CN111474940A - 一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 - Google Patents
一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 Download PDFInfo
- Publication number
- CN111474940A CN111474940A CN202010379384.8A CN202010379384A CN111474940A CN 111474940 A CN111474940 A CN 111474940A CN 202010379384 A CN202010379384 A CN 202010379384A CN 111474940 A CN111474940 A CN 111474940A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- vehicle body
- vehicle
- real time
- priority
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 15
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000010408 sweeping Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Business, Economics & Management (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，步骤如下：步骤一：采用32线主激光雷达和两颗16线扫盲侧向激光雷达对车身周围障碍物进行采集；步骤二：获得的点云进一步做滤波下采样处理；步骤三：通过欧几里得聚类算法实时获得障碍物的信息，激光雷达控制器从整车ECU实时获取车身姿态信息；步骤四：基于步骤三获得的数据，按照水滴算法实时解算出对智能驾驶车辆障碍物的优先级，决策单元基于障碍物的优先级高低做出最优判断。本发明可以有效地将多个激光雷达的数据充分利用，规避多雷达共同的扫描区域目标物被识别为多个物体，保证对智能驾驶车辆周围环境精准的识别，保证决策算法以及后融合算法的数据有效利用。
Description
技术领域：
本发明涉及一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，其属于电动汽车智能驾驶技术领域。
背景技术：
近年来无人驾驶技术迅猛发展，障碍物检测对无人驾驶智能车的安全行驶不可或缺，已经成为无人驾驶环境感知中的最重要研究内容之一。典型的障碍物检测主要有基于视觉传感器和激光雷达传感器的两大主流方法。基于视觉传感器的检测方法受环境因素影响较大，且很难获得障碍物的深度信息；基于激光雷达的检测则具有不易受外界环境条件影响、抗干扰性强、可直接获得深度信息等优点，因此被广泛研究和应用。其中，三维激光雷达凭借其高精度、高分辨率及高可靠性的特性成为障碍物检测重要的传感器之一。
发明内容：
本发明是为了解决上述现有技术存在的问题而提供一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法。
本发明所采用的技术方案有：一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，步骤如下：
步骤一：采用32线主激光雷达和两颗16线扫盲侧向激光雷达对车身周围障碍物进行采集；
步骤二：获得的点云进一步做滤波下采样处理；
步骤三：通过欧几里得聚类算法实时获得障碍物的信息，激光雷达控制器从整车ECU实时获取车身姿态信息；
步骤四：基于步骤三获得的数据，按照水滴算法实时解算出对智能驾驶车辆障碍物的优先级，决策单元基于障碍物的优先级高低做出最优判断。
进一步地，步骤四中，算法如下：假定障碍物的质心坐标(x,y,z)，考虑投影到水平地面的数据，根据公式：
其中α为车轮转角，k为车速的权重系数，r为椭圆半径，v为车辆速度，x、y为障碍物质心坐标在水平面上的投影坐标；解算出r的大小，根据r的大小进行优先级排序，r值越小优先级越高。
本发明具有如下有益效果：本发明可以有效地将多个激光雷达的数据充分利用，规避多雷达共同的扫描区域目标物被识别为多个物体，保证对智能驾驶车辆周围环境精准的识别，保证决策算法以及后融合算法的数据有效利用。
附图说明：
图1为本发明基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法的流程图。
具体实施方式：
下面结合附图对本发明作进一步的说明。
本发明基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，步骤如下：
步骤一：采用32线主激光雷达和两颗16线扫盲侧向激光雷达实现对车身周围障碍物的采集；
步骤二：获得的点云进一步做滤波下采样处理；
步骤三：通过欧几里得聚类算法实时获得障碍物的信息，激光雷达控制器从整车ECU实时获取车身姿态信息，包括速度以及各轴上的滚转角度等信息；
步骤四：基于步骤三获得的数据，按照水滴算法实时解算出对智能驾驶车辆障碍物的优先级，过滤掉车辆行驶过程中不关注的区域，决策单元基于障碍物的优先级高低可以快速方便地做出最优判断。
其中步骤四中，算法核心如下：障碍物的质心坐标(x,y,z)，我们只考虑投影到水平地面的数据，根据公式：
其中α为车轮转角，k为车速的权重系数，r为椭圆半径，v为车辆速度，x、y为障碍物质心坐标在水平面上的投影坐标；解算出r的大小，根据r的大小进行优先级排序，r值越小优先级越高。
步骤二中，所谓下采样即对原始的数据或者信号按照一定规律(保留原始点云信息的基础上)进行抽样取值，保留原始数据的特征信息。
步骤三中，欧几里得聚类算法原理是基于空间中一点，采用Kd-Tree寻找离改点最近的n个点，根据n个点到p的距离，小于一个阈值k，将这些点放在一个队列中，不断迭代直到没有点满足条件为止。
步骤四中，所谓决策单元是指决策规划控制器根据各种外界环境感知信息以及车辆自身姿态信息，经过一系列的计算，给出加速、制动、转向等控制车辆运动的指令，是智能驾驶车辆控制的中心单元。
本发明可以有效地将多个激光雷达识别处理后的障碍物信息进行基于车身姿态的水滴排序，优化决策系统的数据来源，减轻决策单元的解算压力，更有效地保证决策单元的做出最优规划。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。
Claims (2)
1.一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，其特征在于：步骤如下：
步骤一：采用32线主激光雷达和两颗16线扫盲侧向激光雷达对车身周围障碍物进行采集；
步骤二：获得的点云进一步做滤波下采样处理；
步骤三：通过欧几里得聚类算法实时获得障碍物的信息，激光雷达控制器从整车ECU实时获取车身姿态信息；
步骤四：基于步骤三获得的数据，按照水滴算法实时解算出对智能驾驶车辆障碍物的优先级，决策单元基于障碍物的优先级高低做出最优判断。
2.如权利要求1所述的基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法，其特征在于：步骤四中，算法如下：假定障碍物的质心坐标(x,y,z)，考虑投影到水平地面的数据，根据公式：
其中α为车轮转角，k为车速的权重系数，r为椭圆半径，v为车辆速度，x、y为障碍物质心坐标在水平面上的投影坐标；解算出r的大小，根据r的大小进行优先级排序，r值越小优先级越高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010379384.8A CN111474940A (zh) | 2020-05-07 | 2020-05-07 | 一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010379384.8A CN111474940A (zh) | 2020-05-07 | 2020-05-07 | 一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111474940A true CN111474940A (zh) | 2020-07-31 |
Family
ID=71762109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010379384.8A Pending CN111474940A (zh) | 2020-05-07 | 2020-05-07 | 一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111474940A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112977467A (zh) * | 2021-02-25 | 2021-06-18 | 沃行科技(南京)有限公司 | 一种车端无人化的远程故障复位方法 |
-
2020
- 2020-05-07 CN CN202010379384.8A patent/CN111474940A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112977467A (zh) * | 2021-02-25 | 2021-06-18 | 沃行科技(南京)有限公司 | 一种车端无人化的远程故障复位方法 |
| CN112977467B (zh) * | 2021-02-25 | 2022-09-23 | 沃行科技(南京)有限公司 | 一种车端无人化的远程故障复位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108647646B (zh) | 基于低线束雷达的低矮障碍物的优化检测方法及装置 | |
| CN105928531B (zh) | 一种适用于无人驾驶汽车的行进路线精准生成方法 | |
| US9090259B2 (en) | Controlling vehicle lateral lane positioning | |
| US9607226B2 (en) | Methods and systems for object detection using multiple sensors | |
| CN110745140B (zh) | 一种基于连续图像约束位姿估计的车辆换道预警方法 | |
| US9340207B2 (en) | Lateral maneuver planner for automated driving system | |
| CN112498367B (zh) | 一种行驶轨迹规划方法、装置、汽车、控制器及计算机可读存储介质 | |
| US20210396531A1 (en) | Assistance control system | |
| CN112154455B (zh) | 数据处理方法、设备和可移动平台 | |
| CN111458700A (zh) | 车辆映射和定位的方法和系统 | |
| WO2022016351A1 (zh) | 一种行驶决策选择方法以及装置 | |
| CN112674646B (zh) | 基于多算法融合的自适应贴边作业方法及机器人 | |
| CN111551957A (zh) | 基于激光雷达感知的园区低速自动巡航及紧急制动系统 | |
| WO2021133837A1 (en) | Sequential clustering | |
| CN115147796A (zh) | 评测目标识别算法的方法、装置、存储介质及车辆 | |
| CN110502004B (zh) | 一种面向智能车辆激光雷达数据处理的行驶区域重要性权值分布建模方法 | |
| CN111474940A (zh) | 一种基于车身姿态确定智能驾驶车辆有效行驶区域的水滴排序算法 | |
| US20180286222A1 (en) | Vehicle identifying device | |
| CN116736852A (zh) | 一种基于自动驾驶的车辆避障规划方法及系统 | |
| Kanjee et al. | Vision-based adaptive cruise control using pattern matching | |
| Takita et al. | Recognition Method Applied to Smart Dump 9 Using Multi-Beam 3D LiDAR for the Tsukuba Challenge | |
| CN117795378A (zh) | 用于粒子滤波器跟踪的系统和方法 | |
| CN113291311A (zh) | 一种紧急避撞工况下驾驶员异常行为检测方法及存储介质 | |
| JP7359107B2 (ja) | 対象物認識装置、移動体衝突予防装置および車両 | |
| US20230075425A1 (en) | Systems and methods for training and using machine learning models and algorithms |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200731 |
|
| RJ01 | Rejection of invention patent application after publication |