2.3.2 高精地图匹配技术的基本原理

对于结构化道路，可以利用激光雷达输出的点云数据结合高精地图匹配算法实现智能网联汽车的高精度定位。高精地图匹配技术的基本原理为，激光雷达或摄像头采集的环境数据与预先绘制好的高精电子地图进行匹配，演算出智能车在高精电子地图上的位置，从而得到智能车的精确位置。

图2-22所示流程为典型高精度地图制作方案，卫星基站的校正数据和移动站的原始定位数据进行后处理可以得到精度更高的差分定位结果。激光雷达采集到的点云数据结合车辆自身的位置转换到全局坐标，并通过人工筛选、识别算法等方式提取出车道线、交通标志、建筑物等特征，这些精确到厘米级的点特征组合到一起形成了信息丰富的高精度（Highly Definition, HD）地图。同时，将全景影像数据映射到原始的点云上，可以为地图添加色彩[28]。

基于高精点云地图的定位过程：激光雷达扫描所得的点云数据通过点云库（Point Cloud Library, PCL）转换成多个时间戳点云帧所组成的点云地图，然后激光雷达实时扫描的点云数据与点云地图进行匹配后输出激光雷达载体所在的点云地图的位置，实现点云地图下的相对定位。

基于高精点云地图的定位要得到较好的定位效果，需具备两个条件：一是较为完整和准确的高精点云地图。高精点云地图是匹配的参考点，当匹配的参考点不准确或不可靠时，即使激光雷达扫描的点云数据再好，定位的结果都是不可靠的。二是能够实现实时匹配和具有相应准确度的匹配算法，由于智能车实时运行，如何选取合适的匹配算法减少点云匹配的计算量以同时满足实时性的需求和定位精度的需求，是实现良好定位效果的重要研究方向[29]。