一种基于深度学习的自适应建图与定位方法、系统及介质

本申请公开了一种基于深度学习的自适应建图与定位方法、系统及介质，涉及无人驾驶：将运动补偿后的3D点云数据投影为2D激光图像，得到多通道特征图像；根据多通道特征图像，利用基于ResNet50架构的神经网络进行动态物体检测，得到每个扫描点的动态物体概率值；基于运动补偿后的3D点云数据构建初始网格地图；利用动态物体概率值对每个网格单元的激光束命中次数ɑ和激光束穿过次数β进行加权更新；根据更新后的激光束命中次数ɑ和激光束穿过次数β，计算每个网格单元的反射概率；根据反射概率对初始网格地图中的网格单元进行动静态物体筛选；利用卡尔曼滤波算法对位姿预测值和位姿观测值进行自适应加权融合，得到最终定位结果。