{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,27]]，“日期时间”：“2024-03-27T11:10:23Z”，“时间戳”：1711537823726}，“参考计数”：34，“出版商”：“富士科技出版社”，“问题”：“2”，“资助者”：[{“名称”：“高精度地图和融合定位的演示与验证”，“奖项”：[“2021YFB2501105”]}，{“name”：“基于视觉计算的自动驾驶实时城市道路场景理解”，“奖项“：[”61871039“]}：“北京市高水平教师团队建设支持项目高水平创新团队建设计划”，“奖项”：[“IDHT20170511”]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“短容器-时间”：[”JACIII“，”J.Adv.Compute.Intell.Intell.Inform.“]，“published-print”:{“date-parts”：[2022,3,20]}，”摘要“：”LiDAR SLAM技术是自动车辆精确导航的重要方法，是自动车辆在复杂公园非结构化道路环境中安全驾驶的前提。提出了一种LiDAR快速点云配准算法，该算法通过正态分布变换（NDT）和点对线迭代最近点（PLICP）相结合，实现了自动车辆点云的快速准确定位和映射。首先，应用NDT点云配准算法对相邻帧之间的点云进行粗配准，实现自动车辆姿态的粗估计。然后，采用PLICP点云配准算法对点云的粗配准结果进行修正。此步骤完成点云的精确配准，并实现自动车辆姿势的准确估计。最后，云注册会随着时间的推移而累积，点云信息会不断更新以构建点云地图。通过大量实验，我们将该算法与PLICP进行了比较。相邻帧之间点云配准的平均迭代次数减少了6.046。相邻帧间点云配准的平均运行时间减少了43.05156ms。点云配准器的计算效率提高了约51.7%。通过应用KITTI数据集，NDT-ICP的计算效率比LeGO-LOAM高约60%。该方法在复杂的停车环境中，利用车载激光雷达实现了自动车辆的精确定位和地图绘制，并应用于小型旋风自动车辆。结果表明，该算法是可靠有效的<\/jats:p>“，”DOI“：”10.20965\/jacii.2022.p0206“，”type“：”journal-article“，”created“：{”date-parts“：[[2022,3,19]]，”date-time“：”2022-03-19T15:02:06Z“，”timestamp“：1647702126000}，”page“：“206-216”，“source”：“Crossref”，“is-referenced-by-count”：4，“title”：[“高精度和快速LiDAR测深和映射算法”]，“前缀”：“10.20965“，”卷“：”26“，”作者“：[{”给定“：”青山“，”家庭“：”王“，”序列“：”第一“，”从属“：[]}，{”给出“：”军“，”家族“：”张“，”顺序“：”附加“，”隶属“：[]}，，{“给定”：“源生”，“家庭”：“刘”，“序列”：“附加”，“从属”：[]neneneep name“：”CATARC（天津）中国天津市东丽区先锋东路68号汽车工程研究院有限公司，邮编300300“，“sequence”：“additional”，“affiliation”：[]}，{“name”：“中国北京朝阳区北四环东路97号北京联合大学机器人学院”，“se序列”：“附加”，“faliation”:[]}]，“member”：“8550”，“published-online“：{“date-parts”：[[2022,3,20]]}，“reference”：[{“key”：“key-10.20965\/jacii.2022.p0206-1”，“doi-asserted-by”：“crossref”，”unstructured“：”K.M.Wurm，C.Stachniss，and G.Grisetti，“u201cBridgeting the Gap Between Feature-based SLAM，\u201d Robotics and Autonomous Systems，Vol.58，No.2，pp.140-1482010.“，”，“doi”：“10.1016\/j.robot.2009.09.009“｝，｛“key”：“key-10.20965\/jacii.2002.p0206-2”，“非结构化”：“A.Eliazar和R.Parr，\u201cDP SLAM:快速、稳健的无预定地标的同时定位和映射，\u201d第18届国际人工智能联合会议论文集（IJCAI-03），pp.1135-11422003.”｝，｛“key”：“key-10.20965 \/jacii.2022.p0206-3“，“非结构化”：“S.Thrun，W.Burgard，and D.Fox，u201cProbabilistic Robotics，\u201d MIT Press，2005.”}，{“key”：“key-10.201965 \/JAcii.2022.p0206-4”，“doi-asserted-by”：“crossref”，“非结构”：“M.Kaess，H.Johansson，R.Roberts，V.Ila，J.Leonard，and F。Dellaert，\u201ciSAM2:使用贝叶斯树的增量平滑和映射，《机器人研究国际期刊》，第31卷，第217-236页，2012年。Bosse，\u201cEfficient大规模三维移动测绘和地下矿山表面重建，\u201 d The 7th Int.Conf.on Field and Service Robots，2012.”，“DOI”：“10.1007\/978-3642-40686-7_32”}，{“key”：“key-10.20965\/jacii.2022.p0206-6”，“DOI-asserted-by”：“crossref”，“unstructured”：“L.Hengjie，B.Hong，and X。Cheng，\u201cFast Closed Loop SLAM based on the fusion of IMU and Lidar，\u201d J.ofPhysics：Conf.Series，2021 Int.Conf.on Electrical，Electronics and Computing Technology（EECT 2021），Vol.1914，Article No.0120192021。“，DOI”：“10.1088\/1742-6596\/1914\/1\/012019”｝，｛“key”：“key-10.20965\/jacii.2002.p0206-7”，“DOI asserted by”：“crossref”，“非结构化”：“S.Yuan，H.Wang，L.Xie，\u201cSurvey on Localization Systems and Algorithms for Unmanned Systems，第9卷，第2期，第129-163页，2020年。”，“DOI”：“10.1142\/S230138502150014X”}，{“key”：“key-10.20965\/jacii.2022.p0206-8”，“DOI-asserted-by”：“crossref”，“unstructured”：“P.Jiang，L.Chen，H。郭等人，基于激光雷达/惯性测量单元集成系统的新型室内定位算法，高级机器人系统国际期刊，第18卷，第2期，doi:10.1177，“，“doi”：“10.1177”，“1729881421999923”}，{“key”：“key-10.20965”，jacii.2022.p0206-9”，“doi-asserted-by”：“crossref”，”非结构化“：”J.Li，X。Zhang，J.Li et al.，\u201c基于激光雷达和相机融合的三维语义图的构建和优化，\u201 d Neurocomputing，第409卷，第394-407页，2020年。“，“DOI”：“10.1016\/J.neucom.2020.06.004”}，{“key”：“key-10.20965\/jacii.2022.p0206-10”，“DOI-asserted-by”：“crossref”，“unstructured”：“X.Guo，Y.Liu，Q。Zhong等人，基于激光雷达和视觉融合的运动目标跟踪算法研究，高级计算杂志。因特尔。因特尔。Inform，第22卷，第5期，第593-601页，doi:10.20965\/jaciii.2018.p0593，2018。计算。因特尔。因特尔。Inform，第22卷，第5期，第602-610页，doi:10.20965\/jaciii.2018.6022018。“，“doi”：“10.20965\/jacii.2018.p0602”}，{“key”：“key-10.20965\/jaciai.2022.p0206-12”，“doi-asserted-by”：“crossref”，“unstructured”：“K.Konolige，M.Agrawal，and J.Sol\u00e0，\u201cLarge-Scale Visual Odometry for Rough Terrain，\u201 d The 13th Int.”。交响乐团。机器人研究（ISRR），2010.“，”DOI“：”10.1007\/978-3-642-14743-2_18“}，{“key”：“key-10.20965\/jacii.2022.p0206-13”，“DOI-asserted-by”：“crossref”，“unstructured”：“David Nist\u00e9r，O.Naroditsky，and J.R.Bergen，\u201cVisual odometry for ground vehicle applications，\u201 d J.of Field Robotics，Vol.23，No.1，pp.3-20，2006.”，“DOI”：“10.1002 \/rob.20103“}，{“key”：“key-10.20965 \/jacii.2022.p0206-14”，“doi-asserted-by”：“crossref”，“unstructured”：“P.J.Besl和N.D.McKay，三维形状注册方法，IEEE Trans.on Pattern Analysis and Machine Intelligence，第14卷，第2期，第239-256页，1992。”，“doi”：“10.1109 \/34.12791”}，“key“：”key-10.20965 \/jacii.2022.p0206-15“，“非结构化”：“S.Rusinkiewicz和M.Levoy，ICP算法的有效变体，\u201d Proc。第三届国际三维数字成像与建模会议，第145-152页，2001年。“}，{“key”：“key-10.20965”，“jacii.2022.p0206-16”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Censi，“u201cAn ICP variant using A point-to-line metric，\u201d 2008 IEEE Int.Conf.on Robotics and Automation，doi:10.1109 \/ROBOT.2008.45431812008。”，“doi”：“10.1109\/ROBOT.2008.4543181“｝，｛”key“：”key-10.20965\/jacii.2002.p0206-17“，”doi断言“：”crossref“，”非结构化“：”Y.Chen和G.Medioni，\u201c多距离图像配准的对象建模，\u201d图像和视觉计算，第10卷，第3期，第145-1551992页。“，”doi“：”10.1016\/0262-8856（92）90066-C“｝，｛”key“：”key-10.20965 \/jacii.2022.p0206-18“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Segal，D.Haehnel，and S.Thrun，\u201cGeneralized-ICP，\u201 D Proc。《机器人学：科学与系统》，2009年。“，”DOI“：”10.15607\/RSS.2009.V.021“}，{“key”：“key-10.20965\/jacii.2022.p0206-19”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.A.Newcombe，S.Izadi，O.Hilliges et al.，\u201cKinect Fusion:Real-time Dense Surface Mapping and Tracking，\u201 d Proc.of the IEEE Int。交响乐团。关于混合和增强现实，第127-136页，2011年。”，“DOI”：“10.1109\/ISMAR.2011.6092378”}，{“key”：“key-10.20965\/jacii.2022.p0206-20”，“unstructured”：“A.Nuchter，机器人3D映射扫描匹配的u201c并行化，2007年第三届欧洲移动机器人大会的u201d程序。”}doi-asserted-by“：”crossref“，”unstructured“：”D.Qiu，S.May和A.Nuchter，\u201cGPU-Accelerated Nearest Search for 3D Registration，\u201 D Proc。计算机视觉系统国际会议，第194-203页，2009年。”，“DOI”：“10.1007\/978-3642-04667-4_20”}，{“key”：“key-10.20965\/jacii.2022.p0206-22”，“DOI-asserted-by”：“crossref”，“unstructured”：“D.Neumann，F.Lugauer，S。Bauer等人，使用随机球盖数据结构在GPU上进行实时RGB-D映射和三维建模，2011年IEEE Int.Conf.on Computer Vision Workshops（ICCV Workshops），2011年。Strasser，\u201cThe Normal Distributions Transform:A New Approach to Laser Scan Matching，\u201 d Proc.正态分布变换：激光扫描匹配的新方法。2003 IEEE \/RSJ Int.Conf.on Intelligent Robots and Systems（IROS 2003），2003年DOI“：”10.1002\/rob.20204“}，{“key”：“key-10.20965\/jacii.2022.p0206-25”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.B.Rusu，Z.C.Marton，N.Blodow，and M.Beetz，\u201cLearning Informative Point Classes for the Acquisition of Object Model Maps，IEEE Int的\u201d Proc。控制、自动化、机器人和视觉会议，第643-650页，2008年。”，“DOI”：“10.1109\/ICARCV.2008.4795593”}，{“key”：“key-10.20965\/jacii.2022.p0206-26”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.B.Rusu，G.Bradski，R.Thibaux，and J。Hsu，\u201cFast 3D Recognition and Pose Using the Viewpoint Feature Histogram（使用视点特征直方图的快速3D识别和姿势），\u201 d Proc。IEEE智能机器人和系统国际会议，第2155-2162页，2010年。Zlot，\u201cKeypoint Design and Evaluation for Place Recognition in 2D Lidar Maps，\u201 d Robotics and Autonomous Systems，第57卷，第12期，第1211-1224页，2009年。“，“DOI”：“10.1016\/j.robot.2009.07.009”}，{“key”：“key-10.20965\/jacii.2022.p0206-28”，“DOI-asserted-by”：“crossref”，“unstructured”：“R.Zlot and M。Bosse，\u201cEfficient Large-scale 3D Mobile Mapping and Surface Reconstruction of a Underground Mine，\u2018年《地下矿山高效大比例尺三维移动测绘和地表重建》。第八届现场和服务机器人国际会议，2012年。“，“DOI”：“10.1007\/978-3642-40686-7_32”}，{“key”：“key-10.20965\/jacii.2022.p0206-29”，“DOI-asserted-by”：“crossref”，“unstructured”：“J.Zhang和S.Singh，\u201cLOAM:实时激光测距和测绘，《机器人学：科学与系统》，2014年。”，“DOI:”10.15607\/RSS.2014.X.007“}，{“key”：“key-10.20965\/jacii.2022.p0206-30”，“doi-asserted-by”：“crossref”，“unstructured”：“J.Zhang and S.Singh，\u201cLow-drift and Real-time Lidar Odometry and Mapping，\u201 d Autonomous Robots，第41卷，第2期，第401-416页，2017年。”，“doi”：“10.1007\/s10514-016-9548-2”}，{”key“key:“key-10.20965\/jacial.2022.p026-31”，“doi-assertd-by”：“交叉参考”，“非结构化”：“R.Dube，D.Dugas，E.Stumm，J.Nieto，R.Siegwart，and C.Cadena，\u201cSegMatch:3D点云中基于分段的位置识别，IEEE机器人与自动化国际会议程序，第5266-5272页，2017年。”，“DOI”：“10.1109\/ICRA.2017.7989618”}，{“key”：“key-10.20965\/jacii.2022.p0206-32”，“DOI-asserted-by”：“crossref”，“非结构化”：“T.Shan和B.Englot，\u201cLeGO-LOAM:可变地形上的轻型和地面优化激光雷达里程测量和制图，\u201 D IEEE/RSJ Int.Conf.on Intelligent Robots and Systems（IROS），pp.4758-47652018。”，“DOI”：“10.1109 \/IROS.2018.8594299”}，{“key”：“key-10.20965 \/jacii.2022.p0206-33”，“非结构性”：“D。Zhu，\u201cPoint Cloud Library PCL Learning Course，\u201北京航空航天大学出版社，2012.“}，{”key“：”key-10.20965 \/jacii.2022.p0206-34“，”unstructured“：”M.Quigley，B.Gerkey，K.Conley等人，《u201cROS:开放源代码机器人操作系统》，《开放源代码软件研讨会》（与ICRA 2009合编），2009年。“}]，”container-title“：[“高级计算智能与智能信息学杂志”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/www.fujipress.jp\/main\/wp-content\/themes\/fujipress\/hyosetsu.php？ppno=JACIL002600020010”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[[2022,3,19]]，“date-time”：“2022-03-19T15:05:02Z”，“timestamp”：1647702302000}，“score”：1，“resource”：{primary“：{”URL“：”https:\/\/www.fujipress.jp\/jacii\/jc\/jaciai002600020206 count“：34，”新闻发布“：{”发布“：”2“，”在线发布“：{“date-parts”：[[2022,3,20]]}，“published-print”：{”date-part“：[[22022,3,20]]}}，”URL“：”http://\/dx.doi.org\/10.20965\/jacii.2022.p0206“，”relation“：{}，‘ISSN’：[“1883-8014”，“1343-0130”]，“ISSN-type”：[{“value”：“1883-814”，“type”:“electronic”}，{“value”：“1343-0110”“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2022,3,20]]}}