一种激光雷达定位方法、装置、计算机设备和存储介质与流程

1.本技术涉及激光雷达技术领域，特别是涉及一种激光雷达定位方法、装置、计算机设备和存储介质。


背景技术：

2.定位技术是多种应用领域的关键技术之一，尤其在工业场地中会存在大量的自主移动平台，这些移动平台在执行特定任务时总是按一定轨迹进行周期运动，在其运动的轨迹中需要准确了解其位置信息以实现工业流程的正常运转，因此对于这些移动平台定位的精准程度显得十分重要。
3.目前，基于图像识别的定位方法较为精准，因此存在将图像识别和神经网络结合的技术、获取实时图像特征数据的技术或通过设置uwb(ultra wide band，超带宽)定位标签实现定位等，但这些技术或需要大量的数据与算力、或容易被实时环境因素影响定位精度、或造价昂贵且施工复杂。


技术实现要素：

4.基于此，提供一种激光雷达定位方法、装置、计算机设备和存储介质，改善现有技术中定位精度低、实现精准定位的条件苛刻的问题。
5.一方面，提供一种激光雷达定位方法，所述方法包括：
6.根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
7.将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
8.获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
9.在其中一个实施例中，获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
10.根据所述里程计数据得到所述移动平台的位置信息，根据所述惯性数据得到所述移动平台的姿态信息，根据所述坐标数据得到所述移动平台与所述激光反射点的相对位置信息，将所述位置信息、所述姿态信息和所述相对位置信息融合，得到所述定位数据。
11.在其中一个实施例中，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
12.将所述坐标数据和所述惯性数据通过卡尔曼滤波，得到第一局部估计值和第一协方差阵；
13.将所述惯性数据和所述里程计数据通过卡尔曼滤波，得到第二局部估计值和第二协方差阵；
14.将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵进行融合，得到最优估计值和最优协方差阵，根据所述最优估计值和最优协方差阵得到所述定位数据。
15.在其中一个实施例中，还包括：
16.根据所述定位数据，获取所述移动平台的工作区域，根据所述工作区域调整相应的预设的噪声协方差阵；
17.若所述定位数据改变，对应修改所述噪声协方差阵，以避免在数据融合时噪声数据对所述最优估计值产生干扰。
18.在其中一个实施例中，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据包括：
19.将当前帧获取的所述反射数据与已经获取的所述反射数据进行匹配，得到与当前帧所述反射数据的特征信息，根据所述特征信息和所述激光反射的强度，将所述反射数据过滤，得到所述点云数据。
20.在其中一个实施例中，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据包括：
21.根据所述点云数据的所述特征信息，对所述点云数据进行图像分割和特征描述，得到点云分割和点云描述，将所述点云分割和所述点云描述与所述路标数据中相似的路标分割和路标描述进行匹配，得到分割对；
22.对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量；
23.根据所述旋转矩阵、所述平移向量和所述路标数据，计算所述坐标数据。
24.在其中一个实施例中，对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量包括：
25.对所述分割对进行几何验证，将通过所述几何验证的所述分割对进行旋转和平移，以使所述分割对之间的距离最小，得到所述旋转矩阵和所述平移向量。
26.另一方面，提供了一种雷达定位装置，所述装置包括：
27.采集模块，用于根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
28.计算模块，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
29.定位模块，用于获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
30.再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
31.根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
32.将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数
据；
33.获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
34.又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
35.根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
36.将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
37.获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
38.上述激光雷达定位方法、装置、计算机设备和存储介质，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据，可以获取所需的环境参照数据；通过将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据，可以获取移动平台与激光反射点的相对位置关系，增加定位精准度；获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据，通过多类数据融合计算，能获取移动平台的位姿，增加定位数据的可靠程度。
附图说明
39.图1为一个实施例中激光雷达定位方法的应用环境图；
40.图2为一个实施例中激光雷达定位方法的流程示意图；
41.图3为一个实施例中融合定位滤波器的一种设置方式示意图；
42.图4为一个实施例中根据旋转矩阵和平移向量获取坐标数据的流程示意图；
43.图5为一个实施例中激光雷达定位装置的结构框图；
44.图6为一个实施例中计算机设备的内部结构图。
具体实施方式
45.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
46.本技术提供的激光雷达定位方法，可以应用于如图1所示的应用环境中。其中，移动平台101通过激光雷达102发射激光，采集激光反射点103的反射激光以获取反射数据。根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，
得到定位数据。其中，图1仅为对应用环境的示例性描述，并非对图中所示的各个元件类型及构造作出的限定，工业器械101的类型可以但不限于如图1中所示，激光雷达102的设置方式可以但不限于如图1中所示，激光反射点103的构造与设置方式可以但不限于如图1中所示。
47.在一个实施例中，如图2所示，提供了一种激光雷达定位方法，以该方法应用于图1中的应用场景为例进行说明，包括以下步骤：
48.步骤s1，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据。
49.其中，在使用激光雷达时通常设有激光反射点，用以反射相关数据，激光雷达接收到反射数据后，将得到的激光反射点的外观表面的点数据集合称之为点云。
50.具体地，激光雷达发射激光到激光反射点，该激光反射点可以是一种记载某种信息的反射板，反射板将激光相应地反射回去，此时的反射数据已经具有反射板上的特征信息，将反射数据根据特征信息和激光反射的强度进行滤波，去除噪点，得到所需的点云数据。
51.还需说明的是，可以对点云数据进行预处理，其中包括对点云数据进行畸变校正和点云增强处理。
52.步骤s2，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据。
53.其中，预设的路标数据可以存储在路标地图库中，旋转矩阵和平移向量表示了移动平台和激光反射点之间的相对位置关系。
54.具体地，在路标地图库中查找与点云数据匹配的路标数据，相当于获取匹配成功后的激光反射点所记载的信息，其中包括：旋转矩阵和平移向量，可通过旋转矩阵和平移向量，计算出在根据工业场地预设的全局坐标系中对应的全局坐标，得到移动平台的坐标数据。
55.步骤s3，获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
56.其中，惯性数据可以由imu(inertial measurement unit,惯性传感器)获得，惯性传感器主要用来检测和测量加速度与旋转运动，里程计数据可以由轮速里程计获得。
57.具体地，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，对移动平台的位置与姿态进行多维度的估计，即可得到移动平台的定位数据。
58.上述激光雷达定位方法中，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据，可以获取所需的环境参照数据；通过将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据，可以获取移动平台与激光反射点的相对位置关系，增加定位精准度；获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据，通过多类数据融合计算，能获取移动平台的位姿，增加定位数据的可靠程度。
59.在其中一个实施例中，获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
60.根据所述里程计数据得到所述移动平台的位置信息，根据所述惯性数据得到所述移动平台的姿态信息，根据所述坐标数据得到所述移动平台与所述激光反射点的相对位置信息，将所述位置信息、所述姿态信息和所述相对位置信息融合，得到所述定位数据。
61.需要说明的是，可以将坐标数据、里程计数据转化到全局坐标系下，便于数据处理和定位。
62.在其中一个实施例中，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
63.将所述坐标数据和所述惯性数据通过卡尔曼滤波，得到第一局部估计值和第一协方差阵；
64.将所述惯性数据和所述里程计数据通过卡尔曼滤波，得到第二局部估计值和第二协方差阵；
65.将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵进行融合，得到最优估计值和最优协方差阵，根据所述最优估计值和最优协方差阵得到所述定位数据。
66.示例性地说明，可以构建融合定位滤波器，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
67.具体地，可以根据imu和坐标数据构建子滤波器1，通过卡尔曼滤波能够得到第一局部估计值和第一协方差阵；根据imu和里程计数据构造子滤波器2，通过卡尔曼滤波能够得到第二局部估计值和第二协方差阵；将子滤波器1和子滤波器2与其它预设的滤波器进行融合，得到融合定位滤波器，将将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵输入融合定位滤波器，可以得到最优估计值和最优协方差阵。
68.在其中一个实施例中，还包括：
69.根据所述定位数据，获取所述移动平台的工作区域，根据所述工作区域调整相应的预设的噪声协方差阵；
70.若所述定位数据改变，对应修改所述噪声协方差阵，以避免在数据融合时噪声数据对所述最优估计值产生干扰。
71.其中，在不同的工业场地中，不同的移动平台会有不同的工作区域，在不同的工作区域也会存在不同的噪声数据对定位数据的计算产生干扰，因此根据工作区域调整对应的噪声协方差阵。
72.具体地，当移动平台改变工作区域时，动态修改相应定位区域的噪声协方差阵，改变对应的滤波器在计算融合过程中的权重占比，以避免其它无效的噪声数据对最优估计值产生干扰。
73.在一个实施例中，还包括对融合定位滤波器的设置：
74.为便于理解，提供图3作为融合定位滤波器的其中一种设置方式进行参考，示例性地说明，融合定位滤波器可以采用联邦kalman滤波器架构，由若干个子滤波器构成，各子滤波器系统的状态方程与观测方程为：
75.xi(k 1)＝φi(k 1,k)xi(k) γi(k 1)ωi(k)
76.zi(k)＝hi(k)xi(k) υi(k)
77.其中，xi是移动平台的运动状态，φ是子滤波器系统的状态转移矩阵，γi是系统的噪声阵，wi及vi是零均值的白噪声序列，其协方差阵为qi及ri，zi是移动平台的定位数据的量测，输入为传感器的量测值，其中，惯性数据表示为测，输入为传感器的量测值，其中，惯性数据表示为表示移动平台设备在全局坐标系的x，y方向上的加速度，表示目标的翻滚角、航向角、俯仰角的角速度，将坐标数据和里程计数据转化到全局坐标系下，便于对数据处理和定位，坐标数据表示为(x
1k
,y
1k
)，里程计数据表示为(x
2k
,y
2k
)；
78.设旋转矩阵r和平移向量t，最优估计值及最优协方差阵pg，和pi表示第i个子滤波器的估计和方差，和pm表示融合定位滤波器的估计和方差，当移动平台改变工作区域时，根据融合定位滤波算法，对相关数据进行调整：
79.数据分配：
[0080][0081][0082][0083]
上述公式中，βi是数据分配系数，并满足：
[0084][0085]
各子滤波器和融合定位滤波器进行时间更新：
[0086][0087]
pi(k 1,k)＝φ(k 1,k)pi(k)φ
t
(k 1,k) γ(k 1,k)qi(k)γ
t
(k 1,k)
[0088]
各子滤波器进行测量更新：
[0089][0090][0091]
融合定位滤波器进行数据融合，得到最优估计值
[0092][0093][0094]
其中，预设阈值矩阵t，当移动平台离开当前传感器的工作区域后，相应的将旋转矩阵r设定为阈值矩阵t，相应子滤波器在数据融合中的权重与成正比，当r增大时权重减小，避免无效数据对联邦kalman滤波器最优估计值的产生干扰。
[0095]
在其中一个实施例中，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据包括：
[0096]
将当前帧获取的所述反射数据与已经获取的所述反射数据进行匹配，得到与当前帧所述反射数据的特征信息，根据所述特征信息和所述激光反射的强度，将所述反射数据
过滤，得到所述点云数据。
[0097]
示例性地说明，可以通过配准的方式，将每帧反射数据进行匹配，配准指的是同一区域内以不同成像手段所获得的不同图像图形的坐标的匹配，包括几何纠正、投影变换与统一比例尺三方面等处理。
[0098]
具体地，对两幅图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对，然后通过匹配的特征点对得到图像空间坐标变换参数，最后由坐标变换参数进行图像配准。
[0099]
在其中一个实施例中，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据包括：
[0100]
根据所述点云数据的所述特征信息，对所述点云数据进行图像分割和特征描述，得到点云分割和点云描述，将所述点云分割和所述点云描述与所述路标数据中相似的路标分割和路标描述进行匹配，得到分割对；
[0101]
对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量；
[0102]
根据所述旋转矩阵、所述平移向量和所述路标数据，计算所述坐标数据。
[0103]
其中，几何验证包括几何校正，几何校正指的是可以通过一系列的数学模型来改正和消除遥感影像成像时因摄影材料变形、物镜畸变、大气折光、地球曲率、地球自转、地形起伏等因素导致的原始图像上各地物的几何位置、形状、尺寸、方位等特征与在参照系统中的表达要求不一致时产生的变形；之后还可以对校正后的数据进行验证。
[0104]
在其中一个实施例中，对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量包括：
[0105]
对所述分割对进行几何验证，将通过所述几何验证的所述分割对进行旋转和平移，以使所述分割对之间的距离最小，得到所述旋转矩阵和所述平移向量。
[0106]
示例性地说明，可以对通过几何验证的分割对使用icp(iterative closest point，迭代最近点)算法进行修正。
[0107]
示例性地结合图4对根据旋转矩阵和所述平移向量获取坐标数据的步骤进行说明，具体地，在路标地图库中查找和点云分割、点云描述相似的路标分割、路标描述，组成分割对，通过不断迭代地旋转、平移使得分割对之间的距离最小来实现精准拼合，建立最小二乘误差约束e(r,t)，其中r表示的旋转矩阵，t表示的平移向量，采用奇异值分解等方法求解目标函数，得到最优的移动平台与激光反射点之间的旋转矩阵和平移向量，根据旋转矩阵和平移向量在路标地图库中查找该激光反射点的实际位置，得到所述坐标数据，计算出在先验地图中当前移动平台的位姿。
[0108]
应该理解的是，虽然图2、图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0109]
在一个实施例中，如图5所示，提供了一种激光雷达定位装置，包括：采集模块、计算模块和定位模块，其中：
[0110]
采集模块，用于根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
[0111]
计算模块，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
[0112]
定位模块，用于获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
[0113]
在其中一个实施例中，获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
[0114]
根据所述里程计数据得到所述移动平台的位置信息，根据所述惯性数据得到所述移动平台的姿态信息，根据所述坐标数据得到所述移动平台与所述激光反射点的相对位置信息，将所述位置信息、所述姿态信息和所述相对位置信息融合，得到所述定位数据。
[0115]
在其中一个实施例中，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据包括：
[0116]
将所述坐标数据和所述惯性数据通过卡尔曼滤波，得到第一局部估计值和第一协方差阵；
[0117]
将所述惯性数据和所述里程计数据通过卡尔曼滤波，得到第二局部估计值和第二协方差阵；
[0118]
将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵进行融合，得到最优估计值和最优协方差阵，根据所述最优估计值和最优协方差阵得到所述定位数据。
[0119]
在其中一个实施例中，还包括：
[0120]
根据所述定位数据，获取所述移动平台的工作区域，根据所述工作区域调整相应的预设的噪声协方差阵；
[0121]
若所述定位数据改变，对应修改所述噪声协方差阵，以避免在数据融合时噪声数据对所述最优估计值产生干扰。
[0122]
在其中一个实施例中，根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据包括：
[0123]
将当前帧获取的所述反射数据与已经获取的所述反射数据进行匹配，得到与当前帧所述反射数据的特征信息，根据所述特征信息和所述激光反射的强度，将所述反射数据过滤，得到所述点云数据。
[0124]
在其中一个实施例中，将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据包括：
[0125]
根据所述点云数据的所述特征信息，对所述点云数据进行图像分割和特征描述，得到点云分割和点云描述，将所述点云分割和所述点云描述与所述路标数据中相似的路标分割和路标描述进行匹配，得到分割对；
[0126]
对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量；
[0127]
根据所述旋转矩阵、所述平移向量和所述路标数据，计算所述坐标数据。
[0128]
在其中一个实施例中，对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量包括：
[0129]
对所述分割对进行几何验证，将通过所述几何验证的所述分割对进行旋转和平移，以使所述分割对之间的距离最小，得到所述旋转矩阵和所述平移向量。
[0130]
关于激光雷达定位装置的具体限定可以参见上文中对于激光雷达定位方法的限定，在此不再赘述。上述激光雷达定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0131]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储激光雷达定位的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种激光雷达定位方法。
[0132]
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0133]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
[0134]
根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
[0135]
将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
[0136]
获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
[0137]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0138]
根据所述里程计数据得到所述移动平台的位置信息，根据所述惯性数据得到所述移动平台的姿态信息，根据所述坐标数据得到所述移动平台与所述激光反射点的相对位置信息，将所述位置信息、所述姿态信息和所述相对位置信息融合，得到所述定位数据。
[0139]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0140]
将所述坐标数据和所述惯性数据通过卡尔曼滤波，得到第一局部估计值和第一协方差阵；
[0141]
将所述惯性数据和所述里程计数据通过卡尔曼滤波，得到第二局部估计值和第二协方差阵；
[0142]
将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵进行融合，得到最优估计值和最优协方差阵，根据所述最优估计值和最优协方差阵得到所述定位数据。
[0143]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0144]
根据所述定位数据，获取所述移动平台的工作区域，根据所述工作区域调整相应的预设的噪声协方差阵；
[0145]
若所述定位数据改变，对应修改所述噪声协方差阵，以避免在数据融合时噪声数据对所述最优估计值产生干扰。
[0146]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0147]
将当前帧获取的所述反射数据与已经获取的所述反射数据进行匹配，得到与当前帧所述反射数据的特征信息，根据所述特征信息和所述激光反射的强度，将所述反射数据过滤，得到所述点云数据。
[0148]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0149]
根据所述点云数据的所述特征信息，对所述点云数据进行图像分割和特征描述，得到点云分割和点云描述，将所述点云分割和所述点云描述与所述路标数据中相似的路标分割和路标描述进行匹配，得到分割对；
[0150]
对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量；
[0151]
根据所述旋转矩阵、所述平移向量和所述路标数据，计算所述坐标数据。
[0152]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0153]
对所述分割对进行几何验证，将通过所述几何验证的所述分割对进行旋转和平移，以使所述分割对之间的距离最小，得到所述旋转矩阵和所述平移向量。
[0154]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0155]
根据激光反射点的激光反射获取反射数据，根据所述反射数据的特征信息和所述激光反射的强度，对所述反射数据进行滤波，得到点云数据；
[0156]
将所述点云数据与预设的路标数据进行匹配，得到移动平台与所述激光反射点间的旋转矩阵和平移向量，根据所述旋转矩阵和所述平移向量得到所述移动平台的坐标数据；
[0157]
获取惯性数据和里程计数据，将所述坐标数据、所述惯性数据和所述里程计数据进行融合，得到定位数据。
[0158]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0159]
根据所述里程计数据得到所述移动平台的位置信息，根据所述惯性数据得到所述移动平台的姿态信息，根据所述坐标数据得到所述移动平台与所述激光反射点的相对位置信息，将所述位置信息、所述姿态信息和所述相对位置信息融合，得到所述定位数据。
[0160]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0161]
将所述坐标数据和所述惯性数据通过卡尔曼滤波，得到第一局部估计值和第一协方差阵；
[0162]
将所述惯性数据和所述里程计数据通过卡尔曼滤波，得到第二局部估计值和第二协方差阵；
[0163]
将所述第一局部估计值、所述第一协方差阵、所述第二局部估计值和所述第二协方差阵进行融合，得到最优估计值和最优协方差阵，根据所述最优估计值和最优协方差阵得到所述定位数据。
[0164]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0165]
根据所述定位数据，获取所述移动平台的工作区域，根据所述工作区域调整相应的预设的噪声协方差阵；
[0166]
若所述定位数据改变，对应修改所述噪声协方差阵，以避免在数据融合时噪声数据对所述最优估计值产生干扰。
[0167]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0168]
将当前帧获取的所述反射数据与已经获取的所述反射数据进行匹配，得到与当前帧所述反射数据的特征信息，根据所述特征信息和所述激光反射的强度，将所述反射数据过滤，得到所述点云数据。
[0169]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0170]
根据所述点云数据的所述特征信息，对所述点云数据进行图像分割和特征描述，得到点云分割和点云描述，将所述点云分割和所述点云描述与所述路标数据中相似的路标分割和路标描述进行匹配，得到分割对；
[0171]
对所述分割对进行几何验证，得到所述旋转矩阵和所述平移向量；
[0172]
根据所述旋转矩阵、所述平移向量和所述路标数据，计算所述坐标数据。
[0173]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0174]
对所述分割对进行几何验证，将通过所述几何验证的所述分割对进行旋转和平移，以使所述分割对之间的距离最小，得到所述旋转矩阵和所述平移向量。
[0175]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0176]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0177]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。