CN115792911B - 一种基于毫米波雷达的障碍物监测识别方法 - Google Patents

Abstract

本发明涉及障碍物监测技术领域，具体公开一种基于毫米波雷达的障碍物监测识别方法，该方法包括无人配送车避障信息采集、无人配送车避障模式判断、毫米波雷达延时分析、无人配送车避障控制分析、各障碍物图像信息采集、各障碍物避障控制分析、运动障碍物信息采集和无人配送车运动避障控制分析，通过分别对目标无人配送车的避障模式进行判断，进而分析目标无人配送车的第一避障控制信息、第二避障控制信息和运动障碍避障控制信息，解决了当前技术无法精确定位障碍物位置的问题，实现了目标无人配送车智能化和自动化的避障控制，保障了无人配送车在配送过程中的安全性，也满足了无人配送车对不同障碍物的避障需求。

Description

一种基于毫米波雷达的障碍物监测识别方法

技术领域

本发明属于障碍物监测技术领域，涉及到一种基于毫米波雷达的障碍物监测识别方法。

背景技术

随着科技和电商平台的快速发展，包裹派送的需求也越来越多，因此越来越多的平台开始使用无人配送车进行包裹派送，为了保障无人配送车在派送过程中的安全，需要对无人配送车的避障控制进行分析。

目前无人配送车大多使用超声波传感器对障碍物进行监测，进而对无人配送车避障信息进行分析，很显然这种分析方式存在以下几个问题：1、超声波传感器在测量较远距离的目标时，其回波信号会比较弱，无法精确定位障碍物的位置，而毫米波雷达的测距离较远，并且具有速度识别功能，同时具有较强的抗干扰能力，当前技术使用超声波传感器进行障碍物的监测，无法准确的展示出障碍物的实际位置，进而无法为后续避障控制分析提供可靠的数据，同时也无法保障后续避障控制分析结果的精准性和参考性，从而也无法有效的保障无人配送车在配送过程中的安全性。

2、无论是超声波传感器还是毫米波雷达均有一定的延时，当前无人配送车避障控制分析并没有对障碍物信息采集的延时性进行分析，从而导致障碍物信息分析结果的准确性不高，进而无法保障无人配送车避障控制分析结果的真实性，并且也无法有效的提高无人配送车避障效果，同时也无法降低无人配送车在工作过程中的危险。

发明内容

本发明的目的在于提供的一种基于毫米波雷达的障碍物监测识别方法，解决了背景技术中存在的问题。

本发明的目的可以通过以下技术方案实现：一种基于毫米波雷达的障碍物监测识别方法，其特征在于，该方法包括以下步骤：步骤一、无人配送车避障信息采集：通过目标无人配送车中毫米波雷达采集目标无人配送车行驶方向道路中对应障碍物的避障信息，并采集目标无人配送车对应的位置信息。

步骤二、无人配送车避障模式判断：判断目标无人配送车对应的避障模式，若目标无人配送车对应的避障模式为单个固定障碍模式时，执行步骤三，若目标无人配送车对应的避障模式为多个固定障碍模式时，执行步骤五，若目标无人配送车对应的避障模式为单个运动障碍模式时，执行步骤七。

步骤三、毫米波雷达延时分析：对目标无人配送车中毫米波雷达对应的延时情况进行分析。

步骤四、无人配送车避障控制分析：判断目标无人配送车通过单个固定障碍物对应的可行性，并对目标无人配送车进行控制。

步骤五、各障碍物图像信息采集：通过目标无人配送车中摄像头对目标无人配送车行驶方向道路中各障碍物停放道路区域对应的图像进行采集。

步骤六、各障碍物避障控制分析：分析目标无人配送车通过各固定障碍物对应的可行性，并对目标无人配送车进行控制。

步骤七、运动障碍物信息采集：对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集。

步骤八、无人配送车运动避障控制分析：判断目标无人配送车通过单个运动障碍物对应的可行性，并对目标无人配送车进行控制。

可选地，所述障碍物的避障信息包括障碍物的数量、状态、位置、障碍物与目标无人配送车之间的距离和角度，目标无人配送车对应的位置信息包括雷达发送时刻位置和信号接收时刻位置。

可选地，所述对目标无人配送车中毫米波雷达对应的延时情况进行分析，具体分析过程如下：将障碍物与目标无人配送车之间的距离和角度分别记为L₀和θ₀，并根据目标无人配送车对应的雷达发送时刻位置和信号接收时刻位置，得到目标无人配送车在雷达发送时刻与信号接收时刻间隔对应的移动距离，并记为ΔL₀。

根据计算公式得到障碍物与目标无人配送车之间的实际角度θ，其中ε₁表示障碍物与目标无人配送车之间实际角度对应的修正因子。

根据计算公式L＝L₀*sinθ₀*sinθ*ε₂，得到障碍物与目标无人配送车之间的实际距离L，其中ε₂表示障碍物与目标无人配送车之间实际距离对应的修正因子。

可选地，所述判断目标无人配送车通过单个固定障碍物对应的可行性，具体判断过程如下：

当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在障碍物时，通过目标无人配送车中摄像头获取目标无人配送车行驶方向道路对应的图像，进而从中获取目标无人配送车行驶道路中障碍物区域内可行驶道路宽度，并记为剩余可行驶道路对应的宽度。

从配送车管理数据库中获取目标无人配送车对应的最大宽度，进而将剩余可行驶道路宽度与目标无人配送车最大宽度进行对比，若剩余可行驶道路宽度大于目标无人配送车最大宽度，则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第一避障控制信息，反之则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线。

可选地，所述分析目标无人配送车对应的第一避障控制信息，具体分析过程如下：从目标无人配送车行驶道路对应的图像中定位出剩余可行驶道路中心点对应的位置，进而根据目标无人配送车信号接收时刻对应的位置和剩余可行驶道路中心点对应的位置，得到目标无人配送车与剩余可行驶道路中心点之间的距离，并作为目标无人配送车对应的避障移动距离，标记为L₁。

根据计算公式得到目标无人配送车对应的移动角度θ₁，其中γ表示目标无人配送车移动角度对应的修正因子。

从配送车管理数据库中提取目标无人配送车对应的配送重量，进而根据配送车管理数据库中存储的各配送重量对应的无人配送车标准避障速度，得到目标无人配送车对应的避障速度，并根据障碍物位置得到目标无人配送车对应的避障方向。

将目标无人配送车对应的避障移动距离、移动角度、避障速度和避障方向作为目标无人配送车对应的第一避障控制信息。

可选地，所述分析目标无人配送车通过各固定障碍物对应的可行性，具体分析过程如下：从目标无人配送车通过各障碍物停放道路区域图像中定位出各障碍物停放道路区域对应可行驶道路区域内的宽度，并将各障碍物停放道路区域对应可行驶道路区域内的宽度进行对比，筛选出可行驶道路区域的最小宽度，并记为可行驶道路区域对应的宽度，进而将目标配送车辆对应的最大宽度与可行驶道路区域对应的宽度进行对比，若目标配送车辆对应的最大宽度大于或者等于可行驶道路区域对应的宽度，则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第二避障控制信息。

可选地，所述分析目标无人配送车对应的第二避障控制信息，具体分析过程如下：从目标无人配送车通过各障碍物停放道路区域图像中定位出可行驶道路区域对应的中心点，并将其作为目标无人配送车对应的预设移动位置，进而获取目标无人配送车对应的位置，从而将目标无人配送车对应的位置和预设移动位置导入设定的二维坐标系中，得到目标无人配送车位置和预设移动位置对应的坐标，并分别记为(x_a,y_a)和(x_b,y_b)。

根据计算公式得到目标无人配送车对应的第二障碍移动角度θ₂，其中η为设定的第二障碍移动角度对应的修正因子。

根据计算公式得到目标无人配送车对应的第二障碍移动距离L₂，其中η₁为设定的第二障碍移动距离对应的修正因子。

根据目标无人配送车对应的位置和预设移动位置之间的相对位置，得到目标无人配送车对应的第二障碍移动方向，同时根据目标无人配送车对应的配送重量，得到目标无人配送车对应的第二障碍避障速度。

将目标无人配送车对应的第二障碍移动角度、第二障碍移动距离、第二障碍移动方向和第二障碍避障速度作为目标无人配送车对应的第二避障控制信息。

可选地，对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集，具体采集过程如下：

当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在运动障碍物时，通过目标无人配送车中毫米波雷达对预设时间段内各采集时间点运动障碍物的运动速度和位置进行采集，同时采集运动障碍物对应的方向，从而得到运动障碍物对应的方向、各采集时间点运动障碍物的运动速度和位置。

通过目标无人配送车中摄像头对各采集时间点目标无人配送车行驶道路对应的图像进行采集，得到各采集时间点目标无人配送车行驶道路对应的图像。

可选地，所述判断目标无人配送车通过单个运动障碍物对应的可行性，具体判断过程如下：从各采集时间点目标无人配送车行驶道路对应的图像中定位出各采集时间点运动障碍物区域对应的可行驶道路宽度，并将各采集时间点运动障碍物区域对应的可行驶道路宽度进行对比，得到运动障碍物区域对应的最小可行驶道路宽度，并记为最小可行驶道路宽度。

将目标配送车辆对应的最大宽度与最小可行驶道路宽度进行对比，若目标配送车辆对应的最大宽度大于或者最小可行驶道路宽度，则判定目标配送车辆无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的运动障碍避障控制信息。

可选地，所述分析目标无人配送车对应的运动障碍避障控制信息，具体分析过程如下：将各采集时间点运动障碍物的运动速度通过加权平均计算，得到运动障碍物对应的加权运动速度，并作为运动障碍物对应的参考运动速度。

同时获取预设时间段后运动障碍物对应的位置和目标无人配送车对应的位置，进而得到运动障碍物与目标无人配送车之间的距离，并根据目标无人配送车对应的配送重量，得到目标无人配送车对应的运动障碍避障速度。

根据运动障碍物对应的参考运动速度、目标无人配送车对应的运动障碍避障速度和运动障碍物与目标无人配送车之间的距离，计算得到运动障碍物与目标无人配送车对应的相遇时长，进而得到运动障碍物对应的移动距离和移动位置，同时基于运动障碍物对应的移动距离和移动位置，获取目标无人配送车对应的目标避障位置。

根据目标无人配送车对应的第二障碍移动角度、第二障碍移动距离和第二障碍移动方向的分析方式，得到目标无人配送车对应的运动障碍移动角度、运动障碍移动距离和运动障碍移动方向。

将目标无人配送车对应的运动障碍移动角度、运动障碍移动距离、运动障碍移动方向和运动障碍避障速度作为目标无人配送车对应的运动障碍避障控制信息。

相较于现有技术，本发明的有益效果如下：1、本发明提供的一种基于毫米波雷达的障碍物监测识别方法，通过对目标无人配送车的避障模式进行判断，进而分析目标无人配送车的第一避障控制信息、第二避障控制信息和运动障碍避障控制信息，解决了当前技术中超声波传感器无法精确定位障碍物位置的问题，实现了目标无人配送车智能化和自动化的避障控制，能够准确的采集障碍物的实际位置，进而为后续避障控制分析提供可靠的数据，同时也有效的保障了后续避障控制分析结果的精准性和参考性，从而也有效的保障了无人配送车在配送过程中的安全性，并且也满足了无人配送车对不同障碍物的避障需求。

2、本发明在毫米波雷达延时分析中通过对标无人配送车中毫米波雷达对应的延时情况进行分析，从而大大的增加了障碍物信息分析结果的准确性，进而有效的保障了无人配送车避障控制分析结果的真实性，并且也有效的提高了无人配送车避障效果，同时也大幅减少了无人配送车在工作过程中的危险。

3、本发明在各障碍物避障控制分析中通过对目标无人配送车通过各障碍物对应的可行性进行分析，进而分析目标无人配送车对应的第二避障控制信息，有效的保障了无人配送车在通过多障碍物时的安全性，并且也大大的增加了无人配送车在避障时的效果和能力，在一定程度上也提高了无人配送车的灵活性。

4、本发明在运动障碍物信息采集中通过对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集，为后续判断目标无人配送车通过运动障碍物对应的可行性和目标无人配送车对应的运动障碍避障控制信息的分析设置了铺垫，大大的提高了无人配送车在遇到运动障碍物时的避障能力，同时也丰富了无人配送车的使用场所。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的方法实施流程示意图。

图2为本发明的障碍物位置示意图。

图3为本发明的各障碍物位置示意图。

图4为本发明的运动障碍物位置示意图。

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。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于毫米波雷达的障碍物监测识别方法，该方法包括以下步骤：步骤一、无人配送车避障信息采集：通过目标无人配送车中毫米波雷达采集目标无人配送车行驶方向道路中对应障碍物的避障信息，并采集目标无人配送车对应的位置信息。

上述中，障碍物的避障信息包括障碍物的数量、状态、位置、障碍物与目标无人配送车之间的距离和角度，目标无人配送车对应的位置信息包括雷达发送时刻位置和信号接收时刻位置。

需要说明的是，障碍物的状态包括固定状态和运动状态。

在一个具体的实施例中，采集目标无人配送车对应的位置信息，具体采集过程如下：通过目标无人配送车中的北斗定位系统对目标无人配送车中毫米波雷达在雷达发送时目标无人配送车的位置和信号接收时目标无人配送车的位置进行采集。

步骤二、无人配送车避障模式判断：判断目标无人配送车对应的避障模式，若目标无人配送车对应的避障模式为单个固定障碍模式时，执行步骤三，若目标无人配送车对应的避障模式为多个固定障碍模式时，执行步骤五，若目标无人配送车对应的避障模式为单个运动障碍模式时，执行步骤七。

在一个具体的实施例中，判断目标无人配送车对应的避障模式，具体判断过程如下：若障碍物的数量为一且处于固定状态时，则判定目标无人配送车对应的避障模式为单个固定障碍模式，若障碍物的数量大于或者等于二且处于固定状态时，则判定目标无人配送车对应的避障模式为多个固定障碍模式，若障碍物的数量为一且处于运动状态时，则判定目标无人配送车对应的避障模式为单个运动障碍模式。

步骤三、毫米波雷达延时分析：对目标无人配送车中毫米波雷达对应的延时情况进行分析。

在一个具体的实施例中，对目标无人配送车中毫米波雷达对应的延时情况进行分析，具体分析过程如下：将障碍物与目标无人配送车之间的距离和角度分别记为L₀和θ₀，并根据目标无人配送车对应的雷达发送时刻位置和信号接收时刻位置，得到目标无人配送车在雷达发送时刻与信号接收时刻间隔对应的移动距离，并记为ΔL₀。

根据计算公式得到障碍物与目标无人配送车之间的实际角度θ，其中ε₁表示障碍物与目标无人配送车之间实际角度对应的修正因子。

根据计算公式L＝L₀*sinθ₀*sinθ*ε₂，得到障碍物与目标无人配送车之间的实际距离L，其中ε₂表示障碍物与目标无人配送车之间实际距离对应的修正因子。

本发明实施例通过对标无人配送车中毫米波雷达对应的延时情况进行分析，从而大大的增加了障碍物信息分析结果的准确性，进而有效的保障了无人配送车避障控制分析结果的真实性，并且也有效的提高了无人配送车避障效果，同时也大幅减少了无人配送车在工作过程中的危险。

步骤四、无人配送车避障控制分析：判断目标无人配送车通过单个固定障碍物对应的可行性，并对目标无人配送车进行控制。

请参阅图2所示，在一个具体的实施例中，判断目标无人配送车通过单个固定障碍物对应的可行性，具体判断过程如下：当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在障碍物时，通过目标无人配送车中摄像头获取目标无人配送车行驶方向道路对应的图像，进而从中获取目标无人配送车行驶道路中障碍物区域内可行驶道路宽度，并记为剩余可行驶道路对应的宽度。

上述中，从目标无人配送车行驶方向道路对应的图像中获取障碍物与道路两侧之间的道路区域面积，并从中选取最大面积的道路区域作为目标无人配送车行驶道路中障碍物区域内可行驶道路。

从配送车管理数据库中获取目标无人配送车对应的最大宽度，进而将剩余可行驶道路宽度与目标无人配送车最大宽度进行对比，若剩余可行驶道路宽度大于目标无人配送车最大宽度，则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第一避障控制信息，反之则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线。

在另一个具体的实施例中，分析目标无人配送车对应的第一避障控制信息，具体分析过程如下：从目标无人配送车行驶道路对应的图像中定位出剩余可行驶道路中心点对应的位置，进而根据目标无人配送车信号接收时刻对应的位置和剩余可行驶道路中心点对应的位置，得到目标无人配送车与剩余可行驶道路中心点之间的距离，并作为目标无人配送车对应的避障移动距离，标记为L₁。

根据计算公式得到目标无人配送车对应的移动角度θ₁，其中γ表示目标无人配送车移动角度对应的修正因子。

从配送车管理数据库中提取目标无人配送车对应的配送重量，进而根据配送车管理数据库中存储的各配送重量对应的无人配送车标准避障速度，得到目标无人配送车对应的避障速度，并根据障碍物位置得到目标无人配送车对应的避障方向。

上述中，若障碍物位置在目标无人配送车的右侧，则判定目标无人配送车对应的避障方向为向左，若障碍物位置在目标无人配送车的左侧，则判定目标无人配送车对应的避障方向为向右。

将目标无人配送车对应的避障移动距离、移动角度、避障速度和避障方向作为目标无人配送车对应的第一避障控制信息。

步骤五、各障碍物图像信息采集：通过目标无人配送车中摄像头对目标无人配送车行驶方向道路中各障碍物停放道路区域对应的图像进行采集。

步骤六、各障碍物避障控制分析：分析目标无人配送车通过各固定障碍物对应的可行性，并对目标无人配送车进行控制。

请参阅图3所示，在一个具体的实施例中，分析目标无人配送车通过各固定障碍物对应的可行性，具体分析过程如下：从目标无人配送车通过各障碍物停放道路区域图像中定位出各障碍物停放道路区域对应可行驶道路区域内的宽度，并将各障碍物停放道路区域对应可行驶道路区域内的宽度进行对比，筛选出可行驶道路区域的最小宽度，并记为可行驶道路区域对应的宽度，进而将目标配送车辆对应的最大宽度与可行驶道路区域对应的宽度进行对比，若目标配送车辆对应的最大宽度大于或者等于可行驶道路区域对应的宽度，则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第二避障控制信息。

上述中，从各障碍物停放道路区域图像中定位出各障碍物之间的道路区域和各障碍物分别与道路两侧之间的道路区域，并将其作为各障碍物停放道路区域对应的可行驶道路区域。

在另一个具体的实施例中，分析目标无人配送车对应的第二避障控制信息，具体分析过程如下：从目标无人配送车通过各障碍物停放道路区域图像中定位出可行驶道路区域对应的中心点，并将其作为目标无人配送车对应的预设移动位置，进而获取目标无人配送车对应的位置，从而将目标无人配送车对应的位置和预设移动位置导入设定的二维坐标系中，得到目标无人配送车位置和预设移动位置对应的坐标，并分别记为(x_a,y_a)和(x_b,y_b)。

根据计算公式得到目标无人配送车对应的第二障碍移动角度θ₂，其中η为设定的第二障碍移动角度对应的修正因子。

根据计算公式得到目标无人配送车对应的第二障碍移动距离L₂，其中η₁为设定的第二障碍移动距离对应的修正因子。

根据目标无人配送车对应的位置和预设移动位置之间的相对位置，得到目标无人配送车对应的第二障碍移动方向，同时根据目标无人配送车对应的配送重量，得到目标无人配送车对应的第二障碍避障速度。

上述中，若目标无人配送车对应的预设位置在目标无人配送车对应的位置的左侧，则判定目标无人配送车对应的第二障碍移动方向为向左，反之则判定目标无人配送车对应的第二障碍移动方向为向右。

将目标无人配送车对应的配送重量与配送车管理数据库中存储的各配送重量对应的第二障碍避障速度进行对比，得到目标无人配送车对应的第二障碍避障速度。

将目标无人配送车对应的第二障碍移动角度、第二障碍移动距离、第二障碍移动方向和第二障碍避障速度作为目标无人配送车对应的第二避障控制信息。

本发明实施例通过对目标无人配送车通过各障碍物对应的可行性进行分析，进而分析目标无人配送车对应的第二避障控制信息，有效的保障了无人配送车在通过多障碍物时的安全性，并且也大大的增加了无人配送车在避障时的效果和能力，在一定程度上也提高了无人配送车的灵活性。

步骤七、运动障碍物信息采集：对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集。

在一个具体的实施例中，对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集，具体采集过程如下：当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在运动障碍物时，通过目标无人配送车中毫米波雷达对预设时间段内各采集时间点运动障碍物的运动速度和位置进行采集，同时采集运动障碍物对应的方向，从而得到运动障碍物对应的方向、各采集时间点运动障碍物的运动速度和位置。

通过目标无人配送车中摄像头对各采集时间点目标无人配送车行驶道路对应的图像进行采集，得到各采集时间点目标无人配送车行驶道路对应的图像。

步骤八、无人配送车运动避障控制分析：判断目标无人配送车通过单个运动障碍物对应的可行性，并对目标无人配送车进行控制。

请参阅图4所示，在一个具体的实施例中，判断目标无人配送车通过单个运动障碍物对应的可行性，具体判断过程如下：从各采集时间点目标无人配送车行驶道路对应的图像中定位出各采集时间点运动障碍物区域对应的可行驶道路宽度，并将各采集时间点运动障碍物区域对应的可行驶道路宽度进行对比，得到运动障碍物区域对应的最小可行驶道路宽度，并记为最小可行驶道路宽度。

上述中，从各采集时间点目标无人配送车行驶道路对应的图像中定位出各采集时间点运动障碍物与道路两侧之间的道路区域面积，并从中筛选出各采集时间点最大面积的道路区域作为各采集时间点运动障碍物区域对应的可行驶道路。

将目标配送车辆对应的最大宽度与最小可行驶道路宽度进行对比，若目标配送车辆对应的最大宽度大于或者最小可行驶道路宽度，则判定目标配送车辆无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的运动障碍避障控制信息。

在另一个具体的实施例中，分析目标无人配送车对应的运动障碍避障控制信息，具体分析过程如下：将各采集时间点运动障碍物的运动速度通过加权平均计算，得到运动障碍物对应的加权运动速度，并作为运动障碍物对应的参考运动速度。

同时获取预设时间段后运动障碍物对应的位置和目标无人配送车对应的位置，进而得到运动障碍物与目标无人配送车之间的距离，并根据目标无人配送车对应的配送重量，得到目标无人配送车对应的运动障碍避障速度。

上述中，将目标无人配送车对应的配送重量与配送车管理数据库中存储的各配送重量对应的运动障碍避障速度进行对比，得到目标无人配送车对应的运动障碍避障速度。

根据运动障碍物对应的参考运动速度、目标无人配送车对应的运动障碍避障速度和运动障碍物与目标无人配送车之间的距离，计算得到运动障碍物与目标无人配送车对应的相遇时长，进而得到运动障碍物对应的移动距离和移动位置，同时基于运动障碍物对应的移动距离和移动位置，获取目标无人配送车对应的目标避障位置。

根据目标无人配送车对应的第二障碍移动角度、第二障碍移动距离和第二障碍移动方向的分析方式，得到目标无人配送车对应的运动障碍移动角度、运动障碍移动距离和运动障碍移动方向。

将目标无人配送车对应的运动障碍移动角度、运动障碍移动距离、运动障碍移动方向和运动障碍避障速度作为目标无人配送车对应的运动障碍避障控制信息。

本发明实施例通过对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集，为后续判断目标无人配送车通过运动障碍物对应的可行性和目标无人配送车对应的运动障碍避障控制信息的分析设置了铺垫，大大的提高了无人配送车在遇到运动障碍物时的避障能力，同时也丰富了无人配送车的使用场所。

步骤八、无人配送车无法通过预警：当目标无人配送车无法通过时，发送信号至无人配送车管理中心，并进行预警。

本发明实施例通过对毫米波雷达延时情况进行分析，进而分别对目标无人配送车对应的避障控制信息、第二避障控制信息和运动障碍避障控制信息进行分析，解决了当前技术中超声波传感器无法精确定位障碍物位置的问题，实现了目标无人配送车智能化和自动化的避障控制，能够准确的采集障碍物的实际位置，进而为后续避障控制分析提供可靠的数据，同时也有效的保障了后续避障控制分析结果的精准性和参考性，从而也有效的保障了无人配送车在配送过程中的安全性，并且也满足了无人配送车对不同障碍物的避障需求。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于毫米波雷达的障碍物监测识别方法，其特征在于，该方法包括以下步骤：

步骤一、无人配送车避障信息采集：通过目标无人配送车中毫米波雷达采集目标无人配送车行驶方向道路中对应障碍物的避障信息，并采集目标无人配送车对应的位置信息；

步骤二、无人配送车避障模式判断：判断目标无人配送车对应的避障模式，若目标无人配送车对应的避障模式为单个固定障碍模式时，执行步骤三，若目标无人配送车对应的避障模式为多个固定障碍模式时，执行步骤五，若目标无人配送车对应的避障模式为单个运动障碍模式时，执行步骤七；

步骤三、毫米波雷达延时分析：对目标无人配送车中毫米波雷达对应的延时情况进行分析；

步骤四、无人配送车避障控制分析：判断目标无人配送车通过单个固定障碍物对应的可行性，并对目标无人配送车进行控制；

步骤五、各障碍物图像信息采集：通过目标无人配送车中摄像头对目标无人配送车行驶方向道路中各障碍物停放道路区域对应的图像进行采集；

步骤六、各障碍物避障控制分析：分析目标无人配送车通过各固定障碍物对应的可行性，并对目标无人配送车进行控制；

步骤七、运动障碍物信息采集：对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集；

步骤八、无人配送车运动避障控制分析：判断目标无人配送车通过单个运动障碍物对应的可行性，并对目标无人配送车进行控制；

所述对目标无人配送车中毫米波雷达对应的延时情况进行分析，具体分析过程如下：

将障碍物与目标无人配送车之间的距离和角度分别记为和/>，并根据目标无人配送车对应的雷达发送时刻位置和信号接收时刻位置，得到目标无人配送车在雷达发送时刻与信号接收时刻间隔对应的移动距离，并记为/>；

根据计算公式，得到障碍物与目标无人配送车之间的实际角度/>，其中/>表示障碍物与目标无人配送车之间实际角度对应的修正因子；

根据计算公式，得到障碍物与目标无人配送车之间的实际距离L，其中/>表示障碍物与目标无人配送车之间实际距离对应的修正因子。

2.根据权利要求1所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述障碍物的避障信息包括障碍物的数量、状态、位置、障碍物与目标无人配送车之间的距离和角度，目标无人配送车对应的位置信息包括雷达发送时刻位置和信号接收时刻位置。

3.根据权利要求1所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述判断目标无人配送车通过单个固定障碍物对应的可行性，具体判断过程如下：

当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在障碍物时，通过目标无人配送车中摄像头获取目标无人配送车行驶方向道路对应的图像，进而从中获取目标无人配送车行驶道路中障碍物区域内可行驶道路宽度，并记为剩余可行驶道路对应的宽度；

从配送车管理数据库中获取目标无人配送车对应的最大宽度，进而将剩余可行驶道路宽度与目标无人配送车最大宽度进行对比，若剩余可行驶道路宽度大于目标无人配送车最大宽度，则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第一避障控制信息，反之则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线。

4.根据权利要求3所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述分析目标无人配送车对应的第一避障控制信息，具体分析过程如下：

从目标无人配送车行驶道路对应的图像中定位出剩余可行驶道路中心点对应的位置，进而根据目标无人配送车信号接收时刻对应的位置和剩余可行驶道路中心点对应的位置，得到目标无人配送车与剩余可行驶道路中心点之间的距离，并作为目标无人配送车对应的避障移动距离，标记为；

根据计算公式，得到目标无人配送车对应的移动角度/>，其中/>表示目标无人配送车移动角度对应的修正因子；

从配送车管理数据库中提取目标无人配送车对应的配送重量，进而根据配送车管理数据库中存储的各配送重量对应的无人配送车标准避障速度，得到目标无人配送车对应的避障速度，并根据障碍物位置得到目标无人配送车对应的避障方向；

将目标无人配送车对应的避障移动距离、移动角度、避障速度和避障方向作为目标无人配送车对应的第一避障控制信息。

5.根据权利要求1所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述分析目标无人配送车通过各固定障碍物对应的可行性，具体分析过程如下：

从目标无人配送车通过各障碍物停放道路区域图像中定位出各障碍物停放道路区域对应可行驶道路区域内的宽度，并将各障碍物停放道路区域对应可行驶道路区域内的宽度进行对比，筛选出可行驶道路区域的最小宽度，并记为可行驶道路区域对应的宽度，进而将目标配送车辆对应的最大宽度与可行驶道路区域对应的宽度进行对比，若目标配送车辆对应的最大宽度大于或者等于可行驶道路区域对应的宽度，则判定目标无人配送车无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的第二避障控制信息。

6.根据权利要求5所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述分析目标无人配送车对应的第二避障控制信息，具体分析过程如下：

从目标无人配送车通过各障碍物停放道路区域图像中定位出可行驶道路区域对应的中心点，并将其作为目标无人配送车对应的预设移动位置，进而获取目标无人配送车对应的位置，从而将目标无人配送车对应的位置和预设移动位置导入设定的二维坐标系中，得到目标无人配送车位置和预设移动位置对应的坐标，并分别记为和/>；

根据计算公式，得到目标无人配送车对应的第二障碍移动角度/>，其中/>为设定的第二障碍移动角度对应的修正因子；

根据计算公式，得到目标无人配送车对应的第二障碍移动距离/>，其中/>为设定的第二障碍移动距离对应的修正因子；

根据目标无人配送车对应的位置和预设移动位置之间的相对位置，得到目标无人配送车对应的第二障碍移动方向，同时根据目标无人配送车对应的配送重量，得到目标无人配送车对应的第二障碍避障速度；

将目标无人配送车对应的第二障碍移动角度、第二障碍移动距离、第二障碍移动方向和第二障碍避障速度作为目标无人配送车对应的第二避障控制信息。

7.根据权利要求6所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述对目标无人配送车行驶方向区域的运动障碍物对应的运动信息进行采集，具体采集过程如下：

当目标无人配送车中毫米波雷达检测到目标无人配送车行驶方向道路中存在运动障碍物时，通过目标无人配送车中毫米波雷达对预设时间段内各采集时间点运动障碍物的运动速度和位置进行采集，同时采集运动障碍物对应的方向，从而得到运动障碍物对应的方向、各采集时间点运动障碍物的运动速度和位置；

通过目标无人配送车中摄像头对各采集时间点目标无人配送车行驶道路对应的图像进行采集，得到各采集时间点目标无人配送车行驶道路对应的图像。

8.根据权利要求7所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述判断目标无人配送车通过单个运动障碍物对应的可行性，具体判断过程如下：

从各采集时间点目标无人配送车行驶道路对应的图像中定位出各采集时间点运动障碍物区域对应的可行驶道路宽度，并将各采集时间点运动障碍物区域对应的可行驶道路宽度进行对比，得到运动障碍物区域对应的最小可行驶道路宽度，并记为最小可行驶道路宽度；

将目标配送车辆对应的最大宽度与最小可行驶道路宽度进行对比，若目标配送车辆对应的最大宽度大于或者最小可行驶道路宽度，则判定目标配送车辆无法通过，进而更改目标无人配送车对应的路线，反之则判定目标无人配送车允许通过，进而分析目标无人配送车对应的运动障碍避障控制信息。

9.根据权利要求8所述的一种基于毫米波雷达的障碍物监测识别方法，其特征在于：所述分析目标无人配送车对应的运动障碍避障控制信息，具体分析过程如下：

将各采集时间点运动障碍物的运动速度通过加权平均计算，得到运动障碍物对应的加权运动速度，并作为运动障碍物对应的参考运动速度；

同时获取预设时间段后运动障碍物对应的位置和目标无人配送车对应的位置，进而得到运动障碍物与目标无人配送车之间的距离，并根据目标无人配送车对应的配送重量，得到目标无人配送车对应的运动障碍避障速度；

根据运动障碍物对应的参考运动速度、目标无人配送车对应的运动障碍避障速度和运动障碍物与目标无人配送车之间的距离，计算得到运动障碍物与目标无人配送车对应的相遇时长，进而得到运动障碍物对应的移动距离和移动位置，同时基于运动障碍物对应的移动距离和移动位置，获取目标无人配送车对应的目标避障位置；

根据目标无人配送车对应的第二障碍移动角度、第二障碍移动距离和第二障碍移动方向的分析方式，得到目标无人配送车对应的运动障碍移动角度、运动障碍移动距离和运动障碍移动方向；

将目标无人配送车对应的运动障碍移动角度、运动障碍移动距离、运动障碍移动方向和运动障碍避障速度作为目标无人配送车对应的运动障碍避障控制信息。