CN111352123A - 用于车辆检查的机器人和方法、确定车辆底盘中线的方法 - Google Patents
用于车辆检查的机器人和方法、确定车辆底盘中线的方法 Download PDFInfo
- Publication number
- CN111352123A CN111352123A CN202010446022.6A CN202010446022A CN111352123A CN 111352123 A CN111352123 A CN 111352123A CN 202010446022 A CN202010446022 A CN 202010446022A CN 111352123 A CN111352123 A CN 111352123A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- robot
- target curve
- shaped corner
- chassis
- 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 64
- 238000007689 inspection Methods 0.000 title claims abstract description 31
- 230000003287 optical effect Effects 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 48
- 230000001276 controlling effect Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本公开的实施例提供用于车辆检查的机器人和方法、确定车辆底盘中线的方法。机器人包括:移动装置、激光雷达和处理器。激光雷达发射激光并扫描车辆的多个部位点以便获取每个部位点与所述激光雷达之间的距离和/或反射的激光相对于激光雷达的预定基准线的角度。处理器配置基于多个部位点的位置确定车辆的中线位置。
Description
技术领域
本公开的实施例涉及车辆安检领域,尤其涉及用于车辆检查的机器人和方法、确定车辆底盘中线的方法。
背景技术
在安检过程中,因为车辆底盘通常高度有限,人员实施安检远没有机器人实施安检方便和安全,因而机器人常常需要对车辆的底盘进行拍照或摄像,从而进行车底安检。目前需要人工对车辆车底进行检查,操作不方便,检查费时费力。
发明内容
本发明的一方面提供一种用于车辆检查的机器人,包括:
移动装置,配置用以允许所述机器人在地面上移动;
激光雷达,安装于所述机器人上,配置成使用激光束在被检车辆下方扫描并接收待查部位中的多个部位点反射的激光以便收集所述多个部位点反射的激光的信息,每个部位点反射的激光的信息包括每个待查部位点与所述激光雷达之间的距离和反射的激光的方向;和
处理器,配置成控制所述激光雷达扫描,并根据激光雷达收集的所述多个部位点反射的激光的信息确定车辆的中线,控制机器人沿所确定的中线在所述车辆的底盘下方移动,以便检查车辆的底盘。
在一个实施例中,处理器配置成:
控制所述移动装置使得机器人移动至被检车辆下方,控制所述激光雷达沿与地面基本平行的方向发射激光并扫描,收集反射激光束的多个部位点距离激光雷达的距离和反射的激光相对于激光雷达的预定基准线的角度,确定每个部位点的位置并由此描绘多个部位点构成的轮廓曲线,基于描绘的轮廓曲线确定车辆的中线位置。
在一个实施例中,激光雷达沿与地面基本平行的方向的激光扫描构成的激光扫描面距离地面的高度为5cm-10cm。
在一个实施例中,处理器配置成:
在机器人进入车辆底部之前,调整机器人的方向,以使机器人的朝向与被检车辆的车身纵向的夹角在30度以内。
在一个实施例中,处理器配置成:
在多个部位点构成的轮廓曲线中找出与车辆轮胎对应的目标曲线部。
在一个实施例中,处理器配置成:
找出机器人前方离机器人最近的至少四个目标曲线部,分别确定出所述至少四个目标曲线部的各自的基准点。
在一个实施例中,将所述至少四个目标曲线部按照位置关系分成左侧目标曲线部和右侧目标曲线部,将彼此距离最近的左侧目标曲线部和右侧目标曲线部组成多个目标曲线部对,每个目标曲线部对包括一个左侧目标曲线部和一个右侧目标曲线部,确定出每个目标曲线部对的左侧目标曲线部的基准点和右侧目标曲线部的基准点连线的中点,基于离机器人最近的至少两个目标曲线部对的所述中点确定被检车辆的中线。
在一个实施例中,处理器配置成:
找出轮廓曲线的L形角部,并从轮廓曲线的L形角部中找出与车辆轮胎对应的目标曲线部。
在一个实施例中,处理器配置成:
确定构成L形角部的第一线部分的长度,判断第一线段部分的长度是否在第一预定范围内,如果是则所述L形角部是与车辆轮胎对应的目标曲线部,否则该L形角部不是与车辆轮胎对应的目标曲线部;和/或,
从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。
在一个实施例中,机器人将获得的部位点的图像呈现给用户,并接收用户手动选择的机器人前方的距离机器人最近的至少四个与车辆轮胎对应的目标曲线部,根据选择结果来确定车辆的中线。
在一个实施例中,机器人还包括第一相机和/或线阵相机,在机器人沿着车辆中线移动时,第一相机和/或线阵相机向上拍摄车辆底盘的光学图像以便检查车辆的底盘。
在一个实施例中,机器人还包括第二相机,用于拍摄被检对象头部或尾部的光学图像,
其中,第二相机与第一相机不同;或者,第二相机与第一相机是同一相机,且该相机能够改变拍摄方向。
在一个实施例中,第二相机在机器人进入被检对象下方之前拍摄被检对象的头部或尾部的图像,处理器被配置为根据第二相机拍摄的图像进行以下几种处理中的至少一种:
基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人移动至被检车辆底盘之下;
基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;或
基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
在一个实施例中,所述激光雷达为多线扫描激光雷达,处理器配置成:
控制所述激光雷达朝向车辆底盘发射激光束并扫描,实时收集从车辆的底盘的表面反射的激光的信息,绘制车辆的底盘的表面的全部或部分的三维轮廓。
在一个实施例中,处理器配置成:
将通过激光雷达扫描而绘制的车辆的底盘表面的全部或部分的三维轮廓进行分析,或者将所述三维轮廓与同一型号车辆的标准底盘的三维轮廓进行比对分析,以确认被检车辆是否存在携带违禁物品的可能。
本公开的实施例还提供一种确定车辆底盘中线的方法,包括:
使用激光雷达在被检车辆下方扫描,接收待查部位中的多个部位点反射的激光以便收集所述多个部位点反射的激光的信息,形成轮廓曲线;
在多个部位点构成的轮廓曲线中确定与车辆轮胎对应的多个目标曲线部;
确定至少四个目标曲线部;
基于所述至少四个目标曲线部,得到被检车辆的中线位置。
在一个实施例中,建立二维虚拟坐标系,确定多个部位点在二维虚拟坐标系中的对应位置坐标,描绘多个部位点的轮廓曲线,基于多个部位点的轮廓曲线找出与车辆轮胎对应的目标曲线部;
基于目标曲线部在二维虚拟坐标系中的坐标确定被检车辆的中线在二维虚拟坐标系中的位置。
在一个实施例中,方法包括:
在激光雷达扫描之前,调整激光雷达的方向,以使激光雷达的朝向与被检车辆的纵向的夹角在30度以内。
在一个实施例中,所述确定至少四个目标曲线部包括:
从多个目标曲线部中确定激光雷达前方离激光雷达最近的至少四个目标曲线部。
在一个实施例中,方法包括:
分别确定出所述至少四个目标曲线部的各自的基准点。
在一个实施例中,方法包括:将所述至少四个目标曲线部按照位置关系分成左侧目标曲线部和右侧目标曲线部,将彼此距离最近的左侧目标曲线部和右侧目标曲线部组成目标曲线部对,每个目标曲线部对包括一个左侧目标曲线部和一个右侧目标曲线部,确定出每个目标曲线部对的左侧目标曲线部的基准点和右侧目标曲线部的基准点连线的中点,基于离机器人最近的至少两个目标曲线部对的所述中点确定被检车辆的中线。
在一个实施例中,确定出目标曲线部的基准点包括以下五种方法中的任一种:
采用目标曲线部中离激光雷达最近的部位点作为该目标曲线部的基准点;或者
采用目标曲线部的质心作为该目标曲线部的基准点;或者
将目标曲线部分成多个具有预定长度的曲线段,求出每个曲线段上的所有点的曲率的平均值作为该曲线段的代表曲率,然后在目标曲线部的轮廓的所有曲线段中分别找出代表曲率最大的曲线段,采用该曲线段的质心或中点作为该目标曲线部的基准点;或者
将目标曲线部拟合成直角三角形的两条直角边,将两条直角边的交点作为该目标曲线部的基准点;或者
对前面四种方法得到的四种基准点中的任一种通过纠偏算法进行位置调整,以使调整后的多个基准点作为顶点形成的四边形能够构成矩形,将矩形的多个顶点分别作为各个目标曲线部的基准点。
在一个实施例中,在多个部位点构成的轮廓曲线中确定与车辆轮胎对应的多个目标曲线部包括:
找出轮廓曲线的L形角部,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部。
在一个实施例中,确定轮廓曲线的L形角部包括:
通过智能图像识别算法来判断轮廓曲线的部分与直角三角形的两条直角边的接近程度,接近度高的轮廓曲线的该部分被判定为L形角部。
在一个实施例中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
确定构成L形角部的第一线部分的长度,如果第一线段部分的长度在第一预定范围内,则L形角部是与车辆轮胎对应的目标曲线部,否则排除该L形角部,其中,基于统计的轮胎的宽度范围来设置第一预定范围。
在一个实施例中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。
在一个实施例中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部包括:
将每个L形角部都与其他所有L形角部进行两两配对,得到多个L形角部对,确定每个L形角部对中的两个L形角部之间的间距,将所述间距落入第二预定范围内的L形角部对归类为候选L形角部对,找出所有的候选L形角部对并构成一个组,将未能组成候选L形角部对的L形角部确定为与车辆轮胎不对应,
其中,基于统计的车辆左右轮胎的间距来设置第二预定范围。
在一个实施例中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部还包括:
判断一个候选L形角部对是否存在满足如下平行关系的另一候选L形角部对,所述平行关系为:所述一个候选L形角部对的基准点连线与所述另一候选L形角部对的基准点连线接近平行,
如果该候选L形角部对不存在满足所述平行关系的其他候选L形角部对,则确定该候选L形角部对与车辆轮胎不对应,并将该候选L形角部对从候选L形角部对构成的所述组中排除。
在一个实施例中,方法进一步包括:
在候选L形角部对构成的所述组中,判断所述组中任一个候选L形角部对是否存在满足如下矩形关系的另一候选L形角部对,所述矩形关系为:所述一个候选L形角部对和所述另一候选L形角部对中的四个基准点连接而成的四边形接近矩形,
如果存在满足矩形关系的其他候选L形角部对,则将这些候选L形角部对确定为与车辆轮胎对应;如果不存在,则将该候选L形角部对从候选L形角部对构成的所述组中排除。
在一个实施例中,在待查部位中找出与车辆轮胎对应的目标曲线部包括:
将激光雷达获得的轮廓曲线呈现给用户,接收用户手动选择的距离激光雷达最近的至少四个与车辆轮胎对应的目标曲线部,根据选择结果来确定车辆的中线。
本公开的一方面提供一种控制机器人检查车辆底盘的方法,所述机器人包括移动装置、激光雷达和处理器,所述移动装置用以允许所述机器人移动, 所述方法包括:
所述处理器被配置为使用权利要求16-30中任一项所述的方法来确定车辆底盘中线的位置,并控制机器人的移动装置以使机器人沿所确定的中线在所述车辆的底盘下方移动,以便检查车辆的底盘。
在一个实施例中,所述机器人还包括用于拍摄被检车辆底部图像的第一相机和/或线阵相机,所述方法包括:
在机器人沿底盘的中线移动时,使用第一相机和/或线阵相机向上拍摄车辆底盘的光学图像,以判断车辆的底盘是否存在携带违禁物品的可能。
在一个实施例中,所述机器人还包括用于拍摄被检车辆的头部或尾部的光学图像的第二相机,第二相机与第一相机不同,或者第二相机与第一相机是同一相机且该相机能够改变拍摄方向,处理器被配置为根据第二相机拍摄的图像进行以下几种操作中的至少一种:
基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人移动至被检车辆底盘之下;
基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;或
基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
在一个实施例中,所述方法包括:
使用激光雷达扫描车辆的底盘,形成底盘的三维轮廓,对所述三维轮廓进行数据分析或者将所述三维轮廓与同一型号车辆的标准底盘的三维轮廓进行比对分析,从而判断车辆的底盘是否存在携带违禁物品的可能。
附图说明
图1示出本公开的一个实施例的一种用于车辆安检的机器人位于车辆底盘下面的布置示意图;
图2示出本公开的一个实施例的一种用于车辆安检的机器人位于车辆车头前面的布置示意图;
图3示出本公开的一个实施例的机器人使用激光雷达的激光扫描得到的点云图像;
图4示出本公开的一个实施例的用于车辆安检的机器人构建的虚拟坐标系和虚拟地图的示意图;
图5示出本公开的另一个实施例的机器人使用激光雷达的激光扫描得到的点云图像;
图6示意性示出本公开的一个实施例的用于确定车辆的中线位置的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有开展创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在本发明的描述中,需要理解的是,方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是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和简化描述,在未作相反说明的情况下,这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作,因此不能理解为对本发明保护范围的限制;方位词“内、外”是指相对于各部件本身的轮廓的内外。
在本发明的描述中,需要理解的是,使用“第一”、“第二”等词语来限定零部件,仅仅是为了便于对相应零部件进行区别,如没有另行声明,上述词语并没有特殊含义,因此不能理解为对本发明保护范围的限制。
使用车底机器人对车辆底部进行检查时,通过设置在机器人上的相机向上拍摄车辆底盘的照片或视频。由于机器人并不一定位于车辆车底的中间,因此拍摄的车辆底盘的照片显示的车底盘左右两部分的比例不一致,距离较远的部分的图像畸变严重。因此,本公开提出机器人沿着车辆大致中心线的位置(主要指车辆中线在地面上的投影)在车底行进,以便更好地检查车底。目前的技术让机器人在车底行进必须依靠人的介入,费时费力,本公开提供了技术方案以实现机器人在车底自主沿中线行进,并执行车底安检,这克服现有技术中车底中线的识别通常主要依靠人的肉眼进行观测,肉眼观测的并不十分准确,依然存在少量的图像畸变现象。
本公开的实施例提供一种用于车辆安检的机器人1,如图1所示,包括:移动装置,配置用以允许所述机器人1在地面上移动;激光雷达2,安装于所述机器人1上,使用激光束在车底进行扫描并接收每个待查部位中的各个点Li(简称为待查部位点)反射的激光以便收集多个待查部位点Li反射的激光的信息,每个待查部位点Li反射的激光的信息包括每个待查部位点Li与所述激光雷达2之间的距离和反射的激光相对于激光雷达2的方向(例如,可以是反射激光相对于激光雷达2的预定基准线的角度,与该示例等同的能够表示方向的数据均在本发明的保护范围之内);和处理器,配置成控制所述激光雷达2在车底进行扫描,并根据激光雷达2收集的多个待查部位点Li反射的激光述信息确定车辆的中线30并控制机器人1沿所述车辆的中线30在所述车辆的底盘3下面移动,以便检查车辆的底盘3。
在本发明中,激光束扫描车辆可以是一个激光束通过扫描形成一个扫描平面,这个扫描平面可以称为激光扫描面;也可以使用一个激光束通过在多个平面内扫描形成多个扫描平面,还可以使用多个激光束在多个平面内扫描形成多个扫描平面,因而激光扫描面可以是多个激光扫描面。激光扫描面可以是360度的圆周面,也可以是扇面(例如270度的扇面)。在一个实施例中,激光扫描采用激光扇面,激光扇面可以是一个激光束在扇面范围内扫描构成的扇面激光扫描区域,或者是两个以上的激光束在扇面范围内扫描构成的一个扇面激光扫描区域。在另一个实施例中,激光扫描面是360度的圆周面激光扫描区域。
在本发明中,机器人1可以采用多线扫描,也可以采用单线扫描。在一个实施例中,多线扫描的激光雷达包括多组激光器,每组激光器都可以发射一个激光束,多组激光器可以同时形成多个激光扇面,从而可以同时扫描被检查对象的多个部位,提高检查效率。在另一个实施例中,多线扫描可以是通过一个激光束依次在多个不同仰角的平面内扫描。换句话说,激光束可以逐行地扫描被检查对象的至少部分表面。本公开以一个激光束进行单线扫描来确定车辆中线的方式进行描述,以便理解本公开的实施例和发明精神。在本实施例中,处理器可以理解为具备本领域惯常的处理器的计算、逻辑功能,例如CPU处理器等,还可以具有存储数据的功能;然而,本实施例的处理器具备上述特定功能,因而可以实现本本发明的技术效果。机器人的移动装置可以是例如轮子,或机器人臂或机器人腿,在本公开的附图中未示出。
在图1的实施例中,机器人1位于车辆的底盘3下面的地面位置,图1为了方便示意地表示车辆在平面视图中在车辆在地面的投影的范围内,因而显示机器人1在车辆中(实际上俯视图中,机器人1被车辆覆盖,机器人在车辆的底部)。
在本实施例中,处理器配置成控制所述移动装置使得机器人1移动至车辆底盘3下的任意的地面位置,同时控制所述激光雷达2沿基本上水平方向发射激光束并进行扫描,收集反射激光束的反射点或部位点Li距离激光雷达2的距离和反射的激光相对于激光雷达2的预定基准线的角度,确定每个反射点的位置,从而处理器可以在激光雷达的有效视野范围内(大概10米左右的量级)描绘出轮廓曲线(如图3或图5所示),该轮廓曲线包括反射激光的待查部位的轮廓、激光未透射区域与激光传播区域的边界线、激光雷达的有效视野边界。可基于描绘的被确定为车辆轮胎的待查部位形成的轮廓曲线来确定车辆的中线30的位置。
在一个实施例中,激光雷达沿与车辆底盘基本平行的方向发射激光并扫描,扫描面距离地面的高度为5cm-10cm。
首先,需要确定待查部位的轮廓是车辆轮胎所形成的轮廓曲线还是地上其他异物所形成的轮廓曲线。
在一个实施例中,如果车辆在检查站等固定场所接受检查,则在这些场所车辆通常位于平整干净的地面上,激光雷达的高度使得其出射的激光通常只会被车辆的轮胎和少数细碎的异物反射。车辆轮胎具有轮胎面(轮胎的可与地面接触的表面,通常接近圆柱面)和轮胎侧面,轮胎面和轮胎侧面之间的角部一般接近直角。如图3所示,如果待查部位形成的轮廓曲线具有与L形角部(定义参见下一段的描述,图3中的411、421、511、521都属于L形角部)相似的形状,则可将这些待查部位(L形角部411、421、511、521)确定为车辆的轮胎41、42、51、52的角部的轮廓曲线,由于L形角部411、421、511、521到激光雷达的距离、张角都已经测量得出,因而可以在激光雷达构建的地图中得到四个L形角部的位置坐标,最终基于所述位置坐标得到车辆的中线位置。
前面所述的L形角部是指通过图像识别算法、数学计算或者人眼观察能够判定出与直角三角形的两条直角边接近到程度达到预设值之上的轮廓曲线。L形角部可具有基本上沿第一方向延伸的第一线部分和基本上沿与第一方向的夹角在预定角度范围(接近90度)内的第二方向延伸的第二线部分。其中,第一线部分可以对应于例如轮胎面的反射激光的部分,第二线部分可以对应于例如轮胎侧面的反射激光的部分。在一个实施例中,通过智能图像识别算法来判断待查部位与直角三角形的两条直角边的接近程度,接近度高的判定为L形角部。在另一个实施例中,判定目标轮廓是否为L形角部通过数学计算来实现,可以将L形角部拟合成一个三角形,第一线部分与第二线部分分别被拟合成这个三角形的两条边,计算拟合出的这两条边的夹角,判断该夹角是否在前面所述的预定角度范围(例如70度-110度)内,落入预定角度范围的,则认为是L形角部。
由于轮胎上表面的花纹和沾染的污泥、轮胎的停放方向不一致、激光雷达的特性等因素的影响,四个L形角部411、421、511、521的实际轮廓可能不是完全相同的形状,也不一定具有完全相同的方向,轮廓甚至含有锯齿或者波动,因此在四个L形轮廓中选择不同的点来计算车辆的中线,得到的车辆的中线的位置和方向可能都不相同。因此,必须在四个L形轮廓中分别选择四个可靠的基准点,然后计算两个L形角部411的基准点与角部421的基准点之间的第一中点以及另外两个L形角部511的基准点与521的基准点之间的第二中点,连接两个中点即可得到车辆的中线位置。关于L形轮廓的基准点的选择方式可以有多种。在一个示例中,采用四个L形轮廓离激光雷达最近的四个点分别作为四个L形轮廓的基准点。在另一个示例中,采用四个L形轮廓的质心分别作为四个L形轮廓的基准点,每个L形轮廓的质心的x、y坐标的就是该轮廓上所有点的x、y坐标的平均值。在又一个示例中,采用四个L形轮廓的拐角点分别作为四个L形轮廓的基准点,每个L形轮廓的拐角点可以通过以下方式确定:首先将各个L形轮廓分别分成多个具有预定长度的曲线段,求出每个曲线段上的所有点的曲率的平均值作为该曲线段的代表曲率,然后在各个L形轮廓的所有曲线段中分别找出代表曲率最大的曲线段,则该曲线段的质心(x、y坐标的平均值)或中点(位于该曲线段上且沿着曲线段到曲线起点的路程与到曲线终点的路程相同)应该就是相应L形轮廓的拐角点,可作为相应L形轮廓的基准点。在最后一个示例中,对前三个示例得到的三种基准点中的任一种通过纠偏算法进行位置调整,使得调整后的四个点的连线构成标准的矩形,将矩形的四个顶点作为四个L形轮廓的基准点。
在实际应用中,地面上可能存在一些杂草、树叶之类杂物,它们可能会阻挡激光,但是这些细小的杂物在扫描后一般不会形成上述的具有L形角部的轮廓曲线,因而本实施例具有一定的抗干扰能力,机器人的中线对准较为准确。如果想进一步提高精度,可以增加一个步骤,即在得到的全部L形角部中,判断第一线部分的长度是否在第一预定范围内,所述第一预定范围可以根据所统计的市面上所有型号的轮胎的宽度范围来设置(例如,第一预定范围可以与所有型号的轮胎的宽度范围a1~a2接近;如果考虑货车下安装的并排的双轮胎的情况,则第一预定范围可以与a1~ 2•a2接近),如果第一线部分的长度不在第一预定范围内,则判断该L形角部不是轮胎的角部。
在实际应用中,如果车辆具有八个甚至更多个轮胎,则以机器人1上的激光雷达前方的最近的四个轮胎来确定车辆的中线。当然,也可以先获得机器人1上的激光雷达前方的三对轮胎(共6个轮胎,左侧和对应的右侧轮胎为一对)的三个中点,然后基于这三个中点确定出车辆的中线,例如,可以将连接最近的中点和第二近的中点的第一连线作为车辆的中线(与前面只考虑离激光雷达最近的四个轮胎而确定的中线位置相同),可以将连接最近的中点和最远的中点的第二连线作为车辆的中线,也可以将第一连线和第二连线相交所成的锐角的角度分割线的方向作为车辆中线的方向同时将最近的中点作为车辆中线经过的点。
在另一实施例中,如果机器人除了对检查站中的车辆检查外,还对位于其他任意地面上的车辆也进行检查,在恶劣的环境中,车辆底盘3之下并非理想状态,例如存在具有直角的较大的异物(例如地面上的石头或者泥地上的隆起),且该异物的第一线部分的长度也在第一预设范围内,则此时激光雷达2并不能够识别这些实体是否是车辆的轮胎的一部分。在本实施例中,如图5所示,采用激光雷达2沿基本上水平方向发射激光束并扫描。如图5所示,阴影部分表示激光扫描过的区域,而非阴影部分表示被车辆的车轮41、42、51、52以及异物43遮挡因而激光束未能够扫描的部分,部位点Li如图5中的黑色点所示,这些点为了示意而被绘出。此时可以基于L形角部对是否满足车辆轮胎的空间排布关系来排除异物43的干扰。也就是说,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。具体地,可以采用下面的方法来排除异物的干扰:(1)将每个L形角部都与其他所有L形角部两两配对,得到多个L形角部对,确定每个L形角部对中的两个L形角部之间的间距(可以是各个L形角部的基准点之间的间距,也可以是各个L形角部离得最近的两点之间的间距,其中,确定基准点的方法与前面描述的相同),将间距落入第二预设范围内的L形角部对归类为候选L形角部对,遍历所有的L形角部对,找出所有的候选L形角部对并构成一个组。其中,基于统计的车辆左右轮胎的间距来设置第二预定范围。(2)判断一个候选待查部位对是否存在满足如下平行关系的另一候选待查部位对,所述平行关系为所述一个候选待查部位对的基准点连线与所述另一候选待查部位对的基准点连线接近平行。如果该候选L形角部对不存在满足所述平行关系的其他候选L形角部对,则确定该候选L形角部对与车辆轮胎不对应,并将该候选L形角部对从候选L形角部对构成的所述组中排除;如果存在,则将该该候选L形角部对保留在所述组中,然后可以进行后续的判断(在部分情况下,甚至也可直接将该候选L形角部对判定为与车辆轮胎对应的部位)。(3)如果仍不能排除所有的干扰,可将所述关系调整得更加严苛,在候选L形角部对构成的所述组中,判断所述组中任一个候选L形角部对是否存在满足如下矩形关系的另一候选L形角部对,所述矩形关系为:所述一个候选L形角部对和所述另一候选L形角部对中的四个基准点连接而成的四边形接近矩形,如果存在满足矩形关系的其他候选L形角部对,则将这些候选L形角部对确定为与车辆轮胎对应;如果不存在,则将该候选L形角部对从候选L形角部对构成的所述组中排除。遍历所有的候选L形角部对,找出所有与车辆轮胎对应的目标部位。以上列出了(1)、(2)、(3)三种判断L形角部是否满足车辆轮胎的空间排布关系的方法,这三种方法可以只选择其中的任意一种或者两种,均在本发明的保护范围之内。
具体地说,如图5所示,遍历激光束扫描得到的所有L形角部有411、421、431、511、521。处理器将每个L形角部都与其他所有L形角部两两配对,得到411-421、411-431、411-521、411-511、511-521、511-431、511-421、521-431、521-421、431-421这十对L形角部对,基于每个L形角部对中的两个L形角部之间的间距是否落入第二预设范围确定出多个候选L形角部对,例如,在图5中共三个候选L形角部对,即411-421、411-431、511-521,只有这三个L形角部对中的所述间距落入第二预设范围。进一步,在这三对候选待查部位对中,候选待查部位对411-421与候选待查部位对511-521中的四个基准点连接而成的四边形接近矩形,因此可以判定待查部位411、421、511、521为与车辆轮胎对应的目标部位。而候选待查部位对411-431不存在与其满足矩形关系的其他候选待查部位对(候选待查部位对411-431的基准点连线与其他两个候选待查部位对的两条基准点连线均不平行,也不接近平行),从而可排除候选待查部位对411-431,即将该候选待查部位对411-431确定为测量噪音。本实施例进一步提高了机器人在测量时的抗干扰能力。在一个实施例中,机器人1将获得的点云图像通过其自身的用户界面或者发送给用户终端以向用户呈现点云图像,用户手动选择机器人1前方的距离机器人1最近的至少四个与车辆轮胎对应的目标部位,并将选择的结果发送给机器人1,机器人1根据选择结果来确定车辆的中线。
在本公开的机器人1中,机器人1上设置第一相机和/或线阵相机,第一相机和/或线阵相机配置成朝上拍摄车辆底盘3的光学图像以便检查车辆的底盘3。光学图像可以用于识别车辆底盘3上是否附带嫌疑违禁物品。这里的光学图像可以是第一相机在机器人行进过程中拍摄的多张照片或者连续拍摄的视频,也可以是线阵相机连续拍摄并在最后组合而成的车辆底盘的完整照片。机器人1能够自动识别车辆的中线30,因而能够大体沿车辆的中线在车底行进,因而第一相机和/或线阵相机拍摄的车辆底盘的光学图像的图像畸变可以尽可能小,提高检查的准确性。
在本公开的一个实施例中,例如采用的激光雷达为多线扫描类型时,除了扫描轮胎所在平面外,处理器配置成控制所述激光雷达2朝向车辆底盘3发射多个激光束并进行多线扫描,实时收集从车辆的底盘3的表面反射的激光的信息,绘制车辆的底盘3的表面三维轮廓。由于通过收集从车辆的底盘3的表面反射的激光的信息可以获得每个部位点Li到机器人1的距离以及激光束的角度信息,因而可以确定每个部位点Li相对于机器人1的空间位置,处理器可以将这些部位点Li绘制成车辆底盘3的三维图像。
在一个实施例中,由于三维图像包含更多的信息,因而可以与机器人1的光学图像结合确定违禁物品。例如,可以基于第一相机/线阵相机拍摄的车辆底盘3的光学图像确定车辆的底盘3是否包含嫌疑违禁物品;也可以结合激光雷达2扫描而绘制的车辆的底盘3的表面三维轮廓,确认车辆底盘的哪个部分有可能经过改装从而具有藏匿违禁品的可能,或者直接确定嫌疑违禁物品是否是真正的违禁物品。具体地说,光学图像可以方便地辨识车辆底盘3是否通过粘附等方式附带违禁物品;在一些情形中,由于违禁物品藏匿在车辆底盘3的改装的部分中,通过光学图像已无法直接看到违禁品,此时机器人1的激光雷达2可以通过扫描车辆底盘3构成具有空间信息的三维图像,然后可以与该车辆相同型号的标准车辆底盘的三维图像比对(然而这并不是必须的),从而确定车辆底盘是否进行过改装或者粘附有异物,最后进一步通过人工或者机器人拆除相关部位的部件来确认是否夹带嫌疑违禁物品。由于颜色相近,光学图像看起来并不明显,但是三维图像显示车辆底盘3上该嫌疑违禁物品突出车辆底盘3的表面,因而可以确定车辆底盘3上附带异物或违禁物品。本实施例可以利用激光雷达2确定车辆中线30的同时,还可以使用激光雷达2形成车辆的底盘3的全部或部分的三维图像,提高检查的准确性。
在本公开的一个实施例中,处理器配置成:建立二维虚拟坐标系并设定机器人1在所述二维虚拟坐标系中的位置坐标为原点坐标,基于激光雷达2描绘的部位点Li的轮廓曲线,确定车辆的多个前轮的每一个在二维虚拟坐标系中的位置坐标,由此所述处理器构建一个虚拟地图确定机器人1以及车辆的多个前轮在所述虚拟地图中的位置,基于此在二维虚拟坐标系中确定车辆的中线30,并驱使移动装置使得机器人1朝向车辆的中线30移动。
在本公开的一个实施例中,处理器配置成:控制所述移动装置,以便机器人1在车辆底盘3下的地面自车辆一端朝向车辆另一端移动;在机器人1自车辆一端朝向车辆另一端移动过程中,控制所述移动装置使得机器人1朝向确定的车辆的中线30正对的地面位置移动。根据本实施例,机器人1可以自动计算车辆的中线30位置,自动根据确定的车辆中线30位置调整机器人1自身的行进路线,即沿着车辆的中线30行进。
在本公开的一个实施例中,提供机器人1准备进入车辆的底盘3下面的地面的方案。在本实施例中,可以在机器人1上设置第二相机,第二相机可以朝大致水平方向或者小角度仰视方向拍摄,从而可以拍摄到车头或车尾,第二相机可以与前述第一相机不同;然而,在本公开的另一个实施例中,机器人不包括第二相机,仅包括前述的第一相机和/或线阵相机,其可以旋转拍摄方向。在本实施例中,第二相机可以拍摄车辆的车头或车尾的牌照,以便登记车辆牌照信息。车辆牌照的信息可以跟车辆的安检信息相关联,从而自动记录该车辆是否携带违禁物品。
在本公开的一个实施例中,在机器人进入车辆底部之前,可以通过用户手动调整机器人的方向,使得机器人的宽度方向与被检车辆的宽度方向的夹角小于30度,以达到较优的探测效果或精度;在本公开的另一个实施例中,在机器人进入车辆底部之前,机器人通过智能算法和/或传感元件自主地调整机器人的方向,使得机器人的宽度方向与被检车辆的宽度方向的夹角小于30度。
在一个实施例中,第二相机可以拍摄车头或车尾的至少部分的光学图像,第二相机与第一相机不同,或者第二相机与第一相机是同一相机且该相机可以改变拍摄方向,机器人被配置为根据第二相机拍摄的图像进行以下三种操作中的至少一种:基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人移动至被检车辆底盘之下;基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
在一个实施例中,在对车辆底盘的全部检查完成之后,将得到的安检信息与车辆牌照信息相关联,或者将所述安检信息发送到数据库中的相应位置以便存储。数据库可以存储于机器人1中,也可以存储于远程服务器中。数据库可以存储车辆的牌照、型号、出产年份、车主姓名、安检信息、车主的其他相关信息、车辆的维修保养记录等,此外还可存储每个型号的车辆的标准底盘三维图像。
机器人1的处理器可以预存车辆的一些普通信息,例如车辆的一般型号、外形、不同车辆型号的车轮41、42个数、车头和车尾的外形、每个型号的车辆的标准底盘三维图像等数据,以便机器人1可以基于光学图像判断图像是否是车辆,或者是车辆的何种部件等;处理器还可以存储例如直角、非直角等定义和形状,以便判断轮廓线上的接近直角的角部是轮胎的角部的部位点构成的。
如图6所示,本公开的实施例还提供一种用于车辆安检机器人1的确定车辆底盘3中线30的方法。方法包括:使用激光雷达2在被检车辆下方扫描,接收待查部位中的多个部位点Li反射的激光以便收集所述多个部位点Li反射的激光的信息,形成轮廓曲线;在多个部位点Li构成的轮廓曲线中确定与车辆轮胎对应的多个目标曲线部;确定至少四个目标曲线部;基于所述至少四个目标曲线部,得到被检车辆的中线位置。在一个实施例中,待查部位可以车辆的车轮,例如如图3所示的四个车轮41、42、51、52。车辆可以有多个车轮,例如6个、8个等,此处以较为普遍的四个车轮的车辆作为示例,其他情形下的方法可以基于本公开的技术方案得出。
在一个实施例中,建立二维虚拟坐标系,确定多个部位点Li在二维虚拟坐标系中的对应位置坐标,描绘多个部位点Li的轮廓曲线,基于多个部位点Li的轮廓曲线找出与车辆轮胎对应的目标曲线部;
基于目标曲线部在二维虚拟坐标系中的坐标确定被检车辆的中线在二维虚拟坐标系中的位置。
在一个实施例中,在激光雷达2扫描之前,调整激光雷达2的方向,以使激光雷达2的朝向与被检车辆的纵向的夹角在30度以内。激光雷达2的激光束在一个平面内扫描,该平面可以是水平的,例如扫描车轮;该平面也可以从水平方向斜向上,与被检车辆的纵向(也就是车辆行进的方向,车轮分别在车辆纵向方向的中线的两侧布置)的夹角在30度以内,此时激光束具有一定的仰角。
在一个实施例中,从多个目标曲线部411、421、511、521(在图5的实施例中,还包括431)等中确定激光雷达2前方离激光雷达2最近的至少四个目标曲线部411、421、511、521。分别确定出所述至少四个目标曲线部的各自的基准点。
在一个实施例中,将所述至少四个目标曲线部411、421、511、521按照位置关系分成左侧目标曲线部和右侧目标曲线部,将彼此距离最近的左侧目标曲线部411、511和右侧目标曲线部421、521组成目标曲线部对411-421、511-521,每个目标曲线部对包括一个左侧目标曲线部和一个右侧目标曲线部,确定出每个目标曲线部对的左侧目标曲线部的基准点和右侧目标曲线部的基准点连线的中点,基于离机器人最近的至少两个目标曲线部对的所述中点确定被检车辆的中线。
在一个实施例中,确定出目标曲线部的基准点包括以下五种方法中的任一种:
采用目标曲线部中离激光雷达2最近的部位点Li作为该目标曲线部的基准点;或者
采用目标曲线部的质心作为该目标曲线部的基准点;或者
将目标曲线部分成多个具有预定长度的曲线段,求出每个曲线段上的所有点的曲率的平均值作为该曲线段的代表曲率,然后在目标曲线部的轮廓的所有曲线段中分别找出代表曲率最大的曲线段,采用该曲线段的质心或中点作为该目标曲线部的基准点;或者
将目标曲线部拟合成直角三角形的两条直角边,将两条直角边的交点作为该目标曲线部的基准点;或者
对前面四种方法得到的四种基准点中的任一种通过纠偏算法进行位置调整,以使调整后的多个基准点作为顶点形成的四边形能够构成矩形,将矩形的多个顶点分别作为各个目标曲线部的基准点。
在一个实施例中,在多个部位点Li构成的轮廓曲线中确定与车辆轮胎41、43、51、52对应的多个目标曲线部411、421、511、521包括:
找出轮廓曲线的L形角部,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部411、421、511、521。
在一个实施例中,确定轮廓曲线的L形角部包括:
通过智能图像识别算法来判断轮廓曲线的部分与直角三角形的两条直角边的接近程度,接近度高的轮廓曲线的该部分被判定为L形角部。
在一个实施例中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
确定构成L形角部的第一线部分的长度,如果第一线段部分的长度在第一预定范围内,则L形角部是与车辆轮胎对应的目标曲线部,否则排除该L形角部,其中,基于统计的轮胎的宽度范围来设置第一预定范围。
在一个实施例中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。
在一个实施例中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部包括:
将每个L形角部都与其他所有L形角部进行两两配对,得到多个L形角部对,确定每个L形角部对中的两个L形角部之间的间距,将所述间距落入第二预定范围内的L形角部对归类为候选L形角部对,找出所有的候选L形角部对并构成一个组,将未能组成候选L形角部对的L形角部确定为与车辆轮胎不对应,
其中,基于统计的车辆左右轮胎的间距来设置第二预定范围。
在一个实施例中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部还包括:
判断一个候选L形角部对是否存在满足如下平行关系的另一候选L形角部对,所述平行关系为:所述一个候选L形角部对的基准点连线与所述另一候选L形角部对的基准点连线接近平行,
如果该候选L形角部对不存在满足所述平行关系的其他候选L形角部对,则确定该候选L形角部对与车辆轮胎不对应,并将该候选L形角部对从候选L形角部对构成的所述组中排除。
在一个实施例中,在候选L形角部对构成的所述组中,判断所述组中任一个候选L形角部对是否存在满足如下矩形关系的另一候选L形角部对,所述矩形关系为:所述一个候选L形角部对和所述另一候选L形角部对中的四个基准点连接而成的四边形接近矩形,
如果存在满足矩形关系的其他候选L形角部对,则将这些候选L形角部对确定为与车辆轮胎对应;如果不存在,则将该候选L形角部对从候选L形角部对构成的所述组中排除。
在一个实施例中,在待查部位中找出与车辆轮胎对应的目标曲线部包括:
将激光雷达2获得的轮廓曲线呈现给用户,接收用户手动选择的距离激光雷达2最近的至少四个与车辆轮胎对应的目标曲线部,根据选择结果来确定车辆的中线。
本公开的一方面提供一种用于控制机器人1检查车辆底盘3的方法,所述机器人1包括移动装置、激光雷达2和处理器,所述移动装置用以允许所述机器人1移动, 所述方法包括:
所述处理器被配置为使用上述的方法来确定车辆底盘3中线的位置,并控制机器人1的移动装置以使机器人1沿所确定的中线在所述车辆的底盘3下方移动,以便检查车辆的底盘3。
在一个实施例中,所述机器人1还包括用于拍摄被检车辆底部图像的第一相机和/或线阵相机,所述方法包括:
在机器人1沿底盘3的中线移动时,使用第一相机和/或线阵相机向上拍摄车辆底盘3的光学图像,以判断车辆的底盘3是否存在携带违禁物品的可能。
在一个实施例中,所述机器人1还包括用于拍摄被检车辆的头部或尾部的光学图像的第二相机,第二相机与第一相机不同,或者第二相机与第一相机是同一相机且该相机可以改变拍摄方向,处理器被配置为根据第二相机拍摄的图像进行以下几种操作中的至少一种:
基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人1移动至被检车辆底盘3之下;
基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;或
基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
在一个实施例中,使用激光雷达2扫描车辆的底盘3,形成底盘3的三维轮廓,对所述三维轮廓进行数据分析或者将所述三维轮廓与同一型号车辆的标准底盘3的三维轮廓进行比对分析,从而判断车辆的底盘3是否存在携带违禁物品的可能。
虽然本总体专利构思的一些实施例已被显示和说明,本领域普通技术人员将理解,在不背离本总体专利构思的原则和精神的情况下,可对这些实施例做出改变,本公开的范围以权利要求和它们的等同物限定。
Claims (34)
1.一种用于车辆检查的机器人,包括:
移动装置,配置用以允许所述机器人在地面上移动;
激光雷达,安装于所述机器人上,配置成使用激光束在被检车辆下方扫描并接收待查部位中的多个部位点反射的激光以便收集所述多个部位点反射的激光的信息,每个部位点反射的激光的信息包括每个待查部位点与所述激光雷达之间的距离和反射的激光的方向;和
处理器,配置成控制所述激光雷达扫描,并根据激光雷达收集的所述多个部位点反射的激光的信息确定车辆的中线,控制机器人沿所确定的中线在所述车辆的底盘下方移动,以便检查车辆的底盘。
2.如权利要求1所述的机器人,其中,处理器配置成:
控制所述移动装置使得机器人移动至被检车辆下方,控制所述激光雷达沿与地面基本平行的方向发射激光并扫描,收集反射激光束的多个部位点距离激光雷达的距离和反射的激光相对于激光雷达的预定基准线的角度,确定每个部位点的位置并由此描绘多个部位点构成的轮廓曲线,基于描绘的轮廓曲线确定车辆的中线位置。
3.如权利要求2所述的机器人,其中,激光雷达沿与地面基本平行的方向的激光扫描构成的激光扫描面距离地面的高度为5cm-10cm。
4.如权利要求1所述的机器人,其中,处理器配置成:
在机器人进入车辆底部之前,调整机器人的方向,以使机器人的朝向与被检车辆的车身纵向的夹角在30度以内。
5.如权利要求2所述的机器人,其中,处理器配置成:
在多个部位点构成的轮廓曲线中找出与车辆轮胎对应的目标曲线部。
6.如权利要求5所述的机器人,其中,处理器配置成:
找出机器人前方离机器人最近的至少四个目标曲线部,分别确定出所述至少四个目标曲线部的各自的基准点。
7.如权利要求6所述的机器人,其中,处理器配置成:
将所述至少四个目标曲线部按照位置关系分成左侧目标曲线部和右侧目标曲线部,将彼此距离最近的左侧目标曲线部和右侧目标曲线部组成多个目标曲线部对,每个目标曲线部对包括一个左侧目标曲线部和一个右侧目标曲线部,确定出每个目标曲线部对的左侧目标曲线部的基准点和右侧目标曲线部的基准点连线的中点,基于离机器人最近的至少两个目标曲线部对的所述中点确定被检车辆的中线。
8.如权利要求5所述的机器人,其中,处理器配置成:
找出轮廓曲线的L形角部,并从轮廓曲线的L形角部中找出与车辆轮胎对应的目标曲线部。
9.如权利要求8所述的机器人,其中,处理器配置成:
确定构成L形角部的第一线部分的长度,判断第一线段部分的长度是否在第一预定范围内,如果是则所述L形角部是与车辆轮胎对应的目标曲线部,否则该L形角部不是与车辆轮胎对应的目标曲线部;和/或,
从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。
10.如权利要求1或2所述的机器人,其中,
机器人将获得的部位点的图像呈现给用户,并接收用户手动选择的机器人前方的距离机器人最近的至少四个与车辆轮胎对应的目标曲线部,根据选择结果来确定车辆的中线。
11.如权利要求1所述的机器人,还包括第一相机和/或线阵相机,在机器人沿着车辆中线移动时,第一相机和/或线阵相机向上拍摄车辆底盘的光学图像以便检查车辆的底盘。
12.如权利要求11所述的机器人,还包括第二相机,用于拍摄被检对象头部或尾部的光学图像,
其中,第二相机与第一相机不同;或者,第二相机与第一相机是同一相机,且该相机能够改变拍摄方向。
13.如权利要求12所述的机器人,其中,
第二相机在机器人进入被检对象下方之前拍摄被检对象的头部或尾部的图像,处理器被配置为根据第二相机拍摄的图像进行以下几种处理中的至少一种:
基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人移动至被检车辆底盘之下;
基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;或
基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
14.如权利要求1或11所述的机器人,其中,所述激光雷达为多线扫描激光雷达,处理器配置成:
控制所述激光雷达朝向车辆底盘发射激光束并扫描,实时收集从车辆的底盘的表面反射的激光的信息,绘制车辆的底盘的表面的全部或部分的三维轮廓。
15.如权利要求14所述的机器人,其中,处理器配置成:
将通过激光雷达扫描而绘制的车辆的底盘表面的全部或部分的三维轮廓进行分析,或者将所述三维轮廓与同一型号车辆的标准底盘的三维轮廓进行比对分析,以确认被检车辆是否存在携带违禁物品的可能。
16.一种确定车辆底盘中线的方法,包括:
使用激光雷达在被检车辆下方扫描,接收待查部位中的多个部位点反射的激光以便收集所述多个部位点反射的激光的信息,形成轮廓曲线;
在多个部位点构成的轮廓曲线中确定与车辆轮胎对应的多个目标曲线部;
确定至少四个目标曲线部;
基于所述至少四个目标曲线部,得到被检车辆的中线位置。
17.如权利要求16所述的方法,其中,
建立二维虚拟坐标系,确定多个部位点在二维虚拟坐标系中的对应位置坐标,描绘多个部位点的轮廓曲线,基于多个部位点的轮廓曲线找出与车辆轮胎对应的目标曲线部;
基于目标曲线部在二维虚拟坐标系中的坐标确定被检车辆的中线在二维虚拟坐标系中的位置。
18.如权利要求16所述的方法,包括:
在激光雷达扫描之前,调整激光雷达的方向,以使激光雷达的朝向与被检车辆的纵向的夹角在30度以内。
19.如权利要求16或17所述的方法,其中,所述确定至少四个目标曲线部包括:
从多个目标曲线部中确定激光雷达前方离激光雷达最近的至少四个目标曲线部。
20.如权利要求19所述的方法,包括:
分别确定出所述至少四个目标曲线部的各自的基准点。
21.如权利要求20所述的方法,包括:
将所述至少四个目标曲线部按照位置关系分成左侧目标曲线部和右侧目标曲线部,将彼此距离最近的左侧目标曲线部和右侧目标曲线部组成目标曲线部对,每个目标曲线部对包括一个左侧目标曲线部和一个右侧目标曲线部,确定出每个目标曲线部对的左侧目标曲线部的基准点和右侧目标曲线部的基准点连线的中点,基于离机器人最近的至少两个目标曲线部对的所述中点确定被检车辆的中线。
22.如权利要求20所述的方法,确定出目标曲线部的基准点包括以下五种方法中的任一种:
采用目标曲线部中离激光雷达最近的部位点作为该目标曲线部的基准点;或者
采用目标曲线部的质心作为该目标曲线部的基准点;或者
将目标曲线部分成多个具有预定长度的曲线段,求出每个曲线段上的所有点的曲率的平均值作为该曲线段的代表曲率,然后在目标曲线部的轮廓的所有曲线段中分别找出代表曲率最大的曲线段,采用该曲线段的质心或中点作为该目标曲线部的基准点;或者
将目标曲线部拟合成直角三角形的两条直角边,将两条直角边的交点作为该目标曲线部的基准点;或者
对前面四种方法得到的四种基准点中的任一种通过纠偏算法进行位置调整,以使调整后的多个基准点作为顶点形成的四边形能够构成矩形,将矩形的多个顶点分别作为各个目标曲线部的基准点。
23.如权利要求16所述的方法,在多个部位点构成的轮廓曲线中确定与车辆轮胎对应的多个目标曲线部包括:
找出轮廓曲线的L形角部,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部。
24.如权利要求23所述的方法,其中,确定轮廓曲线的L形角部包括:
通过智能图像识别算法来判断轮廓曲线的部分与直角三角形的两条直角边的接近程度,接近度高的轮廓曲线的该部分被判定为L形角部。
25.如权利要求23所述的方法,其中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
确定构成L形角部的第一线部分的长度,如果第一线段部分的长度在第一预定范围内,则L形角部是与车辆轮胎对应的目标曲线部,否则排除该L形角部,其中,基于统计的轮胎的宽度范围来设置第一预定范围。
26.如权利要求23所述的方法,其中,利用轮廓曲线的L形角部找出与车辆轮胎对应的目标曲线部还包括:
从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部,确定该组L形角部分别是与车辆轮胎对应的目标曲线部。
27.如权利要求26所述的方法,其中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部包括:
将每个L形角部都与其他所有L形角部进行两两配对,得到多个L形角部对,确定每个L形角部对中的两个L形角部之间的间距,将所述间距落入第二预定范围内的L形角部对归类为候选L形角部对,找出所有的候选L形角部对并构成一个组,将未能组成候选L形角部对的L形角部确定为与车辆轮胎不对应,
其中,基于统计的车辆左右轮胎的间距来设置第二预定范围。
28.如权利要求27所述的方法,其中,从多个L形角部中找出满足车辆轮胎的空间排布关系的一组L形角部还包括:
判断一个候选L形角部对是否存在满足如下平行关系的另一候选L形角部对,所述平行关系为:所述一个候选L形角部对的基准点连线与所述另一候选L形角部对的基准点连线接近平行,
如果该候选L形角部对不存在满足所述平行关系的其他候选L形角部对,则确定该候选L形角部对与车辆轮胎不对应,并将该候选L形角部对从候选L形角部对构成的所述组中排除。
29.如权利要求27或28所述的方法,其中,进一步包括:
在候选L形角部对构成的所述组中,判断所述组中任一个候选L形角部对是否存在满足如下矩形关系的另一候选L形角部对,所述矩形关系为:所述一个候选L形角部对和所述另一候选L形角部对中的四个基准点连接而成的四边形接近矩形,
如果存在满足矩形关系的其他候选L形角部对,则将这些候选L形角部对确定为与车辆轮胎对应;如果不存在,则将该候选L形角部对从候选L形角部对构成的所述组中排除。
30.如权利要求16所述的方法,其中,在待查部位中找出与车辆轮胎对应的目标曲线部包括:
将激光雷达获得的轮廓曲线呈现给用户,接收用户手动选择的距离激光雷达最近的至少四个与车辆轮胎对应的目标曲线部,根据选择结果来确定车辆的中线。
31.一种控制机器人检查车辆底盘的方法,其中所述机器人包括移动装置、激光雷达和处理器,所述移动装置用以允许所述机器人移动, 所述方法包括:
所述处理器被配置为使用权利要求16-30中任一项所述的方法来确定车辆底盘中线的位置,并控制机器人的移动装置以使机器人沿所确定的中线在所述车辆的底盘下方移动,以便检查车辆的底盘。
32.如权利要求31所述的方法,其中所述机器人还包括用于拍摄被检车辆底部图像的第一相机和/或线阵相机,所述方法包括:
在机器人沿底盘的中线移动时,使用第一相机和/或线阵相机向上拍摄车辆底盘的光学图像,以判断车辆的底盘是否存在携带违禁物品的可能。
33.如权利要求32所述的方法,其中所述机器人还包括用于拍摄被检车辆的头部或尾部的光学图像的第二相机,第二相机与第一相机不同,或者第二相机与第一相机是同一相机且该相机能够改变拍摄方向,处理器被配置为根据第二相机拍摄的图像进行以下几种操作中的至少一种:
基于拍摄的图像确认被检对象是否为车辆,在确认为车辆后控制所述移动装置使得机器人移动至被检车辆底盘之下;
基于拍摄的图像识别被检车辆的牌照,以便登记车辆牌照信息,从而将检查车辆后得到的安检信息与车辆牌照信息相关联或者将所述安检信息发送到数据库中的相应位置以便存储;或
基于拍摄的图像智能识别车辆的型号,或者基于识别出的车辆牌照在数据库中查找所登记的对应车辆型号。
34.根据权利要求31所述的方法,包括:
使用激光雷达扫描车辆的底盘,形成底盘的三维轮廓,对所述三维轮廓进行数据分析或者将所述三维轮廓与同一型号车辆的标准底盘的三维轮廓进行比对分析,从而判断车辆的底盘是否存在携带违禁物品的可能。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911051927 | 2019-10-30 | ||
CN2019110519277 | 2019-10-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111352123A true CN111352123A (zh) | 2020-06-30 |
CN111352123B CN111352123B (zh) | 2020-09-11 |
Family
ID=71193394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010446022.6A Active CN111352123B (zh) | 2019-10-30 | 2020-05-25 | 用于车辆检查的机器人和方法、确定车辆底盘中线的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111352123B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083434A (zh) * | 2020-09-09 | 2020-12-15 | 上海有个机器人有限公司 | 一种基于激光的机器人检测方法以及装置 |
CN113324910A (zh) * | 2021-05-31 | 2021-08-31 | 深圳市路安仪器设备有限公司 | 一种移动式车底状况检测方法 |
CN113503838A (zh) * | 2021-06-04 | 2021-10-15 | 东风柳州汽车有限公司 | 一种卡车中心轴线偏移量测量方法 |
US20220363284A1 (en) * | 2021-05-13 | 2022-11-17 | Ford Global Technologies, Llc | Systems and methods for underbody inspection of a moving vehicle with a smartphone |
WO2022253332A1 (zh) * | 2021-06-04 | 2022-12-08 | 同方威视技术股份有限公司 | 扫描方法、装置、设备及计算机可读存储介质 |
CN116720711A (zh) * | 2023-07-26 | 2023-09-08 | 北京中科希望物联网络科技有限公司 | 一种货车运输智能监控系统以及监控方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207589047U (zh) * | 2017-12-18 | 2018-07-06 | 深圳市赛德爱电子有限公司 | 一种手持便携式汽车底盘安全监控装置 |
CN109283592A (zh) * | 2018-11-26 | 2019-01-29 | 河北工业大学 | 车辆底盘检测系统和车辆底盘检测方法 |
CN110031911A (zh) * | 2019-05-10 | 2019-07-19 | 同方威视技术股份有限公司 | 车辆底盘检查装置、方法及车辆扫描系统 |
WO2019187883A1 (ja) * | 2018-03-29 | 2019-10-03 | ヤンマー株式会社 | 作業車両用の障害物検知システム |
CN209513657U (zh) * | 2019-03-04 | 2019-10-18 | 金瓜子科技发展(北京)有限公司 | 一种汽车底盘检测装置及系统 |
CN209513656U (zh) * | 2019-03-04 | 2019-10-18 | 金瓜子科技发展(北京)有限公司 | 一种汽车底盘检测装置及系统 |
-
2020
- 2020-05-25 CN CN202010446022.6A patent/CN111352123B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207589047U (zh) * | 2017-12-18 | 2018-07-06 | 深圳市赛德爱电子有限公司 | 一种手持便携式汽车底盘安全监控装置 |
WO2019187883A1 (ja) * | 2018-03-29 | 2019-10-03 | ヤンマー株式会社 | 作業車両用の障害物検知システム |
CN109283592A (zh) * | 2018-11-26 | 2019-01-29 | 河北工业大学 | 车辆底盘检测系统和车辆底盘检测方法 |
CN209513657U (zh) * | 2019-03-04 | 2019-10-18 | 金瓜子科技发展(北京)有限公司 | 一种汽车底盘检测装置及系统 |
CN209513656U (zh) * | 2019-03-04 | 2019-10-18 | 金瓜子科技发展(北京)有限公司 | 一种汽车底盘检测装置及系统 |
CN110031911A (zh) * | 2019-05-10 | 2019-07-19 | 同方威视技术股份有限公司 | 车辆底盘检查装置、方法及车辆扫描系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083434A (zh) * | 2020-09-09 | 2020-12-15 | 上海有个机器人有限公司 | 一种基于激光的机器人检测方法以及装置 |
CN112083434B (zh) * | 2020-09-09 | 2023-12-29 | 上海有个机器人有限公司 | 一种基于激光的机器人检测方法以及装置 |
US20220363284A1 (en) * | 2021-05-13 | 2022-11-17 | Ford Global Technologies, Llc | Systems and methods for underbody inspection of a moving vehicle with a smartphone |
US11513036B1 (en) * | 2021-05-13 | 2022-11-29 | Ford Global Technologies, Llc | Systems and methods for underbody inspection of a moving vehicle with a smartphone |
CN113324910A (zh) * | 2021-05-31 | 2021-08-31 | 深圳市路安仪器设备有限公司 | 一种移动式车底状况检测方法 |
CN113503838A (zh) * | 2021-06-04 | 2021-10-15 | 东风柳州汽车有限公司 | 一种卡车中心轴线偏移量测量方法 |
WO2022253332A1 (zh) * | 2021-06-04 | 2022-12-08 | 同方威视技术股份有限公司 | 扫描方法、装置、设备及计算机可读存储介质 |
CN115514922A (zh) * | 2021-06-04 | 2022-12-23 | 同方威视技术股份有限公司 | 扫描方法、装置、设备及计算机存储介质 |
CN116720711A (zh) * | 2023-07-26 | 2023-09-08 | 北京中科希望物联网络科技有限公司 | 一种货车运输智能监控系统以及监控方法 |
CN116720711B (zh) * | 2023-07-26 | 2024-01-23 | 北京中科希望物联网络科技有限公司 | 一种货车运输智能监控系统以及监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111352123B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352123B (zh) | 用于车辆检查的机器人和方法、确定车辆底盘中线的方法 | |
CN104916163B (zh) | 泊车位检测方法 | |
US8175337B2 (en) | Apparatus and method of measuring distance using structured light | |
US8929608B2 (en) | Device and method for recognizing three-dimensional position and orientation of article | |
CN110415259B (zh) | 一种基于激光反射强度的行道树点云识别方法 | |
CN108596860A (zh) | 一种基于三维激光雷达的地面点云分割方法 | |
JP6667065B2 (ja) | 位置推定装置および位置推定方法 | |
US11674907B2 (en) | Method and device for recognising and analysing surface defects in three-dimensional objects having a reflective surface, in particular motor vehicle bodies | |
Gschwandtner et al. | Infrared camera calibration for dense depth map construction | |
JP6084552B2 (ja) | 路面オルソ画像の生成装置および生成方法 | |
US10408610B1 (en) | Method and system for displacement measurement of surfaces on a moving vehicle | |
EP3836084B1 (en) | Charging device identification method, mobile robot and charging device identification system | |
CN108074232B (zh) | 一种基于体元分割的机载lidar建筑物检测方法 | |
CN111243003B (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
CN116342718B (zh) | 一种线激光3d相机的标定方法、装置、存储介质及设备 | |
CN113624225B (zh) | 一种用于发动机定位销安装的位姿解算方法 | |
JP2015184929A (ja) | 立体物検出装置、立体物検出方法、および立体物検出プログラム | |
CN114964007A (zh) | 一种焊缝尺寸视觉测量与表面缺陷检测方法 | |
CN105283750A (zh) | 用于处理轮胎表面的数字图像以便检测异常的方法 | |
CN107341455B (zh) | 一种区域多特征的检测方法及检测装置 | |
CN112288802A (zh) | 一种起重机轨道激光测量光斑中心定位方法 | |
JP2012022573A (ja) | 移動体検出装置 | |
JP6052871B2 (ja) | 対象物移動装置、方法、プログラム、及び記録媒体 | |
CN105043253A (zh) | 基于面结构光技术货车侧防护栏安装尺寸测量系统及方法 | |
JP3465531B2 (ja) | 物体認識方法およびその装置 |
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 |