CN112505704B - 提高列车自主智能感知系统安全性的方法及列车 - Google Patents
提高列车自主智能感知系统安全性的方法及列车 Download PDFInfo
- Publication number
- CN112505704B CN112505704B CN202011248516.XA CN202011248516A CN112505704B CN 112505704 B CN112505704 B CN 112505704B CN 202011248516 A CN202011248516 A CN 202011248516A CN 112505704 B CN112505704 B CN 112505704B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- train
- difference value
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000008447 perception Effects 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 25
- 238000005070 sampling Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 2
- 101000879675 Streptomyces lavendulae Subtilisin inhibitor-like protein 4 Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9328—Rail vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明实施例提供一种提高列车自主智能感知系统安全性的方法及列车。其中，该方法，包括：为列车自主智能感知系统设置双雷达且双雷达为异构设置；获取双雷达检测的两个点云数据，并对两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果小于阈值，根据两个点云数据输出最终点云数据；根据列车控制系统获取的列车位置在列车控制系统的电子地图中的映射位置，得到列车自主智能感知系统的检测限界；列车自主智能感知系统基于点云格栅算法，通过最终点云数据确定检测限界内是否有障碍物。本发明的实施例，可以有效地提升列车自主智能感知系统的安全性，进而提升行车安全。
Description
技术领域
本发明涉及列车控制技术领域，尤其涉及提高列车自主智能感知系统安全性的方法及列车。
背景技术
地铁列车检测外界环境情况(如障碍物)的主动检测方案可通过列车自主智能感知系统实现，但是，目前的列车自主智能感知系统的功能实现上，通常是基于汽车自动驾驶技术的迁移，使用图像、毫米波雷达、激光雷达等进行检测，并后续进行相应的外界环境情况的感知等。但是，使用图像、毫米波雷达等新型智能感知技术，检测的准确率不高，检测精度较差，因此，如果接入控车会导致乘客担心，接受度较差。例如：图像、毫米波雷达等智能感知技术，其检测结果受环境影响较大，如天气较差时，采集图像不清晰，造成最终的检测精度不高，而采用毫米波雷达、激光雷达时，如果本身检测上发生问题，如本身故障导致采集的环境的点云不准确，同样会造成最终检测精度的缺失。
另外，目前的列车自主智能感知系统通过自身的定位手段和电子地图实现车辆定位的同时，确定列车自主智能感知系统的检测限界，而列车自主智能感知系统本身的定位并非是高精度定位，地图也通常不是高精度地图，进而，导致检测限界的不准确，同样影响最终感知的准确性。
此外，目前的列车自主智能感知系统在检测障碍物时，通常采用的目标检测算法，而该算法本身不符合安全标准，具有不确定性、可靠性较差，也对最终的感知精度造成影响。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。
为此，本发明的目的在于提出一种提高列车自主智能感知系统安全性的方法及列车。
为了实现上述目的，本发明的第一方面公开了一种
提高列车自主智能感知系统安全性的方法，包括以下步骤：
为所述列车自主智能感知系统设置双雷达且所述双雷达为异构设置；
获取所述双雷达检测的两个点云数据，并对所述两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
根据列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界；
列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物。
进一步地，所述最终点云数据为所述两个点云数据中的至少一个点云数据。
进一步地，对所述两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据，包括：
获取所述两个点云数据中对应点云的差值或者距离均方根；
判断所述差值或者距离均方是否大于所述阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据。
进一步地，所述获取所述两个点云数据中对应点云的差值或者距离均方根，包括：
周期性地获取两个时间轴上所述双雷达检测的两个点云数据帧；
将两个点云数据帧对应地以所述双雷达的旋转和平移量进行坐标变换，以将所述两个点云数据帧变换到同一个参考坐标系下；
基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根。
进一步地，所述基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根，包括：
对所述两个点云数据帧中一帧的点云进行抽样，得到抽样点；
将所述抽样点在所述两个点云数据帧中另一帧中寻找最近点，并获得所述抽样点与所述最近点的空间距离；
根据所述空间距离得到所述差值或者距离均方根。
进一步地，所述列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物，包括：
基于点云格栅算法，获取所述最终点云数据中的异常点云，其中，所述异常点云为满足预定反射率以及预定面积尺寸的障碍物进入所述限界后，所述障碍物对应的点云；
根据所述异常点云的数量和面积尺寸，得到所述障碍物的位置和距离。
进一步地，在通过所述最终点云数据确定所述检测限界内是否有障碍物之后，还包括：
向所述列车的控车系统发送提示，以便所述控车系统对列车的车速进行控制。
第二方面，本发明的实施例提供了一种列车自主智能感知系统，包括：
设置在所述列车自主智能感知系统上的双雷达，所述双雷达为异构设置；
判断模块，用于对所述双雷达检测的两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
感知模块，用于根据列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界，基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物。
第三方面，本发明的实施例提供了一种列车，设置有上述第二方面实施例所述的列车自主智能感知系统。
本发明中的上述一个或多个技术方案，至少具有如下技术效果之一：
根据本发明的实施例，通过异构双雷达采集的点云数据的比较结果，可以得到准确可靠的点云数据，在此基础上，结合列车控制系统的高精度的列车定位和高精度的地图数据，可以确定出列车当前位置的准确的检测限界(简称限界)，进而，列车自主智能感知系统可通过点云格栅算法准确地检测出限界内是否存在影响行车安全的障碍物，提升了列车自主智能感知系统的安全性，进而提升列车的行车安全。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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是根据本发明一个实施例的提高列车自主智能感知系统安全性的方法的流程图；
图2是根据本发明一个实施例的提高列车自主智能感知系统安全性的方法中检测限界确定的示意图；
图3是应用本发明一个实施例的提高列车自主智能感知系统安全性的方法的系统实现示意图；
图4是根据本发明一个实施例的列车自主智能感知系统的结构框图。
具体实施方式
下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例是用于说明本发明，但不能用来限制本发明的范围。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以下结合附图描述根据本发明实施例的提高列车自主智能感知系统安全性的方法及列车。
图1是根据本发明一个实施例的提高列车自主智能感知系统安全性的方法的流程图。如图1所示，根据本发明一个实施例的提高列车自主智能感知系统安全性的方法，包括：
S101：为列车自主智能感知系统设置双雷达且所述双雷达为异构设置。
其中，双雷达指两个雷达，两个雷达布置在列车上，是为列车自主智能感知系统而设置的，两个雷达可以采集列车前方一定的区域范围的点云数据。
本实施例中，双雷达为异构设置指两个雷达采用异构的硬件设计方式。
S102：获取双雷达检测的两个点云数据，并对两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据两个点云数据输出最终点云数据。其中，阈值可以根据经验确定，预先进行标定。
本示例中，从雷达的功能分析，雷达故障包括测距故障、方位角故障和探测能力变化故障。
当出现如上述几种故障时，通常会导致两个点云数据存在较大的差异，因此，通过两个点云数据的比较便可以检测是否存在雷达故障，也就能够确定点云数据是否存在异常。但是，对雷达本身的硬件失效设计，是要保证失效覆盖的完整性，因此，分析如下：
对于单点故障(即：某一个雷达出现故障)，此时，某一个雷达的点云数据出现错误，两个雷达的点云数据的差异，可，便可以自检出雷达故障。
对于双点故障(即：两个雷达均出现故障)，两个雷达的点云数据均出现错误，为防止共因失效，例如：两个雷达同时同位置点出错，并且错误坐标相同，因此，本发明的实施例中，采用异构雷达设计，保证硬件原理上的差异，避免共因失效的发生，也可以检测出雷达故障，同时能够确保点云数据是否准确。
在上述示例中，最终点云数据为两个点云数据中的至少一个点云数据，即：如果确定点云数据没有异常，则可以从两个点云数据中任选一个点云数据作为最终点云数据，当然，也可以根据两个点云数据共同得到最终点云数据。
S103：根据列车控制系统获取的列车位置在列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界。
该实施例中，检测限界(即：限界)是列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界。例如：通过高精度的地图和高精度的定位，获取车辆前方的地形信息，从而确定车辆前方轨道的三维几何走势，沿着轨道的三维几何走势，可划定三维的立体空间作为限界，如图2所示，限界的长宽高分别为300米、1.835米和3米，然后列车自主智能感知系统可通过异构的双雷达的点云数据识别限界内是否存在障碍物以及障碍物距离位置等。
也就是说，列车位置和地图是采用传统的地铁信号系统，即：列车管理系统的地图数据以及定位方法定位的列车位置，而传统地铁信号系统的定位方法和地图配置已经有解决方案满足SIL4安全认证，因此，可以根据列车控制系统检测的列车位置和存储的地图确定出相对准确的限界，在少量误差(如1米)内的定位精度下确定的限界的安全性可以得到保证。
S104：列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物。即：列车自主智能感知系统可通过异构的双雷达的点云数据识别限界内是否存在障碍物以及障碍物距离位置等
对于本发明实施例中S101-S104，从原理上讲。结合了列车控制系统的高精度的地图和检测的高精度的实时的列车位置，从而限界的确定上是准确可靠的，而对于点云数据的输入、点云数据的比较处理算法以及障碍物检测，可分为输入层、平台层和应用层，如图3所示，S101-S104可通过列车自主智能感知系统实现，图3为实现上述实施例中S101-S104的系统的框图，其中：
输入层是系统的数据采集层，由输入层提供点云数据。输入层设置了异构双雷达，异构双雷达通过旋转扫描的方式，可以获得视野前方的点云数据。
平台层是可以对点云数据进行处理，使得输入层的雷达故障全部在平台层进行安全处理，保证提供给应用层的点云数据是准确可靠的。
应用层实现了障碍物检测，采用几何运算等方式确定障碍物位置和距离等，具有障碍物检测准确可靠的优点。
根据本发明实施例的提高列车自主智能感知系统安全性的方法，通过异构双雷达采集的点云数据的比较结果，可以得到准确可靠的点云数据，在此基础上，结合列车控制系统的高精度的列车定位和高精度的地图数据，可以确定出列车当前位置的准确的检测限界(简称限界)，进而，列车自主智能感知系统可通过点云格栅算法准确地检测出限界内是否存在影响行车安全的障碍物，提升了列车自主智能感知系统的安全性，进而提升列车的行车安全。
在图1所示实施例的基础上，在本发明的另一实施例中，对所述两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据，包括：获取所述两个点云数据中对应点云的差值或者距离均方根；判断所述差值或者距离均方是否大于所述阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据。
本实施例中，获取两个点云数据中对应点云的差值或者距离均方根，包括：周期性地获取两个时间轴上所述双雷达检测的两个点云数据帧；将两个点云数据帧对应地以所述双雷达的旋转和平移量进行坐标变换，以将所述两个点云数据帧变换到同一个参考坐标系下；基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根。
本实施例中，基于参考坐标系，计算两个点云数据中对应点云的差值或者距离均方根，包括：对所述两个点云数据帧中一帧的点云进行抽样，得到抽样点；将所述抽样点在所述两个点云数据帧中另一帧中寻找最近点，并获得所述抽样点与所述最近点的空间距离；根据所述空间距离得到所述差值或者距离均方根。
具体来说，将异构的两个雷达当作是两个独立的采集电路，通过比较两个点云数据的差值，判定雷达的故障情况，输出可用点云数据(即：最终点云数据)。点云数据比较的范围是对异构的两个雷达视野重叠区域进行比较。点云数据比较是基于两个雷达的安装位置是固定的，因此，两个雷达的旋转和平移关系相对车辆世界坐标系是固定的，周期性获取两个时间轴上同步的雷达的点云数据帧，将两帧点云按照已知的旋转和平移量进行坐标变换，变换后两个雷达在同一个参考坐标系下，理论上两个雷达重叠视野区域扫描的信息应该是基本一致的，通过求两帧点云的差值或者距离均方根，既可以判定两个雷达的故障情况。其中，一致性的判定可以对其中一帧点云进行抽样，对抽样点在另一帧点云划分的网格中找最近点，并求与最近点的空间距离，所有抽样点的最近点的空间距离的均值小于某个阈值即可。进而，可以得到准确可靠的点云数据。
在图1所示的实施例的基础上，在本发明的另一个实施例中，列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物，包括：基于点云格栅算法，获取所述最终点云数据中的异常点云，其中，所述异常点云为满足预定反射率以及预定面积尺寸的障碍物进入所述限界后，所述障碍物对应的点云；根据所述异常点云的数量和面积尺寸，得到所述障碍物的位置和距离。
具体来说，障碍物检测上，并没有使用人工智能等算法，而是采用点云栅格算法，即：满足一定反射率、面积尺寸条件的障碍物闯入轨道后，顺着轨道限界便可以发现高于轨道的凸起点云，根据点数、面积进行几何计算，进而，完全可以保证确定性，从而保证检测结果的可靠性和准确性。也就是说，在检测限界内，如果没有障碍物时检测的点云数据和有障碍物时检测的点云数据存在差异，例如：对于障碍物的位置，点云通常是凸起于轨道，因此，可以获取这部分点云数据，根据这些凸起的点云的面积，得到障碍物的大小等。因此，算法的复杂度响度较低，且检测结果也是可信的。
在本发明的一个实施例中，在通过最终点云数据确定所述检测限界内是否有障碍物之后，还包括：向所述列车的控车系统发送提示，以便所述控车系统对列车的车速进行控制。进而，车辆可以及时采取措施，避免危险的发生，例如：及时采取刹车，避免与障碍物碰撞，提升列车安全。
图4是根据本发明一个实施例的列车的障碍物检测系统的结构框图。如图4所示，根据本发明一个实施例的列车自主智能感知系统，包括：双雷达410、判断模块420和感知模块430。其中：
双雷达410设置在所述列车自主智能感知系统上，双雷达为异构设置；
判断模块420，用于对所述双雷达检测的两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
感知模块430，用于根据列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界，基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物。
根据本发明实施例的列车自主智能感知系统，通过异构双雷达采集的点云数据的比较结果，可以得到准确可靠的点云数据，在此基础上，结合列车控制系统的高精度的列车定位和高精度的地图数据，可以确定出列车当前位置的准确的检测限界(简称限界)，进而，列车自主智能感知系统可通过点云格栅算法准确地检测出限界内是否存在影响行车安全的障碍物，提升了列车自主智能感知系统的安全性，进而提升列车的行车安全。
需要说明的是，本发明实施例的列车自主智能感知系统的具体实现方式与本发明实施例的提高列车自主智能感知系统安全性的方法的具体实现方式类似，具体请参见方法部分的描述，此处不做赘述。
进一步地，本发明的实施例公开了一种列车，设置有上述实施例的列车自主智能感知系统。该列车可以通过异构双雷达采集的点云数据的比较结果，可以得到准确可靠的点云数据，在此基础上，结合列车控制系统的高精度的列车定位和高精度的地图数据，可以确定出列车当前位置的准确的检测限界(简称限界)，进而，列车自主智能感知系统可通过点云格栅算法准确地检测出限界内是否存在影响行车安全的障碍物，提升了列车自主智能感知系统的安全性，进而提升列车的行车安全。
此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种提高列车自主智能感知系统安全性的方法，其特征在于，包括以下步骤：
为所述列车自主智能感知系统设置双雷达且所述双雷达为异构设置；
获取所述双雷达检测的两个点云数据，并对所述两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
根据列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界；
列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物；
对所述两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据，包括：
获取所述两个点云数据中对应点云的差值或者距离均方根；
判断所述差值或者距离均方是否大于所述阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
所述获取所述两个点云数据中对应点云的差值或者距离均方根，包括：
周期性地获取两个时间轴上所述双雷达检测的两个点云数据帧；
将两个点云数据帧对应地以所述双雷达的旋转和平移量进行坐标变换，以将所述两个点云数据帧变换到同一个参考坐标系下；
基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根；
所述基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根，包括：
对所述两个点云数据帧中一帧的点云进行抽样，得到抽样点；
将所述抽样点在所述两个点云数据帧中另一帧中寻找最近点，并获得所述抽样点与所述最近点的空间距离；
根据所述空间距离得到所述差值或者距离均方根。
2.根据权利要求1所述的提高列车自主智能感知系统安全性的方法，其特征在于，所述最终点云数据为所述两个点云数据中的至少一个点云数据。
3.根据权利要求1所述的提高列车自主智能感知系统安全性的方法，其特征在于，所述列车自主智能感知系统基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物，包括：
基于点云格栅算法，获取所述最终点云数据中的异常点云，其中，所述异常点云为满足预定反射率以及预定面积尺寸的障碍物进入所述限界后，所述障碍物对应的点云；
根据所述异常点云的数量和面积尺寸，得到所述障碍物的位置和距离。
4.根据权利要求1-3任一项所述的提高列车自主智能感知系统安全性的方法，其特征在于，在通过所述最终点云数据确定所述检测限界内是否有障碍物之后，还包括：
向所述列车的控车系统发送提示，以便所述控车系统对列车的车速进行控制。
5.一种列车自主智能感知系统，其特征在于，包括：
设置在所述列车自主智能感知系统上的双雷达，所述双雷达为异构设置；
判断模块，用于对所述双雷达检测的两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
感知模块，用于根据列车控制系统获取的列车位置在所述列车控制系统的电子地图中的映射位置，得到所述列车前方的地形信息，并根据所述地形信息得到列车自主智能感知系统的检测限界，基于点云格栅算法，通过所述最终点云数据确定所述检测限界内是否有障碍物；
对所述双雷达检测的两个点云数据进行比较，确定两个点云数据的差值是否大于阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据，包括：
获取所述两个点云数据中对应点云的差值或者距离均方根；
判断所述差值或者距离均方是否大于所述阈值，如果大于阈值，输出异常点云，进行报警导向安全，否则，根据所述两个点云数据输出最终点云数据；
所述获取所述两个点云数据中对应点云的差值或者距离均方根，包括：
周期性地获取两个时间轴上所述双雷达检测的两个点云数据帧；
将两个点云数据帧对应地以所述双雷达的旋转和平移量进行坐标变换，以将所述两个点云数据帧变换到同一个参考坐标系下；
基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根；
所述基于所述参考坐标系，计算所述两个点云数据中对应点云的差值或者距离均方根，包括：
对所述两个点云数据帧中一帧的点云进行抽样，得到抽样点；
将所述抽样点在所述两个点云数据帧中另一帧中寻找最近点，并获得所述抽样点与所述最近点的空间距离；
根据所述空间距离得到所述差值或者距离均方根。
6.一种列车，其特征在于，设置有根据权利要求5所述的列车自主智能感知系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011248516.XA CN112505704B (zh) | 2020-11-10 | 2020-11-10 | 提高列车自主智能感知系统安全性的方法及列车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011248516.XA CN112505704B (zh) | 2020-11-10 | 2020-11-10 | 提高列车自主智能感知系统安全性的方法及列车 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112505704A CN112505704A (zh) | 2021-03-16 |
| CN112505704B true CN112505704B (zh) | 2024-06-07 |
Family
ID=74957588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011248516.XA Active CN112505704B (zh) | 2020-11-10 | 2020-11-10 | 提高列车自主智能感知系统安全性的方法及列车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112505704B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115389624B (zh) * | 2022-10-27 | 2023-02-10 | 智能网联汽车(山东)协同创新研究院有限公司 | 一种加工用声波测试系统 |
| CN116946216B (zh) * | 2023-09-21 | 2023-12-05 | 新誉集团有限公司 | 一种列车定位方法、装置、设备及存储介质 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003038470A1 (fr) * | 2001-10-30 | 2003-05-08 | Optex Co., Ltd | Capteur micro-ondes double frequence |
| CN106872963A (zh) * | 2017-03-31 | 2017-06-20 | 厦门大学 | 一种多组多线激光雷达的自动标定算法 |
| JP2018059895A (ja) * | 2016-09-29 | 2018-04-12 | パナソニック株式会社 | マルチレーダシステム |
| CN108263418A (zh) * | 2016-12-30 | 2018-07-10 | 河南辉煌科技股份有限公司 | 一种火车探测铁路的方法 |
| CN108983248A (zh) * | 2018-06-26 | 2018-12-11 | 长安大学 | 一种基于3d激光雷达及v2x的网联车定位方法 |
| CN208421219U (zh) * | 2018-02-07 | 2019-01-22 | 北京聚速微波技术有限公司 | 一种高精度机车测速雷达 |
| CN109471111A (zh) * | 2018-10-10 | 2019-03-15 | 浙江大学 | 一种可抗声波干扰的超声波传感器组及目标定位方法 |
| CN109631836A (zh) * | 2019-01-15 | 2019-04-16 | 山东省国土测绘院 | 一种云底高度快速测量方法 |
| CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
| CN110031823A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
| CN110275171A (zh) * | 2018-03-15 | 2019-09-24 | 郑州宇通客车股份有限公司 | 一种车辆雷达探测控制方法及车辆 |
| CN110758476A (zh) * | 2019-11-07 | 2020-02-07 | 交控科技股份有限公司 | 一种列车定位方法及系统 |
| CN110770600A (zh) * | 2018-11-29 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理系统 |
| CN111060923A (zh) * | 2019-11-26 | 2020-04-24 | 武汉乐庭软件技术有限公司 | 一种多激光雷达的汽车驾驶障碍物检测方法及系统 |
| CN111289969A (zh) * | 2020-03-27 | 2020-06-16 | 北京润科通用技术有限公司 | 一种车载雷达运动目标融合方法及装置 |
| CN111476830A (zh) * | 2020-03-13 | 2020-07-31 | 上海高仙自动化科技发展有限公司 | 点云数据处理方法、机器人、电子设备和可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4371115B2 (ja) * | 2006-03-01 | 2009-11-25 | トヨタ自動車株式会社 | 物体検出装置 |
| US11041941B2 (en) * | 2018-02-26 | 2021-06-22 | Steradian Semiconductors Private Limited | Method and device for calibrating a radar object detection system |
-
2020
- 2020-11-10 CN CN202011248516.XA patent/CN112505704B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003038470A1 (fr) * | 2001-10-30 | 2003-05-08 | Optex Co., Ltd | Capteur micro-ondes double frequence |
| JP2018059895A (ja) * | 2016-09-29 | 2018-04-12 | パナソニック株式会社 | マルチレーダシステム |
| CN108263418A (zh) * | 2016-12-30 | 2018-07-10 | 河南辉煌科技股份有限公司 | 一种火车探测铁路的方法 |
| CN106872963A (zh) * | 2017-03-31 | 2017-06-20 | 厦门大学 | 一种多组多线激光雷达的自动标定算法 |
| CN109839624A (zh) * | 2017-11-27 | 2019-06-04 | 北京万集科技股份有限公司 | 一种多激光雷达位置标定方法及装置 |
| CN208421219U (zh) * | 2018-02-07 | 2019-01-22 | 北京聚速微波技术有限公司 | 一种高精度机车测速雷达 |
| CN110275171A (zh) * | 2018-03-15 | 2019-09-24 | 郑州宇通客车股份有限公司 | 一种车辆雷达探测控制方法及车辆 |
| CN108983248A (zh) * | 2018-06-26 | 2018-12-11 | 长安大学 | 一种基于3d激光雷达及v2x的网联车定位方法 |
| CN109471111A (zh) * | 2018-10-10 | 2019-03-15 | 浙江大学 | 一种可抗声波干扰的超声波传感器组及目标定位方法 |
| CN110770600A (zh) * | 2018-11-29 | 2020-02-07 | 深圳市大疆创新科技有限公司 | 分布式光检测和测距（lidar）管理系统 |
| CN109631836A (zh) * | 2019-01-15 | 2019-04-16 | 山东省国土测绘院 | 一种云底高度快速测量方法 |
| CN110031823A (zh) * | 2019-04-22 | 2019-07-19 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
| CN110758476A (zh) * | 2019-11-07 | 2020-02-07 | 交控科技股份有限公司 | 一种列车定位方法及系统 |
| CN111060923A (zh) * | 2019-11-26 | 2020-04-24 | 武汉乐庭软件技术有限公司 | 一种多激光雷达的汽车驾驶障碍物检测方法及系统 |
| CN111476830A (zh) * | 2020-03-13 | 2020-07-31 | 上海高仙自动化科技发展有限公司 | 点云数据处理方法、机器人、电子设备和可读存储介质 |
| CN111289969A (zh) * | 2020-03-27 | 2020-06-16 | 北京润科通用技术有限公司 | 一种车载雷达运动目标融合方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| "High resolution detection in application of railway radar system";Le Zheng 等;《IET International Radar Conference 2013 》;1-4 * |
| "Weather Radar with Application to Assimilation of Radial Velocity Observations";Rennie, S J 等;《Journal of Atmospheric and Oceanic Technology》;1341-1355 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112505704A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111679256B (zh) | 汽车毫米波雷达的角度校准方法、装置、系统及存储介质 | |
| CN111257864B (zh) | 一种主动式探测车辆持续跟踪断点补偿装置、系统及方法 | |
| CN112505704B (zh) | 提高列车自主智能感知系统安全性的方法及列车 | |
| JPWO2018079297A1 (ja) | 故障検知装置 | |
| CN111398924A (zh) | 雷达安装角度标定方法及系统 | |
| CN112083441B (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
| EP4089659A1 (en) | Map updating method, apparatus and device | |
| PT2109064E (pt) | Sistemas de identificação orientação para estacionamento de aeronaves | |
| CN111448472A (zh) | 用于识别机动车的至少一个环境传感器的功能故障的方法和控制装置 | |
| US20110153268A1 (en) | Object sensor | |
| CN110626355B (zh) | 一种雷达遮挡诊断方法、装置及终端 | |
| US11292481B2 (en) | Method and apparatus for multi vehicle sensor suite diagnosis | |
| CN110018450A (zh) | Ais与雷达角度系统偏差的关联校准方法 | |
| KR20230032632A (ko) | 차량 및 차량의 제어방법 | |
| CN114397672A (zh) | 一种基于定位技术的列车主动障碍物检测方法及装置 | |
| CN117828309B (zh) | 一种多源数据融合测距的变电站安全预警方法 | |
| CN112596074B (zh) | 一种基于激光雷达的导航车辆障碍物探测方法 | |
| CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
| CN112835029A (zh) | 面向无人驾驶的多传感器障碍物探测数据融合方法及系统 | |
| Mamchenko et al. | Algorithm for sensor data merging using analytical module for priority sensor selection | |
| CN115877334A (zh) | 一种基于轨迹点的路侧毫米波雷达安装角度标定方法 | |
| CN111090133B (zh) | 一种雨量雷达数据质量控制方法 | |
| CN115201810A (zh) | 用于无人车的多传感器融合紧急避障方法 | |
| CN113126077B (zh) | 盲点区域的目标检测系统、方法及介质 | |
| US20230214980A1 (en) | Method for checking a static monitoring system installed in a traffic space, and static monitoring system |
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 |