基于专用支撑标识的自主车辆激光雷达定位校正集成方法

《Sensors》:Integrated LiDAR-Based Localization Correction Using a Dedicated Support Sign for Autonomous Vehicles

【字体: 大 中 小 】 时间:2026年06月22日 来源:Sensors 3.5

编辑推荐:

  准确的车辆定位必须在全球导航卫星系统(Global Navigation Satellite System, GNSS)可靠性降低的隧道路段仍保持精确。然而,传统的GNSS/惯性导航系统(Inertial Navigation System, INS)定位在此

  
准确的车辆定位必须在全球导航卫星系统(Global Navigation Satellite System, GNSS)可靠性降低的隧道路段仍保持精确。然而,传统的GNSS/惯性导航系统(Inertial Navigation System, INS)定位在此类环境中会快速累积误差,影响车道级决策和路径跟踪稳定性。为应对这一问题,本研究提出了一种专用定位支撑标识,用于实现稳定的激光雷达(Light Detection and Ranging, LiDAR)观测,以及一种基于点云配准的校正算法。该方法采用基于PointPillars的检测器识别专用标识,将对应的点云与预先构建的参考地图进行配准,以在线估计刚性校正变换。该标识安装于再现真实道路条件的试验场隧道路段中。为进行评估,研究人员将行驶序列划分为三个部分:进入前路段、专用标识识别前的隧道路段,以及专用标识识别后的路段。与仅使用GNSS/INS的基准方法相比,所提出的方法在专用标识识别后显著降低了定位误差。在同一点云配准流程中,专用标识较普通隧道结构提供了更稳定的校正效果。这些结果表明,所提出的基于LiDAR的流程能够有效抑制GNSS降级路段的定位漂移。
本研究聚焦于自主车辆在GNSS降级环境下的定位校正问题,提出了一种基于专用LiDAR支撑标识的集成化定位校正方案。研究背景源于隧道等特殊场景下GNSS信号受限导致定位精度急剧下降的突出问题。在隧道、地下道路、城市峡谷、施工区域及高密度高层建筑走廊等环境中,GNSS可靠性降低与INS误差累积共同加速了定位漂移,这使得定位成为自动驾驶系统中的关键瓶颈。尽管多传感器融合技术已得到广泛研究,但在 degraded driving conditions 下,辅助传感器可能无法以额定性能工作,因此本研究选择LiDAR作为独立参考传感器,并设计专用定位支撑标识以提供可重复的几何参考。

研究人员开展的研究包括:设计专用的LiDAR可观测定位支撑标识;构建基于PointPillars的目标检测模块;实现主成分分析(Principal Component Analysis, PCA)初始对齐与迭代最近点(Iterative Closest Point, ICP)配准相结合的校正算法;在韩国K-City国家级自动驾驶测试场的天气模拟隧道中进行验证实验。研究得出以下核心结论:所提出的方法在专用标识识别后,x、y、z轴及综合定位误差的均值分别降低约97.0%、75.9%、81.5%和93.8%;与仅使用GNSS/INS相比,整体均值误差从2.512米降至0.156米;相较于同一点云配准流程中普通隧道结构的校正效果,专用标识校正区间内的误差进一步降低约73.6%。重要意义在于,专用标识不仅易于检测,更通过明确界定的支撑点、一致的几何特性和可控的安装条件,提供了更稳定的校正参考,且证明了在辅助传感器不可靠时,仅依赖LiDAR即可构建有效的定位校正策略。

本研究采用的关键技术方法包括:基于PointPillars的三维目标检测网络作为标识识别模块,将点云量化为鸟瞰图(Bird's-Eye View, BEV)伪图像,通过柱状特征网络(Pillar Feature Net, PFN)层、二维卷积神经网络(Convolutional Neural Network, CNN)骨干网络及颈部结构实现特征提取,最终输出检测框与分类分数;基于PCA的初始对齐结合自定义六自由度线性最小二乘配准循环作为核心校正算法,首先利用点云主成分方向矩阵计算初始旋转与平移,继而通过KD树(K-Dimensional Tree)搜索最近对应点,在线性化假设下求解状态增量,并采用回溯线搜索保证收敛稳定性;验证协议将行驶序列划分为0–15秒的隧道进入前区间、15–25秒的普通隧道结构校正区间,以及25–30秒的专用标识校正区间,通过与后处理参考轨迹对比实现定量评估。

研究结果显示:在整体分析中,GNSS/INS-only基线在隧道进入后误差快速增长,而所提方法在专用标识识别后始终保持三轴误差均值低于0.1米;在专用标识校正区间内,系统表现出短暂的瞬态波动后快速收敛,纵向误差趋近于零水平;路径对齐的俯视可视化表明,专用标识识别后方法紧密跟随真实轨迹,横向偏移维持在约0.1米范围内,而GNSS/INS-only持续偏离;专用标识与普通隧道结构校正的对比表明,前者在纵向漂移抑制方面具有86.8%的额外误差缩减优势。

讨论部分指出,该方法的贡献不在于提出通用点云配准理论,而在于将LiDAR专用基础设施参考与在线校正流程耦合,使GNSS降级隧道路段的配准问题更具可重复性。实际部署时,标识可针对性地安装于长隧道、隧道出入口、弯道及地下道路等GNSS脆弱位置,安装间距需根据预期漂移累积量、LiDAR观测范围、车速及道路几何确定。局限性包括:验证环境为受控试验场而非真实交通场景;5秒校正区间仅证明短期效果;未全面涵盖遮挡、恶劣天气、标识污染损坏等情况;后处理参考地图的绝对精度有待独立控制点验证;与车辆里程计及最新LIO框架的融合比较尚属未来工作。

研究结论部分翻译如下:本研究提出并验证了一种用于GNSS降级隧道路段的基于LiDAR的定位校正流程,该流程使用专用定位支撑标识。该方法将标识检测、点云配准和位姿校正集成至单一工作流中,使专用标识可作为定位校正的重复性几何参考。实验结果表明,与仅使用GNSS/INS的定位以及同一点云配准流程中基于普通隧道结构的校正相比,专用定位支撑标识更有效地降低了定位漂移。特别是,在专用标识被识别后,该方法显著降低了整体平均位置误差,证明了专用LiDAR可观测基础设施作为稀疏校正锚点的实用价值。总体而言,本研究表明专用定位支撑标识不仅是可视性辅助工具,而且可作为具有实际道路部署潜力的稀疏高价值投资定位基础设施。然而,验证是在受控试验场隧道中以有限车速和短校正区间进行的,因此在推广至真实交通条件、高速行驶、更长隧道路段、恶劣天气、部分遮挡及不同隧道几何形态之前,仍需进一步评估。未来工作还应将所提出框架与GNSS/INS/车辆里程计融合方法、最新LIO框架及隧道定位方法进行比较,并为实际道路应用建立部署和维护标准。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号