CN112711027A - 一种基于激光雷达点云数据的隧道内横向定位方法 - Google Patents

一种基于激光雷达点云数据的隧道内横向定位方法 Download PDF

Info

Publication number
CN112711027A
CN112711027A CN202011442517.8A CN202011442517A CN112711027A CN 112711027 A CN112711027 A CN 112711027A CN 202011442517 A CN202011442517 A CN 202011442517A CN 112711027 A CN112711027 A CN 112711027A
Authority
CN
China
Prior art keywords
laser radar
distance
tunnel
obstacle
angle
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
Application number
CN202011442517.8A
Other languages
English (en)
Other versions
CN112711027B (zh
Inventor
徐志斌
张骐
李智
高军安
李少丁
邓晓慧
逯静辉
武潇
赵新
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.)
Beijing Sutong Technology Co ltd
Beijing Capital Road Development Group Co ltd
Original Assignee
Beijing Sutong Technology Co ltd
Beijing Capital Road Development Group 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 Sutong Technology Co ltd, Beijing Capital Road Development Group Co ltd filed Critical Beijing Sutong Technology Co ltd
Priority to CN202011442517.8A priority Critical patent/CN112711027B/zh
Publication of CN112711027A publication Critical patent/CN112711027A/zh
Application granted granted Critical
Publication of CN112711027B publication Critical patent/CN112711027B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02Systems using the reflection of electromagnetic waves other than radio waves
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种基于激光雷达点云数据的隧道内横向定位方法。首先通过激光雷达对环境进行扫描,获取环境点云图,再剔除掉一些坏点与非平面点,通过对点云进行计算求得距离激光雷达最近的平面点的距离,此距离是隧道的一侧墙面与激光雷达之间的距离;然后计算水平旋角相差180°的另一侧扫描点云与激光雷达的距离,即可实现高精度的隧道内横向定位。同时利用隧道宽度恒定的特点,可防止极端环境下,大型障碍物遮挡激光雷达视角后导致无法横向定位的情况。应用本发明的测量方法实现的隧道内横向定位精度可达到厘米级精度,完全能够满足定位需求。

Description

一种基于激光雷达点云数据的隧道内横向定位方法
技术领域
本发明涉及激光雷达定位方法,尤其涉及一种基于激光雷达点云数据的隧道内横向定位方法。
背景技术
激光雷达定位技术于20世纪90年代开始应用于AGV(Automated Guided Vehicle)导航系统,早期的激光雷达导航系统需要在AGV行驶的路径周围安装精确的反射板。后经技术的发展,激光雷达技术逐渐完善,形成当前的一个体积小、易于安装与携带的激光雷达传感器。
激光雷达在工作时不受有源干扰的影响,且以激光为测量手段,所以有数据精度高、实时性好、数据稳定等特点。基于激光雷达的定位技术,在过去的几十年中,研究人员提出了很多基于激光传感器的2D SLAM建图系统,如GMapping、Hector SLAM和2DCartographer等。基于重建好的地图,定位系统在环境中的位姿成为纯定位。后又有研究人员提出了基于滤波的算法如AMCL、NDT-MCL和Kalman Filter等,不过这都局限于前提是基于二维地图,无法获取环境的三维信息,在复杂的道路环境下无法实现精确定位。
经过现代激光SLAM技术的发展,3D激光SLAM技术成为目前最先进的SLAM技术之一,主流的3D激光SLAM算法有基于关键点的LOAM、以及其改进版LeGO_LOAM和A_LOAM、还有LIO等主流算法,但是在目前的隧道场景下,这类算法都受到了极大的挑战,因为隧道环境是特征严重缺失的环境,在该环境下算法内提取的特征无法进行正确的匹配,导致定位信息的缺失,无法在隧道中得到高精度定位。
发明内容
发明目的:针对以上问题,本发明提出一种基于激光雷达点云数据的隧道内横向定位方法,利用激光雷达的高精度测量获取车辆在隧道内的横向定位信息,为隧道内车辆定位提供了高精度的横向定位信息。
技术方案:为实现本发明的目的,本发明所采用的技术方案是:一种基于激光雷达点云数据的隧道内横向定位方法,具体方法如下:
(1)获取激光雷达测量得到的隧道点云数据,并根据曲率将激光雷达点划分为平面点和非平面点,并剔除掉非平面点;
所述点云数据的前一帧点云数据,其中,每一帧点云数据是由所述激光雷达按照扫描角度范围完成一个周期的扫描得到的;
所述每一帧点云数据包括所述激光雷达在对应的扫描角度下测量得到的与障碍物的距离以及激光雷达点;
(2)设置激光雷达的最大仰角为θ,从步骤(1)中选择仰角为θ的激光雷达得到的点云数据进行计算,得到激光雷达在仰角为θ,不同水平旋角下测量得到的与障碍物的距离的水平值,并从中选择数值最小的m个,同时将其对应的点云数据构成集合{D};
其中,计算公式:
dγ=lθ·cosθ
Figure BDA0002822942480000021
式中,θ为激光雷达的最大仰角;γ为激光雷达的水平旋角;dγ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离的水平值;lθ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离;{D}为dγ值最小的m个激光雷达的点云数据集合;m为集合{D}的长度;
(3)为防止因路面的不平整因素或激光雷达的侧倾导致激光雷达偏移,从步骤(1)中选择仰角为α,α<θ的激光雷达得到的点云数据;
(4)对于步骤(2)所述集合{D}中的每一个激光雷达点,均从步骤(3)中选择与其相同水平旋角的点云数据进行计算,得到激光雷达在该水平旋角下测量得到的与障碍物的距离的水平值dl;计算公式:
Figure BDA0002822942480000022
Figure BDA0002822942480000023
式中,α为激光雷达的仰角,且α<θ;a为仰角为θ,水平旋角为γ的激光雷达点与仰角为α,水平旋角为γ的激光雷达点的距离;lα为激光雷达在仰角为α、水平旋角为γ的角度下测量得到的与障碍物的距离;dl为激光雷达在水平旋角γ下测量得到的与障碍物的距离的水平值;
(5)根据下列公式对步骤(4)所述参数dl进行计算,取最小值作为激光雷达与障碍物之间的确定距离值;其中,计算公式:
d=minldl
式中,d为激光雷达与障碍物的确定距离值;
(6)根据步骤(5)所述参数d的所对应的激光雷达的水平旋角确定障碍物的位置;参数d所对应的激光雷达的水平旋角用
Figure BDA0002822942480000031
表示;若水平旋角
Figure BDA0002822942480000032
在0°-180°范围内,则表示障碍物位于激光雷达的右侧;若水平旋角
Figure BDA0002822942480000033
在-180°-0°范围内,则表示障碍物位于激光雷达的左侧;
(7)从步骤(1)中选择激光雷达在仰角为θ、水平旋角为
Figure BDA0002822942480000034
的角度下测量得到的与障碍物的距离lθ1,以及激光雷达在仰角为α,α<θ、水平旋角为
Figure BDA0002822942480000035
的角度下测量得到的与障碍物的距离lα1,通过下列公式计算得到激光雷达与障碍物另一侧的距离值;所述另一侧为步骤(6)确定得到的障碍物的位置的相对侧;
其中,计算公式:
Figure BDA0002822942480000036
Figure BDA0002822942480000037
式中,α为激光雷达的仰角,且α<θ;a′为仰角为θ,水平旋角为
Figure BDA0002822942480000038
的激光雷达点与仰角为α,水平旋角为
Figure BDA0002822942480000039
的激光雷达点的距离;lα1为激光雷达在仰角为α、水平旋角为
Figure BDA00028229424800000310
的角度下测量得到的与障碍物的距离;dl′为激光雷达在水平旋角
Figure BDA00028229424800000311
Figure BDA00028229424800000312
下测量得到的与障碍物的距离的水平值;
(8)分别判断激光雷达与障碍物左右两侧的距离值是否发生突变,并将未发生突变的距离值作为激光雷达与隧道墙壁的距离完成隧道内横向定位,具体包括:
若左右两侧的距离值均未发生突变,则表示激光雷达与障碍物左右两侧的距离值为激光雷达与隧道两侧墙壁的距离值,由此确定隧道内的横向定位;
若仅有左侧的距离值发生突变,则将未发生突变的右侧的距离值作为激光雷达与隧道右侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位;
若仅有右侧的距离值发生突变,则将未发生突变的左侧的距离值作为激光雷达与隧道左侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位;
进一步的,激光雷达与障碍物左右两侧的距离值是否发生突变的判断方法;
设置阈值,将步骤(5)与步骤(7)得到的激光雷达与障碍物的距离值分别与前一帧点云数据处理得到的相应的距离值相比较;若绝对差值大于阈值,则表示发生突变;否则表示没有发生突变;
进一步的,步骤(1)所述曲率计算公式:
Figure BDA0002822942480000041
式中,c为激光雷达点的曲率;S为同一激光束获得的连续五个点的点集合;|S|表示集合的S长度;
Figure BDA0002822942480000042
表示在雷达坐标系下,第k帧中的第i个点的坐标;
Figure BDA0002822942480000043
表示在雷达坐标系下,第k帧中的第j个点的坐标。
在一种优选方案中,激光雷达的最大仰角为15度。
有益效果:本发明提出了一种基于激光雷达点云数据的隧道内横向定位方法,通过对激光点云的分类,提取出面特征点,计算出激光雷达与隧道两侧墙壁的距离,从而提供精确的横向定位信息。在环境特征极度缺失的隧道环境下,通过对激光雷达点云进行的处理,不需要进行大量的计算,即可快速获得高精度的隧道内的横向定位信息,从而完成精确的隧道内定位。
附图说明
图1是本发明的技术方案流程图;
图2是防止遮挡的测距原理图;
图3是防止激光雷达摆放不平整的测距原理图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种基于激光雷达点云数据的隧道内横向定位方法,具体方法如下:
(1)获取激光雷达测量得到的隧道点云数据,并根据曲率将激光雷达点划分为平面点和非平面点,并剔除掉非平面点;
所述点云数据的前一帧点云数据,其中,每一帧点云数据是由所述激光雷达按照扫描角度范围完成一个周期的扫描得到的;
所述每一帧点云数据包括所述激光雷达在对应的扫描角度下测量得到的与障碍物的距离以及激光雷达点;
(2)设置激光雷达的最大仰角为θ,从步骤(1)中选择仰角为θ的激光雷达得到的点云数据进行计算,得到激光雷达在仰角为θ,不同水平旋角下测量得到的与障碍物的距离的水平值,并从中选择数值最小的m个,同时将其对应的点云数据构成集合{D};
其中,计算公式:
dγ=lθ·cosθ
Figure BDA0002822942480000051
式中,θ为激光雷达的最大仰角;γ为激光雷达的水平旋角;dγ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离的水平值;lθ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离;{D}为dγ值最小的m个激光雷达的点云数据集合;m为集合{D}的长度;
(3)为防止因路面的不平整因素或激光雷达的侧倾导致激光雷达偏移,从步骤(1)中选择仰角为α,α<θ的激光雷达得到的点云数据;
(4)对于步骤(2)所述集合{D}中的每一个激光雷达点,均从步骤(3)中选择与其相同水平旋角的点云数据进行计算,得到激光雷达在该水平旋角下测量得到的与障碍物的距离的水平值dl;计算公式:
Figure BDA0002822942480000052
Figure BDA0002822942480000053
式中,α为激光雷达的仰角,且α<θ;a为仰角为θ,水平旋角为γ的激光雷达点与仰角为α,水平旋角为γ的激光雷达点的距离;lα为激光雷达在仰角为α、水平旋角为γ的角度下测量得到的与障碍物的距离;dl为激光雷达在水平旋角γ下测量得到的与障碍物的距离的水平值;
(5)根据下列公式对步骤(4)所述参数dl进行计算,取最小值作为激光雷达与障碍物之间的确定距离值;其中,计算公式:
d=minldl
式中,d为激光雷达与障碍物的确定距离值;
(6)根据步骤(5)所述参数d的所对应的激光雷达的水平旋角确定障碍物的位置;参数d所对应的激光雷达的水平旋角用
Figure BDA0002822942480000054
表示;若水平旋角
Figure BDA0002822942480000055
在0°-180°范围内,则表示障碍物位于激光雷达的右侧;若水平旋角
Figure BDA0002822942480000056
在-180°-0°范围内,则表示障碍物位于激光雷达的左侧;
(7)从步骤(1)中选择激光雷达在仰角为θ、水平旋角为
Figure BDA0002822942480000057
的角度下测量得到的与障碍物的距离lθ1,以及激光雷达在仰角为α,α<θ、水平旋角为
Figure BDA0002822942480000058
的角度下测量得到的与障碍物的距离lα1,通过下列公式计算得到激光雷达与障碍物另一侧的距离值;所述另一侧为步骤(6)确定得到的障碍物的位置的相对侧;
其中,计算公式:
Figure BDA0002822942480000061
Figure BDA0002822942480000062
式中,α为激光雷达的仰角,且α<θ;a′为仰角为θ,水平旋角为
Figure BDA0002822942480000063
的激光雷达点与仰角为α,水平旋角为
Figure BDA0002822942480000064
的激光雷达点的距离;lα1为激光雷达在仰角为α、水平旋角为
Figure BDA0002822942480000065
的角度下测量得到的与障碍物的距离;dl′为激光雷达在水平旋角
Figure BDA0002822942480000066
Figure BDA0002822942480000067
下测量得到的与障碍物的距离的水平值;
(8)分别判断激光雷达与障碍物左右两侧的距离值是否发生突变,并将未发生突变的距离值作为激光雷达与隧道墙壁的距离完成隧道内横向定位,具体包括:
若左右两侧的距离值均未发生突变,则表示激光雷达与障碍物左右两侧的距离值为激光雷达与隧道两侧墙壁的距离值,由此确定隧道内的横向定位;
若仅有左侧的距离值发生突变,则将未发生突变的右侧的距离值作为激光雷达与隧道右侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位;
若仅有右侧的距离值发生突变,则将未发生突变的左侧的距离值作为激光雷达与隧道左侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位;
进一步的,激光雷达与障碍物左右两侧的距离值是否发生突变的判断方法;
设置阈值,将步骤(5)与步骤(7)得到的激光雷达与障碍物的距离值分别与前一帧点云数据处理得到的相应的距离值相比较;若绝对差值大于阈值,则表示发生突变;否则表示没有发生突变;
进一步的,步骤(1)所述曲率计算公式:
Figure BDA0002822942480000068
式中,c为激光雷达点的曲率;S为同一激光束获得的连续五个点的点集合;|S|表示集合的S长度;
Figure BDA0002822942480000071
表示在雷达坐标系下,第k帧中的第i个点的坐标;
Figure BDA0002822942480000072
表示在雷达坐标系下,第k帧中的第j个点的坐标。
下面根据实际环境下的实验对本发明的技术方案验证效果与精度。首先为模拟隧道下的环境,实验环境设置在走廊,激光雷达放置在水平地面上进行测量得到算法结果值;根据钢卷尺得到实测结果值。实测结果与算法算法结果仅相差厘米级,同时算法的数据的波动也仅在1厘米之内。多次测量的结果对比如下表1所示:
表1测距结果对比
Figure BDA0002822942480000073
从表1中可看出,在本次的测量中,算法的测距结果在厘米级精度,并且波动范围在1厘米以内,则得到隧道内精度为厘米级的横向定位结果。
在某市内某隧道路段进行了隧道内车辆横向定位的测距实验,并根据实际经验验证算法的动态性与实用性。测试结果得到车辆距离左侧墙壁的距离是5.74米左右,距离右侧墙壁距离为6.21米左右,车辆靠左侧车道行驶,隧道总宽度为11.96米左右。再根据经验得知,隧道宽度大约在12米左右,得到激光雷达到隧道两侧墙壁的距离的精度符合要求。而车辆在行驶的过程中到两侧墙壁的距离不可能一成不变,所以车辆到两侧墙壁的距离在一定范围内波动,同时计算得到的隧道宽度结果相对稳定的,波动也在厘米级范围。

Claims (5)

1.一种基于激光雷达点云数据的隧道内横向定位方法,其特征在于,具体方法如下:
(1)获取激光雷达测量得到的隧道点云数据,并根据曲率将激光雷达点划分为平面点和非平面点,并剔除掉非平面点;
所述点云数据的前一帧点云数据,其中,每一帧点云数据是由所述激光雷达按照扫描角度范围完成一个周期的扫描得到的;
(2)设置激光雷达的最大仰角为θ,从步骤(1)中选择仰角为θ的激光雷达得到的点云数据进行计算,得到激光雷达在仰角为θ,不同水平旋角下测量得到的与障碍物的距离的水平值,并从中选择数值最小的m个,同时将其对应的点云数据构成集合{D};
其中,计算公式:
dγ=lθ·cosθ
Figure FDA0002822942470000011
式中,θ为激光雷达的最大仰角;γ为激光雷达的水平旋角;dγ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离的水平值;lθ为激光雷达在仰角为θ、水平旋角为γ的角度下测量得到的与障碍物的距离;{D}为dγ值最小m个激光雷达的点云数据集合;m为集合{D}的长度;
(3)为防止因路面的不平整因素或激光雷达的侧倾导致激光雷达偏移,从步骤(1)中选择仰角为α,α<θ的激光雷达得到的点云数据;
(4)对于步骤(2)所述集合{D}中的每一个激光雷达点,均从步骤(3)中选择相同水平旋角的点云数据进行计算,得到激光雷达在该水平旋角下测量得到的与障碍物的距离的水平值dl;计算公式:
Figure FDA0002822942470000012
Figure FDA0002822942470000013
式中,α为激光雷达的仰角,且α<θ;a为仰角为θ,水平旋角为γ的激光雷达点与仰角为α,水平旋角为γ的激光雷达点的距离;lα为激光雷达在仰角为α、水平旋角为γ的角度下测量得到的与障碍物的距离;dl为激光雷达在水平旋角γ下测量得到的与障碍物的距离的水平值;
(5)根据下列公式从步骤(4)所述参数dl中,选择最小值作为激光雷达与障碍物之间的确定距离值;其中,计算公式:
d=minldl
式中,d为激光雷达与障碍物的确定距离值;
(6)根据步骤(5)所述参数d所对应的激光雷达的水平旋角确定障碍物的位置;参数d所对应的激光雷达的水平旋角用
Figure FDA0002822942470000021
表示;若水平旋角
Figure FDA0002822942470000022
在0°-180°范围内,则表示障碍物位于激光雷达的右侧;若水平旋角
Figure FDA0002822942470000023
在-180°-0°范围内,则表示障碍物位于激光雷达的左侧;
(7)从步骤(1)中选择激光雷达在仰角为θ、水平旋角为
Figure FDA00028229424700000214
的角度下测量得到的与障碍物的距离lθ1,以及激光雷达在仰角为α,α<θ、水平旋角为
Figure FDA00028229424700000215
的角度下测量得到的与障碍物的距离lα1,通过下列公式计算得到激光雷达与另一侧的障碍物的距离值;所述另一侧为步骤(7)确定得到的障碍物位置的相对侧;
其中,计算公式:
Figure FDA0002822942470000024
Figure FDA0002822942470000025
式中,α为激光雷达的仰角,且α<θ;a′为仰角为θ,水平旋角为
Figure FDA0002822942470000026
的激光雷达点与仰角为α,水平旋角为
Figure FDA0002822942470000027
的激光雷达点的距离;lα1为激光雷达在仰角为α、水平旋角为
Figure FDA0002822942470000028
的角度下测量得到的与障碍物的距离;dl′为激光雷达在水平旋角
Figure FDA0002822942470000029
Figure FDA00028229424700000210
下测量得到的与障碍物的距离的水平值;
(8)分别判断激光雷达与障碍物左右两侧的距离值是否发生突变,并根据未发生突变的距离值作为激光雷达与隧道墙壁的距离完成隧道内横向定位。
2.根据权利要求1所述的一种基于激光雷达点云数据的隧道内横向定位方法,其特征在于,步骤(1)所述曲率计算公式:
Figure FDA00028229424700000211
式中,c为激光雷达点的曲率;S为同一激光束获得的连续五个点的点集合;|S|表示集合的S长度;
Figure FDA00028229424700000212
表示在雷达坐标系下,第k帧中的第i个点的坐标;
Figure FDA00028229424700000213
表示在雷达坐标系下,第k帧中的第j个点的坐标。
3.根据权利要求1所述的一种基于激光雷达点云数据的隧道内横向定位方法,其特征在于,所述每一帧点云数据包括所述激光雷达在对应的扫描角度下测量得到的与障碍物的距离、以及激光雷达点。
4.根据权利要求1所述的一种基于激光雷达点云数据的隧道内横向定位方法,其特征在于,步骤(8)所述方法具体包括:
若左右两侧的距离值均未发生突变,则表示激光雷达与障碍物左右两侧的距离值为激光雷达与隧道两侧墙壁的距离值,由此确定隧道内的横向定位;
若仅有左侧的距离值发生突变,则将未发生突变的右侧的距离值作为激光雷达与隧道右侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位;
若仅有右侧的距离值发生突变,则将未发生突变的左侧的距离值作为激光雷达与隧道左侧墙壁的距离;并根据隧道横向宽度值一定,得到激光雷达与隧道左侧墙壁的距离,由此完成隧道内对车辆的横向定位。
5.根据权利要求4所述的一种基于激光雷达点云数据的隧道内横向定位方法,其特征在于,步骤(8)激光雷达与障碍物左右两侧的距离值是否发生突变的判断方法:
设置阈值,将步骤(5)与步骤(7)得到的激光雷达与障碍物的距离值分别与前一帧点云数据处理得到的相应的距离值比较,若绝对差值大于阈值,则表示发生突变;否则表示没有发生突变。
CN202011442517.8A 2020-12-08 2020-12-08 一种基于激光雷达点云数据的隧道内横向定位方法 Active CN112711027B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011442517.8A CN112711027B (zh) 2020-12-08 2020-12-08 一种基于激光雷达点云数据的隧道内横向定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011442517.8A CN112711027B (zh) 2020-12-08 2020-12-08 一种基于激光雷达点云数据的隧道内横向定位方法

Publications (2)

Publication Number Publication Date
CN112711027A true CN112711027A (zh) 2021-04-27
CN112711027B CN112711027B (zh) 2024-05-10

Family

ID=75543028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011442517.8A Active CN112711027B (zh) 2020-12-08 2020-12-08 一种基于激光雷达点云数据的隧道内横向定位方法

Country Status (1)

Country Link
CN (1) CN112711027B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113290568A (zh) * 2021-05-21 2021-08-24 山东大学 一种自适应隧道检测机器人及工作方法
CN113587937A (zh) * 2021-06-29 2021-11-02 阿波罗智联(北京)科技有限公司 车辆的定位方法、装置、电子设备和存储介质
CN116299173A (zh) * 2023-01-06 2023-06-23 中铁武汉电气化局集团有限公司 一种基于激光测距与rfid技术的隧道定位方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170307735A1 (en) * 2016-04-22 2017-10-26 Mohsen Rohani Object detection using radar and machine learning
CN108089198A (zh) * 2017-12-11 2018-05-29 同方威视技术股份有限公司 三维扫描装置、机器人及数据处理方法
CN108802043A (zh) * 2017-05-11 2018-11-13 成都中信华瑞科技有限公司 隧道检测装置、检测系统及隧道病害信息提取方法
CN109186625A (zh) * 2018-10-24 2019-01-11 北京奥特贝睿科技有限公司 智能车辆利用混合采样滤波进行精确定位的方法及系统
CN110140063A (zh) * 2016-11-30 2019-08-16 布莱克莫尔传感器和分析公司 利用光学测距系统进行自适应扫描的方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170307735A1 (en) * 2016-04-22 2017-10-26 Mohsen Rohani Object detection using radar and machine learning
CN110140063A (zh) * 2016-11-30 2019-08-16 布莱克莫尔传感器和分析公司 利用光学测距系统进行自适应扫描的方法和系统
CN108802043A (zh) * 2017-05-11 2018-11-13 成都中信华瑞科技有限公司 隧道检测装置、检测系统及隧道病害信息提取方法
CN108089198A (zh) * 2017-12-11 2018-05-29 同方威视技术股份有限公司 三维扫描装置、机器人及数据处理方法
CN109186625A (zh) * 2018-10-24 2019-01-11 北京奥特贝睿科技有限公司 智能车辆利用混合采样滤波进行精确定位的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李中轶: "基于路面3D激光点云数据的车辙自动测量与横向定位", 传感技术学报, vol. 32, no. 4, pages 637 - 642 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113290568A (zh) * 2021-05-21 2021-08-24 山东大学 一种自适应隧道检测机器人及工作方法
CN113587937A (zh) * 2021-06-29 2021-11-02 阿波罗智联(北京)科技有限公司 车辆的定位方法、装置、电子设备和存储介质
CN116299173A (zh) * 2023-01-06 2023-06-23 中铁武汉电气化局集团有限公司 一种基于激光测距与rfid技术的隧道定位方法及系统
CN116299173B (zh) * 2023-01-06 2023-09-29 中铁武汉电气化局集团有限公司 一种基于激光测距与rfid技术的隧道定位方法及系统

Also Published As

Publication number Publication date
CN112711027B (zh) 2024-05-10

Similar Documents

Publication Publication Date Title
CN112711027A (zh) 一种基于激光雷达点云数据的隧道内横向定位方法
CN104950313B (zh) 一种路面提取及道路坡度识别方法
CN110745140B (zh) 一种基于连续图像约束位姿估计的车辆换道预警方法
Kriegman et al. A mobile robot: Sensing, planning and locomotion
CN108759823B (zh) 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法
CN110658531A (zh) 一种用于港口自动驾驶车辆的动态目标追踪方法
KR102327901B1 (ko) 이동하는 오브젝트 센서의 정렬을 교정하기 위한 방법
US20230083965A1 (en) Map construction method, apparatus and storage medium
CN112394726B (zh) 一种基于证据理论的无人船障碍物融合检测方法
CN107949768A (zh) 车辆位置推定装置、车辆位置推定方法
US10907972B2 (en) 3D localization device
CN112674646B (zh) 基于多算法融合的自适应贴边作业方法及机器人
CN112455502B (zh) 基于激光雷达的列车定位方法及装置
CN112229422A (zh) 基于fpga时间同步的里程计快速标定方法及系统
Śmieszek et al. Application of Kalman filter in navigation process of automated guided vehicles
CN114593739B (zh) 基于视觉检测与参考线匹配的车辆全局定位方法及装置
He et al. Real-time track obstacle detection from 3D LIDAR point cloud
Parra-Tsunekawa et al. A kalman-filtering-based approach for improving terrain mapping in off-road autonomous vehicles
CN115540875B (zh) 一种用于股道内列车车辆高精度检测定位的方法及系统
CN112200779A (zh) 面向无人驾驶的路表车辙形状及构造横向差异度评价方法
CN114740448B (zh) 用于车载雷达的目标状态估计方法、装置及存储介质
Sun et al. Mathematical Method for Lidar-based Obstacle Detection of Intelligent Vehicle
JP7298882B2 (ja) 車両の自己位置推定装置、及び車両
CN112415516B (zh) 一种车辆前方障碍区域感知方法及装置
CN111272176A (zh) 一种联合多波束测深的潜艇导航方法及系统

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