CN106541945A - 一种基于icp算法的无人车自动泊车方法 - Google Patents
一种基于icp算法的无人车自动泊车方法 Download PDFInfo
- Publication number
- CN106541945A CN106541945A CN201611005797.XA CN201611005797A CN106541945A CN 106541945 A CN106541945 A CN 106541945A CN 201611005797 A CN201611005797 A CN 201611005797A CN 106541945 A CN106541945 A CN 106541945A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- point
- parking
- parking stall
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000013519 translation Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 5
- 241000406668 Loxodonta cyclotis Species 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 abstract description 15
- 230000033001 locomotion Effects 0.000 abstract description 11
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 241001269238 Data Species 0.000 abstract 1
- 230000004927 fusion Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/06—Automatic manoeuvring for parking
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于ICP算法的无人车自动泊车方法，传统的RBPF‑SLAM算法采用里程计运动模型实现运动更新，里程计运动模型精度较低，为了覆盖无人车位姿有效区域，需要大量粒子来拟合无人车运动轨迹，导致计算量增大，并且大量粒子还会导致粒子匮乏现象，影响算法有效性，而本发明不依赖于里程计、GPS以及惯导等外部定位传感器，基于ICP算法，利用激光雷达返回的2D激光点云数据，以较少的粒子完成无人车自动泊车时的轨迹跟踪与环境地图构建，为无人车自动泊车提供依据。另外，本发明具有较高的自主性和抗干扰能力，且原始数据仅来源于单一传感器，在应用上降低了成本也避免了多传感器融合所带来的校准和误差等问题。
Description
技术领域
本发明涉及汽车控制的研究领域，特别涉及一种基于ICP算法的无人车自动泊车方法。
背景技术
当今汽车保有量越来越多，公路、街道、停车场、居民小区等拥挤不堪，可利用的泊车空间越来越少；另一方面，驾车新手逐年增多，由于驾驶技术不熟练导致的各种问题也随之增多.美国密歇根大学交通研究所的研究表明[1]，泊车导致的事故占各类事故的44％，其中大约1/2～3/4的泊车碰撞是倒车造成的，而手动泊车时驾驶员操作不慎是导致交通事故的一个重要原因.自动泊车系统可避免泊车事故，它利用传感器技术、计算机技术和自动控制技术准确地感知泊车环境，同时规划出一条可行的最优泊车路径，然后控制车辆自动完成该路径的跟踪控制，将车辆安全准确地停入车位。
定位与构图是无人车领域的重要研究内容，为了在未知环境中准确，安全地实现预定目标，无人车需要实时确定周围环境地图以及自身在地图中的位置。同时实现载体的自身定位与周围环境地图构建问题通常被称为即时定位与地图构建，即SLAM。SLAM问题的复杂性在于定位与构图的相互依赖性。无人车的精确定位依赖于周围环境地图的一致性，同样，高度一致性环境地图的构建也以准确的定位为前提。通常，SLAM问题被分为位姿估计算法和地图表示两部分。地图表示主要包括特征地图，栅格地图，拓扑地图以及混合地图。其中特征地图和栅格地图在SLAM中应用较早。位姿估计算法的研究是解决SLAM问题的关键。目前，已有大量位姿估计算法。这些算法大致可分为以下六类：扩展卡尔曼滤波，最大似然方法，稀疏的扩展信息滤波器，平滑技术，以及图的优化。EKF与RBPF作为SLAM领域的经典算法得到广泛应用，但是EKF算法以机器人运动模型和传感器噪声均为高斯分布的强假设为前提，当不满足这种假设时会导致滤波器发散，而实际应用中大多数情况均不满足此假设，限制了算法的应用范围。RBPF算法以大量粒子拟合移动机器人运动轨迹，不依赖任何外部假设，但存在粒子数量大，计算复杂，粒子匮乏以及闭环问题等。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于ICP算法的无人车自动泊车方法，不依赖里程计，GPS以及惯导等外部定位传感器，仅采用车载激光雷达返回的激光点云数据用较少的粒子完成无人车自动泊车时轨迹跟踪与环境地图构建，为无人地面车辆在未知环境下的自主泊车提供依据。
为了达到上述目的，本发明采用以下技术方案：
本发明提供了一种基于ICP算法的无人车自动泊车方法，包括下述步骤：
S1、启动自动泊车系统，进入初始寻库阶段；
S2、无人车搭载二维激光雷达获取泊车环境的点云数据，并对原始点云数据进行预处理；
S3、寻找停车位数据点云和模型点云中最近似的匹配，通过四元数法给定初值，并用K-D树加速寻找最近点云；
S4、利用四元数法与K-D树相结合计算得到最佳旋转矩阵与最佳平移向量；
S5、计算已配对的各组点的权重值；
S6、错误点的拒绝：对人工泊车过程中的离散数据点进行拟合与优化，由于两组点云只有部分重合，将包含边缘的点都去除，根据Delaunay三角化和曲率的方法，并结合车辆与停车位之间的相对位置，来去除错误点；
S7、ICP算法通过多次迭代上述步骤使得误差最小化，利用得到最小误差的旋转矩阵R和平移向量T将数据点云与模型点云进行配准，计算出停车位二维平面地图；
S8、根据配准好的停车位地图计算起始点到停车位中心点的垂直距离与水平距离作为泊车起始点的综合信息；
S9、在停车位二维平面坐标系上计算测量车辆，泊车轨迹，停车位及他们之间的实时相对位置关系，形成不同车型，不同大小停车位的泊车轨迹二维弯曲线段；
S10、无人车控制系统根据泊车轨迹二维弯曲线段进行方向盘的控制；
S11、无人车的几何中心点与停车位的中心点重合即完成泊车。
作为优选的技术方案，步骤S2中，在对点云数据进行预处理时，激光雷达采用三角测距技术返回极坐标系数据，将极坐标系数据转化至二维平面直角坐标系并解算出原始数据的信号强度，通过设定信号强度的阈值对点云数据进行优化，并以一周数据为一组以方便下一步对点云数据进行处理。
作为优选的技术方案，所用激光雷达频率为10Hz，即每秒可返回10帧数据，大量的冗余数据会给算法带来沉重的负担，采用等时间间隔采样数据帧，其中选择采样时间间隔为1秒，此时无人车运动距离大概为5米，使得相邻两帧数据间的重叠区域较大，保证了ICP算法的有效性。
作为优选的技术方案，步骤S3中，寻找最近点云的方法为：
设旋转变换向量为单位四元数qR＝[qx，qy，qz，qw]，且q2 x+q2 y+q2 z+q2 w＝1，平移变换向量为qT＝[tx，ty，tz]，数据点云X与数据点云Y的重心分别为
作为优选的技术方案，步骤S4中，所述最佳旋转矩阵为：
作为优选的技术方案，步骤S5中，计算权重值的方法为：
假设已配对两点的法向量分别为nx，ny，则权重值w＝nx·ny若考虑两点间的距离来计算权重值，则式其中：distmax——点对之间的最大距离。
作为优选的技术方案，步骤S6中，在对错误点进行拒绝时，在原来基于Delaunay三角化和曲率的基础上结合车辆与停车位之间的相对位置来对停车位点云数据进行修正。
作为优选的技术方案，步骤S9中，在停车位二维平面坐标系上计算测量车辆、泊车轨迹、停车位及他们之间的实时相对位置关系，可形成不同车型、不同大小停车位的泊车轨迹二维弯曲线段，为无人车自主行驶提供依据。
本发明与现有技术相比，具有如下优点和有益效果：
1.本发明采用ICP算法完成运动更新。传统RBPF-SLAM算法采用里程计运动模型实现运动更新，里程计运动模型精度较低，为了覆盖无人车位姿有效区域，需要大量粒子来拟合无人车运动轨迹，导致计算量增大，并且大量粒子还会导致粒子匮乏现象，影响算法有效性。本发明对相邻两帧数据应用ICP算法得到了车辆真实位姿粗估计，然后在此粗估计附近根据高斯分布撒点。该粗估计虽然不是无人车真实位姿，却是无人车真实位姿的高概率区域，在后续撒点过程用少量粒子便实现了较准确的定位与构图，避免了传统方法使用大量粒子拟合车辆轨迹，提高算法的效率，并有效抑制了由于粒子估计不好带来的粒子匮乏现象。
2.本发明在传感器应用上充分考虑自主性，不依赖于里程计、GPS和惯导等外部传感器，仅采用车载激光雷达返回3D激光点云作为原始数据，具有较高的自主性和抗干扰能力。另外本发明原始数据仅来源于单一传感器，在应用上降低了成本也避免了多传感器融合所带来的校准和误差等问题。
3.本发明数据选择上采用等时间间隔采样法。所用激光雷达频率为10Hz，即每秒可返回10帧数据，大量的冗余数据会给算法带来沉重的负担。采用等时间间隔采样数据帧，其中选择采样时间间隔为1秒，此时无人车运动距离大概为5米，使得相邻两帧数据间的重叠区域较大，保证了ICP算法的有效性，并使得无需再ICP算法初值问题上做过多研究。
附图说明
图1是本发明自动泊车方法的流程图；
图2是本发明激光雷达距离分辨率随着实际距离值变化趋势图；
图3是本发明ICP算法点云拟合前的效果图；
图4是本发明ICP算法点云拟合后的效果。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示进一步阐述本发明：
如图1所示，本实施例一种基于ICP算法的无人车自动泊车方法，包括下述步骤：
S1、启动自动泊车系统，进入初始寻库阶段。
S2、无人车搭载二维激光雷达获取泊车环境的点云数据，并对点云数据进行预处理；对点云数据进行预处理时，激光雷达采用三角测距技术返回极坐标系数据，将极坐标系数据转化至二维平面直角坐标系并解算出原始数据的信号强度，通过设定信号强度的阈值对点云数据进行优化，并以一周数据为一组以方便下一步对点云数据进行处理，如图2所示。且数据选择上采用等时间间隔采样法。所用激光雷达频率为10Hz，即每秒可返回10帧数据，大量的冗余数据会给算法带来沉重的负担。采用等时间间隔采样数据帧，其中选择采样时间间隔为1秒，此时无人车运动距离大概为5米，使得相邻两帧数据间的重叠区域较大，保证了ICP算法的有效性，并使得无需再ICP算法初值问题上做过多研究。
S3、寻找停车位数据点云和模型点云中最近似的匹配，通过四元数法给定初值，并用K-D树加速寻找最近点云；设旋转变换向量为单位四元数qR＝[qx，qy，qz，qw]，且q2 x+2 y+2 z+2 w＝1，平移变换向量为qT＝[tx，ty，tz]。数据点云X与数据点云Y的重心分别为
S4、利用四元数法与K-D树相结合计算得到最佳旋转矩阵与最佳平移向量利用四元数法与K-D树相结合计算得出最佳旋转矩阵与最佳平移矩阵qT。
S5、计算已配对的各组点的权重值，一组点的权重值是根据它们的法向量来确定的。假设已配对两点的法向量分别为nx，ny，则权重值w＝nx·ny若考虑两点间的距离来计算权重值，则式中：distmax——点对之间的最大距离。
S6、错误点的拒绝。对人工泊车过程中的离散数据点进行拟合与优化，由于两组点云只有部分重合，所以一般将包含边缘的点都去除，根据Delaunay三角化和曲率的方法，并结合车辆与停车位之间的相对位置，来去除错误点，通过图3中点云拟合前的效果图和图4中点云拟合后的效果进行对比可知，通过步骤S6可以较好的去除错误点。
步骤S6中，在对错误点进行拒绝时，在原来基于Delaunay三角化和曲率的基础上结合车辆与停车位之间的相对位置来对停车位点云数据进行修正。
S7、ICP算法通过多次迭代上述步骤使得误差最小化。利用得到最小误差的旋转矩阵R和平移向量T将数据点云与模型点云进行配准，得出停车位二维平面地图。
S8、根据配准好的停车位地图计算起始点到停车位中心点的垂直距离与水平距离作为泊车起始点的综合信息。
S9、在停车位二维平面坐标系上对人工泊车过程中的离散数据点进行拟合与优化，并对车辆，泊车轨迹，停车位及他们之间的实时相对位置关系，形成不同车型，不同大小停车位的泊车轨迹二维弯曲线段。
S10、无人车控制系统根据泊车轨迹二维弯曲线段进行方向盘的控制。
S11、无人车的几何中心点与停车位的中心点重合即完成泊车。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (8)
1.一种基于ICP算法的无人车自动泊车方法，其特征在于，包括下述步骤：
S1、启动自动泊车系统，进入初始寻库阶段；
S2、无人车搭载二维激光雷达获取泊车环境的点云数据，并对原始点云数据进行预处理；
S3、寻找停车位数据点云和模型点云中最近似的匹配，通过四元数法给定初值，并用K-D树加速寻找最近点云；
S4、利用四元数法与K-D树相结合计算得到最佳旋转矩阵与最佳平移向量；
S5、计算已配对的各组点的权重值；
S6、错误点的拒绝：对人工泊车过程中的离散数据点进行拟合与优化，由于两组点云只有部分重合，将包含边缘的点都去除，根据Delaunay三角化和曲率的方法，并结合车辆与停车位之间的相对位置，来去除错误点；
S7、ICP算法通过多次迭代上述步骤使得误差最小化，利用得到最小误差的旋转矩阵R和平移向量T将数据点云与模型点云进行配准，计算出停车位二维平面地图；
S8、根据配准好的停车位地图计算起始点到停车位中心点的垂直距离与水平距离作为泊车起始点的综合信息；
S9、在停车位二维平面坐标系上计算测量车辆，泊车轨迹，停车位及他们之间的实时相对位置关系，形成不同车型，不同大小停车位的泊车轨迹二维弯曲线段；
S10、无人车控制系统根据泊车轨迹二维弯曲线段进行方向盘的控制；
S11、无人车的几何中心点与停车位的中心点重合即完成泊车。
2.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S2中，在对点云数据进行预处理时，激光雷达采用三角测距技术返回极坐标系数据，将极坐标系数据转化至二维平面直角坐标系并解算出原始数据的信号强度，通过设定信号强度的阈值对点云数据进行优化，并以一周数据为一组以方便下一步对点云数据进行处理。
3.根据权利要求2所述基于ICP算法的无人车自动泊车方法，其特征在于，所用激光雷达频率为10Hz，即每秒可返回10帧数据，大量的冗余数据会给算法带来沉重的负担，采用等时间间隔采样数据帧，其中选择采样时间间隔为1秒，此时无人车运动距离大概为5米，使得相邻两帧数据间的重叠区域较大，保证了ICP算法的有效性。
4.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S3中，寻找最近点云的方法为：
设旋转变换向量为单位四元数qR＝[qx，qy，qz，qw]，且q2 x+q2 y+q2 z+q2 w＝1，平移变换向量为qT＝[tx，ty，tz]，数据点云X与数据点云Y的重心分别为
5.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S4中，所述最佳旋转矩阵为：
6.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S5中，计算权重值的方法为：
假设已配对两点的法向量分别为nx，ny，则权重值w＝nx.ny若考虑两点间的距离来计算权重值，则式其中：distmax——点对之间的最大距离。
7.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S6中，在对错误点进行拒绝时，在原来基于Delaunay三角化和曲率的基础上结合车辆与停车位之间的相对位置来对停车位点云数据进行修正。
8.根据权利要求1所述基于ICP算法的无人车自动泊车方法，其特征在于，步骤S9中，在停车位二维平面坐标系上计算测量车辆、泊车轨迹、停车位及他们之间的实时相对位置关系，可形成不同车型、不同大小停车位的泊车轨迹二维弯曲线段，为无人车自主行驶提供依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611005797.XA CN106541945B (zh) | 2016-11-15 | 2016-11-15 | 一种基于icp算法的无人车自动泊车方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611005797.XA CN106541945B (zh) | 2016-11-15 | 2016-11-15 | 一种基于icp算法的无人车自动泊车方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106541945A true CN106541945A (zh) | 2017-03-29 |
| CN106541945B CN106541945B (zh) | 2019-02-12 |
Family
ID=58394467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611005797.XA Active CN106541945B (zh) | 2016-11-15 | 2016-11-15 | 一种基于icp算法的无人车自动泊车方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106541945B (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107521493A (zh) * | 2017-08-28 | 2017-12-29 | 苏州优达斯汽车科技有限公司 | 一种自动泊车系统 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN108279670A (zh) * | 2017-12-29 | 2018-07-13 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
| CN108860140A (zh) * | 2018-05-02 | 2018-11-23 | 奇瑞汽车股份有限公司 | 一种自动泊车融合系统 |
| CN109147374A (zh) * | 2017-06-15 | 2019-01-04 | 深圳市金溢科技股份有限公司 | 停车场管理方法、系统、车载单元及后台服务器 |
| CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
| CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
| CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
| CN110082779A (zh) * | 2019-03-19 | 2019-08-02 | 同济大学 | 一种基于3d激光雷达的车辆位姿定位方法及系统 |
| CN110162028A (zh) * | 2018-02-11 | 2019-08-23 | 北京图森未来科技有限公司 | 一种车辆定位停车系统、方法和装置 |
| CN110228464A (zh) * | 2018-03-05 | 2019-09-13 | 丰田自动车株式会社 | 路径生成装置 |
| CN110388924A (zh) * | 2018-04-18 | 2019-10-29 | 法拉第未来公司 | 用于与自动导航有关的基于雷达的车辆定位的系统和方法 |
| CN110531376A (zh) * | 2019-08-23 | 2019-12-03 | 畅加风行(苏州)智能科技有限公司 | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 |
| CN110658531A (zh) * | 2019-08-23 | 2020-01-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
| CN110702134A (zh) * | 2019-10-08 | 2020-01-17 | 燕山大学 | 基于slam技术的车库自主导航装置及导航方法 |
| CN111060099A (zh) * | 2019-11-29 | 2020-04-24 | 畅加风行(苏州)智能科技有限公司 | 一种无人驾驶汽车实时定位方法 |
| CN111161412A (zh) * | 2019-12-06 | 2020-05-15 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
| WO2020133694A1 (zh) * | 2018-12-26 | 2020-07-02 | 上海图森未来人工智能科技有限公司 | 一种岸吊区卡车精准停车方法、设备及系统 |
| WO2020133693A1 (zh) * | 2018-12-26 | 2020-07-02 | 上海图森未来人工智能科技有限公司 | 一种岸吊区卡车精准停车方法、设备及系统 |
| CN111376905A (zh) * | 2018-12-27 | 2020-07-07 | 北京图森智途科技有限公司 | 运输工具的停车控制方法、装置、系统、运输工具及车辆 |
| CN111775931A (zh) * | 2019-04-03 | 2020-10-16 | 北京宝沃汽车有限公司 | 自动泊车方法与装置以及一种车辆 |
| CN112735135A (zh) * | 2020-12-31 | 2021-04-30 | 东来智慧交通科技(深圳)有限公司 | 高速运动车辆超限检测方法 |
| CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
| CN112950999A (zh) * | 2021-03-01 | 2021-06-11 | 成都安智杰科技有限公司 | 一种汽车预警方法、装置、电子设备及存储介质 |
| CN113173158A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 基于环视slam及车辆运动学的车辆定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101008566A (zh) * | 2007-01-18 | 2007-08-01 | 上海交通大学 | 基于地面纹理的智能车视觉装置及其全局定位方法 |
| CN102072725A (zh) * | 2010-12-16 | 2011-05-25 | 唐粮 | 一种基于激光点云和实景影像进行空间三维测量的方法 |
| CN102998679A (zh) * | 2012-11-25 | 2013-03-27 | 北京理工大学 | 一种应用于无人车的gis数据获取方法 |
| CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN105976353A (zh) * | 2016-04-14 | 2016-09-28 | 南京理工大学 | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 |
-
2016
- 2016-11-15 CN CN201611005797.XA patent/CN106541945B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101008566A (zh) * | 2007-01-18 | 2007-08-01 | 上海交通大学 | 基于地面纹理的智能车视觉装置及其全局定位方法 |
| CN102072725A (zh) * | 2010-12-16 | 2011-05-25 | 唐粮 | 一种基于激光点云和实景影像进行空间三维测量的方法 |
| CN102998679A (zh) * | 2012-11-25 | 2013-03-27 | 北京理工大学 | 一种应用于无人车的gis数据获取方法 |
| CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
| CN104764457A (zh) * | 2015-04-21 | 2015-07-08 | 北京理工大学 | 一种用于无人车的城市环境构图方法 |
| CN105976353A (zh) * | 2016-04-14 | 2016-09-28 | 南京理工大学 | 基于模型和点云全局匹配的空间非合作目标位姿估计方法 |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109147374A (zh) * | 2017-06-15 | 2019-01-04 | 深圳市金溢科技股份有限公司 | 停车场管理方法、系统、车载单元及后台服务器 |
| CN107521493A (zh) * | 2017-08-28 | 2017-12-29 | 苏州优达斯汽车科技有限公司 | 一种自动泊车系统 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN107600067B (zh) * | 2017-09-08 | 2019-09-20 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN108279670A (zh) * | 2017-12-29 | 2018-07-13 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
| CN108279670B (zh) * | 2017-12-29 | 2021-12-10 | 百度在线网络技术（北京）有限公司 | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 |
| US11067669B2 (en) | 2017-12-29 | 2021-07-20 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for adjusting point cloud data acquisition trajectory, and computer readable medium |
| CN110162028A (zh) * | 2018-02-11 | 2019-08-23 | 北京图森未来科技有限公司 | 一种车辆定位停车系统、方法和装置 |
| US11532230B2 (en) | 2018-02-11 | 2022-12-20 | Beijing Tusen Zhitu Technology Co., Ltd. | System, method and apparatus for position-based parking of vehicle |
| CN110228464A (zh) * | 2018-03-05 | 2019-09-13 | 丰田自动车株式会社 | 路径生成装置 |
| CN110228464B (zh) * | 2018-03-05 | 2022-04-15 | 丰田自动车株式会社 | 路径生成装置 |
| CN110388924A (zh) * | 2018-04-18 | 2019-10-29 | 法拉第未来公司 | 用于与自动导航有关的基于雷达的车辆定位的系统和方法 |
| CN108860140A (zh) * | 2018-05-02 | 2018-11-23 | 奇瑞汽车股份有限公司 | 一种自动泊车融合系统 |
| CN109166140A (zh) * | 2018-07-27 | 2019-01-08 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
| CN109166140B (zh) * | 2018-07-27 | 2021-10-01 | 长安大学 | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 |
| CN109186586B (zh) * | 2018-08-23 | 2022-03-18 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
| CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
| JP2022515809A (ja) * | 2018-12-26 | 2022-02-22 | 北京図森智途科技有限公司 | 岸壁クレーンエリアでのトラックの精確な停車方法、デバイス及びシステム |
| WO2020133694A1 (zh) * | 2018-12-26 | 2020-07-02 | 上海图森未来人工智能科技有限公司 | 一种岸吊区卡车精准停车方法、设备及系统 |
| WO2020133693A1 (zh) * | 2018-12-26 | 2020-07-02 | 上海图森未来人工智能科技有限公司 | 一种岸吊区卡车精准停车方法、设备及系统 |
| CN111369779A (zh) * | 2018-12-26 | 2020-07-03 | 北京图森智途科技有限公司 | 一种岸吊区卡车精准停车方法、设备及系统 |
| US11948370B2 (en) | 2018-12-26 | 2024-04-02 | Beijing Tusen Zhitu Technology Co., Ltd. | Precise parking method, apparatus and system of truck in shore-based crane area |
| JP7303309B2 (ja) | 2018-12-26 | 2023-07-04 | 北京図森智途科技有限公司 | 岸壁クレーンエリアでのトラックの精確な停車方法、デバイス及びシステム |
| CN111376905A (zh) * | 2018-12-27 | 2020-07-07 | 北京图森智途科技有限公司 | 运输工具的停车控制方法、装置、系统、运输工具及车辆 |
| CN109900298A (zh) * | 2019-03-01 | 2019-06-18 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
| CN109900298B (zh) * | 2019-03-01 | 2023-06-30 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
| CN110082779A (zh) * | 2019-03-19 | 2019-08-02 | 同济大学 | 一种基于3d激光雷达的车辆位姿定位方法及系统 |
| CN111775931A (zh) * | 2019-04-03 | 2020-10-16 | 北京宝沃汽车有限公司 | 自动泊车方法与装置以及一种车辆 |
| CN110658531A (zh) * | 2019-08-23 | 2020-01-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
| CN110531376A (zh) * | 2019-08-23 | 2019-12-03 | 畅加风行(苏州)智能科技有限公司 | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 |
| CN110658531B (zh) * | 2019-08-23 | 2022-03-29 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶车辆的动态目标追踪方法 |
| CN110702134A (zh) * | 2019-10-08 | 2020-01-17 | 燕山大学 | 基于slam技术的车库自主导航装置及导航方法 |
| CN111060099B (zh) * | 2019-11-29 | 2023-08-04 | 畅加风行(苏州)智能科技有限公司 | 一种无人驾驶汽车实时定位方法 |
| CN111060099A (zh) * | 2019-11-29 | 2020-04-24 | 畅加风行(苏州)智能科技有限公司 | 一种无人驾驶汽车实时定位方法 |
| CN111161412A (zh) * | 2019-12-06 | 2020-05-15 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
| WO2021109167A1 (zh) * | 2019-12-06 | 2021-06-10 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
| CN111161412B (zh) * | 2019-12-06 | 2024-02-09 | 苏州艾吉威机器人有限公司 | 三维激光建图方法及系统 |
| CN112802346A (zh) * | 2020-12-28 | 2021-05-14 | 苏州易航远智智能科技有限公司 | 基于云端共享和地图融合的自主泊车系统和方法 |
| CN112735135A (zh) * | 2020-12-31 | 2021-04-30 | 东来智慧交通科技(深圳)有限公司 | 高速运动车辆超限检测方法 |
| CN112950999A (zh) * | 2021-03-01 | 2021-06-11 | 成都安智杰科技有限公司 | 一种汽车预警方法、装置、电子设备及存储介质 |
| CN113173158A (zh) * | 2021-04-26 | 2021-07-27 | 安徽域驰智能科技有限公司 | 基于环视slam及车辆运动学的车辆定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106541945B (zh) | 2019-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106541945A (zh) | 一种基于icp算法的无人车自动泊车方法 | |
| US11852729B2 (en) | Ground intensity LIDAR localizer | |
| Akai et al. | Robust localization using 3D NDT scan matching with experimentally determined uncertainty and road marker matching | |
| CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
| CN104764457B (zh) | 一种用于无人车的城市环境构图方法 | |
| CN104950313B (zh) | 一种路面提取及道路坡度识别方法 | |
| Wang et al. | Intelligent vehicle self-localization based on double-layer features and multilayer LIDAR | |
| CN109166140B (zh) | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 | |
| CN114812581B (zh) | 一种基于多传感器融合的越野环境导航方法 | |
| CN108961811B (zh) | 停车场车辆定位方法、系统、移动终端及存储介质 | |
| EP2074380B1 (en) | A method of analysing the surroundings of a vehicle | |
| CN110307850A (zh) | 航迹推算定位方法及自动泊车系统 | |
| Han et al. | Precise localization and mapping in indoor parking structures via parameterized SLAM | |
| CN101008571A (zh) | 一种移动机器人三维环境感知方法 | |
| Aldibaja et al. | LIDAR-data accumulation strategy to generate high definition maps for autonomous vehicles | |
| Rabe et al. | Ego-lane estimation for lane-level navigation in urban scenarios | |
| Moras et al. | Drivable space characterization using automotive lidar and georeferenced map information | |
| JP7321035B2 (ja) | 物体位置検出方法及び物体位置検出装置 | |
| Hara et al. | Vehicle localization based on the detection of line segments from multi-camera images | |
| JP5375249B2 (ja) | 移動経路計画装置、移動体制御装置及び移動体 | |
| Jia et al. | A new multi-sensor platform for adaptive driving assistance system (ADAS) | |
| Quack et al. | Digital map generation and localization for vehicles in urban intersections using LiDAR and GNSS data | |
| Park et al. | Vehicle localization using an AVM camera for an automated urban driving | |
| Jo et al. | Hybrid local route generation combining perception and a precise map for autonomous cars | |
| Maeda et al. | Lane-marker-based map construction and map precision evaluation methods using on-board cameras for autonomous driving |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230103 Address after: 510000 room 606-609, compound office complex building, No. 757, Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province (not for plant use) Patentee after: China Southern Power Grid Internet Service Co.,Ltd. Address before: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000 Patentee before: OURCHEM INFORMATION CONSULTING CO.,LTD. Effective date of registration: 20230103 Address after: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000 Patentee after: OURCHEM INFORMATION CONSULTING CO.,LTD. Address before: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou Patentee before: Guangzhou University |
|
| TR01 | Transfer of patent right |