CN111622145A - 基于反光道钉的无人集卡定位方法及系统 - Google Patents
基于反光道钉的无人集卡定位方法及系统 Download PDFInfo
- Publication number
- CN111622145A CN111622145A CN202010734000.XA CN202010734000A CN111622145A CN 111622145 A CN111622145 A CN 111622145A CN 202010734000 A CN202010734000 A CN 202010734000A CN 111622145 A CN111622145 A CN 111622145A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- unmanned
- unit
- point cloud
- acquiring
- 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 48
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000009466 transformation Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000009616 inductively coupled plasma Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 230000002829 reductive effect Effects 0.000 abstract description 4
- 230000015654 memory Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01F—ADDITIONAL WORK, SUCH AS EQUIPPING ROADS OR THE CONSTRUCTION OF PLATFORMS, HELICOPTER LANDING STAGES, SIGNS, SNOW FENCES, OR THE LIKE
- E01F9/00—Arrangement of road signs or traffic signals; Arrangements for enforcing caution
- E01F9/50—Road surface markings; Kerbs or road edgings, specially adapted for alerting road users
- E01F9/553—Low discrete bodies, e.g. marking blocks, studs or flexible vehicle-striking members
- E01F9/559—Low discrete bodies, e.g. marking blocks, studs or flexible vehicle-striking members illuminated
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- G06T3/14—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Abstract
本申请公开了一种基于反光道钉的无人集卡定位方法及系统,定位方法包括:基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系;获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹;获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据;基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。在本申请实施例中,本申请利用反光道钉作为激光定位时的环境特征,能够实现激光雷达对特征信息的可靠观测,避免周围车辆穿行对特征的遮挡,降低雨雪等天气的影响;采用反光道钉,在提供了可靠的环境特征的同时,相对于RFID、磁钉等方法大幅降低了实施成本。
Description
技术领域
本申请涉及无人驾驶集装箱卡车技术领域,尤其涉及一种基于反光道钉的无人集卡定位方法及系统。
背景技术
自主定位,是将无人驾驶技术应用于集装箱卡车,实现集装箱码头水平运输自动化、智能化过程中的关键功能。集装箱码头由于其作业环境的复杂性以及作业内容的特殊性,对定位方法有着极高的要求,在具备较高的精度的同时,还需要能够应对由于高动态环境、恶劣天候带来的各种干扰。
现有无人集卡定位方法,可归为以下几种:为基于GPS的定位方法、基于UWB的定位方法、基于特殊标签的定位方法以及基于环境感知的定位方法。
基于GPS的定位方法,适合于在较为空旷、GPS信号不受遮挡的区域进行定位。集装箱码头岸线区域存在高大岸桥、停靠船舶,堆场区域则有场桥、堆码的集装箱,这些因素都会对GPS信号产生严重的遮挡与反射,容易形成多径效应,即使配合高精度的惯导与轮速计,也难以保证长时间、高频次作业下的定位可靠性。
基于UWB的方法,通常用于室内环境的定位。由于需要额外架设基站节点形成定位网络,在应用于室外大范围环境时,成本较高。在将此技术应用于无人集卡时,由于码头前沿的高大目标均为大型移动设备,缺少合适的固定架设点,因此难以应用。
基于特殊标签的方法,通常的形式有基于地面二维码标签、RFID标签等形式。其中基于二维码标签的方法由于不具备雨雪天气的适应性、对环境清洁度要求较高,而只能用于室内环境,且配合AGV使用;与前者不同,基于RFID标签的方法,由于其极佳的环境适应性,目前已经在一些自动化码头得到应用,但其成本极高、维护不便,且对场地平整度、车辆平稳性能有极高要求,故暂时不具备大范围推广的潜力。
基于环境感知的方法,以环境的空间结构、色彩等特征作为定位的依据,通常使用视觉或激光雷达作为环境传感器。在集装箱码头的作业环境中,静态目标如建筑物、树木等几乎没有,大规模存在于环境中空间结构信息的往往是带有移动属性的岸桥、场桥,以及堆码的集装箱,然而这些物体的空间位置时刻变化,难以作为感知手段的定位依据;附着于地面的静态特征,如车道线、地面强度信息等,虽然受环境中动态目标的干扰有限,但难以应对雨雪天气的影响(地面强度、色彩信息变化),因此只能作为部分场景下的定位手段,而无法满足全天候的定位需求。
综上,各类方法分别有其适用范围,也各有不足。在实际应用中,往往结合多种手段、各取所长,虽然一定程度地提高了定位的可靠性,但也大幅增加了无人集卡实施过程的成本。
发明内容
为了解决上述技术问题,本申请实施例提供一种基于反光道钉的无人集卡定位方法及系统,实现低成本、易于实现且环境适应性强的无人集卡定位。
本申请实施例第一方面提供了一种基于反光道钉的无人集卡定位方法,可包括:
基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系;
获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹;
获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据;
基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
进一步地,基于无人集卡作业区域范围铺设反光元件,并建立道钉位置坐标系包括:
基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道;
基于所划分车道,在每条车道的车道线上铺设反光元件,相邻车道上的反光元件以不同间距铺设,形成以反光元件为单点的点阵区域;
获取点阵区域的坐标系数据,形成全局反光元件地图数据。
进一步地,获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹包括:
获取无人集卡在当前作业区域中的里程计数据与惯性测量单元数据,形成获取航位推算坐标系下的车辆运动轨迹;
基于所述航位推算坐标系下的车辆运动轨迹,获取无人集卡各位置时刻所对应的激光雷达单帧点云数据;
根据对应时刻的航位推算轨迹点,将单帧点云数据投影到航位推算坐标系下,获取无人集卡行驶过对应轨迹时的局部点云数据地图。
进一步地,获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据包括:
依据强度阈值对局部点云数据地图进行筛选,获取符合反射强度的反光元件观测点,排除其他点云数据;
基于筛选后的点云数据,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的反光元件;针对每一类计算其强度加权的几何中心,所述几何中心的中心位置代表对应反光元件的位置;
获取所述几何中心的中心位置,得到航位推算坐标系下的局部反光元件地图。
进一步地,基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息包括:
基于初始化后的车辆位姿或运行时通过定位得到的位姿将局部反光元件地图变换到全局坐标系下,采用ICP算法配准局部反光元件地图与全局反光元件地图,得到变换关系矩阵;
基于变换关系矩阵,对无人集卡初始位姿进行数据转换,获取全局坐标系下的定位结果。
本申请实施例第二方面提供了一种基于反光道钉的无人集卡定位系统,包括:
铺设单元,用于基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系;
探测单元,安装在无人集卡车辆上,对自身探测区域内的反光元件数据获取并记录,形成无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹;
数据处理单元,基于探测单元所获取的车辆运行轨迹所对应的点云数据提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据;
坐标转换输出单元,用于构建坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
进一步地,铺设单元包括:
区域划分单元,用于基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道;
点阵布设单元,用于基于所划分车道,在每条车道的车道线上铺设反光元件,相邻车道上的反光元件以不同间距铺设,形成以反光元件为单点的点阵区域;
全局地图单元,用于获取点阵布设单元的数据,形成全局反光元件地图数据。
进一步地,探测单元包括:
轨迹测量单元,用于获取无人集卡在当前作业区域中的里程计数据与惯性测量单元数据,形成获取航位推算坐标系下的车辆运动轨迹;
单点云数据单元,用于基于轨迹测量单元获取无人集卡所安装的激光雷达内的单帧点云数据;
局部点云数据单元,用于根据对应时刻的航位推算轨迹点,将点云数据单元的内容投影到航位推算坐标系下,获取无人集卡行驶过对应轨迹时的局部点云数据地图。
进一步地,数据处理单元包括:
点云筛选单元,用于依据强度阈值对局部点云数据单元内的观测点进行筛选,获取符合反射强度的反光元件观测点,排除其他点云数据;
中心位置单元,用于基于筛选后的点云数据,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的反光元件;针对每一类计算其强度加权的几何中心,所述几何中心的中心位置代表对应反光元件的位置;
局部地图获取单元,用于获取中心位置单元所得到的位置信息,计算航位推算坐标系下的局部反光元件地图。
进一步地,坐标转换输出单元包括:
矩阵变换单元,用于基于初始化后的车辆位姿或运行时通过定位得到的位姿将局部反光元件地图变换到全局坐标系下,采用ICP算法配准局部反光元件地图与全局反光元件地图,得到变换关系矩阵;
全局坐标输出单元,用于基于矩阵变换单元对无人集卡初始位姿进行数据转换,获取全局坐标系下的定位结果并输出。
在本申请实施例中,本申请利用反光道钉作为激光定位时的环境特征,能够实现激光雷达对特征信息的可靠观测,避免周围车辆穿行对特征的遮挡,降低雨雪等天气的影响;采用反光道钉,在提供了可靠的环境特征的同时,相对于RFID、磁钉等方法大幅降低了实施成本;综上,采用本发明方法以及系统,可以大幅提高无人集卡使用激光雷达进行全局定位时的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的定位方法的步骤图;
图2是图1的逻辑框图;
图3是道钉铺设示意图;
图4是另一种道钉铺设示意图;
图5是无人集卡上的装置安装示意图;
图6是本申请的定位系统的框图。
图7是本申请实施例提供的一种定位装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为 “当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
本申请中所涉及到的附图中,图2和图3为道钉阵列的铺设方式图。图2对应存在车道时的反光道钉铺设方式,无人集卡1位于道路上,反光道钉列2、3分别铺设于车道的两侧,且2与3的间隔周期不同。111为集卡的左侧激光雷达水平视野覆盖范围,121为集卡的右侧激光雷达水平视野覆盖范围。图3对应无人集卡穿行区域的道钉铺设方式,4、5、6分别为不同周期的反光道钉列,间隔铺设于无人集卡需要穿行的区域,形成阵列。图4为设备安装示意图。其中,左激光雷达11与右激光雷达12分别安装于车头前方,向前方和两侧伸出,分别实现对车辆周围270°水平视野的覆盖;GPS13安装于车顶;惯性测量单元14安装于车头内车辆中轴线上;里程计15安装于车轮上;定位控制器16安装于车头内部。
如图所示,一种基于反光道钉的无人集卡定位方法,可包括:
S101:基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系。
可以理解的是,在每一个作业区域内,虽然gps之类的控制元件能够知晓位置,但是精确度仍不够,且反馈位置相对有延迟。因此在本步骤中为了实现自定义的反光元件位置坐标系,在无人集卡的运行区域范围内铺设反光道钉作为反光元件。
具体的铺设步骤是:
首先基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道,一般情况下的车道宽度是一致的。之后基于所划分车道,在每条车道的车道线上铺设道钉,若车道相邻则两车道间只铺设一列道钉,相邻车道上的反光元件以不同间距铺设,在无人集卡需要穿行的区域(即没有明确车道的区域,如上下岸桥时的舱盖板区等,无人集卡以各种角度穿行该区域),以点阵形式铺设反光道钉,要求点阵能覆盖无人集卡的穿行区域。点阵中,道钉沿特定方向排列,相邻列的道钉排布周期(间隔)不同。最终形成以反光元件为单点的点阵区域,建立点阵坐标系,形成全局反光元件地图数据。道钉地图可由测绘或SLAM方式获得,具体内容包括全局坐标系下每个道钉的位置。道钉地图建立后,存储于无人集卡的定位控制器中,作为定位的参考依据。
在本方案中,相邻列的道钉排布周期(间隔)一定是不同的,同周期会造成纵向上相近位置上的特征相同,导致误匹配定位。
S102:获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹。
可以理解的是,在建立了点阵坐标系之后,需要在无人集卡上安装数据采集装置,具体地,以无人集卡作为载具,安装有激光雷达、GPS、里程计、惯性测量单元和定位控制器,其中:两台多线激光雷达分别安装于无人集卡车头左前方和右前方,通过数据线与定位控制器相连,水平放置,略伸出车头范围,使左右两台雷达能够分别照射到两侧的车身上,即每台雷达实现270°的水平视野覆盖;GPS安装于车顶,通过数据线与定位控制器相连;惯性测量单元安装于车头内车辆中轴线上,通过数据线与定位控制器相连;里程计安装于车轮,通过数据线与定位控制器相连(或通过总线采集车辆底层车速信息);定位控制器安装于车头内,用于接收各传感器采集的数据,运行定位算法得到车辆定位结果。
在本步骤中,无人集卡进入作业区域后,定位控制器根据GPS定位数据,在需要初始化定位系统时,给出车辆初始化位姿。在根据初始化位姿,以及累积的局部点云实现成功匹配定位后,将不再依赖GPS提供初始位姿。首先获取无人集卡在当前作业区域中的里程计数据(或车辆底层速度信息)与惯性测量单元数据,里程计数据可以从里程计传感器或车辆底盘CAN总线上读取,惯性测量单元数据从车辆上的惯导传感器读取,进行航位推算,形成获取航位推算坐标系下的车辆运动轨迹。之后激光雷达单帧点云数据,根据对应时刻的航位推算轨迹点,投影到航位推算坐标系下;通过累积,可以获得无人集卡行驶过对应轨迹时的局部点云数据。累积的局部点云,在航位推算坐标系下,以车辆为中心,以特定距离为半径,只保留该半径内的点云,排除半径外的点云,以使局部点云的规模可控,不因点云数据过于庞大而影响后续计算。
S103:获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据。
可以理解的是,对获得的局部点云数据,根据点云的反射强度信息,进行道钉位置的提取。首先根据强度阈值对局部点云地图进行筛选,留下高反射强度的道钉观测点,排除其他点云;对保留下来的道钉点云,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的道钉;针对每一类,计算其强度加权的几何中心,所述几何中心的中心位置代表对应道钉的位置;经过上述处理,得到航位推算坐标系下的局部道钉地图,该地图将用于与全局道钉地图进行配准。
S104:基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
可以理解的是,将获得的局部道钉地图根据初始化后的车辆位姿(或运行时通过定位得到的位姿)变换到全局坐标系下,采用ICP算法配准局部道钉地图与全局道钉地图,得到局部道钉地图相对全局道钉地图的变换关系,即车辆在匹配开始时的初始假设位置,向估计的全局位置的变换关系。将该变换作用于初始位姿,得到最终的全局定位结果。
本申请实施例还提供一种基于反光道钉的无人集卡定位系统,该系统用于执行前述任一项上述定位方法。具体地,参见图6,图6是本申请实施例提供的一种定位系统的示意框图。本实施例的装置包括:铺设单元310、探测单元320、数据处理单元330和坐标转换输出单元340。
其中,铺设单元310用于基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系。
具体包括:
区域划分单元311,用于基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道。
点阵布设单元312,用于基于所划分车道,在每条车道的车道线上铺设反光元件,相邻车道上的反光元件以不同间距铺设,形成以反光元件为单点的点阵区域。
全局地图单元313,用于获取点阵布设单元的数据,形成全局反光元件地图数据。
探测单元320安装在无人集卡车辆上,对自身探测区域内的反光元件数据获取并记录,形成无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹。
具体包括:
轨迹测量单元321,用于获取无人集卡在当前作业区域中的里程计数据与惯性测量单元数据,形成获取航位推算坐标系下的车辆运动轨迹。
单点云数据单元322,用于基于轨迹测量单元获取无人集卡所安装的激光雷达内的单帧点云数据。
局部点云数据单元323,用于根据对应时刻的航位推算轨迹点,将点云数据单元的内容投影到航位推算坐标系下,获取无人集卡行驶过对应轨迹时的局部点云数据地图。
数据处理单元330基于探测单元320所获取的车辆运行轨迹所对应的点云数据提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据。
具体包括:
点云筛选单元331,用于依据强度阈值对局部点云数据单元内的观测点进行筛选,获取符合反射强度的反光元件观测点,排除其他点云数据。
中心位置单元332,用于基于筛选后的点云数据,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的反光元件;针对每一类计算其强度加权的几何中心,所述几何中心的中心位置代表对应反光元件的位置。
局部地图获取单元333,用于获取中心位置单元所得到的位置信息,计算航位推算坐标系下的局部反光元件地图。
坐标转换输出单元340用于构建坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
具体包括:
矩阵变换单元341,用于基于初始化后的车辆位姿或运行时通过定位得到的位姿将局部反光元件地图变换到全局坐标系下,采用ICP算法配准局部反光元件地图与全局反光元件地图,得到变换关系矩阵;
全局坐标输出单元342,用于基于矩阵变换单元对无人集卡初始位姿进行数据转换,获取全局坐标系下的定位结果并输出。
图7是本申请实施例提供的一种定位设备的结构示意图。该对象检测设备4000包括处理器41,还可以包括输入装置42、输出装置43和存储器44。该输入装置42、输出装置43、存储器44和处理器41之间通过总线相互连接。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read至only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read至only memory,CD至ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。处理器还可以包括一个或多个专用处理器,专用处理器可以包括GPU、FPGA等,用于进行加速处理。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行上述方法实施例中的步骤。具体可参见方法实施例中的描述,在此不再赘述。
可以理解的是,图7仅仅示出了对象定位设备的简化设计。在实际应用中,动作识别装置还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的动作识别装置都在本申请的保护范围之内。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,该单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk ,SSD)等。
以上详细描述了本发明的优选实施方式,但是本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等),这些等同变换均属于本发明的保护。
Claims (10)
1.一种基于反光道钉的无人集卡定位方法,其特征在于,包括:
基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系;
获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹;
获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据;
基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
2.根据权利要求1所述的基于反光道钉的无人集卡定位方法,其特征在于,所述基于无人集卡作业区域范围铺设反光元件,并建立道钉位置坐标系包括:
基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道;
基于所划分车道,在每条车道的车道线上铺设反光元件,相邻车道上的反光元件以不同间距铺设,形成以反光元件为单点的点阵区域;
获取点阵区域的坐标系数据,形成全局反光元件地图数据。
3.根据权利要求2所述的基于反光道钉的无人集卡定位方法,其特征在于,所述获取无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹包括:
获取无人集卡在当前作业区域中的里程计数据与惯性测量单元数据,形成获取航位推算坐标系下的车辆运动轨迹;
基于所述航位推算坐标系下的车辆运动轨迹,获取无人集卡各位置时刻所对应的激光雷达单帧点云数据;
根据对应时刻的航位推算轨迹点,将各单帧点云数据投影到对应的航位推算坐标系下,获取无人集卡行驶过对应轨迹时的局部点云数据地图。
4.根据权利要求3所述的基于反光道钉的无人集卡定位方法,其特征在于,所述获取车辆运行轨迹所对应的点云数据并提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据包括:
依据强度阈值对局部点云数据地图进行筛选,获取符合反射强度的反光元件观测点,排除其他点云数据;
基于筛选后的点云数据,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的反光元件;针对每一类计算其强度加权的几何中心,所述几何中心的中心位置代表对应反光元件的位置;
获取所述几何中心的中心位置,得到航位推算坐标系下的局部反光元件地图。
5.根据权利要求4所述的基于反光道钉的无人集卡定位方法,其特征在于,所述基于坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息包括:
基于初始化后的车辆位姿或运行时通过定位得到的位姿将所述局部反光元件地图变换到全局坐标系下,采用ICP算法配准局部反光元件地图与全局反光元件地图,得到变换关系矩阵;
基于所述变换关系矩阵,对无人集卡初始位姿进行数据转换,获取全局坐标系下的定位结果。
6.一种基于反光道钉的无人集卡定位系统,其特征在于,包括:
铺设单元,用于基于无人集卡作业区域范围铺设反光元件,并建立反光元件位置坐标系;
探测单元,安装在无人集卡车辆上,对自身探测区域内的反光元件数据获取并记录,形成无人集卡在作业区域内航位推算坐标系下的车辆运行轨迹;
数据处理单元,基于所述探测单元所获取的车辆运行轨迹所对应的点云数据提取反光元件位置,形成航位推算坐标系下的局部反光元件地图数据;
坐标转换输出单元,用于构建坐标系转换关系,获取车辆在全局反光元件坐标系下的位置信息。
7.根据权利要求6所述的基于反光道钉的无人集卡定位系统,其特征在于,所述铺设单元包括:
区域划分单元,用于基于环境特征确定作业区域,基于无人集卡的车道要求在作业区域内划分车道;
点阵布设单元,用于基于所划分车道,在每条车道的车道线上铺设反光元件,相邻车道上的反光元件以不同间距铺设,形成以反光元件为单点的点阵区域;
全局地图单元,用于获取点阵布设单元的数据,形成全局反光元件地图数据。
8.根据权利要求7所述的基于反光道钉的无人集卡定位系统,其特征在于,所述探测单元包括:
轨迹测量单元,用于获取无人集卡在当前作业区域中的里程计数据与惯性测量单元数据,形成获取航位推算坐标系下的车辆运动轨迹;
单点云数据单元,用于基于所述航位推算坐标系下的车辆运动轨迹获取无人集卡各位置时刻所对应的激光雷达单帧点云数据;
局部点云数据单元,用于根据对应时刻的航位推算轨迹点,将点云数据单元的内容投影到航位推算坐标系下,获取无人集卡行驶过对应轨迹时的局部点云数据地图。
9.根据权利要求8所述的基于反光道钉的无人集卡定位系统,其特征在于,所述数据处理单元包括:
点云筛选单元,用于依据强度阈值对局部点云数据单元内的观测点进行筛选,获取符合反射强度的反光元件观测点,排除其他点云数据;
中心位置单元,用于基于筛选后的点云数据,利用欧式聚类分割算法进行聚类,得到的类别代表存在于对应区域内的反光元件;针对每一类计算其强度加权的几何中心,所述几何中心的中心位置代表对应反光元件的位置;
局部地图获取单元,用于获取中心位置单元所得到的位置信息,计算航位推算坐标系下的局部反光元件地图。
10.根据权利要求9所述的基于反光道钉的无人集卡定位系统,其特征在于,所述坐标转换输出单元包括:
矩阵变换单元,用于基于初始化后的车辆位姿或运行时通过定位得到的位姿将所述局部反光元件地图变换到全局坐标系下,采用ICP算法配准局部反光元件地图与全局反光元件地图,得到变换关系矩阵;
全局坐标输出单元,用于基于所述矩阵变换单元对无人集卡初始位姿进行数据转换,获取全局坐标系下的定位结果并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734000.XA CN111622145B (zh) | 2020-07-28 | 2020-07-28 | 基于反光道钉的无人集卡定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010734000.XA CN111622145B (zh) | 2020-07-28 | 2020-07-28 | 基于反光道钉的无人集卡定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111622145A true CN111622145A (zh) | 2020-09-04 |
CN111622145B CN111622145B (zh) | 2021-02-19 |
Family
ID=72257755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010734000.XA Active CN111622145B (zh) | 2020-07-28 | 2020-07-28 | 基于反光道钉的无人集卡定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111622145B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255616A (zh) * | 2020-10-19 | 2021-01-22 | 三一机器人科技有限公司 | 一种多雷达的反光柱定位方法及反光柱定位装置 |
CN112285734A (zh) * | 2020-10-30 | 2021-01-29 | 北京斯年智驾科技有限公司 | 基于道钉的港口无人集卡高精度对准方法及其对准系统 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112415548A (zh) * | 2020-11-09 | 2021-02-26 | 北京斯年智驾科技有限公司 | 无人集卡的定位方法、装置、系统、电子装置和存储介质 |
CN112782733A (zh) * | 2021-01-28 | 2021-05-11 | 北京斯年智驾科技有限公司 | 高精度定位方法、装置、系统、电子装置和存储介质 |
CN112962483A (zh) * | 2021-03-25 | 2021-06-15 | 苏州安企科技有限公司 | 一种光纤传导均匀发光道钉 |
CN113140007A (zh) * | 2021-05-17 | 2021-07-20 | 上海驭矩信息科技有限公司 | 一种基于稠密点云的集卡定位方法及装置 |
CN117532624A (zh) * | 2024-01-10 | 2024-02-09 | 南京东奇智能制造研究院有限公司 | 一种护栏板安装自动定位调准方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004171041A (ja) * | 2002-11-15 | 2004-06-17 | Fuji Heavy Ind Ltd | エレベータによる自律走行車の移動システム |
CN103324198A (zh) * | 2013-07-08 | 2013-09-25 | 宁波大榭招商国际码头有限公司 | 一种基于计算机视觉技术的集卡定位自动引导系统及其使用方法 |
CN109102542A (zh) * | 2018-08-01 | 2018-12-28 | 上海主线科技有限公司 | 一种基于反光条的吊桥下车辆定位方法 |
CN109613584A (zh) * | 2018-12-27 | 2019-04-12 | 北京主线科技有限公司 | 基于uwb的无人集卡的定位定向方法 |
CN110147103A (zh) * | 2019-05-23 | 2019-08-20 | 北京主线科技有限公司 | 自动驾驶集装箱卡车在码头岸桥区域的车道定位方法 |
CN111190423A (zh) * | 2020-02-18 | 2020-05-22 | 福建中科云杉信息技术有限公司 | 一种用于辅助自动驾驶精确定位装置及方法 |
-
2020
- 2020-07-28 CN CN202010734000.XA patent/CN111622145B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004171041A (ja) * | 2002-11-15 | 2004-06-17 | Fuji Heavy Ind Ltd | エレベータによる自律走行車の移動システム |
CN103324198A (zh) * | 2013-07-08 | 2013-09-25 | 宁波大榭招商国际码头有限公司 | 一种基于计算机视觉技术的集卡定位自动引导系统及其使用方法 |
CN109102542A (zh) * | 2018-08-01 | 2018-12-28 | 上海主线科技有限公司 | 一种基于反光条的吊桥下车辆定位方法 |
CN109613584A (zh) * | 2018-12-27 | 2019-04-12 | 北京主线科技有限公司 | 基于uwb的无人集卡的定位定向方法 |
CN110147103A (zh) * | 2019-05-23 | 2019-08-20 | 北京主线科技有限公司 | 自动驾驶集装箱卡车在码头岸桥区域的车道定位方法 |
CN111190423A (zh) * | 2020-02-18 | 2020-05-22 | 福建中科云杉信息技术有限公司 | 一种用于辅助自动驾驶精确定位装置及方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255616B (zh) * | 2020-10-19 | 2024-04-23 | 三一机器人科技有限公司 | 一种多雷达的反光柱定位方法及反光柱定位装置 |
CN112255616A (zh) * | 2020-10-19 | 2021-01-22 | 三一机器人科技有限公司 | 一种多雷达的反光柱定位方法及反光柱定位装置 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112285734B (zh) * | 2020-10-30 | 2023-06-23 | 北京斯年智驾科技有限公司 | 基于道钉的港口无人集卡高精度对准方法及其对准系统 |
CN112285734A (zh) * | 2020-10-30 | 2021-01-29 | 北京斯年智驾科技有限公司 | 基于道钉的港口无人集卡高精度对准方法及其对准系统 |
CN112415548B (zh) * | 2020-11-09 | 2023-09-29 | 北京斯年智驾科技有限公司 | 无人集卡的定位方法、装置、系统、电子装置和存储介质 |
CN112415548A (zh) * | 2020-11-09 | 2021-02-26 | 北京斯年智驾科技有限公司 | 无人集卡的定位方法、装置、系统、电子装置和存储介质 |
CN112782733B (zh) * | 2021-01-28 | 2023-08-01 | 北京斯年智驾科技有限公司 | 高精度定位方法、装置、系统、电子装置和存储介质 |
CN112782733A (zh) * | 2021-01-28 | 2021-05-11 | 北京斯年智驾科技有限公司 | 高精度定位方法、装置、系统、电子装置和存储介质 |
CN112962483A (zh) * | 2021-03-25 | 2021-06-15 | 苏州安企科技有限公司 | 一种光纤传导均匀发光道钉 |
CN113140007A (zh) * | 2021-05-17 | 2021-07-20 | 上海驭矩信息科技有限公司 | 一种基于稠密点云的集卡定位方法及装置 |
CN113140007B (zh) * | 2021-05-17 | 2023-12-19 | 上海驭矩信息科技有限公司 | 一种基于稠密点云的集卡定位方法及装置 |
CN117532624A (zh) * | 2024-01-10 | 2024-02-09 | 南京东奇智能制造研究院有限公司 | 一种护栏板安装自动定位调准方法及系统 |
CN117532624B (zh) * | 2024-01-10 | 2024-03-26 | 南京东奇智能制造研究院有限公司 | 一种护栏板安装自动定位调准方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111622145B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111622145B (zh) | 基于反光道钉的无人集卡定位方法及系统 | |
Sun et al. | A 3D LiDAR data-based dedicated road boundary detection algorithm for autonomous vehicles | |
US9298992B2 (en) | Geographic feature-based localization with feature weighting | |
CN111220993B (zh) | 目标场景定位方法、装置、计算机设备和存储介质 | |
US20180038694A1 (en) | Ultra wide band radar localization | |
Ma et al. | Generation of horizontally curved driving lines in HD maps using mobile laser scanning point clouds | |
Wang et al. | Automatic road extraction from mobile laser scanning data | |
CN105277190A (zh) | 用于车辆自定位的装置和方法 | |
CN108830159A (zh) | 一种前方车辆单目视觉测距系统及方法 | |
WO2021218388A1 (zh) | 高精度地图的生成方法、定位方法及装置 | |
CN111175788B (zh) | 自动驾驶车辆横向定位方法及其定位系统 | |
CN112740225B (zh) | 一种路面要素确定方法及装置 | |
CN113743171A (zh) | 目标检测方法及装置 | |
US20220197301A1 (en) | Vehicle Localization Based on Radar Detections | |
Tejenaki et al. | A new hierarchical method for automatic road centerline extraction in urban areas using LIDAR data | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN110634317A (zh) | 一种停车场车辆导航系统及导航方法 | |
CN115151954A (zh) | 可行驶区域检测的方法和装置 | |
CN110717007A (zh) | 应用路侧特征辨识的图资定位系统及方法 | |
CN115265521A (zh) | 一种适用于集装箱轮胎吊大车的激光雷达导航系统和方法 | |
CN114488026A (zh) | 基于4d毫米波雷达的地下停车库可通行空间检测方法 | |
Wu | Data processing algorithms and applications of LiDAR-enhanced connected infrastructure sensing | |
CN111542828A (zh) | 线状物识别方法及装置、系统和计算机存储介质 | |
JP7329079B2 (ja) | 汎用的に使用可能な特徴マップを生成する方法 | |
Ryan et al. | Evaluation of small unmanned aerial system highway volume and speed‐sensing applications |
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 |