地图匹配与路径规划,是无人驾驶领域重要的研究内容之一。但是,传统地图由于固有的缺点,会对定位和导航的可靠性造成一定影响。因此,对于精度更高、含义更丰富的高精度地图的研究是具有深远意义的。本文对高精度地图领域的地图匹配与路径规划进行了研究,在充分理解高精度地图中的点云数据特点和存储方式的前提下,提出了一种基于条件随机场和改进U-Net网络架构结合的地图干扰元素分割方法,并将干扰元素分割与基于3D-NDT的点云匹配算法结合起来,完成了基于高精度点云地图的匹配定位。然后,本文将地图匹配的可信度评估引入全局导引路径的生成中,提升了路径规划的安全性与可靠性。本文开展的主要工作如下:1、提出并实现了一种基于条件随机场与改进U-Net的地图干扰元素分割方法。地图干扰元素分割在本文中是一个点云语义分割问题,首先使用了一种转换方法,将三维点云通过极坐标系下的网格化转变成二维图像;然后根据转换后的图像特点对U-Net网络的池化参数和激活函数进行修改;最后针对原始网络无法输出多分类结果的问题,将CRF模型引入进行分类结果处理,完成了对于点云中地图干扰元素的语义分割。该网络框架简洁明了,能够适应实时检测的需求,通过在KITTI数据集上的实验证明其性能相较之同类网络有所提升。2、提出并实现了一种基于地图干扰元素过滤的3D-NDT点云地图匹配方法。针对高精度地图匹配中可能面临的场景干扰而导致匹配准确率下降的问题,本文通过将点云中的机动车、行人等干扰元素先进行过滤再匹配的流程来完成优化。首先使用本文提出的基于条件随机场改进的U-Net网络对点云进行分割,将属于机动车、行人和骑行者的点云从当前帧删除,得到清晰的场景信息;然后应用3D-NDT匹配算法将当前帧点云定位到全局点云地图中,完成地图匹配。通过在多个场景下的匹配定位实验证明,该方法在提升匹配准确率的同时,能够有效避免定位系统的误差带来的车辆定位误差。3、提出并实现了一种能够依据地图匹配可信度进行自适应调整的A*路径规划方法。在生成导引路径时,大多数算法一般只根据已知地图做出规划,而没有考虑到地图本身可信度的问题。本方法将地图匹配效果相关系数引入A*算法代价函数,使得算法能够在地图匹配效果不同导致的地图可信度不同的情况下,生成更为安全保险的路线。该方法同时将全局导向信息引入A*算法启发函数,加速算法收敛。在多个场景下的实验证明,该方法有效地改善了生成的引导路径的安全性与可信度。