 其中；
[0161] (xo，yo)為先驗定位位置所在的地圖網格的世界坐標，X在[XD-k，XD+k]范圍內變化 的步長為巧在[7。-4,7。+4]范圍內變化的步長為^;'
[0162]
[0163] 0為一預設常數參數，且P"(x，y)為通過對(x，y)所在地圖網格作為中屯、投影網格 時的第一匹配概率進行雙線性插值得到的概率。
[0164] 參見圖7所示，為本申請的無人車定位系統的一個實施例的示意性結構圖700。
[0165] 本實施例的無人車定位系統可包括無人車710和定位服務器720。
[0166] 其中，無人車710可包括點云反射值數據采集裝置711和第一通信裝置712。
[0167] 點云反射值數據采集裝置711可用于采集無人車當前位置的激光點云反射值數 據，其中，激光點云反射值數據包括各激光點的第一坐標W及與各激光點對應的激光反射 強度值。第一通信裝置712可用于向定位服務器發送激光點云反射值數據。
[0168] 定位服務器720可包括第二通信裝置721、存儲器722和處理器723。
[0169] 第二通信裝置721可用于接收第一通信裝置711發送的激光點云反射值數據。存儲 器722可用于存儲激光點云反射值地圖。
[0170] 處理器723可用于將激光點云反射值數據向地平面投影，生成激光點云投影數據， W預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云 投影數據在激光點云反射值地圖的預定區域的第一匹配概率，并基于第一匹配概率確定無 人車的定位結果。其中，定位結果包括無人車在激光點云反射值地圖中的位置信息。
[0171] 此外，第二通信裝置721還用于向第一通信裝置711發送定位結果。
[0172] 在一些可選的實現方式中，激光點云反射值地圖可W包括將地球表面在世界坐標 系的地平面內劃分形成的MXN個地圖區域，其中，各地圖區域具有相同的大小和形狀。各地 圖區域還可進一步包括mXn個地圖網格，其中，各地圖網格具有相同的大小和形狀。激光點 云反射值地圖還包括與各地圖網格的定位位置對應的各激光點的激光反射強度值的均值、 與該地圖網格的定位位置對應的各激光點的激光反射強度值的方差W及與該地圖網格的 定位位置對應的各激光點的數量。
[0173] 在一些可選的實現方式中，各激光點的第一坐標可W是第一激光點云反射值數據 中的各激光點在無人車的車輛坐標系下的坐標。
[0174] 處理器723還可進一步用于將第一激光點云反射值數據轉化為轉換為第=激光點 云反射值數據，并將第=激光點云反射值數據向地平面投影，生成激光點云投影數據。其 中，第=激光點云反射值數據包括各激光點的第=坐標W及與第一激光點云反射值數據中 的各激光點對應的激光反射強度值，其中第=坐標為第一激光點云反射值數據中的各激光 點在世界坐標系下的坐標。
[0175] 在一些可選的實現方式中，第S坐標X'為:X'=(x'，y'，z'）T=RX巧。
[0176] 其中，R為從無人車的車輛坐標系向世界坐標系轉換的旋轉矩陣，X= (x，y，z)T為 第一激光點云反射值數據中的各激光點的第一坐標，T為從無人車的車輛坐標系向世界坐 標系轉換的平移矩陣。
[0177]在一些可選的實現方式中，激光點云投影數據包括第一激光點云反射值數據中的 各激光點的投影坐標、各投影網格內的各激光點的激光反射強度值的均值、各投影網格內 的各激光點的激光反射強度值的方差W及各投影網格內的各激光點的數量。
[017引其中，第一激光點云反射值數據中的各激光點的投影坐標r滿足:r = (X"，y")T = SX'O
[01巧]S為投影矩陣，且滿足：
[0180]
[0181] 各投影網格與地圖網格具有相同的大小和形狀。
[0182] 在一些可選的實現方式中，處理器723還可進一步用于:將激光點云投影數據的中 屯、投影網格〇(x，y)與激光點云反射值地圖中與先驗定位位置0'（XD，y。)對應的地圖網格重 合，其中，中屯、投影網格〇(x，y)為激光點云投影數據中代表無人車車身的投影網格;確定激 光點云投影數據的投影范圍和與之對應的地圖范圍的第一匹配概率；W預定的偏移量k移 動中屯、投影網格〇(x，y)，并分別確定與當前中屯、投影網格0(x，y)對應的激光點云投影數據 的第一匹配概率。
[0183] 處理器723還可W進一步用于基于各第一匹配概率的加權平均，確定無人車在激 光點云反射值地圖中的位置。
[0186] 其中，（x，y)為中屯、投影網格的世界坐標，為激光點云投影數據的投影范圍 內各投影網格的世界坐標，a為一預設常數參數，興；!,.,.為世界坐標為(xi，yj)的地圖網格中
[0184] 在一些可選的實現方式中，對應于任意中屯、投影網格0(x，y)的第一匹配概率PU, y)為:
[0185] 的激光點的激光反射強度值的均值為世界坐標為(xi，yj)的投影網格中的激光點的 激光反射強度值的均值，^,\^為世界坐標為^1，7^)的地圖網格中的激光點的激光反射強 度值的方差，為世界坐標為(xi，yj)的投影網格中的激光點的激光反射強度值的方差， V.:,..,./.為世界坐標為(xi，yj)的投影網格中的激光點的數量。
[0187] 在一些可選的實現方式中，處理器723還可進一步用于:基于上一定位位置對第一 匹配概率進行更新，更新后的第一匹配概率P '（ X，y)為：
[018 引
[0189] 其中，P (X，y)
為基于上一定位位置對無人車當前出現在世界坐標(x，y)的位置的 預測概率，Tl為預設的歸一化系數。
[0190] 在一些可選的實現方式中，處理器723確定出的無人車在激光點云反射值地圖中 的位置(子，巧前W為，
[0191]
，（x〇，y〇)為先驗定位位置所在的地圖網格的 世界坐標。
[0192] 在另一些可選的實現方式中，處理器723還可W進一步用于：
[0193] 對預定范圍內的地圖網格進一步細分，W使各地圖網格形成pXq個子網格；
[0194] 無人車在激光點云反射值地圖中的位置(:^巧為
[0195]
123456 其中； 2 (xo，yo)為先驗定位位置所在的地圖網格的世界坐標，X在[XD-k，XD+k]范圍內變化 的步長為巧在[y0-k，y0+k]范圍內變化的步長為; 3
[019 引
4 0為一預設常數參數，且P"(x，y)為通過對(x，y)所在地圖網格作為中屯、投影網格 時的第一匹配概率進行雙線性插值得到的概率。 5 下面參考圖8,其示出了適于用來實現本申請實施例的無人車的處理器或定位服 務器的計算機系統800的結構示意圖。 6 如圖8所示，計算機系統800包括中央處理單元(CPU)SOl,其可W根據存儲在只讀 存儲器(R0M)802中的程序或者從存儲部分808加載到隨機訪問存儲器(RAM)803中的程序而 執行各種適當的動作和處理。在RAM 803中，還存儲有系統800操作所需的各種程序和數據。 CPU 80UR0M 802W及RAM 803通過總線804彼此相連。輸入/輸出（I/O)接口805也連接至總 線 804。
[0202] W下部件連接至I/O接口 805:包括鍵盤、鼠標等的輸入部分806;包括諸如陰極射 線管(CRT)、液晶顯示器化CD)等W及揚聲器等的輸出部分807;包括硬盤等的存儲部分808; W及包括諸如LAN卡、調制解調器等的網絡接口卡的通信部分809。通信部分809經由諸如因 特網的網絡執行通信處理。驅動器810也根據需要連接至I/O接口 805。可拆卸介質811，諸如 磁盤、光盤、磁光盤、半導體存儲器等等，根據需要安裝在驅動器810上，W便于從其上讀出 的計算機程序根據需要被安裝入存儲部分808。
[0203] 特別地，根據本公開的實施例，上文參考流程圖描述的過程可W被實現為計算機 軟件程序。例如，本公開的實施例包括一種計算機程序產品，其包括有形地包含在機器可讀 介質上的計算機程序，所述計算機程序包含用于執行流程圖所示的方法的程序代碼。在運 樣的實施例中，該計算機程序可W通過通信部分809從網絡上被下載和安裝，和/或從可拆 卸介質811被安裝。
[0204] 附圖中的流程圖和框圖，圖示了按照本申請各種實施例的系統、方法和計算機程 序產品的可能實現的體系架構、功能和操作。在運點上，流程圖或框圖中的每個方框可W代 表一個模塊、程序段、或代碼的一部分，所述模塊、程序段、或代碼的一部分包含一個或多個 用于實現規定的邏輯功能的可執行指令。也應當注意，在有些作為替換的實現中，方框中所 標注的功能也可WW不同于附圖中所標注的順序發生。例如，兩個接連地表示的方框實際 上可W基本并行地執行，它們有時也可W按相反的順序執行，運依所設及的功能而定。也要 注意的是，框圖和/或流程圖中的每個方框、W及框圖和/或流程圖中的方框的組合，可W用 執行規定的功能或操作的專用的基于硬件的系統來實現，或者可W用專用硬件與計算機指 令的組合來實現。
[0205] 描述于本申請實施例中所設及到的單元可W通過軟件的方式實現，也可W通過硬 件的方式來實現。所描述的單元也可W設置在處理器中，例如，可W描述為：一種處理器包 括獲取模塊、轉化模塊、匹配概率確定模塊W及位置確定模塊。其中，運些模塊的名稱在某 種情況下并不構成對該模塊本身的限定，例如，獲取模塊還可W被描述為"獲取與無人車當 前位置匹配的第一激光點云反射值數據的模塊"。
[0206] 作為另一方面，本申請還提供了一種非易失性計算機存儲介質，該非易失性計算 機存儲介質可W是上述實施例中所述裝置中所包含的非易失性計算機存儲介質;也可W是 單獨存在，未裝配入終端中的非易失性計算機存儲介質。上述非易失性計算機存儲介質存 儲有一個或者多個程序，當所述一個或者多個程序被一個設備執行時，使得所述設備:獲取 與無人車當前位置匹配的第一激光點云反射值數據，其中，第一激光點云反射值數據包括 各激光點的第一坐標W及與第一激光點云反射值數據中的各激光點對應的激光反射強度 值;將第一激光點云反射值數據轉化為地平面內的激光點云投影數據；W預先確定的先驗 定位位置在激光點云反射值地圖中的位置作為初始位置，確定激光點云投影數據在激光點 云反射值地圖的預定范圍內的第一匹配概率；W及基于第一匹配概率確定無人車在激光點 云反射值地圖中的位置。
[0207] W上描述僅為本申請的較佳實施例W及對所運用技術原理的說明。本領域技術人 員應當理解，本申請中所設及的發明范圍，并不限于上述技術特征的特定組合而成的技術 方案，同時也應涵蓋在不脫離所述發明構思的情況下，由上述技術特征或其等同特征進行 任意組合而形成的其它技術方案。例如上述特征與本申請中公開的(但不限于)具有類似功 能的技術特征進行互相替換而形成的技術方案。
【主權項】
1. 一種基于激光點云反射值匹配的無人車定位方法，其特征在于，包括： 獲取與無人車當前位置匹配的第一激光點云反射值數據，其中，所述第一激光點云反 射值數據包括各激光點的第一坐標以及與所述第一激光點云反射值數據中的各激光點對 應的激光反射強度值； 將所述第一激光點云反射值數據轉化為地平面內的激光點云投影數據； 以預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定所述 激光點云投影數據在所述激光點云反射值地圖的預定范圍內的第一匹配概率;以及 基于所述第一匹配概率確定所述無人車在所述激光點云反射值地圖中的位置。2. 根據權利要求1所述的方法，其特征在于，所述激光點云反射值地圖通過如下方式生 成： 將地球表面在世界坐標系的地平面內劃分為MXN個地圖區域，其中，各所述地圖區域 具有相同的大小和形狀； 將各所述地圖區域進一步劃分成mXn個地圖網格，其中，各所述地圖網格具有相同的 大小和形狀； 采集與各所述地圖網格的定位位置對應的第二激光點云反射值數據，其中，所述第二 激光點云反射值數據包括各激光點在世界坐標系下的第二坐標以及與第二激光點云反射 值數據中的各激光點對應的激光反射強度值； 在各所述地圖網格中存儲與之對應的地圖數據； 其中，所述地圖數據包括與該地圖網格對應的定位位置內的各激光點的激光反射強度 值的均值、與該地圖網格對應的定位位置內的各激光點的激光反射強度值的方差以及與該 地圖網格對應的定位位置內的各激光點的數量。3. 根據權利要求2所述的方法，其特征在于:各所述激光點的第一坐標為所述第一激光 點云反射值數據中的各激光點在所述無人車的車輛坐標系下的坐標； 所述將所述第一激光點云反射值數據轉化為地平面內的激光點云投影數據包括： 將所述第一激光點云反射值數據轉化為轉換為第三激光點云反射值數據，其中，所述 第三激光點云反射值數據包括各激光點的第三坐標以及與所述第一激光點云反射值數據 中的各激光點對應的激光反射強度值，其中所述第三坐標為所述第一激光點云反射值數據 中的各激光點在世界坐標系下的坐標； 將所述第三激光點云反射值數據向地平面投影，生成所述激光點云投影數據。4. 根據權利要求3所述的方法，其特征在于，所述第三坐標X '為： X' = (x'，y'，z' )T = RX+T; 其中，R為從所述無人車的車輛坐標系向所述世界坐標系轉換的旋轉矩陣，X=(x，y，z)T 為所述第一激光點云反射值數據中的各激光點的所述第一坐標，T為從所述無人車的車輛 坐標系向所述世界坐標系轉換的平移矩陣。5. 根據權利要求4所述的方法，其特征在于： 所述激光點云投影數據包括所述第一激光點云反射值數據中的各激光點的投影坐標、 各投影網格內的各激光點的激光反射強度值的均值、各投影網格內的各激光點的激光反射 強度值的方差以及各投影網格內的各激光點的數量； 其中，所述第一激光點云反射值數據中的各激光點的投影坐標X"滿足：， 各所述投影網格與所述地圖網格具有相同的大小和形狀。6. 根據權利要求5所述的方法，其特征在于： 所述以預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定 所述激光點云投影數據在所述激光點云反射值地圖的預定范圍內的第一匹配概率包括： 將所述激光點云投影數據的中心投影網格〇(x，y)與所述激光點云反射值地圖中與所 述先驗定位位置〇'（1。，7。)對應的地圖網格重合，其中，所述中心投影網格〇(1，7)為所述激 光點云投影數據中代表所述無人車車身的投影網格； 確定所述激光點云投影數據的投影范圍和與之對應的地圖范圍的第一匹配概率； 以預定的偏移量k移動所述中心投影網格0(x，y)，并分別確定與當前中心投影網格O (x，y)對應的所述激光點云投影數據的第一匹配概率； 所述基于所述第一匹配概率確定所述無人車在所述激光點云反射值地圖中的位置包 括： 基于各所述第一匹配概率的加權平均，確定所述無人車在所述激光點云反射值地圖中 的位置。7. 根據權利要求6所述的方法，其特征在于： 對應于任意中心投影網格〇(x，y)的所述第一匹配概率P(x，y)為：其中，（x，y)為所述中心投影網格的世界坐標，（X1, 為所述激光點云投影數據的投影 范圍內各投影網格的世界坐標，α為一預設常數參數，為世界坐標為(Xl，yJ的地圖網 格中的激光點的激光反射強度值的均值，><4為世界坐標為(Xl，n)的投影網格中的激光 m 點的激光反射強度值的均值，為世界坐標為(Xl，n)的地圖網格中的激光點的激光反 射強度值的方差，為世界坐標為(Xl，n)的投影網格中的激光點的激光反射強度值的 方差，為世界坐標為(Xl，n)的投影網格中的激光點的數量。8. 根據權利要求7所述的方法，其特征在于，所述以預先確定的先驗定位位置在激光點 云反射值地圖中的位置作為初始位置，確定所述激光點云投影數據在所述激光點云反射值 地圖的預定范圍內的第一匹配概率還包括： 基于上一定位位置對所述第一匹配概率進行更新，更新后的第一匹配概率P'（x，y)為：其中，戶_(x, .V)為基于上一定位位置對所述無人車當前出現在世界坐標(x，y)的位置的 預測概率，η為預設的歸一化系數。9. 根據權利要求8所述的方法，其特征在于，所述無人車在所述激光點云反射值地圖中 的位置(〒，刃為：其中，（XQ，yQ)為所述先驗定位位置所在的地圖網格的世界坐標。10. 根據權利要求8或9所述的方法，其特征在于，所述基于所述第一匹配概率確定所述 無人車在所述激光點云反射值地圖中的位置包括： 對所述預定范圍內的地圖網格進一步細分，以使各所述地圖網格形成P X q個子網格； 無人車在所述激光點云反射值地圖中的位置(? B為其中： (Xo，y〇)為所述先驗定位位置所在的地圖網格的世界坐標，X在[x〇-k，x〇+k ]范圍內變化 的步長為一，_7在[7。-1^，7。+1〇范圍內變化的步長為一;. p qβ為一預設常數參數，且P"（x，y)為通過對(x，y)所在地圖網格作為所述中心投影網格 時的所述第一匹配概率進行雙線性插值得到的概率。11. 一種基于激光點云反射值匹配的無人車定位裝置，其特征在于，包括： 獲取模塊，配置用于獲取與無人車當前位置匹配的第一激光點云反射值數據，其中，所 述第一激光點云反射值數據包括各激光點的第一坐標以及與所述第一激光點云反射值數 據中的各激光點對應的激光反射強度值； 轉化模塊，配置用于將所述第一激光點云反射值數據轉化為地平面內的激光點云投影 數據； 匹配概率確定模塊，配置用于以預先確定的先驗定位位置在激光點云反射值地圖中的 位置作為初始位置，確定所述激光點云投影數據在所述激光點云反射值地圖的預定范圍內 的第一匹配概率；以及 位置確定模塊，配置用于基于所述第一匹配概率確定所述無人車在所述激光點云反射 值地圖中的位置。12. 根據權利要求11所述的裝置，其特征在于： 所述激光點云反射值地圖包括將地球表面在世界坐標系的地平面內劃分形成MXN個 地圖區域，其中，各所述地圖區域具有相同的大小和形狀； 各所述地圖區域進一步包括mXn個地圖網格，其中，各所述地圖網格具有相同的大小 和形狀； 所述激光點云反射值地圖還包括與各所述地圖網格對應的定位位置對應的各激光點 的激光反射強度值的均值、與該地圖網格對應的定位位置內的各激光點的激光反射強度值 的方差以及與該地圖網格對應的定位位置內的各激光點的數量。13. -種無人車，其特征在于，包括： 點云反射值數據采集裝置，用于采集所述無人車當前位置的激光點云反射值數據，其 中，所述激光點云反射值數據包括各激光點的坐標以及與各所述激光點對應的激光反射強 度值； 存儲裝置，用于存儲激光點云反射值地圖； 處理器，用于將所述激光點云反射值數據向地平面投影，生成激光點云投影數據； 以預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定所述 激光點云投影數據在所述激光點云反射值地圖的預定范圍內的第一匹配概率;以及 基于所述第一匹配概率確定所述無人車在所述激光點云反射值地圖中的位置。14. 根據權利要求13所述的無人車，其特征在于： 所述激光點云反射值地圖包括將地球表面在世界坐標系的地平面內劃分形成的MXN 個地圖區域，其中，各所述地圖區域具有相同的大小和形狀； 各所述地圖區域進一步包括mXn個地圖網格，其中，各所述地圖網格具有相同的大小 和形狀； 所述激光點云反射值地圖還包括與各所述地圖網格的定位位置對應的各激光點的激 光反射強度值的均值、與該地圖網格的定位位置對應的各激光點的激光反射強度值的方差 以及與該地圖網格的定位位置對應的各激光點的數量。15. -種無人車定位系統，其特征在于，包括無人車和定位服務器； 所述無人車包括點云反射值數據采集裝置和第一通信裝置； 所述點云反射值數據采集裝置用于采集所述無人車當前位置的激光點云反射值數據， 其中，所述激光點云反射值數據包括各激光點的第一坐標以及與各所述激光點對應的激光 反射強度值； 所述第一通信裝置用于向所述定位服務器發送所述激光點云反射值數據； 所述定位服務器包括第二通信裝置、存儲器和處理器； 所述第二通信裝置用于接收所述第一通信裝置發送的所述激光點云反射值數據； 所述存儲器用于存儲激光點云反射值地圖； 所述處理器用于將所述激光點云反射值數據向地平面投影，生成激光點云投影數據， 以預先確定的先驗定位位置在激光點云反射值地圖中的位置作為初始位置，確定所述激光 點云投影數據在所述激光點云反射值地圖的預定區域的第一匹配概率，并基于所述第一匹 配概率確定所述無人車的定位結果，其中，所述定位結果包括所述無人車在所述激光點云 反射值地圖中的位置信息； 所述第二通信裝置還用于向所述第一通信裝置發送所述定位結果。16.根據權利要求15所述的無人車定位系統，其特征在于： 所述激光點云反射值地圖包括將地球表面在世界坐標系的地平面內劃分形成的MXN 個地圖區域，其中，各所述地圖區域具有相同的大小和形狀； 各所述地圖區域進一步包括mXn個地圖網格，其中，各所述地圖網格具有相同的大小 和形狀； 所述激光點云反射值地圖還包括與各所述地圖網格的定位位置對應的各激光點的激 光反射強度值的均值、與該地圖網格的定位位置對應的各激光點的激光反射強度值的方差 以及與該地圖網格的定位位置對應的各激光點的數量。
【文檔編號】G06T7/00GK106023210SQ201610348334
【公開日】2016年10月12日
【申請日】2016年5月24日
【發明人】宋適宇, 李文博, 張天雷
【申請人】百度在線網絡技術（北京）有限公司