CN115033586B - 一种矿场路边界的感知及众包地图更新方法 - Google Patents

一种矿场路边界的感知及众包地图更新方法 Download PDF

Info

Publication number
CN115033586B
CN115033586B CN202210963060.8A CN202210963060A CN115033586B CN 115033586 B CN115033586 B CN 115033586B CN 202210963060 A CN202210963060 A CN 202210963060A CN 115033586 B CN115033586 B CN 115033586B
Authority
CN
China
Prior art keywords
map
point cloud
grid
fusion
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
Application number
CN202210963060.8A
Other languages
English (en)
Other versions
CN115033586A (zh
Inventor
李建刚
杨扬
胡心怡
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.)
Zhongguancun Technology Leasing Co ltd
Original Assignee
Shanghai Boonray 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 Shanghai Boonray Intelligent Technology Co Ltd filed Critical Shanghai Boonray Intelligent Technology Co Ltd
Priority to CN202210963060.8A priority Critical patent/CN115033586B/zh
Publication of CN115033586A publication Critical patent/CN115033586A/zh
Application granted granted Critical
Publication of CN115033586B publication Critical patent/CN115033586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于自动驾驶技术领域，具体公开了一种矿场路边界的感知及众包地图更新方法，通过先获取电铲及矿车的感知数据，再对数据预处理及降采样，待采样完成后作业任务开始，作业任务分两路，一路是将处理后数据上传云端服务器，云端服务器对感知数据进行融合建图，再获取最新云端地图数据，最后本地融合建图；另一路是获取最新云端地图数据后，直接进行本地融合建图，使其可以单车建图，也可以多车众包建图，且在建图时，只对障碍物建图，速度快，存储空间小，另外也可以在夜晚工作，一定程度上提高使用的便捷性。

Description

一种矿场路边界的感知及众包地图更新方法
技术领域
本发明属于自动驾驶技术领域，具体涉及一种矿场路边界的感知及众包地图更新方法。
背景技术
在矿场，由于采挖区域在时刻变化，电铲不定时移动，无人驾驶矿车需要自动跟随电铲进行装料。而无人矿车在作自动规划的时候，需要有地图的先验知识，因此地图的及时更新就很重要。对矿场地图而言，由于是非结构化道路，无人矿车需要知道的是可行驶区域和区域边界，现有的自动驾驶高精地图建图方案基本上是针对乘用车领域，通常采用多传感器融合及深度学习的方法，识别出车道线，标识牌等道路交通元素，再通过众包融合等方法产生及更新高精度地图。
但是，在现有技术中，通常需要融合视觉并进行语义分割，在夜晚作业的时候很难对地图进行更新；针对矿场采挖区和卸料区场地时刻发生变化的情况，现有方案也很难对地图进行实时更新，从而不便于使用；为此，我们需要对一种矿场路边界的感知及众包地图更新方法进行改进。
发明内容
本发明的目的在于提供一种矿场路边界的感知及众包地图更新方法，使其可以单车建图，也可以多车众包建图，且在建图时，只对障碍物建图，速度快，存储空间小，另外也可以在夜晚工作，一定程度上提高使用的便捷性，以解决上述背景技术中提出的问题。
为实现上述目的，本发明采用了如下技术方案：
一种矿场路边界的感知及众包地图更新方法，包括如下步骤：
S1、电铲及矿车获取感知数据；
S2、数据预处理及降采样；
S3、作业任务开始，作业任务分为两路，一路进入S4-S7，另一路进入S6-S7；
S4、处理后数据上传云端服务器；
S5、云端服务器对感知数据进行融合建图；
S6、获取最新云端地图数据；
S7、本地融合建图；
其中，步骤S5中所述融合建图发生在服务器端，步骤S7中所述本地融合建图发生在车端，所述融合建图和本地融合建图均包括点云融合和建图模块；
所述点云融合是把整个地图空间看作是由无数个m*m*m大小的网格体所组成，建图模块收到点云和光心位置以后，首先区分点云是障碍物还是地面，存在以下两种情形：
C1、如果是障碍物，从光心位置拉一条射线穿过点云；对于被穿透的网格体，认为此处是空的，不放在地图中管理，当一个网格体被再次赋予表面距离值的时候，需要与前一次的表面距离值按权重进行融合：
Figure 13756DEST_PATH_IMAGE001
Figure 846714DEST_PATH_IMAGE002
Figure 177201DEST_PATH_IMAGE003
Figure 513636DEST_PATH_IMAGE004
，
Do=d0,即网格体第一次被穿过时被赋子的k值，
其中，p为当前射线所感知到的点云位置，x为当前要计算的网格体的中心，
Figure 412321DEST_PATH_IMAGE005
为网格体在第i次融合以后的表面距离值，表面距离值是指网格体离物体真实表面的距离，负数表示在表面的前面,正数表示在表面的后面；
Figure 981843DEST_PATH_IMAGE006
为第i次融合以后的权重，
Figure 335595DEST_PATH_IMAGE007
，
Figure 182328DEST_PATH_IMAGE008
为点云p的权重，
Figure 845391DEST_PATH_IMAGE009
为(p-x)/m，x为需要更新的网格体的中心位置，m为格子边长，所以di为要更新的那个网格体的表面距离值，m表示单个网格体的边长；
C2、如果点云是地面，则将从激光光心到点云之间连线上的所有网格体从地图中移除。
优选的，步骤S1中所述感知数据包括激光雷达点云数据、时间戳和定位数据。
优选的，步骤S2中所述数据预处理及降采样时，由于车端激光点云数据庞大，需要在车端进行地面和非地面的分割，并进行降采样，然后再和定位信息一起上传至云端。
优选的，在车端进行地面和非地面的分割时，具体包括如下步骤：
A1、地面和非地面分割采用三个方向的射线法，即沿着车身纵向、横向和激光雷达线束运动方向计算相邻点的坡度；
A2、对分割好的地面点云和非地面点云按各自的尺寸进行降采样，并变换到全局坐标系下，同时把激光雷达的光心位置也变换到全局坐标系下，然后点云和光心位置一起上传至云端。
优选的，步骤S6中获取最新云端地图数据时，地图按网格划分，每个格子的大小相同，车端根据自己所处的位置，一共保留九个格子，车辆始终处于最中间的格子，当车辆移动时，再不断的加入新的格子和移除旧的格子。
优选的，所述云端地图数据在获取时，包括如下步骤：
B1、向云端发送当前定位及需要更新的地图格子定位；
B2、云端根据定位查询地图数据库；
B3、向车端返回当前使用的地图链接；
B4、车端根据链接下载对应格子的地图。
优选的，步骤C1中当点云是障碍物时，考虑到光心位置的误差和点云位置本身的误差，对于障碍物点云及其前后各相邻的k个网格体，分别赋予-k,-(k-1),...，-1,0,1,...,k的值，作为离物体表面的距离值，表面距离值的绝对值越小，表明离物体表面越近，其中表面的距离值的单位为一个格子。
优选的，所述建图模块在建图时，由于矿车在矿场里面来回执行装料和卸料任务，每次点云融合从任务开始，并在任务结束的时候对网格体作一次筛选，得到当前最新的网格体地图，具体步骤如下：
D1、收到任务开始指令；
D2、接收激光点云并进行点云融合；
D3、收到任务结束指令；
D4、筛选出表面距离值在（-1，1）之间的网格体作为最新的地图；
D5、保存所有融合后的网格体及筛选后的网格体；
融合后的网格体作为后续点云融合的基础，筛选后的网格体作为矿车自动驾驶需要的地图。
本发明提出的一种矿场路边界的感知及众包地图更新方法，与现有技术相比，具有以下优点：
本发明主要先获取电铲及矿车的感知数据，再对数据预处理及降采样，待采样完成后作业任务开始，作业任务分两路，一路是将处理后数据上传云端服务器，云端服务器对感知数据进行融合建图，再获取最新云端地图数据，最后本地融合建图；另一路是获取最新云端地图数据后，直接进行本地融合建图，使其可以单车建图，也可以多车众包建图，且在建图时，只对障碍物建图，速度快，存储空间小，另外也可以在夜晚工作，一定程度上提高使用的便捷性。
附图说明
图1为本发明的流程框图；
图2为本发明的获取云端最新地图的流程框图；
图3为本发明的建图模块的建图流程框图；
图4为本发明地面和非地面采用三个方向的射线示意图；
图5为本发明相邻点的高度差计算坡度的示意图；
图6为本发明障碍物点云融合的示意图；
图7为本发明地面点云融合的示意图。
具体实施方式
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。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。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。
本发明提供了如图1-7所示的一种矿场路边界的感知及众包地图更新方法，包括如下步骤：
S1、电铲及矿车获取感知数据，感知数据包括激光雷达点云数据、时间戳和定位数据；
S2、数据预处理及降采样；数据预处理及降采样时，由于车端激光点云数据庞大，需要在车端进行地面和非地面的分割，并进行降采样，然后再和定位信息一起上传至云端；
在车端进行地面和非地面的分割时，具体包括如下步骤：
A1、地面和非地面分割采用三个方向的射线法，即沿着车身纵向、横向和激光雷达线束运动方向计算相邻点的坡度，如图4所示为三个射线方向结构示意图；
设x方向为车身朝向，将激光点云沿y轴分为前半部和后半部。沿y轴每隔d米一个间隔画射线分别射向前部和后部，每条射线覆盖的范围为-d/2~d/2, 对覆盖范围内的点按距离由近及远排序，然后根据相邻点的高度差计算坡度：如图5所示
同理，设y为车身横向，将激光点云沿x轴分为左半部和右半部，沿x轴每隔d米一个间隔画射线分别射向左边和右边，每条射线覆盖的范围为-d/2~d/2, 对覆盖范围内的点按距离由近及远排序，然后根据相邻点的高度差计算坡度，
最后，沿着点云的每条线束，也如图5所示，计算相邻点的坡度。
坡度在一定阈值范围内，则认为点1和点2性质一样，同为地面点或非地面点。若坡度超出一定范围，则点1和点2至少有一个为非地面点。
A2、对分割好的地面点云和非地面点云按各自的尺寸进行降采样，并变换到全局坐标系下，同时把激光雷达的光心位置也变换到全局坐标系下，然后点云和光心位置一起上传至云端。
S3、作业任务开始，作业任务分为两路，一路进入S4-S7，另一路进入S6-S7；
S4、处理后数据上传云端服务器；
S5、云端服务器对感知数据进行融合建图，融合建图发生在服务器端；
S6、获取最新云端地图数据；获取最新云端地图数据时，地图按网格划分，每个格子的大小相同，车端根据自己所处的位置，一共保留九个格子，车辆始终处于最中间的格子，当车辆移动时，再不断的加入新的格子和移除旧的格子。
云端地图数据在获取时，包括如下步骤：
B1、向云端发送当前定位及需要更新的地图格子定位；
B2、云端根据定位查询地图数据库；
B3、向车端返回当前使用的地图链接；
B4、车端根据链接下载对应格子的地图。
S7、本地融合建图；
本地融合建图发生在车端，融合建图和本地融合建图均包括点云融合和建图模块；
点云融合是把整个地图空间看作是由无数个m*m*m大小的网格体所组成，建图模块收到点云和光心位置以后，首先区分点云是障碍物还是地面，存在以下两种情形：
C1、如图6所示，如果是障碍物，从光心位置拉一条射线穿过点云；对于被穿透的网格体，认为此处是空的，不放在地图中管理，当一个网格体被再次赋予表面距离值的时候，需要与前一次的表面距离值按权重进行融合：
Figure 652941DEST_PATH_IMAGE001
Figure 200597DEST_PATH_IMAGE002
Figure 292050DEST_PATH_IMAGE003
Figure 142325DEST_PATH_IMAGE004
Do=d0,即网格体第一次被穿过时被赋子的k值，
其中，p为当前射线所感知到的点云位置，x为当前要计算的网格体的中心，
Figure 296226DEST_PATH_IMAGE005
为网格体在第i次融合以后的表面距离值，表面距离值是指网格体离物体真实表面的距离，负数表示在表面的前面,正数表示在表面的后面，
Figure 772207DEST_PATH_IMAGE006
为第i次融合以后的权重，
Figure 39257DEST_PATH_IMAGE007
，
Figure 185067DEST_PATH_IMAGE008
为点云p的权重，
Figure 216477DEST_PATH_IMAGE009
为(p-x)/m，x为需要更新的网格体的中心位置，m为格子边长，所以di为要更新的那个网格体的表面距离值，m表示网格体的边长；
其中，当点云是障碍物时，考虑到光心位置的误差和点云位置本身的误差，对于障碍物点云及其前后各相邻的k个网格体，分别赋予-k,-(k-1),...，-1,0,1,...,k的值，作为离物体表面的距离值，表面距离值的绝对值越小，表明离物体表面越近，其中表面的距离值的单位为一个格子。
C2、如图7所示，如果点云是地面，则将从激光光心到点云之间连线上的所有网格体从地图中移除。
建图模块在建图时，由于矿车在矿场里面来回执行装料和卸料任务，每次点云融合从任务开始，并在任务结束的时候对网格体作一次筛选，得到当前最新的网格体地图，具体步骤如下：
D1、收到任务开始指令；
D2、接收激光点云并进行点云融合；
D3、收到任务结束指令；
D4、筛选出表面距离值在（-1，1）之间的网格体作为最新的地图；
D5、保存所有融合后的网格体及筛选后的网格体。
融合后的网格体作为后续点云融合的基础，筛选后的网格体作为矿车自动驾驶需要的地图。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种矿场路边界的感知及众包地图更新方法，其特征在于：包括如下步骤：
S1、电铲及矿车获取感知数据；
S2、数据预处理及降采样；
S3、作业任务开始，作业任务分为两路，一路进入S4-S7，另一路进入S6-S7；
S4、处理后数据上传云端服务器；
S5、云端服务器对感知数据进行融合建图；
S6、获取最新云端地图数据；
S7、本地融合建图；
其中，步骤S5中所述融合建图发生在服务器端，步骤S7中所述本地融合建图发生在车端，所述融合建图和本地融合建图均包括点云融合和建图模块；所述点云融合是把整个地图空间看作是由无数个m*m*m大小的网格体所组成，建图模块收到点云和光心位置以后，首先区分点云是障碍物还是地面，再进行融合建图；
所述建图模块在融合建图时会存在以下两种情形：
C1、如果点云是障碍物，从光心位置拉一条射线穿过点云；对于被穿透的网格体，认为此处是空的，不放在地图中管理，当一个网格体被再次赋予表面距离值的时候，需要与前一次的表面距离值按权重进行融合：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
Figure DEST_PATH_IMAGE003
Figure DEST_PATH_IMAGE004
，
Do=d0,即网格体第一次被穿过时被赋子的k值，
其中，p为当前射线所感知到的点云位置，x为当前要计算的网格体的中心，
Figure DEST_PATH_IMAGE005
为网格体在第i次融合以后的表面距离值，表面距离值是指网格体离物体真实表面的距离，负数表示在表面的前面,正数表示在表面的后面；
Figure DEST_PATH_IMAGE006
为第i次融合以后的权重，
Figure DEST_PATH_IMAGE007
，
Figure DEST_PATH_IMAGE008
为点云p的权重，
Figure DEST_PATH_IMAGE009
为(p-x)/m，x为需要更新的网格体的中心位置，m为格子边长，所以di为要更新的那个网格体的表面距离值，m表示单个网格体的边长；
C2、如果点云是地面，则将从激光光心到点云之间连线上的所有网格体从地图中移除。
2.根据权利要求1所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：步骤S1中所述感知数据包括激光雷达点云数据、时间戳和定位数据。
3.根据权利要求1所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：步骤S2中所述数据预处理及降采样时，由于车端激光点云数据庞大，需要在车端进行地面和非地面的分割，并进行降采样，然后再和定位信息一起上传至云端。
4.根据权利要求3所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：在车端进行地面和非地面的分割时，具体包括如下步骤：
A1、地面和非地面分割采用三个方向的射线法，即沿着车身纵向、横向和激光雷达线束运动方向计算相邻点的坡度；
A2、对分割好的地面点云和非地面点云按各自的尺寸进行降采样，并变换到全局坐标系下，同时把激光雷达的光心位置也变换到全局坐标系下，然后点云和光心位置一起上传至云端。
5.根据权利要求1所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：步骤S6中获取最新云端地图数据时，地图按网格划分，每个格子的大小相同，车端根据自己所处的位置，一共保留九个格子，车辆始终处于最中间的格子，当车辆移动时，再不断的加入新的格子和移除旧的格子。
6.根据权利要求5所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：所述云端地图数据在获取时，包括如下步骤：
B1、向云端发送当前定位及需要更新的地图格子定位；
B2、云端根据定位查询地图数据库；
B3、向车端返回当前使用的地图链接；
B4、车端根据链接下载对应格子的地图。
7.根据权利要求6所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：步骤C1中当点云是障碍物时，考虑到光心位置的误差和点云位置本身的误差，对于障碍物点云及其前后各相邻的k个网格体，分别赋予-k,-(k-1),...，-1,0,1,...,k的值，作为离物体表面的距离值，表面的距离值的绝对值越小，表明离物体表面越近，其中表面的距离值的单位为一个格子。
8.根据权利要求7所述的一种矿场路边界的感知及众包地图更新方法，其特征在于：所述建图模块在建图时，由于矿车在矿场里面来回执行装料和卸料任务，每次点云融合从任务开始，并在任务结束的时候对网格体作一次筛选，得到当前最新的网格体地图，具体步骤如下：
D1、收到任务开始指令；
D2、接收激光点云并进行点云融合；
D3、收到任务结束指令；
D4、筛选出表面距离值在（-1，1）之间的网格体作为最新的地图；
D5、保存所有融合后的网格体及筛选后的网格体；
融合后的网格体作为后续点云融合的基础，筛选后的网格体作为矿车自动驾驶需要的地图。
CN202210963060.8A 2022-08-11 2022-08-11 一种矿场路边界的感知及众包地图更新方法 Active CN115033586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210963060.8A CN115033586B (zh) 2022-08-11 2022-08-11 一种矿场路边界的感知及众包地图更新方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210963060.8A CN115033586B (zh) 2022-08-11 2022-08-11 一种矿场路边界的感知及众包地图更新方法

Publications (2)

Publication Number Publication Date
CN115033586A CN115033586A (zh) 2022-09-09
CN115033586B true CN115033586B (zh) 2022-11-04

Family

ID=83129911

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210963060.8A Active CN115033586B (zh) 2022-08-11 2022-08-11 一种矿场路边界的感知及众包地图更新方法

Country Status (1)

Country Link
CN (1) CN115033586B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109084785A (zh) * 2018-07-25 2018-12-25 吉林大学 多车辆协同定位与地图构建方法、装置、设备及存储介质
CN111829507A (zh) * 2020-07-20 2020-10-27 北京易控智驾科技有限公司 应用于露天矿山自动驾驶的排土场挡墙地图更新方法
CN112327851A (zh) * 2020-11-09 2021-02-05 达闼机器人有限公司 基于点云的地图校准方法、系统、机器人及云端平台
CN113378947A (zh) * 2021-06-21 2021-09-10 北京踏歌智行科技有限公司 一种面向露天矿区无人运输的车路云融合感知系统及方法
CN113741472A (zh) * 2021-09-10 2021-12-03 上海伯镭智能科技有限公司 一种基于多图像采集的障碍回避方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102319036B1 (ko) * 2019-01-30 2021-10-28 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량을 위한 포인트 클라우드 고스트 효과 검출 시스템
CN114862901A (zh) * 2022-04-26 2022-08-05 青岛慧拓智能机器有限公司 一种露天矿山的路端多源传感器融合目标感知方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109084785A (zh) * 2018-07-25 2018-12-25 吉林大学 多车辆协同定位与地图构建方法、装置、设备及存储介质
CN111829507A (zh) * 2020-07-20 2020-10-27 北京易控智驾科技有限公司 应用于露天矿山自动驾驶的排土场挡墙地图更新方法
CN112327851A (zh) * 2020-11-09 2021-02-05 达闼机器人有限公司 基于点云的地图校准方法、系统、机器人及云端平台
CN113378947A (zh) * 2021-06-21 2021-09-10 北京踏歌智行科技有限公司 一种面向露天矿区无人运输的车路云融合感知系统及方法
CN113741472A (zh) * 2021-09-10 2021-12-03 上海伯镭智能科技有限公司 一种基于多图像采集的障碍回避方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的服务机器人智能抓取研究;杨扬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20141215;全文 *
基于自动驾驶众包地图更新技术方法;李月华;《北京测绘》;20220525;全文 *

Also Published As

Publication number Publication date
CN115033586A (zh) 2022-09-09

Similar Documents

Publication Publication Date Title
JP7077517B2 (ja) 自律車両ナビゲーションで使用する陸標を識別するシステム、及び、自律車両ナビゲーションで使用する陸標を識別する方法
CN114842438B (zh) 用于自动驾驶汽车的地形检测方法、系统及可读存储介质
CN107784084B (zh) 基于车辆定位数据的路网生成方法及系统
CN112650220B (zh) 一种车辆自动驾驶方法、车载控制器及系统
CN108073170B (zh) 用于自主车辆的自动化协同驾驶控制
CN112380312B (zh) 基于栅格检测的激光地图更新方法、终端及计算机设备
DK201970131A1 (en) Merging data from multiple lidar devices
CN111473794B (zh) 一种基于强化学习的结构化道路无人驾驶决策规划方法
CN107316457B (zh) 判断道路交通状况是否符合汽车自动驾驶的方法
CN104952248A (zh) 一种基于欧氏空间的车辆汇聚预测方法
US20220180106A1 (en) Vehicle neural network localization
CN112513876B (zh) 一种用于地图的路面提取方法及装置
CN116129066A (zh) 基于数字孪生的自动驾驶高精度地图模型及高精度静态地图制作方法
CN115342821A (zh) 一种复杂未知环境下的无人车导航代价地图构建方法
WO2022012316A1 (zh) 控制方法、车辆和服务器
CN115016458B (zh) 基于rrt算法的地洞勘探机器人路径规划方法
CN118093750A (zh) 一种基于云协同的铲装点局部自动更新全局地图制作方法
CN117389305A (zh) 一种无人机巡检路径规划方法、系统、设备及介质
CN115033586B (zh) 一种矿场路边界的感知及众包地图更新方法
CN113008251B (zh) 一种封闭区域非结构化道路的数字地图更新方法
CN115507864A (zh) 道路遮挡检测和推理
KR102408981B1 (ko) Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법
CN115511901B (zh) 矿山地图处理方法、装置、系统、计算机设备及存储介质
WO2020157722A1 (en) Merging data from multiple lidar devices
CN116125980A (zh) 无人货车驾驶方法、装置、电子设备及存储介质

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
TR01 Transfer of patent right

Effective date of registration: 20230410

Address after: 610, Floor 6, Block A, No. 2, Lize Middle Second Road, Chaoyang District, Beijing 100102

Patentee after: Zhongguancun Technology Leasing Co.,Ltd.

Address before: 6th Floor, No. 4, Lane 388, Shengrong Road, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 200000

Patentee before: SHANGHAI BOONRAY INTELLIGENT TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right