CN113805194B - 无人车功能组件的复合导航系统、方法、设备及存储介质 - Google Patents

无人车功能组件的复合导航系统、方法、设备及存储介质 Download PDF

Info

Publication number
CN113805194B
CN113805194B CN202110875685.4A CN202110875685A CN113805194B CN 113805194 B CN113805194 B CN 113805194B CN 202110875685 A CN202110875685 A CN 202110875685A CN 113805194 B CN113805194 B CN 113805194B
Authority
CN
China
Prior art keywords
vehicle
functional
laser radar
point cloud
unmanned
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
CN202110875685.4A
Other languages
English (en)
Other versions
CN113805194A (zh
Inventor
谭黎敏
梁炽盛
刘辉
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.)
Shanghai Xijing Technology Co ltd
Original Assignee
Shanghai Xijing 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 Shanghai Xijing Technology Co ltd filed Critical Shanghai Xijing Technology Co ltd
Priority to CN202110875685.4A priority Critical patent/CN113805194B/zh
Publication of CN113805194A publication Critical patent/CN113805194A/zh
Application granted granted Critical
Publication of CN113805194B publication Critical patent/CN113805194B/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
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar 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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了无人车功能组件的复合导航系统、方法、设备及存储介质，系统包括：一无人平台车，设有一第一激光雷达；一功能车身组件，设有离地高度高于第一激光雷达的第二激光雷达；当无人平台车独立行驶时，识别第一激光雷达的点云数据获得障碍物类别标签和定位；当无人平台车与功能车身组件对接后，识别第一激光雷达采集近处的点云数据获得路面障碍物类别标签和定位；识别第二激光雷达采集远处的点云数据获得路上障碍物类别标签和定位，识别模块基于实时获得的障碍物类别标签和定位生成导航路径。本发明能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。

Description

无人车功能组件的复合导航系统、方法、设备及存储介质
技术领域
本发明涉及一种无人运输领域，特别是涉及无人车功能组件的复合导航系统、方法、设备及存储介质。
背景技术
随着自动化码头、机场以及大型园区的集装箱运输业的迅猛发展，为提高营运效率，增强集装箱或人员运输的能力，这就要求具有先进科学的生产组织系统、可靠高效的自动化装卸设备，更多的货物、人员需要运输，运输的效率和质量显得尤为重要。
即便有与无人车组合使用的辅助设备，但是，通常在组合前或者组合后都是用相同的一套导航系统，存在安全风险。例如，组合后设备整体高度大大增加，需要监测高空位置的障碍物对车辆的影像。
而且，无人码头的现场环境非常复杂，可能包括各种车辆、行人、大型设备、围墙、集装箱、地面对方杂物、地面引导标识等等从单一的检测数据源中要识别很多类别的会使得神经网络的模型极其复杂，降低了运算速度，从而存在行驶时的安全隐患。
因此，本发明提供了一种无人车功能组件的复合导航系统、方法、设备及存储介质。
发明内容
针对现有技术中的问题，本发明的目的在于提供无人车功能组件的复合导航系统、方法、设备及存储介质，克服了现有技术的困难，能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
本发明的实施例提供一种无人车功能组件的复合导航系统，包括：
一无人平台车，所述无人平台车的两侧分别设有一第一激光雷达，所述第一激光雷达连接于所述无人平台车内置的识别模块；
一功能车身组件，设有第二激光雷达，所述第二激光雷达的离地高度高于所述第一激光雷达的离地高度；
当所述无人平台车独立行驶时，所述第一激光雷达采集第一扫描区域的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位；当所述无人平台车与所述功能车身组件对接后，所述第二激光雷达连接所述识别模块，所述第一激光雷达采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位；所述第二激光雷达采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位，所述识别模块基于实时获得的障碍物类别标签和定位生成导航路径。
优选地，所述功能车身组件底部设有一悬空的对接部，所述对接部设有一第二接头组件，所述第二接头组件与所述无人平台车的上表面的第一接头组件机械连接并交互数据，所述功能车身组件的两侧分别设有一第二激光雷达。
优选地，所述第一激光雷达被连接于一旋转座，当所述无人平台车与所述功能车身组件对接后，所述旋转座带动所述第一激光雷达旋转，使所述第一激光雷达的第二扫描区域到车头的第一最小距离小于所述第二激光雷达的第三扫描区域与车头的第二最小距离。
优选地，所述第二扫描区域位于所述第三扫描区域与所述无人平台车的车头之间。
优选地，所述第二扫描区域与所述第三扫描区域不重叠。
优选地，每个所述第一激光雷达的第二扫描区域分别与所述第三扫描区域局部重叠，两个所述第一激光雷达的第二扫描区域相互之间局部重叠。
优选地，所述路面障碍物类别标签至少包括路面凹陷、路边台阶以及地面引导标识，所述路上障碍物类别标签至少包括车辆、行人。
优选地，所述第二激光雷达分别设置于所述功能车身组件的车头侧顶部的两侧，且所述功能车身组件底部的车头一侧的对接部与地面悬空，形成供所述无人平台车对接的所述对接空间，
优选地，所述第一激光雷达被连接于一旋转座，所述旋转座具有垂直于行驶方向的水平旋转轴，通过所述旋转座的转动，向所述无人平台车的车头拉近所述第一激光雷达的扫描区域
优选地，所述功能车身组件为一载客车厢，所述载客车厢底部的车尾一侧设有车门区域和车桥。
优选地，所述功能车身组件为一货箱，所述货箱叠合于所述无人平台车的上表面。
本发明的实施例还提供一种无人车功能组件的复合导航方法，采用上述的无人车功能组件的复合导航系统，包括：
S110、判断所述无人平台车是否与所述功能车身组件对接，若是，则执行步骤S130、若否，则执行步骤S120；
S120、所述第一激光雷达采集第一扫描区域的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位，执行步骤S140；
S130、所述第二激光雷达连接所述识别模块，所述第一激光雷达采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位；所述第二激光雷达采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位；
S140、所述识别模块基于实时获得的障碍物类别标签和定位生成导航路径。
本发明的实施例还提供一种无人车功能组件的复合导航设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行上述无人车功能组件的复合导航方法的步骤。
本发明的实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现上述无人车功能组件的复合导航方法的步骤。
本发明的目的在于提供无人车功能组件的复合导航系统、方法、设备及存储介质，能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的无人车功能组件的复合导航系统中无人平台车的立体图。
图2是本发明的无人车功能组件的复合导航系统中无人平台车的行驶状态示意图。
图3是本发明的无人车功能组件的复合导航系统中无人平台车的行驶状态俯视图。
图4是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件对接示意图。
图5是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合状态的立体图。
图6是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合后的行驶状态示意图。
图7是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合后的行驶状态俯视图。
图8是实施本发明的无人车功能组件的复合导航方法的流程示意图。
图9是本发明的无人车功能组件的复合导航设备的结构示意图。
图10是本发明一实施例的计算机可读存储介质的结构示意图。
附图标记
1 无人平台车
11 第一接头组件
12 第一激光雷达
2 功能车身组件
21 第二接头组件
22 车桥
23 对接部
24 第二激光雷达
3 辅助对接组件
31 车身支撑件
41 第一扫描区域
42 第二扫描区域
43 第三扫描区域
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使本发明全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件转发模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
此外，附图中所示的流程仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤可以分解，有的步骤可以合并或部分合并，且实际执行的顺序有可能根据实际情况改变。具体描述时使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。需要说明的是，在不冲突的情况下，本发明的实施例及不同实施例中的特征可以相互组合。
图1是本发明的无人车功能组件的复合导航系统中无人平台车的立体图。图2是本发明的无人车功能组件的复合导航系统中无人平台车的行驶状态示意图。图3是本发明的无人车功能组件的复合导航系统中无人平台车的行驶状态俯视图。图4是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件对接示意图。图5是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合状态的立体图。图6是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合后的行驶状态示意图。图7是本发明的无人车功能组件的复合导航系统中无人平台车与功能车身组件组合后的行驶状态俯视图。如图1至7所示，本发明的无人车功能组件的复合导航系统，包括一无人平台车1和一可至少部分叠合于无人平台车1之上的功能车身组件2。无人平台车1的两侧分别设有一第一激光雷达12，第一激光雷达12连接于无人平台车1内置的识别模块(图中未示出)。功能车身组件2设有第二激光雷达24，第二激光雷达24的离地高度高于第一激光雷达12的离地高度。当无人平台车1独立行驶时，第一激光雷达12采集第一扫描区域41的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位。当无人平台车1与功能车身组件2对接后，第二激光雷达24连接识别模块，第一激光雷达12采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位。第二激光雷达24采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位，识别模块基于实时获得的障碍物类别标签和定位生成导航路径。本实施例中，功能车身组件2为一载客车厢，载客车厢底部的车尾一侧设有车门区域和车桥22，但不以此为限。在一个变化例中，功能车身组件2为一货箱，货箱叠合于无人平台车1的上表面。本发明通过对将无人平台车1单独行驶时仅通过第一激光雷达12进行扫描的形态与无人平台车1与功能车身组件2组合后，通过两者各自的第一激光雷达12和第二激光雷达24形成分区域的识别形态进行算法上的区别。充分利用分区以后，远处主要识别车辆、行人等路上障碍物类别标签，近处主要识别路面凹陷、路边台阶以及地面引导标识等路面障碍物类别标签的实际使用需求，各自形成独立的点云识别神经网络，从而实现点云识别神经网络的简化，加快了识别的速度，优化了识别的准确性。
参见图1至3，在无人平台车1单独行驶时，第一激光雷达12扫描中远距离的点云数据，在无人平台车1与功能车身组件2对接后(参见图4至7)，第一激光雷达12扫描近距离的点云数据，由于，第一激光雷达12的离地位置更低，则获得的点云数据精度更高，能够更准确地识别路面障碍物类别标签。
参见图4，功能车身组件2底部设有一悬空的对接部23，通过一组辅助对接组件3分别支撑功能车身组件2的两侧，对接部23设有一第二接头组件21，当无人平台车1进入功能车身组件2的对接空间，引导辅助功能车身组件2覆盖无人平台车1，使第二接头组件21与位于无人平台车1上表面的第一接头组件11进行对接。第二接头组件21与无人平台车1的上表面的第一接头组件11机械连接并交互数据，第二接头组件21和第一接头组件11可以为无人平台车1和功能车身组件2之间同时实现机械连接、电连接、信号连接，以便简化对接步骤，优化对接后信息整合的效果。功能车身组件2的两侧分别设有一第二激光雷达24，第二激光雷达24采集的点云数据可以通过，第二接头组件21和第一接头组件11传输到无人平台车1的识别模块，充分利用了功能车身组件2的高度优势，在高位采集远处的点云数据，有效提高了数据采集的范围和识别的准确性。
参考图5至7，第一激光雷达12被连接于一旋转座，当无人平台车1与功能车身组件2对接后，旋转座带动第一激光雷达12旋转，使第一激光雷达12的第二扫描区域到车头的第一最小距离小于第二激光雷达24的第三扫描区域与车头的第二最小距离。本发明通过无人平台车1两侧设置的旋转座，各自带动对应的第一激光雷达12旋转，从而改变第一激光雷达12的扫描范围。第二激光雷达24则可以利用高度优势更准确地扫描远处的点云数据，从而实现基于不同组合状态实现分区精确识别的效果。
在一个优选实施例中，第二扫描区域42位于第三扫描区域43与无人平台车1的车头之间，但不以此为限。
在一个优选实施例中，第二扫描区域42与第三扫描区域43不重叠，但不以此为限。
在一个优选实施例中，每个所述第一激光雷达12的第二扫描区域42分别与所述第三扫描区域43局部重叠，两个所述第一激光雷达12的第二扫描区域相互之间局部重叠，使得第二扫描区域42与第三扫描区域43能够布满无人平台车1车头前方的道路，确保扫描的范围没有遗漏。
在一个优选实施例中，路面障碍物类别标签至少包括路面凹陷、路边台阶以及地面引导标识，路上障碍物类别标签至少包括车辆、行人，但不以此为限。
在一个优选实施例中，第二激光雷达24分别设置于功能车身组件2的车头侧顶部的两侧，且功能车身组件2底部的车头一侧的对接部23与地面悬空，形成供无人平台车1对接的对接空间，但不以此为限。
在一个优选实施例中，第一激光雷达12被连接于一旋转座，旋转座具有垂直于行驶方向的水平旋转轴，通过旋转座的转动，向无人平台车1的车头拉近第一激光雷达12的扫描区域，但不以此为限。
本发明的无人车功能组件的复合导航系统能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
图8是实施本发明的无人车功能组件的复合导航方法的流程示意图。如图8所示，本发明的实施例提供一种无人车功能组件的复合导航方法，采用上述的无人车功能组件的复合导航系统(参见图1)，包括以下步骤：
S110、判断无人平台车是否与功能车身组件对接，若是，则执行步骤S130、若否，则执行步骤S120；
S120、第一激光雷达采集第一扫描区域的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位，执行步骤S140；
S130、第二激光雷达连接识别模块，第一激光雷达采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位；第二激光雷达采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位；
S140、识别模块基于实时获得的障碍物类别标签和定位生成导航路径。
在一个优选实施例中，功能车身组件底部设有一悬空的对接部，对接部设有一第二接头组件，第二接头组件与无人平台车的上表面的第一接头组件机械连接并交互数据，功能车身组件的两侧分别设有一第二激光雷达。
在一个优选实施例中，第一激光雷达被连接于一旋转座，当无人平台车与功能车身组件对接后，旋转座带动第一激光雷达旋转，使第一激光雷达的第二扫描区域到车头的第一最小距离小于第二激光雷达的第三扫描区域与车头的第二最小距离。
在一个优选实施例中，第二扫描区域位于第三扫描区域与无人平台车的车头之间。
在一个优选实施例中，第二扫描区域与第三扫描区域不重叠。
在一个优选实施例中，路面障碍物类别标签至少包括路面凹陷、路边台阶以及地面引导标识，路上障碍物类别标签至少包括车辆、行人。
在一个优选实施例中，第二激光雷达分别设置于功能车身组件的车头侧顶部的两侧，且功能车身组件底部的车头一侧的对接部与地面悬空，形成供无人平台车对接的对接空间，
在一个优选实施例中，第一激光雷达被连接于一旋转座，旋转座具有垂直于行驶方向的水平旋转轴，通过旋转座的转动，向无人平台车的车头拉近第一激光雷达的扫描区域
在一个优选实施例中，功能车身组件为一载客车厢，载客车厢底部的车尾一侧设有车门区域和车桥。
在一个优选实施例中，功能车身组件为一货箱，货箱叠合于无人平台车的上表面。
本发明的无人车功能组件的复合导航方法能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
本发明实施例还提供一种无人车功能组件的复合导航设备，包括处理器。存储器，其中存储有处理器的可执行指令。其中，处理器配置为经由执行可执行指令来执行的无人车功能组件的复合导航方法的步骤。
如上所示，该实施例本发明的无人车功能组件的复合导航系统能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。
图9是本发明的无人车功能组件的复合导航设备的结构示意图。下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，存储单元存储有程序代码，程序代码可以被处理单元610执行，使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，处理单元610可以执行如图8中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，程序被执行时实现的无人车功能组件的复合导航方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示，该实施例本发明的无人车功能组件的复合导航系统能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
图10是本发明的计算机可读存储介质的结构示意图。参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上，本发明的目的在于提供无人车功能组件的复合导航系统、方法、设备及存储介质，本发明的无人车功能组件的复合导航系统能够充分利用组合后的设备中的检测装置，共同形成复合检测效果，加快检测的准确性和识别速度，增强行驶安全性，优化数据共享。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种无人车功能组件的复合导航系统，其特征在于，包括：
一无人平台车(1)，所述无人平台车(1)的两侧分别设有一第一激光雷达(12)，所述第一激光雷达(12)连接于所述无人平台车(1)内置的识别模块；
一功能车身组件(2)，设有第二激光雷达(24)，所述第二激光雷达(24)的离地高度高于所述第一激光雷达(12)的离地高度；
当所述无人平台车(1)独立行驶时，所述第一激光雷达(12)采集第一扫描区域(41)的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位；当所述无人平台车(1)与所述功能车身组件(2)对接后，所述第二激光雷达(24)连接所述识别模块，所述第一激光雷达(12)采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位；所述第二激光雷达(24)采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位，所述识别模块基于实时获得的障碍物类别标签和定位生成导航路径；
所述功能车身组件(2)底部设有一悬空的对接部(23)，所述对接部(23)设有一第二接头组件(21)，所述第二接头组件(21)与所述无人平台车(1)的上表面的第一接头组件(11)机械连接并交互数据，所述功能车身组件(2)的两侧分别设有一第二激光雷达(24)；所述第一激光雷达(12)被连接于一旋转座，当所述无人平台车(1)与所述功能车身组件(2)对接后，所述旋转座具有垂直于行驶方向的水平旋转轴，所述旋转座带动所述第一激光雷达(12)旋转，向所述无人平台车(1)的车头拉近所述第一激光雷达(12)的扫描区域，使所述第一激光雷达(12)的第二扫描区域(42)到车头的第一最小距离小于所述第二激光雷达(24)的第三扫描区域(43)与车头的第二最小距离；所述第二扫描区域(42)位于所述第三扫描区域(43)与所述无人平台车(1)的车头之间，每个所述第一激光雷达(12)的第二扫描区域分别与所述第三扫描区域(43)局部重叠，两个所述第一激光雷达(12)的第二扫描区域相互之间局部重叠。
2.根据权利要求1所述的无人车功能组件的复合导航系统，其特征在于，所述路面障碍物类别标签至少包括路面凹陷、路边台阶以及地面引导标识，所述路上障碍物类别标签至少包括车辆、行人。
3.根据权利要求1所述的无人车功能组件的复合导航系统，其特征在于，所述第二激光雷达(24)分别设置于所述功能车身组件(2)的车头侧顶部的两侧，且所述功能车身组件(2)底部的车头一侧的对接部(23)与地面悬空，形成供所述无人平台车(1)对接的对接空间。
4.根据权利要求1所述的无人车功能组件的复合导航系统，其特征在于，所述功能车身组件(2)为一载客车厢，所述载客车厢底部的车尾一侧设有车门区域和车桥(22)；或者
所述功能车身组件(2)为一货箱，所述货箱叠合于所述无人平台车(1)的上表面。
5.一种无人车功能组件的复合导航方法，采用如权利要求1所述的无人车功能组件的复合导航系统，其特征在于，包括：
S110、判断所述无人平台车是否与所述功能车身组件对接，若是，则执行步骤S130、若否，则执行步骤S120；
S120、所述第一激光雷达采集第一扫描区域的点云数据输入第一点云识别神经网络获得障碍物类别标签和定位，执行步骤S140；
S130、所述第二激光雷达连接所述识别模块，所述第一激光雷达采集近处的点云数据输入第二点云识别神经网络获得路面障碍物类别标签和定位；所述第二激光雷达采集远处的点云数据输入第三点云识别神经网络获得路上障碍物类别标签和定位；
S140、所述识别模块基于实时获得的障碍物类别标签和定位生成导航路径。
6.一种无人车功能组件的复合导航设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求5所述无人车功能组件的复合导航方法的步骤。
7.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现权利要求5所述无人车功能组件的复合导航方法的步骤。
CN202110875685.4A 2021-07-30 2021-07-30 无人车功能组件的复合导航系统、方法、设备及存储介质 Active CN113805194B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110875685.4A CN113805194B (zh) 2021-07-30 2021-07-30 无人车功能组件的复合导航系统、方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110875685.4A CN113805194B (zh) 2021-07-30 2021-07-30 无人车功能组件的复合导航系统、方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN113805194A CN113805194A (zh) 2021-12-17
CN113805194B true CN113805194B (zh) 2024-03-29

Family

ID=78942721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110875685.4A Active CN113805194B (zh) 2021-07-30 2021-07-30 无人车功能组件的复合导航系统、方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN113805194B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101861A (zh) * 2017-06-20 2018-12-28 百度在线网络技术（北京）有限公司 障碍物类型识别方法、装置、设备及存储介质
CN109344804A (zh) * 2018-10-30 2019-02-15 百度在线网络技术（北京）有限公司 一种激光点云数据的识别方法、装置、设备和介质
CN109703607A (zh) * 2017-10-25 2019-05-03 北京眸视科技有限公司 一种智能行李车
CN110687549A (zh) * 2019-10-25 2020-01-14 北京百度网讯科技有限公司 障碍物检测方法和装置
CN111284502A (zh) * 2020-03-10 2020-06-16 仓擎智能科技(上海)有限公司 一种牵引车组位姿检测方法及系统
CN112748447A (zh) * 2020-12-23 2021-05-04 深圳砺剑天眼科技有限公司 一种基于激光雷达路面信息识别的避障方法和系统
CN112904363A (zh) * 2021-01-19 2021-06-04 北京九曜智能科技有限公司 一种自动驾驶车辆对接拖车自动托挂钩的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8738282B1 (en) * 2012-11-08 2014-05-27 Toyota Motor Engineering & Manufacturing North America, Inc. Reconfigurable vehicle control system and method
US20160368336A1 (en) * 2015-06-19 2016-12-22 Paccar Inc Use of laser scanner for autonomous truck operation
US9916703B2 (en) * 2015-11-04 2018-03-13 Zoox, Inc. Calibration for autonomous vehicle operation
US10245994B2 (en) * 2016-08-17 2019-04-02 Toyota Motor Engineering & Manufacturing North America, Inc. Transportation system including autonomous detachable engine modules and passenger module
DE102017007511B3 (de) * 2017-08-09 2018-11-22 Grenzebach Maschinenbau Gmbh Vorrichtung und Verfahren zur Erhaltung der Präzision der Navigations-Fähigkeit eines fahrerlosen Transportfahrzeugs
US10800217B2 (en) * 2018-08-06 2020-10-13 Ford Global Technologies, Llc Hitch assist system
US11125881B2 (en) * 2018-12-10 2021-09-21 Waymo Llc Lidar-based trailer tracking
US20210223776A1 (en) * 2020-01-22 2021-07-22 Ati Motors Inc. Autonomous vehicle with on-board navigation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109101861A (zh) * 2017-06-20 2018-12-28 百度在线网络技术（北京）有限公司 障碍物类型识别方法、装置、设备及存储介质
CN109703607A (zh) * 2017-10-25 2019-05-03 北京眸视科技有限公司 一种智能行李车
CN109344804A (zh) * 2018-10-30 2019-02-15 百度在线网络技术（北京）有限公司 一种激光点云数据的识别方法、装置、设备和介质
CN110687549A (zh) * 2019-10-25 2020-01-14 北京百度网讯科技有限公司 障碍物检测方法和装置
CN111284502A (zh) * 2020-03-10 2020-06-16 仓擎智能科技(上海)有限公司 一种牵引车组位姿检测方法及系统
CN112748447A (zh) * 2020-12-23 2021-05-04 深圳砺剑天眼科技有限公司 一种基于激光雷达路面信息识别的避障方法和系统
CN112904363A (zh) * 2021-01-19 2021-06-04 北京九曜智能科技有限公司 一种自动驾驶车辆对接拖车自动托挂钩的方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Navigation Simulation of a Mecanum Wheel Mobile Robot Based on an Improved A* Algorithm in Unity3D;Yunwang Li et al.;Sensors;20190705;全文 *
基于激光雷达的重型自动导引运载车定位研究;林伟民 等;机械与电子;20170331;第35卷(第3期);全文 *
线阵激光雷达同步扫描系统的设计;沈略;王元庆;徐帆;;电子器件;20160630(第03期);全文 *
缩微智能车目标检测系统的设计与仿真;刘衍珩;高思伟;王健;邓伟文;;北京工业大学学报;20161031(第10期);全文 *

Also Published As

Publication number Publication date
CN113805194A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
US20210356959A1 (en) Fleet of autonomous vehicles with lane positioning and platooning behaviors
US20210394747A1 (en) Precise truck parking method, device, and system in quayside container crane area
US11948370B2 (en) Precise parking method, apparatus and system of truck in shore-based crane area
US11836955B2 (en) Detecting unfamiliar signs
US20190064828A1 (en) Autonomous yard vehicle system
US11535276B2 (en) Methods and systems for using remote assistance to maneuver an autonomous vehicle to a location
Kosuru et al. Advancements and challenges in achieving fully autonomous self-driving vehicles
US11726471B2 (en) Methods and systems for gradually adjusting vehicle sensor perspective using remote assistance
US11048254B2 (en) Generating simplified object models to reduce computational resource requirements for autonomous vehicles
WO2020123105A1 (en) Detecting spurious objects for autonomous vehicles
CN113535743B (zh) 无人驾驶地图实时更新方法、装置、电子设备、存储介质
US20230123587A1 (en) Systems and operations of transfer hubs for autonomous trucking systems
US20230192134A1 (en) Methods and Systems for Providing Incremental Remote Assistance to an Autonomous Vehicle
US11731615B2 (en) System and method for remote operator assisted driving through collision avoidance
CN113805194B (zh) 无人车功能组件的复合导航系统、方法、设备及存储介质
KR102045126B1 (ko) 자율 주행 차량을 이용한 자동 선적 방법 및 장치
CN110138485B (zh) 车载信息广播系统、方法、设备及存储介质
US11449067B1 (en) Conflict resolver for a lidar data segmentation system of an autonomous vehicle
CN113298044B (zh) 基于定位补偿的障碍物检测方法、系统、设备及存储介质
CN113787908B (zh) 无人车功能组件的供电切换系统、方法、设备及存储介质
US20230195107A1 (en) Systems, Methods, and Apparatus for using Remote Assistance to Annotate Images of an Environment
CN208248056U (zh) 一种移动式自动售货车
Tippannavar et al. Self-driving Car for a Smart and Safer Environment–A Review
US20230192129A1 (en) User Interface Techniques for Recommending Remote Assistance Actions
US20230196784A1 (en) Systems, Methods, and Apparatus for using Remote Assistance to Classify Objects in an Environment

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
CB02 Change of applicant information

Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050

Applicant after: Shanghai Xijing Technology Co.,Ltd.

Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050

Applicant before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant