CN114594755A - 一种智能运输车安全行驶系统 - Google Patents

一种智能运输车安全行驶系统 Download PDF

Info

Publication number
CN114594755A
CN114594755A CN202011372352.1A CN202011372352A CN114594755A CN 114594755 A CN114594755 A CN 114594755A CN 202011372352 A CN202011372352 A CN 202011372352A CN 114594755 A CN114594755 A CN 114594755A
Authority
CN
China
Prior art keywords
module
vehicle
positioning
fault
laser radar
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.)
Pending
Application number
CN202011372352.1A
Other languages
English (en)
Inventor
詹军
徐鹏飞
吴峰
佘勇
柳杨凯
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.)
Hubei Sanhuan Intelligent Technology Co ltd
Original Assignee
Hubei Sanhuan Intelligent 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 Hubei Sanhuan Intelligent Technology Co ltd filed Critical Hubei Sanhuan Intelligent Technology Co ltd
Priority to CN202011372352.1A priority Critical patent/CN114594755A/zh
Publication of CN114594755A publication Critical patent/CN114594755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Acoustics & Sound (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种智能运输车安全行驶系统，包括融合定位系统、障碍物感知系统及安全控制系统；所述融合定位系统包括组合惯导定位模块、激光雷达车道线识别定位模块、图像识别定位模块、融合定位模块；所述障碍物感知系统包括激光雷达障碍物感知模块、图像识别障碍物感知模块、毫米波雷达模块、超声波雷达模块、智驾模块及光照雨量传感器；所述安全控制系统包括电子围栏控制策略模块、车辆故障等级划分及处理模块、各模块自检及故障处理模块、远程驾驶模块；本系统给车辆智驾系统提供可靠的定位数据，保证车辆安装规划路径行驶，确保车辆在多环境中行驶安全及车辆可以在正常行驶过程中以及车辆故障后的行驶安全。

Description

一种智能运输车安全行驶系统
技术领域
本发明涉及智能驾驶安全行驶技术领域，更具体地，涉及一种智能运输车安全行驶系统。
背景技术
随着通信和传感器技术的不断发展，特别是5G技术的应用，使得车辆智能驾驶技术逐步完善，在封闭区域推广重载智能运输车成为可能。现阶段，封闭区域的重载智能运输车的安全行驶主要是依靠高精地图引导、定位模块实时定位、多传感器融合感知障碍物、智能驾驶模块控制、底盘VCU控制系统。高精地图是基于激光雷达实地采集的电子地图，并结合定位模块给出的定位信息，得出车辆行驶时虚拟地图；定位模块是基于组合惯导给出车辆的实时位置，引导车辆按规划路径行驶；多传感器融合系统采用摄像头、激光雷达、毫米波雷达，探测障碍物；智能驾驶模块处理各传感器数据，并控制车辆按VMS调度系统规划路径行驶；VMS根据作业要求调度并下发车辆作业任务，并规划车辆的行驶路径。这种行驶方法和系统会因道路的复杂多变存在一定的安全隐患，原因有：
1.在车辆行驶环境中，周围有较高建筑或物体遮挡时，天空云层过密时，会影响组合惯导定位模块的定位精度，严重时定位偏差会很大，严重影响定位精度，导致车辆使用的电子地图偏离原定行驶轨迹。
2.激光雷达、摄像头可以探测到车辆行驶过程中传感器检测范围内的障碍物，在车辆实际行驶中环境复杂多变，光照强度、晴雨天、反光面等会对传感器的检测造成较大影响，甚至会误判，影响车辆正常行驶的工作效率及安全性。
3.在车辆行驶过程中，车辆自身系统故障，感知传感器故障也会影响车辆行驶安全性，特别是障碍物感知传感器漏报障碍物，会对车辆行驶安全产生严重影响。
发明内容
针对现有技术的以上缺陷或改进需求，为了克服上述现有技术的缺点，本发明提供了提供一种可以融合多种传感器数据的定位技术方案，确保车辆在行驶过程中可以实时获取准确的定位信号，电子地图与实际地图的差别在可控范围内。
本发明另一个目的是提供一种用于车辆多传感器融合系统的道路障碍物感知方法和系统，融合多种传感器感知障碍物信息，并经过融合算法，准确判断车辆行驶环境中障碍物情况，保证车辆的行驶安全。
为了实现上述目的，按照本发明的一个方面，涉及一种智能运输车安全行驶系统，包括融合定位系统、障碍物感知系统及安全控制系统；
所述融合定位系统包括组合惯导定位模块、激光雷达车道线识别定位模块、图像识别定位模块及融合定位模块；
所述障碍物感知系统包括激光雷达障碍物感知模块、图像识别障碍物感知模块、毫米波雷达模块、超声波雷达模块、智驾模块及光照雨量传感器；
所述安全控制系统包括电子围栏控制策略模块、车辆故障等级划分及处理模块、各模块自检及故障处理模块及远程驾驶模块；
所述组合惯导定位模块包括组合惯导主机和GPS天线，惯导主机安装在车辆正中心，GPS天线布置在车辆左前方和左后方；手控车辆沿所需行驶路径行驶时，采集车辆GPS定位数据，并基于此GPS定位数据信息制作车辆电子地图；
所述激光雷达车道线识别定位模块包括至少1个激光雷达数据处理控制器和多个激光雷达(16线)；激光雷达数据处理控制器放置在控制柜，激光雷达车辆前、后方中间至少各安装1个；用激光雷达扫描所需行驶路径的车道线校准电子地图，在有物理车道线的地方，用激光雷达扫描物理车道线；在没有物理车道线的地方，用激光雷达扫描虚拟车道线；通过扫描车道线反射率和纹路，识别车道线上特征点及车道线特征点与车辆的距离和方向，并反算车辆此刻的定位信息及航向角，得到车辆的实时定位位置信息，并将此信息传输给融合定位模块；融合定位模块融合激光雷达车道线识别定位模块和组合惯导定位数据，得到融合电子地图；
所述图像识别定位模块包括多个图像识别控制器，多个单目摄像头，图像识别控制器分别安装在车前和车后，单目摄像头安装在车辆的4个角上；在车辆行驶路径的路边或路面绘制二维码，并用摄像头识别这些二维码，计算车辆与二维码的距离和方位，并反算车辆此刻的定位信息及航向角，得到车辆的实时定位位置信息，并用此定位数据传输给融合定位模块；融合定位模块融合图像识别定位模块、激光雷达车道线识别定位模块和组合惯导定位数据，得到进一步融合电子地图；
所述融合定位模块融合组合惯导定位模块定位信息、图像识别定位模块定位信息、激光雷达车道线识别定位模块定位信息，通过置信度算法，得出车辆的实时定位信息；
所述激光雷达障碍物感知模块包括多个激光雷达和多个激光雷达控制器；激光雷达布置在车辆的4个角上，探测车辆前、后方向至少50米，左、右方向至少1米范围内的物体，并且保证任何角度和方位的障碍物都至少被2个激光雷达探测到；车辆前、后各安装至少1个激光雷达控制器，前方激光雷达控制器处理前方激光雷达数据，并将结果输出到智驾模块；后方激光雷达控制器处理后方激光雷达数据，并将结果输出到智驾模块；
所述图像识别障碍物感知模块包括多个图像处理控制器，多个长距离单目摄像头，多个短距离单目摄像头；车辆前、后各安装至少1个图像处理控制器，前方图像处理控制器处理前方摄像头和左边摄像头数据，后方图像处理控制器处理后方摄像头和右侧摄像头数据，并将图像处理结果输出到智驾模块；前、后方向各安装多个单目摄像头，探测车辆前后方向至少50米内的物体，侧方左右各安装多个单目摄像头，探测侧方距车辆至少1米范围内的物体；
所述毫米波障碍物感知模块包括至少1个毫米波雷达控制器，多个长距离毫米波雷达，多个短距离毫米波雷达；毫米波雷达控制器安装在车辆控制柜内，并将毫米波雷达数据处理结果输出到智驾模块；前、后方各安装至少1个长距离毫米波雷达，探测距车辆前后方向至少50米内的物体；侧方左右各安装多个短距离毫米波雷达，探测距车辆左右方向至少1米内的物体；
所述超声波雷达障碍物感知模块，包括至少一个超声波雷达控制器，多个超声波雷达；超声波雷达控制器安装在车辆控制柜内，并将超声波雷达数据处理结果输出到智驾模块；在毫米波、摄像头的探测盲区安装多个超声波雷达，确保车辆前后方向至少50米，左右方向至少1米内的物体都至少有两种传感器可以探测到；
所述智驾模块汇总各感知模块信息，包括激光雷达模块、毫米波雷达模块、图像处理模块、超声波雷达模块、底盘控制模块，判定是否有障碍物阻碍车辆按规划路径无人驾驶行驶，以及控制车辆采取相应的措施；
所述光照雨量传感器在车辆前方和后方各安装至少1个，用于采集雨量大小和光照强度，用底盘控制器采集传感器数据；前向行驶时，底盘控制器将前方光照雨量传感器数据输出给智驾模块；后向行驶时，底盘控制器将后方光照雨量传感器数据输出给智驾模块。
进一步的，所述融合定位模块通过置信度算法，得出车辆的实时定位信息的方法包括如下步骤：
步骤一：用激光雷达定位信息、图像识别定位信息校准组合惯导的定位信息，并计算出组合惯导定位信息置信度，看组合惯导置信度是否超过阈值，阈值设置为K；
卡尔曼滤波的多传感器信息融合的是激光雷达、毫米波雷达和视觉模块提供，考虑这3个传感器的感知系统，建立如下数学表达式：
Figure BDA0002807098530000051
yi(t)＝Hix(t)+vi(t),vi(t)＝αiw(t)+ξi(t),(i＝1,2,3)
其中T是采样周期，状态为
Figure BDA0002807098530000052
分别是目标在时间t的位置，速度和加速度，yi(t)是三个传感器测量的信号，vi(t)是三个传感器的测量噪声，αi为常数标量；vi(t)和方差为
Figure BDA0002807098530000053
的高斯白噪声w(t)有关，ξi(t)是具有均值为0方差矩阵为
Figure BDA0002807098530000054
的高斯白噪声，和w(t)无关；Hi是函数表达式；
步骤二：当组合惯导信息置信度大于K时，采用组合惯导定位数据指引车辆行驶；
步骤三：当组合惯导信息置信度小于等于K时，用激光雷达定位数据和摄像头的定位数据校准激光雷达定位信息，并计算出激光雷达定位信息置信度，并判断组合惯导置信度是否超过阈值，阈值设为K；
步骤四：当激光雷达定位置信度大于K时，采用激光雷达定位数据指导车辆行驶；
步骤五：当激光雷达定位置信度小于等于K时，采用摄像头定位数据指导车辆行驶。
进一步的，组合惯导置信度的值是通过对每个子传感器使用卡尔曼滤波方程求出局部最优卡尔曼滤波器
Figure BDA0002807098530000055
和其相应的方差Pi(t|t)，引用Anderson&Moore提出的具有多个传感器系统的第i个子系统具有局部最优卡尔曼滤波器来计算出最优信息融合
Figure BDA0002807098530000056
和相应的方差P0(t|t)，并将得到的数据和组合惯导算出的局部卡尔曼滤波和其方差进行对比，可以得到组合惯导相应的置信度；阈值K的取值范围为75％～85％。
进一步的，所述电子围栏控制策略模块的电子围栏控制策略包括车辆在车道内直线行驶路径中，根据激光雷达车道线识别定位模块得到的车辆距两边车道线的最小距离L，制定电子围栏策略；当L≥30cm时，车辆在正常行驶范围内，无需处理；当30cm＞L＞0cm时，车辆行驶已经偏离正常行驶路径，需要调整车辆行驶数据，让车辆回归正常行驶路线内；当L≥0cm时(车辆已经出车道线)，判定车辆有与相邻车道物体碰撞风险，底盘控制器直接控制车辆刹车，排除问题后再继续行驶。
进一步的，所述车辆故障等级划分及处理模块根据故障影响车辆正常行驶的严重程度，将车辆所有故障划分四个不同等级，包括定位模块故障、传感器感知模块故障、智驾模块故障、底盘故障，不同故障等级采取不同的处理方式；处理方式具体为：一级故障为最严重故障，此时车辆已经无法行驶，必须紧急停车，需待故障排除后再继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；二级故障为第二严重故障，车辆还可以行驶一小段距离，行驶长距离存在风险，此时需将车辆行驶到路边，不影响其他车辆作业，排除故障继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；三级故障为第三严重故障，车辆可以行驶较长距离，但不适宜连续长距离行驶，此时待车辆完成当前单个作业任务后，再行驶到维修区，排除故障再继续使用；四级故障为最不严重故障，车辆可以连续长距离行驶，此时车辆完成当日所有作业任务后，再行驶到维修区排除故障。
进一步的，所述各模块自检及故障处理模块具备自检和互检功能，融合定位模块实际融合激光雷达车道线识别定位模块、图像识别定位模块、组合惯导定位模块的定位数据，通过融合算法进行定位数据检测，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，并按车辆故障等级划分及处理模块的方式处理相应的故障；多传感器融合模块融合激光雷达模块、图像识别模块、毫米波雷达模块、超声波雷达模块、智驾模块的障碍物探测数据，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照车辆故障等级划分及处理模块的方式处理相应的故障；底盘控制模块同样融合底盘各控制器数据，底盘各控制器自身也会自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照车辆故障等级划分及处理模块的方式处理相应的故障。
进一步的，所述远程驾驶模块，当车辆出现故障，判定为智驾系统行驶存在风险，但底盘可以正常行驶时，可以通过车辆上远程驾驶模块，在监控室遥控车辆行驶到维修区。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1.本发明的智能运输车安全行驶系统，通过融合定位技术的定位信号，融合激光雷达车道线识别定位模块、图像识别定位模块、组合惯导定位模块的定位数据，可以给车辆智驾系统提供可靠的定位数据，保证车辆安装规划路径行驶，不会影响行驶环境中设备安全；
2.本发明的智能运输车安全行驶系统，通过多传感器融合的障碍物感知方法和系统，融合激光雷达模块、图像识别模块、毫米波雷达模块、超声波雷达模块障碍物探测数据，可以适应车辆在多环境中使用的障碍物探测要求，确保车辆在多环境中行驶安全；
3.本发明的智能运输车安全行驶系统，通过电子围栏控制策略、车辆故障等级划分及处理方法、各模块自检及故障处理策略、远程驾驶模块等，进一步保证了车辆按照预定路径行驶。制定车辆故障的报警策略及故障处理方式，保证车辆可以在正常行驶过程中以及车辆故障后的行驶安全。模块化的设计，保证系统的稳定性及工作效率。
附图说明
图1为本发明较佳实施例的整体结构示意图；
图2为本发明较佳实施例的逻辑流程图；
图3为本发明较佳实施例的多传感器融合卡尔曼滤波流程图；
具体实施方式
请参考图1所示，一种智能运输车安全行驶系统，包括融合定位系统1、障碍物感知系统2及安全控制系统3；
所述融合定位系统1包括组合惯导定位模块11、激光雷达车道线识别定位模块12、图像识别定位模块13及融合定位模块14；
所述障碍物感知系统2包括激光雷达障碍物感知模块21、图像识别障碍物感知模块22、毫米波雷达模块23、超声波雷达模块24、智驾模块25及光照雨量传感器26；
所述安全控制系统3包括电子围栏控制策略模块31、车辆故障等级划分及处理模块32、各模块自检及故障处理模块33、远程驾驶模块34；
所述组合惯导定位模块11包括1个组合惯导主机和2个GPS天线，惯导主机安装在车辆正中心，2个GPS天线布置在车辆左前方和左后方；手控车辆沿所需行驶路径行驶时，采集车辆GPS定位数据，并基于此GPS定位数据信息制作车辆电子地图；
所述激光雷达车道线识别定位模块12包括1个激光雷达数据处理控制器和2个激光雷达(16线)；激光雷达数据处理控制器放置在控制柜，2个16线激光雷达车辆前、后方中间各安装1个；用激光雷达扫描所需行驶路径的车道线校准电子地图，在有物理车道线的地方，用激光雷达扫描物理车道线；在没有物理车道线的地方，用激光雷达扫描虚拟车道线；通过扫描车道线反射率和纹路，识别车道线上特征点及车道线特征点与车辆的距离和方向，并反算车辆此刻的定位信息及航向角，得到车辆的实时定位位置信息，并将此信息传输给融合定位模块；融合定位模块融合激光雷达车道线识别定位模块和组合惯导定位数据，得到融合电子地图；
所述图像识别定位模块13包括2个图像识别控制器，4个单目摄像头，2个图像识别控制器分别安装在车前和车后，4个单目摄像头安装在车辆的4个角上；在车辆行驶路径的路边或路面绘制二维码，并用摄像头识别这些二维码，计算车辆与二维码的距离和方位，并反算车辆此刻的定位信息及航向角，得到车辆的实时定位位置信息，并用此定位数据传输给融合定位模块；融合定位模块融合图像识别定位模块、激光雷达车道线识别定位模块和组合惯导定位数据，得到进一步融合电子地图；
所述融合定位模块14融合组合惯导定位模块定位信息、图像识别定位模块定位信息、激光雷达车道线识别定位模块定位信息，通过置信度算法，得出车辆的实时定位信息；
所述激光雷达障碍物感知模块21，包括4个16线激光雷达，和两个激光雷达控制器；使用4个16线激光雷达布置在车辆的4个角上，探测车辆前、后方向50米，左、右方向1米范围内的物体，并且保证任何角度和方位的障碍物都至少被2个激光雷达探测到，大大提高激光雷达模块的可靠性；车辆前、后各安装1个激光雷达控制器，前方激光雷达控制器处理前方2个激光雷达数据，并将结果输出到智驾模块；后方激光雷达控制器处理后方2个激光雷达数据，并将结果输出到智驾模块；
所述图像识别障碍物感知模块22，包括2个图像处理控制器，4个长距离单目摄像头，6个短距离单目摄像头；车辆前、后各安装1个图像处理控制器，前方图像处理控制器处理前方2个摄像头和左边3个摄像头数据，后方图像处理控制器处理后方2个摄像头和右侧3个摄像头数据，并将图像处理结果输出到智驾模块；前、后方向各安装2个单目摄像头，探测车辆前后方向50米内的物体，侧方左右各安装3个单目摄像头，探测侧方距车辆1米范围内的物体；
所述毫米波障碍物感知模块23包括1个毫米波雷达控制器，2个长距离毫米波雷达，4个短距离毫米波雷达；毫米波雷达控制器安装在车辆控制柜内，并将毫米波雷达数据处理结果输出到智驾模块；前、后方各安装1个长距离毫米波雷达，探测距车辆前后方向50米内的物体；侧方左右各安装2个短距离毫米波雷达，探测距车辆左右方向1米内的物体；
所述超声波雷达障碍物感知模块24，包括超声波雷达控制器，14个超声波雷达；超声波雷达控制器安装在车辆控制柜内，并将超声波雷达数据处理结果输出到智驾模块；在毫米波、摄像头的探测盲区安装14个超声波雷达，确保车辆前后方向50米，左右方向1米内的物体都至少有两种传感器可以探测到；
所述智驾模块25汇总各感知模块信息，包括激光雷达模块、毫米波雷达模块、图像处理模块、超声波雷达模块、底盘控制模块，判定是否有障碍物阻碍车辆按规划路径无人驾驶行驶，以及控制车辆采取相应的措施；
所述光照雨量传感器26在车辆前方和后方各安装1个，用于采集雨量大小和光照强度，用底盘控制器采集传感器数据；前向行驶时，底盘控制器将前方光照雨量传感器数据输出给智驾模块；后向行驶时，底盘控制器将后方光照雨量传感器数据输出给智驾模块。
请参考图2、图3所示，所述融合定位模块14通过置信度算法，得出车辆的实时定位信息的方法包括如下步骤：
步骤一：用激光雷达定位信息、图像识别定位信息校准组合惯导的定位信息，并计算出组合惯导定位信息置信度，看组合惯导置信度是否超过阈值，阈值设置为K；
多传感器感知融合算法采用卡尔曼滤波的算法对激光雷达，毫米波雷达和视觉模块的传感器信息进行处理，对多个信号进行类似加权求平均并最终输出一个最优解的障碍物探知信息给到控制系统。取决于卡尔曼滤波算法是基于线性系统中运行，用于融合的传感器系统都是线性状态，并基于k-1时刻下传感器参数和定义传感器参数修正概率的方差矩阵，对k时刻的传感器状态进行滤波，具有非常高实时性的要求，满足传感器10hz频率下感知数据滤波需求；定位置信度的计算是对定位和其他传感器的卡尔曼滤波最优解进行比对的算法，多传感器融合是直接求取所有传感器进行卡尔曼滤波后得出的最优解并运用到无人驾驶控制中。
卡尔曼滤波的多传感器信息融合的是激光雷达、毫米波雷达和视觉模块提供，考虑这3个传感器的感知系统
Figure BDA0002807098530000111
yi(t)＝Hix(t)+vi(t),vi(t)＝αiw(t)+ξi(t),(i＝1,2,3)
其中T是采样周期，状态为
Figure BDA0002807098530000112
分别是目标在时间t的位置，速度和加速度，yi(t)是三个传感器测量的信号，vi(t)是三个传感器的测量噪声，αi为常数标量；vi(t)和方差为
Figure BDA0002807098530000113
的高斯白噪声w(t)有关，ξi(t)是具有均值为0方差矩阵为
Figure BDA0002807098530000114
的高斯白噪声，和w(t)无关；
步骤二：当组合惯导信息置信度大于K时，采用组合惯导定位数据指引车辆行驶；
步骤三：当组合惯导信息置信度小于等于K时，用激光雷达定位数据和摄像头的定位数据校准激光雷达定位信息，并计算出激光雷达定位信息置信度，并判断组合惯导置信度是否超过阈值，阈值设为K；
步骤四：当激光雷达定位置信度大于K时，采用激光雷达定位数据指导车辆行驶；
步骤五：当激光雷达定位置信度小于等于K时，采用摄像头定位数据指导车辆行驶。
组合惯导置信度的值是通过对每个子传感器使用卡尔曼滤波方程求出局部最优卡尔曼滤波器
Figure BDA0002807098530000121
和其相应的方差Pi(t|t)，引用Anderson&Moore提出的具有多个传感器系统的第i个子系统具有局部最优卡尔曼滤波器来计算出最优信息融合
Figure BDA0002807098530000122
和相应的方差P0(t|t)，并将得到的数据和组合惯导算出的局部卡尔曼滤波和其方差进行对比，可以得到组合惯导相应的置信度；阈值K的取值范围为75％～85％)。
所述电子围栏控制策略模块的电子围栏控制策略包括车辆在车道内直线行驶路径中，根据激光雷达车道线识别定位模块得到的车辆距两边车道线的最小距离L，制定电子围栏策略；当L≥30cm时，车辆在正常行驶范围内，无需处理；当30cm＞L＞0cm时，车辆行驶已经偏离正常行驶路径，需要调整车辆行驶数据，让车辆回归正常行驶路线内；当L≥0cm时(车辆已经出车道线)，判定车辆有与相邻车道物体碰撞风险，底盘控制器直接控制车辆刹车，排除问题后再继续行驶。
所述车辆故障等级划分及处理模块根据故障影响车辆正常行驶的严重程度，将车辆所有故障划分四个不同等级，包括定位模块故障、传感器感知模块故障、智驾模块故障、底盘故障，不同故障等级采取不同的处理方式；一级故障为最严重故障，此时车辆已经无法行驶，必须紧急停车，需待故障排除后再继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；二级故障为第二严重故障，车辆还可以行驶一小段距离，行驶长距离存在风险，此时需将车辆行驶到路边，不影响其他车辆作业，排除故障继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；三级故障为第三严重故障，车辆可以行驶较长距离，但不适宜连续长距离行驶，此时待车辆完成当前单个作业任务后，再行驶到维修区，排除故障再继续使用；四级故障为最不严重故障，车辆可以连续长距离行驶，此时车辆完成当日所有作业任务后，再行驶到维修区排除故障。
所述各模块自检及故障处理模块具备自检和互检功能，融合定位模块实际融合激光雷达车道线识别定位模块、图像识别定位模块、组合惯导定位模块的定位数据，通过融合算法进行定位数据检测，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照S32的方式处理相应的故障；多传感器融合模块融合激光雷达模块、图像识别模块、毫米波雷达模块、超声波雷达模块、智驾模块的障碍物探测数据，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照S32的方式处理相应的故障；底盘控制模块同样融合底盘各控制器数据，底盘各控制器自身也会自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照S32的方式处理相应的故障。
述远程驾驶模块4，当车辆出现故障，判定为智驾系统行驶存在风险，但底盘可以正常行驶时，可以通过车辆上远程驾驶模块，在监控室遥控车辆行驶到维修区。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平"、“页”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二"等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、"第二"等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种智能运输车安全行驶系统，其特征在于：包括相互连接的融合定位系统(1)、障碍物感知系统(2)及安全控制系统(3)；
所述融合定位系统(1)包括组合惯导定位模块(11)、激光雷达车道线识别定位模块(12)、图像识别定位模块(13)及融合定位模块(14)；
所述障碍物感知系统(2)包括激光雷达障碍物感知模块(21)、图像识别障碍物感知模块(22)、毫米波雷达模块(23)、超声波雷达模块(24)及智驾模块(25)及光照雨量传感器(26)；
所述安全控制系统(3)包括电子围栏控制策略模块(31)、车辆故障等级划分及处理模块(32)、各模块自检及故障处理模块(33)及远程驾驶模块(34)；
所述组合惯导定位模块(11)包括组合惯导主机和GPS天线，惯导主机安装在车辆正中心，GPS天线布置在车辆左前方和左后方；手控车辆沿所需行驶路径行驶时，采集车辆GPS定位数据，并基于此GPS定位数据信息制作车辆电子地图；
所述激光雷达车道线识别定位模块(12)包括至少1个激光雷达数据处理控制器和多个激光雷达；
所述图像识别定位模块(13)包括多个图像识别控制器，多个单目摄像头，图像识别控制器分别安装在车前和车后；
所述融合定位模块(14)融合组合惯导定位模块定位信息、图像识别定位模块定位信息、激光雷达车道线识别定位模块定位信息，通过置信度算法，得出车辆的实时定位信息；
所述激光雷达障碍物感知模块(21)包括多个激光雷达和多个激光雷达控制器；
所述图像识别障碍物感知模块(22)包括多个图像处理控制器，多个长距离单目摄像头，多个短距离单目摄像头；
所述毫米波障碍物感知模块(23)包括至少1个毫米波雷达控制器，多个长距离毫米波雷达，多个短距离毫米波雷达；
所述超声波雷达障碍物感知模块(24)，包括至少一个超声波雷达控制器，多个超声波雷达；
所述智驾模块(25)汇总各感知模块信息，包括激光雷达模块、毫米波雷达模块、图像处理模块、超声波雷达模块、底盘控制模块，判定是否有障碍物阻碍车辆按规划路径无人驾驶行驶，以及控制车辆采取相应的措施；
所述光照雨量传感器(26)在车辆前方和后方各安装至少1个。
2.根据权利要求1所述的智能运输车安全行驶系统，其特征在于：所述融合定位模块(14)通过置信度算法，得出车辆的实时定位信息的方法包括如下步骤：
步骤一：用激光雷达定位信息、图像识别定位信息校准组合惯导的定位信息，并计算出组合惯导定位信息置信度，看组合惯导置信度是否超过阈值，阈值设置为K；
卡尔曼滤波的多传感器信息融合的是激光雷达、毫米波雷达和视觉模块提供，考虑这3个传感器的感知系统，建立如下数学表达式：
Figure FDA0002807098520000021
yi(t)＝Hix(t)+vi(t),vi(t)＝αiw(t)+ξi(t),(i＝1,2,3)
其中T是采样周期，状态为
Figure FDA0002807098520000022
分别是目标在时间t的位置，速度和加速度，yi(t)是三个传感器测量的信号，vi(t)是三个传感器的测量噪声，αi为常数标量；vi(t)和方差为
Figure FDA0002807098520000031
的高斯白噪声w(t)有关，ξi(t)是具有均值为0方差矩阵为
Figure FDA0002807098520000032
的高斯白噪声，和w(t)无关；Hi是自定义函数表达式；
步骤二：当组合惯导信息置信度大于K时，采用组合惯导定位数据指引车辆行驶；
步骤三：当组合惯导信息置信度小于等于K时，用激光雷达定位数据和摄像头的定位数据校准激光雷达定位信息，并计算出激光雷达定位信息置信度，并判断组合惯导置信度是否超过阈值，阈值设为K；
步骤四：当激光雷达定位置信度大于K时，采用激光雷达定位数据指导车辆行驶；
步骤五：当激光雷达定位置信度小于等于K时，采用摄像头定位数据指导车辆行驶。
3.根据权利要求1所述的智能运输车安全行驶系统，其特征在于：组合惯导置信度的值是通过对每个子传感器使用卡尔曼滤波方程求出局部最优卡尔曼滤波器
Figure FDA0002807098520000033
和其相应的方差Pi(t|t)，引用Anderson&Moore提出的具有多个传感器系统的第i个子系统具有局部最优卡尔曼滤波器来计算出最优信息融合
Figure FDA0002807098520000034
和相应的方差P0(t|t)，并将得到的数据和组合惯导算出的局部卡尔曼滤波和其方差进行对比，可以得到组合惯导相应的置信度；阈值K的取值范围为75％～85％。
4.根据权利要求1所述的智能运输车安全行驶系统，其特征在于：
所述电子围栏控制策略模块的电子围栏控制策略包括车辆在车道内直线行驶路径中，根据激光雷达车道线识别定位模块得到的车辆距两边车道线的最小距离L，制定电子围栏策略；当L≥30cm时，车辆在正常行驶范围内，无需处理；当30cm＞L＞0cm时，车辆行驶已经偏离正常行驶路径，需要调整车辆行驶数据，让车辆回归正常行驶路线内；当L≥0cm时(车辆已经出车道线)，判定车辆有与相邻车道物体碰撞风险，底盘控制器直接控制车辆刹车，排除问题后再继续行驶。
5.根据权利要求1所述的智能运输车安全行驶系统，其特征在于：
所述车辆故障等级划分及处理模块根据故障影响车辆正常行驶的严重程度，将车辆所有故障划分四个不同等级，包括定位模块故障、传感器感知模块故障、智驾模块故障、底盘故障，不同故障等级采取不同的处理方式；处理方式具体为：一级故障为最严重故障，此时车辆已经无法行驶，必须紧急停车，需待故障排除后再继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；二级故障为第二严重故障，车辆还可以行驶一小段距离，行驶长距离存在风险，此时需将车辆行驶到路边，不影响其他车辆作业，排除故障继续行驶，暂时无法排除的故障，经过临时处理将故障降级后再做相应处理；三级故障为第三严重故障，车辆可以行驶较长距离，但不适宜连续长距离行驶，此时待车辆完成当前单个作业任务后，再行驶到维修区，排除故障再继续使用；四级故障为最不严重故障，车辆可以连续长距离行驶，此时车辆完成当日所有作业任务后，再行驶到维修区排除故障。
6.根据权利要求5所述的智能运输车安全行驶系统，其特征在于：
所述各模块自检及故障处理模块具备自检和互检功能，融合定位模块实际融合激光雷达车道线识别定位模块、图像识别定位模块、组合惯导定位模块的定位数据，通过融合算法进行定位数据检测，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，并按车辆故障等级划分及处理模块的方式处理相应的故障；多传感器融合模块融合激光雷达模块、图像识别模块、毫米波雷达模块、超声波雷达模块、智驾模块的障碍物探测数据，同时各模块自身也进行自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照车辆故障等级划分及处理模块的方式处理相应的故障；底盘控制模块同样融合底盘各控制器数据，底盘各控制器自身也会自检，当检测值超过设定的阈值时，判定为模块故障，并根据对车辆行驶影响严重程度划分为不同故障等级，按照车辆故障等级划分及处理模块的方式处理相应的故障。
7.根据权利要求1所述的智能运输车安全行驶系统，其特征在于：
所述远程驾驶模块(34)，当车辆出现故障，判定为智驾系统行驶存在风险，但底盘可以正常行驶时，可以通过车辆上远程驾驶模块，在监控室遥控车辆行驶到维修区。
CN202011372352.1A 2020-11-30 2020-11-30 一种智能运输车安全行驶系统 Pending CN114594755A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011372352.1A CN114594755A (zh) 2020-11-30 2020-11-30 一种智能运输车安全行驶系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011372352.1A CN114594755A (zh) 2020-11-30 2020-11-30 一种智能运输车安全行驶系统

Publications (1)

Publication Number Publication Date
CN114594755A true CN114594755A (zh) 2022-06-07

Family

ID=81802303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011372352.1A Pending CN114594755A (zh) 2020-11-30 2020-11-30 一种智能运输车安全行驶系统

Country Status (1)

Country Link
CN (1) CN114594755A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116039620A (zh) * 2022-12-05 2023-05-02 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965202A (zh) * 2015-06-18 2015-10-07 奇瑞汽车股份有限公司 障碍物探测方法和装置
US20170185850A1 (en) * 2015-12-23 2017-06-29 Automotive Research & Test Center Method for quantifying classification confidence of obstructions
CN109747643A (zh) * 2017-11-07 2019-05-14 郑州宇通客车股份有限公司 一种智能车辆感知系统的信息融合方法
CN110406544A (zh) * 2019-08-06 2019-11-05 阿尔法巴人工智能(深圳)有限公司 雨雾场景下的车辆感知系统及方法
CN110969178A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 自动驾驶车辆的数据融合系统、方法及自动驾驶系统
CN111696373A (zh) * 2019-03-15 2020-09-22 北京图森智途科技有限公司 车队协同感知方法、车队协同控制方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965202A (zh) * 2015-06-18 2015-10-07 奇瑞汽车股份有限公司 障碍物探测方法和装置
US20170185850A1 (en) * 2015-12-23 2017-06-29 Automotive Research & Test Center Method for quantifying classification confidence of obstructions
CN109747643A (zh) * 2017-11-07 2019-05-14 郑州宇通客车股份有限公司 一种智能车辆感知系统的信息融合方法
CN110969178A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 自动驾驶车辆的数据融合系统、方法及自动驾驶系统
CN111696373A (zh) * 2019-03-15 2020-09-22 北京图森智途科技有限公司 车队协同感知方法、车队协同控制方法和系统
CN110406544A (zh) * 2019-08-06 2019-11-05 阿尔法巴人工智能(深圳)有限公司 雨雾场景下的车辆感知系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116039620A (zh) * 2022-12-05 2023-05-02 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统
CN116039620B (zh) * 2022-12-05 2024-04-19 北京斯年智驾科技有限公司 基于自动驾驶感知的安全冗余处理系统

Similar Documents

Publication Publication Date Title
RU2666010C2 (ru) Способ и устройство для определения интенсивности движения с помощью электронного контроллера, установленного в транспортном средстве
CN108037515A (zh) 一种激光雷达和超声波雷达信息融合系统及方法
CN208149310U (zh) 一种用于自动驾驶车辆的环境感知系统
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
CN105009175A (zh) 基于传感器盲点和局限性来修改自主车辆的行为
AU2011353033A1 (en) Systems and methods for evaluating range sensor calibration data
WO2012129437A2 (en) Driver assistance system
CN114442101B (zh) 基于成像毫米波雷达的车辆导航方法、装置、设备及介质
CN109367529B (zh) 毫米波雷达组合安装结构及虚拟隧道构建与障碍判断方法
CN209852177U (zh) 一种用于自动驾驶清扫车的环境感知系统
US20210208282A1 (en) Detection device and detection system
EP4101717A1 (en) Method and system for identifying confidence level of autonomous driving system
CN111016903A (zh) 自动驾驶车辆雨天行驶安全保障系统及方法
CN108458746A (zh) 一种基于多类型传感器自适应融合方法
CN113362606A (zh) 一种基于车联网的车路协同防碰撞综合控制系统
EP3605500A1 (en) Output device, control method, program, and storage medium
CN115129050A (zh) 一种港口牵引车无人运输短倒系统及方法
CN114594755A (zh) 一种智能运输车安全行驶系统
CN114661039A (zh) 物流车及其挂车位姿确定、预碰撞检测和自动驾驶方法
Kim et al. Safety evaluation of autonomous vehicles for a comparative study of camera image distance information and dynamic characteristics measuring equipment
CN210502571U (zh) 一种车辆环境感知系统
KR101764839B1 (ko) 차선 인식 시스템 및 방법
WO2023147160A1 (en) Radar object classification based on radar cross-section data
CN116088513A (zh) 无人驾驶矿车自动路径优化方法、装置、单元及矿车
CN116022657A (zh) 路径规划方法、装置和起重机

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