典型文献
融合激光雷达与双层地图模型的智能车定位
文献摘要：
为提高智能车定位精度,提出了一种融合激光雷达与双层地图模型的智能车定位方法.该双层地图模型在车道图层基础上,增加基于激光点云的稀疏特征图层.稀疏特征地图由车辆位姿、2D强度特征和3D特征3部分组成,可为智能车定位提供精确的位置参考,以有效降低累积定位误差.此外,本文利用激光雷达强度信息提取车道线,为智能车定位提供高精度的、线性的横向位置约束.在定位过程中,引入Kalman滤波框架完成激光雷达与双层地图之间的有效融合.其中,状态预测过程利用车辆的运动约束构建短时间匀速运动模型,观测变量包括激光里程计定位结果、基于车道图层的横向位置约束和基于稀疏特征图层的定位结果.为了验证本文算法的有效性,在校园和城市道路环境下进行了测试.结果表明:本文提出的融合定位算法能在不同环境中将现有定位方法的定位误差降低40％～60％,定位相对误差小于0.3％.
文献关键词：
智能车;双层地图模型;点云处理;卡尔曼滤波
中图分类号：
作者姓名：
邓泽武;胡钊政;周哲;刘裕林;彭超
作者机构：
武汉理工大学信息工程学院,武汉 430070;武汉理工大学智能交通系统研究中心,武汉 430063;武汉理工大学重庆研究院,重庆 401120
文献出处：
引用格式：
[1]邓泽武;胡钊政;周哲;刘裕林;彭超-.融合激光雷达与双层地图模型的智能车定位)[J].汽车工程,2022(07):1018-1026
A类：
双层地图模型,智能车定位
B类：
激光雷达,高智能,定位精度,定位方法,图层,激光点云,稀疏特征,特征图,征地,车辆位姿,2D,强度特征,供精,低累积,定位误差,强度信息,信息提取,车道线,横向位置,位置约束,Kalman,架完,有效融合,状态预测,用车,运动约束,匀速运动,运动模型,观测变量,激光里程计,定位结果,城市道路,道路环境,融合定位,定位算法,不同环境,位相,点云处理,卡尔曼滤波
AB值：
0.342114
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
