基于圖優(yōu)化的室外無(wú)人車多圖層地圖構(gòu)建*

牛國(guó)臣，馮 寧，王 瑜

（中國(guó)民航大學(xué)機(jī)器人研究所，天津 300300）

前言

在過(guò)去的幾十年里，同時(shí)定位與建圖（SLAM）的應(yīng)用領(lǐng)域受到了越來(lái)越多的關(guān)注，尤其是在無(wú)人駕駛領(lǐng)域。而地圖構(gòu)建是實(shí)現(xiàn)無(wú)人駕駛的基本前提，目前典型的地圖主要有4 種：拓?fù)涞貓D、柵格地圖、點(diǎn)云地圖、語(yǔ)義地圖。

不同類型的地圖在無(wú)人駕駛自主導(dǎo)航方面各有優(yōu)缺點(diǎn)。拓?fù)涞貓D和柵格地圖易于路徑規(guī)劃。Wang 等提出一種雙層路徑規(guī)劃算法，分別在拓?fù)鋵雍吐酚蓪舆M(jìn)行路徑規(guī)劃。Jubair 等在柵格地圖中尋找源節(jié)點(diǎn)到單個(gè)目標(biāo)節(jié)點(diǎn)的最短路徑。Sepehrifar 和Asaduzzaman 等解決了柵格地圖中多目標(biāo)點(diǎn)的最短路徑搜索問(wèn)題。但由于拓?fù)浜蜄鸥竦貓D缺乏足夠的3D特征信息，往往難以用于定位。

點(diǎn)云地圖容易獲得足夠的特征信息，但在室外場(chǎng)景下，地圖的數(shù)據(jù)量很大且存在動(dòng)態(tài)物體，會(huì)給定位的準(zhǔn)確性和實(shí)時(shí)性帶來(lái)很大挑戰(zhàn)。近年來(lái)，由于激光雷達(dá)傳感器具有測(cè)量精度高、可靠性好、不易受光照變化影響等優(yōu)點(diǎn)，激光SLAM 在無(wú)人駕駛領(lǐng)域的應(yīng)用越來(lái)越廣泛。Zhang 等提出一種低漂移實(shí)時(shí)的雷達(dá)定位和建圖方法（LOAM），通過(guò)計(jì)算每個(gè)點(diǎn)的曲率來(lái)提取特征點(diǎn)，考慮到系統(tǒng)的實(shí)時(shí)性，采取高頻里程計(jì)和低頻建圖相結(jié)合的方法，但由于缺少后端優(yōu)化，導(dǎo)致所建地圖準(zhǔn)確性較差。Ji 等在LOAM 的基礎(chǔ)上，加入GPS 約束來(lái)消除部分累積誤差。Liu等利用地平面約束減小匹配誤差。Holder等提出一種基于實(shí)時(shí)位姿圖的SLAM 系統(tǒng)。最近，Le等在后端提出一個(gè)優(yōu)化問(wèn)題對(duì)LIDAR運(yùn)動(dòng)進(jìn)行補(bǔ)償，相比以前的工作，后端處理方法取得了更好的性能，但是不能實(shí)時(shí)運(yùn)行。

語(yǔ)義地圖可以為人機(jī)交互提供環(huán)境語(yǔ)義信息，有效提升對(duì)環(huán)境的理解能力，但語(yǔ)義信息提取復(fù)雜。Chen 等采用RangeNet++的方法提取語(yǔ)義信息，濾除建圖過(guò)程中的動(dòng)態(tài)物體。Bavle 等提出一種視覺(jué)語(yǔ)義SLAM 方法。Erik 等利用語(yǔ)義信息進(jìn)行定位，節(jié)省了存儲(chǔ)空間，但是不適用于單一環(huán)境。Qin等提出了一個(gè)基于視覺(jué)的定位解決方案，利用魯棒的語(yǔ)義特征來(lái)輔助車輛在停車場(chǎng)中導(dǎo)航，但是只適用于停車場(chǎng)。而用于無(wú)人駕駛的高精度地圖需要昂貴的測(cè)繪系統(tǒng)和人工標(biāo)注等復(fù)雜的后處理步驟，成本昂貴。

為解決上述問(wèn)題，有必要將不同類型的地圖組合到一起。Bücken 等提出一種結(jié)合柵格和拓?fù)涞慕M合地圖用來(lái)進(jìn)行室內(nèi)導(dǎo)航，但在室外環(huán)境下，無(wú)法進(jìn)行精確定位。Liu 等提出一種融合拓?fù)涞貓D和柵格地圖的方法，解決了機(jī)器人在未知環(huán)境中的自動(dòng)探索問(wèn)題，但其選定的候選目標(biāo)點(diǎn)是二維，缺乏三維空間信息。Galindo 等利用語(yǔ)義信息標(biāo)記拓?fù)涞貓D，進(jìn)行導(dǎo)航。Richter 和Yu 等提出語(yǔ)義柵格地圖。Cailhol 等結(jié)合語(yǔ)義和拓?fù)涞貓D，提高了人機(jī)交互能力。Erik 等構(gòu)建點(diǎn)云語(yǔ)義地圖，打破傳統(tǒng)點(diǎn)云匹配定位方法，利用環(huán)境語(yǔ)義信息定位，但實(shí)現(xiàn)路徑規(guī)劃比較困難。

基于上述討論，本文中提出一種適用于無(wú)人駕駛的室外多圖層地圖。區(qū)別于傳統(tǒng)單一地圖，該地圖包含有拓?fù)?、點(diǎn)云、柵格和動(dòng)態(tài)數(shù)據(jù)的多層環(huán)境信息。動(dòng)態(tài)層實(shí)時(shí)點(diǎn)云信息與點(diǎn)云地圖匹配，并融合拓?fù)涞貓D的絕對(duì)位置信息，實(shí)現(xiàn)精確、實(shí)時(shí)且魯棒的無(wú)人車定位；拓?fù)浜蜄鸥竦貓D以及對(duì)動(dòng)態(tài)層檢測(cè)的實(shí)時(shí)障礙物數(shù)據(jù)，為無(wú)人車的路徑規(guī)劃和避障等功能提供豐富的環(huán)境信息。為驗(yàn)證提出的地圖，在實(shí)際環(huán)境下進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)表明，該地圖在大規(guī)模的園區(qū)環(huán)境中也能很好地工作。

1 系統(tǒng)概述

1.1 多圖層地圖構(gòu)建

本文主要面向園區(qū)內(nèi)L4 級(jí)別的無(wú)人駕駛，園區(qū)環(huán)境具有車速較低、車流量較少、障礙物較少且多為靜態(tài)障礙物的特點(diǎn)。實(shí)驗(yàn)平臺(tái)為改裝長(zhǎng)城歐拉電動(dòng)汽車，如圖1 所示，配備有北科天繪的16 線激光雷達(dá)，華測(cè)的組合導(dǎo)航和毫米波雷達(dá)等傳感器。地圖體系結(jié)構(gòu)如圖2 所示，由軌跡層、靜態(tài)層和動(dòng)態(tài)層組成。組合導(dǎo)航路徑點(diǎn)構(gòu)建軌跡層，激光SLAM 生成點(diǎn)云和柵格地圖，共同構(gòu)建靜態(tài)層，動(dòng)態(tài)層包含激光雷達(dá)的實(shí)時(shí)點(diǎn)云。

圖1 實(shí)驗(yàn)平臺(tái)

圖2 地圖體系結(jié)構(gòu)

1.2 基于多圖層地圖的定位和障礙物檢測(cè)

基于多圖層地圖的定位方法如圖3（a）所示，根據(jù)軌跡層的GNSS 位置信息給定無(wú)人車初始位置，并實(shí)現(xiàn)靜態(tài)層點(diǎn)云地圖的分塊動(dòng)態(tài)加載，然后將動(dòng)態(tài)層的實(shí)時(shí)點(diǎn)云信息與局部點(diǎn)云地圖做NDT匹配定位。當(dāng)點(diǎn)云定位偏差超過(guò)閾值時(shí)，將使用GNSS 位置信息進(jìn)行重定位，輸出無(wú)人車精確位姿。

圖3（b）顯示障礙物的檢測(cè)方法，根據(jù)動(dòng)態(tài)層的實(shí)時(shí)信息，結(jié)合定位輸出的無(wú)人車位姿實(shí)現(xiàn)障礙物的實(shí)時(shí)檢測(cè)。將檢測(cè)的障礙物同靜態(tài)層?xùn)鸥竦貓D結(jié)合，為無(wú)人車的局部路徑規(guī)劃和避障提供環(huán)境障礙物信息。

圖3 定位和障礙物檢測(cè)

2 多圖層地圖構(gòu)建

2.1 軌跡層

軌跡層包含了由GNSS 路徑點(diǎn)組成的拓?fù)涞貓D，為無(wú)人車的全局路徑規(guī)劃提供信息。根據(jù)GNSS位置信息給定無(wú)人車的初始位置，并實(shí)現(xiàn)點(diǎn)云地圖的分塊動(dòng)態(tài)加載。

通過(guò)將組合導(dǎo)航原始數(shù)據(jù)的經(jīng)緯度信息轉(zhuǎn)換到WGS-84 坐標(biāo)系下，計(jì)算每個(gè)坐標(biāo)相對(duì)于初始坐標(biāo)的位置，得到運(yùn)動(dòng)軌跡，并采用g2o 庫(kù)生成拓?fù)涞貓D。

2.2 靜態(tài)層

2.2.1 點(diǎn)云地圖

根據(jù)激光SLAM 輸出得到最優(yōu)軌跡，將其對(duì)應(yīng)的點(diǎn)云幀拼接生成三維點(diǎn)云地圖，因此位姿的精確度影響地圖的質(zhì)量。實(shí)驗(yàn)平臺(tái)所使用的傳感器是16 線激光雷達(dá)，數(shù)據(jù)較為稀疏，所以后端采用圖優(yōu)化方法，通過(guò)將地平面約束、GNSS約束作為一元邊，聚類特征作為閉環(huán)約束加入到圖中，在后端優(yōu)化得到精確位姿。

（1）圖優(yōu)化

圖由“頂點(diǎn)”和“邊”組成，“頂點(diǎn)”為車輛位姿，“邊”為位姿間的約束。圖的結(jié)構(gòu)如圖4所示。

圖4 圖優(yōu)化結(jié)構(gòu)

（2）地平面約束

地面點(diǎn)云是對(duì)地面車輛位姿估計(jì)的良好約束。設(shè)定無(wú)人車前進(jìn)方向?yàn)檩S，軸指向左側(cè)，軸指向上方，通過(guò)將三維點(diǎn)云降到二維平面，可以根據(jù)激光雷達(dá)投影到地面的射線中前后兩點(diǎn)的坡度是否大于事先設(shè)定的坡度閾值來(lái)判斷點(diǎn)是否為地面點(diǎn)。

為輸入點(diǎn)云，對(duì)任一點(diǎn)，∈，有

式中：x、y為點(diǎn)在LIDAR 坐標(biāo)系下的坐標(biāo)位置；r為點(diǎn)到LIDAR的水平距離。

按照水平距離排序，計(jì)算同一射線上相鄰兩點(diǎn)的坡度：

式中：z為點(diǎn)的垂直高度；d為點(diǎn)和+ 1點(diǎn)的坡度；為L(zhǎng)IDAR的安裝高度。

將式（2）的坡度與所設(shè)定的閾值作比較，當(dāng)d＜時(shí)，將點(diǎn)歸為地面點(diǎn)。

完成地平面的檢測(cè)后，根據(jù)時(shí)刻的車輛位姿，估計(jì)地平面：

式中：[n，n，n，]=[0，0，1，0]為初始時(shí)刻平面；T為時(shí)刻的車輛位姿；′、′、′、′為時(shí)刻車輛位姿估計(jì)的地平面′。

采用最小參數(shù)法，定義平面參數(shù)表達(dá)式：

式中：arctan(n/n)為平面方位角；arctan(n/||)為平面仰角；為截距的長(zhǎng)度。

則位姿節(jié)點(diǎn)和地平面節(jié)點(diǎn)之間的誤差為

（3）GNSS約束

將位姿節(jié)點(diǎn)和GNSS 數(shù)據(jù)的時(shí)間戳對(duì)齊，GNSS位置可作為先驗(yàn)位置信息，成為車輛位姿節(jié)點(diǎn)的一元邊。計(jì)算兩者之間的誤差：

式中：T為時(shí)刻的車輛位姿；G為GNSS數(shù)據(jù)生成的節(jié)點(diǎn)。

（4）閉環(huán)約束

完成聚類特征提取后，基于點(diǎn)云聚類特征閉環(huán)得到當(dāng)前幀點(diǎn)云與局部地圖的粗匹配，利用NDT 得到當(dāng)前點(diǎn)云和局部地圖間的精確變換。最后將閉環(huán)得到的變換矩陣，作為約束加入到后端進(jìn)行優(yōu)化位姿。

2.2.2 二維柵格地圖

二維柵格地圖用占用柵格的形式存儲(chǔ)環(huán)境中靜態(tài)障礙物信息，為無(wú)人駕駛的路徑規(guī)劃提供信息。柵格地圖由濾除地平面后的點(diǎn)云地圖向水平平面投影得到。

柵格狀態(tài)有占用、空閑、未知（即初始化）3 種狀態(tài)，柵格的初始狀態(tài)= 0。用（空閑）、（占據(jù)）表示對(duì)柵格的觀測(cè)。

式中：為柵格測(cè)量值；(= 0)為柵格空閑的概率；(= 1)為柵格占據(jù)的概率。

更新柵格狀態(tài)：

或

式中和分別為更新前后柵格的狀態(tài)。

2.3 動(dòng)態(tài)層

動(dòng)態(tài)層接收RTK 和LIDAR 傳感器的實(shí)時(shí)數(shù)據(jù)。首先對(duì)LIDAR 進(jìn)行運(yùn)動(dòng)補(bǔ)償，去除掃描過(guò)程中由于車輛移動(dòng)造成的運(yùn)動(dòng)畸變，再利用體素濾波去除噪點(diǎn)和地面點(diǎn)，得到處理過(guò)的當(dāng)前幀點(diǎn)云數(shù)據(jù)。

根據(jù)處理后的實(shí)時(shí)感知信息，進(jìn)行NDT 匹配定位和障礙物檢測(cè)，得到的障礙物信息可用于無(wú)人車避障。為實(shí)現(xiàn)局部路徑規(guī)劃等功能，需最后將障礙物信息同靜態(tài)層?xùn)鸥竦貓D結(jié)合，為無(wú)人車自主導(dǎo)航提供環(huán)境信息。

2.4 多圖層地圖

將各層地圖轉(zhuǎn)換到世界坐標(biāo)系進(jìn)行組合，完成多圖層地圖的構(gòu)建。如圖5 所示，GNSS 拓?fù)涞貓D提供絕對(duì)位置信息，二維柵格地圖存儲(chǔ)環(huán)境靜態(tài)障礙物信息，兩者為無(wú)人車的路徑規(guī)劃提供信息，點(diǎn)云地圖提供環(huán)境幾何結(jié)構(gòu)信息，與動(dòng)態(tài)層點(diǎn)云匹配為無(wú)人車提供相對(duì)定位信息，動(dòng)態(tài)環(huán)境信息層提供了實(shí)時(shí)環(huán)境信息，組合構(gòu)成了完整的環(huán)境感知系統(tǒng)。

圖5 多圖層地圖構(gòu)建

3 基于多圖層地圖的定位和障礙物檢測(cè)

3.1 點(diǎn)云地圖處理

室外點(diǎn)云地圖的數(shù)據(jù)量非常大，加載全局地圖耗時(shí)很長(zhǎng)，因此在實(shí)際定位時(shí)，將當(dāng)前幀點(diǎn)云與局部地圖進(jìn)行配準(zhǔn)。本文對(duì)點(diǎn)云地圖進(jìn)行分割，按照方形區(qū)域劃分并分塊存儲(chǔ)，設(shè)置劃分區(qū)域的邊長(zhǎng)為30 m，定位時(shí)根據(jù)軌跡層GNSS 信息實(shí)現(xiàn)點(diǎn)云地圖分塊動(dòng)態(tài)加載，提高定位效率。

3.2 定位

在實(shí)際應(yīng)用場(chǎng)景中定位時(shí)，由于環(huán)境變化的影響，例如車輛及行人的移動(dòng)、樹(shù)木的稀疏程度等，會(huì)導(dǎo)致較大匹配誤差，選擇NDT 來(lái)解決上述問(wèn)題，可以在很大程度上消除這種不確定性，具體步驟如下。

（1）根據(jù)軌跡層的GNSS 位置信息，給定無(wú)人車的初始位置，并動(dòng)態(tài)加載分塊點(diǎn)云地圖。

（2）動(dòng)態(tài)層實(shí)時(shí)點(diǎn)云與點(diǎn)云地圖進(jìn)行NDT 匹配定位。

NDT 首先將參考點(diǎn)云（即先驗(yàn)地圖）網(wǎng)格化，基于網(wǎng)格內(nèi)的點(diǎn)計(jì)算其概率密度：

式中：為正態(tài)分布的均值；為協(xié)方差矩陣；=[，…，x]，對(duì)3D點(diǎn)云，= 3。

NDT配準(zhǔn)：定義當(dāng)前幀點(diǎn)云=[，，]，變換參數(shù)，空間轉(zhuǎn)換函數(shù)(，)表示使用對(duì)點(diǎn)進(jìn)行變換。求出使得概率密度之和最大的變換參數(shù)。

非線性優(yōu)化：使用牛頓法進(jìn)行優(yōu)化，更新姿態(tài)。

（3）為進(jìn)一步保證定位精度，設(shè)定NDT 匹配定位得分_＞100 時(shí)，用軌跡層提供的GNSS位置信息進(jìn)行重定位。

3.3 障礙物檢測(cè)

動(dòng)態(tài)層接收傳感器的實(shí)時(shí)點(diǎn)云信息，在對(duì)點(diǎn)云進(jìn)行障礙物檢測(cè)時(shí)，由于點(diǎn)云密度不均等原因可能會(huì)導(dǎo)致誤檢等問(wèn)題，本文中采用DBSCAN 算法檢測(cè)障礙物。輸出的障礙物信息，通過(guò)與靜態(tài)層?xùn)鸥竦貓D信息結(jié)合，為無(wú)人車自主導(dǎo)航提供豐富的環(huán)境信息。檢測(cè)步驟如下：

（1）設(shè)定點(diǎn)云分割閾值，在LIDAR 坐標(biāo)系下按長(zhǎng)方形區(qū)域劃分車體周圍點(diǎn)云，正方向上取30 m，負(fù)方向取10 m，正負(fù)方向各取10 m；

（2）將LIDAR獲取的點(diǎn)云數(shù)據(jù)去除地面點(diǎn)；

（3）密度聚類確定障礙物的點(diǎn)云簇；

（4）利用最小面積矩形包絡(luò)法構(gòu)建障礙物的外接框，輸出環(huán)境中的障礙物信息。

4 實(shí)驗(yàn)結(jié)果與分析

采用實(shí)際數(shù)據(jù)對(duì)提出的地圖進(jìn)行評(píng)估。首先創(chuàng)建實(shí)際環(huán)境中的多圖層地圖，然后基于該地圖實(shí)現(xiàn)實(shí)時(shí)定位和障礙物檢測(cè)，最后對(duì)結(jié)果進(jìn)行分析。

4.1 環(huán)境地圖創(chuàng)建

本文中分別對(duì)多圖層地圖的各個(gè)圖層構(gòu)建進(jìn)行了實(shí)驗(yàn)驗(yàn)證，最后將各個(gè)圖層轉(zhuǎn)換到世界坐標(biāo)系，構(gòu)建出完整地圖并進(jìn)行分析。

圖6 顯示了實(shí)驗(yàn)環(huán)境和行駛路線，A 點(diǎn)為起點(diǎn)，車輛沿A-B-C-D-E-F-A 路線行駛，總路線長(zhǎng)約700 m，雙向車道，道路平坦寬廣，道路寬約6 m，有減速帶。

圖6 實(shí)驗(yàn)環(huán)境與行駛路線

4.1.1 軌跡層

如圖7 所示，綠線表示無(wú)人車的行駛軌跡，由組合導(dǎo)航的路徑點(diǎn)組成，A 為起點(diǎn)，B～F 代表拐點(diǎn)。實(shí)驗(yàn)平臺(tái)配備的高精度的組合導(dǎo)航，精度約在2～3 cm，構(gòu)建的GNSS 拓?fù)涞貓D精度達(dá)到了厘米級(jí)，能夠應(yīng)用于真實(shí)環(huán)境。

圖7 GNSS拓?fù)涞貓D

4.1.2 靜態(tài)層

（1）三維點(diǎn)云地圖

為了不丟失特征信息，且有更好的建圖效果，在實(shí)車建圖實(shí)驗(yàn)時(shí)采用了后端圖優(yōu)化的方法。圖8（a）表示生成的點(diǎn)云地圖，圖8（b）和圖8（c）分別表示局部細(xì)節(jié)。從地圖來(lái)看，沒(méi)有丟失環(huán)境細(xì)節(jié)信息，誤匹配較少，沒(méi)有出現(xiàn)模糊不清的場(chǎng)景。

圖8 點(diǎn)云地圖效果示意

（2）二維柵格地圖

通過(guò)將濾除地平面后的點(diǎn)云地圖向地面投影，實(shí)現(xiàn)柵格地圖的創(chuàng)建。為保證地圖的存儲(chǔ)效率，設(shè)置柵格地圖分辨率為0.2 m ，柵格占據(jù)和空閑的概率分別設(shè)置為0.3和0.7。圖9（a）為柵格地圖，圖中黑色部分指的是障礙物占據(jù)區(qū)域，環(huán)境邊界清晰，能很好的描述環(huán)境中的靜態(tài)障礙物。圖9（b）和圖9（c）是柵格地圖的細(xì)節(jié)，為更好展示柵格地圖構(gòu)建效果，圖中還顯示了原始點(diǎn)云信息（彩色為點(diǎn)云）。

圖9 柵格地圖效果示意

4.1.3 動(dòng)態(tài)層

傳感器獲取實(shí)時(shí)環(huán)境信息，圖10（a）為A路口處的當(dāng)前幀點(diǎn)云，在地圖中顯示如圖10（b）所示，紅色為當(dāng)前幀點(diǎn)云。

圖10 動(dòng)態(tài)環(huán)境信息

4.1.4 多圖層地圖

通過(guò)將各個(gè)圖層轉(zhuǎn)換到同一坐標(biāo)系，構(gòu)建完整的環(huán)境地圖。如圖11 所示，彩色為點(diǎn)云地圖，柵格地圖在點(diǎn)云下方，藍(lán)色軌跡為GNSS路徑。

圖11 多圖層地圖

4.2 基于多圖層地圖的定位和障礙物檢測(cè)

4.2.1 定位

基于多圖層地圖進(jìn)行定位，效果如圖12 所示，黃線為匹配定位得到的軌跡，藍(lán)線為真實(shí)軌跡。可以明顯看出，定位軌跡和真實(shí)軌跡基本重合，沒(méi)有明顯的偏差，定位精確。

圖12 定位效果示意圖

為驗(yàn)證定位的準(zhǔn)確性，將定位得到的軌跡與真實(shí)軌跡作對(duì)比，并計(jì)算誤差，進(jìn)行定量分析，如圖13所示。

圖13（a）左列顯示了定位得到的軌跡與真實(shí)軌跡的對(duì)比圖，右列展示了兩者對(duì)比的細(xì)節(jié)圖。圖13（b）、圖13（c）顯示了兩個(gè)軌跡間、方向上的誤差，誤差均值分別為0.095、0.180 m。圖13（d）展示了軌跡間的距離誤差，距離誤差均值為0.222 m，定位精度較高。結(jié)果表明，本文提出的多圖層地圖能夠用于室外實(shí)時(shí)定位。

圖13 定位誤差分析

4.2.2 障礙物檢測(cè)

對(duì)動(dòng)態(tài)層的實(shí)時(shí)信息進(jìn)行障礙物檢測(cè)，檢測(cè)效果如圖14 所示，左列為實(shí)際環(huán)境圖，右列為檢測(cè)結(jié)果。圖14（a）是靜態(tài)障礙物場(chǎng)景，左圖紅框區(qū)域?yàn)闄z測(cè)到的靜態(tài)障礙物。圖14（b）為動(dòng)態(tài)障礙物場(chǎng)景，紅框區(qū)域?yàn)閯?dòng)態(tài)物體。結(jié)果表明檢測(cè)較準(zhǔn)確，能用于無(wú)人車避障等，且檢測(cè)到的實(shí)時(shí)障礙物信息可以同柵格地圖結(jié)合，為無(wú)人車的路徑規(guī)劃提供信息。

圖14 障礙物檢測(cè)效果

5 結(jié)論

本文中提出一種基于圖優(yōu)化的室外多圖層地圖，經(jīng)實(shí)驗(yàn)驗(yàn)證得到以下結(jié)論：

（1）區(qū)別于傳統(tǒng)單一地圖，該地圖由軌跡層、靜態(tài)層和動(dòng)態(tài)層構(gòu)成，包含了拓?fù)?、點(diǎn)云、柵格和動(dòng)態(tài)數(shù)據(jù)的多種環(huán)境信息，為無(wú)人車自主導(dǎo)航提供了充足的信息。

（2）基于該地圖可以實(shí)現(xiàn)精確、實(shí)時(shí)且魯棒的無(wú)人車定位，在實(shí)際實(shí)驗(yàn)中，距離誤差均值可達(dá)到0.222 m 以下。

（3）在地圖的動(dòng)態(tài)層準(zhǔn)確完成了實(shí)時(shí)障礙物檢測(cè)，與柵格地圖信息相結(jié)合，為無(wú)人車自主導(dǎo)航提供了精準(zhǔn)的環(huán)境障礙物信息。

加入語(yǔ)義信息提供人機(jī)交互功能將是今后進(jìn)一步研究的方向。