CN112764044B - 一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法 - Google Patents

Abstract

本发明涉及导航定位技术领域，尤其涉及一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法。它包括以下步骤：(1)、收到位置信息，同时将下面一个集装箱作为参考箱，得到前方探测位置与后方探测位置；(2)、在箱区内行驶，当行驶到前方探测位置范围时，控制激光雷达进行扫描，然后判断是否包含参考箱，若包含，则跳转到下一步，若不包含，则跳转到步骤(4)；(3)、得到对位点，完成对位；(4)、继续行驶，当无人驾驶集卡行驶到后方探测位置范围时，控制激光雷达进行扫描；(5)、得到结束点，完成对位。采用这种方法，可以提升单车智能，由单车传感器解决箱区精确、流畅停位功能。

Description

一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法

技术领域

本发明涉及导航定位技术领域，尤其涉及一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法。

背景技术

智慧港口是现代港口发展的必然趋势，其主要宗旨是充分借助物联网、传感网、云计算、决策分析优化等技术手段，通过预测感知、广泛连接、深度计算各港口供应链系统核心的关键信息，实现港口供应链上的各种资源和各个参与方之间无缝连接与协调联动，从而对港口管理做出及时响应，形成信息化、智能化和最优化的现代港口应用。智慧港口的实现，需要通过各类信息通信技术、传感定位技术将港口码头信息、物流装备、堆场仓储作业、货物运输等物流信息进行采集并有效处理、整合和数据挖掘。

无人驾驶集卡是智慧港口的重要组成部分，但是现有技术港区内无人驾驶集卡的其中1大难题是箱区堆场内的精确、流畅、快速对位，完成停车，而当前港区，随着时间推移，箱区内的贝位标志线缺失、残损、被杂草遮盖等，导致当前普遍解决方案是利用外部辅助装置进行辅助定位，所以存在以下缺陷：

1、需要额外的大量辅助定位设备进行铺设，增加投入成本；

2、辅助定位设备的后期运营期间的维护成本极高，甚至需要封道施工，影响生产作业；

3、故障节点增加，一旦同一时间多个辅助设备失效，会导致对位精度无法满足实际作业要求；

4、应用场景受限，部分场地不支持辅助定位设备的安装；

5、在集装箱队列参差不齐时，本方案无法很好的进行适配。

发明内容

本发明所要解决的技术问题是：提供一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，本发明主要是将无人驾驶集卡的拖挂上放置的集装箱卸载到箱区堆场对应的位置上，采用这种方法，可以提升单车智能，由单车传感器解决箱区精确、流畅停位功能，支持各种需要集装箱精确对位的应用场景，并且只需要通过现有的激光雷达+算法代替辅助硬件设备的投入，降低硬件投入及后期运营维护成本，同时扩大对位应用场景。

本发明所采用的技术方案是一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，它包括以下步骤：

(1)、无人驾驶集卡收到箱区内目标作业贝位及目标作业箱的位置信息，同时将目标作业箱放置位置的下面一个集装箱作为参考箱，然后根据目标作业贝位位置信息得到目标作业贝位的前方探测位置与后方探测位置；

(2)、无人驾驶集卡根据步骤(1)得到的目标作业贝位位置信息通过自身定位模块进行导航，在箱区内行驶，并且当无人驾驶集卡行驶到前方探测位置范围时，控制激光雷达进行扫描，然后扫描得到目标作业贝位上集装箱的前侧边框信息，然后判断目标作业贝位上集装箱的前侧边框中是否包含参考箱的前侧边框信息，若包含，则跳转到下一步，若不包含，则跳转到步骤(4)；

(3)、根据步骤(2)得到的参考箱的前侧边框信息得到卸箱的起始点，然后结合目标作业箱的箱型尺寸信息得到对位点，然后控制无人驾驶集卡行驶到对位点完成对位；

(4)、控制无人驾驶集卡继续行驶，当无人驾驶集卡行驶到后方探测位置范围时，控制激光雷达进行扫描，得到目标作业贝位上集装箱的后侧边框信息，且目标作业贝位上集装箱的后侧边框信息中包括参考箱的后侧边框信息；

(5)、将步骤(4)得到的参考箱的后侧边框信息得到卸箱的结束点，然后控制无人驾驶集卡行驶到结束点完成对位。

作为优选，步骤(3)完成对位后还需要通过激光雷达扫描作业贝位上集装箱的后侧边框，得到参考箱后侧边框信息，然后得到集装箱卸箱的结束点，并且比对对位点与结束点，如果偏差大于设定的阈值，则需要根据结束点进行位置矫正。

作为优选，若步骤(1)得到的目标作业箱的位置信息中目标作业箱放置位置为第一层，则按照箱区的贝位标志线进行对位。

作为优选，步骤(3)与步骤(5)中无人驾驶集卡进行对位时是需要控制无人驾驶集卡快速刹停。

作为优选，步骤(2)以及步骤(4)中激光雷达是分别通过箱区的目标作业贝位左右两侧间隙进行扫描的。

作为优选，步骤(2)与步骤(4)中激光雷达扫描时，需要根据激光雷达性能，提前控制无人驾驶集卡速度。

作为优选，所述自身定位模块包括卫星定位、惯导、轮速计以及高精度地图。

作为优选，步骤(2)与步骤(4)激光雷达扫描时需要控制激光雷达在竖直方向的角度调整。

作为优选，激光雷达扫描后得到激光点云数据，然后通过激光点云数据得到边框信息，其具体步骤为：

A、点云数据处理；

B、基于点云的障碍物分割；

C、障碍物边框构建；

D、点云到图像平面的投射。

作为优选，通过目标贝位上集装箱边框信息判断是否包含参考箱的边框信息具体是通过目标作业箱位置信息来进行判断的。

采用以上方法与现有技术相比，本发明具有以下优点：定位时不使用任何外部辅助定位设备，只需要采用无人驾驶集卡本身就自带的激光雷达即可，能很好的提升无人驾驶集卡的自主停位能力，并且大大降低了采购成本及后期运营期间的维护成本，而且可以适配各种堆箱情况下的精确、流畅对位问题，提升作业效率，减少停位不准造成的生产作业风险，提高作业效率。

附图说明

图1为本发明前方探测位置以及后方探测位置的示意图。

图2为本发明卸箱位置的示意图。

图3为本发明其中一种情况的示意图。

具体实施方式

以下通过具体实施方式对本发明做进一步描述，但是本发明不仅限于以下具体实施方式。

具体实施例一：一种基于激光雷达的无人驾驶集卡箱区内卸箱的精确对位方法，其中的无人驾驶集卡包括车头与拖挂，车头上安装有激光雷达，并且激光雷达的扫描方向是可以在竖直方向调整的，即激光雷达的探头是可以抬起放下的，而且车上还安装有GPS、惯导、轮速计以及高精度地图等定位模块，并且在拖挂上放置了集装箱，需要将这个集装箱放置到箱区设定的位置上，并且将需要放置的集装箱称为目标作业箱，则这个目标作业箱卸箱完成后其下方的集装箱称为参考箱，也称为扫描目标箱，如图2所示，本发明的具体包括以下步骤：

(1)、首先是将目标作业箱放置在拖挂上，然后将这个目标作业箱的信息发送给无人驾驶集卡，信息主要包括箱区内目标作业贝位信息以及目标作业箱的列信息与行信息，即简单的说就是一个具体的放置位置信息，而且需要根据目标作业箱的放置位置信息得到参考箱的位置信息，并且根据目标作业贝位信息可以通过计算得到激光雷达的前方探测位置与后方探测位置，如图1所示，即无人驾驶集卡行驶到某一个位置时，激光雷达是可以通过两个集装箱之间的间隙扫描到参考箱的边框的，前方探测位置主要是指无人驾驶集卡行驶到这个位置范围时，激光雷达可以开始扫描参考箱前侧的边框，同理，后方探测位置主要是指无人驾驶集卡行驶到这个位置时，激光雷达可以开始扫描参考箱后侧的边框；

(2)、无人驾驶集卡根据步骤(1)得到的放置位置信息并且通过自身定位模块进行导航，即主要是依靠卫星定位、惯导、轮速计以及高精度地图来进行导航，控制无人驾驶集卡在箱区内朝着放置位置行驶，并且此时，无人驾驶集卡会一直在判断自身位置是否到达设定的前方探测位置范围，如果无人驾驶集卡行驶到前方探测位置范围，则需要控制激光雷达启动，开始通过两个集装箱之间的间隙进行扫描，而且需要根据参考箱的高度信息来调整激光雷达的朝向高度，然后扫描得到激光点云数据，并且根据激光点云数据得到目标作业贝位上集装箱的前侧边框信息，具体步骤包括基于点云的障碍物分割；障碍物边框构建以及点云到图像平面的投射，因为通过激光点云来得到边框信息是现有技术激光雷达方面比较常规的技术方案，所以在此不详细展开，然后判断目标作业贝位上集装箱的前侧边框信息中是否包含参考箱的前侧边框信息，具体判断方式为根据目标作业箱的列信息与行信息得到参考箱的行列信息，然后在得到的目标作业贝位上集装箱前侧边框信息上计算查找，若能查找到有存在对应位置的边框，则判断是包含参考箱的边框，若没有查找到有存在对应位置的边框，则判断为不包含参考箱的边框；判断完成，若包含，则跳转到下一步，若不包含，如图3所示的情况，在前方探测位置扫描时，参考箱可能是被挡住的，此时激光雷达是扫描不到参考箱的，则需要跳转到步骤(4)；

(3)、根据步骤(2)得到的参考箱的前侧边框信息得到卸箱的起始点，然后结合目标作业箱的箱型尺寸信息得到对位点，然后控制无人驾驶集卡行驶到对位点完成对位；因为目标作业箱是要放置在参考箱上面的，所以需要知道参考箱的前侧边缘，然后根据参考箱自身的尺寸(20尺、40尺、45尺)，就可以得到参考箱后侧的边缘，得到对位点，这样就可以将无人驾驶集卡携带的作业箱去对准这个对位点来实现对位卸箱了；

(4)、控制无人驾驶集卡继续行驶，并且此时，无人驾驶集卡会一直在判断自身位置是否到达设定的后方探测位置范围，当无人驾驶集卡行驶到后方探测位置范围时，控制激光雷达工作，开始通过两个集装箱之间的间隙扫描，并且因为如果前方探测位置没有探测到参考箱，则后方探测位置一定是可以探测到参考箱的；

(5)、当扫描完成后，控制激光雷达关闭，根据步骤(4)激光雷达扫描得到激光点云数据，然后根据激光点云数据得到参考箱后侧边框，具体包括基于点云的障碍物分割；障碍物边框构建以及点云到图像平面的投射，同样因为通过激光点云来得到边框信息是现有技术激光雷达方面比较常规的技术方案，所以在此不详细展开，并且根据得到的参考箱的后侧边框信息，可以得到卸箱的结束点，然后控制无人驾驶集卡行驶到结束点完成对位。

具体实施例二，与具体实施例一的区别在于，具体实施例二中当无人驾驶集卡驶入到前方探测位置范围以及后方探测位置范围时，无人驾驶集卡需要减速，这样可以给激光雷达更多的探测时间，使得探测的准确性更高。

具体实施例三，与具体实施例一的区别在于，具体实施例三中当无人驾驶集卡已经通过激光雷达得到了结束点后，需要通过多次点刹来延长对位时间，使得无人驾驶集卡能很好的对位，保证对位的准确度。

具体实施例四，与具体实施例一相比，具体实施例四中步骤(3)完成对位后还需要通过激光雷达扫描扫描作业贝位上集装箱的后侧边框，得到参考箱后侧边框信息，然后得到集装箱卸箱的结束点，并且比对对位点与结束点，如果偏差大于设定的阈值，则需要根据结束点进行位置矫正。

具体实施例五，与具体实施例一相比，具体实施例五中判断目标作业贝位上集装箱的前侧边框信息中是否包含参考箱的前侧边框信息的判断方式不同，先建标准贝位集装箱模型，然后将扫描得到的目标作业贝位上集装箱的前侧边框信息与标准贝位集装箱模型进行匹配，然后根据目标作业箱的列信息与行信息来判断是否扫描到参考箱的前侧边框信息。

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，本领域的技术人员应当理解，其依然可以对前述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同等替换；而这些修改或者替换，并不使相应的技术方案的本质脱离本发明各实施例技术方案的精神与范围。

Claims (6)

1.一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于，它包括以下步骤：

(1)、无人驾驶集卡收到箱区内目标作业贝位及目标作业箱的位置信息，同时将目标作业箱放置位置的下面一个集装箱作为参考箱，然后根据目标作业贝位位置信息得到目标作业贝位的前方探测位置与后方探测位置；当步骤(1)得到的目标作业箱的位置信息中目标作业箱放置位置为第一层，则按照箱区的贝位标志线进行对位；

(2)、无人驾驶集卡根据步骤(1)得到的目标作业贝位位置信息通过自身定位模块进行导航，在箱区内行驶，并且当无人驾驶集卡行驶到前方探测位置范围时，控制激光雷达进行扫描，然后扫描得到目标作业贝位上集装箱的前侧边框信息，然后判断目标作业贝位上集装箱的前侧边框信息中是否包含参考箱的前侧边框信息，当包含，则跳转到下一步，当不包含，则跳转到步骤(4)；(3)、根据步骤(2)得到的参考箱的前侧边框信息得到卸箱的起始点，然后结合目标作业箱的箱型尺寸信息得到对位点，然后控制无人驾驶集卡行驶到对位点完成对位；步骤(3)完成对位后还需要通过激光雷达扫描作业贝位上集装箱的后侧边框，得到参考箱后侧边框信息，然后得到集装箱卸箱的结束点，并且比对对位点与结束点，如果偏差大于设定的阈值，则需要根据结束点进行位置矫正；

(4)、控制无人驾驶集卡继续行驶，当无人驾驶集卡行驶到后方探测位置范围时，控制激光雷达进行扫描，得到目标作业贝位上集装箱的后侧边框信息，且目标作业贝位上集装箱的后侧边框信息中包括参考箱的后侧边框信息；步骤(2)以及步骤(4)中激光雷达是分别通过箱区的目标作业贝位左右两侧间隙进行扫描的；步骤(2)与步骤(4)激光雷达扫描时需要控制激光雷达在竖直方向的角度调整；

(5)、根据步骤(4)得到的参考箱的后侧边框信息得到卸箱的结束点，然后控制无人驾驶集卡行驶到结束点完成对位。

2.根据权利要求1所述的一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于：步骤(3)与步骤(5)中无人驾驶集卡进行对位时是需要控制无人驾驶集卡快速刹停。

3.根据权利要求1所述的一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于：步骤(2)与步骤(4)中激光雷达扫描时，需要根据激光雷达性能，提前控制无人驾驶集卡速度。

4.根据权利要求1所述的一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于：所述自身定位模块包括卫星定位、惯导、轮速计以及高精度地图。

5.根据权利要求1所述的一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于：激光雷达扫描后得到激光点云数据，然后通过激光点云数据得到边框信息，其具体步骤为：A、点云数据处理；B、基于点云的障碍物分割；C、障碍物边框构建；D、点云到图像平面的投射。

6.根据权利要求1所述的一种基于激光雷达的无人驾驶集卡卸箱的精确对位方法，其特征在于：通过目标贝位上集装箱边框信息判断是否包含参考箱的边框信息具体是通过目标作业箱位置信息来进行判断的。