記者從福州大學獲悉，該校科研團隊提出“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。

據李建微介紹，以無人汽車為代表的自動駕駛設備是當前產業競爭的新焦點，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，點云數據是實現地物三維構建的關鍵數據源。配準算法多用于相對位姿估計與完整三維環境信息的構建，而定位算法是利用已知環境信息實現感知、規劃和控制的基礎。現有的點云配準和定位算法涉及大數據運算消耗，以及如何實現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業需求，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境與確定相對于環境的自身位姿。該算法的配準成功率達到96%以上，是領域內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境，確定自身當前位置及姿態?！崩罱ㄎ⒄f，該算法還具備運算速度快的優勢，可為設備提供較強的適應性，在機器人尋路、自動駕駛及增強現實領域具有廣闊的應用前景。不僅如此，該算法還創新地實現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 環境信息 的適應性 以及如何 人工智能