無(wú)人汽車(chē)沒(méi)有“大腦”，上街就像盲人一樣。但以無(wú)人汽車(chē)為代表的自動(dòng)駕駛設(shè)備，有一項(xiàng)叫做“即時(shí)定位與構(gòu)建”（英文縮寫(xiě)為SLAM）的核心技術(shù)特別難“搞定”，是當(dāng)今人工智能與自動(dòng)化領(lǐng)域亟待突破的難點(diǎn)之一。

　　5日，福州大學(xué)物理與信息工程學(xué)院副研究員李建微、環(huán)境與安全工程學(xué)院副教授王前鋒帶領(lǐng)的科研團(tuán)隊(duì)，在攝影測(cè)量與遙感領(lǐng)域國(guó)際頂級(jí)期刊《ISPRS攝影測(cè)量和遙感雜志》上在線發(fā)表論文，他們提出的基于體素和自適應(yīng)閾值區(qū)域生長(zhǎng)提取平面特征的點(diǎn)云配準(zhǔn)和定位方法，賦予了無(wú)人駕駛設(shè)備眼睛和大腦，將成為實(shí)現(xiàn)自動(dòng)駕駛的重要技術(shù)之一。

　　該論文以“基于體素平面特征的點(diǎn)云配準(zhǔn)與定位”為標(biāo)題，提出了面向點(diǎn)云特征的高效提取方法，并利用所提取的特征建立了一種點(diǎn)云粗配準(zhǔn)框架和全局定位方法，分別用于重建三維環(huán)境與確定相對(duì)于環(huán)境的自身位姿。

　　據(jù)了解，該算法的配準(zhǔn)成功率達(dá)到96%以上，是領(lǐng)域內(nèi)目前最好的配準(zhǔn)方法之一；并且在定位成功率上有顯著提升，超過(guò)了91%，可讓無(wú)人設(shè)備實(shí)時(shí)感知并重建周?chē)h(huán)境，確定自身當(dāng)前位置及姿態(tài)。同時(shí)該算法具備運(yùn)算速度快的優(yōu)勢(shì)，可為設(shè)備提供較強(qiáng)的適應(yīng)性，在機(jī)器人尋路、自動(dòng)駕駛及增強(qiáng)現(xiàn)實(shí)領(lǐng)域具有廣闊的應(yīng)用前景。不僅如此，該算法創(chuàng)新地實(shí)現(xiàn)了不同方法在特征提取層面的高效融合，以滿足于更大場(chǎng)景、更短時(shí)間及更高精度的定位及定姿要求。

圖一：基于體素平面特征的點(diǎn)云配準(zhǔn)流程

圖二：（a）點(diǎn)云數(shù)據(jù)配準(zhǔn)前；（b）點(diǎn)云數(shù)據(jù)配準(zhǔn)后；（c）和（d）點(diǎn)云配準(zhǔn)后的局部細(xì)節(jié)

圖三：全局定位組合平面特征與增強(qiáng)描述符