記者從福州大學獲悉，該?？蒲袌F隊提出“基于體素平面特征的點云配準與定位”的新方法，相當于賦予了無人駕駛設備“新”的眼睛和大腦，是當今自動駕駛領域研究的一個重要突破。相關成果日前在線發(fā)表于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。該文章是以福州大學李建微副研究員為第一作者，王前鋒副教授為通訊作者。

據(jù)李建微介紹，以無人汽車為代表的自動駕駛設備是當前產(chǎn)業(yè)競爭的新焦點，其核心之一便是一種被稱“即時定位與構建”的智能技術，是當今人工智能與自動化領域亟待突破的難點之一。其中，點云數(shù)據(jù)是實現(xiàn)地物三維構建的關鍵數(shù)據(jù)源。配準算法多用于相對位姿估計與完整三維環(huán)境信息的構建，而定位算法是利用已知環(huán)境信息實現(xiàn)感知、規(guī)劃和控制的基礎。現(xiàn)有的點云配準和定位算法涉及大數(shù)據(jù)運算消耗，以及如何實現(xiàn)與空間精度間的折衷權衡等問題。

為此，福州大學科研團隊針對更快速和精確點云匹配準和定位這一產(chǎn)業(yè)需求，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。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;定位成功率超過了91%，較原有的也有顯著提升。

“此舉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)?！崩罱ㄎ⒄f，該算法還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，該算法還創(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。

關鍵詞： 福州大學 環(huán)境信息 的適應性 以及如何 人工智能