CN112415548B - 无人集卡的定位方法、装置、系统、电子装置和存储介质 - Google Patents

无人集卡的定位方法、装置、系统、电子装置和存储介质 Download PDF

Info

Publication number
CN112415548B
CN112415548B CN202011238277.XA CN202011238277A CN112415548B CN 112415548 B CN112415548 B CN 112415548B CN 202011238277 A CN202011238277 A CN 202011238277A CN 112415548 B CN112415548 B CN 112415548B
Authority
CN
China
Prior art keywords
unmanned
card
point cloud
linear equation
current
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
CN202011238277.XA
Other languages
English (en)
Other versions
CN112415548A (zh
Inventor
刘鹤云
王杰
吴鑫涛
常桢
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.)
Zhejiang Siqian Intelligent Driving Technology Co ltd
Original Assignee
Beijing Sinian Zhijia 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 Beijing Sinian Zhijia Technology Co ltd filed Critical Beijing Sinian Zhijia Technology Co ltd
Priority to CN202011238277.XA priority Critical patent/CN112415548B/zh
Publication of CN112415548A publication Critical patent/CN112415548A/zh
Application granted granted Critical
Publication of CN112415548B publication Critical patent/CN112415548B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/53—Determining attitude

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)

Abstract

本申请涉及一种无人集卡的定位方法、装置、系统、电子装置和存储介质，其中，该无人集卡的定位方法包括：基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；根据初始位姿信息和横向偏移量对无人集卡进行精确定位。通过本申请，利用相对和绝对结合的高精度算法，避免了岸桥大量遮挡物的对定位的影响，满足港口无人集卡的正常行驶需求，安全且稳定。

Description

无人集卡的定位方法、装置、系统、电子装置和存储介质
技术领域
本申请涉及港口码头面无人集卡定位领域，特别是涉及无人集卡的定位方法、装置、系统、电子装置和存储介质。
背景技术
随着国际物流业的高速发展，世界范围内集装箱港口的数量与吞吐量持续攀升，港口内的作业强度也不断增加并趋于饱和，传统技术中以有人驾驶的集卡为主的码头水平运输方式越来越难以满足当下对作业效率和强度的需求，港口无人集卡便在这种环境下应运而生。无人驾驶在港口全自动化水平运输领域有着举足轻重的作用，它可以在阴晴雨雪、7×24小时等各种工况下完成无人作业。打造无人集卡的水平化运输，可以解决“人口红利”消失带来的招聘和管理难题，还能显著减少港口的生产事故。
现有港口码头的对位系统与对位策略均为面向有人驾驶的集卡，采用在起重机上加装摄像头、激光雷达的感知方式，通过感知集卡的位置，并将行驶过程中的偏差或集卡目标位置通过显示屏或扬声器告知集卡司机，实现对集卡的引导，再由司机控制集卡实现对位，而这类方式操作复杂且本身并不适用于无人集卡。而在无人集卡的正常作业的过程中，如何保证集卡高精度定位是L4级别无人驾驶的基础。
目前，常见的方案是使用GPS+IMU+轮速计的组合导航来完成，但是对于码头面来说，大型岸桥下作业存在大量遮挡，产生的多径干扰严重影响定位效果。imu和轮速计一定程度上可以缓解影响，但累积误差无法保证高精度定位结果，不能满足无人集卡的正常行驶需求。
目前，针对相关技术中由于岸桥大量遮挡物的影响，无法保证高精度定位结果，不能满足无人集卡的正常行驶需求，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种无人集卡的定位方法、装置、系统、电子装置和存储介质，以至少解决相关技术中由于岸桥大量遮挡物的影响，无法保证高精度定位结果，不能满足无人集卡的正常行驶需求的问题。
第一方面，本申请实施例提供了一种无人集卡的定位方法，包括：
基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；
根据所述初始位姿信息和所述横向偏移量对无人集卡进行精确定位。
在其中一些实施例中，基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息，包括：
实时判断无人集卡上的GPS信号强度，在GPS信号强度小于预设强度时，将当前GPS坐标信息作为初始帧，并停止初始帧的更新；
每隔不小于预设移动距离选择一个参考帧，且第一参考帧为初始帧；
利用ICP对参考帧和当前帧的位姿变化进行估算，得到初始位姿信息。
在其中一些实施例中，还包括：
实时判断无人集卡上的GPS信号强度，在GPS信号强度大于或等于预设强度时，将上次的初始帧更新成当前GPS坐标信息。
在其中一些实施例中，获取在车体坐标系下无人集卡相对于岸桥的横向偏移量，包括：
对采集的当前无人集卡的点云观测数据进行位置滤波，得到点云保留数据；
对两侧的点云保留数据进行稀疏化处理，得到点云点；
利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程；
计算当前定位坐标点到岸桥直线方程的垂直距离，并对得到的垂直距离进行反算，得到在车体坐标系下无人集卡相对于岸桥的横向偏移量。
在其中一些实施例中，利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程，包括：
随机选择两个点，得到猜测直线方程；
计算所有所述点云点到猜测直线方程的距离，接近0或者接近固定值D的都被认为是内点；
将内点数最多的点云簇进行最小二乘拟合，得到岸桥直线方程。
在其中一些实施例中，根据所述初始位姿信息和所述横向偏移量对无人集卡进行精确定位，包括：
根据所述初始位姿信息和所述横向偏移量计算横向基准线和纵向基准线；
根据所述横向基准线和纵向基准线确定当前无人集卡的精确位姿。
在第二方面，本申请实施例提供了一种无人集卡的定位装置，包括第一获取模块、第二获取模块以及精确定位模块；
所述第一获取模块，用于基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
所述第二获取模块，用于获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；
所述精确定位模块，用于根据所述初始位姿信息和所述横向偏移量对无人集卡进行精确定位。
在第三方面，本申请实施例提供了一种无人集卡的定位系统，包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；
所述终端设备用于获取初始位姿信息和横向偏移量；
所述传输设备用于传输初始位姿信息和横向偏移量；
所述服务器设备用于执行如第一方面所述的无人集卡的定位方法。
第四方面，本申请实施例提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的无人集卡的定位方法。
第五方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的无人集卡的定位方法。
相比于相关技术，本申请实施例提供的无人集卡的定位方法、装置、系统、电子装置和存储介质，通过基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；根据初始位姿信息和横向偏移量对无人集卡进行精确定位。本申请解决了由于岸桥大量遮挡物的影响，无法保证高精度定位结果，不能满足无人集卡的正常行驶需求的问题，利用相对和绝对结合的高精度算法，避免了岸桥大量遮挡物的对定位的影响，满足港口无人集卡的正常行驶需求，安全且稳定。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请一实施例提供的版本更新方法的终端设备的硬件结构框图；
图2是本申请一实施例提供的版本更新方法的流程图；
图3是本申请一实施例的参考帧和当前帧的变换差异的示意图；
图4是本申请一实施例的参考帧和当前帧经过位姿矩阵纠正后的示意图；
图5是本申请一实施例的双线拟合的示意图；
图6是本申请一实施例的位姿精化后的示意图；
图7是本申请一实施例提供的版本更新装置的结构框图。
附图说明：210、第一获取模块；220、第二获取模块；230、精确定位模块。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的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。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本实施例提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图1是本发明实施例的无人集卡的定位方法的终端的硬件结构框图。如图1所示，终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的无人集卡的定位方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端10的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
本实施例提供了一种无人集卡的定位方法，图2是根据本申请实施例的无人集卡的定位方法的流程图，如图2所示，该流程包括如下步骤：
步骤S210，基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
步骤S220，获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；
步骤S230，根据初始位姿信息和横向偏移量对无人集卡进行精确定位。
通过上述步骤，本申请解决了由于岸桥大量遮挡物的影响，无法保证高精度定位结果，不能满足无人集卡的正常行驶需求的问题；通过绝对的初始位姿信息和相对的横向偏移量结合的高精度算法，避免了岸桥大量遮挡物的对定位的影响，满足港口无人集卡的正常行驶需求，安全且稳定。
需要说明的是，在港口的码头面上，无人集卡上设置有GPS定位装置和观测装置，GPS定位装置实时采集GPS信号；观测装置实时采集集卡的点云观测数据。在其正常作业过程中，都需要经过岸桥，由于岸桥的影响，设置在无人集卡上的GPS定位装置的信号强度都会受到一定影响。比如在现有技术中的，使用GPS+IMU+轮速计的组合导航来完成。正是受到大型岸桥下作业存在大量遮挡的影响，导致产生的多径干扰严重影响定位效果。而本申请是基于GPS信号强度，若GPS信号强度大于或等于预设强度时，将上次的初始帧更新成当前GPS坐标信息。也就是直接根据GPS提供的信号来精确定位。若若GPS信号强度小于预设强度时，则将当前GPS坐标信息作为初始帧，并停止初始帧的更新，进行后续定位计算。
于其他实施例中，也可以是通过判断GPS信号变强和变弱来调整精确定位。具体的是，若当前的GPS信号强度比上一次GPS信号强度强或相同，则直接根据GPS提供的信号来精确定位。若当前的GPS信号强度比上一次GPS信号强度弱，和/或比上上一次GPS信号强度弱，则表明受岸桥遮挡影响，将当前GPS坐标信息作为初始帧，并停止初始帧的更新，进行后续定位计算。
这里的后续定位计算既为：获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；根据初始位姿信息和横向偏移量对无人集卡进行精确定位。车体坐标系指的是依托于无人集卡的X轴(长度方向),Y轴(宽度方向),Z轴(高度方向)建立的坐标系。
且于本实施例中，位姿信息包含了GPS信号中的通常通信用的信号，收，发，开始，结束，加上定位用的时间，和经纬度系统及值；可以包括集卡位置和姿态的信息；本申请的定位精化也包括了位置和姿态的精化。
下面通过优选实施例对本申请实施例进行描述和说明。
具体的，步骤S210的一个优选实施例，包括以下步骤；
实时判断无人集卡上的GPS信号强度；
在GPS信号强度大于或等于预设强度时，将上次的初始帧更新成当前GPS坐标信息；
在GPS信号强度小于预设强度时，将当前GPS坐标信息作为初始帧，并停止初始帧的更新；
每隔不小于预设移动距离选择一个参考帧，且第一参考帧为初始帧；
利用ICP对参考帧和当前帧的位姿变化进行估算，得到初始位姿信息。
在其中一个实施例中，具体的过程可以是，步骤一，初始帧的选择。在GPS信号强度大于或等于预设强度时，初始帧被不停的更新。这个期间，不输出观测结果。在GPS信号强度小于预设强度时，初始帧停止更新，进入后续计算过程。
步骤二，参考帧的选择。为了减少计算开销，也避免微调过程中不必要的计算和估计，每隔不小于Thrm米的距离选择一个参考帧。特别的，第一帧参考帧为初始帧。也就是说，于本实施例中，预设移动距离为Thrm米。
步骤三，帧间位姿的推算。我们利用ICP(iterative control point)来估计参考帧和当前帧的位姿的变化，即：
其中，表示参考帧第i个点的齐次坐标；/>表示当前帧第j个点的齐次坐标；H表示参考帧和当前帧位置和角度的差异，为位姿矩阵。那么将当前位姿通过位姿矩阵变换，即可得到初始位姿。
如图3所示，存在参考帧和当前帧的变换差异。经过位姿矩阵纠正后，如图4所示两帧的点云观测数据完全重合。
具体的，步骤S220的一个优选实施例，包括以下步骤；
对采集的当前无人集卡的点云观测数据进行位置滤波，得到点云保留数据；
对两侧的点云保留数据进行稀疏化处理，得到点云点；
利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程；
计算当前定位坐标点到岸桥直线方程的垂直距离，并对得到的垂直距离进行反算，得到在车体坐标系下无人集卡相对于岸桥的横向偏移量。
需要说明的是，在一个实施例中，无人集卡上用于采集点云观测数据的观测装置，可以包括激光雷达、惯性测量装置以及里程表传感器。激光雷达通过支架水平安装于集卡顶部的中间位置，与对位计算机连接，用于探测在当前集卡下起重机的位置点云，将位置点云传输至对位计算机。激光雷达通过支架水平安装于车顶中间位置，能够确保激光雷达与集卡间为刚性连接，减少由于集卡抖动对激光雷达观测产生的影响，激光雷达支架高度需确保激光雷达扫描线不被车顶部分遮挡。惯性测量装置设置在集卡内部，与对位计算机连接，用于采集当前集卡的惯性信息，将惯性信息传输至对位计算机。里程表传感器，设置在集卡内部，与对位计算机连接，用于采集当前集卡的里程信息，将里程信息传输至对位计算机。里程表传感器就是以测转速的原理来测量轮子的转速，根据轮子的直径，每一个测速周期为轮子转一圈，以累加轮子转过的周期数计算出行走的里程。在一个实施例中，里程表传感器可以由车载轮速计替换，可以在车轮转动时提供相应时间内的脉冲计数或车速信息，经标定后可以获得较为准确的集卡里程信息。
在其中一个实施例中，具体的过程可以是：步骤一，对点云观测数据进行位置滤波。考虑到码头面动态障碍物较多，而初始位姿，特别是车体坐标系下的横向误差不会太大(小于20cm)，因此可以利用位置信息滤除各种噪声干扰。也就是只保留特定区域里的点云数据。
假设通过计算可以得到当前位置离岸桥两侧的距离为dleft和dright，那么保留的点云保留数据可以描述为：
{pi||di,left-dleft|≤Thrd and|di,right-dright|≤Thrd}；
其中，pi表示滤波后保留的点；di,left和di,right分别表示该点距离岸桥左侧轨道和右侧轨道的垂直距离；Thrd用来控制距离阈值门限。
步骤二，对两侧的点云保留数据进行稀疏化处理，避免z方向重复和密集点云的影响。按照车体(车体坐标系)方向，将点云往x轴投影，按照Thrs米保留一个y坐标最小的点云点。
步骤三，进行双线拟合。岸桥两侧的距离是一个固定值D。因此，设计了一种双线ransac(RANdom SAmpling Consensus，随机一致性采样)算法来寻找岸桥的位置。具体的，随机选择两个点，得到猜测直线方程；计算所有点云点到猜测直线方程的距离，接近0或者接近固定值D的都被认为是内点；将内点数最多的点云簇进行最小二乘拟合，得到岸桥直线方程。也就是说：首先，随机选择两个点，得到猜测的直线方程。其次，计算所有点云点到猜测的直线方程的距离，接近0或者接近固定值D的都被认为是内点。将内点数最多的点云簇进行最小二乘拟合，得到最终的岸桥直线方程。如图5所示，上下为一个岸桥的两条桥腿，图中包含两个岸桥。上下直线分别表示拟合出的岸桥上下的桥腿。
步骤四，计算当前定位坐标点到岸桥直线方程的垂直距离，即可反算出横向偏移量的大小。
当前定位坐标点指的是真实道钉的精确位置，所有真实道钉的精确位置(Xi,Yi)都被预先提取并记录，例如通过全站仪或者基站打点可以得到。因此可以通过约束距离范围Td来进一步减少野点的影响；即小于等于Td被认为是道钉的候选点，而大于Td的点则直接被滤除。公式描述如下：
其中，Region(reflector)表示在整个区域中，所有的反光面的集合，并以qi表示满足该公式的点集。
(xi,yi)表示道钉候选点i的全局坐标，该坐标可以通过高精度定位(U,V,θ)和实时局部坐标(ui,vi)换算得到：
其中，高精度定位(U,V,θ)由车载组合导航或者惯性导航得到。
实时局部坐标(ui,vi)的相对参考系是车体坐标系，激光雷达和车体坐标系是预先标定的，因此将道钉转化为车体坐标系，再通过组合导航或者惯性导航转化为全局坐标系。
具体的，步骤S230的一个优选实施例，包括以下步骤；
根据初始位姿信息和横向偏移量计算横向基准线和纵向基准线；
根据横向基准线和纵向基准线确定当前无人集卡的精确位姿。
在其中一个实施例中，具体的过程可以是：步骤一，横向基准线的计算。横向基准线的直线方程的斜率保持和岸桥轨道一致；这个轨道的直线方程事先可以准备好，为固定值。和岸桥左侧的距离等于岸桥检测模块中横向偏移量的结果。
步骤二，纵向基准线的计算。纵向基准线的直线方程的斜率保持和当前车辆位姿的航向角一致。这个直线方程需要通过当前车辆的全局位置。
步骤三，位姿的精化。通过计算两根直线的交点，即可得到新的位姿。
如图6所示，上下粗黑色分别表示岸桥所在的轨道的真实物理位置。实体点表示初始的位姿位置。通过横向基准线和纵向基准线的约束，可以得到精化后的位姿结果，如图中空心点所示。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种无人集卡的定位装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本申请实施例的无人集卡的定位装置的结构框图，如图7所示，该装置包括：第一获取模块210、第二获取模块220以及精确定位模块230；第一获取模块210，用于基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；第二获取模块220，用于获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；精确定位模块230，用于根据初始位姿信息和横向偏移量对无人集卡进行精确定位。
本申请解决了由于岸桥大量遮挡物的影响，无法保证高精度定位结果，不能满足无人集卡的正常行驶需求的问题；通过绝对的初始位姿信息和相对的横向偏移量结合的高精度算法，避免了岸桥大量遮挡物的对定位的影响，满足港口无人集卡的正常行驶需求，安全且稳定。
在其中一个实施例中，第一获取模块210，还用于实时判断无人集卡上的GPS信号强度；在GPS信号强度大于或等于预设强度时，将上次的初始帧更新成当前GPS坐标信息；在GPS信号强度小于预设强度时，将当前GPS坐标信息作为初始帧，并停止初始帧的更新；每隔不小于预设移动距离选择一个参考帧，且第一参考帧为初始帧；利用ICP对参考帧和当前帧的位姿变化进行估算，得到初始位姿信息。
在其中一个实施例中，第二获取模块220，还用于对采集的当前无人集卡的点云观测数据进行位置滤波，得到点云保留数据；对两侧的点云保留数据进行稀疏化处理，得到点云点；利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程；计算当前定位坐标点到岸桥直线方程的垂直距离，并对得到的垂直距离进行反算，得到在车体坐标系下无人集卡相对于岸桥的横向偏移量。
在其中一个实施例中，精确定位模块230，还用于根据所述初始位姿信息和所述横向偏移量计算横向基准线和纵向基准线；根据所述横向基准线和纵向基准线确定当前无人集卡的精确位姿。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
步骤S1，基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
步骤S2，获取在车体坐标系下无人集卡相对于岸桥的横向偏移量；
步骤S3，根据初始位姿信息和横向偏移量对无人集卡进行精确定位。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
另外，结合上述实施例中的无人集卡的定位方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序；该计算机程序被处理器执行时实现上述实施例中的任意一种无人集卡的定位方法。
本领域的技术人员应该明白，以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种无人集卡的定位方法，其特征在于，包括：
基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
对采集的当前无人集卡的点云观测数据进行位置滤波，得到点云保留数据；
对两侧的点云保留数据进行稀疏化处理，得到点云点；
利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程；
计算当前定位坐标点到岸桥直线方程的垂直距离，并对得到的垂直距离进行反算，得到在车体坐标系下无人集卡相对于岸桥的横向偏移量；
根据所述初始位姿信息和所述横向偏移量计算横向基准线和纵向基准线，其中，计算所述横向基准线的直线方程的斜率保持和岸桥轨道一致，所述轨道的直线方程为预先准备的固定值，和岸桥左侧的距离等于岸桥检测模块中横向偏移量的结果；计算所述纵向基准线的直线方程的斜率保持和当前车辆位姿的航向角一致，所述纵向基准线的直线方程通过当前车辆的全局位置；
计算所述横向基准线和纵向基准线的交点，以确定当前无人集卡的精确位姿。
2.根据权利要求1所述的无人集卡的定位方法，其特征在于，基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息，包括：
实时判断无人集卡上的GPS信号强度，在GPS信号强度小于预设强度时，将当前GPS坐标信息作为初始帧，并停止初始帧的更新；
每隔不小于预设移动距离选择一个参考帧，且第一参考帧为初始帧；
利用ICP对参考帧和当前帧的位姿变化进行估算，得到初始位姿信息。
3.根据权利要求2所述的无人集卡的定位方法，其特征在于，还包括：
实时判断无人集卡上的GPS信号强度，在GPS信号强度大于或等于预设强度时，将上次的初始帧更新成当前GPS坐标信息。
4.根据权利要求1所述的无人集卡的定位方法，其特征在于，利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程，包括：
随机选择两个点，得到猜测直线方程；
计算所有所述点云点到猜测直线方程的距离，接近0或者接近固定值D的都被认为是内点；
将内点数最多的点云簇进行最小二乘拟合，得到岸桥直线方程。
5.一种无人集卡的定位装置，其特征在于，包括第一获取模块、第二获取模块以及精确定位模块；
所述第一获取模块，用于基于GPS信号强度获取位于港口码头面中无人集卡的初始位姿信息；
所述第二获取模块，用于对采集的当前无人集卡的点云观测数据进行位置滤波，得到点云保留数据；
对两侧的点云保留数据进行稀疏化处理，得到点云点；
利用双线ransac算法对点云点进行双线拟合，得到岸桥直线方程；
计算当前定位坐标点到岸桥直线方程的垂直距离，并对得到的垂直距离进行反算，得到在车体坐标系下无人集卡相对于岸桥的横向偏移量；
所述精确定位模块，用于根据所述初始位姿信息和所述横向偏移量计算横向基准线和纵向基准线，其中，计算所述横向基准线的直线方程的斜率保持和岸桥轨道一致，所述轨道的直线方程为预先准备的固定值，和岸桥左侧的距离等于岸桥检测模块中横向偏移量的结果；计算所述纵向基准线的直线方程的斜率保持和当前车辆位姿的航向角一致，所述纵向基准线的直线方程通过当前车辆的全局位置；
计算所述横向基准线和纵向基准线的交点，以确定当前无人集卡的精确位姿。
6.一种无人集卡的定位系统，其特征在于，包括：终端设备、传输设备以及服务器设备；其中，所述终端设备通过传输设备连接服务器设备；
所述终端设备用于获取初始位姿信息和横向偏移量；
所述传输设备用于传输初始位姿信息和横向偏移量；
所述服务器设备用于执行如权利要求1至4中任一项所述的无人集卡的定位方法。
7.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至4中任一项所述的无人集卡的定位方法。
8.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至4中任一项所述的无人集卡的定位方法。
CN202011238277.XA 2020-11-09 2020-11-09 无人集卡的定位方法、装置、系统、电子装置和存储介质 Active CN112415548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011238277.XA CN112415548B (zh) 2020-11-09 2020-11-09 无人集卡的定位方法、装置、系统、电子装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011238277.XA CN112415548B (zh) 2020-11-09 2020-11-09 无人集卡的定位方法、装置、系统、电子装置和存储介质

Publications (2)

Publication Number Publication Date
CN112415548A CN112415548A (zh) 2021-02-26
CN112415548B true CN112415548B (zh) 2023-09-29

Family

ID=74780754

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011238277.XA Active CN112415548B (zh) 2020-11-09 2020-11-09 无人集卡的定位方法、装置、系统、电子装置和存储介质

Country Status (1)

Country Link
CN (1) CN112415548B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113247769B (zh) * 2021-04-28 2023-06-06 三一海洋重工有限公司 一种集卡定位方法及其定位系统、岸桥
CN113469045B (zh) * 2021-06-30 2023-05-02 上海西井信息科技有限公司 无人集卡的视觉定位方法、系统、电子设备和存储介质
CN113592397A (zh) * 2021-07-28 2021-11-02 北京斯年智驾科技有限公司 一种港口物料的运输方法、装置、电子设备和可读介质
CN115798257A (zh) * 2022-09-02 2023-03-14 荆州智达电动汽车有限公司 一种基于多线激光雷达的港口路线规避的方法
CN116224396A (zh) * 2022-11-16 2023-06-06 上海西井信息科技有限公司 基于点云的岸桥区域导航方法、系统、设备及存储介质
CN116008991B (zh) * 2022-12-12 2024-08-06 北京斯年智驾科技有限公司 一种岸桥下车辆定位方法、装置、电子设备及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7216055B1 (en) * 1998-06-05 2007-05-08 Crossbow Technology, Inc. Dynamic attitude measurement method and apparatus
CN108764075A (zh) * 2018-05-15 2018-11-06 北京主线科技有限公司 岸桥下集装箱卡车定位的方法
CN109143259A (zh) * 2018-08-20 2019-01-04 北京主线科技有限公司 面向港口无人集卡的高精地图制作方法
CN109357680A (zh) * 2018-10-26 2019-02-19 北京主线科技有限公司 港口无人驾驶集装箱卡车高精地图生成方法
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
CN110262508A (zh) * 2019-07-06 2019-09-20 深圳数翔科技有限公司 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法
CN111137279A (zh) * 2020-01-02 2020-05-12 广州赛特智能科技有限公司 港口无人集卡站点停车方法及系统
CN111175788A (zh) * 2020-01-20 2020-05-19 北京主线科技有限公司 自动驾驶车辆横向定位方法及其定位系统
WO2020133694A1 (zh) * 2018-12-26 2020-07-02 上海图森未来人工智能科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
WO2020133693A1 (zh) * 2018-12-26 2020-07-02 上海图森未来人工智能科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
CN111461981A (zh) * 2020-03-30 2020-07-28 北京百度网讯科技有限公司 点云拼接算法的误差估计方法和装置
CN111508021A (zh) * 2020-03-24 2020-08-07 广州视源电子科技股份有限公司 一种位姿确定方法、装置、存储介质及电子设备
CN111622145A (zh) * 2020-07-28 2020-09-04 北京主线科技有限公司 基于反光道钉的无人集卡定位方法及系统
CN111664856A (zh) * 2019-03-08 2020-09-15 上海蔚来汽车有限公司 车辆初始定位系统及车辆初始定位方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080243378A1 (en) * 2007-02-21 2008-10-02 Tele Atlas North America, Inc. System and method for vehicle navigation and piloting including absolute and relative coordinates
US20110017693A1 (en) * 2009-07-21 2011-01-27 Aps Technology Group, Inc. Container tracking and locating systems, methods, and computer program products
WO2018017793A1 (en) * 2016-07-21 2018-01-25 Intelligent Technologies International, Inc. System and method for creating, updating, and using maps generated by probe vehicles
US11493635B2 (en) * 2019-04-17 2022-11-08 Uatc, Llc Ground intensity LIDAR localizer

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7216055B1 (en) * 1998-06-05 2007-05-08 Crossbow Technology, Inc. Dynamic attitude measurement method and apparatus
CN108764075A (zh) * 2018-05-15 2018-11-06 北京主线科技有限公司 岸桥下集装箱卡车定位的方法
CN109143259A (zh) * 2018-08-20 2019-01-04 北京主线科技有限公司 面向港口无人集卡的高精地图制作方法
CN109357680A (zh) * 2018-10-26 2019-02-19 北京主线科技有限公司 港口无人驾驶集装箱卡车高精地图生成方法
WO2020133694A1 (zh) * 2018-12-26 2020-07-02 上海图森未来人工智能科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
WO2020133693A1 (zh) * 2018-12-26 2020-07-02 上海图森未来人工智能科技有限公司 一种岸吊区卡车精准停车方法、设备及系统
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
CN111664856A (zh) * 2019-03-08 2020-09-15 上海蔚来汽车有限公司 车辆初始定位系统及车辆初始定位方法
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
CN110262508A (zh) * 2019-07-06 2019-09-20 深圳数翔科技有限公司 应用于封闭场地无人驾驶货运车辆上的自动引导系统及方法
CN111137279A (zh) * 2020-01-02 2020-05-12 广州赛特智能科技有限公司 港口无人集卡站点停车方法及系统
CN111175788A (zh) * 2020-01-20 2020-05-19 北京主线科技有限公司 自动驾驶车辆横向定位方法及其定位系统
CN111508021A (zh) * 2020-03-24 2020-08-07 广州视源电子科技股份有限公司 一种位姿确定方法、装置、存储介质及电子设备
CN111461981A (zh) * 2020-03-30 2020-07-28 北京百度网讯科技有限公司 点云拼接算法的误差估计方法和装置
CN111622145A (zh) * 2020-07-28 2020-09-04 北京主线科技有限公司 基于反光道钉的无人集卡定位方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
GPS改进的移动球形全景影像三维重建方法;尹双双;邓非;;测绘科学(第05期);全文 *
Han, Jungwook et al..Navigation of an Unmanned Surface Vessel under Bridges.2013 10TH INTERNATIONAL CONFERENCE ON UBIQUITOUS ROBOTS AND AMBIENT INTELLIGENCE.2013,全文. *
孙羽 等.无人驾驶技术在未来智慧港口的应用.珠江水运.2019,全文. *
尹双双 ; 邓非 ; .GPS改进的移动球形全景影像三维重建方法.测绘科学.2020,(第05期),全文. *
张名芳 ; 付锐 ; 石涌泉 ; 程文冬 ; .基于激光雷达的远距离运动车辆位姿估计.公路交通科技.2017,(第12期),全文. *
王任栋 ; 李华 ; 赵凯 ; 徐友春 ; .基于核密度估计的城市动态密集场景激光雷达定位.光学学报.2019,(第05期),全文. *

Also Published As

Publication number Publication date
CN112415548A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN112415548B (zh) 无人集卡的定位方法、装置、系统、电子装置和存储介质
JP6821712B2 (ja) 自然光景中での統合センサの較正
CN110146910B (zh) 一种基于gps与激光雷达数据融合的定位方法及装置
CN113819914A (zh) 一种地图构建方法及装置
US11551552B2 (en) Distributing processing resources across local and cloud-based systems with respect to autonomous navigation
CN109975792A (zh) 基于多传感器融合矫正多线激光雷达点云运动畸变的方法
CN110986988B (zh) 融合多传感器数据的轨迹推算方法、介质、终端和装置
US11467001B2 (en) Adjustment value calculation method
CN107728175A (zh) 基于gnss和vo融合的无人驾驶车辆导航定位精度矫正方法
CN109655055B (zh) 一种轨检机器人的定位方法及装置
CN110361008B (zh) 地下车库自动泊车的定位方法及装置
CN109100730A (zh) 一种多车协同快速建图方法
CN106541945A (zh) 一种基于icp算法的无人车自动泊车方法
CN110766760B (zh) 用于相机标定的方法、装置、设备和存储介质
CN104048663A (zh) 一种车载惯性导航系统及导航方法
CN105865461A (zh) 一种基于多传感器融合算法的汽车定位系统及方法
CN107219542B (zh) 基于gnss/odo的机器人双轮差速定位方法
CN112433531A (zh) 一种自动驾驶车辆的轨迹跟踪方法、装置及计算机设备
CN103968837A (zh) 惯性导航系统中陀螺仪刻度因子的校正方法及装置
CN101907701A (zh) 一种辅助导航的速度运算方法
CN114694111A (zh) 车辆定位
CN111721305B (zh) 定位方法和装置、自动驾驶车辆、电子设备和存储介质
CN110333510A (zh) 一种单雷达泊车定位方法及系统
Qimin et al. A methodology of vehicle speed estimation based on optical flow
CN113312403B (zh) 地图获取方法、装置、电子设备及存储介质

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
CP03 Change of name, title or address

Address after: Room 101, 21st Floor, South Building, Information Technology Building, No. 650 Yunxiu South Road, Wuyang Street, Deqing County, Huzhou City, Zhejiang Province 313200

Patentee after: Zhejiang Siqian Intelligent Driving Technology Co.,Ltd.

Country or region after: China

Address before: 118, 1st Floor, Building 1, No.16 Anningzhuang East Road, Haidian District, Beijing

Patentee before: Beijing Sinian Zhijia Technology Co.,Ltd.

Country or region before: China

CP03 Change of name, title or address