CN115327571A - 一种基于平面激光雷达的三维环境障碍物检测系统及方法 - Google Patents
一种基于平面激光雷达的三维环境障碍物检测系统及方法 Download PDFInfo
- Publication number
- CN115327571A CN115327571A CN202210912090.6A CN202210912090A CN115327571A CN 115327571 A CN115327571 A CN 115327571A CN 202210912090 A CN202210912090 A CN 202210912090A CN 115327571 A CN115327571 A CN 115327571A
- Authority
- CN
- China
- Prior art keywords
- plane data
- laser radar
- data
- lidar
- plane
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000004888 barrier function Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 14
- 238000013507 mapping Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241001417527 Pempheridae Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于平面激光雷达的三维环境障碍物检测系统及方法,所述系统包括嵌入至车身不同方向的多个平面雷达、中央处理器、里程计和移动控制模块,其中:所述多个平面雷达,用于探测不同扫描角度的至少一个平面数据:所述里程计,用于探测车身的定位数据;所述中央处理器,用于针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据;还用于根据所述最优平面数据和所述定位数据,生成驱动信号;所述移动控制模块,用于根据所述驱动信号控制车身进行移动。本发明对多平面进行探测,整合多平面的激光雷达障碍物信息,完成多平面避障,达到的效果相当于多线激光雷达,大幅节约了成本。
Description
技术领域
本发明三维环境障碍物探测技术领域,尤其涉及一种基于平面激光雷达的三维环境障碍物检测系统及方法。
背景技术
随着现代化建设的加速发展,超级市场,大型码头,国际机场,各种会展中心,大型物流仓库,高级酒店,大型休闲公园,校园、医院等场所的数量和规模不断增加,各种大型生活小区和活动场所日益增多,人类活动和物流运输等变得更为复杂。需要多种移动机器人代替人类工作,比如无人消防车、运输车和扫地车等。
目前市场上工业机器人要还是由人来驾驶,依然需要投入人力,而无人驾驶的移动机器人很好的地解决了这一点。它是将环境感知、动态决策、路径规划以及行为控制集中于一体的多功能复合系统,他利用传感器来感知机器人周围环境,并根据感知所获得的环境地图规划移动的路径,在移动过程中通过感知存在的障碍物来控制车辆的转向和速度,从而使车辆能够安全可靠的在规划路径上行驶。
目前主流的3D环境传感器有多线激光雷达或者摄像头,辅以超声波雷达等传感器,完成3D环境建图、避障、定位等功能。多线激光雷达可扫描3D环境的障碍物,用相关算法对比上一帧及下一帧环境的变化,能较为容易的检测出周围的车辆及行人。但是多线激光雷达价格昂贵均在万元(美元)级别以上,一般企业难以承受如此高昂的价格。但是3D环境探测给移动平台所带来的安全性提升是极大的,所以找到拥有相似效果的低成本替代方案是必要的。
3D环境信息的获取还可以使用基于摄像头的视觉方法。视觉传感器主要有单目或双目摄像头,其中视觉方案用多帧图像来估计自身的位姿变化,再通过累计位姿变化来计算距离物体的距离,并进行定位与地图构建;摄像头对光的依赖程度高,在暗处或者一些无纹理区域是无法进行工作的。并且视觉定位建图相较于激光雷达的定位建图精度较低,并且还有不小的累计误差,另外构建的地图一般不能直接用于规划与导航。要平衡这些缺点,对算法的要求很高,这意味着机器人本身要有卓越的硬件功能,明显增加了成本。因此,如何在车身上低成本地获取三维环境信息是亟待解决的问题。
发明内容
有鉴于此,有必要提供一种基于平面激光雷达的三维环境障碍物检测系统及方法,用以克服现有技术中三维环境检测方法成本高昂的问题。
为了解决上述技术问题,本发明提供一种基于平面激光雷达的三维环境障碍物检测系统,包括嵌入至车身不同方向的多个平面雷达、中央处理器、里程计和移动控制模块,其中:
所述多个平面雷达,用于探测不同扫描角度的至少一个平面数据:
所述里程计,用于探测车身的定位数据;
所述中央处理器,用于针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据;还用于根据所述最优平面数据和所述定位数据,生成驱动信号;
所述移动控制模块,用于根据所述驱动信号控制车身进行移动。
进一步地,所述多个平面雷达包括安装在车身顶部的第一激光雷达、安装在车身前方的第二激光雷达和安装在车身后方的第三激光雷达,其中,所述第一激光雷达、所述第二激光雷达和所述第三激光雷达皆为单线激光雷达。
进一步地,所述里程计包括视觉里程计和/或算法里程计和/或编码里程计。
进一步地,所述移动控制模块包括移动驱动单元和底层控制单元,其中,所述底层控制单元用于根据所述驱动信号进行数据转换,生成速度控制信号下发至所述移动驱动单元;所述移动驱动单元包括至少一种动力设备,所述至少一种动力设备根据所述速度控制信号控制车身移动。
本发明提供一种基于平面激光雷达的三维环境障碍物检测方法,基于如上所述的基于平面激光雷达的三维环境障碍物检测系统,所述方法包括:
获取多个平面雷达在不同角度探测的至少一个平面数据;
针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据。
进一步地,所述多个平面雷达包括第一激光雷达、第二激光雷达和第三激光雷达,所述针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据,包括:
分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,并选取所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据;
针对每一扫描角度,对比所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据,确定每一扫描角度对应的所述最优平面数据。
进一步地,所述分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,并选取所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据,具体包括:
分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,确定所述第二激光雷达对应转换的第二转换数据和所述第三激光雷达对应转换的第三转换数据;
选取所述第一激光雷达中第一预设角度范围的第一平面数据,选取所述第二转换数据中第二预设角度范围的第二平面数据,以及选取所述第三转换数据中第三预设角度范围的第三平面数据。
进一步地,所述针对每一扫描角度,对比所述第一平面数据、所述第二平面数据和所述第三平面数据,确定每一扫描角度对应的所述最优平面数据,包括:
根据统一的时间戳信息,同步对比每一个扫描角度对应的所述第一平面数据、所述第二平面数据和所述第三平面数据;
选取每一个扫描角度,将所述第一平面数据、所述第二平面数据和所述第三平面数据中距离车身最近的扫描数据,作为对应的所述最优平面数据。
进一步地,所述针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据之后的步骤,还包括:根据每一扫描角度的所述最优平面数据,进行数据融合输出,形成融合点云信息。
进一步地,所述时间戳信息的统一方法包括:
获取最先到达的平面数据,对应设置为主元信息,并与后续到达的其他激光雷达的平面数据进行队列连接,形成数据集合;
当同一个激光雷达有多个平面数据到达时,则选择最后达到的平面数据作为对应激光雷达的数据加入集合;
将所述主元信息的到达时间,设置为主元时间戳;
其中,若只有两个激光雷达,选择到达时间相距最近的平面数据,形成数据集合。
与现有技术相比,本发明的有益效果包括:在系统中,通过设置多个平面雷达,实现在不同方向的不同角度进行探测,得到反映不同扫描角度的雷达信息的多种平面数据;通过设置里程计,进行有效的定位,形成探测车身自身的定位数据;通过设置中央处理器,对多种平面数据进行综合处理,对于每一个扫描角度,都确定在该角度下的最优平面数据,再结合定位数据,生成驱动信号,对整个车身的移动进行控制;通过设置移动控制模块,在驱动信号的影响下,控制车身进行移动,实现有效的避障。在方法中,首先,对多个平面雷达在不同角度探测的多种平面数据进行有效的获取;然后,在每一个扫描角度下,对不同雷达探测到的平面数据进行对比,确定最优平面数据,也就是形成每一个扫描角度的最优平面数据,根据多角度的最优平面数据进行数据融合,保证其准确性,代替多线激光雷达,起到3D避障效果,同时,结合多个平面数据,降低了算法的复杂度,大大提升车身移动的实时性。综上,本发明对多平面进行探测,整合多平面的激光雷达障碍物信息,完成多平面避障,达到的效果相当于多线激光雷达,大幅节约了成本。
附图说明
图1为本发明提供的基于平面激光雷达的三维环境障碍物检测系统一实施例的结构示意图;
图2为本发明提供的平面雷达安装一实施例的结构示意图;
图3为本发明提供的基于平面激光雷达的三维环境障碍物检测方法一实施例的流程示意图;
图4为本发明提供的图3中步骤S302一实施例的流程示意图;
图5为本发明提供的图4中步骤S401一实施例的流程示意图;
图6为本发明提供的图4中步骤S402一实施例的流程示意图;
图7为本发明提供的时间戳信息的统一方法一实施例的流程示意图;
图8为本发明提供的队列形成一实施例的运行方向示意图;
图9为本发明提供的基于平面激光雷达的三维环境障碍物检测方法另一实施例的流程示意图;
图10为本发明提供的基于平面激光雷达的三维环境障碍物检测装置一实施例的结构示意图;
图11为本发明提供的电子设备一实施例的结构示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
在本发明的描述中,术语“第一”、“第二”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”的特征可以明示或者隐含地包括至少一个该特征。此外,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明的描述中,提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,所描述的实施例可以与其它实施例相结合。
本发明提供了一种基于平面激光雷达的三维环境障碍物检测系统及方法,利用在不同平面上布置单线激光雷达,收集各个平面雷达的数据信息,利用算法融合再发布,使其达到多线激光雷达的效果,低成本替代多线激光雷达,为进一步实现成本节约性的雷达环境识别监测提供了新思路。
在实施例描述之前,对相关词语进行释义:
单线激光雷达:是指激光源发出的线束是单线的雷达,具有三角测距及TOF激光雷达之分,主要以机器人领域应用居多。其扫描速度快、分辨率强、可靠性高,与多线激光雷达相比,单线激光雷达在角频率及灵敏度上反应更快捷,所以在障碍物的测距距离和精度上也更加精准;
多线激光雷达:是指同时发射及接收多束激光的激光旋转测距雷达,市场上目前有4线、8线、16线、32线、64线和128线之分,多线可以识别物体的高度信息并获取周围环境的3D扫描图,主要应用于无人驾驶领域。
基于上述技术名词的描述,激光slam(定位与建图)可靠性高技术成熟,建图直观、精度高、不存在累计误差且地图可用于路径规划。目前的开源激光雷达建图算法多样,运算负荷小,对环境的要求不高。但是激光slam中的核心传感器(多线激光雷达)造价高昂,很多相关产品由于使用了多线激光雷达,使对价格敏感的消费者望而却步。
因而,现阶段的车辆环境监测中往往需要采用多线激光雷达解决方案,成本高昂,且数据复杂度大,造成实时性不高。针对上述问题,本发明旨在提出一种基于平面激光雷达的三维环境障碍物检测系统及方法,以实现低成本、高效率的三维环境监测。
以下分别对具体实施例进行详细说明:
本发明实施例提供了一种基于平面激光雷达的三维环境障碍物检测系统,结合图1来看,图1为本发明提供的基于平面激光雷达的三维环境障碍物检测系统一实施例的结构示意图,三维环境障碍物检测系统包括嵌入至车身不同方向的多个平面雷达101、中央处理器102、里程计103和移动控制模块104,其中:
所述多个平面雷达101,用于探测不同扫描角度的至少一个平面数据:
所述里程计102,用于探测车身的定位数据;
所述中央处理器103,用于针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据;还用于根据所述最优平面数据和所述定位数据,生成驱动信号;
所述移动控制模块104,用于根据所述驱动信号控制车身进行移动。
在本发明实施例中,在系统中,通过设置多个平面雷达,实现在不同方向的不同角度进行探测,得到反映不同扫描角度的雷达信息的多种平面数据;通过设置里程计,进行有效的定位,形成探测车身自身的定位数据;通过设置中央处理器,对多种平面数据进行综合处理,对于每一个扫描角度,都确定在该角度下的最优平面数据,再结合定位数据,生成驱动信号,对整个车身的移动进行控制;通过设置移动控制模块,在驱动信号的影响下,控制车身进行移动,实现有效的避障。
作为优选的实施例,结合图2来看,图2为本发明提供的平面雷达安装一实施例的结构示意图,所述多个平面雷达包括安装在车身顶部的第一激光雷达、安装在车身前方的第二激光雷达和安装在车身后方的第三激光雷达,其中,所述第一激光雷达、所述第二激光雷达和所述第三激光雷达皆为单线激光雷达。
在本发明实施例中,利用多个单线激光雷达对多平面进行探测,有效节约成本。可以理解的是,将第一激光雷达安装在车体的顶部,将其它激光雷达嵌入在车身前方或者后方,如果有更多要求可以在四周安装,但是本发明实施例只展示前后方和顶部的三个激光雷达融合方案,在具体情况下,对安装方式不做限制。
作为更具体的实施例,第一激光雷达为单线激光雷达,扫描范围为360度,安装在车辆顶端,作为顶部激光雷达,用于检测四周的较高障碍物信息;第二激光雷达为单线激光雷达,安装在前后,或者两侧,一个或多个,起到对其他平面的辅助探测功能,这样的激光雷达越多,安全性越高,由于ROS中的订阅信息机制,无论有多少个节点存在,对鲁棒性的影响比较小。
作为优选的实施例,所述里程计包括视觉里程计和/或算法里程计和/或编码里程计。
在本发明实施例中,里程计主要起到定位作用,可以是视觉里程计或者是根据激光雷达数据的算法里程计,也可以是编码器等。需要说明的是,本发明实施例主要针对前端处理,后端位姿估计由里程计优化。
作为优选的实施例,所述移动控制模块包括移动驱动单元1041和底层控制单元1042,其中,所述底层控制单元用于根据所述驱动信号进行数据转换,生成速度控制信号下发至所述移动驱动单元;所述移动驱动单元包括至少一种动力设备,所述至少一种动力设备根据所述速度控制信号控制车身移动。
在本发明实施例中,底层控制单元由单片机或其他嵌入式处理器组成,主要是负责对底层驱动进行速度控制,起到数据转换功能;移动驱动单元由电机或其他动力机器组成,有效提供车身移动动力。
作为更具体的实施例,中央处理器为低功耗AI人工智能计算终端,配置Linux操作系统,使用ROS作为中间层,融合传感器与底层驱动。体积小,可轻松将其集成到各种产品和外形尺寸中。在本发明实施例中,利用中央处理器使用ROS作为中间层,实现高效的数据处理。
在本发明一个具体的实施例中,系统包括用于雷达信息融合的中央信息处理器、实现位移控制的底层控制器、接受控制器速度命令,实现移动平台移动的驱动模块、收集环境信息传感器组105以及实现实时定位的里程计102。其中,中央信息处理器根据安装位置确定坐标变换矩阵,在接收多个激光雷达的数据后,进行障碍物点云融合从而获得完整的环境点云信息及障碍物坐标信息,与此同时,由里程计提供定位信息,在底层控制器的操作下发射指令到控制移动系统,最后在计算机中使用建图算法实现自动或者手动建图。
本发明实施例还提供一种基于平面激光雷达的三维环境障碍物检测方法,基于如上所述的基于平面激光雷达的三维环境障碍物检测系统,结合图3来看,图3为本发明提供的基于平面激光雷达的三维环境障碍物检测方法一实施例的流程示意图,包括步骤S301至步骤S302,其中:
在步骤S301中,获取多个平面雷达在不同角度探测的至少一个平面数据;
在步骤S302中,针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据。
在本发明实施例中,首先,对多个平面雷达在不同角度探测的多种平面数据进行有效的获取;然后,在每一个扫描角度下,对不同雷达探测到的平面数据进行对比,确定最优平面数据,也就是形成每一个扫描角度的最优平面数据,根据多角度的最优平面数据进行数据融合,保证其准确性,代替多线激光雷达,起到3D避障效果,同时,结合多个平面数据,降低了算法的复杂度,大大提升车身移动的实时性。
作为优选的实施例,结合图4来看,图4为本发明提供的图3中步骤S302一实施例的流程示意图,包括步骤S401至步骤S402,其中:
在步骤S401中,分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,并选取所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据;
在步骤S402中,针对每一扫描角度,对比所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据,确定每一扫描角度对应的所述最优平面数据。
在本发明实施例中,进行坐标转换后,再在转换过后的数据中选取不同角度的数据,保证数据提取的高效性。
作为优选的实施例,结合图5来看,图5为本发明提供的图4中步骤S401一实施例的流程示意图,包括步骤S501至步骤S502,其中:
在步骤S501中,分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,确定所述第二激光雷达对应转换的第二转换数据和所述第三激光雷达对应转换的第三转换数据;
在步骤S502中,选取所述第一激光雷达中第一预设角度范围的第一平面数据,选取所述第二转换数据中第二预设角度范围的第二平面数据,以及选取所述第三转换数据中第三预设角度范围的第三平面数据。
在本发明实施例中,针对转换至同一坐标的数据,进行不同角度范围的平面数据的选取。
其中,第一预设角度范围优选为0至360度,第二预设角度范围优选为0至180度,第三预设角度范围优选为0至120度。
需要说明的是,因为激光雷达安装的位置不在一个z轴上,所以障碍物相对于激光雷达的位置不同,输出的信息也不同,可以自己描述位置变换矩阵进行计算也可以用现有的开源库,或者ROS中的位置TF变换功能进行描述,要保证探测到同一个障碍物时激光雷达数据相等。
需要说明的是,算法回调函数,主要是处理前后的激光雷达数据,然后输出融合的激光雷达数据信息。由于前后的激光雷达不同于顶部,顶部激光雷达四周无遮挡,可以取用全部的激光雷达数据,而其他激光雷达一定会有一面被车身挡住,在回调函数中本发明可以截取一定角度的数据。最后,本发明需要将刚刚截取的多组激光雷达数据进行总和,因为本发明输出的环境信息还是2D的,多个雷达数据需要比较选取,才能压缩3D信息为2D输出(2D激光雷达数据slam算法更成熟)。本发明的方案是,首先将所有雷达的数据通过坐标变换保证探测到同一个障碍物时激光雷达数据相等,然后再进行对比。假设激光雷达扫描一圈获得360个数据(这里不一定是360个数据,如果激光雷达分辨率更高,那么一周得到的数据会更多,这里以360个数据做解释),这样对应360°,一度对应一个数据。顶层因为没有遮挡,所以直接获取360个点作为备选,其他的雷达截取一部分只有180或者120个点被选取,这样在同一个角度,就有可能有多个激光雷达的数据对其进行表述,但是本发明输出的信息是平面的,只能包含360°的环境信息,所以需要对比在一个角度上的重复2D激光雷达数据,选距离最近的点作为输出数据。这样得到的平面数据其实是综合了多个激光雷达也就是多个平面而得到的结果,能有效代替多线激光雷达,起到3D避障效果。
作为优选的实施例,结合图6来看,图6为本发明提供的图4中步骤S402一实施例的流程示意图,包括步骤S601至步骤S602,其中:
在步骤S601中,根据统一的时间戳信息,同步对比每一个扫描角度对应的所述第一平面数据、所述第二平面数据和所述第三平面数据;
在步骤S602中,选取每一个扫描角度,将所述第一平面数据、所述第二平面数据和所述第三平面数据中距离车身最近的扫描数据,作为对应的所述最优平面数据。
在本发明实施例中,用了ROS节点同时订阅多个话题并进行消息时间同步。本方案采用ROS中自带的消息过滤器,接受多个激光雷达的数据,然后统一时间戳,最后注册回调函数,将新的融合数据发布。
需要说明的是,ROS(机器人操作系统)是传感器的中间层,负责信息的交换与融合,每个传感器可叫做一个节点,传感器的数据被称为话题。订阅节点代表接收到一个传感器的数据。
作为优选的实施例,上述步骤S302之后还包括:
根据每一扫描角度的所述最优平面数据,进行数据融合输出,形成融合点云信息。
在本发明实施例中,实现最优平面数据的融合输出,有效发布融合后的点云信息,便于后续利用点云信息进行建模、避障、导航等功能实现。
需要说明的是,开源二维建图算法(Gmapping Hector cartographer等),根据激光和移动机器人收集的数据来创建二维占用栅格图(如建筑物平面图),算法最大的问题就是搭配单线激光雷达只能探查一个平面的障碍物,这样面对不平整的地面,就有可能无法检测。本发明方案实现多平面检测,解决了这个问题。
作为优选的实施例,结合图7来看,图7为本发明提供的时间戳信息的统一方法一实施例的流程示意图,包括步骤S701至步骤S702,其中:
在步骤S701中,获取最先到达的平面数据,对应设置为主元信息,并与后续到达的其他激光雷达的平面数据进行队列连接,形成数据集合;
在步骤S702中,当同一个激光雷达有多个平面数据到达时,则选择最后达到的平面数据作为对应激光雷达的数据加入集合;
在步骤S703中,将所述主元信息的到达时间,设置为主元时间戳;
其中,若只有两个激光雷达,选择到达时间相距最近的平面数据,形成数据集合。
在本发明实施例中,多个传感器随着时间同时发送消息,但是消息到达的时间并不一致,利用其时间到达顺序,有效形成数据集合。
在本发明一个具体的实施例中,结合图8来看,图8为本发明提供的队列形成一实施例的运行方向示意图,其中,多个传感器随着时间同时发送消息,但是消息到达的时间并不一致,设每个激光雷达的消息流为队列,多个激光雷达消息组成一个集合(激光雷达信息帧),集合包含每个激光雷达的一帧数据。最后,发布这些集合,在这些集合数据中选取每个角度的最优平面数据,具体步骤如下:
第一步,从某一时刻开始,最先到达的消息,设它为主元消息,主元陆续连接其他队列的消息,当所有队列都有一个消息被连接时,这些消息组成一个集合发布;
第二步,当一个队列有两个消息到达,但是集合还没有收到其他队列的消息时,那就舍弃该队列旧的消息,选择该队列新消息加入集合;
第三步,最后选择所有队列最先到达的消息为主元,整个集合的时间戳为主元时间戳。
需要说明的是,当只有两个激光雷达时,不遵从上述方法,具体地,当只有两条队列时选择消息时间相距较近的两条消息为一个集合。
作为优选的实施例,结合图9来看,图9为本发明提供的基于平面激光雷达的三维环境障碍物检测方法另一实施例的流程示意图,包括步骤S901至步骤S902,其中:
在步骤S901中,获取车身的定位数据;
在步骤S902中,根据所述最优平面数据和所述定位数据,生成驱动信号;
其中,移动控制模块根据所述驱动信号控制车身进行移动。
在本发明实施例中,有效结合定位数据和最优平面数据,从定位信息和图像信息,控制车身的高效移动。
下面以一个具体的应用例,更好地说明本发明的技术方案如下:
步骤一,顶部安装2D激光雷达,四周安装多个2D激光雷达使雷达融合后的检测范围能够覆盖多个高度的工作区域,功能相似与多线激光雷达;
步骤二,顶部2D激光雷达获取四周(360°)障碍物点云信息,其他2D激光雷达获取一定角度的点云信息(与主雷达不在一个平面上);
步骤三,使用位姿变换矩阵或者ROS中自带的TF变换函数,设置顶部激光雷达节点以及其他激光雷达节点的坐标转换,使两者检验到同一个障碍物时距离信息相等;
步骤四,对多个激光雷达信息进行处理,基于ROS(机器人操作系统)的滤波函数同步每个雷达发布的数据,一起进入回调函数中,选取最优点,生成一个新的激光雷达点云数据;
步骤五,采用Gmapping实时建图算法(或其他激光雷达建图算法)让其建图节点订阅新的融合点云信息,结合里程计进行建图,导航避障等;
步骤六,结合里程计给出的位置信息和网格地图,中央处理器利用算法规划路径,使底层控制模块驱动移动平台到达目标点。
本发明实施例还提供了一种基于平面激光雷达的三维环境障碍物检测装置,结合图10来看,图10为本发明提供的基于平面激光雷达的三维环境障碍物检测装置一实施例的结构示意图,基于平面激光雷达的三维环境障碍物检测装置800包括:
获取单元1001,用于获取多个平面雷达在不同角度探测的至少一个平面数据;
处理单元1002,用于针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据。
基于平面激光雷达的三维环境障碍物检测装置的各个单元的更具体实现方式可以参见对于上述基于平面激光雷达的三维环境障碍物检测方法的描述,且具有与之相似的有益效果,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如上所述的基于平面激光雷达的三维环境障碍物检测方法。
一般来说,用于实现本发明方法的计算机指令的可以采用一个或多个计算机可读的存储介质的任意组合来承载。非临时性计算机可读存储介质可以包括任何计算机可读介质,除了临时性地传播中的信号本身。
计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言,特别是可以使用适于神经网络计算的Python语言和基于TensorFlow、PyTorch等平台框架。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本发明实施例还提供了一种电子设备,结合图11来看,图11为本发明提供的电子设备一实施例的结构示意图,电子设备1100包括处理器1101、存储器1102及存储在存储器1102上并可在处理器1101上运行的计算机程序,处理器1101执行程序时,实现如上所述的基于平面激光雷达的三维环境障碍物检测方法。
作为优选的实施例,上述电子设备1100还包括显示器1103,用于显示处理器1101执行如上所述的基于平面激光雷达的三维环境障碍物检测方法。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器1102中,并由处理器1101执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在电子设备1100中的执行过程。例如,计算机程序可以被分割成上述实施例中的获取单元801、处理单元802,各单元的具体功能如上所述,在此不一一赘述。
电子设备1100可以是带可调摄像头模组的桌上型计算机、笔记本、掌上电脑或智能手机等设备。
其中,处理器1101可能是一种集成电路芯片,具有信号的处理能力。上述的处理器1101可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,存储器1102可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器1102用于存储程序,所述处理器1101在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流程定义的方法可以应用于处理器1101中,或者由处理器1101实现。
其中,显示器1103可以是LCD显示屏,也可以是LED显示屏。例如,手机上的显示屏。
可以理解的是,图11所示的结构仅为电子设备1100的一种结构示意图,电子设备1100还可以包括比图11所示更多或更少的组件。图11中所示的各组件可以采用硬件、软件或其组合实现。
根据本发明上述实施例提供的计算机可读存储介质和电子设备,可以参照根据本发明实现如上所述的基于平面激光雷达的三维环境障碍物检测方法具体描述的内容实现,并具有与如上所述的基于平面激光雷达的三维环境障碍物检测方法类似的有益效果,在此不再赘述。
本发明公开了一种基于平面激光雷达的三维环境障碍物检测系统及方法,在系统中,通过设置多个平面雷达,实现在不同方向的不同角度进行探测,得到反映不同扫描角度的雷达信息的多种平面数据;通过设置里程计,进行有效的定位,形成探测车身自身的定位数据;通过设置中央处理器,对多种平面数据进行综合处理,对于每一个扫描角度,都确定在该角度下的最优平面数据,再结合定位数据,生成驱动信号,对整个车身的移动进行控制;通过设置移动控制模块,在驱动信号的影响下,控制车身进行移动,实现有效的避障。在方法中,首先,对多个平面雷达在不同角度探测的多种平面数据进行有效的获取;然后,在每一个扫描角度下,对不同雷达探测到的平面数据进行对比,确定最优平面数据,也就是形成每一个扫描角度的最优平面数据,根据多角度的最优平面数据进行数据融合,保证其准确性,代替多线激光雷达,起到3D避障效果,同时,结合多个平面数据,降低了算法的复杂度,大大提升车身移动的实时性。
本发明技术方案,一方面,原理直接,精度高,建图可以直接使用,并且对处理器要求较低,运算强度不高,可分一些性能给其他功能使用。相比于多线激光雷达解决方案,本方案成本较低,并且能有效替代,非常适合需要3D环境检测并且预算较低的智能移动平台。另一方面,优选的定位与建图算法只需要订阅激光雷达点云信息和tf坐标信息,并且不需要太多粒子,所以相比其他建图算法,雷达频率要求低、鲁棒性高。二维栅格建图算法在不平坦区域的使用劣势也被此方案的多平面检测特点给解决。综上,本发明对多平面进行探测,整合多平面的激光雷达障碍物信息,完成多平面避障,达到的效果相当于多线激光雷达,大幅节约了成本。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于平面激光雷达的三维环境障碍物检测系统,其特征在于,包括嵌入至车身不同方向的多个平面雷达、中央处理器、里程计和移动控制模块,其中:
所述多个平面雷达,用于探测不同扫描角度的至少一个平面数据:
所述里程计,用于探测车身的定位数据;
所述中央处理器,用于针对每一扫描角度,对比所述多个平面雷达探测得到的至少一个平面数据并统一坐标系,确定最优平面数据;还用于根据所述最优平面数据和所述定位数据,生成驱动信号;
所述移动控制模块,用于根据所述驱动信号控制车身进行移动。
2.根据权利要求1所述的基于平面激光雷达的三维环境障碍物检测系统,其特征在于,所述多个平面雷达包括安装在车身顶部的第一激光雷达、安装在车身前方的第二激光雷达和安装在车身后方的第三激光雷达,其中,所述第一激光雷达、所述第二激光雷达和所述第三激光雷达皆为单线激光雷达。
3.根据权利要求1所述的基于平面激光雷达的三维环境障碍物检测系统,其特征在于,所述里程计包括视觉里程计和/或算法里程计和/或编码里程计。
4.根据权利要求1所述的基于平面激光雷达的三维环境障碍物检测系统,其特征在于,所述移动控制模块包括移动驱动单元和底层控制单元,其中,所述底层控制单元用于根据所述驱动信号进行数据转换,生成速度控制信号下发至所述移动驱动单元;所述移动驱动单元包括至少一种动力设备,所述至少一种动力设备根据所述速度控制信号控制车身移动。
5.一种基于平面激光雷达的三维环境障碍物检测方法,其特征在于,应用于根据权利要求1至4任一项所述的基于平面激光雷达的三维环境障碍物检测系统中的中央处理器,所述方法包括:
获取多个平面雷达在不同角度探测的至少一个平面数据;
针对每一扫描角度,对比所述多个平面雷达探测得到的至少一个平面数据并统一坐标系,确定最优平面数据。
6.根据权利要求5所述的基于平面激光雷达的三维环境障碍物检测方法,其特征在于,所述多个平面雷达包括第一激光雷达、第二激光雷达和第三激光雷达,所述针对每一扫描角度,对比所述多个平面雷达探测得到的至少一个平面数据并统一坐标系,确定最优平面数据,包括:
分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,并选取所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据;
针对每一扫描角度,对比所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据,确定每一扫描角度对应的所述最优平面数据。
7.根据权利要求6所述的基于平面激光雷达的三维环境障碍物检测方法,其特征在于,所述分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,并选取所述第一激光雷达、所述第二激光雷达和所述第三激光雷达不同扫描角度范围的平面数据,具体包括:
分别将所述第二激光雷达、所述第三激光雷达相对于所述第一激光雷达进行坐标变换,确定所述第二激光雷达对应转换的第二转换数据和所述第三激光雷达对应转换的第三转换数据;
选取所述第一激光雷达中第一预设角度范围的第一平面数据,选取所述第二转换数据中第二预设角度范围的第二平面数据,以及选取所述第三转换数据中第三预设角度范围的第三平面数据。
8.根据权利要求7所述的基于平面激光雷达的三维环境障碍物检测方法,其特征在于,所述针对每一扫描角度,对比所述第一平面数据、所述第二平面数据和所述第三平面数据,确定每一扫描角度对应的所述最优平面数据,包括:
根据统一的时间戳信息,同步对比每一个扫描角度对应的所述第一平面数据、所述第二平面数据和所述第三平面数据;
选取每一个扫描角度,将所述第一平面数据、所述第二平面数据和所述第三平面数据中距离车身最近的扫描数据,作为对应的所述最优平面数据。
9.根据权利要求5所述的基于平面激光雷达的三维环境障碍物检测方法,其特征在于,所述针对每一扫描角度,对比所述至少一个平面数据,确定最优平面数据之后的步骤,还包括:根据每一扫描角度的所述最优平面数据,进行数据融合输出,形成融合点云信息。
10.根据权利要求8所述的基于平面激光雷达的三维环境障碍物检测方法,其特征在于,所述时间戳信息的统一方法包括:
获取最先到达的平面数据,对应设置为主元信息,并与后续到达的其他激光雷达的平面数据进行队列连接,形成数据集合;
当同一个激光雷达有多个平面数据到达时,则选择最后达到的平面数据作为对应激光雷达的数据加入集合;
将所述主元信息的到达时间,设置为主元时间戳;
其中,若只有两个激光雷达,选择到达时间相距最近的平面数据,形成数据集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912090.6A CN115327571B (zh) | 2022-07-29 | 2022-07-29 | 一种基于平面激光雷达的三维环境障碍物检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210912090.6A CN115327571B (zh) | 2022-07-29 | 2022-07-29 | 一种基于平面激光雷达的三维环境障碍物检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115327571A true CN115327571A (zh) | 2022-11-11 |
CN115327571B CN115327571B (zh) | 2024-09-06 |
Family
ID=83919860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210912090.6A Active CN115327571B (zh) | 2022-07-29 | 2022-07-29 | 一种基于平面激光雷达的三维环境障碍物检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115327571B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116989799A (zh) * | 2023-09-27 | 2023-11-03 | 武汉理工大学 | 自定义全覆盖路径规划算法及机器人实验平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109725303A (zh) * | 2018-12-04 | 2019-05-07 | 北京万集科技股份有限公司 | 坐标系的修正方法及装置、存储介质 |
WO2019119350A1 (zh) * | 2017-12-19 | 2019-06-27 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
CN112327326A (zh) * | 2020-10-15 | 2021-02-05 | 深圳华芯信息技术股份有限公司 | 带有障碍物三维信息的二维地图生成方法、系统以及终端 |
-
2022
- 2022-07-29 CN CN202210912090.6A patent/CN115327571B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019119350A1 (zh) * | 2017-12-19 | 2019-06-27 | 深圳市海梁科技有限公司 | 用于无人驾驶车辆的障碍物识别方法、装置及终端设备 |
CN109725303A (zh) * | 2018-12-04 | 2019-05-07 | 北京万集科技股份有限公司 | 坐标系的修正方法及装置、存储介质 |
CN112327326A (zh) * | 2020-10-15 | 2021-02-05 | 深圳华芯信息技术股份有限公司 | 带有障碍物三维信息的二维地图生成方法、系统以及终端 |
Non-Patent Citations (1)
Title |
---|
张穗华;骆云志;王钤;张春华;邓博文;: "基于三维激光雷达的障碍物检测方法研究", 机电产品开发与创新, no. 06, 28 November 2016 (2016-11-28) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116989799A (zh) * | 2023-09-27 | 2023-11-03 | 武汉理工大学 | 自定义全覆盖路径规划算法及机器人实验平台 |
Also Published As
Publication number | Publication date |
---|---|
CN115327571B (zh) | 2024-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Martin-Martin et al. | Jrdb: A dataset and benchmark of egocentric robot visual perception of humans in built environments | |
EP3759562B1 (en) | Camera based localization for autonomous vehicles | |
CN112650255B (zh) | 基于视觉与激光雷达信息融合的机器人定位导航方法 | |
EP3283843B1 (en) | Generating 3-dimensional maps of a scene using passive and active measurements | |
Khatab et al. | Vulnerable objects detection for autonomous driving: A review | |
US10849543B2 (en) | Focus-based tagging of sensor data | |
AU2011352997B2 (en) | Mobile human interface robot | |
CN112518739B (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
US11326888B2 (en) | Generation of polar occlusion maps for autonomous vehicles | |
CN106537186A (zh) | 用于使用机器视觉系统执行同时定位和映射的系统和方法 | |
EP3842762B1 (en) | Ar navigation method and apparatus | |
US11460855B1 (en) | Systems and methods for sensor calibration | |
Lei et al. | Automated Lane Change Behavior Prediction and Environmental Perception Based on SLAM Technology | |
CN112041634A (zh) | 移动机器人的定位方法、构建地图的方法及移动机器人 | |
CN114527763A (zh) | 基于目标检测和slam构图的智能巡检系统及方法 | |
US20230290153A1 (en) | End-to-end systems and methods for streaming 3d detection and forecasting from lidar point clouds | |
CN115327571B (zh) | 一种基于平面激光雷达的三维环境障碍物检测系统及方法 | |
US20240125940A1 (en) | Systems and methods for variable-resolution refinement of geiger mode lidar | |
US11763492B1 (en) | Apparatus and methods to calibrate a stereo camera pair | |
US11797013B2 (en) | Collision avoidance method and mobile machine using the same | |
WO2023102445A1 (en) | Automatic bootstrap for autonomous vehicle localization | |
AU2015202200A1 (en) | Mobile human interface robot | |
Yee et al. | Autonomous mobile robot navigation using 2D LiDAR and inclined laser rangefinder to avoid a lower object | |
CN114415659B (zh) | 一种机器人安全避障方法、装置、机器人及存储介质 | |
US20240239378A1 (en) | Systems and Methods for Handling Traffic Signs |
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 |