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備,，有一項叫做“即時定位與構建”（英文縮寫為SLAM）的核心技術特別難“搞定”，是當今人工智能與自動化領域亟待突破的難點之一,。

　　5日,，福州大學物理與信息工程學院副研究員李建微、環(huán)境與安全工程學院副教授王前鋒帶領的科研團隊,，在攝影測量與遙感領域國際頂級期刊《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閾值區(qū)域生長提取平面特征的點云配準和定位方法，賦予了無人駕駛設備眼睛和大腦,，將成為實現(xiàn)自動駕駛的重要技術之一,。

　　該論文以“基于體素平面特征的點云配準與定位”為標題，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,，該算法的配準成功率達到96%以上,，是領域內(nèi)目前最好的配準方法之一；并且在定位成功率上有顯著提升,，超過了91%,，可讓無人設備實時感知并重建周圍環(huán)境,，確定自身當前位置及姿態(tài)。同時該算法具備運算速度快的優(yōu)勢,，可為設備提供較強的適應性,，在機器人尋路、自動駕駛及增強現(xiàn)實領域具有廣闊的應用前景,。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流程

圖二：（a）點云數(shù)據(jù)配準前,；（b）點云數(shù)據(jù)配準后；（c）和（d）點云配準后的局部細節(jié)

圖三：全局定位組合平面特征與增強描述符