無人汽車沒有“大腦”，上街就像盲人一樣,。但以無人汽車為代表的自動駕駛設(shè)備,，有一項叫做“即時定位與構(gòu)建”（英文縮寫為SLAM）的核心技術(shù)特別難“搞定”,，是當(dāng)今人工智能與自動化領(lǐng)域亟待突破的難點之一,。

　　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)的科研團隊,，在攝影測量與遙感領(lǐng)域國際頂級期刊《ISPRS攝影測量和遙感雜志》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)域生長提取平面特征的點云配準(zhǔn)和定位方法,，賦予了無人駕駛設(shè)備眼睛和大腦,，將成為實現(xiàn)自動駕駛的重要技術(shù)之一。

　　該論文以“基于體素平面特征的點云配準(zhǔn)與定位”為標(biāo)題,，提出了面向點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,，超過了91%，可讓無人設(shè)備實時感知并重建周圍環(huán)境，確定自身當(dāng)前位置及姿態(tài),。同時該算法具備運算速度快的優(yōu)勢,，可為設(shè)備提供較強的適應(yīng)性，在機器人尋路,、自動駕駛及增強現(xiàn)實領(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,，以滿足于更大場景,、更短時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云配準(zhǔn)流程

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

圖三：全局定位組合平面特征與增強描述符