CN115525049A - 车辆避障方法、装置、设备及存储介质 - Google Patents

车辆避障方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115525049A
CN115525049A CN202211084023.6A CN202211084023A CN115525049A CN 115525049 A CN115525049 A CN 115525049A CN 202211084023 A CN202211084023 A CN 202211084023A CN 115525049 A CN115525049 A CN 115525049A
Authority
CN
China
Prior art keywords
vehicle
point cloud
obstacle
cloud data
data set
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
Application number
CN202211084023.6A
Other languages
English (en)
Inventor
陈文成
吕朝顺
陈子文
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.)
Multiway Robotics Shenzhen Co Ltd
Original Assignee
Multiway Robotics Shenzhen 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 Multiway Robotics Shenzhen Co Ltd filed Critical Multiway Robotics Shenzhen Co Ltd
Priority to CN202211084023.6A priority Critical patent/CN115525049A/zh
Priority to PCT/CN2022/139521 priority patent/WO2024051024A1/zh
Publication of CN115525049A publication Critical patent/CN115525049A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles

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)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

本发明公开了一种车辆避障方法、装置、设备及存储介质，该方法包括：通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；基于当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合；基于当前车辆运动状态和障碍点云数据集合确定车辆与障碍点云数据集合对应的障碍物之间的空间位置关系；根据空间位置关系和预设避障参数控制车辆的移动速度。由于本发明通过车辆轮廓模型和当前车辆运动状态筛选点云数据，获得障碍点云数据集合，再根据车辆与障碍点云数据集合对应的障碍物的空间位置关系和避障参数控制车辆的移动速度，从而实现车辆的精准避障，保障车辆的行驶安全。

Description

车辆避障方法、装置、设备及存储介质
技术领域
本发明涉及车辆安全技术领域，尤其涉及一种车辆避障方法、装置、设备及存储介质。
背景技术
随着科技的发展以及自动导航技术的进步，AGV小车在生活和工业中的应用越来越广泛。在工业生产过程中，保障AGV小车的行驶安全非常重要，因此对小车避障技术的要求也越来越高。
现有的技术中可以根据AGV小车传感器中的数据获取小车与障碍物的距离并进行避障，但由于传感器的数据传输的不准确性，使得小车与障碍物的距离反馈不准确，导致小车在行驶时与障碍物发生碰撞造成小车损坏。因此，如何车辆的精准避障，提高车辆行驶安全，成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种车辆避障方法、装置、设备及存储介质，旨在解决现有技术中的避障技术不能实现小车的精准避障，保障车辆的行驶安全的技术问题。
为实现上述目的，本发明提供了一种车辆避障方法，所述方法包括以下步骤：
通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；
基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合；
基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系；
根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
可选地，所述通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合的步骤，包括：
通过车辆载重状态对应的预设车辆轮廓模型建立车体坐标系，所述车辆载重状态包括负载状态或空载状态；
获取目标传感器采集的点云数据，所述目标传感器包括激光雷达和立体相机；
基于所述目标传感器建立传感器坐标系，并获取所述点云数据在所述传感器坐标系中的第一坐标位置；
通过所述目标传感器与车辆中心之间的坐标转换矩阵对所述第一坐标位置进行坐标变换，获得所述点云数据在所述车体坐标系中的第二坐标位置；
判断所述第二坐标位置是否位于所述车体坐标系的预设区域；
若是，则对所述第二坐标位置对应的点云数据进行筛选，获得目标点云数据集合。
可选地，所述基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合的步骤，包括：
基于当前车辆运动状态和所述预设车辆轮廓模型生成对应的行走区域；
判断所述目标点云数据集合中的目标点云数据是否位于所述行走区域；
若是，则对所述目标点云数据进行筛选，获得障碍点云数据集合。
可选地，所述基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述当前车辆运动状态建立车辆旋转中心坐标系；
获取所述障碍点云数据集合内的障碍点云数据在所述预设车辆轮廓模型的障碍投影点云数据；
获取所述障碍点云数据在所述车辆旋转中心坐标系对应的障碍点云坐标，以及所述障碍投影点云数据在所述车辆旋转中心坐标系对应的障碍投影点云坐标；
基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系。
可选地，所述当前车辆运动状态包括自旋运动状态，所述基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述障碍点云坐标和所述车辆旋转中心坐标系的旋转中心坐标确定所述障碍点云坐标与所述旋转中心坐标的直线距离；
基于所述直线距离和所述障碍点云坐标获取所述障碍点云数据与所述车辆旋转中心坐标系的目标轴向的第一夹角；
基于所述直线距离和所述障碍投影点云坐标获取所述障碍投影点云数据与所述车辆旋转中心坐标系的目标轴向的第二夹角；
根据所述第一夹角和所述第二夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标夹角；
所述根据所述空间位置关系和预设避障参数控制所述车辆的移动速度的步骤，包括：
根据所述目标夹角和预设避障参数控制所述车辆的移动速度。
可选地，所述当前车辆运动状态包括非自旋运动状态，所述基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述障碍点云坐标与所述旋转中心坐标的直线距离和所述目标夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标距离；
所述根据所述空间位置关系和预设避障参数控制所述车辆的移动速度的步骤，包括：
根据所述目标距离和预设避障参数控制所述车辆的移动速度。
可选地，所述通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合的步骤，包括：
通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据；
对所述目标点云数据进行预设滤波处理，并基于滤波后的目标点云数据获得目标点云数据集合。
此外，为实现上述目的，本发明还提出一种车辆避障装置，所述装置包括：
第一数据筛选模块，用于通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；
第二数据筛选模块，用于基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合；
位置关系确定模块，用于基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系；
速度控制模块，用于根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
此外，为实现上述目的，本发明还提出一种车辆避障设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆避障程序，所述车辆避障程序配置为实现如上文所述的车辆避障方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车辆避障程序，所述车辆避障程序被处理器执行时实现如上文所述的车辆避障方法的步骤。
本发明公开了一种车辆避障方法、装置、设备及存储介质，该方法包括：通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；基于当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合；基于当前车辆运动状态和障碍点云数据集合确定车辆与障碍点云数据集合对应的障碍物之间的空间位置关系；根据空间位置关系和预设避障参数控制车辆的移动速度；相较于现有技术中直接根据车辆传感器中不准确的数据判断小车与障碍物的距离进行避障，由于本发明根据车辆轮廓模型对采集的点云数据进行筛选，获得目标点云数据集合，根据当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合，再根据当前车辆运动状态确定车辆与障碍物的空间位置关系，并根据空间位置关系和避障参数控制车辆的移动速度，从而解决了现有技术中的避障方式不能实现小车的精准避障的技术问题，进而保障车辆行驶安全。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆避障设备的结构示意图；
图2为本发明车辆避障方法第一实施例的流程示意图；
图3为本发明车辆避障方法第二实施例的流程示意图；
图4为本发明车辆避障方法第三实施例的流程示意图；
图5为本发明车辆避障方法第三实施例中车辆为自旋运动状态时车辆的避障原理图；
图6为本发明车辆避障方法第三实施例中车辆为非自旋运动状态时车辆的避障原理图；
图7为本发明车辆避障装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的车辆避障设备结构示意图。
如图1所示，该车辆避障设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对车辆避障设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆避障程序。
在图1所示的车辆避障设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明车辆避障设备中的处理器1001、存储器1005可以设置在车辆避障设备中，所述车辆避障设备通过处理器1001调用存储器1005中存储的车辆避障程序，并执行本发明实施例提供的车辆避障方法。
本发明实施例提供了一种车辆避障方法，参照图2，图2为本发明车辆避障方法第一实施例的流程示意图。
本实施例中，所述车辆避障方法包括以下步骤：
步骤S10：通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合。
需要说明的是，本实施例方法可以是应用在AGV小车避障的场景中，或者是其它需要对车辆进行避障的场景中。本实施例的方法的执行主体可以为车辆中进行避障的车辆避障设备，或者是其他能够实现相同或相似功能的、包含了该车辆避障设备的车辆避障系统。此处以车辆避障系统(以下简称系统)对本实施例和下述各实施例提供的车辆避障方法进行具体说明。
应当理解的是，上述车辆载重状态可以为车辆负载状态或车辆空载状态，其中，车辆负载状态可以为车辆在运输货物时对应的行驶状态，车辆空载状态可以为车辆对应的初始行驶状态。
可以理解的是，上述预设车辆轮廓模型可以为根据车辆轮廓绘制的矩形图，车辆在运输货物时，由于货物的尺寸可能大于车辆的尺寸，此时对应的车辆轮廓模型会大于初始的轮廓模型，因此需要根据车辆当前的载重状态获取对应的车辆轮廓模型。
需要说明的是，上述目标传感器可以为激光雷达和立体相机对应的传感器，其中，激光雷达可左右或前后对称式放置在车辆底端两侧，立体相机可放置在车辆的顶部位置，由于立体相机视野较广，能够获取距离较近、位置较高的障碍物的点云数据，激光雷达探测距离较远、精度较高，能够检测到较低的障碍物的点云数据，融合激光雷达和立体相机中传感器的点云数据，能够探测较高位置的障碍物，同时也能精确探测到较远的障碍物，使系统在采集障碍物的点云数据时范围更广，采集的点云数据更加精确。
应当理解的是，上述目标点云数据集合可以为位于车辆外部的点云数据的集合。
在具体实现中，可以先获取车辆的当前载重状态，若车辆当前为负载状态，则获取车辆在负载状态时对应的车辆轮廓模型，并获取车辆中激光雷达和立体相机中采集的一定范围内的点云数据，再结合车辆轮廓模型对采集的点云数据进行分类，分为位于车内的点云数据和位于车外的点云数据，由于位于车内的点云数据不会影响车辆的行驶，可以剔除，此时融合可能会影响车辆行驶的位于车外的点云数据，获得目标点云数据集合。
步骤S20：基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合。
需要说明的是，上述当前车辆运动状态可以为非自旋运动状态和自旋运动状态，其中，非自旋运动状态可以为前进、后退、横移和转弯等状态，自旋运动状态可以为原地自旋等，本实施例对此不加以限制。
应当理解的是，上述障碍点云数据集合可以为位于车辆外部的点云数据中影响车辆行驶的点云数据的集合，由于车辆在不同的运动状态时行驶的方式或行驶的范围不同，导致目标点云数据对应的障碍物对车辆的行驶的影响不同，因此可以根据当前车辆运动状态对目标点云集合中的数据进行筛选，例如，当车辆的运动状态为前进时，可以剔除位于车辆后方的点云数据；当车辆为横移时，可以剔除位于车辆前方和后方的点云数据。剔除对车辆行驶不造成影响的点云数据后，剩下的点云数据即为障碍点云数据，再对障碍点云数据进行融合，获得障碍点云数据集合。
进一步地，为了准确获取可能影响车辆行驶的障碍物对应的点云数据，本实施例上述方法还包括：基于当前车辆运动状态和所述预设车辆轮廓模型生成对应的行走区域；判断所述目标点云数据集合中的目标点云数据是否位于所述行走区域；若是，则对所述目标点云数据进行筛选，获得障碍点云数据集合。
可以理解的是，上述行走区域可以为车辆即将行驶或可能行驶的区域，例如，当车辆为前进状态时，车辆行走的区域为车辆前方路段；当车辆为横移状态时，车辆行走的区域为左右两侧；当车辆为转弯状态时，根据车辆左右车轮的轮速确定旋转半径，根据车辆的运动方向确定圆心，此时可以得出一个内圆和一个外圆，两圆之间的区域即为车辆的行走区域。
在具体实现中，系统可以根据车辆轮廓模型和车辆当前的运动状态获取车辆对应的行走区域，并根据行走区域判断目标点云数据中可能会影响车辆行驶的点云数据，从而获得障碍点云数据集合，例如，当车辆运动状态为前进时，车辆后方的障碍物不会对车辆行驶造成影响，可以剔除掉后方障碍物对应的点云数据，而车辆前方或侧方的障碍物可能会影响车辆行驶，从而获得位于车辆前方的障碍点云数据集合。
步骤S30：基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系。
需要说明的是，上述空间位置关系可以为车辆与障碍物的角度关系或距离关系，当车辆当前运动状态为非自旋运动状态时，车辆与障碍物之间的关系为距离关系，当车辆当前运动状态为自旋运动状态时，车辆与障碍物之间的关系为角度关系。
步骤S40：根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
应当理解的是，上述预设避障参数可以为预先设置的停车距离或停车角度。实际应用中，系统可以将车辆与障碍物的最短距离或最小角度与预先设置的停车距离或停车角度进行比较，若车辆与障碍物的距离或角度小于预设停车距离或停车角度，则需要通过控制车辆的移动速度使车辆停驶，若车辆与障碍物的距离或角度大于预设停车距离或停车角度，则车辆正常行驶。此外，还可以设置一个减速参数，即车辆减速距离或减速角度，当车辆与障碍物的距离或角度小于预设减速距离或减速角度时，则减小车辆的移动速度，从而保障行车安全。
进一步地，为了减少不必要的点云计算和资源浪费，提高数据处理效率，本实施例上述方法还包括：通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据；对所述目标点云数据进行预设滤波处理，并基于滤波后的目标点云数据获得目标点云数据集合。
可以理解的是，上述预设滤波处理可以为体素滤波处理或其他对数据进行滤波去噪的处理方式，本实施例对此不加以限制。通过对点云数据进行滤波处理可以减少噪点对车辆与障碍物距离计算的影响，从而使计算的距离更精确，进一步保障车辆行驶安全。
本实施例公开了通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；基于当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合；基于当前车辆运动状态和障碍点云数据集合确定车辆与障碍点云数据集合对应的障碍物之间的空间位置关系；根据空间位置关系和预设避障参数控制车辆的移动速度；相较于现有技术中直接根据车辆传感器中不准确的数据判断小车与障碍物的距离进行避障，由于本实施例根据车辆轮廓模型对采集的点云数据进行筛选，获得目标点云数据集合，根据当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合，再根据当前车辆运动状态确定车辆与障碍物的空间位置关系，并根据空间位置关系和避障参数控制车辆的移动速度，从而解决了现有技术中的避障方式不能实现小车的精准避障的技术问题，进而保障车辆行驶安全。同时，预设车辆轮廓模型可以根据车辆的载重状态进行动态调整，不会限制车辆的行驶状态，使车辆在不同的行驶状态时均可实现避障。
参考图3，图3为本发明车辆避障方法第二实施例的流程示意图。
基于上述第一实施例，为了准确获得位于车辆外部的点云数据，本实施例中，所述步骤S10包括：
步骤S101：通过车辆载重状态对应的预设车辆轮廓模型建立车体坐标系，所述车辆载重状态包括负载状态或空载状态。
需要说明的是，上述车体坐标系可以为基于车辆轮廓模型建立的空间坐标系，由x轴、y轴和z轴组成，其中，x轴指向车体正前方，y轴指向车体左侧，z轴指向车体正上方。
步骤S102：获取目标传感器采集的点云数据，所述目标传感器包括激光雷达和立体相机。
可以理解的是，上述激光雷达获取的点云数据可以为二维的点云数据集合Plaser，上述立体相机获取的点云数据可以为三维的点云数据集合Pcamera。
步骤S103：基于所述目标传感器建立传感器坐标系，并获取所述点云数据在所述传感器坐标系中的第一坐标位置。
应当理解的是，上述传感器坐标系可以为根据目标传感器相对于车辆车体中心的实际坐标位置和安装角度建立的坐标系，因此，在建立传感器坐标系之前，可以测量激光雷达与立体相机相对于车体中心的实际坐标位置和安装角度。
需要说明的是，上述第一坐标位置可以为激光雷达获取的二维点云数据在传感器坐标系中对应的二维坐标位置和/或立体相机获取的三维点云数据在传感器坐标系中对应的三维坐标位置。
步骤S104：通过所述目标传感器与车辆中心之间的坐标转换矩阵对所述第一坐标位置进行坐标变换，获得所述点云数据在所述车体坐标系中的第二坐标位置。
应当理解的是，上述坐标转换矩阵可以为传感器坐标系和车体坐标系的坐标变化矩阵，上述坐标转换矩阵可以将点云数据在传感器坐标系中的坐标位置对应转换为在车体坐标系中的坐标位置。
可以理解的是，上述第二坐标位置可以为激光雷达中点云数据对应的二维坐标位置，例如：坐标(x1,y1)，和/或立体相机获取的点云数据在车体坐标系中对应的坐标位置，例如：(x2,y2,z2)。
步骤S105：判断所述第二坐标位置是否位于所述车体坐标系的预设区域。
需要说明的是，上述预设区域可以为车体外部区域，将激光雷达和立体相机采集的点云数据的坐标位置均转换到车体坐标系后，可以通过比较点云数据的坐标值大小与车体坐标系中个轴向的大小判断该点云数据位于车体内部还是车体外部，并剔除位于车体内部的点云数据，从而获得位于车体外部的目标点云数据。
步骤S106：若是，则对所述第二坐标位置对应的点云数据进行筛选，获得目标点云数据集合。
在具体实现中，车体坐标系可以以车体中心将整车划分为四个区域，分别为车体最前侧，车体最后侧，车体最左侧以及车体最右侧，此时车体中心与车体最前侧的距离可以为xmax，与车体最后侧的距离可以为xmin，与车体最左侧的距离可以为ymax，与车体最右侧的距离可以为ymin，再提取转换为在车体坐标系下的二维点云数据集合Plaser和三维点云数据集合Pcamera中的点云数据，并基于点云数据的坐标位置对点云数据进行筛选。例如：对于坐标为(x1,y1)的二维点云数据，若x1小于xmax并且大于xmin，则将该点云剔除，否则保留，若y1小于ymax并且大于ymin，则将该点云剔除，否则保留；对于坐标为(x2,y2,z2)的三维点云数据，若x2小于xmax并且大于xmin，则将该点云剔除，否则保留，若该障碍物点云的y2小于ymax并且大于ymin，则将该点云剔除，否则保留，若z2小于或等于零则视为地面点云，则将该地面点云剔除，否则保留。
本实施例基于车辆轮廓模型建立车体坐标系统，基于目标传感器建立传感器坐标系，并通过坐标转换矩阵将点云数据在传感器坐标系中的第一坐标位置转换为在车体坐标系中的第二坐标位置，再基于第二坐标位置和车体坐标系的预设区域对点云数据进行筛选，获得位于车体外部的目标点云集合，从而可以将传感器采集的点云数据的位置对应到车体坐标系中，并将点云数据的坐标位置与车体坐标系中心点到车体各方向的最大距离进行比较，从而精准剔除位于车体内部的点云数据，防止位于车内的点云数据对系统计算车辆与障碍物的距离时造成干扰，进一步提高了避障距离计算的准确性。
参考图4，图4为本发明车辆避障方法第三实施例的流程示意图。
基于上述各实施例，为了确定障碍物与车辆的位置关系，本实施例中，所述步骤S30包括：
步骤S301：基于所述当前车辆运动状态建立车辆旋转中心坐标系。
需要说明的是，上述车辆旋转中心坐标系可以是以车辆在运动时的旋转的中心点为旋转中心坐标建立的坐标系，实际应用中，当车辆为自旋运动状态时，旋转中心坐标系如图5所示，车辆旋转中心坐标系即为车体坐标系xoy；当车辆为非自旋运动状态时，旋转中心坐标系如图6所示，可以根据车辆当前的运动状态确定车辆的旋转中心点O(x0,y0)，再以旋转中心点O为坐标点建立旋转中心坐标系XOY。
步骤S302：获取所述障碍点云数据集合内的障碍点云数据在所述预设车辆轮廓模型的障碍投影点云数据。
应当理解的是，上述障碍点云数据可以是遍历障碍点云数据集合Pobs，获得的障碍点云数据集合内的某一点云数据P。
可以理解的是，上述障碍投影点云数据可以是上述障碍点云数据在预设车辆轮廓模型上的投影点云数据，例如，障碍点云数据P在预设车辆轮廓模型上的投影为P'，此时P'为上述障碍点云数据在预设车辆轮廓模型中对应的障碍投影点云数据。
步骤S303：获取所述障碍点云数据在所述车辆旋转中心坐标系对应的障碍点云坐标，以及所述障碍投影点云数据在所述车辆旋转中心坐标系对应的障碍投影点云坐标。
需要说明的是，上述障碍点云坐标可以是上述障碍点云数据在车辆旋转中心坐标系中的坐标位置，例如：障碍点云数据P在车辆旋转中心坐标系的坐标为(x,y)，对应的，障碍点云数据P'在车辆旋转中心坐标系的坐标为(x',y')。
步骤S304：基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系。
可以理解的是，当车辆处于不同的运动状态时，车辆与障碍物的空间位置关系也不相同，在当前车辆的运动状态为自旋运动状态时，上述步骤S304包括：基于所述障碍点云坐标和所述车辆旋转中心坐标系的旋转中心坐标确定所述障碍点云坐标与所述旋转中心坐标的直线距离；基于所述直线距离和所述障碍点云坐标获取所述障碍点云数据与所述车辆旋转中心坐标系的目标轴向的第一夹角；基于所述直线距离和所述障碍投影点云坐标获取所述障碍投影点云数据与所述车辆旋转中心坐标系的目标轴向的第二夹角；根据所述第一夹角和所述第二夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标夹角，上述步骤S40包括：根据所述目标夹角和预设避障参数控制所述车辆的移动速度。
需要说明的是，上述旋转中心坐标可以为车辆旋转中心坐标系XOY中旋转中心O点的坐标(x0,y0)。
可以理解的是，如图5所示，上述直线距离可以是障碍点云数据P与旋转中心O的距离r，上述第一夹角可以为障碍点云数据与车辆旋转中心坐标系中Y轴的夹角α，即图5中直线OP与oy的夹角，上述第二夹角可以为障碍投影点云数据与车辆旋转中心坐标系中Y轴的夹角β，即图5中直线OP'与oy的夹角，上述目标夹角可以为图5中直线OP与直线OP'的夹角γ，其中，γ＝|α-β|。
在具体实现中，可以根据P(x,y)和O(x0,y0)计算障碍点云数据与旋转中心点距离r，在计算出直线距离r后，再根据直线距离r和P(x,y)计算夹角α，并根据直线距离r和P'(x',y')计算夹角β，从而获得目标夹角γ，并将获得的目标夹角γ与预设减速夹角和预设避障夹角进行比较，若目标夹角γ大于预设减速夹角则车辆正常行驶，若目标夹角γ小于预设减速夹角则控制车辆减速，若目标夹角γ小于预设避障夹角则控制车辆停车避障。
需要说明的是，当车辆为非自旋运动状态时，上述步骤S304包括：基于所述障碍点云坐标与所述旋转中心坐标的直线距离和所述目标夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标距离；上述步骤S40包括：根据所述目标距离和预设避障参数控制所述车辆的移动速度。
应当理解的是，上述目标距离可以为障碍点云数据与预设车辆轮廓模型的距离，即障碍点云数据和障碍投影点云数据的距离，如图6所示，上述目标距离可以为P与P'的距离d，其中，在计算获得OP与OP'的夹角γ和OP的长度r后，可以根据公式d＝γ*r计算获得目标距离d，在计算获得目标距离d后，可以将距离d与预设减速距离和预设避障距离进行比较，若目标距离d大于预设减速距离则车辆正常行驶，若目标距离d小于预设减速距离则控制车辆减速，若目标距离d小于预设避障距离则控制车辆停车避障。
本实施例根据车辆的运动状态建立车辆旋转中心坐标系，再基于障碍点云数据和障碍投影点云数据在车辆旋转中心坐标系的坐标位置和旋转中心的坐标位置获取目标夹角，并在车辆为非自旋运动状态时，基于目标夹角和障碍点云数据的坐标位置获取目标距离，从而可以根据获得的目标距离或目标夹角与预设减速参数或预设避障参数进行比较，控制车辆的移动速度，保障了车辆的安全行驶。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车辆避障程序，所述车辆避障程序被处理器执行时实现如上文所述的车辆避障方法的步骤。
参照图7，图7为本发明车辆避障装置第一实施例的结构框图。
如图7所示，本发明实施例提出的车辆避障装置包括：
第一数据筛选模块701，用于通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；
第二数据筛选模块702，用于基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合；
位置关系确定模块703，用于基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系；
速度控制模块704，用于根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
本实施例的车辆避障装置公开了通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；基于当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合；基于当前车辆运动状态和障碍点云数据集合确定车辆与障碍点云数据集合对应的障碍物之间的空间位置关系；根据空间位置关系和预设避障参数控制车辆的移动速度；相较于现有技术中根据车辆传感器中的数据获取小车与障碍物的距离并进行避障，由于本实施例根据车辆轮廓模型对采集的点云数据进行筛选，获得目标点云数据集合，根据当前车辆运动状态对目标点云数据集合进行筛选，获得障碍点云数据集合，再根据当前车辆运动状态确定车辆与障碍物的空间位置关系，并根据空间位置关系和避障参数控制车辆的移动速度，从而解决了现有技术中的避障距离获取方式不能准确获取车辆与障碍物的距离的技术问题，进而保障车辆行驶安全。
本发明车辆避障装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆避障方法，其特征在于，所述车辆避障方法包括：
通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；
基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合；
基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系；
根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
2.如权利要求1所述的车辆避障方法，其特征在于，所述通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合的步骤，包括：
通过车辆载重状态对应的预设车辆轮廓模型建立车体坐标系，所述车辆载重状态包括负载状态或空载状态；
获取目标传感器采集的点云数据，所述目标传感器包括激光雷达和立体相机；
基于所述目标传感器建立传感器坐标系，并获取所述点云数据在所述传感器坐标系中的第一坐标位置；
通过所述目标传感器与车辆中心之间的坐标转换矩阵对所述第一坐标位置进行坐标变换，获得所述点云数据在所述车体坐标系中的第二坐标位置；
判断所述第二坐标位置是否位于所述车体坐标系的预设区域；
若是，则对所述第二坐标位置对应的点云数据进行筛选，获得目标点云数据集合。
3.如权利要求1所述的车辆避障方法，其特征在于，所述基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合的步骤，包括：
基于当前车辆运动状态和所述预设车辆轮廓模型生成对应的行走区域；
判断所述目标点云数据集合中的目标点云数据是否位于所述行走区域；
若是，则对所述目标点云数据进行筛选，获得障碍点云数据集合。
4.如权利要求1所述的车辆避障方法，其特征在于，所述基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述当前车辆运动状态建立车辆旋转中心坐标系；
获取所述障碍点云数据集合内的障碍点云数据在所述预设车辆轮廓模型的障碍投影点云数据；
获取所述障碍点云数据在所述车辆旋转中心坐标系对应的障碍点云坐标，以及所述障碍投影点云数据在所述车辆旋转中心坐标系对应的障碍投影点云坐标；
基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系。
5.如权利要求4所述的车辆避障方法，其特征在于，所述当前车辆运动状态包括自旋运动状态，所述基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述障碍点云坐标和所述车辆旋转中心坐标系的旋转中心坐标确定所述障碍点云坐标与所述旋转中心坐标的直线距离；
基于所述直线距离和所述障碍点云坐标获取所述障碍点云数据与所述车辆旋转中心坐标系的目标轴向的第一夹角；
基于所述直线距离和所述障碍投影点云坐标获取所述障碍投影点云数据与所述车辆旋转中心坐标系的目标轴向的第二夹角；
根据所述第一夹角和所述第二夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标夹角；
所述根据所述空间位置关系和预设避障参数控制所述车辆的移动速度的步骤，包括：
根据所述目标夹角和预设避障参数控制所述车辆的移动速度。
6.如权利要求5所述的车辆避障方法，其特征在于，所述当前车辆运动状态包括非自旋运动状态，所述基于所述障碍点云坐标和所述障碍投影点云坐标确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系的步骤，包括：
基于所述障碍点云坐标与所述旋转中心坐标的直线距离和所述目标夹角确定所述车辆与所述障碍点云数据集合对应的障碍物之间的目标距离；
所述根据所述空间位置关系和预设避障参数控制所述车辆的移动速度的步骤，包括：
根据所述目标距离和预设避障参数控制所述车辆的移动速度。
7.如权利要求1至6任一项所述的车辆避障方法，其特征在于，所述通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合的步骤，包括：
通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据；
对所述目标点云数据进行预设滤波处理，并基于滤波后的目标点云数据获得目标点云数据集合。
8.一种车辆避障装置，其特征在于，所述装置包括：
第一数据筛选模块，用于通过车辆载重状态对应的预设车辆轮廓模型对目标传感器采集的点云数据进行筛选，获得目标点云数据集合；
第二数据筛选模块，用于基于当前车辆运动状态对所述目标点云数据集合进行筛选，获得障碍点云数据集合；
位置关系确定模块，用于基于所述当前车辆运动状态和所述障碍点云数据集合确定所述车辆与所述障碍点云数据集合对应的障碍物之间的空间位置关系；
速度控制模块，用于根据所述空间位置关系和预设避障参数控制所述车辆的移动速度。
9.一种车辆避障设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆避障程序，所述车辆避障配置为实现如权利要求1至7中任一项所述的车辆避障方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有车辆避障程序，所述车辆避障程序被处理器执行时实现如权利要求1至7任一项所述的车辆避障方法的步骤。
CN202211084023.6A 2022-09-06 2022-09-06 车辆避障方法、装置、设备及存储介质 Pending CN115525049A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211084023.6A CN115525049A (zh) 2022-09-06 2022-09-06 车辆避障方法、装置、设备及存储介质
PCT/CN2022/139521 WO2024051024A1 (zh) 2022-09-06 2022-12-16 车辆避障方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211084023.6A CN115525049A (zh) 2022-09-06 2022-09-06 车辆避障方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115525049A true CN115525049A (zh) 2022-12-27

Family

ID=84698194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211084023.6A Pending CN115525049A (zh) 2022-09-06 2022-09-06 车辆避障方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN115525049A (zh)
WO (1) WO2024051024A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024051024A1 (zh) * 2022-09-06 2024-03-14 劢微机器人科技(深圳)有限公司 车辆避障方法、装置、设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10040450B1 (en) * 2017-03-13 2018-08-07 Wipro Limited Method of controlling an autonomous vehicle and a collision avoidance device thereof
CN109840448A (zh) * 2017-11-24 2019-06-04 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的信息输出方法和装置
DE102019215334A1 (de) * 2019-10-07 2021-04-08 W. Gessmann Gmbh Fahrerloses Transportfahrzeug für die innerbetriebliche Warenlogistik und Steuerverfahren
CA3166449A1 (en) * 2020-03-10 2021-09-16 Seegrid Corporation Self-driving vehicle path adaptation system and method
CN112327329B (zh) * 2020-11-25 2023-04-18 浙江欣奕华智能科技有限公司 避障方法、目标设备和存储介质
WO2022133684A1 (zh) * 2020-12-21 2022-06-30 华为技术有限公司 控制方法、相关设备及计算机可读存储介质
CN115525049A (zh) * 2022-09-06 2022-12-27 劢微机器人科技(深圳)有限公司 车辆避障方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024051024A1 (zh) * 2022-09-06 2024-03-14 劢微机器人科技(深圳)有限公司 车辆避障方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2024051024A1 (zh) 2024-03-14

Similar Documents

Publication Publication Date Title
US11912303B2 (en) Vehicle obstacle-avoidance method, apparatus and vehicle
EP4296133A1 (en) Intelligent driving method and apparatus, and storage medium and computer program
CN112539749B (zh) 机器人导航方法、机器人、终端设备及存储介质
US11077756B2 (en) Area occupancy determining device
CN114258366A (zh) 对于自主车辆的折线轮廓表示
US11657572B2 (en) Systems and methods for map generation based on ray-casting and semantic class images
CN110758381B (zh) 生成转向轨迹的方法、装置、存储介质及电子设备
CN111857135A (zh) 用于车辆的避障方法、装置、电子设备和计算机存储介质
CN113031581A (zh) 机器人、机器人行驶的控制方法、电子设备及存储介质
CN111795699A (zh) 无人车的路径规划方法、装置和计算机可读存储介质
CN115525049A (zh) 车辆避障方法、装置、设备及存储介质
JP2011141663A (ja) 無人搬送車、および、その走行制御方法
CN110796118B (zh) 获取运输设备的姿态调整参数方法、运输设备及存储介质
CN114802250A (zh) 数据处理方法、装置、设备、自动驾驶车辆及介质
US11565723B2 (en) Systems and methods for vehicle motion planning
CN114616158A (zh) 自动驾驶方法、装置和存储介质
CN110435648B (zh) 车辆的行驶控制方法、装置、车辆和存储介质
CN114296458B (zh) 车辆控制方法、装置及计算机可读存储介质
CN115649167A (zh) 一种车辆变道确定方法、装置、电子设备及存储介质
CN114559941A (zh) 车辆弯道行驶预警方法、系统、装置和计算机可读介质
CN114399399A (zh) 矿区车辆的卸载停靠方法、装置、计算机设备及存储介质
CN114265412B (zh) 车辆控制方法、装置、设备及计算机可读存储介质
CN116118784B (zh) 车辆控制方法、装置、电子设备和计算机可读介质
US20240101106A1 (en) Systems and methods for scene understanding
US20240092358A1 (en) Systems and methods for scene understanding

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