21世纪,随着信息通信、大数据、人工智能等新技术的不断发展及其在汽车行业的广泛应用,传统的汽车工业正在寻求转型,“汽车智能化”成为了智能车学术界与产业届的热门研究方向,其中高精度的车辆定位技术是智能车技术的基础与核心。根据传感器的类型,智能车定位主要分为基于GPS的定位方法、基于视觉的定位方法和基于激光雷达的定位方法。其中基于GPS的定位方法由于GPS信号存在盲区、精度低等问题常常需要与成本高昂的高精度惯导等传感器相结合来弥补;基于视觉的定位方法具有易受环境影响、精度较差、三维重建困难等问题;而基于激光雷达的定位方法由于激光雷达能直接获取稠密的三维环境感知信息、定位精度高等原因逐渐受到智能汽车生产商与学术界的关注,近年来,随着激光雷达的生产成本大幅度降低,其在智能汽车中的应用前景也备受认可。本文提出了基于激光雷达数据的智能车高精度定位方法:首先进行基于激光雷达数据的道路场景表征建模,提出了一种基于距离的激光雷达点云加权投影方法,通过激光雷达点云生成二维场景图像与三维结构,并使用视觉特征算子提取二维场景图像的场景特征,采用激光雷达里程计算法获取车辆运动轨迹信息,最终建立高精度的道路场景表征模型,该模型包括高精度的轨迹信息、二维场景特征、点云及其三维结构。在智能车定位阶段中采用多尺度定位策略实现定位目的,即粗定位、基于场景特征匹配的节点级定位以及基于点云三维结构的度量级定位。经过KITTI数据集和不同道路场景采集的实车数据集进行测试,这2个数据集分别是采用Velodyne HDL-64E和Velodyne VLP-16这2种不同类型的激光雷达传感器采集的激光雷达数据。实验证明本文所提的基于激光雷达数据的智能车高精度定位方法能实现25cm以下的定位精度,可以应用于不同的传感器和不同的场景。此外,本文还提出了一种基于激光雷达与GPS动态标定的融合定位方法:首先对激光雷达和GPS进行基于轨迹的空间标定,然后使用线性卡尔曼实现基于激光雷达与GPS动态标定的融合定位,还能有效地消除外点。本文主要的创新点如下:(1)基于距离的激光雷达点云加权投影方法。本文提出了一种基于距离的激光雷达点云加权投影方法,该方法根据激光雷达型号在激光雷达点云中划分为不同分辨率的栅格,根据栅格内的点云数目和与距离相关的阈值确定像素值,从而生成二维场景图像,此外,还根据栅格内点云的平均高度计算点云的三维结构。(2)基于激光雷达数据的道路场景表征建模。基于激光雷达数据的道路场景表征模型主要包含三个要素:高精度的轨迹信息,点云及其三维结构,以及二维场景特征。轨迹信息是通过激光里程计算法计算得到轨迹信息,该轨迹信息还需要高精度惯导进行修正;二维场景图像的场景特征是通过一种基于距离的激光雷达点云加权投影方法将激光雷达点云投影成二维场景图像并使用视觉特征算子提取场景特征;三维结构是计算激光雷达点云中每个栅格里点云的平均高度。(3)基于道路场景表征模型的多尺度高精度智能车定位。在高精度智能车定位中采用多尺度定位策略,即粗定位、基于场景特征匹配的节点级定位以及基于点云三维结构的度量级定位。(4)基于激光雷达与GPS动态标定的融合定位方法。首先对激光雷达和GPS进行基于轨迹的空间标定,然后使用线性卡尔曼实现基于激光雷达与GPS动态标定的融合定位,还能有效地消除外点。