CN115248596A - 沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 - Google Patents
沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 Download PDFInfo
- Publication number
- CN115248596A CN115248596A CN202210856815.4A CN202210856815A CN115248596A CN 115248596 A CN115248596 A CN 115248596A CN 202210856815 A CN202210856815 A CN 202210856815A CN 115248596 A CN115248596 A CN 115248596A
- Authority
- CN
- China
- Prior art keywords
- construction
- unmanned
- road roller
- road
- information
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 122
- 239000010426 asphalt Substances 0.000 title claims abstract description 26
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000005096 rolling process Methods 0.000 claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012545 processing Methods 0.000 claims description 18
- 229910000831 Steel Inorganic materials 0.000 claims description 15
- 239000010959 steel Substances 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000006854 communication Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000002146 bilateral effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 16
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 23
- 230000004888 barrier function Effects 0.000 description 20
- 230000007246 mechanism Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 7
- 230000008447 perception Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005056 compaction Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 244000144972 livestock Species 0.000 description 3
- 230000037361 pathway Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
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
- G05D1/02—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
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C19/00—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving
- E01C19/22—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving for consolidating or finishing laid-down unset materials
- E01C19/23—Rollers therefor; Such rollers usable also for compacting soil
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C19/00—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving
- E01C19/22—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving for consolidating or finishing laid-down unset materials
- E01C19/23—Rollers therefor; Such rollers usable also for compacting soil
- E01C19/27—Rollers therefor; Such rollers usable also for compacting soil with elastically-deformable rolling elements, e.g. pneumatic tyres
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C19/00—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving
- E01C19/48—Machines, tools or auxiliary devices for preparing or distributing paving materials, for working the placed materials, or for forming, consolidating, or finishing the paving for laying-down the materials and consolidating them, or finishing the surface, e.g. slip forms therefor, forming kerbs or gutters in a continuous operation in situ
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0251—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 extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明是沥青路面多机无人自主协同施工系统、方法、控制器及存储介质,提升施工效率:与传统技术相比提高施工效率,特别是在夜间也可实现高质量的连续作业;提升安全管理:无人施工技术减少施工的参与人员,将部分现场作业转为室内作业,可降低人员安全事故发生的概率,特别是夜间施工可极大地保证施工区域的安全;保证直接经济效益:无人施工技术与传统技术相比节约人力资源,降低总油耗,高质量的工程也可以延长工程使用寿命,减少养护成本;提升社会效益:无人施工技术不仅把施工人员从繁重、枯燥、恶劣的振动和噪声环境中解放出来,同时提高了施工效率、实现了摊铺碾压的标准化施工,为智能化施工提供了必要条件。
Description
技术领域
本发明属于公路工程建设技术领域,具体涉及沥青路面多机无人自主协同施工系统、方法、控制器及存储介质。
背景技术
随着科学技术的不断发展,人民生活质量的提高,对公路工程的施工质量要求也在不断地提高,未来我国公路建设市场仍然存在巨大潜力。但是,随着我国人口老龄化、出生率下降、高素质人才不愿意深入一线施工现场等社会现象的出现,对工程建设领域产生了巨大冲击。导致当前机械化减人、智能化换人、自动化无人的需求日趋迫切。
目前沥青路面施工所涉及的摊铺机、压路机主要依靠人工控制,施工质量很大程度上取决于驾驶员本身的技术与经验水平,容易出现纵坡、横坡、厚度、高程控制不均匀,路面摊铺平整度不易控制,碾压过程易存在过压、欠压、漏压、振频振幅不达标的现象,人工作业通常还存在无法连续作业、夜间作业困难、人身安全等问题,作业效率和质量都受到很大的限制。此外路面施工过程中,摊铺质量与压实质量无法实时获取,导致补救困难,如何有效保证沥青路面施工质量,加强施工过程中的质量控制、提高工程质量的监管水平,降低运营养护成本已成为当前交通建设主管部门亟需解决的重要问题。
发明内容
本发明的主要目的在于提供一种沥青路面多机无人自主协同施工系统、方法、控制器及存储介质,基于指挥站、沥青路面无人机械组合、GNSS-RTK定位系统自主协同的无人施工方案,提升施工效率、安全管理效果、直接经济效益和社会效益。
沥青路面施工机械组合为2台无人摊铺机+2台无人双钢轮压路机+2台无人单钢轮压路机+2台无人胶轮压路机,每台无人设备都搭载有无线网桥天线、雷达、GNSS-RTK移动站天线、电台天线。单台无人设备通过无线网桥天线可与指挥站完成双向通信。参照图1,由指挥站向无人机械组合发送摊铺速度、轨迹、转向指令,压路机的速度、轨迹、转向、遍数、前进、后退指令。同时无人设备需要实时的向指挥站发送当前位置坐标,雷达获取的环境数据等。每台无人设备都搭载两个GNSS天线,车载GNSS系统同时接受两个天线的卫星信息和无线电电台RTK信息,经过接受机的计算可同时获得无人设备高精度位置信息。
沥青路面无人设备架构如图6-7。环境感知系统的主要目的是获取并处理环境信息,利用多传感器目标检测与融合等技术,获取设备周围环境信息,为系统其他部分提供周围环境的关键信息,感知层将处理后的信息发送给决策层。
决策规划系统综合施工环境信息及设备车身信息,使无人设备产生安全、合理的驾驶行为,指导运动控制系统对设备进行控制。根据感知层输出的信息合理决策出当前设备的行为,并根据沥青路面施工工艺确定轨迹规划的约束条件,指导轨迹规划模块规划出合适的路径,以及施工工艺确定的摊铺轨迹、速度,碾压遍数、速度、振频、振幅等信息,发送给控制层。
运动控制系统接收决策规划层的指令并控制设备响应,保证控制精度,对目标碾压速度、碾压变速、碾压轨迹、振频、振幅等进行跟踪。
沥青路面无人设备自主协同施工控制如图2所示,包括如下步骤:
(1)相机标定。摄像机作为环境识别的主要传感器,能够让计算机获取施工环境的相关信息。摊铺机、压路机通过视觉传感器获得的信息解算出摊铺目标轨迹与压路机碾压的目标轨迹。摄像机采集到的图像是通过成像透镜三维投影投射到二维平面上,这一摄像机成像过程称为摄像机成像模型。摄像机标定的主要目的是建立相机拍摄的二维路面图像与三维环境的相对映射关系并获取相机的内参和外参。MATLAB相机标定工具箱通过角点检测算法检测出采集到的标定图像的角点,系统标定程序会自动识别角点的坐标,然后与实际的角点坐标进行匹配,从而完成相机标定任务。
(2)施工边界识别
①ROI设定:感兴趣区域(ROI,region of interest)是在图像处理领域经常需要设置的一个图像区域。这个区域是图像分析所关注的重点,以专注或者简化工作过程。并且,直接对目标区域进行处理可以最大限度地缩短处理时长,提高处理精度,极大方便了整个处理过程。在摊铺机、压路机实际施工过程中,计算机采集的原始道路图像不仅包含目标路径(路缘石)等有用信息,还包括周围环境、人员、天空、车辆等无用信息。这些无用信息浪费了大量图像存储空间及计算资源,严重影响了目标路径准确、实时地识别。针对这种现象,通过若干道路图像分析发现,目标路径主要集中在相机视角的近视野,远视野图像部分对后续导航参数的提取意义不大感兴趣区域的建立能够有效减少目标路径识别的工作量,节省部分图像存储的空间和计算机计算资源,提高图像处理速度,以达到实时性要求。
②灰度化处理:计算机采集的道路图像为RGB三通道彩色图像,彩色道路图像中的每个像素点颜色值由R、G、B三个分量共同决定,每个分量量化为256 个颜色等级,这样每个像素点的颜色变化范围就达到了1600多万种 (256*256*256)。彩色图像的处理过程是图像的三个分量依次进行的,这就使得图像处理的实时性不高,因此,为了加快整个图像处理系统的运行速度,最大程度地降低图像处理的数据量,提高检测效率,往往将RGB三通道的彩色图像进行灰度化处理,从而转换为灰度图像。描述灰度图像灰度值的统计特性通常用灰度直方图表示,灰度直方图为一幅二维图,其中横坐标为像素灰度等级(灰度值),对于一幅unit8类图像,在[0,255]范围内共有256个灰度级;纵坐标表示每个灰度值的像素点数,若将灰度直方图归一化,纵坐标则表示某一灰度级在整个图像中出现的概率。经灰度化后的道路图像及其灰度直方图,反映了图像中不同灰度值出现的次数或概率,而不能描述各个像素的位置信息,因此要获得目标像素值的位置,还需要进行后续的图像处理运算。
加权平均法考虑了R、G、B三个分量重要性,在运算时赋予三个分量不同的权值,由于人的视觉系统对绿色最为敏感,其次是红色,对蓝色的敏感性最低,因此由人工视觉对三个分量敏感性决定其权值的大小。一般将R分量的权值取 0.3,G分量的权值取0.59,B分量的权值取0.11时得到的灰度图视觉效果最佳。
③图像降噪
道路图像在采集和传输过程中容易受到外部环境及视觉传感器自身质量的影响,比如光照、粉尘等影响,使图像带有各种各样的噪声干扰。双边滤波是一种典型的非线性滤波方法,其原理是将空间邻近度和像素值相似度进行折中之后对图像进行加权平滑处理,这种方法综合了均值滤波和中值滤波的优势,具有较好的去噪能力。
④图像分割
进行图像分割的目的是将道路图像中的背景区域与目标区域通过一定的图像分割方法有效分割开来。图像分割算法的优劣直接影响摊铺机、压路机目标路径的识别效果。在机器视觉与图像处理领域。而基于阈值的图像分割方法具有计算效率高、速度快、性能稳定的特点,对于灰度差明显的图像具有较好的分割效果,在很多领域得到了广泛应用。
基于阈值的道路图像分割方法的基本原理是预先设定一个阈值T,通过比较道路灰度图像中各像素点的灰度值与阈值T的大小,大于阈值T的像素点归为一类,小于阈值T的像素点归为另一类,从而将道路图像划分为目标和背景两部分(通常道路图像背景较暗,灰度值较低,目标区域较亮,灰度值较高)。设原始道路图像中(x,y)点的像素值为f(x,y),道路灰度图像经阈值分割之后的灰度值为g(x,y),因其像素值只有0和1,因此又被称为二值图像。阈值分割的数学表达式为:
大律法(Otsu)属于一种常用的自适应阈值分割算法,其核心是首先根据整幅图像的灰度关系确定一个临时的阈值,然后计算阈值分割之后图像两区域的灰度方差值,用此方法对整幅图像的灰度值进行遍历之后,把最大方差值所对应的灰度值作为图像分割的最佳阈值。
(3)施工边界基准线提取:
导航基准线的提取过程主要是对作业路径区域边缘进行检测,从而得到左右两侧的两条边缘线,根据导航需求,对其中一条边缘线进行最小二乘法直线拟合,将拟合出的直线作为压路机碾压作业的导航基准线。
①边缘检测:作业路径的边缘是道路图像的重要结构属性,导航参数的提取也是通过路径边缘信息得到,因此基于边缘分析的被检测对象的特征提取是机器视觉检测过程中的重要步骤。目标区域的边缘一般存在于像素值发生剧烈变化的局部区域内,在一定程度上涵盖了目标区域的全部特征信息。通过边缘检测,保留道路图像最重要的特征,为导航参数的提取提供理想的边缘信息。Canny算法进行边缘检测需要经过4步:为了减小由于噪声造成边缘误报的可能性,通常使用高斯平滑滤波器对图像进行降噪处理;变分法计算所有像素点的梯度幅值和方向;运用非极大值抑制原理消除非边缘像素;使用双阈值(高阈值和低阈值) 确定最终真实边缘。
②基准线提取:基准线提取的准确性和实时性是影响压路机碾压质量的重要因素,根据这两方面的要求来提取导航基准线。视觉导航的标志线(路缘石的投影带)位于道路一侧,且标志线也是具有一定宽度的区域。如果将标志线的中线或骨架作为视觉压路机的导航基准线,即忽略标志线的宽度,则基准线提取的准确性得不到保证,这就造成压路机存在路径跟踪的系统误差(标志线宽度的一半),为了消除由标志线宽度产生的系统误差,将靠近摊铺机、压路机车体的那条边界线作为压路机碾压作业的导航基准线。
以压路机车体位于标志线的左侧为例,标志线的左边界即为导航基准线。由原始道路图像经一系列图像处理得到的标志线是一幅二值图像,即边界点的像素值为1,背景的像素值为0,由于标志线的左侧边界为导航基准线,需要保留,标志线的右侧边界需要剔除掉,且标志线的两条边界均位于整个图像的右侧部分。因此,采用从右向左遍历各行像素,当检索到第i行像素值为1的点(设列坐标为j)时,将其像素值设置为零,并跳转至下一行(i+1行)进行检索,检索的范围限定在[j-r,j+r]范围内,这样就利用了第i行搜索的先验知识来减小i+1行的搜索范围,从而提高了边界点检索的实时性。常数r决定了搜索范围的宽度,其值小于标志线的宽度,一般取标志线一半宽度的像素数为宜。
③直线拟合:经导航基准线提取算法获得的基准线并不是严格意义上的直线,而是由一系列离散点组成。要准确地获得施工的边界信息,需要将组成导航基准线的这些离散点拟合成一条直线,通过计算直线的斜率和截距就可以确定摊铺机、压路机与导航基准线的位置与姿态信息。最小二乘法直线拟合就是寻求一条最佳的拟合直线,使其最大程度地靠近或通过给定的n个测量点。
(4)碾压路径规划,如图3所示:
无人机械施工路径规划是以施工区域的坐标为基础的,由于路,路面任意施工段落可以看做为一个近似的长方形,且以随机的角度处在平面坐标中,如果直接用长方形内的坐标规划路径较为复杂,需要将实际位置的长方形进行坐标转换,即以O'为坐标原点,L边转换为y轴,B边转换为x轴形成标准平面坐标系。即由x'O'y'坐标转换为xOy坐标,如图4所示。
由于已知路面施工段落尺寸数据,压路机每道要求叠轮1/2,可以求得在该路面施工段落进行的碾压道数k:
如图5所示,由几何关系可得图中所标各点的坐标:Ak(kD/2,0),Bk(kD/2, L)。即得到了该施工段落区域的关键点信息,碾压路径直线段为 压路机变道路径弧线段为 压路机按照 的顺序依次行走即可完成路面施工段落区域的路径全覆盖。
一般情况下,路面施工前需要进行试验段,确定碾压遍数n,且往复一次算为一遍,因此压路机的实际碾压路径为(A1B1→B1A1)×n→A1C1→C1A2→ (A2B2→B2A2)×n→A2C2→C2A3…→Ak-1Ck-1→Ck-1Ak→(AkBk→BkAk)×n。在路径规划中每道碾压轨迹都是由起终点坐标控制的,如A1B1就是由A1(D/2,0),B1 (D/2,L)控制,由于无人驾驶压路机的行驶轨迹是由GNSS高精度定位技术控制,为了增加行驶轨迹的控制精度,需要在A1B1上加密控制点,使路线中的每一个控制点都对碾压过程产生纠偏信号,进行行驶轨迹的调整,因此在碾压路径中,每间隔1m增加一个控制点,即AkBk生成的控制路径点为(kD/2,0)→ (kD/2,1)→(kD/2,2)→(kD/2,3)→…→(kD/2,L-1)→Bk(kD/2,L)。 BkAk生成的控制路径点为(kD/2,L)→(kD/2,L-1)→(kD/2,L-2)→…→ (kD/2,2)→(kD/2,1)→(kD/2,0)。
本发明达到的有益效果为:
(1)施工效率提升:与传统技术相比提高施工效率,特别是在夜间也可实现高质量的连续作业。
(2)安全管理提升:无人施工技术减少施工的参与人员,将部分现场作业转为室内作业,可降低人员安全事故发生的概率,特别是夜间施工可极大地保证施工区域的安全。
(3)直接经济效益:无人施工技术与传统技术相比节约人力资源,降低总油耗,高质量的工程也可以延长工程使用寿命,减少养护成本。
(4)社会效益提升:无人施工技术不仅把施工人员从繁重、枯燥、恶劣的振动和噪声环境中解放出来,同时提高了施工效率、实现了摊铺碾压的标准化施工,为智能化施工提供了必要条件。
附图说明
图1为沥青路面无人施工总体架构图。
图2为沥青路面多机无人自主协同施工方法流程示意图。
图3为碾压路径规划示意图。
图4为简单边界路基施工段落示意图。
图5为简单边界路基施工段落碾压路径规划过程图。
图6为无人驾驶压路机系统组成示意图。
图7为压路机无人驾驶系统总体设计框图。
图8为简单边界路基施工段落示意图。
图9为路径导航补偿系统框架图。
图10为主动防撞预警系统示意图。
图11为压路机施工区域分析等级划分示意图。
图12为点火模块电路示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
根据路面施工设备自身的特点,结合其作业过程,得到沥青路面多机无人自主协同施工系统、方法、控制器及存储介质,以XS263W振动压路机为原型,完成了压路机的无人化改造,实现了压路机远程点火、起步、转弯、制动等动作。
无人驾驶压路机是综合利用高精度GNSS定位技术、障碍物识别技术,参照图6,在压路机上安装卫星接收机、微波通讯主机、电台信号接收天线;在行车 /倒车系统上安装自动控制装置,在油路系统上设置油路自动控制装置;在转向系统上设置转向控制电机和电子阀装置等,通过工业控制计算机内设置的处理器、程序软件、交换机等组件来实现压路机既定的行驶轨迹、转向、变道、速度、遍数等作业等任务,最终达到压路机全智能化无人驾驶。
依据无人驾驶压路机工作原理,针对已有研究成果中存在的不足和问题,研究系统设计方案,分别从环境感知、决策规划和运动控制等三方面开展深入研究,使压路机在作业过程中实现路径保持功能、自动转向功能、自动避障功能、自动紧急制动功能、自动启停功能等。图7为系统总体设计框图。
环境感知系统的主要目的是获取并处理环境信息,利用多传感器目标检测与融合等技术,获取压路基周围环境信息,为系统其他部分提供周围环境的关键信息,感知层将处理后的信息发送给决策层。
决策规划系统综合施工环境信息及压路机车身信息,使无人驾驶压路机产生安全、合理的驾驶行为,指导运动控制系统对压路机进行控制。根据感知层输出的信息合理决策出当前压路机的行为,并根据碾压施工工艺确定轨迹规划的约束条件,指导轨迹规划模块规划出合适的路径,以及施工工艺确定的碾压遍数、速度、振频、振幅等信息,发送给控制层。
运动控制系统接收决策规划层的指令并控制车辆响应,保证控制精度,对目标碾压速度、碾压变速、碾压轨迹、振频、振幅等进行跟踪。
目前路径规划的研究分为两类。一类是传统的“点到点”的路径规划,它是在一定的规则条件下,规划出所有从起始点到目标点、并且避开所有障碍物的所有的路径集合后,再依据某些判断条件,选取最优路线。另一类是全覆盖路径规划,其基本概念是在确定的边界范围内规划出一条或若干条直线、曲线的组合路径,使线条及线条两侧的一定范围内可以尽可能多的覆盖作业区域。两种路径规划的共同点在于他们都是从给定的某一点起,遵循一定的规则,避开行驶过程中所遇到障碍物,最终到达目标点。而它们的区别在于规划维度,传统“点到点”路径的规划属于线形规划,其目的在于到达一个点。而全覆盖路径规划属于面形规划,将区域内的点进行了若干次的起点到终点的路径规划,并需要考虑到每次起点到终点线状路径之间的连接方法,保证规划的路径尽量可以覆盖作业区域内的所有能够达到的点,并且充分考虑最终规划路径的合理性和成本消耗最低,其目的在于覆盖整个面。根据压路机的作业要求采用全覆盖路径规划。
依据压路机作业数据获取的方式和时机的不同,全覆盖路径规划可以分为两种类型:一类为全局路径规划,另一类为增量路径规划。全局路径规划是指作业区域的所有作业数据都已经获知的前提下进行的路径规划,环境数据包括作业边界以及作业区域内的障碍物的坐标,形状,大小等。增量路径规划是指作业数据基本没有获知的前提下进行的规划,此时,所获悉的作业数据一般只有当前位置数据,如需其他作业数据,只能依靠加装外部传感器系统(如视觉系统,雷达系统等)来实时获取。总体而言,增量路径规划不需要提前获悉环境信息,作业前的准备工作量比较少,但需要加装高成本的传感器,并且对作业条件的要求比较苛刻,计算量大,无法保证规划的路径具有可行性,容易出现漏压、过压的情况。而全局路径规划由于外部作业数据已知,从全局的角度进行分析可以使路径规划更具效率。本文研究的是全局路径规划。
压路机作业完成后,路基将被带状碾压轨迹全区域覆盖。结合路基的碾压需求,压路机作业时全覆盖路径规划的优劣评判标准是:压路机在进行碾压作业时应覆盖到整个路基作业区域,不能出现漏压、过压的情况;当碾压完成一道后,压路机应该按照叠轮要求就近转入下一道,各道的碾压轮迹要求互相平行、反复碾压轨迹重叠、叠轮宽度相等。在确保压路机碾压轨迹对路基全覆盖的情况下,压路机完成碾压作业的时间应尽可能短。同时在压路机的碾压的路径上尽量不出现固定障碍物。以此为参考对压路机路径规划提出了如下三个要求:
(1)碾压轨迹全覆盖。是指在给定的路基作业区域内,进行全覆盖路径规划后,所规划的压路机碾压路径的覆盖面积总和与路基作业区域面积相等。
(2)反复碾压轨迹重叠率高。是指在给定的路基作业区域内,进行全覆盖路径规划后,按照碾压工艺要求,某一道碾压轨迹一遍碾压面积与同一道反复碾压直至达到碾压遍数要求轨迹的面积总和的比值。在碾压过程中,碾压轨迹的重叠越多就意味着碾压轨迹控制精度越高,考虑到经济性以及效率性,要求重复率接近1。
(3)成本消耗低。是指压路机油量损耗以及机器磨损,可以将其量化为沿着规划好的路径及施工工艺行驶完整个路基作业区域的过程中所消耗的时间。因为在同一块施工区域,碾压轨迹重叠率也相同的情况下,直线碾压路径长度不变,在均速情况下其成本消耗也就基本不变。因此,只要考虑转向部分的成本消耗,也就是考虑全覆盖路径的转向次数和每一次转向的成本消耗。转向次数是指压路机完成一道碾压,进行下一道碾压的过程中方向发生改变的次数(不包括压路机在保持直线行驶时调整姿态的转向);单次转向成本消耗是综合转向路径长度和转弯方式来考虑的。转向路径总长度是指一道碾压结束和下一道碾压开始之间的行驶距离总和,转向方式是指压路机完成该转向时进行的方向变化以及加减速状况。从节约成本及控制方便的角度考虑,转向次数越少,转向路径总长度越小,转弯方式越简单,则压路机成本消耗越小,路径算法越优秀。
无人驾驶压路机在自动碾压作业时的路径规划,是影响整体碾压作业质量和施工精度的重要因素。一般路基施工段落,形状多为近似长方形,其边界相对比较规则,不会出现参差不齐的情况,将其定义为简单边界采用几何算法最有效率。利用RTK测量施工区域四个顶角的坐标,由四个顶角位置信息获得压路机边界围栏区域,由安装在压路机车身顶部GNSS装置,获得压路机在围栏区域的位置。
利用边界收缩的方法取得路基施工段落内的最大内接四边形,再对该四边形进行几何法规划,如图8所示,已知作业区域的长为L、宽为B、碾压轨迹宽度为D,将a点设为坐标原点,ab方向为压路机施工初始航向,da为压路机驶入工作区域边界和后退方向施工边界,压路机宽度的一半且da方向上靠近a点处的位置为施工初始位置,记为顶点的坐标O'(x0,y0),bc为前进方向施工边界, cd为驶离施工区域外侧边界,利用编码器获取压路机铰链的转角完成变道转角的计算。根据压实遍数、叠轮要求,实现压路机在abcd所构成区域完成往复式压实作业。
无人驾驶压路机施工路径规划是以施工区域的坐标为基础的,由于路基任意施工段落可以看做为一个近似的长方形,且以随机的角度处在平面坐标中,如果直接用长方形内的坐标规划路径较为复杂,需要将实际位置的长方形进行坐标转换,即以O'为坐标原点,L边转换为y轴,B边转换为x轴形成标准平面坐标系。即由x'O'y'坐标转换为xOy坐标,如图4所示。
由于已知路基施工段落尺寸数据,压路机没道要求叠轮1/2,可以求得在该路基施工段落进行的碾压道数k:
如图5所示,由几何关系可得图中所标各点的坐标:Ak(kD/2,0),Bk(kD/2, L)。即得到了该施工段落区域的关键点信息,碾压路径直线段为 压路机变道路径弧线段为 压路机按照 的顺序依次行走即可完成路基施工段落区域的路径全覆盖。
一般情况下,路基施工前需要进行试验段,确定碾压遍数n,且往复一次算为一遍,因此压路机的实际碾压路径为 在路径规划中每道碾压轨迹都是由起终点坐标控制的,如A1B1就是由A1(D/2,0),B1(D/2,L)控制,由于无人驾驶压路机的行驶轨迹是由 GNSS高精度定位技术控制,为了增加行驶轨迹的控制精度,需要在A1B1上加密控制点,使路线中的每一个控制点都对碾压过程产生纠偏信号,进行行驶轨迹的调整,因此本项目在碾压路径中,每间隔1m增加一个控制点,即AkBk生成的控制路径点为(kD/2,0)→(kD/2,1)→(kD/2,2)→(kD/2,3)→…→(kD/2, L-1)→Bk(kD/2,L)。BkAk生成的控制路径点为(kD/2,L)→(kD/2,L-1) →(kD/2,L-2)→…→(kD/2,2)→(kD/2,1)→(kD/2,0)。
振动压路机作业过程中,工作路面状况恶劣,车身会倾斜、振动,导致GNSS 定位位置与车身实际位置偏移,影响作业精度。由于振动压路机为铰接转向形式,利用角度编码器,在压路机自动作业路线跟踪控制的过程中,采集钢轮与车身之间的转角信息来检测车身的位姿。在振动钢轮一侧安装倾角传感器,采集车身倾斜导致的GNSS定位位置与车身实际位置偏移。压路机通过接收导航系统发送的行驶路线信息、角度编码器发送的钢轮与车身的夹角信息、倾角传感器发送的钢轮的倾斜角信息,根据行驶路线信息、钢轮与车身的夹角信息和倾斜角信息、预设行驶路线信息、预设夹角信息以及预设倾斜角信息,计算压路机矫正信息,根据矫正信息调整振动压路机的行驶控制指令,实现振动压路机的行驶路径信息、夹角信息和倾斜角信息的调整。路径导航补偿系统的设计框图如图9所示。
由图9可知,路径导航补偿系统主要由控制器、导航系统、角度编码器以及倾角传感器组成。其中,控制器与导航系统、角度编码器以及倾角传感器均通信连接,角度编码器设置于振动压路机中车身与钢轮的铰接点、倾角传感器设置于振动压路机中钢轮的一侧。若该钢轮与车身的夹角过大或者过小,即夹角差值不满足预设夹角差值范围,则表示该振动压路机转向角度过大或者过小,则需要对该振动压路机进行转向调节;若该倾斜角信息过大或者过小,即倾斜差值不满足预设倾斜差值范围时,则表示该振动压路机的钢轮偏离原始预设碾压轨迹,则需要对该振动压路机进行转向调节。
无人驾驶压路机最大特点是实现了路基碾压的无人化施工,避免了人为因素对施工质量的影响,可以夜间施工,有效缩短工期。由于压路机是无人控制,遇到紧急情况无法像人一样去思考,采取多方面的紧急措施,因此无人驾驶压路机的施工安全是必须要解决的问题。一般情况下压路机在碾压过程中,施工工作面不会出现固定障碍物,只有可以移动的生命体,如施工人员、施工区域过往的人员、附近村镇的牲畜等移动障碍物。因此环境识别与自动防撞系统需要对移动障碍物进行智能识别,并进行避让。路基在碾压过程中的行驶受碾压工艺的控制,有固定的轨迹和遍数,遇到移动的障碍物,不能选择绕行,否则会造成其他区域的过压,或正常施工路线的漏压,造成施工质量缺陷。因此无人驾驶压路机只能采取制动措施,等到移动障碍物离开或远离后,重新启动,继续工作,由于压路机自重较大,在路基工作面上如果采取紧急制动措施,会造成路基填土拥集,导致碾压后的路基出现波浪,因此无人驾驶压路机在遇到移动障碍物时应有反应区域,使压路机平稳减速,直到在障碍物面前一定距离内平稳制动。
无人驾驶压路机主动防撞预警系统主要有环境感知模块、控制参数模块、控制执行模块组成,每个模块具有不同功能,各个模块共同工作实现压路机的主动防撞。环境感知模块对自车及移动障碍物进行探测,将得到的信息通过CAN总线传送到控制预算模块,控制参数模块根据得到的信息进行危险判断,并将相应的控制指令通过CAN总线传送给控制执行模块,控制执行模块实行报警、制动等控制,最终实现压路机的安全施工。主动防撞预警系统组成部分如图10所示。
环境感知模块主要通过目标探测传感器对目标进行探测,得到压路机与障碍物的相对位置、相对速度及相对方位等信息。利用压路机的各种传感器对压路机的速度、加速度及转向角进行探测。环境感知模块对压路机及障碍物信息进行探测,为控制预算模块正常提供了相应的数据信息。
目标探测传感器主要负责移动障碍物的运行状态的判断与识别,将探测到的信息数据传送给数据处理系统,目标探测传感器主要包括:毫米波雷达传感器、视觉传感器、超声波传感器、激光雷达传感器等。
环境感知模块对压路机及移动障碍物信息进行采集,随后将采集的数据送入控制参数模块。控制参数模块进行压路机行驶危险性的辨别,根据设定的安全距离模型,判断当前压路机是否危险环境,根据移动障碍物靠近压路机范围的不同将不同程度的报警信号及执行信号传送到控制执行模块。
在压路机行驶的过程中,如果遇到移动杂物,通过声光报警模块进行声音及闪光报警提示,提示附近人员注意安全,或者将牲畜驱离压路机附近,当检测到移动障碍物靠近压路机时,系统会通过执行模块,自行采取减速、制动等措施。
压路机在获取环境信息后,在行驶路径上如果判定存在移动障碍物,则将触发停车等待,不会进行障碍物规避。这是因为碾压机械为保证压实效果必须按规划路径行驶,如进行避障将无法保证碾压效果。当行驶路径上的障碍物为施工人员、施工区域过往的人员、附近村镇的牲畜等移动障碍物时,必须等其离开后,碾压设备才会继续前进。因此合理的制定安全控制策略,可以提高压路机的施工效率、安全性及可靠性。本项目根据移动障碍物与压路机的相对速度、位置、方位制定避让控制策略。
压路机施工区域风险等级划分是避让控制策略的核心,由于压路机运行环境较为单一,可将压路机的中心点作为施工安全区域划分的参考点。本实施例采用徐工XS263J单钢轮振动压路机,其长×宽约为6.0米×2.3米,压路机施工区域分析等级划分如图11所示。将距离压路机任意一点小于2米的区域风险等级为Ⅰ级,将处在碾压路径上距离压路机任意一点大于2米且小于10米的区域风险等级为Ⅱ级,将碾压路径区域以外距离压路机任意一点大于2米且小于10米的区域风险等级为Ⅲ级,将距离压路机任意一点大于10米的区域风险等级为Ⅳ级。
移动障碍物避让控制策略如下表格所示。
当移动障碍物进入到Ⅳ级风险区域时,压路机处于安全状态,控制执行模块不采取任何报警措施。
当移动障碍物进入到Ⅲ级风险区域时,压路机处于相对安全状态。如果环境感知模块判定移动障碍物正在远离压路机,控制执行模块不采取任何报警措施;如果环境感知模块判定移动障碍物正在接近压路机,控制执行模块启动警示系统,进行声光报警。
当移动障碍物进入到Ⅱ级风险区域时,压路机处于具有危险性状态,控制执行模块启动执行机构,压路机开始减速,警示系统启动声光报警。
当移动障碍物进入到Ⅰ级风险区域时,压路机处于极具危险性状态,控制执行模块启动执行机构,压路机刹车制动并停止,警示系统启动声光报警且报警程度加重。
无人驾驶压路机需要具备环境感知、路径规划、自动控制的能力,来实现仿人类驾驶,要实现压路机无人驾驶功能,无人驾驶控制系统至少需要接管下表中涉及的压路机启动、行走、转向和制动功能。
发动机控制是实现无人驾驶的最基本的功能。压路机发动机启动包括三个步骤,首先要接通发动机点火系统的电路,然后再接通启动系统的电路,最后发动机启动后还要将启动系统的电路及时断开。发动机的启动电路如图12所示,整个电路通过CAN方式与机载电脑进行通信,当接收到来机载电脑的点火命令后才能启动点火。
行走控制改造包括:
(1)二维操纵杆执行机构
压路机档位不仅包括纵向移动还有横向移动的情况,二维操纵杆执行机构采用双电机式结构,可以实现对单个操纵杆的纵向及横向推动与定位。适用于手动挡、半自动及自动挡压路机的档位或行驶方向控制。二维操纵杆执行机构上的位置传感器可以将信息传回控制器形成闭环控制。
(2)油门执行机构
油门执行机构为直线执行机构,通过快速夹具与油门手柄连接,通过安装的直线执行机构根据工控机的指令达到自动控制油门大小的目的。
转向控制改造包括:
转向控制是压路机控制最重要的部分,为达到精确控制压路机转向的目的,通过高精度步进电机、同步带轮传动机构、支架以及步进电机张紧机构等部分,将电机动力传递到方向盘底部,步进电机与方向盘转轴通过的同步带轮进行扭矩的传递,防止打滑,保证了传递的精度。步进电机张紧机构,维持步进电机的张紧力,步进电机型号86BYG250-98,步距角为1.8°,静态扭矩为9Nm。压路机转向系统采用液压助力转向,经测试启动发动机后方向盘转向力矩约为6Nm,可见步进电机完全能满足带动转向机构转向的要求。步进电机驱动器型号为 2HD8080,其步距角细分可达256细分。当然实际用于转向控制时,其细分最高可以用到32细分,细分过多将导致步进电机失步严重降低控制精度。通常为了保证可靠的力矩输出,采用了16细分的步距角,这样步进电机的步进精度可达 0.1125°,满足转向控制的精度。
制动控制改造包括:
以电机为动力源,利用钢丝拉线进行动力传递,实现对离合器、刹车的拉动与释放。手动换挡及半自动换挡压路机的离合参与换挡过程,自动挡时离合执行机构空置。由于踏板通过拉线拉动,在人工驾驶时拉线处于放松状态,驾驶员踩踏踏板不会受到影响。
现场安装流程是,根据上述压路机无人驾驶控制系统,对徐工XS263W振动压路机进行改造,实现压路机前进、后退、制动、变道、转弯的无人控制。具体如下:压路机安装双GNSS定位设备;导航补偿硬件安装;环境感知模块硬件安装;声光预警系统安装;车载计算机安装;执行系统总组成安装(包含远程点火、油门控制、速度控制、制动控制、振动控制等);数字电台安装及微波基站架设;启动设备、精度调试。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.沥青路面多机无人自主协同施工系统,其特征在于:
系统包括指挥站、沥青路面无人机械组合、GNSS-RTK定位系统三部分;
沥青路面无人机械组合包括无人摊铺机、无人双钢轮压路机、无人单钢轮压路机和无人胶轮压路机的无人设备,均搭载有无线网桥天线、雷达、车载GNSS系统、电台天线;单台无人设备通过无线网桥天线与指挥站完成双向通信;由指挥站向无人机械组合发送摊铺速度、轨迹、转向指令,压路机的速度、轨迹、转向、遍数、前进、后退指令;无人设备实时向指挥站发送当前位置坐标,雷达获取的环境数据;每台无人设备搭载两个GNSS-RTK移动站天线,车载GNSS系统同时接受两个天线的卫星信息和无线电电台RTK信息,经过接受机获得无人设备高精度位置信息。
2.根据权利要求1所述的沥青路面多机无人自主协同施工系统,其特征在于:在无人设备的行车/倒车系统上安装自动控制装置,在油路系统上设置油路自动控制装置;在转向系统上设置转向控制电机和电子阀装置。
3.沥青路面多机无人自主协同施工方法,其特征在于:包括如下步骤:
步骤1,相机标定;
步骤2,施工边界识别;
步骤3,施工边界基准线提取;对作业路径区域边缘进行检测,从而得到左右两侧的两条边缘线,根据导航需求,对其中一条边缘线进行最小二乘法直线拟合,将拟合出的直线作为压路机碾压作业的导航基准线;
步骤4,碾压路径规划;是以施工区域的坐标为基础的,将施工段落视为近似的长方形,且以随机的角度处在平面坐标中;将长方形进行坐标转换;根据路面施工段落尺寸数据和压路机施工要求,获得在该路面施工段落进行的碾压道数;根据该施工段落区域的关键点信息,碾压路径直线段的顺序依次行走即完成路面施工段落区域的路径全覆盖。
4.根据权利要求3所述的沥青路面多机无人自主协同施工方法,其特征在于:步骤1包括如下分步骤:
步骤1-1,以摄像机作为环境识别的传感器,获取施工环境的相关信息;沥青路面无人机械组合中的摊铺机、压路机通过视觉传感器获得的信息解算出摊铺目标轨迹与压路机碾压的目标轨迹;
步骤1-2,摄像机采集到的图像通过成像透镜三维投影投射到二维平面上,建立拍摄的二维路面图像与三维环境的相对映射关系并获取摄像机的内参和外参;
步骤1-3,通过角点检测算法检测出采集到的标定图像的角点,识别角点的坐标,然后与实际的角点坐标进行匹配,从而完成相机标定任务。
5.根据权利要求3所述的沥青路面多机无人自主协同施工方法,其特征在于:步骤2包括如下分步骤:
步骤2-1,感兴趣区域ROI设定;基于摄像机视角的近视野提取感兴趣区域ROI;
步骤2-2,灰度化处理;对RGB三通道的彩色道路图像进行灰度化处理,通过灰度直方图结合RGB三个分量加权平均考虑,转换为灰度图像;
步骤2-3,图像降噪;采用双边滤波,将空间邻近度和像素值相似度进行折中之后对图像进行加权平滑处理;
步骤2-4,图像分割;将道路图像中的背景区域与目标区域通过基于阈值的图像分割方法有效分割开来。
6.根据权利要求3所述的沥青路面多机无人自主协同施工方法,其特征在于:步骤3包括如下分步骤:
步骤3-1,边缘检测;采用Canny算法进行边缘检测;
步骤3-2,基准线提取;将靠近沥青路面无人机械组合中摊铺机、压路机车体的边界线作为压路机碾压作业的导航基准线;
步骤3-3,直线拟合;通过计算直线的斜率和截距确定摊铺机、压路机与导航基准线的位置与姿态信息;通过最小二乘法直线拟合寻求一条最佳的拟合直线,使其最大程度地靠近或通过给定的n个测量点。
8.根据权利要求7所述的沥青路面多机无人自主协同施工方法,其特征在于:步骤4-3中,利用角度编码器采集压路机振动钢轮与车身之间的转角信息来检测车身的位姿;在振动钢轮一侧安装倾角传感器,采集车身倾斜导致的GNSS定位位置与车身实际位置偏移;压路机通过接收导航系统发送的行驶路线信息、角度编码器发送的钢轮与车身的夹角信息、倾角传感器发送的钢轮的倾斜角信息,再结合预设行驶路线信息、预设夹角信息以及预设倾斜角信息,计算压路机矫正信息,根据矫正信息调整压路机的行驶控制指令,实现振动压路机的行驶路径信息、夹角信息和倾斜角信息的调整。
9.一种控制器,其特征在于:包括处理器和存储器;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求3-7任一所述的方法步骤。
10.一种机器可读存储介质,其特征在于:所述机器可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求3-7任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856815.4A CN115248596A (zh) | 2022-07-20 | 2022-07-20 | 沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210856815.4A CN115248596A (zh) | 2022-07-20 | 2022-07-20 | 沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115248596A true CN115248596A (zh) | 2022-10-28 |
Family
ID=83699825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210856815.4A Pending CN115248596A (zh) | 2022-07-20 | 2022-07-20 | 沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115248596A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117071379A (zh) * | 2023-07-31 | 2023-11-17 | 上海宝冶集团有限公司 | 一种高架桥沥青路面面层摊铺实时测量方法 |
-
2022
- 2022-07-20 CN CN202210856815.4A patent/CN115248596A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117071379A (zh) * | 2023-07-31 | 2023-11-17 | 上海宝冶集团有限公司 | 一种高架桥沥青路面面层摊铺实时测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713504B2 (en) | Estimating friction based on image data | |
US9494942B1 (en) | Enhancing basic roadway-intersection models using high intensity image data | |
CN104950313B (zh) | 一种路面提取及道路坡度识别方法 | |
US20200406925A1 (en) | Comfort-based self-driving planning method | |
US10239539B2 (en) | Vehicle travel control method and vehicle travel control device | |
CN101075376B (zh) | 基于多视点的智能视频交通监控系统及方法 | |
CN110296713A (zh) | 路侧自动驾驶车辆定位导航系统及单个、多个车辆定位导航方法 | |
DE112017007906T5 (de) | Fahrzeugsteuervorrichtung, fahrzeugsteuerverfahren und programm | |
US11618502B2 (en) | On-road localization methodologies and equipment utilizing road surface characteristics | |
You et al. | 5G-based earthwork monitoring system for an unmanned bulldozer | |
CN112880599B (zh) | 一种基于四足机器人的路基平整度检测系统及工作方法 | |
CN200990147Y (zh) | 基于多视点的智能视频交通监控系统 | |
CN210119237U (zh) | 路侧自动驾驶车辆定位导航系统 | |
CN112101120B (zh) | 基于自动驾驶应用场景的地图模型及其应用方法 | |
US20230242149A1 (en) | Radar object classification based on radar cross-section data | |
CN114475573B (zh) | 基于v2x与视觉融合的起伏路况识别及车辆控制方法 | |
DE102018103473A1 (de) | Wirksamer rollradius | |
WO2021110166A1 (zh) | 道路结构检测方法及装置 | |
CN115248596A (zh) | 沥青路面多机无人自主协同施工方法、装置、控制器及存储介质 | |
CN113227831B (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
CN109815836A (zh) | 一种城市道路路面导向箭头检测识别方法 | |
CN115871660B (zh) | 双模态特征融合的无人驾驶压路机避障方法及系统 | |
US20240208547A1 (en) | Route planning system and method of self-driving vehicle | |
CN110775054B (zh) | 车载控制装置、场端定位装置、车辆控制系统及车辆 | |
JP7486556B2 (ja) | 区画線認識装置 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Tong Inventor after: Wang Jie Inventor before: Wang Tong Inventor before: Wang Jie Inventor before: Zhang Sulong |