具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种用于激光定位的匹配方法的流程图，具体包括如下步骤：

1100、获取基于激光定位图像的激光点云数据和基于待匹配图像的待匹配栅格数据。

具体的，利用激光雷达采集车辆周围的激光定位图像，并将该激光定位图像传输至服务器，服务器从而获取到基于该激光定位图像的激光点云数据。

此外，服务器还可以从预先建立的数据库中，获取车辆的待匹配图像所对应的待匹配栅格数据。

1200、对激光点云数据进行过滤，并根据栅格化算法对滤除噪声后的激光点云数据进行处理，获得激光栅格数据。

具体的，服务器在获得激光点云数据以后，先会根据随机一致性采样算法(RANSAC，Random Sampling Consensus)对激光点云数据进行过滤，以获得滤除地面后的激光点云数据。

RANSAC算法滤除地面的模型如下式所示：

P＝{p_i|||z_i-z_i ^ransac||>T_h}

上式中，pi用于指示激光点云数据中第i个点云数据；

z_i用于指示p_i点的z值；

z_i ^ransac用于指示p_i点所对应地面的z值；

T_h用来指示判断p_i点是否位于地面的距离阈值。

需要说明的是，在实际应用中，上述随机一致性采样算法的迭代次数一般为[50,100]，该迭代次数可依据实际情况进行适应性调整，本发明实施例对随机一致性采样算法的具体迭代次数并不加以限定。

在通过RANSAC算法过滤并获得滤除地面的激光点云数据以后，服务器再会通过感兴趣区域算法对滤除地面后的激光点云数据进行过滤，以获得滤除地面且滤除动态物体后的激光点云数据。

上述滤除动态物体的过程如下式所示：

Q＝{q_i|p_i∈Region(static)}

上式中，p_i用于指示过滤地面后的激光点云数据中第i个点云数据。

在实际构建高精地图和激光定位底图的过程中，可以借助感兴趣区域算法(ROI，region of interest)对每个点云数据进行标记，以将树木等静态物体和行人等动态物体加以区分，并给对应树木等静态物体的点云数据附上静态标记，而将对应行人等动态物体的点云数据附上动态标记；在获得滤除底面的激光点云数据以后，对附有静态标记的激光点云数据进行保留，而将未附有静态标记的激光点云数据进行筛除，从而获得滤除底面且滤除动态物体后的激光点云数据。

在获得滤除地面且滤除动态物体的激光点云数据以后，服务器便会根据栅格化算法对完成过滤后的激光点云数据进行栅格化处理。

示例性的，上述栅格化处理过程可以为：

假定scale为栅格的分辨率(像素/m)，栅格共有M行N列，过滤后的激光点云数据为(x_i,y_i,z_i)，则激光点云数据栅格后对应形成的激光栅格数据(u,v)。

其中，激光栅格数据与对应的激光点云数据存在以下关联关系：

同时激光栅格数据满足如下限制条件：

需要强调的是，之所以在过滤动态物体之前先行完成地面的过滤操作，一方面是为了降低ROI算法的数据处理量，以达到提升ROI算法处理效率的目的；另一方面则是为了降低点云数据粘连情况的发生概率，以达到提升过滤效果的目的。

1300、根据相位相关算法，对激光栅格数据和待匹配栅格数据进行匹配，获得旋转参数。

其中，上述旋转参数用于说明激光定位图像和待匹配图像之间的旋转关系。

具体的，如图2所示，步骤1300的执行过程可以为：

1301、获取映射函数。

其中，映射函数用于指示激光定位图像和待匹配图像之间的旋转平移关系。

该映射函数具体为：

f₂(u,v)＝f₁(ucosθ₀-vsinθ₀+△u,usinθ₀+vcosθ₀+△v)

式中，f₂(u,v)用于指示待匹配栅格数据；

f₁(u,v)用于指示激光栅格数据；

θ₀用于指示旋转参数，即当前车辆在高精地图中的航向角；

△u用于指示激光栅格数据横坐标相对于待匹配栅格数据横坐标的偏移量；

△v用于指示激光栅格数据纵坐标相对于待匹配栅格数据纵坐标的偏移量。

1302、对映射函数进行傅里叶变换，获得幅度谱函数。

具体的，服务器对上述映射函数求取傅里叶变换以后可得变换函数：

式中，F₂(U,V)用于指示经过傅里叶变换后的待匹配栅格数据；

F₁(U,V)用于指示经过傅里叶变换后的激光栅格数据。

需要强调的是，变换函数中的θ₀、△u、△v的定义在前述映射函数中已有说明，故在此不再重复说明，并且在本实施例中，θ₀、△u、△v三个参数的定义始终不变，后文如遇上述θ₀、△u、△v三个参数，则一律按照映射函数中的定义进行解释。

在获得上述变换函数以后，对变换函数中的偏移量参数进行剔除便可获得幅度谱函数：

1303、对幅度谱函数进行互化处理，获得极坐标函数。

具体的，在获得上述幅度谱函数以后，将幅度谱函数由直角坐标转为极坐标，以此求得幅度谱函数对应的极坐标函数：

G₂(λ,θ)＝G₁(λ+lna,θ+θ₀)

式中，G₂(λ,θ)用于指示待匹配栅格数据的极坐标形态；

G₁(λ,θ)用于指示激光栅格数据的极坐标形态；

参数a用于指示尺度变换因子，其满足a>0的条件。

需要说明的是，由于尺度变换因子的数值在接近0时会给旋转参数θ₀的求解造成一定干扰，所以为降低尺度变换因子对旋转参数θ₀求解过程所造成的干扰，会在执行步骤1304之前，通过高通滤波器对激光栅格数据进行再次过滤，以使过滤后的激光栅格数据所对应的尺度变换因子满足a＝1的约束。

1304、将激光栅格数据和待匹配栅格数据代入极坐标函数中，求得所述旋转参数。

需要说明的是，在实际应用过程中，为增强旋转参数的求解精度，在将所述激光栅格数据和所述待匹配栅格数据代入所述极坐标函数中，并相应求得旋转参数θ₀以后，服务器还会根据卡尔曼滤波算法对该旋转参数θ₀进行处理，以获得精化后的旋转参数θ₀，其具体精化过程如下所示：

式中，θ₁₁用于指示根据极坐标函数所求得的旋转参数；

θ₁₂用于指示精化过程中的旋转参数；

θ₂₂用于指示精化后的旋转参数；

Q用于指示状态误差；

R用于指示观测误差。

1400、根据旋转参数对待匹配栅格数据进行旋转，获得旋转后栅格数据。

1500、根据相位相关算法，对激光栅格数据和旋转后栅格数据进行匹配，获得平移参数。

其中，上述平移参数用于说明激光定位图像和待匹配图像之间的平移关系。

在本发明实施例中，上述平移参数即为参数△u和△v。

具体的，上述平移参数的求解过程为：

由激光栅格数据和旋转后栅格数据存在平移关系可知：

f′₂(u,v)＝f₁(u+△u,v+△v)

式中，f′₂(u,v)用于指示旋转后栅格数据；

f₁(u,v)用于指示激光栅格数据。

又根据傅里叶变换的时移特性对上述平移关系进行变换可知：

F₂′(U,V)＝F₁(U,V)exp{-2jπ(U△u+V△v)}

其中，F₂′(U,V)用于指示傅里叶变换后的旋转后栅格数据。

后续可知计算频域交叉功率谱为：

式中，F₃是F₂′(U,V)的共轭。

对上述交叉功率谱进行离散傅立叶反变换(IFFT，Inverse Fast FourierTransform)可得到一个冲激函数，因为该冲激函数仅在(△u,△v)处有最大值，因此可以相应求得参数△u和△v。

可选的，为进一步提升所求得平移参数的精度，服务器还会根据亚像素算法对该平移参数进行处理，以获得精化后的平移参数。

具体的，根据亚像素算法和平移参数获得精化后的平移参数的过程为：

将根据冲激函数所求得的平移参数偏移一个单位像素，获得次平移参数。

根据幅度谱函数、旋转参数、平移参数和次平移参数获得主权值和次权值。

这其中，主权值与平移参数对应，而次权值则与次平移参数对应。

根据主权值、平移参数、次权值和次平移参数，获得精化后的平移参数。

示例性的，如图3所示，假定上述冲激函数的最大值为(x₀,y₀)，且对应的冲激函数幅度值为A₀,则根据上述亚像素算法，在该最大值的四邻域分别偏移一个单位像素后可得(x₁,y₀)、(x_-1,y₀)、(x₀,y₁)以及(x₀,y_-1)。

接着令以及

此时，根据冲激函数所求得的平移参数即为(x₀,y₀)；

而次平移参数则为和

根据前述的幅度谱函数和上述平移参数可得：

次平移参数对应的幅度值为

次平移参数对应的幅度值为

最后便可求得精化后的平移参数为：

其中，(x′,y′)即为精化后的平移参数；

此时主权值为和

而次权值则为和

1600、根据旋转参数、平移参数和待匹配栅格数据获得实际定位数据。

本实施例提供了一种用于激光定位的匹配方法，首先获取激光点云数据和待匹配栅格数据，再对激光点云数据进行过滤和栅格化处理，以便利后续的数据匹配操作；紧接着根据相位相关算法对待匹配栅格数据和激光栅格数据进行匹配，以求得用于激光定位图像和待匹配图像之间的旋转平移关系的旋转参数和平移参数；最后根据旋转参数和平移参数对待匹配栅格数据进行变换，最终得到车辆的实际定位数据。

在上述过程中，为尽可能提升实际定位数据的精度，在求得旋转参数以后，还会通过卡尔曼滤波算法来相应处理旋转参数求解过程中的误差。

同样的，在求得平移参数以后，还通过亚像素算法来突破栅格化数据的像素限制，以使所估算得到的平移参数尽可能贴合于真实的平移参数，这也能有效提升最终的实际定位数据的精度。

相较于常见的迭代最近点算法而言，本发明所提出的一种用于激光定位的匹配方法，其匹配效率更高，同时匹配误差更低。在实际应用中，迭代最近点算法的评价匹配误差一般为0.08m±0.03m，而本发明所提及的匹配方法的评价匹配误差仅为0.03m±0.01m。

实施例二

图4是本发明实施例二中的一种用于激光定位的匹配装置的结构示意图，该匹配装置具体可以包括：

获取模块2100，用于获取基于激光定位图像的激光点云数据和基于待匹配图像的待匹配栅格数据。

栅格化模块2200，用于对所述激光点云数据进行过滤，并根据栅格化算法对滤除噪声后的激光点云数据进行处理，获得激光栅格数据。

旋转匹配模块2300，用于根据相位相关算法，对所述激光栅格数据和所述待匹配栅格数据进行匹配，获得旋转参数，所述旋转参数用于说明所述激光定位图像和所述待匹配图像之间的旋转关系。

平移匹配模块2400，用于根据所述旋转参数对所述待匹配栅格数据进行旋转，获得旋转后栅格数据，并根据所述相位相关算法，对所述激光栅格数据和所述旋转后栅格数据进行匹配，获得平移参数，所述平移参数用于说明所述激光定位图像和所述待匹配图像之间的平移关系。

定位模块2500，用于根据所述旋转参数、所述平移参数和所述待匹配栅格数据获得实际定位数据。

进一步的，栅格化模块2200具体包括：

切割单元，用于根据随机一致性采样算法对激光点云数据进行过滤，获得滤除地面后的激光点云数据。

过滤单元，用于根据感兴趣区域算法对滤除地面后的激光点云数据进行过滤，获得滤除地面且滤除动态物体后的激光点云数据。

栅格单元，用于根据栅格化算法对滤除地面且滤除动态物体后的的激光点云数据进行处理，获得激光栅格数据。

进一步的，旋转匹配模块2300具体包括：

获取单元，用于获取映射函数，所述映射函数用于指示激光定位图像和待匹配图像之间的旋转平移关系。

相位相关单元，用于对映射函数进行傅里叶变换，获得幅度谱函数。

坐标系互化单元，用于对幅度谱函数进行互化处理，获得极坐标函数。

旋转参数计算单元，用于将激光栅格数据和待匹配栅格数据代入极坐标函数中，求得所述旋转参数。

更进一步的，旋转参数计算单元具体包括：

高通滤波子单元，用于根据高通滤波器对激光栅格数据进行过滤，获得过滤后的激光栅格数据。

旋转参数计算子单元，用于将待匹配栅格数据和过滤后的激光栅格数据代入极坐标函数中，求得旋转参数。

进一步的，平移匹配模块2400具体包括：

误差处理单元，用于根据卡尔曼滤波算法对旋转参数进行处理，获得精化后的旋转参数。

图像旋转单元，用于根据精化后的旋转参数，对待匹配栅格数据进行旋转，获得旋转后栅格数据。

平移匹配单元，用于根据相位相关算法，对激光栅格数据和旋转后栅格数据进行匹配，获得平移参数。

进一步的，定位模块2500具体包括：

精化单元，用于根据亚像素算法对平移参数进行处理，并获得精化后的平移参数。

定位单元，用于根据旋转参数、待匹配栅格数据和精化后的平移参数获得实际定位数据。

更进一步的，精化单元具体包括：

偏移子单元，用于将平移参数偏移一个单位像素，以获得次平移参数。

加权子单元，用于根据幅度谱函数、旋转参数、平移参数和次平移参数获得主权值和次权值，所述主权值与平移参数对应，所述次权值与次平移参数对应。

精化子单元，用于根据主权值、平移参数、次权值和次平移参数，获得精化后的平移参数。

本实施例的技术方案，通过提供了一种用于激光定位的匹配装置，解决了现有激光定位过程中匹配速度慢且匹配精度低的问题。

实施例三

图5为本发明实施例三提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括存储器3100、处理器3200，计算机设备中处理器3200的数量可以是一个或多个，图5中以一个处理器3200为例；设备中的存储器3100、处理器3200可以通过总线或其他方式连接，图5中以通过总线连接为例。

存储器3100作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的电源适配器测试方法对应的程序指令/模块(例如，电源适配器测试装置中的接收模块3100、控制模块3200、计算模块3300)。处理器3200通过运行存储在存储器3100中的软件程序、指令以及模块，从而执行设备/终端/设备的各种功能应用以及数据处理，即实现上述的匹配方法。

其中，处理器3200用于运行存储在存储器3100中的计算机程序，实现如下步骤：

获取基于激光定位图像的激光点云数据和基于待匹配图像的待匹配栅格数据；

对激光点云数据进行过滤，并根据栅格化算法对滤除噪声后的激光点云数据进行处理，获得激光栅格数据；

根据相位相关算法，对激光栅格数据和待匹配栅格数据进行匹配，获得旋转参数，所述旋转参数用于说明激光定位图像和待匹配图像之间的旋转关系；

根据旋转参数对待匹配栅格数据进行旋转，获得旋转后栅格数据；

根据相位相关算法，对激光栅格数据和旋转后栅格数据进行匹配，获得平移参数，平移参数用于说明激光定位图像和待匹配图像之间的平移关系；

根据旋转参数、平移参数和待匹配栅格数据获得实际定位数据。

在其中一个实施例中，本发明实施例所提供的一种计算机设备,其计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的匹配方法中的相关操作。

存储器3100可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器3100可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器3100可进一步包括相对于处理器3200远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

实施例四

本发明实施例四还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，计算机程序包括程序指令，该程序指令被处理器执行时实现一种用于激光定位的匹配方法，该匹配方法包括：

获取基于激光定位图像的激光点云数据和基于待匹配图像的待匹配栅格数据；

对激光点云数据进行过滤，并根据栅格化算法对滤除噪声后的激光点云数据进行处理，获得激光栅格数据；

根据相位相关算法，对激光栅格数据和待匹配栅格数据进行匹配，获得旋转参数，所述旋转参数用于说明激光定位图像和待匹配图像之间的旋转关系；

根据旋转参数对待匹配栅格数据进行旋转，获得旋转后栅格数据；

根据相位相关算法，对激光栅格数据和旋转后栅格数据进行匹配，获得平移参数，平移参数用于说明激光定位图像和待匹配图像之间的平移关系；

根据旋转参数、平移参数和待匹配栅格数据获得实际定位数据。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的匹配方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，设备，或者网络设备等)执行本发明各个实施例所述的方法。

值得注意的是，上述用于激光定位的匹配装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。