CN102027389A - 障碍检测方法和系统 - Google Patents

Abstract

本发明公开一种用于检测机器(10)附近的障碍(12)的系统(30)。该系统包括定位在机器上的多个障碍传感器(32)。该系统还包括与多个障碍传感器的每一个通信的控制器(34)。所述控制器能够将多个障碍传感器中的每一个与多个非重叠的置信区域(44)中的每一个进行一对一的配对。另外，所述控制器能够利用所述多个障碍传感器进行扫描。所述控制器还能够从多个障碍传感器接收关于所述扫描的原始数据并将该原始数据组合成映射(36)。根据所述映射，所述控制器能够确定至少一个障碍的至少一个特征。

Description

障碍检测方法和系统

技术领域

本发明整体涉及检测方法，更具体地涉及一种用于检测机器附近的障碍的方法。

背景技术

例如轮式装载机、非公路托运卡车、挖掘机、自动平地机等大型机器以及其他类型的土方机器被用来执行多种任务。其中一些任务涉及在工地的某些位置之间间歇地移动和停止在这些位置处，由于提供给机器操作者的可视性很差，这些任务可能难以安全有效地完成。因此，可以为机器的操作者另外提供障碍传感器的检测。但是，各个障碍传感器仅仅在特定的空间区域内有效地操作(即提供准确的检测)。在这些区域之外，障碍传感器可能提供不准确的检测。例如，一个障碍传感器可以在特定位置处检测出障碍，而另一障碍传感器却不能在相同位置处检测出什么，这仅仅因为每个障碍传感器安装到机器的方式和目的不同。

2000年4月25日授予Sarangapani的美国专利No.6055042(‘042专利)中描述了一种使这些矛盾的检测最小化的方法。‘042专利描述了一种用于检测移动机器路径中障碍的方法。该方法包括利用多个障碍传感系统的每一个进行扫描。该方法还包括基于例如环境光线、障碍尺寸的外部参数或者从障碍接收的反射能量的量对每个障碍传感系统扫描的数据进行加权。根据加权的数据确定障碍的至少一个特征。

尽管‘042专利的方法可以改善对移动机器路径中障碍的检测，但对于某些应用来说是极其昂贵的。特别地，对障碍传感系统扫描的数据进行加权可能不是必须的。因为这种加权需要关于外部参数的信息，所以，需要另外的硬件。而且，这些另外的硬件会增加实施该方法的成本。

本发明的方法和系统旨在克服上述的一个或多个问题。

发明内容

一方面，本发明涉及一种用于检测机器附近的障碍的方法。该方法包括将多个障碍传感器中的每一个与多个非重叠的置信区域中的每一个进行一对一的配对。另外，该方法包括利用多个障碍传感器进行扫描。该方法还包括从多个障碍传感器接收关于所述扫描的原始数据。另外，该方法还包括将原始数据组合成映射。该方法还包括根据映射确定至少一个障碍的至少一个特征。

另一方面，本发明涉及用于检测机器附近的障碍的系统。该系统包括定位在机器上的多个障碍传感器。该系统还包括与多个障碍传感器的每一个通信的控制器。所述控制器能够将多个障碍传感器的每一个与多个非重叠的置信区域的每一个进行一对一的配对。另外，所述控制器还能够利用所述多个障碍传感器进行扫描。所述控制器还能够从多个障碍传感器接收关于所述扫描的原始数据并将原始数据组合成映射。根据该映射，控制器能够确定至少一个障碍的至少一个特征。

附图说明

图1是一种示例性公开的机器的图示说明；

图2是用于图1的机器的一种示例性公开的障碍检测系统的示意图；

图3是用于图2的障碍检测系统的一种示例性公开的坐标系统的图示说明；

图4是用于图2的障碍检测系统的一种示例性公开的检测区域的俯视图；

图5是图4的检测区域内的一种示例性公开的置信区域的前视图；

图6是描述一种操作图2的障碍检测系统的示例性方法的流程图。

具体实施方式

图1示出了都位于工地14的示例性机器10和机器10的障碍12。尽管机器10被描绘为非高速路托运卡车，但可以想到，机器10可以体现为例如轮式装载机、挖掘机或自动平地机的其他类型的大型机器。障碍12被描绘为服务车辆。但是，可以想到障碍12可体现为其他类型的障碍，例如轻型货车或者客车。如果障碍12为至少具有一定尺寸，则障碍12可被列为危险的。例如，所述一定尺寸可以是长度22。如果障碍12的高度16比长度22长，宽度18比长度22长，或者深度20比长度22长，则障碍12可被列为危险的。工地14可以是例如矿场、垃圾填埋场、采石场、施工现场或者本领域已知的其他类型的工地。

机器10可具有操作者站24，使其处于使盲区的影响最小化的位置(即，使机器10的操作者可视的无阻区域最大化)。但是，由于一些机器的尺寸，这些盲区可能仍然很大。例如，危险的障碍12可能完全位于机器10的盲区28内。为了避免与障碍12碰撞，可以为机器10配备障碍检测系统30(参照图2)，以收集关于盲区28内的障碍12的信息。

障碍检测系统30可包括一个或多个障碍传感器32，用以检测盲区28内的表面上的点E。例如，障碍检测系统30可包括第一障碍传感器32a和第二障碍传感器32b。障碍传感器32a可以检测面对它的表面上的点E₁(即，位于障碍传感器32a视线内的点E)。障碍传感器32b可以检测面对它的表面上的点E₂(即，位于障碍传感器32b视线内的点E)。点E₁和E₂的检测可能是原始的(即，不能直接对比的)。因此，如图2所示，障碍检测系统30还可包括控制器34，其分别从障碍传感器32a和32b接收包括点E₁和E₂的检测的讯息，然后转换、过滤和/或集合(unionize)这些检测。

控制器34可以与操作者站24(参照图1)或机器10的其他受保护组件相关联。控制器34可包括用于监测、记录、存储、索引、处理和/或传输信息的部件。这些部件可包括例如内存、一个或多个数据存储装置、中央处理单元和/或其他可以转换、过滤和/或集合点E₁和E₂的检测的其他组件。特别是，控制器34可包括或被构造成产生映射36来存储转换后的点E₁和E₂的位置。此外，尽管本发明的方面通常被描述为存储在内存中，但本领域技术人员可以认识到这些方面可以存储在不同类型的计算机程序产品或者诸如计算机芯片和辅助存储装置的包括硬盘、软盘、光学介质、CD-ROM或其他形式的RAM或ROM的计算机可读介质上或者从其上读取。

电子形式的映射36可存储在控制器34的内存中并且可实时更新以反映转换的点E₁和E₂的位置。如图3所示，这些位置可以相对于坐标系T定义。坐标系T可以点O_T为原点，点O_T相对于机器10固定地定位。坐标系T可以是具有轴矢量x_T、y_T和z_T的右手三维笛卡儿坐标系。可以想到，当机器10位于竖立位置时，轴矢量z_T从点O_T朝着地面37沿重力方向向下延伸。因此，轴矢量x_T和y_T形成的平面基本平行于预测地面38。坐标系T中的点可通过其X_T＝[t₁ t₂ t₃]形式的空间坐标来表示，其中，自点O_T起，t₁是沿着轴矢量x_T的距离，t₂是沿着轴矢量y_T的距离，t₃是沿着轴矢量z_T的距离。相对于坐标系T的方向可以通过其A_T＝[t₄ t₅ t₆]形式的角坐标来表示，其中，绕着点O_T旋转，t₄为俯仰角(即，围绕轴矢量y_T旋转)，t₅是偏航角(即，围绕轴矢量z_T旋转)，t₆是滚动角(即，围绕轴矢量x_T旋转)。

如前面讨论的，分别通过障碍传感器32a和32b对点E₁和E₂的检测可以是原始的。特别是，由于传感器32a和32b可能或可能不固定地定位在相对于坐标系T的共同位置，因而这些检测是原始的。例如，可以想到，障碍传感器32a和32b都连接到机器10的后顶盖侧板39，但障碍传感器32a可能定位在点O_Sa，而障碍传感器32b可能定位在点O_Sb。因此，可以相对于以点O_Sa为原点的坐标系Sa检测点E₁的位置，相对于以点O_Sb为原点的坐标系Sb检测点E₂的位置。

坐标系Sa可以是具有轴矢量x_Sa、y_Sa和z_Sa的右手三维笛卡儿坐标系。坐标系Sa中的点可通过其笛卡儿形式X_Sa＝[sa₁ sa₂ sa₃]的空间坐标来表示，其中，自点O_Sa起，sa₁是沿着轴矢量x_Sa的距离，sa₂是沿着轴矢量y_Sa的距离，sa₃是沿着轴矢量z_Sa的距离。点O_Sa相对于坐标系T的地理位置以及坐标系Sa相对于坐标系T的方向可以是固定和已知的。特别地，X_T(O_Sa)可等于[-b_Sa1 -b_Sa2 -b_Sa3]，且A_T(S_a)可等于[psa ysa rsa]。坐标系Sa中的点可替代地通过其极坐标形式的空间坐标来表示，其中，ρa是距点O_Sa的距离，θa是从轴矢量x_Sa的极角，

是从轴矢量z_Sa的顶角。

坐标系Sb可以是具有轴矢量x_Sb、y_Sb和z_Sb的右手三维笛卡儿坐标系。坐标系Sb中的点可通过其笛卡儿形式X_Sb＝[sb₁ sb₂ sb₃]的空间坐标来表示，其中，自点O_Sb起，sb₁是沿着轴矢量x_Sb的距离，sb₂是沿着轴矢量y_Sb的距离，sb₃是沿着轴矢量z_Sb的距离。点O_Sb相对于坐标系T的地理位置以及坐标系Sb相对于坐标系T的方向可以是固定和已知的。特别地，X_T(O_Sb)可等于[-b_Sb1 -b_Sb2 -b_Sb3]，且A_T(S_b)可等于[psb ysb rsb]。坐标系Sb中的点可替代地通过其极坐标形式

的空间坐标来表示，其中，ρb是距点O_Sb的距离，θb是从轴矢量x_Sb的极角，

是从轴矢量z_Sb的顶角。

每个障碍传感器32可以体现为LIDAR(光探测及测距)装置、RADAR(无线电探测及测距)装置、SONAR(声音导航及测距)装置、基于视觉的传感装置或者可以检测到点E的距离和方向的其他类型装置。例如，如通过障碍传感器32a检测的，到点E₁的距离可以表示为空间坐标ρa，到点E₁的方向可以表示为空间坐标θa和

的合成。并且，如通过障碍传感器32b检测的，到点E₂的距离可以表示为空间坐标ρb，到点E₂的方向可以表示为空间坐标θb和

的合成。

如图4和图5所示，障碍传感器32a和32b做出的检测可能受特定空间坐标的限制，从而分别形成检测区域40a和40b。例如，检测区域40a可受θ_a＝θ_ai和θ_a＝θ_aii和

和

限制。并且，检测区域40b可受θ_b＝θ_bi和θ_b＝θ_bii和

和

限制。可以想到，检测区域40a和40b可在过检测区域42(通过图5中的双向影线和阴影显示)处重叠。

由于反射或其他未知干涉，过检测区域42中的一些检测可能是不准确的。例如，过检测区域42a(通过图5中的双向影线显示)内的点E₁的检测及过检测区域42b(通过图5中的阴影显示)内的点E₂的检测可能不准确。然而，反之不亦然。即，过检测区域42a内的点E₂的检测及过检测区域42b内的点E₁的检测可能是准确的。因此，如上文讨论和下文描述的，可以想到控制器34可以转换、过滤和集合点E₁和E₂的检测以去除不准确的检测。

图6示出了操作本发明的系统的示例性方法。以下部分中将对图6进行讨论以进一步说明本发明的系统及其操作。

工业实用性

本发明的系统能够应用于在工地内的一些位置之间间歇移动和停止在这些位置的机器。该系统可确定其中一个机器附近的障碍的特征。特别是，该系统可以检测并分析表面点来确定障碍的尺寸和位置。现在描述该系统的操作。

如图6所示，本发明的系统，更具体地是控制器34可将每个障碍传感器32与置信区域44配对(步骤100)。每个障碍传感器32可对其相关的检测区域42进行扫描(即检测检测区域内的点E)(步骤110)，并将关于这些扫描(即，点E的原始位置)的数据传输至控制器34(步骤120)。基于步骤100的配对，控制器34可将点E的原始位置组合成映射36(步骤130)。然后，控制器34根据映射36确定至少一个障碍的特征(步骤140)。

步骤100的配对可基于障碍传感器32a和32b的位置和定向。由于配对是一对一的，控制器34可利用它来解决来自传感器32a和32b的冲突障碍检测。例如，障碍传感器32a可以与包括除了也受过检测区域42a(参照图5)限制的体积以外的由检测区域40a(参照图5)限制的体积的置信区域44a配对。障碍传感器32b可以与包括除了也受过检测区域42b(参照图5)限制的体积以外的由检测区域40b(参照图5)限制的体积的置信区域44b配对。可以想到，机器10的操作者可以定义由检测区域40和过检测区域42限制的体积。替代地，可以设想机器10的操作者可以直接定义由置信区域44限制的体积。

在步骤100之前或之后，每个障碍传感器32可对其相关的检测区域42进行扫描(步骤110)。如前面讨论的，每个障碍传感器32可检测从其自身到点E的距离和方向。可以想到这些检测可同时(即并行地)发生。例如，障碍传感器32a可检测从其自身到点E₁的距离和方向(步骤110a)。而且，障碍传感器32b可检测从其自身到点E₂的距离和方向(步骤110b)。

然后，每个障碍传感器32a和32b可分别将若干点E₁(步骤120a)和若干点E₂(步骤120b)同时传输至控制器34。例如，障碍传感器32a的传输可包括n个点E₁在坐标系Sa中极坐标形式的位置：

每行代表一个点。而且，障碍传感器32b的传输可包括n个点E₂在坐标系Sb中极坐标形式的位置：每行代表一个点。

接着，控制器34可将点E的原始位置组合成映射36(步骤130)。该组合可包括子步骤。特别地，步骤130可包括将接收的点E的位置转换到坐标系T中的子步骤(子步骤150)。步骤130还可包括对点E施加置信过滤的子步骤(子步骤160)。另外，步骤130可包括对从每个障碍传感器32接收的点E进行集合(子步骤170)。

将接收的点E的位置转换到坐标系T(子步骤150)也可以包括子步骤。这些子步骤可以是针对每个障碍传感器并且也可以同时进行。例如，控制器34可以使坐标系Sa中的点E₁与其在坐标系T中的位置联系起来。特别是，控制器34可首先将极坐标形式的坐标系Sa中的点E₁与其笛卡儿形式的坐标系Sa中的位置联系起来(子步骤180a)。极坐标形式的坐标系Sa(即X_SaP)和笛卡儿形式的坐标系Sa(即X_Sa)之间的联系如下：

其中，每行代表一个点。

接着，控制器34可将笛卡儿形式的坐标系Sa中的点E₁与其在坐标系T中的位置联系起来(子步骤190a)。笛卡儿形式的坐标系Sa和坐标系T之间的联系如下：

其中，X_Sa1是X_Sa的第一行，X_Sa2是X_Sa的第二行，X_San是X_Sa的第n行；A_Sa＝A_ysaA_psaA_rsa并表示从笛卡尔形式的坐标系Sa到坐标系T的旋转转换，其中：

$A_{\mathrm{ysa}}=\left[\begin{array}{ccc}\cos \mathrm{ysa}& -\sin \mathrm{ysa}& 0\\ \sin \mathrm{ysa}& \cos \mathrm{ysa}& 0\\ 0& 0& 1\end{array}\right];$

$A_{\mathrm{psa}}=\left[\begin{array}{ccc}\cos \mathrm{psa}& 0& -\sin \mathrm{psa}\\ 0& 1& 0\\ \sin \mathrm{psa}& 0& \cos \mathrm{psa}\end{array}\right];$ 和

$A_{\mathrm{rsa}}=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{rsa}& -\sin \mathrm{rsa}\\ 0& \sin \mathrm{rsa}& \cos \mathrm{rsa}\end{array}\right];$ 和

并表示从笛卡尔形式的坐标系Sa到坐标系T的平移转换。

类似地，控制器34可使坐标系Sb中的点E₂与其在坐标系T中的位置联系起来。特别是，控制器34可首先将极坐标形式的坐标系Sb中的点E₂与其在笛卡儿形式的坐标系Sb中的位置联系起来(子步骤180b)。极坐标形式的坐标系Sb(即X_SbP)和笛卡儿形式的坐标系Sb(即X_Sb)之间的联系如下：

其中，一行代表一个点。

接着，控制器34可将笛卡儿形式的坐标系Sb中的点E₂与其在坐标系T中的位置联系起来(子步骤190b)。笛卡儿形式的坐标系Sb和坐标系T之间的联系如下：

其中，X_Sb1是X_Sb的第一行，X_Sb2是X_Sb的第二行，X_Sbn是X_Sb的第n行；A_Sb＝A_ysbA_psbA_rsb并表示从笛卡尔形式的坐标系Sb到坐标系T的旋转转换，其中：

$A_{\mathrm{ysb}}=\left[\begin{array}{ccc}\cos \mathrm{ysb}& -\sin \mathrm{ysb}& 0\\ \sin \mathrm{ysb}& \cos \mathrm{ysb}& 0\\ 0& 0& 1\end{array}\right];$

$A_{\mathrm{psb}}=\left[\begin{array}{ccc}\cos \mathrm{psb}& 0& -\sin \mathrm{psb}\\ 0& 1& 0\\ \sin \mathrm{psb}& 0& \cos \mathrm{psb}\end{array}\right];$ 和

$A_{\mathrm{rsb}}=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{rsb}& -\sin \mathrm{rsb}\\ 0& \sin \mathrm{rsb}& \cos \mathrm{rsb}\end{array}\right];$ 和

并表示从笛卡尔形式的坐标系Sb到坐标系T的平移转换。

对点E施加置信过滤(子步骤160)可在步骤150前或后进行并可根据步骤100的配对来进行。特别地，可以对接收的点E₁的位置进行过滤，以只保留位于置信区域44a内的点E₁(子步骤160a)。并且，可以对接收的点E₂的位置进行过滤，以只保留位于置信区域44b内的点E₂(子步骤160b)。这些过滤可同时发生，并用来解决障碍传感器32a和32b检测之间的冲突(即，当冲突存在时，只保留一个障碍传感器32的检测)。

在完成子步骤150和160后，控制器34可将保留的转换点E₁和E₂(以下称“点U”)进行集合。具体地说，控制器34可删除映射36中存储的所有点，然后将点U合并到映射36。可以想到，通过此删除和合并，映射36可以保持为更新的(即，只有最新的检测会存储在映射36中)。还可以想到，控制器34可在合并点U后锁定映射36，从而防止新存储的点U在控制器34确定障碍12的特征前被删除(步骤140)。

完成步骤130后，控制器34可继续包括子步骤的步骤140。特别地，步骤140可包括对点U施加高度过滤的子步骤(子步骤200)。步骤140还可以包括通过blob提取将点U变换成障碍12的子步骤(子步骤210)。另外，步骤140可包括对障碍12施加尺寸过滤，由此确定障碍12的特征(即尺寸)的子步骤(子步骤220)。

控制器34可对点U施加高度过滤以将地面37过滤掉(参照图3)(子步骤200)。具体地，控制器34可过滤掉预测地表38的特定距离46(例如一米)(未示出)内的点U(参照图3)。这可以通过将每个点U的空间坐标t₃与距离48进行比较来完成。距离48可等于从点O_T和预测地面38之间的距离减去距离46。如果空间坐标t₃大于距离48，则可将点U过滤掉。但是，如果空间坐标t₃小于或等于距离48，则保留点U。

接下来，控制器34可通过blob提取将点U转换成障碍12(子步骤210)。blob提取是计算机图形领域中公知的。通过将类似的点聚合成称为blob的组来发现障碍。特别地，blob提取通过将邻近的点U(表明障碍12存在)聚合到一起并将它们看成一个单元来实现。如果两点满足下列任意一项则是邻近的：(1)相同的空间坐标t₁和相邻的空间坐标t₂；(2)相同的空间坐标t₁和相邻的空间坐标t₃；(3)相同的空间坐标t₂和相邻的空间坐标t₁；(4)相同的空间坐标t₂和相邻的空间坐标t₃；(5)相同的空间坐标t₃和相邻的空间坐标t₁；或者(6)相同的空间坐标t₃和相邻的空间坐标t₂。通过将点U转换成障碍12，障碍12可处理为一个适于进一步处理的单独单元。

然后，控制器34可对障碍12施加尺寸过滤(子步骤220)。具体地，控制器34可过滤掉不具有大于长度22的高度16、宽度18和深度20中至少一个的障碍12(参照图1)。通过过滤掉这些障碍12，只有危险的障碍12被保留。过滤可通过首先计算高度16、宽度18和深度20来完成。高度16可通过从与障碍12相关的最大空间坐标t₃值减去与障碍12相关的最小空间坐标t₃值来计算；宽度18可通过从与障碍12相关的最大空间坐标t₂值减去与障碍12相关的最小空间坐标t₂值来计算；深度20可通过从与障碍12相关的最大空间坐标t₁值减去与障碍12相关的最小空间坐标t₁值来计算。接下来，将高度16、宽度18和深度20进行相互比较。然后将高度16、宽度18和深度20中最长的与长度22进行比较。如果高度16、宽度18和深度20中最长的不长于长度22，则将障碍12过滤掉。但是，如果高度16、宽度18和深度20中最长的长于长度22，则障碍12被保留并被列为危险的。

可以想到，步骤140后，可根据应用改变本发明的系统的操作。由于障碍12是危险的，可以想到本发明的系统可并入到车辆防撞系统，其可以为机器10的操作者报警危险障碍12。因为本发明的系统不需要访问关于外部参数的信息，因此这种并入简单且成本经济。特别地，不需要用于收集关于这些外部参数的信息的硬件。替代地，可以想到，本发明的系统可以并入安全系统。由于本发明的系统仅于例如窗户和门等高度危险区域中配备有检测区域，这种并入在成本上也是经济的。

本领域技术人员清楚可以对本发明的方法和系统进行多种变型和修改。通过考虑这里公开的方法和系统的说明书和实践，该方法和系统的其它实施方式对本领域技术人员来说是清楚的。这里公开的方法和系统的说明书和示例仅仅意于是示例性的，本发明的真正范围通过权利要求书及其等同物来指明。

Claims (10)

1.一种用于检测机器(10)附近的障碍(12)的方法，包括：

将多个障碍传感器(32)中的每一个与多个非重叠的置信区域(44)中的每一个进行一对一的配对；

利用所述多个障碍传感器进行扫描；

从所述多个障碍传感器接收关于所述扫描的原始数据；

将所述原始数据组合成映射(36)；和

根据所述映射确定至少一个障碍的至少一个特征。

2.根据权利要求1所述的方法，其中，将所述原始数据组合成映射包括将来自所述多个障碍传感器的每一个的原始数据转换成可使用数据。

3.根据权利要求2所述的方法，其中，将来自所述多个障碍传感器的每一个的原始数据转换成可使用数据包括针对来自所述多个障碍传感器的每一个的原始数据施加置信区域过滤。

4.根据权利要求2所述的方法，其中，将所述原始数据组合成映射包括集合来自所述多个障碍传感器的每一个的所述可使用数据。

5.根据权利要求1所述的方法，其中，所述映射包括表面点组。

6.根据权利要求5所述的方法，其中，确定至少一个障碍的至少一个特征包括确定至少一个障碍的尺寸。

7.根据权利要求6所述的方法，其中，确定至少一个障碍的尺寸包括对所述表面点组施加高度过滤。

8.一种用于检测机器(10)附近的障碍(12)的系统(30)，包括：

定位在所述机器上的多个障碍传感器(32)；和

与所述多个障碍传感器的每一个通信的控制器(34)，该控制器能够：

将所述多个障碍传感器的每一个与多个非重叠的置信区域(44)的每一个进行一对一的配对；

利用所述多个障碍传感器进行扫描；

从所述多个障碍传感器接收关于所述扫描的原始数据；

将所述原始数据组合成映射(36)；和

根据所述映射确定至少一个障碍的至少一个特征。

9.根据权利要求8所述的系统，其中，所述映射包括表面点组。

10.根据权利要求8所述的系统，其中，所述置信区域是体积区域。

Images