记者从福州大学获悉，该校科研团队提出“基于体素平面特征的点云配准与定位”的新方法，相当于赋予了无人驾驶设备“新”的眼睛和大脑，是当今自动驾驶领域研究的一个重要突破。相关成果日前在线发表于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。该文章是以福州大学李建微副研究员为第一作者，王前锋副教授为通讯作者。

据李建微介绍，以无人汽车为代表的自动驾驶设备是当前产业竞争的新焦点，其核心之一便是一种被称“即时定位与构建”的智能技术，是当今人工智能与自动化领域亟待突破的难点之一。其中，点云数据是实现地物三维构建的关键数据源。配准算法多用于相对位姿估计与完整三维环境信息的构建，而定位算法是利用已知环境信息实现感知、规划和控制的基础。现有的点云配准和定位算法涉及大数据运算消耗，以及如何实现与空间精度间的折衷权衡等问题。

为此，福州大学科研团队针对更快速和精确点云匹配准和定位这一产业需求，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。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;定位成功率超过了91%，较原有的也有显著提升。

“此举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。”李建微说，该算法还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，该算法还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。

关键词： 福州大学 环境信息 的适应性 以及如何 人工智能