CN113063396B - 一种半挂车夹角的检测方法、装置、设备及存储介质 - Google Patents

一种半挂车夹角的检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN113063396B
CN113063396B CN202110297447.XA CN202110297447A CN113063396B CN 113063396 B CN113063396 B CN 113063396B CN 202110297447 A CN202110297447 A CN 202110297447A CN 113063396 B CN113063396 B CN 113063396B
Authority
CN
China
Prior art keywords
included angle
trailer
point cloud
obtaining
container
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
CN202110297447.XA
Other languages
English (en)
Other versions
CN113063396A (zh
Inventor
王燕
刘鹤云
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 Sinian Zhijia 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 CN202110297447.XA priority Critical patent/CN113063396B/zh
Publication of CN113063396A publication Critical patent/CN113063396A/zh
Application granted granted Critical
Publication of CN113063396B publication Critical patent/CN113063396B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C1/00—Measuring angles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及智能驾驶的技术领域，尤其是涉及一种半挂车夹角的检测方法、装置、设备及存储介质。所述方法包括：获得基于激光雷达检测的第一夹角；获得基于运动模型预测的第二夹角；通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。其通过整合基于激光雷达所获得的检测数据和基于车辆运动模型所得到的预测数据，在不提高检测成本的情况下，便捷获得满足决策规划组件需要的高精度夹角数据。

Description

一种半挂车夹角的检测方法、装置、设备及存储介质
技术领域
本发明涉及智能驾驶的技术领域，尤其是涉及一种半挂车夹角的检测方法、装置、设备及存储介质。
背景技术
半挂车是一种由牵引车和挂车共同组成的集装箱运载卡车，如图1所示，在俯视视角下，当半挂车处于转弯过程时，牵引车(的牵引中轴面1)与挂车(的挂车中轴面2)之间会形成一定夹角。
在智能驾驶领域，为了避免引起感知组件的误检，以及便于决策规划组件进行路径规划和碰撞分析，通常需要对上述夹角进行检测。
业界常见的夹角检测方案包括：
1、通过在挂车上安装反光标志物，来辅助激光雷达等传感器进行夹角检测。该方案存在两个问题。一方面，在挂车前沿安装反光标志物时，仅在夹角小的情况下可以工作；而在挂车两侧安装反光标志物时，又仅在夹角大的情况下可以工作。另一方面，加装反光标志物需要进行外参标定操作，这会增加较多的工作量。
2、通过检测集装箱的姿态数据来反推挂车的姿态数据，以此间接完成对上述夹角的检测工作。但在实际应用中，由于集装箱变形等问题的存在，使得最终得到的夹角精度无法满足决策规划组件的需要。
发明内容
本发明实施例提供一种半挂车夹角的检测方法、装置、设备及存储介质，可在不增设其他辅助部件的情况下，获得满足决策规划组件需要的高精度夹角数据。
第一方面，本发明实施例提供了一种半挂车夹角的检测方法，所述检测方法包括：
获得基于激光雷达检测的第一夹角；
获得基于运动模型预测的第二夹角；
通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。
第二方面，本发明实施例还提供一种半挂车夹角的检测装置，所述检测装置包括：
检测模块，用于获得基于激光雷达检测的第一夹角；
预测模块，用于获得基于运动模型预测的第二夹角；
处理模块，用于通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。
第三方面，本发明实施例还提供一种设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
激光雷达，用于获取指示挂车表面/挂车上所装载集装箱的数据点云集合；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如前述检测方法中的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面所述的检测方法。
本申请提供的技术方案带来的有益效果是：通过整合基于激光雷达所获得的检测数据和基于车辆运动模型所得到的预测数据，在不提高检测成本(即不增设额外的辅助部件)的情况下，便捷获得满足决策规划组件需要的高精度夹角数据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例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性的前提下，还可以根据这些附图获得其他的附图。
图1是半挂车在俯视视角下的结构示意图；
图2是本发明实施例一中的半挂车夹角的检测方法的流程图；
图3是本发明实施例二中的半挂车夹角的检测装置的结构示意图；
图4是本发明实施例三中的半挂车夹角的检测设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
图2为本发明的一种半挂车夹角的检测方法的流程图，如图2所示，本发明的半挂车夹角的检测方法包括以下步骤：
1100、获得基于激光雷达检测的第一夹角。
具体的，判断挂车上是否装载有集装箱，若是，则采集用于指示挂车上所装载集装箱的货箱点云集，并根据所述货箱点云集获得所述第一夹角；若否，则采集用于指示挂车表面的挂车点云集，并根据所述挂车点云集获得所述第一夹角。
需要说明的是，在实际应用中，上述激光雷达为设置于牵引车顶部中心位置的多线激光雷达，其输出频率通常为10Hz，一般通过在牵引车后方(即牵引车朝向挂车的方向)划定感兴趣区域ROI(Region Of Interest)的方式，来完成货箱点云集/挂车点云集的数据采集，但不以此为限。
另外，上述对挂车上是否装载有集装箱的判断一般通过重力传感器来完成，即通过在挂车上设置若干重力传感器，来完成对挂车表面所承载重力的测算，并判断测算得到重力数据是否大于预设的重力阈值，若是，则判定挂车上目前处于负荷状态(即挂车已装载有集装箱)；若否，则判定挂车上目前处于空载状态(即挂车上未装载集装箱)，上述示例仅用于说明判定挂车处于负荷/空载状态的一种实现方法，但不以此为限。
上述根据所述货箱点云集获得第一夹角的步骤包括：
A1、根据随机一致性采样算法对所述货箱点云集进行处理，获得拟合平面。
具体的，上述拟合平面用于指示所述集装箱朝向牵引车的一面，上述A1步骤的具体流程可以为：
先从上述货箱点云集中随机选择不共线的三个随机点，再根据所选择的三个随机点确定一个随机平面，后续计算货箱点云集内各点与该随机平面之间的距离，并将距离小于预设的第一距离阈值T1的点作为该随机平面的内点，最后对该随机平面的内点个数进行统计。
重复上述过程以获得多个随机平面，选出内点个数最多的一个随机平面，并将所选出的随机平面的所有内点作为拟合点云簇，随后根据该拟合点云簇获得拟合平面。
一般而言，上述根据拟合点云簇获得拟合平面的过程多通过最小二乘法的方式完成，即：
Figure BDA0002984867870000051
其中a、b、c均为拟合平面的参数，而点(xi,yi,zi)则为上述拟合点云簇中的任意点。
A2、根据牵引中轴面和拟合平面，获得第一夹角。
具体的，根据拟合平面的法向量与牵引中轴面求得第一夹角(即拟合平面的法向量与牵引中轴面之间的夹角)。
上述根据所述挂车点云集获得第一夹角的步骤包括：
B1、对挂车点云集进行聚类处理，得到多个原始点云簇，并从多个原始点云簇中筛分出目标点云簇。
在实际应用中，上述聚类处理的过程一般是通过K-means算法完成的，但不以此为限。
示例性的，从上述挂车点云集中随机选择几个点云点作为种子点，并基于所选定的几个种子点形成对应的初始化的簇集。
对挂车点云集内剩余的点云点进行遍历，并在遍历过程中，计算每个点云点与上述簇集对应的中心点的欧式距离，并判断所求得的欧式距离是否小于预设的第二距离阈值T2；若是，则将该点云点并入对应的簇集中，随后更新该簇集的中心点(即簇集每并入一个新的点云点，则重新计算一次该簇集的中心点)；若否(即该点云点与所有的簇集的中心点的欧式距离都大于或等于上述第二距离阈值T2)，则根据该点云点重新形成一个单独的簇集(此时所形成的单独的簇集的中心点即为该点云点)。
当上述遍历过程结束以后，所获得的多个相互独立的簇集即为所述多个原始点云簇。之后再对上述多个原始点云簇进行遍历，并在遍历过程中计算每个原始点云簇的中心点同牵引中轴面之间的间隔距离，最后从中筛选出间隔距离最小的原始点云簇作为目标点云簇。
B2、根据预设的铰接点、目标点云簇对应的中心点以及牵引中轴面，获得起始夹角。
具体的，上述铰接点用于指示牵引车与挂车之间的铰接位置，在实际应用中，上述铰接点和牵引中轴面均可通过预先量测的方式获得，在确定上述目标点云簇以后，通过连接目标点云簇的中心点和上述铰接点即可得到挂车的挂车中轴线，在已知挂车中轴线和牵引中轴面的情况下，便可求得用于粗略表示所述第一夹角的起始夹角。
B3、根据起始夹角定位挂车模型的初始坐标，并在预设波动范围内对初始坐标进行调整，以获得挂车的实际坐标。
具体的，因为挂车的长宽数据可预先测量得到，所以可通过与挂车实际长宽一致的矩形框(即上述挂车模型)来指代挂车。
在铰接点和牵引中轴面均已知的情况下，根据上述起始夹角确定上述矩形框(即挂车模型)的初始坐标，并计算上述目标点云簇落于处在初始坐标的矩形框(即挂车模型)内的点云数目；随后根据预设的角度波动范围对起始夹角的数值进行调整，同时根据调整后的起始夹角的数值重新确定矩形框(即挂车模型)的调整坐标，并计算上述目标点云簇落于处在调整坐标的矩形框(即挂车模型)内的点云数目。
将落于矩形框(即挂车模型)内的点云数目最多的坐标作为所述实际坐标，此时挂车模型与目标点云簇的拟合度最高。
另外，在实际应用中，上述角度波动范围一般为[2°，-2°]，但不以此为限。
B4、根据所述实际坐标和牵引中轴面，获得第一夹角。
具体的，根据挂车模型和所述实际坐标得到用于指示挂车中轴面的挂车中轴线，并据此求得所述第一夹角(即上述挂车中轴线与牵引中轴面之间的夹角)。
需要说明的是，由于挂车表面是平行于地面的平面，且其高度相对固定，所以相对于获取货车点云集的过程来说，在挂车点云集的获取过程会额外增设滤波处理(即通过预先测得的挂车高度来对挂车点云集的数据进行过滤)的步骤。
1200、获得基于运动模型预测的第二夹角。
具体的，获得第二夹角的步骤包括：
1201、获得历史夹角。
其中，上述历史夹角用于指示在前一单位时间内所检测到的目标夹角，且该单位时间具体用于指示上述激光雷达进行相邻两次点云数据采集的时间间隔。
1202、将历史夹角代入预设的车辆运动模型中，获得第二夹角。
上述车辆运动模型具体为：
Figure BDA0002984867870000071
式中，参数
Figure BDA0002984867870000072
用于指代所述第二夹角；
参数
Figure BDA0002984867870000073
用于指代所述历史夹角；
参数v用于指代牵引车的速度；
参数Δt用于指代所述单位时间；
参数
Figure BDA0002984867870000081
用于指代在获得所述历史夹角的时刻时，牵引车的车辆角度；
参数
Figure BDA0002984867870000082
用于指代在获得所述历史夹角的时刻时，挂车的车辆角度；
参数lwheelbase用于指代挂车的车轴长度。
需要说明的是，在实际应用中，上述参数v、
Figure BDA0002984867870000083
和
Figure BDA0002984867870000084
均可通过设置于牵引车/挂车上的高精度惯性导航系统实时获得，而参数lwheelbase则可通过提前测量得到。
在本实施例中，上述车辆运动模型由车辆运动学模型和阿克曼转向几何原理推导得到，但不以此为限。
1300、通过卡尔曼滤波算法对第一夹角和第二夹角进行处理，得到目标夹角。
具体的，所构建得到的卡尔曼滤波器可以为：
Figure BDA0002984867870000085
其中，参数Q和N分别表示状态噪声和观测噪声，参数
Figure BDA0002984867870000086
和
Figure BDA0002984867870000087
分别表示第二夹角和第一夹角。
通过上述卡尔曼滤波器和卡尔曼经典公式，在获得第一夹角和第二夹角以后，便可求得目标夹角。
在一优选实施例中，为降低噪声数据所带来的干扰，进一步提升第一夹角的数据精度，在执行步骤1300之前，还可以通过预设的中值滤波器对所述第一夹角进行降噪处理。
上述中值滤波器具体为：
Figure BDA0002984867870000088
式中，参数
Figure BDA0002984867870000091
用于指示经过降噪处理后的第一夹角，θref
用于指示前面若干帧(激光雷达在之前时间内所进行的若干次连续的数据采集过程)的目标夹角的中值滤波结果，参数W用于指示滤波阈值。
此时步骤1300所构建得到的卡尔曼滤波器则为：
Figure BDA0002984867870000092
本发明通过卡尔曼滤波算法综合基于激光雷达采集的检测数据(即第一夹角)和基于车辆运动模型推导的预测数据(即第二夹角)，在不提高检测成本(即不增设额外的辅助部件)的情况下，能获得满足决策规划组件需要的高精度夹角数据(即目标夹角)，且具备时效性强和计算量需求小的优点，同时还能有效去除检测过程中的高斯噪声以及非高斯噪声，令最终所获得的目标夹角的数据精度得到提升。
并且还通过区分挂车的负荷状态和空载状态，并对这两种状态采取不同的检测方式，来进一步提升所检测到的第一夹角的数据精度，从而达到进一步提升目标夹角的数据精度的目的。尤其是在挂车处于空载状态的情况下，先通过聚类算法获得目标点云簇(以排除其它半挂车靠近激光雷达时所混入的噪声数据)，并据该目标点云簇求得起始夹角(第二夹角的粗略检测值)，再通过预设的挂车模型和角度波动范围在上述起始夹角的基础上进行调优(计算量小且计算结果更精确)，以快速得到高精度的第一夹角。
实施例二
图3为本发明的一种半挂车夹角的检测装置的结构示意图，如图3所示，所述检测装置具体包括：
检测模块2100，用于获得基于激光雷达检测的第一夹角。
预测模块2200，用于获得基于运动模型预测的第二夹角。
处理模块2300，用于通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。
进一步的，所述检测模块2100具体包括：
采样子模块，用于获取货箱点云集/挂车点云集，所述货箱点云集用于指示挂车上所装载集装箱的数据点云集合，所述挂车点云集用于指示挂车表面的数据点云集合。
分析子模块，用于判断挂车上是否装载有集装箱，若是，则根据所述货箱点云集获得所述第一夹角；若否，则根据所述挂车点云集获得所述第一夹角。
进一步的，所述分析子模块具体用于，对挂车是否装载有集装箱的情况进行判断。
若判定挂车上装载有集装箱，则根据随机一致性采样算法对所述货箱点云集进行处理，获得拟合平面，后续再根据牵引中轴面和所述拟合平面，获得所述第一夹角。其中，所述拟合平面用于指示所述集装箱朝向牵引车的一面。
若判定挂车上未装载有集装箱，则对所述挂车点云集进行聚类处理，以得到多个原始点云簇，并从所述多个原始点云簇中筛分出目标点云簇；后续根据预设的铰接点、所述目标点云簇对应的中心点以及牵引中轴面，获得起始夹角；接着根据所述起始夹角定位预设的挂车模型的初始坐标，并在预设波动范围内对所述初始坐标进行调整，以获得挂车的实际坐标；最后根据所述挂车模型的实际坐标和牵引中轴面，获得所述第一夹角。其中，所述目标点云簇对应的中心点与牵引中轴面的距离在所述多个原始点云簇中最短；所述铰接点用于指示牵引车与挂车之间的铰接位置；所述实际坐标用于指示所述挂车模型与所述目标点云簇拟合度最高的坐标位置。
进一步的，所述预测模块2200具体用于，获得历史夹角，并将所述历史夹角代入预设的车辆运动模型中，以获得所述第二夹角。其中，所述历史夹角用于指示在前一单位时间内检测到的所述目标夹角。
优选的，所述检测模块2100还包括：
滤波子模块，用于在所述处理模块对第一夹角和第二夹角进行处理之前，通过预设的中值滤波器对所述第一夹角进行降噪处理。
实施例三
图4为本发明所提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括存储器3100、处理器3200，计算机设备中处理器3200的数量可以是一个或多个，图4中以一个处理器3200为例；设备中的存储器3100、处理器3200可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器3100作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块。处理器3200通过运行存储在存储器3100中的软件程序、指令以及模块，从而执行设备/终端/设备的各种功能应用以及数据处理，即实现上述半挂车夹角的检测方法。
其中，处理器3200用于运行存储在存储器3100中的计算机程序，实现如下步骤：
获得基于激光雷达检测的第一夹角；
获得基于运动模型预测的第二夹角；
通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。
在其中一个实施例中，本发明实施例所提供的一种计算机设备,其计算机程序不限于如上的方法操作,还可以执行本发明任意实施例所提供的检测方法中的相关操作。
存储器3100可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器3100可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器3100可进一步包括相对于处理器3200远程设置的存储器，这些远程存储器可以通过网络连接至设备/终端/设备。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。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，计算机程序包括程序指令，该程序指令被处理器执行时实现一种半挂车夹角的检测方法，该检测方法包括：
获得基于激光雷达检测的第一夹角；
获得基于运动模型预测的第二夹角；
通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，设备，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述半挂车夹角的检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (7)

1.一种半挂车夹角的检测方法，其特征在于，所述方法包括：
获得基于激光雷达检测的第一夹角；
获得基于运动模型预测的第二夹角；
通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角；
其中，所述获得基于激光雷达检测的第一夹角的步骤包括：
判断挂车上是否装载有集装箱，若是，则采集用于指示挂车上所装载集装箱的货箱点云集，并根据所述货箱点云集获得所述第一夹角；若否，则采集用于指示挂车表面的挂车点云集，并根据所述挂车点云集获得所述第一夹角；
其中，所述根据所述挂车点云集获得所述第一夹角的步骤包括：
对所述挂车点云集进行聚类处理，得到多个原始点云簇，并从所述多个原始点云簇中筛分出目标点云簇，所述目标点云簇对应的中心点与牵引中轴面的距离在所述多个原始点云簇中最短；
根据预设的铰接点、所述目标点云簇对应的中心点以及牵引中轴面，获得起始夹角，所述铰接点用于指示牵引车与挂车之间的铰接位置；
根据所述起始夹角定位预设的挂车模型的初始坐标，并在预设波动范围内对所述初始坐标进行调整，以获得挂车的实际坐标，所述实际坐标用于指示所述挂车模型与所述目标点云簇拟合度最高的坐标位置；
根据所述挂车模型的实际坐标和牵引中轴面，获得所述第一夹角。
2.根据权利要求1所述的方法，其特征在于，所述根据所述货箱点云集获得所述第一夹角的步骤包括：
根据随机一致性采样算法对所述货箱点云集进行处理，获得拟合平面，所述拟合平面用于指示所述集装箱朝向牵引车的一面；
根据牵引中轴面和所述拟合平面，获得所述第一夹角。
3.根据权利要求1所述的方法，其特征在于，所述获得基于运动模型预测的第二夹角的步骤包括：
获得历史夹角，所述历史夹角用于指示在前一单位时间内检测到的所述目标夹角；
将所述历史夹角代入预设的车辆运动模型中，获得所述第二夹角；
其中，所述车辆运动模型具体为：
Figure FDA0003797601280000021
式中，参数
Figure FDA0003797601280000022
用于指代所述第二夹角；
参数
Figure FDA0003797601280000023
用于指代所述历史夹角；
参数v用于指代牵引车的速度；
参数Δt用于指代所述单位时间；
参数
Figure FDA0003797601280000024
用于指代在获得所述历史夹角的时刻时，牵引车的车辆角度；
参数
Figure FDA0003797601280000025
用于指代在获得所述历史夹角的时刻时，挂车的车辆角度；
参数lwheelbase用于指代挂车的车轴长度。
4.根据权利要求1所述的方法，其特征在于，在通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理之前，所述方法还包括：
通过预设的中值滤波器对所述第一夹角进行降噪。
5.一种半挂车夹角的检测装置，其特征在于，所述检测装置包括：
检测模块，用于获得基于激光雷达检测的第一夹角；
预测模块，用于获得基于运动模型预测的第二夹角；
处理模块，用于通过卡尔曼滤波算法对所述第一夹角和所述第二夹角进行处理，得到目标夹角；
其中，所述检测模块具体包括：
采样子模块，用于获取货箱点云集/挂车点云集，所述货箱点云集用于指示挂车上所装载集装箱的数据点云集合，所述挂车点云集用于指示挂车表面的数据点云集合；
分析子模块，用于判断挂车上是否装载有集装箱，若是，则根据所述货箱点云集获得所述第一夹角；若否，则根据所述挂车点云集获得所述第一夹角；
其中，所述分析子模块具体用于，对挂车是否装载有集装箱的情况进行判断，若判定挂车上未装载有集装箱，则对所述挂车点云集进行聚类处理，以得到多个原始点云簇，并从所述多个原始点云簇中筛分出目标点云簇；后续根据预设的铰接点、所述目标点云簇对应的中心点以及牵引中轴面，获得起始夹角；接着根据所述起始夹角定位预设的挂车模型的初始坐标，并在预设波动范围内对所述初始坐标进行调整，以获得挂车的实际坐标；最后根据所述挂车模型的实际坐标和牵引中轴面，获得所述第一夹角；
其中，所述目标点云簇对应的中心点与牵引中轴面的距离在所述多个原始点云簇中最短；所述铰接点用于指示牵引车与挂车之间的铰接位置；所述实际坐标用于指示所述挂车模型与所述目标点云簇拟合度最高的坐标位置。
6.一种半挂车夹角的检测设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
激光雷达，用于获取指示挂车表面/挂车上所装载集装箱的数据点云集合；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的检测方法。
7.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，其特征在于，该程序指令被处理器执行时实现如权利要求1-4中任一所述的半挂车夹角的检测方法。
CN202110297447.XA 2021-03-19 2021-03-19 一种半挂车夹角的检测方法、装置、设备及存储介质 Active CN113063396B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110297447.XA CN113063396B (zh) 2021-03-19 2021-03-19 一种半挂车夹角的检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110297447.XA CN113063396B (zh) 2021-03-19 2021-03-19 一种半挂车夹角的检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113063396A CN113063396A (zh) 2021-07-02
CN113063396B true CN113063396B (zh) 2022-09-27

Family

ID=76562593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110297447.XA Active CN113063396B (zh) 2021-03-19 2021-03-19 一种半挂车夹角的检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113063396B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114279452B (zh) * 2021-12-29 2024-04-12 北京斯年智驾科技有限公司 无人集卡挂车姿态检测方法及检测系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108761481A (zh) * 2018-04-09 2018-11-06 北京图森未来科技有限公司 一种挂箱夹角测量系统及测量方法、半挂车
US10935378B2 (en) * 2018-05-21 2021-03-02 Tusimple, Inc. System and method for angle measurement
CN111288930A (zh) * 2018-11-20 2020-06-16 北京图森智途科技有限公司 一种挂车夹角的测量方法、装置及车辆
CN116184417A (zh) * 2018-12-10 2023-05-30 北京图森智途科技有限公司 一种挂车夹角的测量方法、装置及车辆
CN112362055B (zh) * 2020-12-01 2022-12-30 苏州挚途科技有限公司 姿态估计方法、装置和电子设备

Also Published As

Publication number Publication date
CN113063396A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN110764108B (zh) 一种用于港口自动驾驶场景的障碍物检测方法及装置
CN109795477B (zh) 消除稳态横向偏差的方法、装置及存储介质
CN107103275B (zh) 使用雷达和视觉基于车轮进行的车辆检测和追踪
WO2023071442A1 (zh) 一种数据处理方法和装置
CN113063396B (zh) 一种半挂车夹角的检测方法、装置、设备及存储介质
CN109143221B (zh) 目标跟踪方法及装置
Kellner et al. Road curb detection based on different elevation mapping techniques
CN112700479A (zh) 一种基于cnn点云目标检测的配准方法
CN113109783A (zh) 航向角获取方法、装置、设备和存储介质
CN113870357A (zh) 摄像头外参标定方法、装置、感知设备和存储介质
CN115214692A (zh) 质心速度确定方法以及装置
CN108693517B (zh) 车辆定位方法、装置和雷达
CN112744217B (zh) 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质
CN114296095A (zh) 自动驾驶车辆的有效目标提取方法、装置、车辆及介质
CN112183157A (zh) 道路几何识别方法及装置
CN115525049A (zh) 车辆避障方法、装置、设备及存储介质
CN112229396B (zh) 无人车重定位方法、装置、设备及存储介质
CN114954532A (zh) 一种车道线确定方法、装置、设备和存储介质
US20220221585A1 (en) Systems and methods for monitoring lidar sensor health
CN114428251A (zh) 一种雷达测量精度的确定方法及装置
US20230075921A1 (en) Method for operating radar sensors
CN115973131B (zh) 一种矿区无人驾驶车辆预防翻车方法和相关装置
CN112711027B (zh) 一种基于激光雷达点云数据的隧道内横向定位方法
CN117818656A (zh) 行驶轨迹调整方法、装置及存储介质
CN118025134A (zh) 车辆防翻转的控制方法、装置、车辆及介质

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