CN114671380B - 一种基于多传感器数据融合的高空作业车防撞方法及系统 - Google Patents

一种基于多传感器数据融合的高空作业车防撞方法及系统 Download PDF

Info

Publication number
CN114671380B
CN114671380B CN202210286697.8A CN202210286697A CN114671380B CN 114671380 B CN114671380 B CN 114671380B CN 202210286697 A CN202210286697 A CN 202210286697A CN 114671380 B CN114671380 B CN 114671380B
Authority
CN
China
Prior art keywords
obstacle
data
probability
credibility
grid map
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
CN202210286697.8A
Other languages
English (en)
Other versions
CN114671380A (zh
Inventor
刘国良
谭景超
许艳
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.)
Hunan Sinoboom Intelligent Equipment Co Ltd
Original Assignee
Hunan Sinoboom Intelligent Equipment 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 Hunan Sinoboom Intelligent Equipment Co Ltd filed Critical Hunan Sinoboom Intelligent Equipment Co Ltd
Priority to CN202210286697.8A priority Critical patent/CN114671380B/zh
Publication of CN114671380A publication Critical patent/CN114671380A/zh
Application granted granted Critical
Publication of CN114671380B publication Critical patent/CN114671380B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F11/00—Lifting devices specially adapted for particular uses not otherwise provided for
    • B66F11/04—Lifting devices specially adapted for particular uses not otherwise provided for for movable platforms or cabins, e.g. on vehicles, permitting workmen to place themselves in any desired position for carrying out required operations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F17/00—Safety devices, e.g. for limiting or indicating lifting force
    • B66F17/006—Safety devices, e.g. for limiting or indicating lifting force for working platforms

Landscapes

  • Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于多传感器数据融合的高空作业车防撞方法及系统，通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；删除障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；将障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；基于最终的障碍物可信数据，计算工作栏碰撞到障碍物的碰撞概率；基于碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞。本发明能够提高预测有无障碍物的精确度，能够减少误报和失效的风险，实现自动躲避工作栏碰撞，有效避免作业风险。

Description

一种基于多传感器数据融合的高空作业车防撞方法及系统
技术领域
本发明涉及高空作业车安全技术领域，具体涉及一种基于多传感器数据融合的高空作业车防撞方法及系统。
背景技术
高空车在复杂环境中作业时，非常容易发生碰撞事故。目前行业内的主动防撞功能常用工作栏上的超声波传感器进行检测，但工作栏上的超声波传感器非常容易受到各种因素的干扰而产生误报警，比如操作手的肢体、工具、工件、油漆、雨水、工作栏变形等，或者单一传感器失效后的整体防撞功能的丧失，因此，使用单一的超声波传感器会有误报和失效的风险。
发明内容
为解决现有技术中存在的问题，本发明提供一种基于多传感器数据融合的高空作业车防撞方法及系统，能够减少碰撞事故的发生，提高预测障碍物的精确度。
为达到上述目的，本发明的技术方案是这样实现的：
第一方面，本发明实施例提供了一种基于多传感器数据融合的高空作业车防撞方法，包括步骤：
通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；
删除所述障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；
将所述障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；
基于所述最终的障碍物可信数据，计算工作栏碰撞到所述障碍物的碰撞概率；
基于所述碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变所述预先设计的工作栏运行轨迹，若不会发生碰撞，则按照所述预先设计的工作栏运行轨迹运行。
与现有技术相比，本发明第一方面具有以下有益效果：
本方法通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；删除障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；将障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；基于最终的障碍物可信数据，计算工作栏碰撞到障碍物的碰撞概率；基于碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变预先设计的工作栏运行轨迹，若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。本方法通过毫米波雷达和超声波雷达获取的数据，并将数据融合获取最终的障碍物可信数据，并基于最终的障碍物可信数据，计算碰撞概率，根据碰撞概率，判断工作平台是否会会发生碰撞；通过该方法能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险，能够降低发生碰撞的概率，实现自动躲避工作栏碰撞，有效避免作业风险。
进一步，所述通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图，包括：
多个毫米波雷达每隔预设时间获取一次数据，将每次获取的多组数据通过D-S证据理论进行融合获得融合后的数据，将所述融合后的数据填入栅格地图中，获得障碍物可信度栅格地图。
进一步，所述障碍物可信度栅格地图中每个位置包括有障碍物的概率A：
所述毫米波雷达通过所述预设时间获取一次距离所述工作栏最近的八个疑似障碍物的坐标数据，将所述坐标数据填入栅格地图中对应的位置，累计每个所述位置出现所述坐标数据的次数，通过双曲正切函数归一化所述次数，获得所述栅格地图中每个位置有障碍物的概率A。
进一步，所述障碍物可信度栅格地图中每个位置还包括没有障碍物的概率B：
所述毫米波雷达通过所述预设时间获取一次距离所述工作栏最近的八个疑似障碍物的坐标数据，记录所述栅格地图中每个位置前后出现所述坐标数据的时间间隔，通过所述双曲正切函数归一化所述时间间隔，获得所述栅格地图中每个位置没有障碍物的概率B。
进一步，所述删除所述障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据，包括：
所述障碍物可信度栅格地图中每个位置还包括不确定的概率C；
将所述有障碍物的概率A、所述没有障碍物的概率B以及所述不确定的概率C统一归一化为A+B+C＝1，以获得不确定的概率C的值；
若所述不确定的概率C超出预设值，则认为数据的可信度低；若所述不确定的概率C没有超出预设值，则认为数据的可信度高；
删除可信度低的数据，获得所述障碍物可信数据。
进一步，所述将所述障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据，包括：
通过如下公式将所述障碍物可信数据H和所述超声波雷达获取的障碍物的位置数据X进行数据融合，获得所述最终的障碍物可信数据M：
M＝H*X。
进一步，所述基于所述最终的障碍物可信数据，计算工作栏碰撞到所述障碍物的碰撞概率，包括：
通过如下公式计算所述碰撞概率W：
W＝M*V*S
其中，所述V表示所述工作栏与所述障碍物之间的相对速度，所述相对速度为所述工作平台当前速度与最快停止速度的比值，所述S表示所述工作栏与所述障碍物之间的相对距离，所述相对距离为所述工作平台当前距离与最远停止距离的比值。
第二方面，本发明实施例提供了一种基于多传感器数据融合的高空作业车防撞系统，包括：
障碍物可信度栅格地图获取单元，用于通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；
障碍物可信数据获取单元，用于删除所述障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；
最终的障碍物可信数据获取单元，用于将所述障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；
碰撞概率计算单元，用于基于所述最终的障碍物可信数据，计算所述工作栏碰撞到所述障碍物的碰撞概率；
障碍物防撞单元，用于基于所述碰撞概率和预先设计的工作栏运行轨迹，判断所述工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变所述预先设计的工作栏运行轨迹，若不会发生碰撞，则按照所述预先设计的工作栏运行轨迹运行。
与现有技术相比，本发明第二方面具有以下有益效果：
本系统的障碍物可信度栅格地图获取单元通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；障碍物可信数据获取单元删除障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；最终的障碍物可信数据获取单元将障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；碰撞概率计算单元基于最终的障碍物可信数据，计算工作栏碰撞到障碍物的碰撞概率；障碍物防撞单元基于碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变预先设计的工作栏运行轨迹，若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。本系统通过毫米波雷达和超声波雷达获取的数据，并将数据融合获取最终的障碍物可信数据，并基于最终的障碍物可信数据，计算碰撞概率，根据碰撞概率，判断工作平台是否会会发生碰撞；本系统能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险，能够降低发生碰撞的概率，实现自动躲避工作栏碰撞，有效避免作业风险。
第三方面，本发明实施例提供了一种基于多传感器数据融合的高空作业车防撞设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如上所述的一种基于多传感器数据融合的高空作业车防撞方法。
第四方面，本发明实施例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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上所述的一种基于多传感器数据融合的高空作业车防撞方法。
可以理解的是，上述第三方面至第四方面存在的有益效果与上述第一方面存在的有益效果相同，可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一个实施例提供的一种基于多传感器数据融合的高空作业车防撞方法的流程图；
图2为本发明一个实施例提供的栅格地图示意图；
图3为本发明一个实施例提供的一种基于多传感器数据融合的高空作业车防撞系统的结构图。
具体实施方式
下面将结合附图，对本公开实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。需要说明的是，在不冲突的情况下，本公开实施例及实施例中的特征可以相互组合。另外，附图的作用在于用图形补充说明书文字部分的描述，使人能够直观地、形象地理解本公开的每个技术特征和整体技术方案，但其不能理解为对本公开保护范围的限制。
在本发明的描述中，限定有“第一”、“第二”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”的含义是多个或多个以上。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
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，所描述的实施例仅仅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做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。
高空车在复杂环境中作业时，非常容易发生碰撞事故。目前行业内的主动防撞功能常用工作栏上的超声波传感器进行检测，但工作栏上的超声波传感器非常容易受到各种因素的干扰而产生误报警，比如操作手的肢体、工具、工件、油漆、雨水、工作栏变形等，或者单一传感器失效后的整体防撞功能的丧失，因此，使用单一的超声波传感器会有误报和失效的风险。
为解决上述问题，本方法通过毫米波雷达和超声波雷达获取的数据，并将数据融合获取最终的障碍物可信数据，并基于最终的障碍物可信数据，计算碰撞概率，根据碰撞概率，判断工作平台是否会会发生碰撞；通过该方法能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险。
参照图1至图2，本发明实施例提供了一种基于多传感器数据融合的高空作业车防撞方法，包括步骤：
步骤S100、通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图。
具体的，多个毫米波雷达每隔预设时间获取一次数据，将每次获取的多组数据通过D-S证据理论进行融合获得融合后的数据，将融合后的数据填入栅格地图中，获得障碍物可信度栅格地图，其中，该多个毫米波雷达设置在作业平台的不同位置；
该障碍物可信度栅格地图包括有障碍物的概率A、没有障碍物的概率B以及不确定的概率C，概率获取的过程为：
毫米波雷达通过预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，将坐标数据填入栅格地图中对应的位置，累计每个位置出现坐标数据的次数，通过如下双曲正切函数归一化次数，获得栅格地图中每个位置有障碍物的概率A；
F(x)＝tanh(x)
其中，x表示累计每个位置出现坐标数据的次数，F(x)表示栅格地图中每个位置有障碍物的概率A。
毫米波雷达通过预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，记录栅格地图中每个位置前后出现坐标数据的时间间隔，通过如下双曲正切函数归一化时间间隔，获得栅格地图中每个位置没有障碍物的概率B；
F(y)＝tanh(y)
其中，y表示栅格地图中每个位置前后出现坐标数据的时间间隔，F(y)表示栅格地图中每个位置没有障碍物的概率B。
障碍物可信度栅格地图中每个位置还包括不确定的概率C；
将有障碍物的概率A、没有障碍物的概率B以及不确定的概率C统一归一化为A+B+C＝1，以获得不确定的概率C的值。
本实施例中，预设时间可根据所需进行设置，本实施例中预设时间的取值为100毫秒左右，通过不同位置的多个毫米波雷达获取数据，能够从多方位获取有障碍物的情况，提高数据的精确性，减少障碍物误判的可能性。
步骤S200、删除障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据。
具体的，通过步骤S100获取到不确定的概率C的值，若不确定的概率C超出预设值，则认为数据的可信度低；若不确定的概率C没有超出预设值，则认为数据的可信度高；
删除可信度低的数据，获得障碍物可信数据。
本实施例中，预设值可根据所需进行设置，在不影响障碍物判断的情况下，删除可信度低的数据，能够降低分析数据的时间复杂度。
步骤S300、将障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据。
具体的，通过如下公式将障碍物可信数据H和超声波雷达获取的障碍物的位置数据X进行数据融合，获得最终的障碍物可信数据M：
M＝H*X。
本实施例中，融合毫米波雷达和超声波雷达获取的数据，获取最终的障碍物可信数据，能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险。
步骤S400、基于最终的障碍物可信数据，计算工作栏碰撞到障碍物的碰撞概率。
具体的，通过如下公式计算碰撞概率W：
W＝M*V*S
其中，V表示工作栏与障碍物之间的相对速度，相对速度为工作平台当前速度与最快停止速度的比值，S表示工作栏与障碍物之间的相对距离，相对距离为工作平台当前距离与最远停止距离的比值。
步骤S500、基于碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞；若会发生碰撞，则改变预先设计的工作栏运行轨迹；若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。
具体的，本实施例中会预先设计工作栏的运行轨迹，计算出在当前运行轨迹中的碰撞概率，根据该碰撞概率，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞；若会发生碰撞，则改变预先设计的工作栏运行轨迹，躲避碰撞；若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。
本实施例中，碰撞概率是通过融合毫米波雷达和超声波雷达获取的数据计算获得的，因此，能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险，比只用单一的超声波雷达来判断是否会发生碰撞精确度更高。
为了便于本领域技术人员理解，以下提供一组最佳实施例：
在高空作业平台中不同位置设置有毫米波雷达和超声波雷达，通过多个毫米波雷达每隔预设时间获取一次数据，将每次获取的多组数据通过D-S证据理论进行融合获得融合后的数据，将融合后的数据填入栅格地图中，获得障碍物可信度栅格地图，参照图2，图2中的毫米波雷达数据为多个毫米波雷达数据进行融合后的数据。
该障碍物可信度栅格地图包括有障碍物的概率A、没有障碍物的概率B以及不确定的概率C，概率获取过程为：
毫米波雷达通过预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，将坐标数据填入栅格地图中对应的位置，累计每个位置出现坐标数据的次数，通过如下双曲正切函数归一化次数，获得栅格地图中每个位置有障碍物的概率A；
F(x)＝tanh(x)
其中，x表示累计每个位置出现坐标数据的次数，F(x)表示栅格地图中每个位置有障碍物的概率A。
毫米波雷达通过预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，记录栅格地图中每个位置前后出现坐标数据的时间间隔，通过如下双曲正切函数归一化时间间隔，获得栅格地图中每个位置没有障碍物的概率B；
F(y)＝tanh(y)
其中，y表示栅格地图中每个位置前后出现坐标数据的时间间隔，F(y)表示栅格地图中每个位置没有障碍物的概率B。
障碍物可信度栅格地图中每个位置还包括不确定的概率C；
将有障碍物的概率A、没有障碍物的概率B以及不确定的概率C统一归一化为A+B+C＝1，以获得不确定的概率C的值。
若不确定的概率C超出预设值，则认为数据的可信度低；若不确定的概率C没有超出预设值，则认为数据的可信度高；
删除可信度低的数据，获得障碍物可信数据。
通过如下公式将障碍物可信数据H和超声波雷达获取的障碍物的位置数据X进行数据融合，获得最终的障碍物可信数据M，具体为：
M＝H*X。
参照图2，图2中的超声波雷达数据为超声波雷达获取的数据，在栅格地图中可以获得每个数据的位置。
通过如下公式计算碰撞概率W：
W＝M*V*S
其中，V表示工作栏与障碍物之间的相对速度，相对速度为工作平台当前速度与最快停止速度的比值，S表示工作栏与障碍物之间的相对距离，相对距离为工作平台当前距离与最远停止距离的比值。
预先设计工作平台的运行轨迹，如图2中预先设计的工作栏运行轨迹，在获得碰撞概率后，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞；若会发生碰撞，则改变预先设计的工作栏运行轨迹，躲避碰撞；若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。
本实施例通过毫米波雷达和超声波雷达获取的数据，并将数据融合获取最终的障碍物可信数据，并基于最终的障碍物可信数据，计算碰撞概率，根据碰撞概率，判断工作平台是否会会发生碰撞。因此，本实施例能够提高预测有无障碍物的精确度，能够减少误报的风险，并且超声波雷达失效后，还有毫米波雷达进行预测障碍物，能够减少失效带来的风险，实现自动躲避工作栏碰撞，有效避免作业风险。
参照图3，本发明实施例还提供了一种基于多传感器数据融合的高空作业车防撞系统，包括：
障碍物可信度栅格地图获取单元100，用于通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；
障碍物可信数据获取单元200，用于删除障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；
最终的障碍物可信数据获取单元300，用于将障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；
碰撞概率计算单元400，用于基于最终的障碍物可信数据，计算工作栏碰撞到障碍物的碰撞概率；
障碍物防撞单元500，用于基于碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变预先设计的工作栏运行轨迹，若不会发生碰撞，则按照预先设计的工作栏运行轨迹运行。
需要说明的是，由于本实施例中的一种基于多传感器数据融合的高空作业车防撞系统与上述的一种基于多传感器数据融合的高空作业车防撞方法基于相同的发明构思，因此，方法实施例中的相应内容同样适用于本系统实施例，此处不再详述。
本发明实施例还提供了一种基于多传感器数据融合的高空作业车防撞设备，包括：至少一个控制处理器和用于与至少一个控制处理器通信连接的存储器。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。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。
实现上述实施例的一种基于多传感器数据融合的高空作业车防撞方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例中的一种基于多传感器数据融合的高空作业车防撞方法，例如，执行以上描述的图1中的方法步骤S100至步骤S500。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，可使得上述一个或多个控制处理器执行上述方法实施例中的一种基于多传感器数据融合的高空作业车防撞方法，例如，执行以上描述的图1中的方法步骤S100至S500的功能。
通过以上的实施方式的描述，本领域技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现。本领域技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(ReadOnly Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的共享条件下还可作出种种等同的变形或替换，这些等同的变形或替换均包括在本发明权利要求所限定的范围内。

Claims (4)

1.一种基于多传感器数据融合的高空作业车防撞方法，其特征在于，包括步骤：
通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；其中：
多个毫米波雷达每隔预设时间获取一次数据，将每次获取的多组数据通过D-S证据理论进行融合获得融合后的数据，将所述融合后的数据填入栅格地图中，获得障碍物可信度栅格地图；具体为：
所述毫米波雷达通过所述预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，将所述坐标数据填入栅格地图中对应的位置，累计每个所述位置出现所述坐标数据的次数，通过双曲正切函数归一化所述次数，获得所述栅格地图中每个位置有障碍物的概率A；
所述毫米波雷达通过所述预设时间获取一次距离所述工作栏最近的八个疑似障碍物的坐标数据，记录所述栅格地图中每个位置前后出现所述坐标数据的时间间隔，通过所述双曲正切函数归一化所述时间间隔，获得所述栅格地图中每个位置没有障碍物的概率B；
删除所述障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；其中：
所述障碍物可信度栅格地图中每个位置还包括不确定的概率C；
将所述有障碍物的概率A、所述没有障碍物的概率B以及所述不确定的概率C统一归一化为A+B+C=1，以获得不确定的概率C的值；
若所述不确定的概率C超出预设值，则认为数据的可信度低；若所述不确定的概率C没有超出预设值，则认为数据的可信度高；
删除可信度低的数据，获得所述障碍物可信数据；
将所述障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；其中：
通过如下公式将所述障碍物可信数据和所述超声波雷达获取的障碍物的位置数据进行数据融合，获得所述最终的障碍物可信数据/>：
；
基于所述最终的障碍物可信数据，计算工作栏碰撞到所述障碍物的碰撞概率；其中，通过如下公式计算所述碰撞概率：
其中，表示所述最终的障碍物可信数据，所述/>表示所述工作栏与所述障碍物之间的相对速度，所述相对速度为工作平台当前速度与最快停止速度的比值，所述/>表示所述工作栏与所述障碍物之间的相对距离，所述相对距离为所述工作平台当前距离与最远停止距离的比值；
基于所述碰撞概率和预先设计的工作栏运行轨迹，判断工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变所述预先设计的工作栏运行轨迹，若不会发生碰撞，则按照所述预先设计的工作栏运行轨迹运行。
2.一种基于多传感器数据融合的高空作业车防撞系统，其特征在于，包括：
障碍物可信度栅格地图获取单元，用于通过多个毫米波雷达每间隔预设时间获取一次数据，将每次获取的多组数据进行融合，获得障碍物可信度栅格地图；其中：
多个毫米波雷达每隔预设时间获取一次数据，将每次获取的多组数据通过D-S证据理论进行融合获得融合后的数据，将所述融合后的数据填入栅格地图中，获得障碍物可信度栅格地图；具体为：
所述毫米波雷达通过所述预设时间获取一次距离工作栏最近的八个疑似障碍物的坐标数据，将所述坐标数据填入栅格地图中对应的位置，累计每个所述位置出现所述坐标数据的次数，通过双曲正切函数归一化所述次数，获得所述栅格地图中每个位置有障碍物的概率A；
所述毫米波雷达通过所述预设时间获取一次距离所述工作栏最近的八个疑似障碍物的坐标数据，记录所述栅格地图中每个位置前后出现所述坐标数据的时间间隔，通过所述双曲正切函数归一化所述时间间隔，获得所述栅格地图中每个位置没有障碍物的概率B；
障碍物可信数据获取单元，用于删除所述障碍物可信度栅格地图中可信度低于预设值的数据，获得障碍物可信数据；其中：
所述障碍物可信度栅格地图中每个位置还包括不确定的概率C；
将所述有障碍物的概率A、所述没有障碍物的概率B以及所述不确定的概率C统一归一化为A+B+C=1，以获得不确定的概率C的值；
若所述不确定的概率C超出预设值，则认为数据的可信度低；若所述不确定的概率C没有超出预设值，则认为数据的可信度高；
删除可信度低的数据，获得所述障碍物可信数据；
最终的障碍物可信数据获取单元，用于将所述障碍物可信数据和超声波雷达获取的障碍物的位置数据进行数据融合，获得最终的障碍物可信数据；其中：
通过如下公式将所述障碍物可信数据和所述超声波雷达获取的障碍物的位置数据进行数据融合，获得所述最终的障碍物可信数据/>：
；
碰撞概率计算单元，用于基于所述最终的障碍物可信数据，计算所述工作栏碰撞到所述障碍物的碰撞概率；其中，通过如下公式计算所述碰撞概率：
其中，表示所述最终的障碍物可信数据，所述/>表示所述工作栏与所述障碍物之间的相对速度，所述相对速度为工作平台当前速度与最快停止速度的比值，所述/>表示所述工作栏与所述障碍物之间的相对距离，所述相对距离为所述工作平台当前距离与最远停止距离的比值；
障碍物防撞单元，用于基于所述碰撞概率和预先设计的工作栏运行轨迹，判断所述工作平台在预先设计的工作栏运行轨迹上是否会发生碰撞，若会发生碰撞，则改变所述预先设计的工作栏运行轨迹，若不会发生碰撞，则按照所述预先设计的工作栏运行轨迹运行。
3.一种基于多传感器数据融合的高空作业车防撞设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1所述的一种基于多传感器数据融合的高空作业车防撞方法。
4.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1所述的一种基于多传感器数据融合的高空作业车防撞方法。
CN202210286697.8A 2022-03-23 2022-03-23 一种基于多传感器数据融合的高空作业车防撞方法及系统 Active CN114671380B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210286697.8A CN114671380B (zh) 2022-03-23 2022-03-23 一种基于多传感器数据融合的高空作业车防撞方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210286697.8A CN114671380B (zh) 2022-03-23 2022-03-23 一种基于多传感器数据融合的高空作业车防撞方法及系统

Publications (2)

Publication Number Publication Date
CN114671380A CN114671380A (zh) 2022-06-28
CN114671380B true CN114671380B (zh) 2023-12-29

Family

ID=82073860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210286697.8A Active CN114671380B (zh) 2022-03-23 2022-03-23 一种基于多传感器数据融合的高空作业车防撞方法及系统

Country Status (1)

Country Link
CN (1) CN114671380B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法
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
CN110794406A (zh) * 2019-11-12 2020-02-14 北京经纬恒润科技有限公司 多源传感器数据融合系统和方法
CN112394726A (zh) * 2020-10-20 2021-02-23 自然资源部第一海洋研究所 一种基于证据理论的无人船障碍物融合检测方法
CN112863230A (zh) * 2020-12-30 2021-05-28 上海欧菲智能车联科技有限公司 空车位检测方法及装置、车辆和计算机设备
CN113514806A (zh) * 2021-04-02 2021-10-19 苏州挚途科技有限公司 自动驾驶过程中障碍物确定方法、装置及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法
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
CN110794406A (zh) * 2019-11-12 2020-02-14 北京经纬恒润科技有限公司 多源传感器数据融合系统和方法
CN112394726A (zh) * 2020-10-20 2021-02-23 自然资源部第一海洋研究所 一种基于证据理论的无人船障碍物融合检测方法
CN112863230A (zh) * 2020-12-30 2021-05-28 上海欧菲智能车联科技有限公司 空车位检测方法及装置、车辆和计算机设备
CN113514806A (zh) * 2021-04-02 2021-10-19 苏州挚途科技有限公司 自动驾驶过程中障碍物确定方法、装置及电子设备

Also Published As

Publication number Publication date
CN114671380A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
Wang et al. Low false alarm rate model for unsafe-proximity detection in construction
EP2865575B1 (en) Confidence estimation for predictive driver assistance systems based on plausibility rules
JP6203381B2 (ja) 経路予測装置
EP4080468A2 (en) Collision detection method and apparatus, electronic device, medium, and autonomous vehicle
US20200086854A1 (en) Vehicle collision avoidance
EP4089659A1 (en) Map updating method, apparatus and device
CN113978457B (zh) 一种碰撞风险预测方法及装置
Kim et al. Probabilistic threat assessment with environment description and rule-based multi-traffic prediction for integrated risk management system
CN112799098A (zh) 雷达盲区监测方法、装置、电子设备和存储介质
CN113734163A (zh) 无人车的控制方法、装置、存储介质及电子设备
US20170021864A1 (en) Device and method for operating a vehicle
US20200114921A1 (en) Sensor-limited lane changing
ES2766148B2 (es) Metodo y sistema para controlar una pluralidad de vehiculos autonomos
CN112330915A (zh) 无人机森林防火预警方法、系统、电子设备和存储介质
CN113269811A (zh) 数据融合方法、装置及电子设备
CN116113901A (zh) 采矿车辆安全控制
CN114671380B (zh) 一种基于多传感器数据融合的高空作业车防撞方法及系统
CN109887321B (zh) 无人车变道安全判别方法、装置及存储介质
CN113799776A (zh) 车辆换道方法、装置和电子设备
CN116088513A (zh) 无人驾驶矿车自动路径优化方法、装置、单元及矿车
CN114170846B (zh) 车辆变道预警方法、装置、设备以及存储介质
JP2019212184A (ja) 車両干渉防止システム、接近判定装置
CN114529130A (zh) 一种交通环境风险评估方法、装置、电子设备及存储介质
JP2017199079A (ja) 衝突判定装置、コンピュータプログラム及び衝突判定方法
CN114556996A (zh) 用于确定接收到的数据的可靠性的方法

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