據福建日報客戶端報道 無人汽車沒有“大腦”，上街就像盲人一樣。但以無人汽車為代表的自動駕駛設備，有一項叫做“即時定位與構建”（英文縮寫為SLAM）的核心技術特別難“搞定”，是當今人工智能與自動化領域亟待突破的難點之一。

5日，福州大學物理與信息工程學院副研究員李建微、環境與安全工程學院副教授王前鋒帶領的科研團隊，在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》上在線發表論文，他們提出的基于體素和自適應閾值區域生長提取平面特征的點云配準和定位方法，賦予了無人駕駛設備眼睛和大腦，將成為實現自動駕駛的重要技術之一。

該論文以“基于體素平面特征的點云配準與定位”為標題，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。

據了解，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；并且在定位成功率上有顯著提升，超過了91%，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。同時該算法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。

圖一：基于體素平面特征的點云配準流程

圖二：（a）點云數據配準前；（b）點云數據配準后；（c）和（d）點云配準后的局部細節

圖三：全局定位組合平面特征與增強描述符