CN111198379B - 无人驾驶运输车辆卸料位置的搜索定位方法 - Google Patents
无人驾驶运输车辆卸料位置的搜索定位方法 Download PDFInfo
- Publication number
- CN111198379B CN111198379B CN201811374077.XA CN201811374077A CN111198379B CN 111198379 B CN111198379 B CN 111198379B CN 201811374077 A CN201811374077 A CN 201811374077A CN 111198379 B CN111198379 B CN 111198379B
- Authority
- CN
- China
- Prior art keywords
- light beam
- transport vehicle
- unmanned transport
- cliff
- edge
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 76
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 5
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000005065 mining Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及无人驾驶车辆环境感知与导航定位技术领域，具体涉及一种无人驾驶运输车辆卸料位置的搜索定位方法，其包括：步骤一，检测模块监测无人驾驶运输车辆附近地面点云的变化信息；步骤二，检测模块获取悬崖陡坡边沿凸起部位的底部位置处的点云信息；步骤三，预先定位出卸料时无人驾驶运输车辆后轮停靠区域的位置；步骤四，根据卸料时无人驾驶运输车辆后轮停靠区域的位置和无人驾驶运输车辆的车辆信息，定位出虚拟车库的区域位置。与现有技术比较本发明的有益效果在于：该方法解决了卸料区域边沿实时动态检测的问题。通过该方法既能够搜索定位悬崖陡坡边沿凸起部位，还能够建立虚拟车库，以使无人驾驶运输车辆能够获取合理的卸料位置。
Description
技术领域
本发明涉及无人驾驶车辆环境感知与导航定位技术领域，具体涉及一种无人驾驶运输车辆卸料位置的搜索定位方法。
背景技术
目前，国内外各大科技巨头以及汽车制造企业都将无人驾驶车辆作为未来研发设计的目标，纷纷投入大量人力物力，针对无人驾驶车辆领域的各个技术瓶颈发起攻坚。参与设计研发的各方均期望能尽快研发出能够替代现有的车辆的无人驾驶车辆，希望无人驾驶车辆能够安全地、合理地以及更高效地在公共道路上行驶。
尽管在无人驾驶车辆得到推广使用前，既有许多技术上的问题需要突破，也还存在很多法律法规适用性方面的问题，但是就目前而言，如果在相对隔离、相对独立的应用场景内，无人驾驶车辆能够很好地规避自身劣势，发挥很好的自身的优势，以提高工作效率。例如在矿区内，如果采用无人驾驶矿用卡车来代替现有的需要驾驶员控制的矿用车辆，那么装卸和生产的效率会得到很大的提高，也不会存在损害他人利益或公共利益的风险，也不涉及法律法规适用性等问题。
当下，主流仍然是通过驾驶员来操作矿用卡车，由于国内矿区的矿用卡车是需要二十四小时不间断作业的，所以采用人员休息但车辆工作这样的工作模式，驾驶员实行多班轮流制，这是一种传统的作业模式。
然而，随着我国经济的快速发展，对矿产资源的需求越来越大。仅依靠传统的作业模式已经不能很好的满足需求，而相应缺点日益凸显，缺点主要体现在：
一、人工成本持续上升，国家经济的发展与社会平均工资水平之间存在着显著的相关性。我国经济自改革开放以来始终保持着快速的发展，各行业职工的平均工资水平也保持了类似的上涨趋势，尤其是矿区这种高危险、环境恶劣、无娱乐、不适宜居住的环境，导致劳务紧缺，价格急增长；
二、面对矿产资源需求逐年增加，矿产开采的规模不断扩大，企业期望的效率要求越来越高，机械化逐步接替部分人工工作，而开采的环境却变得愈来愈恶劣，对人的安全威胁也愈来愈大,特别是矿区运输安全受到驾驶员个人技术素质、身体状况以及车辆状况、道路状况、天气因素等多方面的影响，并且矿区没有固定道路，临时路面高地不平、泥泞、装卸货地土质疏松，很容易发生安全事故，存在严重的安全隐患。
因此急需一种包含无人驾驶车辆的矿区自动化运输系统，随着无人驾驶汽车与智能网联技术的快速发展，国家相关标准的出台，试点示范区封闭测试区的建立，未来无人驾驶车辆将成为主要的运输工具已是不争的事实。无人驾驶运输车辆的运用能够帮助企业降低用工成本提高生产效率。自动化运输系统能够使车辆在在无驾驶人员的情况下，按特定路线行驶和装载、卸载，自动地完成工作循环；当车辆发现有意外情况时能减速或停车。车辆内部使用控制装置、GPS导航、无线通信技术和软件来取代原来坐在驾驶室内的司机。
然而，目前，在无人驾驶车辆的矿区自动化运输系统中，一般是通过卸载机组对车辆上的货物进行卸载，换言之，在没有卸载机组的辅助下，无人驾驶车辆很难自动完成卸载的一系列工作。究其原因，主要是无人驾驶车辆还不能自动搜索定位到渣台上卸料位置，进而完成自动卸载的工作。
解决自动搜索定位问题的难点在于：渣台卸料区域如何规划、车队车辆时序如何规划、悬崖陡坡如何进行检测以及矿区渣台边沿车位如何规划。
具体地，矿场卸料点多为悬崖或陡坡边沿,崖边具有一些凸起的小土丘。卸料前，无人驾驶运输车辆需先检测出悬崖陡坡边沿，以便将车尾部对准卸料点边沿，然后举升箱体，倾倒废料。这就要求停车位置不能远离崖边，也不能离崖边过近，位置以车辆后轮刚好停到崖边小土丘底部为宜。然而，因受工况限制，无法靠车体或车体延长部分探出悬崖来检测悬崖边沿，因此现行的使用红外检测的方法无法使用。该工况下，需要无人驾驶运输车辆在距离崖边一定距离外，检测到一条可卸料的较长边沿，以利于后续的行车轨迹规划及行车安全。同时，因不断的倾倒废料，悬崖边沿并非毫无变化，而是每次卸料后都有细微差距，所以悬崖边沿检测需车辆实时进行。
因此，需使用一种新的技术来解决这一问题，需要提出一种无人驾驶运输车辆卸料位置的搜索定位方法来克服上述存在的缺陷。
鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决上述技术缺陷，本发明采用的技术方案在于，本发明提供一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，其包括：
步骤S1，设置在无人驾驶运输车辆上的检测模块监测记录所述无人驾驶运输车辆移动过程中车辆附近地面点云的变化信息；
步骤S2，在地面点云变化信息中，所述检测模块搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处的点云信息；
步骤S3，根据所述悬崖陡坡边沿凸起部位的底部位置处点云信息，预先定位出卸料时所述无人驾驶运输车辆后轮停靠区域的位置；
步骤S4，根据卸料时所述无人驾驶运输车辆后轮停靠区域的位置和所述无人驾驶运输车辆的车辆信息，定位出虚拟车库的区域位置。
较佳地，在执行步骤S1之前，预先执行：
步骤S11，卸载规划模块分别从云平台和无人驾驶运输车辆处获取卸载平台的地理环境数据和车辆信息；
步骤S12，卸载规划模块根据卸载平台的地理环境数据和车辆信息，为无人驾驶运输车辆分配卸料区域和偏航角数据；
步骤S13，卸载规划模块向无人驾驶运输车辆分配车辆驶入时序；
步骤S14，车队中多个无人驾驶运输车辆按时定序驶向选定的卸料区域。
较佳地，所述检测模块为激光雷达，激光雷达对外发射n条光束，n初始值不小于2，多条光束在竖直面内共面，竖直面内的光束能够水平转动以对外扫描，多条光束的发射角度不同，各光束与卸载平台地面形成的交角不同，从第一光束到第n光束，光束与卸载平台地面的交角依次减小，第一光束到第n光束均能够照射到卸载平台地面。
较佳地，激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S21，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S22，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S23，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S24,若差值大于凸起检测阈值，则执行步骤S25；
步骤S24，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S21；
步骤S25，认定第n光束遇到悬崖陡坡边沿凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1。
较佳地，激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S121，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S122，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S123，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S124,若差值大于凸起检测阈值，则执行步骤S125；
步骤S124，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S121；
步骤S125，认定第n光束遇到悬崖陡坡边沿凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1；
步骤S126，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S121；若n被赋值为1，则执行步骤S127，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S127，当n被赋值为1时，根据第一光束自身识别的悬崖陡坡边沿凸起部位底部位置，形成另一个边沿位置数据集合；
步骤S128，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
较佳地，激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S221，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S222，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S223，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S224,若差值大于凸起检测阈值，则执行步骤S225；
步骤S224，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S221；
步骤S225，认定第n光束遇到凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的凸起部位底部点云集合的位置数据，并临时存储为第i边沿位置数据集合，其中i初始值为1；
步骤S226，无人驾驶运输车辆1继续行驶，悬崖状态确认模块启动以确定第n光束是否射向悬崖陡坡外，若判定第n光束未射向悬崖陡坡外，那么执行步骤S227；若判定第n光束射向悬崖陡坡外，那么执行步骤S228；
步骤S227，删除临时存储的第i边沿位置数据集合，继续执行步骤S221以重新探测；
步骤S228，将临时存储的第i边沿位置数据集合最终保存到存储模块；
步骤S229，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S221；若n被赋值为1，则执行步骤S230，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S230，当n被赋值为1时，根据第一光束自身识别的悬崖陡坡边沿凸起部位底部位置，形成另一个边沿位置数据集合；
步骤S231，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
较佳地，在步骤S226中，判定第n光束是否射向悬崖陡坡外的方法为：
步骤S30，若判定第n光束测距数据的理想值与测距实时值的差值大于凸起检测阈值，则继续执行S31，否者判定第n光束未射向悬崖陡坡外；
步骤S31，继续判定，若第n光束测距数据超过20000mm，则第n光束被判定射向悬崖陡坡外，否则判定第n光束未射向悬崖陡坡外。
较佳地，所述数据整合的方法步骤为：
步骤S129，截取第一边沿位置数据集合依次到第m边沿位置数据集合所共同对应的崖陡坡边沿凸起部位底部的重合区域；
步骤S130，将重合区域划分为多个点，每一点均具有m个位置数据；
步骤S131，在任一个点的m个位置数据中，去除偏离的位置数据，根据剩余位置数据计算该点的中心位置数据，并将该点的中心位置数据输出；
步骤S132，将重合区域内所有点的中心位置数据共同生成悬崖陡坡边沿凸起部位底部边沿位置数据。
较佳地，在步骤S4中的虚拟车库区域位置的定位方法为：
步骤S40，虚拟车位计算模块获取悬崖陡坡边沿凸起部位的底部位置4处点云信息，将该底部位置处点云信息拟合成曲线；
步骤S41，虚拟车位计算模块找出合成曲线的两个端点直连线的中点；
步骤S42，虚拟车位计算模块找出合成曲线上距离中点位置最近的一点，并以该点为中心点，做合成曲线在卸载平台方向上的内切线；
步骤S43，虚拟车位计算模块在中心点处做切线的垂向量，垂向量指向卸载平台方向；
步骤S44，虚拟车位计算模块开始模拟停靠，在模拟停靠过程中，虚拟车位计算模块以垂向量方向作为无人驾驶运输车辆停靠的偏航角方向；虚拟车位计算模块在模拟停靠完成后，垂向量与无人驾驶运输车辆的纵向中线重合；
步骤S45，模拟停靠完成后，使得拟合曲线的内切线所在的竖直平面与无人驾驶运输车辆的后轮后侧相切；
步骤S46，虚拟车位计算模块根据中心点位置信息、无人驾驶运输车辆的后轮与纵向中线的间距及后轮半径共同确定无人驾驶运输车辆后轮与地面接触点的位置数据；
步骤S47，虚拟车位计算模块根据车辆尺寸数据及车辆后轮与地面接触点的位置数据，计算出无人驾驶运输车辆四个顶点的位置数据，计算并虚拟出停靠车位。
较佳地，所述位置数据属于GPS卫星定位数据或北斗卫星定位数据。
与现有技术比较本发明的有益效果在于：。
本发明提供的一种无人驾驶运输车辆卸料位置的搜索定位方法解决了卸料区域边沿实时动态检测的问题。通过该方法既能够搜索定位悬崖陡坡边沿凸起部位，还能够建立虚拟车库区域位置，以使无人驾驶运输车辆能够获取合理的卸料位置。
附图说明
图1为本发明实施例1中卸载平台立体结构示意图；
图2为本发明实施例1中卸载平台的俯视图；
图3为本发明实施例1中卸载平台的侧视图；
图4为本发明实施例2中激光雷达光束发射角度示意图；
图5为本发明实施例2中激光雷达扫描区域示意图；
图6为本发明实施例2中激光雷达扫描到悬崖陡坡边沿凸起部位底部时的雷达成像图；
图7为本发明实施例1中无人驾驶运输车辆卸料位置的搜索定位方法的流程图；
图8为本发明实施例1中在步骤S1前预先执行的具体步骤的流程图；
图9为本发明实施例2中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图；
图10为本发明实施例3中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图；
图11为本发明步骤S128或步骤S231中数据整合方法的流程图；
图12为本发明实施例4中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图；
图13为本发明实施例6的步骤S226中判定第n光束是否射向悬崖陡坡外的方法流程图；
图14为本发明实施例7步骤S4中的虚拟车库区域位置的定位方法流程图。
附图标记：
无人驾驶运输车辆1、卸载平台地面2、悬崖陡坡边沿凸起部位3、悬崖陡坡边沿凸起部位底部位置4、激光雷达5、水平参考线6、激光雷达水平转角7、地面点云轨迹8、悬崖陡坡边沿凸起部位底部位置的地面点云9、卸载平台上的地面点云10、第一光束11、卸载平台30、卸载区域31、通向卸载平台的道路32、悬崖陡坡40和消失的地面点云80。
具体实施方式
以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或彼此可通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
实施例1
如图7所示，为本发明实施例1中无人驾驶运输车辆卸料位置的搜索定位方法的流程图。
本发明实施例1中提供一种无人驾驶运输车辆卸料位置的搜索定位方法，其执行如下步骤：
步骤S1，设置在无人驾驶运输车辆1上的检测模块监测记录无人驾驶运输车辆1移动过程中车辆附近地面点云变化信息；
步骤S2，在地面点云变化信息中，检测模块搜寻悬崖陡坡边沿凸起部位3，并获取悬崖陡坡边沿凸起部位的底部位置4处的点云信息；
步骤S3，根据悬崖陡坡边沿凸起部位的底部位置4处点云信息，预先定位出卸料时无人驾驶运输车辆1后轮停靠区域的位置；
步骤S4，根据卸料时无人驾驶运输车辆1后轮停靠区域的位置和无人驾驶运输车辆1的车辆信息，定位出虚拟车库的区域位置。
如图1所示，为本发明实施例1中卸载平台立体结构示意图；如图2所示，为本发明实施例1中卸载平台的俯视图；如图3所示为本发明实施例1中卸载平台的侧视图。在倾倒废料或者卸载物料时，并不是在卸载平台30全部边沿区域均匀倾倒，而是需要对卸载区域31进行合理规划。另外，为了提高工作效率，当卸载区域31规划完成后，还要对车辆的行驶路径以及车辆驶入时序再进行规划。为了解决这一具体的规划问题，本发明实施例1中提供的一种无人驾驶运输车辆1卸料位置的搜索定位方法还包括一种卸载规划模块。
如图8所示，为本发明实施例1中在步骤S1前预先执行的具体步骤的流程图。
在执行步骤S1之前，预先执行如下步骤：
步骤S11，卸载规划模块分别从云平台和无人驾驶运输车辆1处获取卸载平台30的地理环境数据和车辆信息；
步骤S12，卸载规划模块根据卸载平台30的地理环境数据和车辆信息，为无人驾驶运输车辆1分配卸料区域31和偏航角数据；
步骤S13，卸载规划模块向无人驾驶运输车辆1分配车辆驶入时序；
步骤S14，车队中多个无人驾驶运输车辆1按时定序驶向选定的卸料区域31。
卸载平台30上包括卸载平台地面2和悬崖陡坡边沿凸起部位3，卸载平台30的边缘处设有卸载区域31，卸载平台30通过通向卸载平台的道路32与外界连通。卸载平台30设置在悬崖陡坡40上。
实施例2
本实施例与实施例1不同之处在于，本实施例中，通过设置在无人驾驶运输车辆1上的检测模块来搜寻悬崖陡坡边沿凸起部位3，并获取悬崖陡坡边沿凸起部位的底部位置4处点云信息。
如图4所示，为本发明实施例2中激光雷达光束发射角度示意图；如图5所示，为本发明实施例2中激光雷达扫描区域示意图；如图6所示，为本发明实施例2中激光雷达扫描到悬崖陡坡边沿凸起部位底部时的雷达成像图；如图9所示，为本发明实施例2中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图。
检测模块优选为激光雷达5，激光雷达5为多线束雷达，激光雷达5向外发射光束，当激光雷达5探测的区域为卸载平台地面2时，其成像图如图5所示，激光雷达5绘制出地面点云轨迹8。激光雷达5发射的光束以一定的角速度水平转动。激光雷达水平转角7的大小与角速度和时间相关。
当探测到悬崖陡坡边沿凸起部位底部4时，有效探测光束记录悬崖陡坡边沿凸起部位底部位置的地面点云9，另一部分未探测到悬崖陡坡边沿凸起部位3的光束记录卸载平台上的地面点云10。而此时，原来地面点云轨迹8的一部分或全部被悬崖陡坡边沿凸起部位底部位置的地面点云9取代从而形成消失的地面点云80。
激光雷达5对外发射n条光束，n条光束在竖直面内共面，竖直面内的光束转动以对外扫描，优选地，激光雷达5发射的n条光束水平转动并进行扇形扫描。各光束的发射角度不同，各光束与卸载平台地面2形成的交角不同，从第一光束11到第n光束，光束与卸载平台地面2的交角依次减小，第一光束11到第n光束均能够照射到卸载平台地面2。n初始值不小于2。
激光雷达5执行搜寻悬崖陡坡边沿凸起部位3，并获取悬崖陡坡边沿凸起部位的底部位置4处点云信息的具体步骤为：
步骤S21，激光雷达5获取一个扫描周期内第一光束11到第n-1光束所测距的数据集合；
步骤S22，通过一个扫描周期内第一光束11到第n-1光束所测距的数据集合，计算出激光雷达5探测区域的坡度值；通过激光雷达5探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S23，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S24,若差值大于凸起检测阈值，则执行步骤S25；
步骤S24，第n光束探测到的最远距离仍旧处于卸载平台30的平面上，无人驾驶运输车辆1按照设置的偏航角继续行驶，然后继续执行步骤S21；
步骤S25，认定第n光束遇到悬崖陡坡边沿凸起部位3，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆1实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1。
实施例3
本实施例与实施例1不同之处在于，本实施例中，单一一个悬崖陡坡边沿凸起部位底部点云集合的位置数据可能会存在误差，为避免这种误差，可以用变换主探测光束的方式来处理。利用不同光束进行多次探测悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为多个边沿位置数据集合，以降低误差。
检测模块优选为激光雷达5，激光雷达5为多线束雷达，激光雷达5对外发射n条光束，n条光束在竖直面内共面，竖直面内的光束转动以对外扫描，优选地，激光雷达5发射的n条光束水平转动并进行扇形扫描。各光束的发射角度不同，各光束与卸载平台地面2形成的交角不同，从第一光束11到第n光束，光束与卸载平台地面2的交角依次减小，第一光束11到第n光束均能够照射到卸载平台地面2。n初始值不小于2。
如图10所示，为本发明实施例3中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图。
激光雷达5执行搜寻悬崖陡坡边沿凸起部位3，并获取悬崖陡坡边沿凸起部位的底部位置4处点云信息的具体步骤为：
步骤S121，激光雷达5获取一个扫描周期内第一光束11到第n-1光束所测距的数据集合；
步骤S122，通过一个扫描周期内第一光束11到第n-1光束所测距的数据集合，计算出激光雷达5探测区域的坡度值；通过激光雷达5探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S123，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S124,若差值大于凸起检测阈值，则执行步骤S125；
步骤S124，第n光束探测到的最远距离仍旧处于卸载平台30的平面上，无人驾驶运输车辆1按照设置的偏航角继续行驶，然后继续执行步骤S121；
步骤S125，认定第n光束遇到悬崖陡坡边沿凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆1实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1；
步骤S126，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S121；若n被赋值为1，则执行步骤S127，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S127，当n被赋值为1时，根据第一光束11自身识别的悬崖陡坡边沿凸起部位底部位置4，形成另一个边沿位置数据集合；
步骤S128，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
由于雷达呈扇形扫描，并且雷达跟随车辆距离崖边越来越近，所以，从第一边沿位置数据集合依次到第m个边沿位置数据集合来看，第一边沿位置数据集合体现的悬崖陡坡边沿凸起部位底部点云集合范围最大，第m边沿位置数据集合体现的悬崖陡坡边沿凸起部位底部点云集合范围最小。
从第一边沿位置数据集合依次到第m边沿位置数据集合，其所体现的悬崖陡坡边沿凸起部位底部点云集合范围依次减小，且向中心靠拢。因此，将多个边沿位置数据集合进行数据整合就能够更加精准地获取悬崖陡坡边沿凸起部位底部的位置信息。
优选地，希望使用第一边沿位置数据集合依次到第m边沿位置数据集合共同精准地确定悬崖陡坡边沿凸起部位底部的位置信息，但此时确定的可能不是悬崖陡坡边沿凸起部位底部全部位置的信息，很可能是其中一部分，因为只有该部分对应的位置数据在第一边沿位置数据集合依次到第m边沿位置数据集合中都存在。
如图11所示，为本发明步骤S128或步骤S231中数据整合方法的流程图。
步骤S128中的数据整合方法为：
步骤S129，截取第一边沿位置数据集合依次到第m边沿位置数据集合所共同对应的崖陡坡边沿凸起部位底部的重合区域；
步骤S130，将重合区域划分为多个点，每一点均具有m个位置数据；
步骤S131，在任一个点的m个位置数据中，去除偏离的位置数据，根据剩余位置数据计算该点的中心位置数据，并将该点的中心位置数据输出；
步骤S132，将重合区域内所有点的中心位置数据共同生成悬崖陡坡边沿凸起部位底部边沿位置数据。
实施例4
本实施例与实施例1不同之处在于，本实施例中，单一一个悬崖陡坡边沿凸起部位底部点云集合的位置数据可能会存在误差，为避免这种误差，可以用变换主探测光束，利用不同光束进行多次探测悬崖陡坡边沿凸起部位底部点云集合的位置数据，存储为多个边沿位置数据集合，以降低误差。
检测模块优选为激光雷达5，激光雷达5为多线束雷达，激光雷达5对外发射n条光束，n条光束在竖直面内共面，竖直面内的光束转动以对外扫描，优选地，激光雷达5发射的n条光束水平转动并进行扇形扫描。各光束的发射角度不同，各光束与卸载平台地面2形成的交角不同，从第一光束11到第n光束，光束与卸载平台地面2的交角依次减小，第一光束11到第n光束均能够照射到卸载平台地面2。n初始值不小于2。
如图12所示，为本发明实施例4中激光雷达获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤流程图。
激光雷达5执行搜寻悬崖陡坡边沿凸起部位3，并获取悬崖陡坡边沿凸起部位的底部位置4处点云信息的具体步骤为：
步骤S221，激光雷达5获取一个扫描周期内第一光束11到第n-1光束所测距的数据集合；
步骤S222，通过一个扫描周期内第一光束11到第n-1光束所测距的数据集合，计算出激光雷达5探测区域的坡度值；通过激光雷达5探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S223，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S224,若差值大于凸起检测阈值，则执行步骤S225；
步骤S224，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆1按照设置的偏航角继续行驶，然后继续执行步骤S221；
步骤S225，认定第n光束遇到凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆1实时的位置数据，计算第n光束探测到的凸起部位底部点云集合的位置数据，并临时存储为第i边沿位置数据集合，其中i初始值为1；
此时，虽然临时记录了第i边沿的位置数据，但仍无法认定第n光束遇到的凸起部位是普通的地面凸起还是悬崖陡坡边沿凸起部位，需要通过悬崖状态确认模块确定第n光束是否射向悬崖陡坡外且无返回值，如果无返回值，第n光束遇到的凸起部位是悬崖陡坡边沿凸起部位，若第n光束未射向悬崖陡坡外，第n光束遇到的凸起部位是普通的地面凸起，则要重新进行整体的扫描探测，增加了这样的防误判更能，能够增强探测的准确性。防误判方法为如下步骤S226：
步骤S226，无人驾驶运输车辆1继续行驶，悬崖状态确认模块启动以确定第n光束是否射向悬崖陡坡外，若判定第n光束未射向悬崖陡坡外，那么执行步骤S227；若判定第n光束射向悬崖陡坡外，那么执行步骤S228；
步骤S227，删除临时存储的第i边沿位置数据集合，继续执行步骤S221以重新探测；
步骤S228，将临时存储的第i边沿位置数据集合最终保存到存储模块；
步骤S229，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S221；若n被赋值为1，则执行步骤S230，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S230，当n被赋值为1时，根据第一光束11自身识别的悬崖陡坡边沿凸起部位底部位置，形成另一个边沿位置数据集合；
步骤S231，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
实施例5
本实施例与实施例4的不同之处在于：
由于雷达呈扇形扫描，并且雷达跟随车辆距离崖边越来越近，所以，从第一边沿位置数据集合依次到第m个边沿位置数据集合来看，第一边沿位置数据集合体现的悬崖陡坡边沿凸起部位底部点云集合范围最大，第m边沿位置数据集合体现的悬崖陡坡边沿凸起部位底部点云集合范围最小。
从第一边沿位置数据集合依次到第m边沿位置数据集合，其所体现的悬崖陡坡边沿凸起部位底部点云集合范围依次减小，且向中心靠拢。因此，将多个边沿位置数据集合进行数据整合就能够更加精准地获取悬崖陡坡边沿凸起部位底部的位置信息。
优选地，希望使用第一边沿位置数据集合依次到第m边沿位置数据集合共同精准地确定悬崖陡坡边沿凸起部位底部的位置信息，但此时确定的可能不是悬崖陡坡边沿凸起部位底部全部位置的信息，很可能是其中一部分，因为只有该部分对应的位置数据在第一边沿位置数据集合依次到第m边沿位置数据集合中都存在。
如图11所示，为本发明步骤S128或步骤S231中数据整合方法的流程图。步骤S231中的数据整合方法为：
步骤S129，截取第一边沿位置数据集合依次到第m边沿位置数据集合所共同对应的崖陡坡边沿凸起部位底部的重合区域；
步骤S130，将重合区域划分为多个点，每一点均具有m个位置数据；
步骤S131，在任一个点的m个位置数据中，去除偏离的位置数据，根据剩余位置数据计算该点的中心位置数据，并将该点的中心位置数据输出；
步骤S132，将重合区域内所有点的中心位置数据共同生成悬崖陡坡边沿凸起部位底部边沿位置数据。
实施例6
本实施例与实施例4的不同之处在于：
如图13所示，为本发明实施例6的步骤S226中判定第n光束是否射向悬崖陡坡外的方法流程图。
在步骤S226中，判定第n光束是否射向悬崖陡坡外的方法为：
步骤S30，若判定第n光束测距数据的理想值与测距实时值的差值大于凸起检测阈值，则继续执行S31，否者判定第n光束未射向悬崖陡坡外；
步骤S31，继续判定，若第n光束测距数据超过20000mm，则第n光束被判定射向悬崖陡坡外，否则判定第n光束未射向悬崖陡坡外。
实施例7
本实施例与实施例1-6任一实施例的不同之处在于：
无人驾驶运输车辆1倾倒卸载时，需将车辆尾部对准崖边，并且与崖边尽量垂直车辆后轮停在悬崖陡坡边沿凸起部位的前端，以方便卸料。所以需要通过步骤S4定位出虚拟车库的区域位置。
如图14所示，为本发明实施例7步骤S4中的虚拟车库区域位置的定位方法流程图。
在步骤S4中的虚拟车库区域位置的定位方法为：
步骤S40，虚拟车位计算模块获取悬崖陡坡边沿凸起部位的底部位置4处点云信息，将该底部位置处点云信息拟合成曲线；
步骤S41，虚拟车位计算模块找出合成曲线的两个端点直连线的中点；
步骤S42，虚拟车位计算模块找出合成曲线上距离中点位置最近的一点，并以该点为中心点，做合成曲线在卸载平台方向上的内切线；
步骤S43，虚拟车位计算模块在中心点处做切线的垂向量，垂向量指向卸载平台方向；
步骤S44，虚拟车位计算模块开始模拟停靠，在模拟停靠过程中，虚拟车位计算模块以垂向量方向作为无人驾驶运输车辆1停靠的偏航角方向；虚拟车位计算模块在模拟停靠完成后，垂向量与无人驾驶运输车辆1的纵向中线重合；
步骤S45，模拟停靠完成后，使得拟合曲线的内切线所在的竖直平面与无人驾驶运输车辆1的后轮后侧相切；
步骤S46，虚拟车位计算模块根据中心点位置信息、无人驾驶运输车辆1的后轮与纵向中线的间距及后轮半径共同确定无人驾驶运输车辆1后轮与地面接触点的位置数据；
步骤S47，虚拟车位计算模块根据车辆尺寸数据及车辆后轮与地面接触点的位置数据，计算出无人驾驶运输车辆1四个顶点的位置数据，计算并虚拟出停靠车位。
实施例8
本实施例与实施例1-7任一实施例的不同之处在于：
n的取值优选为8或16或64，即激光雷达5为8线或16线或64线雷达。
实施例9
本实施例与实施例8的不同之处在于：n的取值为8，激光雷达对外发射第一光束11到第八光束，共8条光束，第八光束与卸载平台地面2的交角小于第一光束11与卸载平台地面2的交角，优选地，第一光束11与卸载平台地面2的交角为15度，第二光束与卸载平台地面2的交角为13度，第三光束与卸载平台地面2的交角为11度，第四光束与卸载平台地面2的交角为9度，第五光束与卸载平台地面2的交角为7度，第六光束与卸载平台地面2的交角为5度，第七光束与卸载平台地面2的交角为3度，第八光束与卸载平台地面2的交角为1度。图4中的水平参考线6为与卸载平台地面2平行的直线。
实施例10
本实施例与实施例1-9任一实施例的不同之处在于：
位置数据优选为GPS卫星定位数据或北斗卫星定位数据。
以上仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本发明中各部件的结构和连接方式等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (7)
1.一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，其包括：
步骤S1，设置在无人驾驶运输车辆上的检测模块监测记录所述无人驾驶运输车辆移动过程中车辆附近地面点云的变化信息；
步骤S2，在地面点云变化信息中，所述检测模块搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处的点云信息；
步骤S3，根据所述悬崖陡坡边沿凸起部位的底部位置处点云信息，预先定位出卸料时所述无人驾驶运输车辆后轮停靠区域的位置；
步骤S4，根据卸料时所述无人驾驶运输车辆后轮停靠区域的位置和所述无人驾驶运输车辆的车辆信息，定位出虚拟车库的区域位置；
在执行步骤S1之前，预先执行：
步骤S11，卸载规划模块分别从云平台和无人驾驶运输车辆处获取卸载平台的地理环境数据和车辆信息；
步骤S12，卸载规划模块根据卸载平台的地理环境数据和车辆信息，为无人驾驶运输车辆分配卸料区域和偏航角数据；
步骤S13，卸载规划模块向无人驾驶运输车辆分配车辆驶入时序；
步骤S14，车队中多个无人驾驶运输车辆按时定序驶向选定的卸料区域；
所述检测模块为激光雷达，激光雷达对外发射n条光束，n初始值不小于2，多条光束在竖直面内共面，竖直面内的光束能够水平转动以对外扫描，多条光束的发射角度不同，各光束与卸载平台地面形成的交角不同，从第一光束到第n光束，光束与卸载平台地面的交角依次减小，第一光束到第n光束均能够照射到卸载平台地面；
激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S21，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S22，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S23，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S24,若差值大于凸起检测阈值，则执行步骤S25；
步骤S24，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S21；
步骤S25，认定第n光束遇到悬崖陡坡边沿凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1。
2.一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，其包括：
步骤S1，设置在无人驾驶运输车辆上的检测模块监测记录所述无人驾驶运输车辆移动过程中车辆附近地面点云的变化信息；
步骤S2，在地面点云变化信息中，所述检测模块搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处的点云信息；
步骤S3，根据所述悬崖陡坡边沿凸起部位的底部位置处点云信息，预先定位出卸料时所述无人驾驶运输车辆后轮停靠区域的位置；
步骤S4，根据卸料时所述无人驾驶运输车辆后轮停靠区域的位置和所述无人驾驶运输车辆的车辆信息，定位出虚拟车库的区域位置；
在执行步骤S1之前，预先执行：
步骤S11，卸载规划模块分别从云平台和无人驾驶运输车辆处获取卸载平台的地理环境数据和车辆信息；
步骤S12，卸载规划模块根据卸载平台的地理环境数据和车辆信息，为无人驾驶运输车辆分配卸料区域和偏航角数据；
步骤S13，卸载规划模块向无人驾驶运输车辆分配车辆驶入时序；
步骤S14，车队中多个无人驾驶运输车辆按时定序驶向选定的卸料区域；
所述检测模块为激光雷达，激光雷达对外发射n条光束，n初始值不小于2，多条光束在竖直面内共面，竖直面内的光束能够水平转动以对外扫描，多条光束的发射角度不同，各光束与卸载平台地面形成的交角不同，从第一光束到第n光束，光束与卸载平台地面的交角依次减小，第一光束到第n光束均能够照射到卸载平台地面；
激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S121，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S122，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S123，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S124,若差值大于凸起检测阈值，则执行步骤S125；
步骤S124，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S121；
步骤S125，认定第n光束遇到悬崖陡坡边沿凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的悬崖陡坡边沿凸起部位底部点云集合的位置数据，并存储为第i边沿位置数据集合，其中i初始值为1；
步骤S126，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S121；若n被赋值为1，则执行步骤S127，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S127，当n被赋值为1时，根据第一光束自身识别的悬崖陡坡边沿凸起部位底部位置，形成另一个边沿位置数据集合；
步骤S128，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
3.一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，其包括：
步骤S1，设置在无人驾驶运输车辆上的检测模块监测记录所述无人驾驶运输车辆移动过程中车辆附近地面点云的变化信息；
步骤S2，在地面点云变化信息中，所述检测模块搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处的点云信息；
步骤S3，根据所述悬崖陡坡边沿凸起部位的底部位置处点云信息，预先定位出卸料时所述无人驾驶运输车辆后轮停靠区域的位置；
步骤S4，根据卸料时所述无人驾驶运输车辆后轮停靠区域的位置和所述无人驾驶运输车辆的车辆信息，定位出虚拟车库的区域位置；
在执行步骤S1之前，预先执行：
步骤S11，卸载规划模块分别从云平台和无人驾驶运输车辆处获取卸载平台的地理环境数据和车辆信息；
步骤S12，卸载规划模块根据卸载平台的地理环境数据和车辆信息，为无人驾驶运输车辆分配卸料区域和偏航角数据；
步骤S13，卸载规划模块向无人驾驶运输车辆分配车辆驶入时序；
步骤S14，车队中多个无人驾驶运输车辆按时定序驶向选定的卸料区域；
所述检测模块为激光雷达，激光雷达对外发射n条光束，n初始值不小于2，多条光束在竖直面内共面，竖直面内的光束能够水平转动以对外扫描，多条光束的发射角度不同，各光束与卸载平台地面形成的交角不同，从第一光束到第n光束，光束与卸载平台地面的交角依次减小，第一光束到第n光束均能够照射到卸载平台地面；
激光雷达执行搜寻悬崖陡坡边沿凸起部位，并获取悬崖陡坡边沿凸起部位的底部位置处点云信息的具体步骤为：
步骤S221，激光雷达获取一个扫描周期内第一光束到第n-1光束所测距的数据集合；
步骤S222，通过一个扫描周期内第一光束到第n-1光束所测距的数据集合，计算出激光雷达探测区域的坡度值；通过激光雷达探测区域的坡度值，计算出该扫描周期内第n光束测距数据的理想值；
步骤S223，判定扫描周期内各水平转角下的第n光束测距数据的理想值与测距实时值的差值是否大于凸起检测阈值，若差值小于凸起检测阈值，则执行步骤S224,若差值大于凸起检测阈值，则执行步骤S225；
步骤S224，第n光束探测到的最远距离仍旧处于卸载平台的平面上，无人驾驶运输车辆按照设置的偏航角继续行驶，然后继续执行步骤S221；
步骤S225，认定第n光束遇到凸起部位，然后利用第n光束在扫描周期内获得的测距数值集合和无人驾驶运输车辆实时的位置数据，计算第n光束探测到的凸起部位底部点云集合的位置数据，并临时存储为第i边沿位置数据集合，其中i初始值为1；
步骤S226，无人驾驶运输车辆1继续行驶，悬崖状态确认模块启动以确定第n光束是否射向悬崖陡坡外，若判定第n光束未射向悬崖陡坡外，那么执行步骤S227；若判定第n光束射向悬崖陡坡外，那么执行步骤S228；
步骤S227，删除临时存储的第i边沿位置数据集合，继续执行步骤S221以重新探测；
步骤S228，将临时存储的第i边沿位置数据集合最终保存到存储模块；
步骤S229，将n-1的值赋值给n，并将i+1的数值赋值给i，若n为非1的正整数，则再执行步骤S221；若n被赋值为1，则执行步骤S230，此时共获取了m-1个边沿位置数据集合，n的初值与m相等，n初始值不小于2；
步骤S230，当n被赋值为1时，根据第一光束自身识别的悬崖陡坡边沿凸起部位底部位置，形成另一个边沿位置数据集合；
步骤S231，对所存储的共m个边沿位置数据集合进行数据整合，以减小测量误差。
4.如权利要求3所述的一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，在步骤S226中，判定第n光束是否射向悬崖陡坡外的方法为：
步骤S30，若判定第n光束测距数据的理想值与测距实时值的差值大于凸起检测阈值，则继续执行S31，否者判定第n光束未射向悬崖陡坡外；
步骤S31，继续判定，若第n光束测距数据超过20000mm，则第n光束被判定射向悬崖陡坡外，否则判定第n光束未射向悬崖陡坡外。
5.如权利要求2或3所述的一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，所述数据整合的方法步骤为：
步骤S129，截取第一边沿位置数据集合依次到第m边沿位置数据集合所共同对应的崖陡坡边沿凸起部位底部的重合区域；
步骤S130，将重合区域划分为多个点，每一点均具有m个位置数据；
步骤S131，在任一个点的m个位置数据中，去除偏离的位置数据，根据剩余位置数据计算该点的中心位置数据，并将该点的中心位置数据输出；
步骤S132，将重合区域内所有点的中心位置数据共同生成悬崖陡坡边沿凸起部位底部边沿位置数据。
6.如权利要求1所述的一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，在步骤S4中的虚拟车库区域位置的定位方法为：
步骤S40，虚拟车位计算模块获取悬崖陡坡边沿凸起部位的底部位置4处点云信息，将该底部位置处点云信息拟合成曲线；
步骤S41，虚拟车位计算模块找出合成曲线的两个端点直连线的中点；
步骤S42，虚拟车位计算模块找出合成曲线上距离中点位置最近的一点，并以该点为中心点，做合成曲线在卸载平台方向上的内切线；
步骤S43，虚拟车位计算模块在中心点处做切线的垂向量，垂向量指向卸载平台方向；
步骤S44，虚拟车位计算模块开始模拟停靠，在模拟停靠过程中，虚拟车位计算模块以垂向量方向作为无人驾驶运输车辆停靠的偏航角方向；虚拟车位计算模块在模拟停靠完成后，垂向量与无人驾驶运输车辆的纵向中线重合；
步骤S45，模拟停靠完成后，使得拟合曲线的内切线所在的竖直平面与无人驾驶运输车辆的后轮后侧相切；
步骤S46，虚拟车位计算模块根据中心点位置信息、无人驾驶运输车辆的后轮与纵向中线的间距及后轮半径共同确定无人驾驶运输车辆后轮与地面接触点的位置数据；
步骤S47，虚拟车位计算模块根据车辆尺寸数据及车辆后轮与地面接触点的位置数据，计算出无人驾驶运输车辆四个顶点的位置数据，计算并虚拟出停靠车位。
7.如权利要求1或2或3所述的一种无人驾驶运输车辆卸料位置的搜索定位方法，其特征在于，所述位置数据属于GPS卫星定位数据或北斗卫星定位数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811374077.XA CN111198379B (zh) | 2018-11-19 | 2018-11-19 | 无人驾驶运输车辆卸料位置的搜索定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811374077.XA CN111198379B (zh) | 2018-11-19 | 2018-11-19 | 无人驾驶运输车辆卸料位置的搜索定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111198379A CN111198379A (zh) | 2020-05-26 |
| CN111198379B true CN111198379B (zh) | 2024-02-13 |
Family
ID=70743716
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811374077.XA Active CN111198379B (zh) | 2018-11-19 | 2018-11-19 | 无人驾驶运输车辆卸料位置的搜索定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111198379B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114399399B (zh) * | 2022-03-25 | 2022-07-12 | 青岛慧拓智能机器有限公司 | 矿区车辆的卸载停靠方法、装置、计算机设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005003191A1 (de) * | 2005-01-24 | 2006-07-27 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Umfelderfassung eines bewegbaren Objektes |
| JP2015082272A (ja) * | 2013-10-24 | 2015-04-27 | 日立建機株式会社 | ダンプトラック |
| CN104648403A (zh) * | 2013-11-22 | 2015-05-27 | 现代自动车株式会社 | 用于探测窄路的方法、装置和系统 |
| CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
| CN105160883A (zh) * | 2015-10-20 | 2015-12-16 | 重庆邮电大学 | 一种基于大数据的节能驾驶行为分析方法 |
| CN107274672A (zh) * | 2017-08-03 | 2017-10-20 | 重庆大学 | 基于gps数据的信号交叉口单车延误时间估计方法 |
| CN107331179A (zh) * | 2017-05-27 | 2017-11-07 | 东风商用车有限公司 | 一种基于大数据云平台的经济性驾驶辅助系统及实现方法 |
| DE102016217718A1 (de) * | 2016-09-16 | 2018-03-22 | Volkswagen Aktiengesellschaft | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zum bestimmen einer position eines fahrzeugs innerhalb einer parkfläche |
| CN108020844A (zh) * | 2017-11-27 | 2018-05-11 | 深圳市沃特沃德股份有限公司 | 悬崖检测方法与机器人 |
| CN108545078A (zh) * | 2018-03-25 | 2018-09-18 | 肖鑫茹 | 一种能够实现自动泊车的巡逻车 |
-
2018
- 2018-11-19 CN CN201811374077.XA patent/CN111198379B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005003191A1 (de) * | 2005-01-24 | 2006-07-27 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur Umfelderfassung eines bewegbaren Objektes |
| JP2015082272A (ja) * | 2013-10-24 | 2015-04-27 | 日立建機株式会社 | ダンプトラック |
| CN104648403A (zh) * | 2013-11-22 | 2015-05-27 | 现代自动车株式会社 | 用于探测窄路的方法、装置和系统 |
| CN104950313A (zh) * | 2015-06-11 | 2015-09-30 | 同济大学 | 一种路面提取及道路坡度识别方法 |
| CN105160883A (zh) * | 2015-10-20 | 2015-12-16 | 重庆邮电大学 | 一种基于大数据的节能驾驶行为分析方法 |
| DE102016217718A1 (de) * | 2016-09-16 | 2018-03-22 | Volkswagen Aktiengesellschaft | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zum bestimmen einer position eines fahrzeugs innerhalb einer parkfläche |
| CN107331179A (zh) * | 2017-05-27 | 2017-11-07 | 东风商用车有限公司 | 一种基于大数据云平台的经济性驾驶辅助系统及实现方法 |
| CN107274672A (zh) * | 2017-08-03 | 2017-10-20 | 重庆大学 | 基于gps数据的信号交叉口单车延误时间估计方法 |
| CN108020844A (zh) * | 2017-11-27 | 2018-05-11 | 深圳市沃特沃德股份有限公司 | 悬崖检测方法与机器人 |
| CN108545078A (zh) * | 2018-03-25 | 2018-09-18 | 肖鑫茹 | 一种能够实现自动泊车的巡逻车 |
Non-Patent Citations (4)
| Title |
|---|
| Overview of Environment Perception;Hao Zhu;《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》;20171031;第18卷(第10期);全文 * |
| 一种适应凹障碍检测的激光雷达布局研究;张英;李擎;张昊;;现代电子技术(21);全文 * |
| 三维激光扫描技术在陡峭山体土石方量测算中的应用;何智铭;《广东土木与建筑》;20170228(第1期);全文 * |
| 基于激光雷达的无人驾驶车前方障碍物检测;赵一兵;王荣本;李琳辉;金立生;郭烈;;交通与计算机(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111198379A (zh) | 2020-05-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10635912B2 (en) | Virtual sensor data generation for wheel stop detection | |
| US12120463B2 (en) | Adjusting vehicle sensor field of view volume | |
| US10705220B2 (en) | System and method for ground and free-space detection | |
| Tsugawa et al. | An automated truck platoon for energy saving | |
| US11221399B2 (en) | Detecting spurious objects for autonomous vehicles | |
| US9298992B2 (en) | Geographic feature-based localization with feature weighting | |
| CN105182358A (zh) | 用于使用激光点云进行物体检测的方法和系统 | |
| CN105358397A (zh) | 对控制车辆的速度的预测性推理 | |
| CN104395168A (zh) | 通过与其它车辆维持安全距离来在道路上安全地导航 | |
| CN105404844A (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
| CN104870288A (zh) | 辅助自主车辆行驶经过车道合并的方法和系统 | |
| US11295521B2 (en) | Ground map generation | |
| US11353881B2 (en) | Systems and methods for guided maneuvering with wave-off alerts | |
| US20200207356A1 (en) | Automated Bump and/or Depression Detection in a Roadway | |
| CN108931786A (zh) | 路沿检测装置和方法 | |
| US20130006482A1 (en) | Guidance system for a mobile machine | |
| US20160035149A1 (en) | Truck spotting system using position detection and perception | |
| US20230278574A1 (en) | Onboard hazard detection system for a vehicle | |
| CN114056324A (zh) | 一种基于数据融合的车位识别方法及系统 | |
| CN111198379B (zh) | 无人驾驶运输车辆卸料位置的搜索定位方法 | |
| CN110554409B (zh) | 一种凹障碍物检测方法及系统 | |
| CN110893845A (zh) | 用于对角车道检测的方法与装置 | |
| CN116245996A (zh) | 一种矿区非结构化道路的点云渲染方法及系统 | |
| CN113421306A (zh) | 定位初始化方法、系统及移动工具 | |
| Duff | Tracking a vehicle from a rotating platform with a scanning range laser |
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 | ||
| CB02 | Change of applicant information |
Address after: 710201 Jingwei Industrial Zone, Xi'an economic and Technological Development Zone, Shaanxi, China Applicant after: Shaanxi Automobile Group Co.,Ltd. Address before: 710201 Jingwei Industrial Zone, Xi'an economic and Technological Development Zone, Shaanxi, China Applicant before: SHAANXI AUTOMOBILE GROUP Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |