CN113917479A - 一种车辆夹角的计算方法、装置、计算机设备和存储介质 - Google Patents
一种车辆夹角的计算方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113917479A CN113917479A CN202111160023.5A CN202111160023A CN113917479A CN 113917479 A CN113917479 A CN 113917479A CN 202111160023 A CN202111160023 A CN 202111160023A CN 113917479 A CN113917479 A CN 113917479A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- target
- trailer
- track
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims description 18
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000003137 locomotive effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
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
-
- 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
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例提供了一种车辆夹角的计算方法、装置、计算机设备和存储介质,车辆包括相连的车头、挂车,车头设置有激光雷达、挂车设置有反射板,该方法包括:调用激光雷达向挂车发射激光信号,获得原始点云数据,识别反射板反射激光信号时记录的原始点云数据,作为目标点云数据,在目标点云数据中拟合反射板反射激光信号的轨迹,作为目标轨迹,根据目标轨迹计算车头与挂车之间的夹角,激光雷达的成本可控,物理测距准确,使得夹角得到较高的精度,而反射板安装简单,尤其对挂车没有额外的供电需求,便于大规模推广使用。
Description
技术领域
本发明实施例涉及自动驾驶的技术领域,尤其涉及一种车辆夹角的计算方法、装置、计算机设备和存储介质。
背景技术
随着全球海运贸易的发展,集装箱作为一种高效的运输方式始终备受国际社会关注,港口码头上集装箱的作业量也随之不断攀升。
传统集装箱作业方式是驾驶员人工驾驶卡车、拖拉挂车在岸桥和堆场之间装卸运转集装箱,但由于露天作业条件差、工作时间长及操作单一乏味等原因,驾驶员容易出现人为失误,造成任务失败甚至出现安全事故。
为了提高安全性,在港口码头上逐步应用自动驾驶的卡车进行集装箱的作业,卡车通常分为车头和挂车两个部分,在卡车进行拐弯、倒车等操作时,车头跟挂车会发生相对运动,使它们的朝向产生一定的夹角,因此,在自动驾驶时,会实时测量车头与挂车之间的相对位姿,以便保持决策的准确性。
目前,车头与挂车之间的相对位姿(即夹角)的方案通常为如下两种:
一、在车头和挂车中分别安装定位装置,分别实时检测车头和挂车的绝对位姿来计算车头和挂车之间的夹角。
但是,受限于定位装置本身的精度较低,导致算车头和挂车之间的夹角误差较大,影响自动驾驶的决策,此外,由于拐弯和直行时线路长度差别很大,为挂车上的定位装置供电的线路长度较大,产生额外的钩挂或挣断问题。
二、在车头和挂车之间安装机械连接件,通过连接件的拉线测量挂车中心线两侧到车头固定安装的距离,结合其他一些安装时先验的距离,求解车头和挂车之间的夹角。
但是,连接件安装位置要求固定且精准,在卡车运输过程中造成连接件移位,并且拉线长度感应的测距精度本身有限,导致算车头和挂车之间的夹角误差较大,影响自动驾驶的决策。
发明内容
本发明实施例提出了一种车辆夹角的计算方法、装置、计算机设备和存储介质,以解决在维持并不在挂车上布线的情况下、提高计算车头和挂车之间的夹角的精确度的问题。
第一方面,本发明实施例提供了一种车辆夹角的计算方法,应用于车辆,所述车辆包括相连的车头、挂车,所述车头设置有激光雷达、所述挂车设置有反射板,所述方法包括:
调用所述激光雷达向所述挂车发射激光信号,获得原始点云数据;
识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据;
在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹;
根据所述目标轨迹计算所述车头与所述挂车之间的夹角。
第二方面,本发明实施例还提供了一种车辆夹角的计算装置,应用于车辆,所述车辆包括相连的车头、挂车,所述车头设置有激光雷达、所述挂车设置有反射板,所述装置包括:
激光扫描模块,用于调用所述激光雷达向所述挂车发射激光信号,获得原始点云数据;
目标点云识别模块,用于识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据;
目标轨迹拟合模块,用于在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹;
夹角计算模块,用于根据所述目标轨迹计算所述车头与所述挂车之间的夹角。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
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第一方面所述的车辆夹角的计算方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的车辆夹角的计算方法。
在本实施例中,车辆包括相连的车头、挂车,车头设置有激光雷达、挂车设置有反射板,调用激光雷达向挂车发射激光信号,获得原始点云数据,识别反射板反射激光信号时记录的原始点云数据,作为目标点云数据,在目标点云数据中拟合反射板反射激光信号的轨迹,作为目标轨迹,根据目标轨迹计算车头与挂车之间的夹角,激光雷达的成本可控,物理测距准确,使得夹角得到较高的精度,而反射板安装简单,尤其对挂车没有额外的供电需求,便于大规模推广使用。
附图说明
图1为本发明实施例提供的一种车辆的结构示意图;
图2为本发明实施例一提供的一种车辆夹角的计算方法的流程图;
图3A至图3C为本发明实施例一提供的一种计算夹角的示例图;
图4是本发明实施例二提供的一种车辆夹角的计算方法的流程图;
图5为本发明实施例三提供的一种车辆夹角的计算装置的结构示意图;
图6为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
参见图1,示出了可以应用本发明实施例中车辆夹角的计算装置的实施例的自动驾驶车辆100。
如图1所示,自动驾驶车辆100可以包括驾驶控制设备101,车身总线102,ECU(Electronic Control Unit,电子控制单元)103、ECU 104、ECU 105,传感器106、传感器107、传感器108和执行器件109、执行器件110、执行器件111。
驾驶控制设备(又称为车载大脑)101负责整个自动驾驶车辆100的总体智能控制。驾驶控制设备101可以是单独设置的控制器,例如可编程逻辑控制器(ProgrammableLogicController,PLC)、单片机、工业控制机等;也可以是由其他具有输入/输出端口,并具有运算控制功能的电子器件组成的设备;还可以是安装有车辆驾驶控制类应用的计算机设备。驾驶控制设备可以对从车身总线102上接收到的各个ECU发来的数据和/或各个传感器发来的数据进行分析处理,作出相应的决策,并将决策对应的指令发送到车身总线。
车身总线102可以是用于连接驾驶控制设备101,ECU 103、ECU 104、ECU 105,传感器106、传感器107、传感器108以及自动驾驶车辆100的其他未示出的设备的总线。由于CAN(Controller AreaNetwork,控制器局域网络)总线的高性能和可靠性已被广泛认同,因此目前机动车中常用的车身总线为CAN总线。当然,可以理解的是车身总线也可以是其他类型的总线。
车身总线102可以将驾驶控制设备101发出的指令发送给ECU 103、ECU 104、ECU105,ECU 103、ECU 104、ECU 105再将上述指令进行分析处理后发给相应的执行器件执行。
传感器106、传感器107、传感器108包括但不限于激光雷达、相机,等等。
需要说明的是,本发明实施例所提供的车辆夹角的计算方法可以由驾驶控制设备101执行,相应地,车辆对位装置一般设置于驾驶控制设备101中。
当然,在远程驾驶等场景下,车辆夹角的计算方法可以由驾驶控制设备101连接的服务器执行,相应地,车辆夹角的计算装置一般设置于驾驶控制设备101连接的服务器中,本实施例对此不加以限制。
应该理解,图1中的自动驾驶车辆、驾驶控制设备、车身总线、ECU、执行器件和传感器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的自动驾驶车辆、驾驶控制设备、车身总线、ECU和传感器。
实施例一
图2为本发明实施例一提供的一种车辆夹角的计算方法的流程图,本实施例可适用于使用激光雷达测量车辆中车头与挂车之间夹角的情况,该方法可以由车辆夹角的计算装置来执行,该车辆夹角的计算装置可以由软件和/或硬件实现,可配置在计算机设备中,该计算机设备可以应用于车辆中,例如,车辆中的驾驶控制设备,等等,具体包括如下步骤:
步骤201、调用激光雷达向挂车发射激光信号,获得原始点云数据。
本实施例中的车辆可支持自动驾驶(含远程控制),可以应用在海港码头等封闭场景,可以用于承接集装箱的运输任务,此时,该车辆多数为集卡(集装箱卡车),如图3A和图3B所示,车辆主要包括以可转动的方式(如车牵引销)相连的车头310(又称牵引车)和挂车320,车头310起牵引的功能、本身不具备装货平台,挂车320用于装载集装箱,牵引车310和挂车320连接在一起可以装载集装箱在码头和公路上等区域行驶。
其中,所谓自动驾驶,可以指车辆本身拥有环境感知、路径规划并且自主实现车辆控制的能力,也就是用电子技术控制车辆进行的仿人驾驶。
根据对车辆操控任务的把握程度,自动驾驶车辆可以分为L0非自动化(NoAutomotion)、L1驾驶人辅助(Driver Assistance)、L2部分自动化(Partial Automation)、L3有条件自动化(Conditional Automation)、L4高自动化(High Automation)、L5全自动化(Full Automation)。
本实施例中自动驾驶的车辆,可以指满足L1-L5中任一要求的车辆,其中,系统在L1-L3起辅助功能,当到达L4,车辆驾驶将交给系统,因此,自动驾驶的车辆可选为满足L4、L5中任一要求的车辆。
在本实施例中,如图3A和图3B所示,车头310设置有激光雷达311、挂车320设置有反射板321。
其中,激光雷达工作在红外和可见光频段,根据探测原理,激光雷达分为单线(二维)激光雷达和多线(三维)激光雷达,三维激光雷达的波长多为905nm,通常为4线、8线、16线、32线与64线。
由于车头与挂车之间的距离较近,使得激光雷达与反射板之间的距离较近,因此,激光雷达为单线性激光雷达,或者,小于或等于16线的多线性激光雷达,这样子也能获得不太稀疏的原始点云数据,使得在保持精确性的情况下,可以降低成本。
而发射板为含有反光材料(又称逆反射材料,回复反射材料)的结构体,反光材料可以包括透镜埋入式反光膜、透镜密封式反光膜、微棱镜反光膜等,结构体优选为板体,也可以为柱状体、球体等等,板体的形状可以包括矩形、椭圆形、棱形,等等。
激光雷达朝向发射板,向反射板发射激光信号,得到反射板及其周边其他事物的原始点云数据。
进一步地,激光雷达安装在车头后端,反射板安装在挂车前端横梁,由于反射板为机械结构,并非电子器件,在挂车上以支架等方式即可固定,并不需要在挂车上额外进行供电布线。
激光雷达与反射板的高度相同,方便激光雷达扫描反射板,所谓高度相同,可以指激光雷达的高度(以顶部、中心等表示)与反射板的高度(以顶部、中心等表示)之间的差异在预设的误差范围内。
如图3A所示,车头310与挂车320之间平行时,激光雷达311的位置与反射板321的位置正对,针对此情况,可以预先使用原始点云数据标记反射板321反射激光信号的轨迹,作为基准轨迹340(base),该基准轨迹330可作为反射板321所组成的反射平面的参考线(如法向量),这样子可以最小化硬件安装导致的误差。
如果从激光雷达的点云数据提取直线,是在假定理想情况下,车头与挂车的连线跟激光雷达坐标系的X轴重合,根据直接斜率求角度(在激光雷达的坐标系下斜率会很大),得到的角度的误差会比较大。
所谓平行,可以指激光雷达所处的平面(以后端横截面、中部横截面等表示)与挂车所处的平面(以前端横截面、中部横截面等表示)之间的角度差异在预设的误差范围内。
步骤202、识别反射板反射激光信号时记录的原始点云数据,作为目标点云数据。
由于原始点云数据既包含了反射板的信息,也包含了反射板周边其他物体的信息,因此,可以对原始点云数据进行语义识别,从而识别反射板反射激光信号时记录的原始点云数据,记为目标点云数据。
在本发明的一个实施例中,步骤202可以包括如下步骤:
步骤2021、将原始点云数据投影到指定的平面上,获得候选点云数据。
车头与挂车之间的夹角属于二维的夹角,将原始点云数据投影到指定的二维平面上,记为候选点云数据,可以化简计算车头与挂车之间的夹角的操作。
其中,根据选择反射板反射激光信号时记录的原始点云数据的方式不同,二维平面也有所不同,可以包括水平面(又称俯视图)、垂直面,等等,本实施例对此不加以限制。
步骤2022、基于候选点云数据的密度选择反射板反射激光信号时记录的原始点云数据,作为目标点云数据。
相对于其他事物,反射板更容易反射激光信号,因此,相对于其他事物的原始点云数据的密度、强度,反射板的原始点云数据的密度、强度更高,通过这些特征可以区分反射板及其周围的其他事物,从而精准定位反射板反射激光信号时记录的原始点云数据,记为目标点云数据。
一般情况下,候选点云数据的密度与表征反射板反射激光信号的概率正相关,即,候选点云数据的密度越大,表征反射板反射激光信号的概率越高,反之,候选点云数据的密度越小,表征反射板反射激光信号的概率越低。
在一种情况中,激光雷达为单线性激光雷达,此时,将原始点云数据投影到水平面上,获得候选点云数据。
那么,若检测到激光雷达为单线性激光雷达,则可以通过DBSCAN(Density BasedSpatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)等方式对水平面上的候选点云数据进行聚类,获得多个点云簇,聚类能让投影下激光信号的轨迹更加稠密和连续,激光信号的轨迹的特征更加明显,提高拟合激光信号的轨迹的准确性。
针对每个点云簇,统计每个点云簇中候选点云数据的第一数量,单个点云簇中候选点云数据的第一数量表示该点云簇中候选点云数据的密度,从而选择第一数量最高的一个或多个点云簇,作为目标点云数据。
在另一种情况中,激光雷达为多线性激光雷达,此时,将原始点云数据投影到水平面上,获得候选点云数据。
那么,若检测到激光雷达为多线性激光雷达,则可以对水平面上的候选点云数据划分至多个网格中,即,水平面上划分为多个相互相邻的区域,形成网格的形式,多线候选点云数据能让投影下激光信号的轨迹更加稠密和连续,激光信号的轨迹的特征更加明显,提高拟合激光信号的轨迹的准确性。
统计每个网格中候选点云数据的第二数量,网格的大小一般相同,单个网格中候选点云数据的第二数量表示该网格中候选点云数据的密度,从而选择第二数量最高的多个点云簇,作为目标点云数据。
在又一种情况中,激光雷达为多线性激光雷达,此时,将原始点云数据投影到竖直面上,获得候选点云数据。
那么,若激光雷达为多线性激光雷达,则通过聚类、网格等形式对竖直面上的候选点云数据计算密度。
基于密度(如密度最高的n个)将多堆相互平行、表示线的候选点云数据投影至水平面,作为目标点云数据,此时,针对水平面上的每堆候选点云数据,可以作为单线性激光雷达的方式进行处理。
当然,上述筛选目标点云数据的方式只是作为示例,在实施本发明实施例时,可以根据实际情况设置其它筛选目标点云数据的方式,例如,针对旋转式的激光雷达,可以直接读取每条线的点数,直接对原始点云数据进行分类,按照单线性激光雷达的方式进行处理,等等,本发明实施例对此不加以限制。另外,除了上述筛选目标点云数据的方式外,本领域技术人员还可以根据实际需要采用其它筛选目标点云数据的方式,本发明实施例对此也不加以限制。
步骤203、在目标点云数据中拟合反射板反射激光信号的轨迹,作为目标轨迹。
如图3B所示,在车辆倒车、转弯等情况下,车头310与挂车320之间发生转动,两者并非平行,此时,可在目标点云数据的范围内,拟合反射板321反射激光雷达311的激光信号的轨迹,作为目标轨迹detect 340。
在本发明的一个实施例中,步骤203可以包括如下步骤:
步骤2031、使用目标点云数据拟合直线,作为反射板反射激光信号的目标轨迹。
在具体实现中,可以使用目标点云数据拟合符合l=kd+b(d为激光雷达坐标系下纵轴的不欧标,l为激光雷达坐标系下横轴的坐标,k为直线的斜率,b为直线与横轴相交时交点的坐标)等形式的直线,这条直线为反射板反射激光信号的轨迹,记作目标轨迹detect。
此外,也可以应用hough变换方法,在相应的散点图(目标点云数据)中的直接检测目标轨迹,得到目标轨迹的参数表达(点与角度),易于转换成l=kd+b等形式。
步骤2032、若目标轨迹的数量为多个,则对目标轨迹计算评价指标。
步骤2033、按照评价指标对目标轨迹确定有效性。
如果拟合的目标轨迹的数量为多个(两个或两个以上),则可以对每条目标轨迹计算评价其拟合轨迹的指标、记为评价指标,从而按照评价指标对目标轨迹确定有效性。
示例性地,评价指标包括拟合轨迹的误差和/或目标点云数据的第一长度。
在示例中,将各条目标轨迹的误差之间进行比较和/或将各条目标轨迹的第一长度与预设的第二长度进行比较,其中,第二长度为车头与挂车之间未转动时、反射板反射激光信号的轨迹的长度。
确定满足误差最小和/或第一长度最接近第二长度的目标轨迹detect有效。
在本发明的一个实施例中,步骤203可以包括如下步骤:
步骤2034、若激光雷达为多线性激光雷达,则在目标点云数据中拟合多条反射板反射激光信号的轨迹,作为参考轨迹。
步骤2035、对多条参考轨迹计算平均值,作为目标轨迹。
在激光雷达为多线性激光雷达的情况下,在目标点云数据中拟合拟合符合I=kd+b(d为激光雷达坐标系下纵轴的距离,b为激光雷达坐标系下横轴的距离)等形式的、反射板反射激光信号的多条轨迹,作为参考轨迹。
对于多条参考轨迹,可以通过计算平均值的方式得到目标轨迹detect,从而提高测量的精度和稳定性。
当然,上述拟合目标轨迹的方式只是作为示例,在实施本发明实施例时,可以根据实际情况设置其它拟合目标轨迹的方式,本发明实施例对此不加以限制。另外,除了上述拟合目标轨迹的方式外,本领域技术人员还可以根据实际需要采用其它拟合目标轨迹的方式,本发明实施例对此也不加以限制。
步骤204、根据目标轨迹计算车头与挂车之间的夹角。
目标轨迹表示了车头与挂车之间的相对姿态,在给定参考的情况下,可以计算车头与挂车之间形成的夹角。
在具体实现中,如图3C所示,可以确定基准轨迹330,基准轨迹330为车头与挂车之间且平行时、反射板反射激光信号的轨迹,基准轨迹330已预先标定。
在水平面上,基准轨迹330与目标轨迹340相交,此时,可以计算基准轨迹330与目标轨迹340之间的夹角,作为车头与挂车之间的夹角,从而得到车头与挂车之间的相对姿态。
示例性地,如图3C所示,在基准轨迹取第一线段PA,第一线段PA的一端为目标轨迹340与基准轨迹330之间的交点P。
在目标轨迹取第二线段PB,第二线段PB的一端为目标轨迹340与基准轨迹330之间的交点P。
第一线段PA的另一端A、第二线段PB的另一端B为交点P的同一侧上的任一点,可以为交点P的左侧,也可以为交点P的右侧,本实施例对此不加以限制。
计算第一线段PA与第二线段PB之间的余弦值,对余弦值进行反余弦操作,得到基准轨迹330与目标轨迹340之间的夹角,作为车头与挂车之间的夹角θ,表示如下:
θ=arccos(dot(PA,PB)/|PA||PB|)
其中,arccos表示反余弦,dot(PA,PB)表示求PA与PB的点积(又称内积),|PA|表示对PA取模,|PB|表示对PB取模。
在本实施例中,车辆包括相连的车头、挂车,车头设置有激光雷达、挂车设置有反射板,调用激光雷达向挂车发射激光信号,获得原始点云数据,识别反射板反射激光信号时记录的原始点云数据,作为目标点云数据,在目标点云数据中拟合反射板反射激光信号的轨迹,作为目标轨迹,根据目标轨迹计算车头与挂车之间的夹角,激光雷达的成本可控,物理测距准确,使得夹角得到较高的精度,而反射板安装简单,尤其对挂车没有额外的供电需求,便于大规模推广使用。
实施例二
图4为本发明实施例二提供的一种车辆夹角的计算方法的流程图,本实施例以前述实施例为基础,进一步增加滤波处理的操作,该方法具体包括如下步骤:
步骤401、调用激光雷达向挂车发射激光信号,获得原始点云数据。
步骤402、识别反射板反射激光信号时记录的原始点云数据,作为目标点云数据。
步骤403、在目标点云数据中拟合反射板反射激光信号的轨迹,作为目标轨迹。
步骤404、根据目标轨迹计算车头与挂车之间的夹角。
步骤405、统计激光雷达的频率。
步骤406、若频率处于第一范围,则对夹角进行滤波处理。
步骤407、若频率处于第二范围,则维持夹角。
在实际应用中,由于反射板在反射激光信号时存在差异,激光雷达自身也有观测的误差,使得目标轨迹存在一定的误差,从而导致车头与挂车之间的夹角存在一定误差。
在自动驾驶的过程中,是持续检测车头与挂车之间的夹角,按照时间排列,可以形成一系列的夹角,车头与挂车之间的夹角实际是一个渐变的过程,而误差的存在将导致车头与挂车之间的夹角出现突变(又称毛刺),为了缓解甚至解决这个问题,可以对一些列的夹角进行滤波处理(又称降噪处理),如卡尔曼滤波处理,使得这一系列的夹角更加平滑,减少突变(又称毛刺)的情况。
考虑到滤波处理会参考一定量的数据(车头与挂车之间的夹角),数据(车头与挂车之间的夹角)的积累存在一定的延时,而自动驾驶对于实时性的要求较高,因此,在本实施例中,可以统计激光雷达的频率,将该频率分别与第一范围、第二范围进行比较,其中,第一范围中的数值高于第二范围中的数值。
如果激光雷达的频率处于第一范围,表示激光雷达的频率较高,数据(车头与挂车之间的夹角)积累的速度较快,此时可以对夹角进行滤波处理,延时并不明显,符合自动驾驶的实时性。
如果激光雷达的频率处于第二范围,表示激光雷达的频率较低,数据(车头与挂车之间的夹角)积累的速度较慢,此时可以禁止对夹角进行滤波处理,维持一系列的夹角保持不变,保证自动驾驶的实时性,而数据(车头与挂车之间的夹角)积少许的突变(又称毛刺)并不会对自动驾驶造成严重的安全隐患,自动驾驶的安全性仍然得到保障。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
实施例三
图5为本发明实施例三提供的一种车辆夹角的计算装置的结构框图,应用于车辆,所述车辆包括相连的车头、挂车,所述车头设置有激光雷达、所述挂车设置有反射板,所述装置具体可以包括如下模块:
激光扫描模块501,用于调用所述激光雷达向所述挂车发射激光信号,获得原始点云数据;
目标点云识别模块502,用于识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据;
目标轨迹拟合模块503,用于在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹;
夹角计算模块504,用于根据所述目标轨迹计算所述车头与所述挂车之间的夹角。
在本发明的一个实施例中,所述目标点云识别模块502包括:
点云投影模块,用于将所述原始点云数据投影到指定的平面上,获得候选点云数据;
密度选择模块,用于基于所述候选点云数据的密度选择所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据。
在本发明的一个实施例中,所述指定的平面包括水平面;所述密度选择模块包括:
点云聚类模块,用于若所述激光雷达为单线性激光雷达,则对所述水平面上的所述候选点云数据进行聚类,获得多个点云簇;
簇数量统计模块,用于统计每个所述点云簇中所述候选点云数据的第一数量;
簇选择模块,用于选择所述第一数量最高的一个或多个所述点云簇,作为目标点云数据。
在本发明的另一个实施例中,所述指定的平面包括水平面;所述密度选择模块包括:
网格划分模块,用于若所述激光雷达为多线性激光雷达,则对所述水平面上的所述候选点云数据划分至多个网格中;
网格数量统计模块,用于统计每个所述网格中所述候选点云数据的第二数量;
网格选择模块,用于选择所述第二数量最高的多个所述点云簇,作为目标点云数据。
在本发明的又一个实施例中,所述指定的平面包括竖直面;所述密度选择模块包括:
竖直密度计算模块,用于若所述激光雷达为多线性激光雷达,则对所述竖直面上的所述候选点云数据计算密度;
密度投影模块,用于基于所述密度将多堆相互平行所述候选点云数据投影至水平面,作为目标点云数据。
在本发明的一个实施例中,所述目标轨迹拟合模块503包括:
直线拟合模块,用于使用所述目标点云数据拟合直线,作为所述反射板反射所述激光信号的目标轨迹;
指标计算模块,用于若所述目标轨迹的数量为多个,则对所述目标轨迹计算评价指标;
有效性确定模块,用于按照所述评价指标对所述目标轨迹确定有效性。
在本发明实施例的一个示例中,所述评价指标包括拟合所述轨迹的误差和/或所述目标点云数据的第一长度;
所述有效性确定模块包括:
参数比较模块,用于将所述误差之间进行比较和/或将所述第一长度与预设的第二长度进行比较,所述第二长度为所述车头与所述挂车之间未转动时、所述反射板反射激光信号的轨迹的长度;
参数选择模块,用于确定满足所述误差最小和/或所述第一长度最接近所述第二长度的所述目标轨迹有效。
在本发明的另一个实施例中,所述目标轨迹拟合模块503包括:
参考拟合计算模块,用于若所述激光雷达为多线性激光雷达,则在所述目标点云数据中拟合多条所述反射板反射所述激光信号的轨迹,作为参考轨迹;
轨迹平均模块,用于对多条所述参考轨迹计算平均值,作为目标轨迹。
在本发明的一个实施例中,所述夹角计算模块504包括:
基准轨迹确定模块,用于确定基准轨迹,所述基准轨迹为所述车头与所述挂车之间且平行时、所述反射板反射激光信号的轨迹;
轨迹夹角计算模块,用于计算所述基准轨迹与所述目标轨迹之间的夹角,作为所述车头与所述挂车之间的夹角。
在本发明的一个实施例中,所述轨迹夹角计算模块包括:
第一线段设置模块,用于在所述基准轨迹取第一线段,所述第一线段的一端为所述目标轨迹与所述基准轨迹之间的交点;
第二线段设置模块,用于在所述目标轨迹取第二线段,所述第二线段的一端为所述目标轨迹与所述基准轨迹之间的交点;
余弦值计算模块,用于计算所述第一线段与所述第二线段之间的余弦值;
反余弦操作模块,用于对所述余弦值进行反余弦操作,得到所述基准轨迹与所述目标轨迹之间的夹角,作为所述车头与所述挂车之间的夹角。
在本发明的一个实施例中,还包括:
频率统计模块,用于统计所述激光雷达的频率;
滤波处理模块,用于若所述频率处于第一范围,则对所述夹角进行滤波处理;
夹角维持模块,用于若所述频率处于第二范围,则维持所述夹角;
其中,所述第一范围高于所述第二范围。
在本发明的一个实施例中,所述激光雷达安装在所述车头后端,所述反射板安装在所述挂车前端横梁,所述激光雷达与所述反射板的高度相同;
所述车头与所述挂车之间平行时,所述激光雷达的位置与所述反射板的位置正对;
所述激光雷达为单线性激光雷达,或者,小于或等于16线的多线性激光雷达。
本发明实施例所提供的车辆夹角的计算装置可执行本发明任意实施例所提供的车辆夹角的计算方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例四提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图6显示的计算机设备12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6所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,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22进行。并且,计算机设备12还可以通过网络适配器20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。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12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系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的车辆夹角的计算方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述车辆夹角的计算方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,计算机可读存储介质例如可以包括但不限于电、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。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机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。
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 (15)
1.一种车辆夹角的计算方法,其特征在于,应用于车辆,所述车辆包括相连的车头、挂车,所述车头设置有激光雷达、所述挂车设置有反射板,所述方法包括:
调用所述激光雷达向所述挂车发射激光信号,获得原始点云数据;
识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据;
在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹;
根据所述目标轨迹计算所述车头与所述挂车之间的夹角。
2.根据权利要求1所述的方法,其特征在于,所述识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据,包括:
将所述原始点云数据投影到指定的平面上,获得候选点云数据;
基于所述候选点云数据的密度选择所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据。
3.根据权利要求2所述的方法,其特征在于,所述指定的平面包括水平面;所述基于所述候选点云数据的密度选择所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据,包括:
若所述激光雷达为单线性激光雷达,则对所述水平面上的所述候选点云数据进行聚类,获得多个点云簇;
统计每个所述点云簇中所述候选点云数据的第一数量;
选择所述第一数量最高的一个或多个所述点云簇,作为目标点云数据。
4.根据权利要求2所述的方法,其特征在于,所述指定的平面包括水平面;所述基于所述候选点云数据的密度选择所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据,包括:
若所述激光雷达为多线性激光雷达,则对所述水平面上的所述候选点云数据划分至多个网格中;
统计每个所述网格中所述候选点云数据的第二数量;
选择所述第二数量最高的多个所述点云簇,作为目标点云数据。
5.根据权利要求2所述的方法,其特征在于,所述指定的平面包括竖直面;所述基于所述候选点云数据的密度选择所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据,包括:
若所述激光雷达为多线性激光雷达,则对所述竖直面上的所述候选点云数据计算密度;
基于所述密度将多堆相互平行所述候选点云数据投影至水平面,作为目标点云数据。
6.根据权利要求1所述的方法,其特征在于,所述在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹,包括:
使用所述目标点云数据拟合直线,作为所述反射板反射所述激光信号的目标轨迹;
若所述目标轨迹的数量为多个,则对所述目标轨迹计算评价指标;
按照所述评价指标对所述目标轨迹确定有效性。
7.根据权利要求6所述的方法,其特征在于,所述评价指标包括拟合所述轨迹的误差和/或所述目标点云数据的第一长度;
所述按照所述评价指标对所述目标轨迹确定有效性,包括:
将所述误差之间进行比较和/或将所述第一长度与预设的第二长度进行比较,所述第二长度为所述车头与所述挂车之间未转动时、所述反射板反射激光信号的轨迹的长度;
确定满足所述误差最小和/或所述第一长度最接近所述第二长度的所述目标轨迹有效。
8.根据权利要求1所述的方法,其特征在于,所述在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹,包括:
若所述激光雷达为多线性激光雷达,则在所述目标点云数据中拟合多条所述反射板反射所述激光信号的轨迹,作为参考轨迹;
对多条所述参考轨迹计算平均值,作为目标轨迹。
9.根据权利要求1-8中任一项所述的方法,其特征在于,所述根据所述目标轨迹计算所述车头与所述挂车之间的夹角,包括:
确定基准轨迹,所述基准轨迹为所述车头与所述挂车之间且平行时、所述反射板反射激光信号的轨迹;
计算所述基准轨迹与所述目标轨迹之间的夹角,作为所述车头与所述挂车之间的夹角。
10.根据权利要求9所述的方法,其特征在于,所述计算所述基准轨迹与所述目标轨迹之间的夹角,作为所述车头与所述挂车之间的夹角,包括:
在所述基准轨迹取第一线段,所述第一线段的一端为所述目标轨迹与所述基准轨迹之间的交点;
在所述目标轨迹取第二线段,所述第二线段的一端为所述目标轨迹与所述基准轨迹之间的交点;
计算所述第一线段与所述第二线段之间的余弦值;
对所述余弦值进行反余弦操作,得到所述基准轨迹与所述目标轨迹之间的夹角,作为所述车头与所述挂车之间的夹角。
11.根据权利要求1-8、10中任一项所述的方法,其特征在于,还包括:
统计所述激光雷达的频率;
若所述频率处于第一范围,则对所述夹角进行滤波处理;
若所述频率处于第二范围,则维持所述夹角;
其中,所述第一范围高于所述第二范围。
12.根据权利要求1-8、10中任一项所述的方法,其特征在于,所述激光雷达安装在所述车头后端,所述反射板安装在所述挂车前端横梁,所述激光雷达与所述反射板的高度相同;
所述车头与所述挂车之间平行时,所述激光雷达的位置与所述反射板的位置正对;
所述激光雷达为单线性激光雷达,或者,小于或等于16线的多线性激光雷达。
13.一种车辆夹角的计算装置,其特征在于,应用于车辆,所述车辆包括相连的车头、挂车,所述车头设置有激光雷达、所述挂车设置有反射板,所述装置包括:
激光扫描模块,用于调用所述激光雷达向所述挂车发射激光信号,获得原始点云数据;
目标点云识别模块,用于识别所述反射板反射所述激光信号时记录的所述原始点云数据,作为目标点云数据;
目标轨迹拟合模块,用于在所述目标点云数据中拟合所述反射板反射所述激光信号的轨迹,作为目标轨迹;
夹角计算模块,用于根据所述目标轨迹计算所述车头与所述挂车之间的夹角。
14.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
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1-12中任一项所述的车辆夹角的计算方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1-12中任一项所述的车辆夹角的计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160023.5A CN113917479B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆夹角的计算方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111160023.5A CN113917479B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆夹角的计算方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113917479A true CN113917479A (zh) | 2022-01-11 |
CN113917479B CN113917479B (zh) | 2024-06-25 |
Family
ID=79237463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111160023.5A Active CN113917479B (zh) | 2021-09-30 | 2021-09-30 | 一种车辆夹角的计算方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113917479B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898207A (zh) * | 2022-04-13 | 2022-08-12 | 中冶赛迪信息技术(重庆)有限公司 | 基于三维点云及图像数据的车辆自适应识别方法、系统 |
CN114942445A (zh) * | 2022-05-17 | 2022-08-26 | 哈尔滨工业大学(威海) | 一种基于工业相机和多线激光雷达的半挂车定位方法及系统 |
CN116400334A (zh) * | 2023-06-01 | 2023-07-07 | 未来机器人(深圳)有限公司 | 激光外参的标定验证方法、装置、电子设备及可存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
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 |
CN109959352A (zh) * | 2019-03-01 | 2019-07-02 | 武汉光庭科技有限公司 | 利用激光点云计算卡车车头和挂车之间夹角的方法及系统 |
CN109993192A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 目标对象识别方法及装置、电子设备、存储介质 |
CN110047276A (zh) * | 2019-03-11 | 2019-07-23 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
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 |
JP2020190814A (ja) * | 2019-05-20 | 2020-11-26 | 株式会社豊田中央研究所 | 軌道生成装置 |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
US20210291902A1 (en) * | 2020-03-23 | 2021-09-23 | Beijing Tusen Zhitu Technology Co., Ltd. | Method and apparatus for trailer angle measurement and vehicle |
-
2021
- 2021-09-30 CN CN202111160023.5A patent/CN113917479B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513127A (zh) * | 2015-12-25 | 2016-04-20 | 武汉大学 | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 |
CN109993192A (zh) * | 2018-01-03 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 目标对象识别方法及装置、电子设备、存储介质 |
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 |
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 |
CN109959352A (zh) * | 2019-03-01 | 2019-07-02 | 武汉光庭科技有限公司 | 利用激光点云计算卡车车头和挂车之间夹角的方法及系统 |
CN110047276A (zh) * | 2019-03-11 | 2019-07-23 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
JP2020190814A (ja) * | 2019-05-20 | 2020-11-26 | 株式会社豊田中央研究所 | 軌道生成装置 |
US20210291902A1 (en) * | 2020-03-23 | 2021-09-23 | Beijing Tusen Zhitu Technology Co., Ltd. | Method and apparatus for trailer angle measurement and vehicle |
CN113432553A (zh) * | 2020-03-23 | 2021-09-24 | 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 |
CN112634260A (zh) * | 2020-12-31 | 2021-04-09 | 上海商汤智能科技有限公司 | 一种地图评估的方法、装置、电子设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898207A (zh) * | 2022-04-13 | 2022-08-12 | 中冶赛迪信息技术(重庆)有限公司 | 基于三维点云及图像数据的车辆自适应识别方法、系统 |
CN114942445A (zh) * | 2022-05-17 | 2022-08-26 | 哈尔滨工业大学(威海) | 一种基于工业相机和多线激光雷达的半挂车定位方法及系统 |
CN114942445B (zh) * | 2022-05-17 | 2024-09-10 | 哈尔滨工业大学(威海) | 一种基于工业相机和多线激光雷达的半挂车定位方法及系统 |
CN116400334A (zh) * | 2023-06-01 | 2023-07-07 | 未来机器人(深圳)有限公司 | 激光外参的标定验证方法、装置、电子设备及可存储介质 |
CN116400334B (zh) * | 2023-06-01 | 2023-09-12 | 未来机器人(深圳)有限公司 | 激光外参的标定验证方法、装置、电子设备及可存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113917479B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113917479B (zh) | 一种车辆夹角的计算方法、装置、计算机设备和存储介质 | |
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN109284348B (zh) | 一种电子地图的更新方法、装置、设备和存储介质 | |
US11783180B1 (en) | Object detection neural network | |
EP3885796B1 (en) | Method and means for measuring a trailer angle, and corresponding vehicle | |
US11694351B2 (en) | Vehicle positioning method and system based on laser device | |
CN113759906B (zh) | 一种车辆对位方法、装置、计算机设备和存储介质 | |
CN107505940A (zh) | 自动引导车辆上的双激光雷达控制方法、系统及定位方法 | |
CN202220052U (zh) | 确定三维对象的位置和方位的位置检测系统 | |
CN111175788B (zh) | 自动驾驶车辆横向定位方法及其定位系统 | |
CN112015178B (zh) | 一种控制方法、装置、设备及存储介质 | |
RU2767949C2 (ru) | Способ (варианты) и система для калибровки нескольких лидарных датчиков | |
US11092692B2 (en) | Apparatus and method for recognizing location in autonomous vehicle | |
US11087147B2 (en) | Vehicle lane mapping | |
CN112839854B (zh) | 一种信息处理方法及相关装置 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN115311646A (zh) | 一种障碍物检测的方法及装置 | |
US20220126836A1 (en) | Travel road recognition device | |
CN110398953A (zh) | 智能驾驶系统、方法及计算机可读存储介质 | |
CN114662600A (zh) | 一种车道线的检测方法、装置和存储介质 | |
CN110095776B (zh) | 用于确定对象的存在和/或特性的方法和周围环境识别设备 | |
US20200370893A1 (en) | Device and method for compensating for route of autonomous vehicle | |
CN115195772A (zh) | 用于预测周围车辆的轨迹的装置和方法 | |
US12005926B2 (en) | Traffic light viewsheds |
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 |