CN112241175B - 一种无人清扫车的道路全遍历清扫路径规划方法 - Google Patents

一种无人清扫车的道路全遍历清扫路径规划方法 Download PDF

Info

Publication number
CN112241175B
CN112241175B CN202011513210.2A CN202011513210A CN112241175B CN 112241175 B CN112241175 B CN 112241175B CN 202011513210 A CN202011513210 A CN 202011513210A CN 112241175 B CN112241175 B CN 112241175B
Authority
CN
China
Prior art keywords
road
cleaning
area
lane
path
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
Application number
CN202011513210.2A
Other languages
English (en)
Other versions
CN112241175A (zh
Inventor
李良源
周江涛
李�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Saite Intelligent Technology Co Ltd
Original Assignee
Guangzhou Saite Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Saite Intelligent Technology Co Ltd filed Critical Guangzhou Saite Intelligent Technology Co Ltd
Priority to CN202011513210.2A priority Critical patent/CN112241175B/zh
Publication of CN112241175A publication Critical patent/CN112241175A/zh
Application granted granted Critical
Publication of CN112241175B publication Critical patent/CN112241175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H1/00—Removing undesirable matter from roads or like surfaces, with or without moistening of the surface
    • E01H1/005—Mobile installations, particularly for upkeeping in situ road or railway furniture, for instance road barricades, traffic signs; Mobile installations particularly for upkeeping tunnel walls
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种无人清扫车的道路全遍历清扫路径规划方法，包括如下步骤：无人清扫车判断待清扫道路的类型；如为单车道，自主识别道路边缘，将道路边缘标记为贴边清扫区域，依据相关交通规则，优先清扫贴边清扫区域，规划出螺旋向内式的清扫路径；如为双车道或多车道，自主识别道路边缘和中间车道线或中间隔离带，以优先清扫贴边清扫区域、其次清扫中间车道线区域或中间隔离带区域、最后清扫车道内区域为原则，规划清扫路径。本发明对于各种路径的规划均遵从交通规则，无逆行风险，且不会压着或跨越中间车道线或中间隔离带行驶，保证行车安全；“螺旋向内式”的路径以及清扫顺序可保证行车安全，避免漏扫和重复清扫，提高清扫的效率。

Description

一种无人清扫车的道路全遍历清扫路径规划方法
技术领域
本发明涉及机器人技术领域，尤其涉及一种无人清扫车的道路全遍历清扫路径规划方法。
背景技术
近年来随着人工智能和机器人技术的飞速发展，自动驾驶技术已经越来越多的应用到各个行业领域。无人驾驶清扫车作为最受青睐的无人驾驶产品之一，其应用场景正逐渐从封闭结构化场景扩展到城市道路等非结构化动态环境。而对于无人驾驶清扫车来说，从结构化封闭场景到城市道路场景的扩展应用，如何保证在遵守道路交通规则的基础上实现全遍历、高效率的清扫效果是迫切需要解决的首要任务。现有的无人清扫的主流技术主要存在以下问题：(1)没有实现全遍历：目前大部分无人驾驶清扫车在道路上执行清扫任务都只是沿着道路边缘进行清扫，而对于道路中间或内部车道则没有涉及，因此其清扫效果极其受限；(2)智能程度不高：目前大部分无人驾驶清扫车在道路上执行清扫任务都只是依据人工设定的固定路线进行清扫，而不是全自主的依据现场实际环境进行高效率清扫顺序、清扫路径的规划。
发明内容
本发明的目的是克服上述现有技术的缺点，提供一种基于各种道路环境特性而制定的适用于无人驾驶清扫车在遵守交通规则的前提下实现道路全遍历清扫路径规划方法，以解决无人驾驶清扫车从结构化封闭园区扩展到非结构化高动态城市道路的全遍历清扫难题。
本发明是通过以下技术方案来实现的：
一种无人清扫车的道路全遍历清扫路径规划方法，包括如下步骤：
道路类型分类：将道路类型分为单车道道路、双车道道路和多车道道路；无人清扫车基于高精度地图和实地视觉识别(如自身搭载的视觉传感器等)判断待清扫道路为单车道道路、双车道道路或多车道道路，根据道路类型采取相应的路径规划方法。高精度地图为预先扫描得到。
本发明主要针对双向车道，这里的单车道指可双向行驶的单车道，道路中间没有划线来严格区分双向；双车道指双向双车道，中间以中间车道线来划分左右两侧道路，左右两侧道路各有一条行车道；多车道指双向多车道，道路中间以中间隔离带来区分左右两侧道路，左右两侧道路各至少有两条行车道。
如待清扫道路为单车道道路，则其全遍历清扫路径规划的方法包括如下步骤：
S1-1、无人清扫车自主识别道路两侧的道路边缘，考虑清扫车不能压着或跨越道路边缘行驶，将道路边缘标记为贴边清扫区域。
S1-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域为原则，规划出螺旋向内式的道路全遍历清扫路径。即在不同的地区采用当地对应交通行驶规则，当无人清扫车在道路的不同侧上行驶时与该侧的机动车的行驶方向保持一致，避免逆行。由于垃圾一般集中在道路边缘，因而清扫时先清扫道路边缘，再一圈圈螺旋式向内推进的清扫模式，减少清扫车在道路尽头掉头或转弯时重复清扫的面积，提高清扫效率。
如待清扫道路为双车道道路，则其全遍历清扫路径规划的方法包括如下步骤：
S2-1、无人清扫车自主识别道路两侧的道路边缘和中间车道线，考虑清扫车不能压着或跨越道路中间车道线行驶，将道路边缘标记为贴边清扫区域，将中间车道线两侧的区域标记为中间车道线区域，其余区域标记为车道内区域。
S2-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域、其次清扫中间车道线区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径。同上，当无人清扫车在不同侧的道路上行驶时与该侧道路上机动车的行驶方向保持一致(下同)，避免逆行。
如待清扫道路为多车道道路，则其全遍历清扫路径规划的方法包括如下步骤：
S3-1、无人清扫车自主识别道路两侧的道路边缘和中间隔离带，同上，将道路边缘标记为贴边清扫区域，将中间隔离带两侧的区域标记为中间隔离带区域，其余区域标记为车道内区域。
S3-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域、其次清扫中间隔离带区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径。
需要说明的是，本发明中的道路边缘指整条道路的最外侧的两个边缘，当为双车道道路时不包括中间车道线的边缘，当为多车道道路时不包括中间隔离带的边缘。
为提高清扫的效率，进一步地，步骤S1-2中规划出螺旋向内式的道路全遍历清扫路径的步骤包括：
S1-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着道路一侧的车行方向贴边清扫后掉头至道路另一侧的边缘，再沿着道路另一侧的车行方向进行贴边清扫，然后再掉头至道路另一侧的未清扫区域。
S1-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数(边刷直径、清扫宽度等)进行贴边清扫路径的修正；即车轮与道路边缘的距离要具体参考边刷直径和清扫宽度，由此得到车轮的轨迹。
S1-2-3、无人清扫车按照步骤S1-2-2中修正后的贴边清扫路径执行清扫任务，直至完成道路两侧的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
S1-2-4、以标记的虚拟边缘为边缘，结合无人清扫车自身硬件参数(边刷直径、清扫宽度等)进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘清扫，然后再掉头至道路另一侧的未清扫区域。
S1-2-5、无人清扫车按照步骤S1-2-4规划的清扫路径进行未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘，如此可完成最外圈的清扫，当完成当前最外圈的清扫后，新的虚拟边缘形成新的未清扫区域的最外圈。
S1-2-6、重复S1-2-4、S1-2-5步骤，直至完成整段道路的清扫。
进一步地，步骤S2-2中规划出道路全遍历清扫路径的步骤包括：
S2-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间车道线区域。
S2-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正。
S2-2-3、无人清扫车按照步骤S2-2-2中修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
S2-2-4、无人清扫车结合无人清扫车自身硬件参数，以中间车道线为边缘但不跨越中间车道线为原则规划中间车道线区域的清扫路径，清扫路径为：沿着中间车道线一侧的车行方向贴近中间车道线的边缘清扫后掉头至中间车道线的另一侧，再沿着另一侧的车行方向贴近中间车道线的边缘清扫，然后再掉头至另一侧道路的车道内区域。
S2-2-5、无人清扫车按照步骤S2-2-4中规划的清扫路径进行中间车道线区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
S2-2-6、无人清扫车依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫。
进一步地，步骤S3-2中规划出道路全遍历清扫路径的步骤包括：
S3-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间隔离带区域。
S3-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正。
S3-2-3、无人清扫车按照步骤S3-2-2中修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
S3-2-4、无人清扫车结合无人清扫车自身硬件参数，以中间隔离带为边缘但不跨越中间隔离带为原则规划中间隔离带区域的清扫路径，清扫路径为：沿着中间隔离带一侧的车行方向贴近中间隔离带的边缘清扫后掉头至中间隔离带的另一侧，再沿着另一侧的车行方向贴近中间隔离带的边缘进行清扫，然后再掉头至另一侧道路的车道内区域。
S3-2-5、无人清扫车按照步骤S3-2-4中规划的清扫路径进行中间隔离带区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
S3-2-6、无人清扫依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫。
进一步地，上述步骤S2-2-6或S3-2-6中规划车道内区域的清扫路径并清扫的方法包括如下步骤：
步骤1、无人清扫车以车道内未清扫区域最外圈的虚拟边缘为边缘，结合无人清扫车自身硬件参数进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘进行清扫，再掉头至另一侧道路车道内区域的未清扫区域(掉头过程中也同时清扫)。
步骤2、无人清扫车按照步骤1规划的清扫路径完成未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；采取由外向内的原则，最外圈清扫完成后，新的虚拟边缘形成新的最外圈，由内至外，依次清扫。
步骤3、重复步骤1、步骤2，直至完成车道内区域的清扫。
进一步地，无人清扫车识别道路边缘的方法为：利用Canny边缘检测算法对视觉传感器得到的图像中各个像素点进行微分或求二阶微分来确定边缘像素点，从而确定道路边缘。Canny算子检测图像边缘的方法可参照现有技术，主要包括四步：用高斯滤波器平滑图象；用一阶偏导的有限差分来计算梯度的幅值和方向；对梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘。
本发明通过将道路进行种类区分，根据不同的道路种类采取不同的路径规划方法，提高了规划方法的适用范围，使其可适用各种类型的城市道路；本发明对于各种路径的规划均遵从当地的交通规则，保证无人驾驶清扫车的行车方向与道路车辆完全一致，无逆行风险，且清扫车在清扫过程中不会压着或跨越中间车道线或中间隔离带行驶，不会对正常交通造成影响，保证行车安全；对于各种道路优选贴边清扫道路两侧边缘区域，单车道采取“螺旋向内式”的路径规划方法，可以减少车辆在道路尽头掉头或转弯时重复清扫的面积，提高清扫效率；对于双车道或多车道，优先清扫道路两侧边缘，其次清扫中间车道线或中间隔离带，最后再清扫道路内区域，可以保证清扫车在执行中间车道线区域或中间隔离带区域的清扫任务时行走路径的规划基准是中间车道线或中间隔离带，而不是由其他路径结合车辆自身参数按比例推算得出，这样可以保证清扫车在中间车道线区域时不会压着中间车道线行走或越过车道线行走，保证行车安全；清扫路径的规划在保证对全部道路进行全遍历清扫的同时也尽可能避免了重复清扫，提高了清扫的效率。
附图说明
图1为本发明实施例的方法流程图。
图2为本发明单车道道路的示意图。
图3为本发明双车道道路的示意图。
图4为本发明多车道道路的示意图。
图5为本发明第一种单车道道路的清扫路径规划示意图。
图6为本发明第二种单车道道路的清扫路径规划示意图。
图7为本发明第一种双车道道路的清扫路径规划示意图。
图8为本发明第二种双车道道路的清扫路径规划示意图。
图9为本发明实施例中Canny边缘检测算法中的非极大值抑制的算法示意图。
附图标记：1-道路边缘；2-中间车道线；3-中间隔离带。
具体实施方式
一种无人清扫车的道路全遍历清扫路径规划方法，如图1，包括如下步骤：
1.道路类型分类
将道路类型分为单车道道路、双车道道路和多车道道路；无人清扫车基于高精度地图和实地视觉识别(如自身搭载的视觉传感器等)判断待清扫道路为单车道道路、双车道道路或多车道道路，根据道路类型采取相应的路径规划方法。高精度地图为预先扫描得到。
本发明主要针对城市道路进行规划和清扫，将城市道路进行种类区分：单车道、双车道和多车道。其中多车道与双车道的情况类似，只是将中间隔离带换成了中间车道线，可以看作是双车道的扩展，因此多车道的处理方法类似于双车道的处理方法。
本发明主要针对双向车道，这里的单车道指可双向行驶的单车道(如图2)，道路中间没有划线来严格区分双向；双车道指双向双车道(如图3)，中间以中间车道线2来划分左右两侧道路，左右两侧道路各有一条行车道；多车道指双向多车道(如图4)，道路中间以中间隔离带3来区分左右两侧道路，左右两侧道路各至少有两条行车道。
单车道可在道路的任意位置掉头，本发明亦采用此规则，将整条马路划分成一段段的清扫单位，本发明针对其中的清扫单位进行路径规划。双车道道路有多种情况，当中间车道线为虚线时，可在任意位置掉头，当中间车道线为非全虚时，只能在虚线处掉头，但在本发明中，清扫车只能在固定的位置掉头，此固定的掉头位可为道路固定的虚线掉头位或专门为清扫车设定的掉头位，以两掉头位之间的路段为清扫单位进行路径的规划和清扫，整条马路由一段段的清扫单位组成，本发明是针对其中的清扫单位进行路径规划。多车道道路一般只能在道路的固定掉头位掉头，同双车道道路，以两掉头位之间的路段为清扫单位进行路径的规划和清扫，本发明是针对其中的清扫单位进行路径规划。
一般预先扫描的地图上会标识道路的类型，但实际常常有突发状况发生，如路况上的行车、改造等干扰，或者是针对现阶段无人驾驶容易发生的问题，地图切换偏差等，本发明的无人清扫车在清扫前还需通过视觉对实际道路进行二次识别和确认，提高操作的准确性和安全性。而无人清扫车识别道路类型的方法可参照现有技术，可先收集一批各种车道的图片样本，以此来训练模型，然后用训练好的模型无识别实际的场景。
2.单车道道路的全遍历清扫路径规划
如待清扫道路为单车道道路，则其全遍历清扫路径规划的方法如下：
对于单车道(可双向行驶)，由于没有明显的车道线区分左右车道，所以对于无人清扫车的行走路径要求相对降低，但是为了保证无人驾驶清扫车执行任务的行走安全，不影响正常交通，本发明依据不同的地区交通规则而采取特定的行驶规则，例如针对中国等靠右行驶的国家采取“靠右行驶”的原则，车辆无论是向前执行任务还是返回方向执行任务，均采取对应的靠边行驶的原则，从而可以保证无人驾驶清扫车的行车方向与道路车辆完全一致，无逆行风险。同时，由于道路设计的特殊性，大部分道路中垃圾主要堆积在道路边缘，本发明为了保证车辆贴边清扫质量采取优先清扫道路边缘的原则，同时为了减少重复清扫的面积，本发明在单车道采取“螺旋向内式”的路径规划方法，由外向内螺旋式清扫。如图5为第一种道路上规划的螺旋向内的清扫路径的示意图，图6为第二种道路上规划的螺旋向内的清扫路径的示意图。
螺旋向内式的清扫方式可为现有或可想到的技术或方法，作为其中一种实施方式，针对单车道道路路径规划的具体步骤可包括如下：
步骤2-1、无人清扫车自主识别道路两侧的道路边缘1，考虑清扫车不能压着或跨越道路边缘行驶，将道路边缘标记为贴边清扫区域。对于清扫车来说，贴着道路边缘，清扫车所走过的区域即为贴边清扫区域，实际操作中，可将道路边缘以内一定距离的区域算作贴边清扫区域，一般就是一个车位宽度的区域。
步骤2-2、依据相应地区的道路行驶规则，根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着道路一侧的车行方向贴边清扫后掉头至道路另一侧的边缘，再沿着道路另一侧的车行方向进行贴边清扫，然后再掉头至道路另一侧的未清扫区域。
步骤2-3、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数(边刷直径、清扫宽度等)进行贴边清扫路径的修正，即车轮与道路边缘的距离要具体参考边刷直径和清扫宽度，由此得到车轮的轨迹。
步骤2-4、无人清扫车按照上述修正后的贴边清扫路径执行清扫任务，直至完成道路两侧的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
步骤2-5、以标记的虚拟边缘为边缘，结合无人清扫车自身硬件参数(边刷直径、清扫宽度等)进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘清扫，然后再掉头至道路另一侧的未清扫区域。
步骤2-6、无人清扫车按照上述步骤2-5规划的清扫路径进行未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘，如此可完成最外圈的清扫，当完成当前最外圈的清扫后，新的虚拟边缘形成新的未清扫区域的最外圈。
步骤2-7、无人清扫车重复上述步骤2-5和步骤2-6，直至完成整段道路的清扫。
上述方法的优点是：
(1)对于单车道无车道线划分的情况下，可以保证车辆执行清扫任务时所规划路径始终符合交通规则，不会对交通造成额外隐患。例如在中国，采用靠右行驶原则，可以保证清扫车在道路中线靠右的一侧始终为前进方向行走，靠左一侧始终为返回方向行走，符合默认交通规则，无逆行风险。而对于道路中间则依据路径规划可以为前进方向或返回方向。
(2)螺旋向内式的路径规划方法可以减少车辆在道路尽头掉头或转弯时重复清扫的面积，提高清扫效率。
3.双车道道路的全遍历清扫路径规划
如待清扫道路为双车道道路，则其全遍历清扫路径规划的方法如下：
对于双车道，由于车道内有中间车道线(虚线或实线)区分开两个相反方向的车道，所以无人驾驶清扫车需严格按照交通规则进行行驶，不能逆行行走。并且，为了不影响正常交通，本发明严格控制清扫车不能压着或跨越道路中间车道线行驶，且只能在固定的虚线处掉头，将两掉头位间的道路作为一个清扫单元。本发明针对的是对一个清扫单元的清扫路径规划。所以对于双车道的清扫任务，本发明首先是区分出道路边缘(贴边清扫区域)、中间车道线(中间车道线区域)、车道内区域三个区域。依据相应地区的道路行驶规则，如图7、图8，以优先清扫两侧的贴边清扫区域、其次清扫中间车道线区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径。同单车道道路上，当无人清扫车在不同侧的道路上行驶时与该侧道路上机动车的行驶方向保持一致，避免逆行。
上述全遍历清扫路径规划的方法可为现有技术或其结合，作为其中一种实施方式，针对双车道道路的清扫路径规划的具体步骤可如下：
步骤3-1、无人清扫车自主识别道路两侧的道路边缘1和中间车道线2，考虑清扫车不能压着或跨越道路中间车道线行驶，将道路边缘1标记为贴边清扫区域，将中间车道线2两侧的区域标记为中间车道线区域，其余区域标记为车道内区域。对于道路边缘区域，由于道路设计的特殊性，大部分道路中垃圾主要堆积在道路边缘，本发明为了保证车辆贴边清扫质量采取优先清扫道路边缘的原则，所以对于双车道，也同样采取类似单车道时的贴边清扫优先原则，具体实现方法如下文。同上，清扫车贴着道路边缘和中间车道线，清扫车所走过的区域即为贴边清扫区域或中间车道线区域，实际操作中，可将道路边缘或中间车道线以内一定距离的区域算作贴边清扫区域或中间车道线，一般就是一个车位宽度的区域。
步骤3-2、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间车道线区域。
步骤3-3、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正。通过视觉传感器并结合雷达、高精地图等再一次识别，可识别车道线的准确位置和车道线形状，以此预估和计算车辆的行走轨迹，保证行走的精度，下同。
步骤3-4、无人清扫车按照上述修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
步骤3-5、无人清扫车结合无人清扫车自身硬件参数，以中间车道线为边缘但不跨越中间车道线为原则规划中间车道线区域的清扫路径，清扫路径为：沿着中间车道线一侧的车行方向贴近中间车道线的边缘清扫后掉头至中间车道线的另一侧，再沿着另一侧的车行方向贴近中间车道线的边缘清扫，然后再掉头至另一侧道路的车道内区域。
步骤3-6、无人清扫车按照上述步骤3-5中规划的清扫路径进行中间车道线区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
步骤3-7、无人清扫车依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫。车道内区域的清扫可遵从由内向外或由外向内的规则，由内向外即先贴近中间车道线的虚拟边缘进行清扫，一圈圈依次向外清扫，直至最后清扫贴近道路两侧边缘的区域；由外向内即先贴近道路两侧边缘的虚拟边缘进行清扫，一圈圈依次向内清扫，直至最后清扫贴近中间车道线的区域。本实施例选择由外向内的清扫方式(如图7、图8)，其具体实施方法包括：
步骤3-7-1、无人清扫车以车道内未清扫区域最外圈的虚拟边缘为边缘，结合无人清扫车自身硬件参数进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘进行清扫，再掉头至另一侧道路车道内区域的未清扫区域(掉头过程中也同时清扫)。
步骤3-7-2、无人清扫车按照步骤3-7-1规划的清扫路径完成未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；采取由外向内的原则，最外圈清扫完成后，新的虚拟边缘形成新的最外圈，由内至外，依次清扫。
步骤3-7-3、重复步骤3-7-1和步骤3-7-2，直至完成车道内区域的清扫。
以图7第一种双车道道路的清扫路径规划为例，先从a1路径的清扫起点开始，沿着左侧道路的行车方向贴边清扫，然后在道路尽头固定的掉头位掉头至右侧道路，沿着a2路径的车行方向贴边清扫；贴边清扫完成后在该端道路尽头固定的掉头位掉头至左侧道路的中间车道线区域，沿着a3路径清扫左侧道路的中间车道线区域，再在固定的掉头位掉位至右侧道路的中间车道线区域，沿着a4路径清扫左侧道路的中间车道线区域；中间车道线区域清扫完成后再掉头至左侧道路的车道内区域的最外圈，沿着a5路径清扫左侧道路的车道内区域，再掉头至右侧道路的车道内区域的最外圈，沿着a6路径清扫右侧道路的车道内区域，如此，再沿着a7、a8路径依次清扫车道内区域的最外圈，依次类推，直至完成车道内区域的清扫。
图8第二种双车道道路的清扫路径规划类似于图7双车道道路，区别仅在于起始点不同，车行方向不同，路径为图8所示的a1→a2→a3→a4→a5→a6→a7→a8，方法过程不再赘述。
上述无人清扫车在完成贴边清扫任务时立即开始道路中间车道线区域的清扫，这样可以保证清扫车在执行中间车道线区域的清扫任务时行走路径的规划基准是中间车道线，而不是由其他路径结合车辆自身参数按比例推算得出，这样可以保证清扫车在中间车道线区域时不会压着中间车道线行走或越过车道线行走，保证行车安全。
为了保证车辆遵守交通规则，在完成贴边清扫区域的任务，清扫车进行中间车道线区域路径规划时，将第一路径规划在中间车道线的另一侧，这样能保证车辆掉头后直接进入该路径并且符合行车方向。此后车辆的每次掉头均将接下来的第一路径规划在中间车道线的另一侧，使清扫车的行车方向始终符合交通规则，进一步保证行车安全。路径规划时，将已清扫区域设置为虚拟边缘，然后以已完成的清扫路径为基本“边缘”数据，结合清扫车自身硬件参数(边刷直径、清扫宽度)按比例缩放，进行内部区域的路径规划，并依此重复，直至清扫完整段待清扫道路，实现全遍历清扫的同时又不会产生重复清扫的现象，提高了清扫效率。
4.多车道道路的全遍历清扫路径规划
本发明对双车道道路和多车道道路的路径规划方法基本相同，区别在于多车道道路中间为隔离带，如栏杆、绿化带或双实线等，只能在设定的掉头位处掉头，固将两个掉头位间的道路作为一个清扫单位进行清扫路径规划并清扫，一个清扫单位一个清扫单位的清扫，本发明讨论的是一个清扫单位的全遍历清扫路径的规划。多车道道路与双车道道路的路径规划方法类似，首先是区分出道路边缘(贴边清扫区域)、中间隔离带(中间隔离带区域)、车道内区域三个区域，将中间隔离带左侧或右侧的所有道路看成一个整体，故多车道道路与双车道道路在结构上类似。依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域、其次清扫中间隔离带区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径。
多车道道路的全遍历清扫路径规划的方法包括如下步骤：
步骤4-1、无人清扫车自主识别道路两侧的道路边缘1和中间隔离带3，同上，将道路边缘1标记为贴边清扫区域，将中间隔离带3两侧的区域标记为中间隔离带区域，其余区域标记为车道内区域。
步骤4-2、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间隔离带区域。
步骤4-3、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正。
步骤4-4、无人清扫车按照步骤4-3中修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
步骤4-5、无人清扫车结合无人清扫车自身硬件参数，以中间隔离带为边缘但不跨越中间隔离带为原则规划中间隔离带区域的清扫路径，清扫路径为：沿着中间隔离带一侧的车行方向贴近中间隔离带的边缘清扫后掉头至中间隔离带的另一侧，再沿着另一侧的车行方向贴近中间隔离带的边缘进行清扫，然后再掉头至另一侧道路的车道内区域。
步骤4-6、无人清扫车按照步骤S4-5中规划的清扫路径进行中间隔离带区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘。
步骤4-7、无人清扫依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫。如双车道道路，多车道道路车道内区域的清扫也可遵从由内向外或由外向内的规则，本实施例选择由外向内的清扫方式，其具体实施方法包括：
步骤4-7-1、无人清扫车以车道内未清扫区域最外圈的虚拟边缘为边缘，结合无人清扫车自身硬件参数进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘进行清扫，再掉头至另一侧道路车道内区域的未清扫区域(掉头过程中也同时清扫)。
步骤4-7-2、无人清扫车按照步骤1规划的清扫路径进行未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；采取由外向内的原则，最外圈清扫完成后，新的虚拟边缘形成新的最外圈，由内至外，依次清扫。
步骤4-7-3、重复步骤4-7-1和步骤4-7-2，直至完成车道内区域的清扫。
由于多车道道路与双车道道路的方法类似，区别仅在于将中间分割线替换成中间隔离带，在此不再举例赘述。
需要说明的是，本发明中的道路边缘指整条道路的最外侧的两个边缘，当为双车道道路时不包括中间车道线的边缘，当为多车道道路时不包括中间隔离带的边缘。
本发明无人清扫车识别道路边缘的方法可为任何可实现边缘识别功能的现有方法，作为其中一种实施方式，本实施例利用道路边缘一般都是图像上灰度变化最剧烈的地方这个特性，然后通过利用Canny边缘检测算法对图像中各个像素点进行微分或求二阶微分来确定边缘像素点从而确定道路边缘的基本思想来进行道路边缘识别。
Canny算子检测图像边缘的方法可参照现有技术，主要包括四步：用高斯滤波器平滑图象；用一阶偏导的有限差分来计算梯度的幅值和方向；对梯度幅值进行非极大值抑制；用双阈值算法检测和连接边缘。具体流程如下：
ⅰ.使用高斯滤波器对图像进行平滑，消除噪声
高斯平滑滤波是一种线性滤波，用于消除高斯噪声，广泛用于图像处理的减噪。高斯滤波就是对整幅图像进行加权平均，每一个像素的值都是由其本身和邻域内的其它像素值经过加权平均后得到的。以下是高斯滤波的计算公式：
Figure GDA0002951121350000211
上述高斯滤波公式为常规的二维高斯分布(亦为二维正态分布)公式，σ为常数，x、y为坐标。
ⅱ.用一阶偏导有限差分来计算滤波后图像梯度的幅值和方向本发明的Canny算法所采用的卷积算子表达式如下：
Figure GDA0002951121350000212
其中，Sx和Sy是用于计算图像灰度值的一阶有限差分算子，Sx用于计算图像y方向像素梯度矩阵；Sy用于计算图像x方向像素梯度矩阵。
其x向、y向的一阶偏导数矩阵，梯度幅值以及梯度方向的数学表达式为：
P[i，j]＝(f[i，j+1]-f[i，j]+f[i+1，j+1]-f[i+1，j])/2
Q[i，j]＝(f[i，j]-f[i+1，j]+f[i，j+1]-f[i+1，j+1])/2
Figure GDA0002951121350000213
θ[i，j]＝arctan(Q[i，j]/p[i，j])
其中，f为上述高斯滤波的高斯卷积核；P为像素点在x方向的梯度值；Q为像素点在y方向的梯度值；M为梯度强度；θ为梯度方向。
ⅲ.对梯度幅值进行非极大值抑制
这一步排除非边缘像素，找出图像梯度中的局部极大值，将其他非局部极大值点置零以得到细化的边缘；在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，目的是寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除掉一大部分非边缘的点。如图9，要进行非极大值抑制，就首先要确定像素点C的灰度值在其8值邻域内是否为最大。图9中g1、g2、g3、g4分别为像素点C点邻域内的四个像素点，主要通过C点与g1-g4四个点的灰度值进行对比，用于确定C点是不是局部最大值。图9中斜线的方向为C点的梯度方向，这样就可以确定其局部的最大值肯定分布在这条线上，也即出了C点外，梯度方向的交点dTmp1和dTmp2这两个点的值也可能会是局部最大值。因此，判断C点灰度与这两个点灰度大小即可判断C点是否为其邻域内的局部最大灰度点。如果经过判断，C点灰度值小于这两个点中的任一个，那就说明C点不是局部极大值，那么则可以排除C点为边缘。
ⅳ.用双阈值算法检测和连接边缘
本发明中Canny算法减少假边缘数量的方法是采用双阈值法。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，然后为解决这问题采用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，该算法会在断点的8邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合，从而完成道路边缘的识别。
上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的专利范围，凡未脱离本发明所为的等效实施或变更，均应包含于本案的专利范围中。

Claims (3)

1.一种无人清扫车的道路全遍历清扫路径规划方法，其特征在于，包括如下步骤：
道路类型分类：道路类型分为单车道道路、双车道道路和多车道道路；无人清扫车基于高精度地图和实地视觉识别判断待清扫道路为单车道道路、双车道道路或多车道道路；
单车道道路的全遍历清扫路径规划的方法包括如下步骤：
S1-1、无人清扫车自主识别道路两侧的道路边缘，将道路边缘标记为贴边清扫区域；
S1-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域为原则，规划出螺旋向内式的道路全遍历清扫路径；
双车道道路的全遍历清扫路径规划的方法包括如下步骤：
S2-1、无人清扫车自主识别道路两侧的道路边缘和中间车道线，将道路边缘标记为贴边清扫区域，将中间车道线两侧的区域标记为中间车道线区域，其余区域标记为车道内区域；
S2-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域、其次清扫中间车道线区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径；
步骤S2-2中规划出道路全遍历清扫路径的步骤包括：
S2-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间车道线区域；
S2-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正；
S2-2-3、无人清扫车按照步骤S2-2-2中修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S2-2-4、无人清扫车结合无人清扫车自身硬件参数，以中间车道线为边缘但不跨越中间车道线为原则规划中间车道线区域的清扫路径，清扫路径为：沿着中间车道线一侧的车行方向贴近中间车道线的边缘清扫后掉头至中间车道线的另一侧，再沿着另一侧的车行方向贴近中间车道线的边缘清扫，然后再掉头至另一侧道路的车道内区域；
S2-2-5、无人清扫车按照步骤S2-2-4中规划的清扫路径进行中间车道线区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S2-2-6、无人清扫车依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫；
多车道道路的全遍历清扫路径规划的方法包括如下步骤：
S3-1、无人清扫车自主识别道路两侧的道路边缘和中间隔离带，将道路边缘标记为贴边清扫区域，将中间隔离带两侧的区域标记为中间隔离带区域，其余区域标记为车道内区域；
S3-2、依据相应地区的道路行驶规则，以优先清扫两侧的贴边清扫区域、其次清扫中间隔离带区域、最后清扫车道内区域为原则，规划出道路全遍历清扫路径；
步骤S3-2中规划出道路全遍历清扫路径的步骤包括：
S3-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着一侧道路的车行方向贴边清扫后掉头至另一侧道路的边缘，再沿着另一侧道路的车行方向贴边清扫，然后再掉头至另一侧道路的中间隔离带区域；
S3-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正；
S3-2-3、无人清扫车按照步骤S3-2-2中修正后的贴边清扫路径执行清扫任务，直至完成两侧道路的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S3-2-4、无人清扫车结合无人清扫车自身硬件参数，以中间隔离带为边缘但不跨越中间隔离带为原则规划中间隔离带区域的清扫路径，清扫路径为：沿着中间隔离带一侧的车行方向贴近中间隔离带的边缘清扫后掉头至中间隔离带的另一侧，再沿着另一侧的车行方向贴近中间隔离带的边缘进行清扫，然后再掉头至另一侧道路的车道内区域；
S3-2-5、无人清扫车按照步骤S3-2-4中规划的清扫路径进行中间隔离带区域的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S3-2-6、无人清扫车依据相应地区的道路行驶规则，规划车道内区域的清扫路径并清扫，直至完成车道内区域的清扫；
步骤S2-2-6或S3-2-6中规划车道内区域的清扫路径并清扫的方法包括如下步骤：
步骤1、无人清扫车以车道内未清扫区域最外圈的虚拟边缘为边缘，结合无人清扫车自身硬件参数进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘进行清扫，再掉头至另一侧道路车道内区域的未清扫区域；
步骤2、无人清扫车按照步骤1规划的清扫路径完成未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
步骤3、重复步骤1、步骤2，直至完成车道内区域的清扫。
2.根据权利要求1所述的一种无人清扫车的道路全遍历清扫路径规划方法，其特征在于，步骤S1-2中规划出螺旋向内式的道路全遍历清扫路径的步骤包括：
S1-2-1、根据高精地图以贴边清扫区域为第一清扫目标，规划出贴边清扫路径，贴边清扫路径为：沿着道路一侧的车行方向贴边清扫后掉头至道路另一侧的边缘，再沿着道路另一侧的车行方向进行贴边清扫，然后再掉头至道路另一侧的未清扫区域；
S1-2-2、无人清扫车到达清扫起点后依据无人清扫车上搭载的视觉传感器识别道路边缘准确位置，并结合无人清扫车自身硬件参数进行贴边清扫路径的修正；
S1-2-3、无人清扫车按照步骤S1-2-2中修正后的贴边清扫路径执行清扫任务，直至完成道路两侧的贴边清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S1-2-4、以标记的虚拟边缘为边缘，结合无人清扫车自身硬件参数进行未清扫区域最外圈的清扫路径规划，清扫路径为：沿着一侧道路的车行方向贴近虚拟边缘清扫后掉头至另一侧道路的虚拟边缘，再沿着另一侧道路的车行方向贴近虚拟边缘清扫，然后再掉头至道路另一侧的未清扫区域；
S1-2-5、无人清扫车按照步骤S1-2-4规划的清扫路径进行未清扫区域最外圈的清扫，并将已清扫区域与未清扫区域的边界标记为虚拟边缘；
S1-2-6、重复S1-2-4、S1-2-5步骤，直至完成整段道路的清扫。
3.根据权利要求1或2所述的一种无人清扫车的道路全遍历清扫路径规划方法，其特征在于，无人清扫车识别道路边缘的方法为：利用Canny边缘检测算法对视觉传感器得到的图像中各个像素点进行微分或求二阶微分来确定边缘像素点，从而确定道路边缘。
CN202011513210.2A 2020-12-21 2020-12-21 一种无人清扫车的道路全遍历清扫路径规划方法 Active CN112241175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011513210.2A CN112241175B (zh) 2020-12-21 2020-12-21 一种无人清扫车的道路全遍历清扫路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011513210.2A CN112241175B (zh) 2020-12-21 2020-12-21 一种无人清扫车的道路全遍历清扫路径规划方法

Publications (2)

Publication Number Publication Date
CN112241175A CN112241175A (zh) 2021-01-19
CN112241175B true CN112241175B (zh) 2021-04-20

Family

ID=74175329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011513210.2A Active CN112241175B (zh) 2020-12-21 2020-12-21 一种无人清扫车的道路全遍历清扫路径规划方法

Country Status (1)

Country Link
CN (1) CN112241175B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113759912A (zh) * 2021-09-03 2021-12-07 深圳一清创新科技有限公司 一种全覆盖清扫路径规划方法、装置和清扫车
CN114355907B (zh) * 2021-12-22 2024-01-19 东风汽车集团股份有限公司 一种基于云端的智能化垃圾识别和清扫方法、系统
CN114312842B (zh) * 2021-12-30 2023-12-05 东风悦享科技有限公司 一种无人清扫车信号灯融合感知识别和控制方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109124499B (zh) * 2018-10-23 2023-10-24 珠海一微半导体股份有限公司 一种基于清洁机器人的清扫控制方法及芯片
CN109752016B (zh) * 2018-12-29 2021-03-26 同济大学 一种用于无人低速车的平行行驶航线轨迹生成系统
CN110499727B (zh) * 2019-08-14 2021-09-10 北京智行者科技有限公司 一种基于多传感器的贴边清扫方法和清扫车
CN111736603B (zh) * 2020-06-22 2023-06-09 广州赛特智能科技有限公司 一种无人驾驶清扫车及其长距离贴边清扫方法
CN111962436B (zh) * 2020-08-26 2021-05-07 吉林大学 一种非机动车道无人驾驶自动规划环保清扫车及清扫方法

Also Published As

Publication number Publication date
CN112241175A (zh) 2021-01-19

Similar Documents

Publication Publication Date Title
CN112241175B (zh) 一种无人清扫车的道路全遍历清扫路径规划方法
CN109684921B (zh) 一种基于三维激光雷达的道路边界检测与跟踪方法
Rasmussen Texture-Based Vanishing Point Voting for Road Shape Estimation.
CN108230254B (zh) 一种自适应场景切换的高速交通全车道线自动检测方法
CN105740782B (zh) 一种基于单目视觉的驾驶员换道过程量化方法
US9251426B2 (en) Three-dimensional object detection device, three-dimensional object detection method
CN103617412B (zh) 实时车道线检测方法
CN108519605A (zh) 基于激光雷达和摄像机的路沿检测方法
CN105046198B (zh) 一种车道检测方法
CN104392212A (zh) 一种基于视觉的道路信息检测及前方车辆识别方法
CN105374212B (zh) 基于智能终端传感的高速公路车辆车道识别方法及系统
CN105550665A (zh) 一种基于双目视觉的无人驾驶汽车可通区域检测方法
CN105260713A (zh) 一种车道线检测方法和装置
CN106017486A (zh) 一种面向无人车导航的基于轨迹拐点滤波的地图定位方法
CN108645409B (zh) 一种基于无人驾驶的行车安全系统
CN104700072A (zh) 基于车道线历史帧的识别方法
Jiang et al. Lane and obstacle detection based on fast inverse perspective mapping algorithm
CN104182756A (zh) 一种基于单目视觉的车辆前方障碍物检测方法
CN110398979A (zh) 一种基于视觉与姿态融合的无人驾驶工程作业设备循迹方法及装置
CN102201167A (zh) 基于视频的汽车车道自动识别方法
CN110379168A (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
CN105205805A (zh) 基于视觉的智能车辆横向控制方法
CN105467985A (zh) 自移动表面行走机器人及其图像处理方法
JPH07111734B2 (ja) 走行路判別方法
CN110733416A (zh) 一种基于逆透视变换的车道偏离预警方法

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
CP02 Change in the address of a patent holder

Address after: 510000 201, building a, No.19 nanxiangsan Road, Huangpu District, Guangzhou City, Guangdong Province

Patentee after: GUANGZHOU SAITE INTELLIGENT TECHNOLOGY Co.,Ltd.

Address before: 510000 Room 303, 36 Kaitai Avenue, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: GUANGZHOU SAITE INTELLIGENT TECHNOLOGY Co.,Ltd.

CP02 Change in the address of a patent holder