无人汽车没有“大脑”，上街就像盲人一样。但以无人汽车为代表的自动驾驶设备，有一项叫做“即时定位与构建”（英文缩写为SLAM）的核心技术特别难“搞定”，是当今人工智能与自动化领域亟待突破的难点之一。
5日，福州大学物理与信息工程学院副研究员李建微、环境与安全工程学院副教授王前锋带领的科研团队，在摄影测量与遥感领域国际顶级期刊《ISPRS摄影测量和遥感杂志》上在线发表论文，他们提出的基于体素和自适应阈值区域生长提取平面特征的点云配准和定位方法，赋予了无人驾驶设备眼睛和大脑，将成为实现自动驾驶的重要技术之一。
该论文以“基于体素平面特征的点云配准与定位”为标题，提出了面向点云特征的高效提取方法，并利用所提取的特征建立了一种点云粗配准框架和全局定位方法，分别用于重建三维环境与确定相对于环境的自身位姿。
据了解，该算法的配准成功率达到96%以上，是领域内目前最好的配准方法之一；并且在定位成功率上有显著提升，超过了91%，可让无人设备实时感知并重建周围环境，确定自身当前位置及姿态。同时该算法具备运算速度快的优势，可为设备提供较强的适应性，在机器人寻路、自动驾驶及增强现实领域具有广阔的应用前景。不仅如此，该算法创新地实现了不同方法在特征提取层面的高效融合，以满足于更大场景、更短时间及更高精度的定位及定姿要求。
图一：基于体素平面特征的点云配准流程
图二：（a）点云数据配准前；（b）点云数据配准后；（c）和（d）点云配准后的局部细节
图三：全局定位组合平面特征与增强描述符
