CN109387855A - 一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 - Google Patents
一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 Download PDFInfo
- Publication number
- CN109387855A CN109387855A CN201811264792.8A CN201811264792A CN109387855A CN 109387855 A CN109387855 A CN 109387855A CN 201811264792 A CN201811264792 A CN 201811264792A CN 109387855 A CN109387855 A CN 109387855A
- Authority
- CN
- China
- Prior art keywords
- grade
- gradient
- length
- ramp
- laser
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/076—Slope angle of the road
-
- 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
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/46—Indirect determination of position data
- G01S17/48—Active triangulation systems, i.e. using the transmission and reflection of electromagnetic waves other than radio waves
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,包括硬件系统和软件系统,其中,硬件系统包括车载脉冲激光雷达、旋转关节系统、单片机、Y型支座、车速传感器、胎压传感器以及显示器;软件系统包括滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块;本发明可以在车辆动态工况下实现单坡道及连续坡道坡度及坡长的提前预测,准确度较高,对处理器的计算能力要求低,而且脉冲激光雷达重量轻,体积小,操作简单,速度快。
Description
技术领域
本发明涉及智能交通领域,具体涉及一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统。
背景技术
坡道坡度预测是先进汽车技术中的关键技术之一,是智能汽车和自动驾驶技术中重要的组成部分,例如防抱死制动系统(ABS)、电子自动变速箱技术(AMT)、自适应巡航控制系统(ACC)、直接换挡变速器技术(DSG)、上坡辅助系统(HAC)以及陡坡缓降系统(HDC)中都需要准确的坡道信息。目前国内都基于多传感器信息融合,结合相应的算法加以估计坡道的坡度。这种方法在理论上是对坡道的坡度进行实时的测量,缺点在于无法获取坡道的坡长,同时由于传感器数量多,造成系统的经济成本高,稳定性差。处理器需要在短时间内处理大量不同类型的数据,实时性较差。
坡道坡度及坡长的预测是自动驾驶的关键技术。准确的坡道信息可以为自动变速器提供动态节油的换挡策略,提高自动变速器的坡道行驶性能。在坡道辅助系统、自动驻车功能以及电动助力转向系统中,根据纵向坡道信息来计算驻车制动压力以及坡道起步所需要的发动机转矩。坡道坡度可应用于汽车前照灯自动切换系统。在电动汽车的控制策略中,如果坡道信息估计不准确,将影响动力的输出与分配。在主动安全技术中,坡道信息被用来计算汽车的安全速度。由于卡车经常在山区工作,道路坡度将影响汽车的动力性能、燃油经济性以及操纵稳定性。综上所述,坡道坡度预测是先进汽车技术中的关键技术之一,是智能汽车和自动驾驶技术中重要的组成部分。
现有的坡道坡度测量技术包括:
(1)采用专业坡度测量仪器对道路的坡度及坡长进行测量与标定。例如有许多有关坡度测量装置的专利,测量人员需要带着坡度测量仪器到待测坡道实地测量后获取坡道的坡度。此方法可以获得准确的坡道信息,但由于现实中坡道数量多,逐一对其进行人工测量成本高,同时该方法获得的数据难以有效传递到车辆的控制器中,无法满足车辆对数据实时性的要求。
(2)基于车载的多传感器信息融合技术估计道路的坡度。从信息来源看,一些方法完全通过CAN总线提取车载传感器的信息,一些方法则附加传感器来提供额外的信息,最后对传感器的信息处理分析来估计坡道的信息。从算法的角度看,一些方法利用滤波器对坡度进行状态估计;一些方法采用状态观测器来对坡度进行状态估计;一些方法将坡度值假设为常数并使用系统辨识的方法(最少平方估计)来对坡度进行估计。这些方法可以满足车辆对数据实时性的要求,但由于传感器数量多,汽车高频瞬态运动特性及行驶工况复杂性易导致传感器信号失真,同时,复杂的算法对处理器的处理能力要求极高,整套系统成本高,稳定性差。
(3)基于汽车动力学模型估算。例如基于纵向加速度方法,基于GPS位置信息构建卡尔曼滤波器对道路坡度进行估算,基于车轮垂直载荷和悬架垂向位移的估计方法,基于整车动力学集成观测与数据融合方法。这些方法可以满足实时性要求,同时依靠车载传感器获取的数据可靠性高,系统成本较低,但是坡度观测精度和实时性取决于选取动力模型的准确性和复杂性,动力学中的相关参数难以获得准确的数值,复杂工况下的汽车动力学模型较为缺乏,因此基于动力学参数获取坡道的方法原理复杂,精度较差。
现在大多数研究者对坡度的测量都集中在实时性上,但由于客观原因,延迟明显。
发明内容
本发明所要解决的技术问题是提供一种利用脉冲激光雷达提前预测坡道坡度及坡长的系统。
本发明解决技术问题所采用的技术方案是:
一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,包括硬件系统和软件系统,其中,硬件系统包括车载脉冲激光雷达、旋转关节系统、单片机、Y型支座、车速传感器、胎压传感器以及显示器;软件系统包括滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块;
车载脉冲激光雷达安装在Y型支座上,Y型支座安装在车顶前部,旋转关节系统安装在Y型支座的两个分叉上;单片机安装在驾驶员一侧的车门上,车速传感器安装在变速箱或驱动桥壳内,显示器安装在车辆仪表板上;滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块嵌在单片机内;
车速传感器通过CAN总线,将车速信息传输至滤波模块,胎压传感器获取车辆轮胎胎压,将胎压信息传输至滤波模块,滤波模块消除干扰信号,然后将车速信息传输至坡度坡长计算模块,滤波模块将胎压信息传输至坡道预测模式选择模块;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式之后,并向脉冲激光雷达控制模块、旋转关节控制模块、坡度坡长计算模块发送信息,旋转关节控制模块将信息传输至旋转关节系统,控制旋转关节旋转运动;脉冲激光雷达控制模块控制车载脉冲激光雷达发射和接收激光信号;坡度坡长计算模块计算出坡度,并将坡度信息传输至坡度坡长选择模块,坡度坡长选择模块消除异常值,得到坡道的最终坡度,并将信息传输至坡度坡长计算模块,坡度坡长计算模块计算出最终坡长,并将信息传输至坡度坡长选择模块,坡度坡长选择模块将最终的坡度与坡长信息传输至显示器,显示器显示最终的坡道坡度及坡长。
进一步地,旋转关节系统由伺服电机、谐波减速器、增量编码器、绝对编码器、电抱闸以及微控制器组成。
进一步地,旋转关节在0°到30°的范围内进行俯仰运动。
进一步地,滤波模块采用卡尔曼滤波消除干扰。
进一步地,坡度坡长数值选择模块采用格拉布斯准则消除异常值,得到坡道最终坡度β。
进一步地,单坡道时,车辆在水平道路预测前方坡道坡度,坡度与坡长计算模块根据以下公式计算得到坡度:
其中,v为激光在空气中的传播速度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,βn为第n次发射激光计算得到的坡度,u为车辆的速度,tn为第n次发射激光从发射到接收回波经历的时间,m为第一次发射激光的发射点到坡底的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度;tm为相邻两次激光发射的时间间隔。
进一步地,单坡道时,车辆在水平面预测前方坡道坡长,坡度与坡长计算模块根据以下公式计算得到最终坡长:
其中,L为测量得到的坡道的最终坡长,β为测量得到的最终坡度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度。
进一步地,连续多个坡道时,车辆处于第二坡道上、第三坡道...第n坡道上,预测当前坡道坡度,坡度与坡长计算模块根据以下公式计算得到坡度:
其中,β2(n)为第二个坡道坡度的第n次测量得到的坡度,H为激光探头到坡道的垂直距离,v为激光的传播速度,AnCn为第二个坡道坡度的第n次测量时激光探头与坡道的水平距离,tn为第二个坡道坡度的第n次测量时,激光从发射到接收到回波经历的时间。
进一步地,连续多个坡道时,车辆处于第二坡道上、第三坡道...第n坡道,预测当前坡道坡长,坡度与坡长计算模块根据以下公式计算得到最终坡长L:
其中,L为测量得到的坡道的最终坡长,t′n为理论上第n次发射激光从发射到接收回波经历的时间,v为激光的传播速度,u为车辆的速度,n为发射的激光次数,θ为每发射一次激光,旋转关节向仰角方向旋转的一个固定角度,β为测量得到的最终坡度;tL1为坡度预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,tL2为坡长预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间。
本发明的有益效果是:
(1)本发明能够实现坡道坡度及坡长的提前预测,同时减少传感器的数量,提高系统整体运行的稳定性,降低系统的成本。
(2)本发明可以在车辆动态工况下实现单坡道及连续坡道坡度及坡长的提前预测,准确度较高,对处理器的计算能力要求低。
(3)本发明采用脉冲激光雷达,脉冲激光雷达的量程较大,精度较高,激光不易受到外界环境的干扰。由于激光的传播速度达到3×108m/s,在发射下一次的激光前就已经接收到上一次激光的回波,极大地节省了单片机运算器的运算负荷。在有限的预测时间内,脉冲激光雷达可以发射更多次的激光。基于坡道坡度及坡长的预测原理,对同一坡道测量次数越多,则预测的准确度越高。而脉冲激光雷达重量轻,体积小,操作简单,速度快而准确。
附图说明
图1为本发明系统的流程图。
图2为本发明系统基本原理示意图。
图3为本发明系统工作原理示意图。
图4为第一次发射激光的示意图。
图5为第二次发射激光的示意图。
图6为连续坡道示意图。
图7为连续坡道坡度预测原理示意图。
图8为连续坡道坡长预测原理示意图。
图9为连续坡道坡长预测组成示意图。
图10为脉冲激光雷达安装在Y型支座上的正视图。
图11为脉冲激光雷达安装在Y型支座上的侧视图。
具体实施方式
以下结合附图对本发明的技术方案做进一步详细说明,应当指出的是,具体实施方式只是对本发明的详细说明,不应视为对本发明的限定。
本发明的一种利用脉冲激光雷达提前预测坡道坡度及坡长的系统,如图1所示,包括硬件系统和软件系统,其中,硬件系统包括车载脉冲激光雷达、旋转关节系统、单片机、Y型支座、车速传感器、胎压传感器以及显示器;软件系统包括滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块;
作为一种优选的方式,如图10、11所示,车载脉冲激光雷达1安装在Y型支座3上,Y型支座3安装在车顶前部,旋转关节系统2安装在Y型支座3的两个分叉上;单片机安装在驾驶员一侧的车门上,车速传感器安装在变速箱或驱动桥壳内,胎压传感器安装在车辆的每个轮胎内部,胎压传感器数量与车辆轮胎数量相等;显示器安装在车辆仪表板上;滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块嵌在单片机内;
作为一种优选的方式,Y型支座通过吸盘4吸附在车顶前部。
作为一种优选的方式,胎压传感器的输出端连接滤波模块的输入端,车速传感器的输出端连接CAN总线,CAN总线的输出端连接滤波模块,滤波模块的输出端连接坡道预测模式选择模块,用于胎压信号的传输,滤波模块的输出端连接坡度坡长计算模块,用于车速信号的传输;坡道预测模式选择模块的输出端连接脉冲激光雷达控制模块的输入端,脉冲激光雷达控制模块的输出端连接车载脉冲激光雷达的输入端;坡道预测模式选择模块的输出端连接旋转关节控制模块的输入端,旋转关节控制模块的输出端连接旋转关节系统的输入端;坡道预测模式选择模块的输出端连接坡度坡长计算模块的输入端,坡度坡长计算模块的输出端连接坡度坡长数值选择模块的输入端,坡度坡长数值选择模块的输出端连接坡度坡长计算模块的输入端,坡度坡长数值选择模块的输出端还连接显示器的输入端;软件系统嵌在单片机中;旋转关节系统和车载脉冲激光雷达物理连接在Y型支座上。
作为一种优选的方式,旋转关节系统由伺服电机、谐波减速器、增量编码器、绝对编码器、电抱闸以及微控制器组成。
作为一种优选的方式,车载脉冲激光雷达使用SK-LM200型号,量程为200m;旋转关节系统采用Spinner BN 835047;单片机采用STM32单片机;车速传感器可以沿用原车的车速传感器,通过CAN总线接口传输车速信息;Y型支座采用不锈钢材料加工而成,显示器采用YB-J700EA仪表台式车载液晶高清显示器。
作为一种优选的方式,软件系统中的滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块以C语言的格式嵌入到单片机中。
作为一种优选的方式,旋转关节系统实现旋转关节旋转运动;车载脉冲激光雷达用于发射和接收激光信号;胎压传感器用于获取轮胎胎压,轮胎胎压是判断汽车处于不同坡道的状态判断量;车速传感器为系统提供车速信息;显示器用于显示坡道坡度及坡长;Y型支座固定车载脉冲激光雷达;单片机用于嵌入软件系统。
作为一种优选的方式,脉冲激光雷达控制模块控制脉冲激光雷达的发射与接收,实现激光定时间间隔的发射,定时间间隔可以设定为0.03s;旋转关节控制模块控制旋转关节系统中的微控制器,实现控制模式的切换,旋转关节系统中的微控制器控制伺服电机,使旋转关节旋转运动固定角度θ;车速传感器通过CAN总线,将车速信息传输至滤波模块,胎压传感器获取轮胎胎压,将胎压信息输至滤波模块,滤波模块消除干扰信号,提高信号的信噪比,然后滤波模块将车速信息传输至坡度坡长计算模块,滤波模块将胎压信息传输至坡道预测模式选择模块;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式之后,并向脉冲激光雷达控制模块、旋转关节控制模块、坡度坡长计算模块发送信息,旋转关节控制模块将信息传输至旋转关节系统,控制旋转关节旋转运动;脉冲激光雷达控制模块控制车载脉冲激光雷达发射和接收激光信号;坡度坡长计算模块计算出坡度,并将坡度信息传输至坡度坡长选择模块,坡度坡长选择模块消除异常值,得到坡道的最终坡度,并将信息传输至坡度坡长计算模块,坡度坡长计算模块计算出最终坡长,并将信息传输至坡度坡长选择模块,坡度坡长选择模块将最终的坡度与坡长信息传输至显示器,显示器显示最终的坡道坡度及坡长。
作为一种优选的方式,单坡道与连续坡道中第一个坡道的坡度以及坡长的预测方法一样,因此,在预测坡道时首先都按照单坡道处理。
作为一种优选的方式,在汽车驶完第一个坡道时,坡道预测模式选择模块根据胎压传感器检测到的胎压信号判断汽车处于坡道上还是处于水平道路上,如果汽车驶完第一个坡道后,处于水平道路上,坡道预测模式选择模块则向旋转关节控制模块发送指令,旋转关节控制模块控制旋转关节回位归零。
如果汽车驶完第一个坡道后,汽车处于坡道上,则说明是连续坡道,坡道预测模式选择模块向旋转关节控制模块、脉冲激光雷达控制模块、坡度坡长计算模块发送指令,旋转关节控制模块控制旋转关节处于水平方向,脉冲激光雷达控制模块控制车载脉冲激光雷达发射和接收激光信号,坡度坡长计算模块计算出坡度及坡长。
作为一种优选的方式,胎压传感器用于采集汽车四个轮胎的胎压。当汽车的四个轮胎胎压发生跳跃变化并且维持变化后的情况,系统认为车辆行驶的道路类型发生变化,即从一个坡道行驶到了另一个坡道。
作为一种优选的方式,固定角度θ可以设定为0.1°,理论上固定角度θ值越小,测量的次数越多,测量的坡道坡度越精确。
作为一种优选的方式,旋转关节在0°到30°的范围内进行俯仰运动。
作为一种优选的方式,滤波模块采用卡尔曼滤波消除干扰。
作为一种优选的方式,坡度坡长数值选择模块采用格拉布斯准则消除异常值,得到坡道最终坡度。
作为一种优选的方式,单坡道时,车辆在水平道路预测前方坡道坡度,坡度坡长计算模块计算坡度采用的公式为:
其中,v为激光的传播速度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,βn为第n次发射激光计算得到的坡度,u为车辆的速度,tn为第n次发射激光从发射到接收回波经历的时间,m为第一次发射激光的发射点到坡底的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定的角度;tm为相邻两次发射的时间间隔。
坡度预测结束时,旋转关节共旋转了nθ,坡度坡长计算模块计算坡长采用的公式为:
其中,L为测量得到的坡道的最终坡长,β为测量得到的最终坡度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度。
采用正弦和余弦定理建立以上坡道坡度及坡长的求解公式,采用的原理与公式推导的具体过程为:
基于脉冲回波时间差法测距原理,首先激光发射器向一个方向发射一个脉冲信号,同时计时器开始计时,激光在空气中传播,遇到障碍物后反射,激光接收器接收到回波后,计时器停止计时。根据计时器起始的时间差,可以得到发射点与障碍物之间的距离:S=vt/2。式中,S为发射点与障碍物之间的距离,v为激光在空气中的传播速度,t为激光从发射到被接收所用的时间。
如图2、3所示,车辆在水平面上,将坡道视为一条与水平线有固定夹角的线段,则坡道、激光到达坡道的距离、以及激光发射器到坡底的距离三者组成了一个钝角三角形,坡度是钝角三角形的一个外角。
旋转关节第一次由水平方向向仰角方向旋转一个固定角度θ,车载脉冲激光雷达第一次发射激光,旋转关节第二次向仰角方向旋转一个固定角度θ;间隔一定时间后,车载脉冲激光雷达第二次发射激光,旋转关节第三次向仰角方向旋转一个固定角度θ,依次类推,每发射一次激光,旋转关节将向仰角方向旋转一个固定角度θ。
激光到达坡道的反射点随着旋转关节仰角的不断增大而沿着坡道逐渐向上移动,因此由以上三者围成的钝角三角形不断变化,但是坡道的坡度是固定的。由于多普勒效应及噪声的干扰,对于同一个坡道的计算,基于不同的钝角三角形可能会得到不同的计算结果,所有的结果组成一个坡道坡度的数集。
当某一次计算得到的坡度值明显不同于前面所测,符合
则认为激光的落点已经不在待测坡道上,系统对于本次坡道的测量完成,旋转关节回零。
如图3所示,字母A代表激光的发射点,字母B代表坡底,字母C代表激光在坡道上的反射点,字母D代表坡顶,辅助点M是从脉冲激光雷达探头出发的水平线与坡道的交点,H为激光探头到车轮所在地面的垂直距离。线段BD代表坡道,线段A1M代表发射点到坡道的水平距离,A1是旋转关节第一次向仰角方向旋转后的发射点,线段A1M是第一次的激光发射点到坡底的距离,θ是旋转关节的单位旋转角,即激光传感器每发射一次激光,旋转关节便向仰角方向旋转一个θ角度。线段A1C1是第一次发射的激光从发射点到坡道的距离,线段A2C2是第二次的发射波从发射点到坡道的距离,以此类推。线段A1A2是第一次发射与第二次发射两次发射时间间隔内汽车行进的距离,依次类推。β是坡道的坡度。
如图4所示,第一次发射激光,在ΔA1MC1中,A1M和θ都是已知量,A1C1是第一次发射的激光从发射点到坡道的距离,C1A′1是第一次发射的激光回波从坡道到接收点的距离,激光从发射到接收经历的时间为t1,车辆的速度为u,激光在空气中的传播速度为v。
A1A′1=ut1 (1)
A1M=m (2)
A1M为第一次发射激光时发射点到坡道的水平距离,系统默认在固定的距离开始发射第一次激光。
A1C1=x1 (3)
A1C1+C1A′1=vt1 (4)
在ΔA1C1A′1中,使用余弦定理,
在ΔA1C1M中,使用正弦定理,
如图5所示,第二次发射激光,在ΔA2MC2中,A1M和θ都是已知量,A2C2是第二次发射的激光从发射点到坡道的距离,C2A′2是第二次发射的激光的回波从坡道到发射点的距离,激光从发射到接收经历的时间为t2,车辆的速度为u,则A2A′2=ut2。脉冲激光雷达发射的频率是固定的,相邻两次发射的时间间隔设定为tm,因此,
A2A′2=ut2 (7)
A1A2=utm (8)
A1M=m (9)
A2C2=x2 (10)
A2C2+C2A′2=vt2 (11)
在ΔA2C2A′2中,使用余弦定理,
在ΔA2C2M中,使用正弦定理,
同理,第n次发射激光,可以得到:
理论上β1,β2,β3...βn将在某个固定值附近徘徊,如果从第(n+1)次测量计算得到的βn+1符合
则意味着第(n+1)次发射的激光没有在同一个坡道反射,则系统对该坡道的测量到此结束。
坡度坡长数值选择模块采用格拉布斯准则对坡度数集{β1,β2,β3...βn}进行异常值剔除,后取平均值作为测量坡道的最终坡度β。
第n次测量,旋转关节总共旋转了nθ的角度,AnCn可以通过公式获得,在ΔAnCnB中,坡长L使用正弦定理求得:
其中,Ln为第n次测得的坡长,βn为第n次测得的坡度。
将测量得到的最终坡度β,带入公式(17)得到最终坡长L
其中,L为测量得到的坡道的最终坡长,β为测量得到的最终坡度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度。
选择最终坡度β,以及最后一次测量得到的xn,sin(nθ)进行计算最终坡长L,结果较为准确。
作为一种优选的方式,对连续多个坡道坡度及坡长的预测,其中,对第一个坡道的坡度与坡长预测采用的公式与以上所述相同,但是,因为车辆在攀爬完第一个坡道后会攀爬第二个斜坡,在测量连续坡道的第二个、第三个坡道至第n个坡道时,汽车没有处在一个水平道路上,因此连续坡道第二个、第三个至第n个坡道预测模型不同于单坡道预测模型。
连续多个坡道时,车辆处于第二坡道上、第三坡道...第n坡道,预测当前坡道坡度,坡度与坡长计算模块计算坡度采用的公式为:
其中,β2(n)为第二个坡道坡度的第n次测量得到的坡度,H为探头到坡道的垂直距离,v为激光的传播速度,AnCn为第二个坡道坡度的第n次测量时探头到车辆所在坡道的水平距离,tn为第二个坡道坡度的第n次测量时,激光传感器从发射到接收到回波经历的时间。
进一步地,连续多个坡道时,车辆处于第二坡道上、第三坡道...第n坡道,预测当前坡道坡长,坡度与坡长计算模块根据以下公式计算得到最终坡长L:
其中,L为测量得到的坡道的最终坡长,t′n为理论上第n次发射激光从发射到接收回波经历的时间,v为激光的传播速度,u为车辆的速度,H为探头到坡道的垂直距离,θ为每发射一次激光,旋转关节向仰角方向旋转的一个固定角度,β为测得的坡道坡度。tL1为坡度预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,tL2为坡长预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间。
连续多个坡道,车辆处于第二坡道上、第三坡道...第n坡道,预测当前坡道坡度及坡长时,采用的原理与公式推导的具体过程为:
连续斜坡道被理想化为一个折线线段,如图6所示。在测量完第一个坡道后旋转关节复位,与单坡道工作模式不同的是,旋转关节在测量连续坡道第二个以及第二个以后的坡道坡度时,旋转关节将不再随激光的发射而向仰角方向旋转,脉冲激光雷达只向与水平面平行方向发射激光信号。
作为一种优选的方式,脉冲激光雷达探头固定在驾驶室上方,与车轮支撑平面(坡道平面)的距离H=constant。
如图7所示,A代表激光探头所在的位置,H为探头到坡道的垂直距离,垂足为字母E。脉冲激光雷达第一次发射激光时,从发射到接收到回波经历的时间为t1,由于激光探头距离坡道很近,因此t1非常小(微秒级),汽车在坡道的速度很低,近似认为汽车在t1时间内没有移动,即认为激光的发射点和接收点在同一位置。A1到C1表示第一次发射的发射波,C1到A1表示第一次接收的回波,同理,A2到C2表示第二次发射的发射波,C2到A2表示第二次接收的回波,An到Cn表示第n次发射的发射波,Cn到An表示第n次接收的回波。因此,
H=constant(18)
在ΔA1C1E中,
A1C1与水平面平行,β2是第二个坡道的坡度,β2=α。
则对于第二个坡道坡度的第一次测量结果为
同理,对于第二个坡道坡度的第二次测量结果为
对于第二个坡道坡度的第n次测量结果为
综合坡度预测的准确度和实现提前预测的效果,在连续坡道的第二个以及第二个以后的坡道坡度预测中,设定脉冲激光雷达发送20次激光。
坡度坡长数值选择模块采用格拉布斯准则对数集{β2(1),β2(2),β2(3)...β2(n)}进行异常值剔除后取平均值作为坡道最终坡度β,其中,n=20。
由于对连续坡道中的第二个坡道坡度的测量非常省时(微秒级),因此在测量得到第二个坡道的坡度后,汽车在第二个坡道上移动的距离很小,相当于在第二个坡道的坡底,此时测量获得第二个坡道的坡长仍然是有意义的。
在测量完第二个坡道的坡度后,系统开始测量第二个坡道的坡长。
如图8所示,An代表激光探头第n次发射激光所在的位置,H为探头到坡道的距离,垂足为En,A′n是探头第n次接收激光所在的位置,tn是第n次发射激光从发射到接收回波经历的时间。
脉冲激光雷达第一次发射激光,是向与水平面平行方向发射激光信号,旋转关节便向仰角方向旋转一个θ角度,以后,脉冲激光雷达每发射一次激光,旋转关节便向仰角方向旋转一个θ角度,相邻两次发射激光的时间间隔为tm,An到Cn为第n次发射的发射波,Cn到A′n为第n次接收的回波。线段AnMn与水平面平行。
∠AnMnEn=α=β (24)
对于ΔAnCnA′n中,∠AnMnEn是其一个外角,则
∠A′nAnCn=β-nθ (25)
在ΔAnCnA′n中,利用余弦定理得:
tn是实际中第n次发射激光从发射到接收回波经历的时间,t′n是理论上第n次发射激光从发射到接收回波经历的时间,t′n的表达式为
从式(29)可以看出,如果发射的激光是在同一个坡道上反射,则tn的变化将遵循以上的变化规律。一旦系统检测到的tn与系统通过式(29)计算的t′n数值相差在5%以外的,符合
认为系统最后发射的激光没有在同一个坡道上发射。
如图9所示,对于连续坡道中非第一个坡道坡长的预测包括三个阶段:
第一个阶段:坡度预测阶段车辆在坡道上行驶的距离L1。
第二个阶段:坡长预测阶段车辆在坡道上行驶的距离L2。
第三个阶段:坡长预测完毕后车辆到达坡顶剩余距离L3。
L1=utL1 (30)
L2=utL2 (31)
坡长预测结束时,旋转关节共旋转了nθ角度,则坡长预测完毕后车辆到达坡顶剩余距离L3为
tL1为坡度预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,tL2为坡长预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间。β为测量得到的最终坡度,H为激光探头到车辆所在坡道的垂直距离,n为发射的激光次数。
则预测的最终坡长L为:
计算机模拟对模型加以验证
表1 单坡道的试验条件
表2 单坡道的试验结果
仿真结果表明,脉冲激光雷达在0.5s内总共发射了50次。从第一次发射激光到接收到的最后一个回波经历了0.5s,并且在该段时间内,汽车向前移动了0.5m,测量结束时,车辆到坡底的距离为29.5m,实现了坡道坡度及坡长的提前测量;预测得到的坡道最终坡度为4.9764°,坡长为30.1131m,预测结果与实际坡道坡度及坡长数值相近,这说明本发明方法预测结果准确度较高。
表3 连续坡道的仿真条件
表4 连续坡道中第一个待测坡道坡度的仿真结果
仿真结果表明,对于第一个坡道的预测,脉冲激光雷达在0.67s内总共发射了67次。从第一次发射激光到接收到的最后一个回波经历了0.67s,并且在该段时间内,汽车向前移动了0.67m,测量结束时,车辆到坡底的距离为14.33m,实现了坡道坡度及坡长的提前测量;预测得到的坡道坡度约为4.907741°,坡长为31.0122m,预测结果与实际坡道坡度及坡长数值相近,这说明本发明方法预测结果准确度较高。
表5 连续坡道中第二个待测坡道坡度的仿真结果
表6 连续坡道中第二个待测坡道坡长的仿真结果
对于连续坡道的第二个坡道坡度的预测,tL1为坡度预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,测量20次耗时0.2s,车辆在坡道上行驶了0.2m,测量的坡道最终坡度为2.999162°。对于第二个坡道坡长的预测,脉冲激光雷达发射了25次激光。tL2为坡长预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,为0.25s,车辆在坡道上行驶了0.25m。坡长预测完毕后车辆距离坡顶剩余距离L3为49.095m,则第二个坡道的坡长预测值为49.5453m,预测的最终坡长与实际坡长的相对误差为0.93%。这说明本发明方法能够实现坡道坡度及坡长的提前测量;而且本发明方法预测结果准确度较高。
本发明采用脉冲激光雷达,脉冲激光雷达的量程较大,精度较高,激光不易受到外界环境的干扰。由于激光的传播速度达到3×108m/s,在发射下一次的激光前就已经接收到上一次激光的回波,极大地节省了单片机运算器的运算负荷。在有限的预测时间内,脉冲激光雷达可以发射更多次的激光。基于坡道坡度及坡长的预测原理,对同一坡道测量次数越多,则预测的准确度越高。而脉冲激光雷达重量轻,体积小,操作简单,速度快而准确。
Claims (9)
1.一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,包括硬件系统和软件系统,其中,硬件系统包括车载脉冲激光雷达、旋转关节系统、单片机、Y型支座、车速传感器、胎压传感器以及显示器;软件系统包括滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块;
车载脉冲激光雷达安装在Y型支座上,Y型支座安装在车顶前部,旋转关节系统安装在Y型支座的两个分叉上;单片机安装在驾驶员一侧的车门上,车速传感器安装在变速箱或驱动桥壳内,显示器安装在车辆仪表板上;滤波模块、脉冲激光雷达控制模块、旋转关节控制模块、坡道预测模式选择模块、坡度坡长计算模块以及坡度坡长数值选择模块嵌在单片机内;
车速传感器通过CAN总线,将车速信息传输至滤波模块,胎压传感器获取车辆轮胎胎压,将胎压信息传输至滤波模块,滤波模块消除干扰信号,然后将车速信息传输至坡度坡长计算模块,滤波模块将胎压信息传输至坡道预测模式选择模块;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式;坡道预测模式选择模块选择单坡道预测模式或者连续坡道预测模式之后,并向脉冲激光雷达控制模块、旋转关节控制模块、坡度坡长计算模块发送信息,旋转关节控制模块将信息传输至旋转关节系统,控制旋转关节旋转运动;脉冲激光雷达控制模块控制车载脉冲激光雷达发射和接收激光信号;坡度坡长计算模块计算出坡度,并将坡度信息传输至坡度坡长选择模块,坡度坡长选择模块消除异常值,得到坡道的最终坡度,并将信息传输至坡度坡长计算模块,坡度坡长计算模块计算出最终坡长,并将信息传输至坡度坡长选择模块,坡度坡长选择模块将最终的坡度与坡长信息传输至显示器,显示器显示最终的坡道坡度及坡长。
2.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,旋转关节系统由伺服电机、谐波减速器、增量编码器、绝对编码器、电抱闸以及微控制器组成。
3.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,旋转关节在0°到30°的范围内进行俯仰运动。
4.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,滤波模块采用卡尔曼滤波消除干扰。
5.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,坡度坡长数值选择模块采用格拉布斯准则消除异常值,得到坡道最终坡度β。
6.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,单坡道时,车辆在水平道路预测前方坡道坡度,坡度与坡长计算模块根据以下公式计算得到坡度:
其中,v为激光在空气中的传播速度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,βn为第n次发射激光计算得到的坡度,u为车辆的速度,tn为第n次发射激光从发射到接收回波经历的时间,m为第一次发射激光的发射点到坡底的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度;tm为相邻两次激光发射的时间间隔。
7.根据权利要求6所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,单坡道时,车辆在水平面预测前方坡道坡长,坡度与坡长计算模块根据以下公式计算得到最终坡长:
其中,L为测量得到的坡道的最终坡长,β为测量得到的最终坡度,xn为第n次发射激光从发射点到激光在坡道上的反射点之间的距离,θ为每发射一次激光,旋转关节将向仰角方向旋转的一个固定角度。
8.根据权利要求1所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,连续多个坡道时,车辆处于第二坡道上、第三坡道…第n坡道上,预测当前坡道坡度,坡度与坡长计算模块根据以下公式计算得到坡度:
其中,β2(n)为第二个坡道坡度的第n次测量得到的坡度,H为激光探头到坡道的垂直距离,v为激光的传播速度,AnCn为第二个坡道坡度的第n次测量时激光探头与坡道的水平距离,tn为第二个坡道坡度的第n次测量时,激光从发射到接收到回波经历的时间。
9.根据权利要求8所述的一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统,其特征在于,连续多个坡道时,车辆处于第二坡道上、第三坡道…第n坡道,预测当前坡道坡长,坡度与坡长计算模块根据以下公式计算得到最终坡长L:
其中,L为测量得到的坡道的最终坡长,t′n为理论上第n次发射激光从发射到接收回波经历的时间,v为激光的传播速度,u为车辆的速度,n为发射的激光次数,θ为每发射一次激光,旋转关节向仰角方向旋转的一个固定角度,β为测量得到的最终坡度;tL1为坡度预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间,tL2为坡长预测阶段从发射第一次激光到接收到最后一次激光回波经历的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811264792.8A CN109387855B (zh) | 2018-10-29 | 2018-10-29 | 一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811264792.8A CN109387855B (zh) | 2018-10-29 | 2018-10-29 | 一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109387855A true CN109387855A (zh) | 2019-02-26 |
CN109387855B CN109387855B (zh) | 2020-09-22 |
Family
ID=65426893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811264792.8A Active CN109387855B (zh) | 2018-10-29 | 2018-10-29 | 一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109387855B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109848997A (zh) * | 2019-03-20 | 2019-06-07 | 杭州晶一智能科技有限公司 | 基于下倾立体相机的移动机器人前方坡度快速预测方法 |
CN112109733A (zh) * | 2020-09-15 | 2020-12-22 | 东风汽车集团有限公司 | 一种基于无人驾驶车的上下坡控制系统及方法 |
CN112684803A (zh) * | 2021-03-11 | 2021-04-20 | 上海擎朗智能科技有限公司 | 移动机器人的控制方法、装置、移动机器人和存储介质 |
CN115060476A (zh) * | 2022-01-12 | 2022-09-16 | 北京恒润安科技有限公司 | 一种激光精准测距的闸门故障排查方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816109B1 (en) * | 2003-08-04 | 2004-11-09 | Northrop Grumman Corporation | Method for automatic association of moving target indications from entities traveling along known route |
CN102338876A (zh) * | 2010-07-16 | 2012-02-01 | 李少勤 | 一种汽车防撞激光雷达系统处理告警信息的方法及装置 |
CN104280728A (zh) * | 2013-06-28 | 2015-01-14 | 罗伯特·博世有限公司 | 雷达传感器与用于运行雷达传感器的方法 |
CN104875743A (zh) * | 2013-12-12 | 2015-09-02 | 福特全球技术公司 | 用于确定有效道路坡度特性的系统和方法 |
CN106056570A (zh) * | 2015-04-17 | 2016-10-26 | 丰田自动车株式会社 | 路面坡度检测装置 |
CN107270915A (zh) * | 2017-05-08 | 2017-10-20 | 江苏大学 | 一种基于高精地图和传感器融合的地下停车场坡道定位方法 |
CN107499142A (zh) * | 2017-08-14 | 2017-12-22 | 上海中科深江电动车辆有限公司 | 主动式电动车辆再生制动控制系统及其方法 |
CN108291374A (zh) * | 2015-11-20 | 2018-07-17 | 罗伯特·博世有限公司 | 用于保障机动车在倾斜坡道上的运动的方法和设备 |
CN108674401A (zh) * | 2018-05-17 | 2018-10-19 | 威马智慧出行科技(上海)有限公司 | 溜车防撞预警控制方法及电子设备 |
CN108698598A (zh) * | 2016-03-15 | 2018-10-23 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法及车辆控制程序 |
-
2018
- 2018-10-29 CN CN201811264792.8A patent/CN109387855B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816109B1 (en) * | 2003-08-04 | 2004-11-09 | Northrop Grumman Corporation | Method for automatic association of moving target indications from entities traveling along known route |
CN102338876A (zh) * | 2010-07-16 | 2012-02-01 | 李少勤 | 一种汽车防撞激光雷达系统处理告警信息的方法及装置 |
CN104280728A (zh) * | 2013-06-28 | 2015-01-14 | 罗伯特·博世有限公司 | 雷达传感器与用于运行雷达传感器的方法 |
CN104875743A (zh) * | 2013-12-12 | 2015-09-02 | 福特全球技术公司 | 用于确定有效道路坡度特性的系统和方法 |
CN106056570A (zh) * | 2015-04-17 | 2016-10-26 | 丰田自动车株式会社 | 路面坡度检测装置 |
CN108291374A (zh) * | 2015-11-20 | 2018-07-17 | 罗伯特·博世有限公司 | 用于保障机动车在倾斜坡道上的运动的方法和设备 |
CN108698598A (zh) * | 2016-03-15 | 2018-10-23 | 本田技研工业株式会社 | 车辆控制系统、车辆控制方法及车辆控制程序 |
CN107270915A (zh) * | 2017-05-08 | 2017-10-20 | 江苏大学 | 一种基于高精地图和传感器融合的地下停车场坡道定位方法 |
CN107499142A (zh) * | 2017-08-14 | 2017-12-22 | 上海中科深江电动车辆有限公司 | 主动式电动车辆再生制动控制系统及其方法 |
CN108674401A (zh) * | 2018-05-17 | 2018-10-19 | 威马智慧出行科技(上海)有限公司 | 溜车防撞预警控制方法及电子设备 |
Non-Patent Citations (2)
Title |
---|
SHENGQIANG HAO ET AL.: "Estimation of Vehicle Mass and Road Slope Based on Steady-state Kalman Filter", 《2017 IEEE INTERNATIONAL CONFERENCE ON UNMANNED SYSTEMS (ICUS)》 * |
杨洋 等: "一种改进的基于坡度变化的机载激光雷达点云滤波方法", 《测绘科学》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109848997A (zh) * | 2019-03-20 | 2019-06-07 | 杭州晶一智能科技有限公司 | 基于下倾立体相机的移动机器人前方坡度快速预测方法 |
CN109848997B (zh) * | 2019-03-20 | 2020-08-04 | 杭州晶一智能科技有限公司 | 基于下倾立体相机的移动机器人前方坡度快速预测方法 |
CN112109733A (zh) * | 2020-09-15 | 2020-12-22 | 东风汽车集团有限公司 | 一种基于无人驾驶车的上下坡控制系统及方法 |
CN112684803A (zh) * | 2021-03-11 | 2021-04-20 | 上海擎朗智能科技有限公司 | 移动机器人的控制方法、装置、移动机器人和存储介质 |
CN112684803B (zh) * | 2021-03-11 | 2021-06-11 | 上海擎朗智能科技有限公司 | 移动机器人的控制方法、装置、移动机器人和存储介质 |
WO2022188539A1 (zh) * | 2021-03-11 | 2022-09-15 | 上海擎朗智能科技有限公司 | 移动机器人的控制方法、装置、移动机器人和存储介质 |
US11619948B2 (en) | 2021-03-11 | 2023-04-04 | Keenon Robotics Co., Ltd. | Control method of mobile robot, mobile robot, and storage medium |
JP2023516110A (ja) * | 2021-03-11 | 2023-04-18 | 上海▲けい▼朗智能科技有限公司 | 移動ロボットの制御方法、装置、移動ロボット及び記憶媒体 |
JP7326630B2 (ja) | 2021-03-11 | 2023-08-15 | 上海▲けい▼朗智能科技有限公司 | 移動ロボットの制御方法、装置、移動ロボット及び記憶媒体 |
CN115060476A (zh) * | 2022-01-12 | 2022-09-16 | 北京恒润安科技有限公司 | 一种激光精准测距的闸门故障排查方法 |
CN115060476B (zh) * | 2022-01-12 | 2024-04-26 | 北京恒润安科技有限公司 | 一种激光精准测距的闸门故障排查方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109387855B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109387855A (zh) | 一种利用车载脉冲激光雷达提前预测坡道坡度及坡长的系统 | |
US11970160B2 (en) | Traffic signal response for autonomous vehicles | |
US9862364B2 (en) | Collision mitigated braking for autonomous vehicles | |
US9440647B1 (en) | Safely navigating crosswalks | |
CN105984464B (zh) | 车辆控制装置 | |
US10358129B2 (en) | Systems and methods for dynamic vehicle control according to traffic | |
US9141109B1 (en) | Automated driving safety system | |
US20210011150A1 (en) | Automated driving systems and control logic for host vehicle velocity estimation using wide aperture radar | |
CN106627670A (zh) | 一种基于激光检测的列车防护系统及方法 | |
CN111929068B (zh) | 一种封闭场景下车辆道路能力测试方法 | |
CN107167323B (zh) | 无人驾驶汽车的场地测试方法及系统、设备与可读介质 | |
CN111290410A (zh) | 一种基于毫米波雷达的船舶自动离靠泊系统及方法 | |
US11774583B2 (en) | Methods and systems for filtering vehicle self-reflections in radar | |
CN109387841A (zh) | 一种利用车载超声波雷达提前预测坡道坡度及坡长的系统 | |
EP3605500A1 (en) | Output device, control method, program, and storage medium | |
CN105774578B (zh) | 一种直流电能表检定方法 | |
CN103473958A (zh) | 在地面操作期间显示避障信息的系统和方法 | |
CN206155177U (zh) | 一种车辆安全系统 | |
CN113227831B (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
US11169259B2 (en) | Method and surroundings detection device for determining the presence and/or properties of one or multiple objects in the surroundings of a motor vehicle | |
CN105629194B (zh) | 一种直流电能表检定装置 | |
CN112539943A (zh) | 超车能力的测试方法和系统、测试管理中心及存储介质 | |
JP2021509186A (ja) | 航空機の潜在的な軌道の風の影響の計算 | |
EP4187277A1 (en) | A method to detect radar installation error for pitch angle on autonomous vehicles | |
CN208607361U (zh) | 车载测距系统 |
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 |