遥感与传感器

城市环境中的精确定位是自动驾驶领域的重点和难点问题。现有的LiDAR定位算法虽然能够在多数情况下保持较高的精度，但在一些比较复杂的城市动态场景中仍存在问题。针对这类场景中遮挡导致的GPS定位精度下降以及运动目标和环境变化导致的有效点云特征减少的问题，提出了一个新的概率定位框架。该框架使用核密度估计的方法对改进后的ML-RANSAC算法和直方图滤波算法进行融合，有效克服了ML-RANSAC在部分场景的定位波动问题和直方图滤波在位置误差较大时的效率低下和局部最优问题，实现了更加鲁棒的定位。实验表明，本文方法在保证定位精度的前提下，提升了对动态密集场景的适用性，能够在现有方法容易出错的场景中实现更加稳定精确的定位，并能够容忍更大的初始位姿误差。

王任栋, 李华, 赵凯, 徐友春. 一种基于核密度估计的城市动态密集场景鲁棒LiDAR定位方法[J]. 光学学报, 2019, 39(05): 3.  复制并引用该论文