CN114994638B - 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 - Google Patents
一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 Download PDFInfo
- Publication number
- CN114994638B CN114994638B CN202210929932.9A CN202210929932A CN114994638B CN 114994638 B CN114994638 B CN 114994638B CN 202210929932 A CN202210929932 A CN 202210929932A CN 114994638 B CN114994638 B CN 114994638B
- Authority
- CN
- China
- Prior art keywords
- vehicle body
- obstacle
- plane
- point
- point cloud
- 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
Links
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
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
Abstract
本发明公开了一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,该方法是通过激光雷达获取障碍物点云信息,然后采用障碍物点云坐标变换、车体三向切面个数的确定、各切面内车体包络椭圆曲线方程的建立等一系列数学方法实现障碍物识别判据的量化,为自动驾驶汽车在行使过程中关于障碍物是否侵犯汽车驾驶安全空间提供了一种可量化的判断准则。该方法解决现有自动驾驶汽车障碍物识别界限具象化的问题,从而在一定程度上提高了自动驾驶汽车对障碍物识别的灵敏度,且相比以往的六面体安全界线,此准则基于车身椭圆包络曲线集而建立,更好的模拟了车贴近车身的安全界面,因此具有更高的自动驾驶决策调整精度。
Description
技术领域
本发明属于自动驾驶障碍物识别领域,尤其涉及一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法。
背景技术
目前,全球交通运输业正在如火如荼的向自动驾驶方向发展,应用范围不仅涉及家庭汽车,在矿车、物流车甚至是军用车辆方面都已经逐步展开了应用。驾驶方向转向自动驾驶汽车,这种转变同时伴随着一系列新的挑战。比如障碍识别、周围环境识别等,识别之后基于这些认知进行一系列安全决策。
以往障碍物往往是以六面体为安全界限,是被动式的障碍物识别方法,判别车体是否“侵犯”障碍物的六面体安全界限。此方法存在障碍物安全界限泛化为单一的六面体形式,不具有提供更高自动驾驶决策精度的条件。本发明所描述的方法相比以往的六面体安全界线,采用基于车身椭圆包络曲线集而建立,更好的模拟了贴近车身的安全界限,因此具有更高的自动驾驶决策精度,采用在自动驾驶汽车自身建立贴合车身的椭圆包络曲线集的主动方式,解决了障碍物外形不确定,种类繁多无法统一贴合其外形建立安全界限的问题。
发明内容
针对现有技术的不足,本发明提出了一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,该方法是通过激光雷达获取障碍物点云信息,然后采用障碍物点云坐标变换、车体三向切面个数的确定、各切面内车体包络椭圆曲线方程的建立等一系列数学方法实现障碍物识别判据的量化,为自动驾驶汽车在行使过程中关于障碍物是否侵犯汽车驾驶安全空间提供了一种可量化的判断准则。
为实现上述技术目的,该方法是通过以下技术方案来实现的:
根据本申请实施例的第一方面,提供一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,该方法包括如下步骤:
(1)获取障碍物的点云信息:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;
(2)建立车身包络椭圆曲线:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
(3)计算障碍物点云到椭圆中心的距离:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心的建立直线且得到直线方程,再计算此点到椭圆中心的距离;
(4)计算直线与平面内椭圆曲线的交点到椭圆中心的距离:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心的距离;
(5)计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
根据本申请实施例的第二方面,提供一种基于椭圆包络曲线集自动驾驶汽车障碍物识别装置,包括:
获取点云信息模块:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;
建立包络椭圆曲线模块:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
第一计算模块:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心的建立直线且得到直线方程,再计算此点到椭圆中心的距离;
第二计算模块:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心的距离;
比对模块:计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
一个或多个处理器;
储存器,用于一个或多个程序,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任一项所述的基于椭圆包络曲线集自动驾驶汽车障碍物识别方法。
根据本申请实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现任一项所述的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法的步骤。
根据本申请实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机指令,
该指令被处理器执行时实现任一项所述的一种基于椭圆包络
曲线集自动驾驶汽车障碍物识别方法的步骤。
进一步地,所述步骤(1)中,所述点云信息是基于激光雷达传感器的自身空间坐标系下的三向坐标值,以车身空间坐标为基础进行坐标变化得到车身空间坐标系下的三向坐标值。
进一步地,所述步骤(2)中,所述安全裕度具体为决策时间、机构执行时间和制动时间的总和乘以行驶速度,再乘以安全系数所得到。
进一步地,所述步骤(2)中,各向障碍物点云是利用平行于车身坐标系各坐标轴的直线进行障碍物点云穿插,再根据落在穿插线上的点个数,由障碍物点云沿车身个坐标方向的总长除以落在穿插线上的点个数进行线密度的计算得到。
本发明的有益效果如下:
该方法解决现有自动驾驶汽车障碍物识别界限具象化的问题,从而在一定程度上提高了自动驾驶汽车对障碍物识别的灵敏度,且相比以往的六面体安全界线,此准则基于车身椭圆包络曲线集而建立,更好的模拟了车贴近车身的安全界面,因此具有更高的自动驾驶决策调整精度。
附图说明
图1是本发明的流程图;
图2是本发明进行车身坐标三向平面等间距分割后落在平面内的包络曲线集示意图;
图3是本发明第一向车身切面示意图;
图4是本发明第二向车身切面示意图;
图5是本发明第三向车身切面示意图;
图6是本发明障碍物点云三向穿插示意图;
图7是本发明第一方向切面内量化操作示意图;
图8是本发明第二方向切面内量化操作示意图;
图9是本发明第三方向切面内量化操作示意图;
图10是根据实施例示出的一种装置的框图;
图11是本发明的一种电子设备的示意图。
附图标记: 2-1:车身坐标系;2-2:第一向;2-3:第二向;2-4:第三向;2-5:扩展包络椭圆曲线集;2-6:车身空间安全界线;3-1:汽车几何中心点; 4-1:障碍物点云;5-1:第i-n个平面;5-2:第一椭圆包络曲线;5-3:第一外扩椭圆曲线;5-4:距第一向轴距离最短的坐标点;5-5:第一椭圆中心点;5-6:第一直线;5-7:第一直线与第一外扩椭圆曲线的交点;6-1:第j-n个平面;6-2:第二椭圆包络曲线;6-3:第二外扩椭圆包络曲线;6-4:距第二向轴距离最短的坐标点;6-5:第二椭圆中心点;6-6:第二直线;6-7:第二线方程与第二外扩椭圆曲线的交点;7-1:第r-n个平面;7-2:第三椭圆包络曲线;7-3:第三外扩椭圆曲线;7-4:距第三向轴距离最短的坐标点;7-5:第三椭圆中心点;7-6:第三直线;7-7:第三直线与第三外扩椭圆曲线的交点。
具体实施方式
根据本申请实施例的第一方面,提供一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,该方法包括如下步骤:
(1)获取障碍物的点云信息:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;所述点云信息是基于激光雷达传感器的自身空间坐标系下的三向坐标值,以车身空间坐标为基础进行坐标变化得到车身空间坐标系下的三向坐标值。
所述坐标变化是通过旋转的欧拉角按从车体坐标系转换到传感器(激光雷达)坐标系的过程,先按z轴旋转、之后y轴旋转、之后x轴旋转,最终得到相机坐标系,得到的角度分别是yaw、pitch、roll,那么从传感器(激光雷达)坐标系到车体坐标系的旋转矩阵按如下方式定义:
(2)建立车身包络椭圆曲线:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
(3)计算障碍物点云到椭圆中心的距离:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心的建立直线且得到直线方程,再计算此点到椭圆中心的距离;
(4)计算直线与平面内椭圆曲线的交点到椭圆中心的距离:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心的距离;
(5)计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
参考附图1所述流程,首先激光雷达获取障碍物点云信息,利用激光雷达获得的障碍物点云(4-1)的坐标位置信息;障碍物点云坐标变换为通过欧拉变换,实现点云坐标从激光雷达坐标系到车体所定义几何中心坐标的变换;最终得到在车体几何中心坐标系下的障碍物点云坐标信息。车体三向切面个数的确定,再进行车体(2-2)第一向,(2-3)第二向、(2-4)第三向切面个数的确定。各切面内车体包络椭圆曲线方程的建立,在各切面内建立车体包络椭圆曲线方程以及扩展包络椭圆曲线方程的建立。确认落在各切面内障碍物点云距切面内椭圆中心距离最近点的确认。依据切面内最短距离点与椭圆中心点建立直线方程。计算各切面内最短距离点到椭圆中心的距离。计算各切面内直线与椭圆交点到椭圆中心的距离。依据最短距离和交点距离建立数组判据。最终依据此判据判别障碍物是否越界。本发明是通过建立基于椭圆包络曲线集的空间网络,实现了识别障碍物是否越界的判据量化。采用椭圆曲线建立车身边界最大包络曲线,极大的贴合了落在所属平面内的车身外围边界;所述的各向单个平面内建立车身边界最大包络椭圆曲线最终形成了一个立体的包括空间,并且极大的贴近了车身边界。
附图2在三维空间中展示了车身坐标系(2-1)下,第一向(2-2)、第二向(2-3)、第三向(2-4)切割平面的分布及落在平面内扩展包络椭圆曲线集(2-5)所形成的车身空间安全界线(2-6)内。
如图3所示,通过定义汽车几何中心点(3-1),并确定车身坐标系(2-1)的第一向
(2-2)轴、第二向轴、第三向轴来定义整个汽车空间包络曲线。(第一向轴为汽车行驶方向,
第二向轴为垂直于汽车车顶向上,第三向轴通过右手准则进行确定)首先利用垂直于第三
向轴的平面沿第三向轴方向将汽车车身区域切分为r-1段,相邻两平面距离为,然后在
每个平面内通过平面内包络椭圆曲线将汽车在平面内的截面边界包络,并以此包络椭圆曲
线设定为此平面内汽车的极限安全界限,在此基础上将极限安全界限向外围扩大距离,
得到外扩椭圆曲线。旨在沿第三向轴方向提供具有一定决策反应裕度的包络曲线。
如图4所示,利用垂直于第一向轴的平面沿第一向轴方向将汽车车身区域切分为
i-1段,相邻两平面距离为,在每个平面内通过平面内包络椭圆曲线将汽车在平面内的截
面边界包络,并以此包络椭圆曲线设定为此平面内汽车的极限安全界限,在此基础上将极
限安全界限向外围扩大距离,得到外扩椭圆曲线。旨在沿第一向轴方向提供具有一定决
策反应裕度的包络曲线。
如图5所示,利用垂直于第二向轴的平面沿第二向轴方向将汽车车身区域切分为
j-1段,相邻两平面距离为,在每个平面内通过平面内包络椭圆曲线将汽车在平面内的截
面边界包络,并以此包络椭圆曲线设定为此平面内汽车的极限安全界限。在此基础上将极
限安全界限向外围扩大距离,得到外扩椭圆曲线。旨在沿第二向轴方向提供具有一定决
策反应裕度的包络曲线。
图6描述了三向平面沿第一向(2-2),第二向(2-3)、第三向(2-4)的切割平面个数即i,j,r大小,其依据障碍物点云各向线密度进行确定。在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;所述安全裕度具体为决策时间、机构执行时间和制动时间的总和乘以行驶速度,再乘以安全系数所得到,即为外扩距离,且安全系数由决策精度(由安全裕度的值决定)的高低而选取。 安全系数过大则决策精度较小,安全系数过小则决策精度较高,应取值适当的安全系数。安全裕度最终体现在椭圆包络曲线外扩距离的大小上。
具体确定准则为:对激光雷达在空间扫描所得到的障碍物的点云(4-4)进行第一向(2-2),第二向(2-3)、第三向(2-4)直线穿插线,然后测量落在各向直线上点数,并依据点在穿插线上的线密度确定汽车沿各向切割平面的线密度。根据汽车第一向(2-2),第二向(2-3)、第三向(2-4)最大车身尺寸除以上述各向切割平面的线密度,便可以得到i,j,r的具体大小,具体穿插示意图见图6。
图7为关于车身第一向(2-2)空间第一椭圆包络曲线的量化描述:
第i个平面的平面方程为:
第(3-2)i-1个平面的平面方程为:
第i-2个平面的平面方程为:
…
第1个平面的平面方程为:
其次对落在第i-n个平面(5-1)内的障碍物点云(4-1)进行扫描排序,找出距第一向轴距离最短的坐标点(5-4),连接其与第一椭圆中心点(5-5),建立第一直线(5-6)方程为:
根据第一直线(5-6)方程以及第一外扩椭圆曲线(5-3)方程求两者交点,即求第一直线与第一外扩椭圆曲线的交点(5-7),并求出其交点与椭圆中心点(5-5)的距离:
求距第一向轴距离最短的坐标点(5-4)与第一椭圆中心点(5-5)的距离为:
通过排序各平面内障碍物点云到平面内椭圆中心的最短距离,确认最短距离点,并根据所属方法判断此点是否逾越车身安全空间,从而判断其是否落入椭圆包络曲线集所形成的安全界线内,从而确定障碍物是否有越界触碰车身的危险。
附图8关于车身第二向空间的第二椭圆包络曲线(6-2)的量化描述:
…
其次,对落在第j-n个切面(6-1)内的障碍物点云(4-1)进行扫描排序,找出距第二向轴距离最短的坐标点(6-4);连接其与第二椭圆中心点(6-5)建立第二直线(6-6)的方程:
附图9关于车身第三向(2-4)空间第三椭圆包络曲线(7-2)的量化描述:
…
其次,对落在第r-n个平面(7-1)内的障碍物点云(4-1)进行扫描排序,找出距第三向轴距离最短的坐标点(7-4),连接其与第三椭圆中心点(7-5),建立第三直线(7-6)的方程:
经过同样的计算方法分别得到关于第一向(2-2)、第二向(2-3)、第三向(2-4)的最短距离数据组以及关于第一向(2-2)、第二向(2-3)、第三向(2-4)的交点距离数据组。
如果安全判据数据组所有元素均为大于0,则可以判定障碍物没有侵犯扩展包络椭圆曲线集(2-5)所包围的车身安全空间界线(2-6),否则说明障碍物处于逾越扩展包络椭圆曲线集(2-5)所包围的车身安全空间界线(2-6),在保证车身安全空间的情况下,汽车需要决策反应进行避让调整。
根据本申请实施例的第二方面,如图10所示,提供一种基于椭圆包络曲线集自动驾驶汽车障碍物识别装置,包括:
获取点云信息模块11:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;所述点云信息是基于激光雷达传感器的自身空间坐标系下的三向坐标值,以车身空间坐标为基础进行坐标变化得到车身空间坐标系下的三向坐标值。
建立包络椭圆曲线模块12:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
第一计算模块13:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心的建立直线且得到直线方程,再计算此点到椭圆中心的距离;
第二计算模块14:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心的距离;
比对模块15:计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置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,作为单元显示的部件可以是或者也可以不是物理单元,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模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
根据本申请实施例的第三方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现如第一方面所述的基于椭圆包络曲线集自动驾驶汽车障碍物识别方法的步骤。
相应的,本申请还提供一种电子设备,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上述的基于椭圆包络曲线集自动驾驶汽车障碍物识别装置方法。如图10所示,为本发明实施例提供的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别装置所在任意具备数据处理能力的设备的一种硬件结构图,除了图11所示的处理器、内存以及网络接口之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。
相应的,本申请还提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处
理器执行时实现如上述的基于椭圆包络曲线集自动驾驶汽车障碍物识别方法。所述计算机可读存储介质可以是前述任一实施例所述前述任一实施例所述的任 意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储)质也可以是风力发电机的外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(Smart lMediaCard, SMC) 、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (7)
1.一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,其特征在于,该方法包括如下步骤:
(1)获取障碍物的点云信息:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;
(2)建立车身包络椭圆曲线:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
(3)计算障碍物点云到椭圆中心点的距离:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心点的建立直线且得到直线方程,再计算此点到椭圆中心点的距离;
(4)计算直线与平面内椭圆曲线的交点到椭圆中心点的距离:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心点的距离;
(5)计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
2.根据权利要求书1所述的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,其特征在于,所述步骤(1)中,所述点云信息是基于激光雷达传感器的自身空间坐标系下的三向坐标值,以车身空间坐标为基础进行坐标变化得到车身空间坐标系下的三向坐标值。
3.根据权利要求书1所述的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,其特征在于,所述步骤(2)中,所述安全裕度具体为决策时间、机构执行时间和制动时间的总和乘以行驶速度,再乘以安全系数所得到。
4.根据权利要求1所述的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法,其特征在于,所述步骤(3)中,各向障碍物点云是利用平行于车身坐标系各坐标轴的直线进行障碍物点云穿插,再根据落在穿插线上的点个数,由障碍物点云沿车身个坐标方向的总长除以落在穿插线上的点个数进行线密度的计算得到。
5.一种基于椭圆包络曲线集自动驾驶汽车障碍物识别装置,其特征在于,包括:
获取点云信息模块:规定车身空间坐标系的三向坐标方向并确认激光雷达传感器的空间坐标系,通过激光雷达传感器获取障碍物空间的点云信息;
建立包络椭圆曲线模块:对车身空间坐标系的三向坐标方向进行车身的平面等间距分割,平面个数依据车身各向最大尺寸和各向障碍物点云在车身坐标系下各向线密度进行确认;在各向单个平面内建立车身边界最大包络椭圆曲线,并以安全裕度下进行车身边界最大包络椭圆曲线的扩展,建立相应的曲线方程;
第一计算模块:确认落在平面内的障碍物点云,由平面内的障碍物点云与车体坐标轴距离最近的点,依据此点与平面内椭圆中心点的建立直线且得到直线方程,再计算此点到椭圆中心点的距离;
第二计算模块:利用步骤(3)得到的直线与平面内椭圆曲线的交点,计算此交点到平面内椭圆中心点的距离;
比对模块:计算得到障碍物是否逾越车身安全空间:比较步骤(3)和步骤(4)所计算距离的大小;若步骤(3)计算所得距离大于步骤(4)计算所得距离,表示障碍物未逾越车身安全空间,若步骤(3)计算所得距离等于或小于步骤(4)计算所得距离,表示障碍物已经逾越车身安全空间。
6.一种电子设备,其特征在于,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1-4任一项所述的基于椭圆包络曲线集自动驾驶汽车障碍物识别方法。
7.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,该指令被处理器执行时实现如权利要求1-4中任一项所述的一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210929932.9A CN114994638B (zh) | 2022-08-04 | 2022-08-04 | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210929932.9A CN114994638B (zh) | 2022-08-04 | 2022-08-04 | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114994638A CN114994638A (zh) | 2022-09-02 |
CN114994638B true CN114994638B (zh) | 2022-11-29 |
Family
ID=83023086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210929932.9A Active CN114994638B (zh) | 2022-08-04 | 2022-08-04 | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114994638B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655262B (zh) * | 2022-12-26 | 2023-03-21 | 广东省科学院智能制造研究所 | 基于深度学习感知的多层级语义地图构建方法和装置 |
CN117382593B (zh) * | 2023-12-08 | 2024-04-05 | 之江实验室 | 一种基于激光点云过滤的车辆紧急制动方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9056395B1 (en) * | 2012-09-05 | 2015-06-16 | Google Inc. | Construction zone sign detection using light detection and ranging |
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295586A (zh) * | 2016-08-16 | 2017-01-04 | 长春理工大学 | 基于单线点云数据机器学习的人形目标识别方法及装置 |
CN107632308B (zh) * | 2017-08-24 | 2021-02-05 | 吉林大学 | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 |
US11875572B2 (en) * | 2020-03-25 | 2024-01-16 | Ali Corporation | Space recognition method, electronic device and non-transitory computer-readable storage medium |
KR20220022345A (ko) * | 2020-08-18 | 2022-02-25 | 현대자동차주식회사 | 정적 객체의 외곽선 추출 시스템 및 그 추출 방법 |
-
2022
- 2022-08-04 CN CN202210929932.9A patent/CN114994638B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9056395B1 (en) * | 2012-09-05 | 2015-06-16 | Google Inc. | Construction zone sign detection using light detection and ranging |
CN108345823A (zh) * | 2017-01-23 | 2018-07-31 | 郑州宇通客车股份有限公司 | 一种基于卡尔曼滤波的障碍物跟踪方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114994638A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114994638B (zh) | 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法 | |
CN109901567B (zh) | 用于输出障碍物信息的方法和装置 | |
WO2020216315A1 (zh) | 一种参考行驶线快速生成方法、系统、终端和存储介质 | |
JP2020042818A (ja) | 3次元データの生成方法、3次元データの生成装置、コンピュータ機器及びコンピュータ読み取り可能な記憶媒体 | |
CN110969145B (zh) | 一种遥感图像匹配优化方法、装置、电子设备及存储介质 | |
CN113110521B (zh) | 移动机器人路径规划控制方法及其控制装置、存储介质 | |
CN111433780A (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
CN111767612A (zh) | 模型构建方法、船舶控制方法、装置及电子设备 | |
CN113191342A (zh) | 车道定位方法及电子设备 | |
CN111986286A (zh) | 基于雷达的弯道绘制方法、装置、电子设备和存储介质 | |
CN115617042A (zh) | 碰撞检测方法及装置、终端设备、计算机可读存储介质 | |
CN112154429B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN111413701B (zh) | 一种障碍物距离的确定方法、装置、车载设备及存储介质 | |
CN112219225A (zh) | 定位方法、系统及可移动平台 | |
CN114454888A (zh) | 一种车道线预测方法、装置、电子设备及车辆 | |
CN114841965B (zh) | 钢结构形变检测方法、装置、计算机设备及存储介质 | |
CN111337010B (zh) | 可移动设备的定位方法、定位装置及电子设备 | |
WO2022017129A1 (zh) | 目标对象检测方法、装置、电子设备及存储介质 | |
CN107480710B (zh) | 特征点匹配结果处理方法和装置 | |
CN110827337A (zh) | 确定车载相机的姿态的方法、装置和电子设备 | |
US9152743B2 (en) | Computer process for determining best-fitting materials for constructing architectural surfaces | |
CN115507815A (zh) | 一种目标测距方法、装置及车辆 | |
CN113721602A (zh) | 参考线处理方法、装置、设备及存储介质 | |
CN112861241A (zh) | 一种锥形管的展开方法、装置、设备及可读存储介质 | |
CN117111491B (zh) | 一种自动驾驶仿真中物体最近点确定方法、装置及设备 |
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 |