CN115798257A

CN115798257A - 一种基于多线激光雷达的港口路线规避的方法

Info

Publication number: CN115798257A
Application number: CN202211069155.1A
Authority: CN
Inventors: 姚华; 罗涛; 张昌杰
Original assignee: Jingzhou Port Group Co ltd; Jingzhou Zhida Electric Vehicle Co ltd
Current assignee: Jingzhou Port Group Co ltd; Jingzhou Zhida Electric Vehicle Co ltd
Priority date: 2022-09-02
Filing date: 2022-09-02
Publication date: 2023-03-14

Abstract

一种基于多线激光雷达的港口路线规避的方法，属于港口自动驾驶内集卡感知定位技术领域。该方法根据堆箱分布信息的点云数据利用GPS信号预测算法将其转换为前方路段GPS信号强弱分布信息,并根据GPS信号强弱决策车辆是否发生规避行为。该方法规避了现有方法一味侧重于处理复杂场景又无法提高精确度的问题，其利用GPS信号提前进行道路预判，规避掉无法准确地进行自动控制的路道，使得港口事故率以及港口的车辆效率都获得了明显的提升。

Description

一种基于多线激光雷达的港口路线规避的方法

技术领域

本发明涉及港口自动驾驶内集卡感知定位技术领域，特别涉及一种基于多线激光雷达的港口路线规避的方法。

背景技术

传统室外定位方法主要是以差分GPS提供全高精度的初始定位，然后通过融合轮速计、激光/视觉里程计方法实现全局一致的高精度定位。但是差分GPS容易受地形影响，常见的影响GPS定位精度的因素包括：多路径效应和遮挡。港口场景由于生产作业的影响，场景地形会频繁变化。因此提前感知行驶路线周围的地形并建模，是港口自动驾驶内集卡认知能力的一个重要部分。

传统的多传感器融合定位方法主要是及时的，即港口自动驾驶内集卡需要在GPS定位状态发生变化的同时通过Kalman滤波器实现高精度定位。但是在港口场景下，集装箱转运、岸桥移动、场桥移动产生的场景变化不仅导致GPS定位精度下降，同时会导致激光/视觉里程计精度下降，港口自动驾驶内集卡通常只能通过车道线识别完成车道内横向对位，通过反光柱等辅助设备识别实现纵向对位。按照及时在线融合方法，虽然能够应对大部分场景，但是长期测试发现，在集装箱堆积较高的路段或者岸桥/长桥下，全局定位系统的可靠性下降。此外，传统方法主要着重解决如何处理复杂场景带来的影响，但并不考虑避免这种复杂场景,高精地图虽然可以通过语义编辑的方式标注一些静态复杂场景，但却无法及时的更新场景变化，因此硬编码到地图里的策略模式往往还会带来潜在风险。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种基于多线激光雷达的港口路线规避的方法。

发明所采用的技术方案是：一种基于多线激光雷达的港口路线规避的方法,其技术要点是，包括以下步骤：

进入堆箱场地区域的车辆实时获取描述周身的堆箱分布信息的点云数据,并利用GPS信号预测算法将上述电云数据转换为前方路段GPS信号强弱分布信息,并根据GPS信号强弱决策车辆是否发生规避行为。

上述方案中，根据全局高精地图以及堆箱场区电子围栏判断车辆是否进入堆箱场地区域。

上述方案中，所述点云数据描述的堆箱分布信息包括堆箱层数、厚度以及场内场桥位置。

上述方案中，所述的GPS信号预测算法根据点云数据生成的堆箱分布信息对堆箱所在道路的顶部以及两侧GPS信号的遮挡获得指示GPS信号强弱的遮挡角度。

上述方案中，所述的遮挡角度的计算公式为：

式中，P是规划路径上的途经点，d1，d2，…，dm是P点附近同贝位不同列的集装箱贝位距离P点的距离，L为单个贝位长度，h1，h2，……，hm代表贝位堆叠的集装箱高度，通过遍历不同列集装箱堆叠高度，计算P点首遮挡的角度，并取计算的到的角度最大值，作为P 点位置的遮挡角度，遮挡角度越大，GPS信号受影响越大，信号强弱越低。

本发明的有益效果是：该基于多线激光雷达的港口路线规避的方法，根据堆箱分布信息的点云数据利用GPS信号预测算法将其转换为前方路段GPS信号强弱分布信息,并根据GPS信号强弱决策车辆是否发生规避行为。该方法规避了现有方法一味侧重于处理复杂场景又无法提高精确度的问题，其利用GPS信号提前进行道路预判，规避掉无法准确地进行自动控制的路道，使得港口事故率以及港口的车辆效率都获得了明显的提升。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中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，还可根据这些附图获得其他的附图。

图1为本发明基于多线激光雷达的港口路线规避的方法的流程图。

具体实施方式

使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图1和具体实施方式对本发明作进一步详细的说明。

本实施例采用的基于多线激光雷达的港口路线规避的方法,包括以下步骤：

步骤1,自动驾驶内集卡通过全局高精地图以及堆箱场区电子围栏，判断车辆进入堆箱场地区域；

步骤2,自动驾驶内集卡实时接收周身点云数据，并结合高精地图堆箱区域电子围栏，获取由点云数据描述的堆箱分布信息包括堆箱层数、厚度以及场内场桥位置，可根据堆箱层数、厚度预测堆箱对所在道路左右两侧的GPS信号强弱的影响，根据场内场桥位置预测堆箱对所在道路顶部的GPS信号强弱的影响。

步骤3,自动驾驶系统通过GPS信号预测算法，将有效的点云数据转换为前方路段GPS信号强弱分布信息，具体计算公式为：

式中，P是规划路径上的途经点，d1，d2，…，dm是P点附近同贝位不同列的集装箱贝位距离P点的距离，L为单个贝位长度，h1，h2，……，hm代表贝位堆叠的集装箱高度，通过遍历不同列集装箱堆叠高度，计算P点受遮挡的角度，并取计算得到的角度最大值，作为 P点位置的遮挡角度，遮挡角度越大，GPS信号受影响越大，信号强弱越低。

具体的，本实施例中，集装箱高度标准值为2.6米，宽2.6米，长6米。集装箱摆放位置距离车辆行驶轨迹2.4米。假设行驶轨迹上某点P附近共放有三列集装箱，其中靠近行驶轨迹的第一列摆放了4个集装箱，第二列摆放了4个集装箱，第三列摆放了6个集装箱，则更具评分计算公式得到第一列的得分为77.04，第二列的得分为29.235，第三列的得分为27.67，因此得出第一列对GPS的信号影响最大，所以P点的影响值得分为77.04。

步骤4,自动驾驶决策模块依据前方路段GPS信号预测结果，执行有效安全的决策行为，包括减速行驶，上报路段GPS信号弱的报警信息，换道或局部路线重规划以及定位权重调整。

具体的，本实施例中，当车辆处于栏间道且车道线检测结果正常，同时借车道不满足换道条件时，车辆减速行驶；预测GPS信号弱时，即上报报警信号；车辆处于栏间道且车辆左侧有借车道时，结合目标检测结果，当满足换道条件时，优先采用换道策略。全局定位系统主要由差分GPS系统和激光SLAM系统构成，其中差分GPS容易受遮挡影响，激光SLAM定位精度主要受场景变化影响，特别的，在港口场景下，作业过程会导致场景变化，进而导致激光SLAM系统定位精度下降。基于多线激光雷达的场景变化感知系统，首先给出GPS信号遮挡估计，当GPS信号遮挡较小时，调大GPS定位结果权重，优先使用GPS定位结果，当GPS信号遮挡较大时，可认为GPS定位结果不可信，优先采用激光SLAM系统定位结果，此时，根据场景变化感知系统给出的场景变化估计结果，当场景变化较大时，认为激光SLAM系统定位结果不可信，此时系统定位方案由全局定位系统降级为以车道居中为主的相对定位系统，同时上报全局定位精度下降的预警信息。

步骤5,自动驾驶内集卡单车将GPS信号强弱分布信息更新共享至其它自动驾驶车辆。

以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种基于多线激光雷达的港口路线规避的方法,其特征在于，包括以下步骤：

2.如权利要求1所述的基于多线激光雷达的港口路线规避的方法,其特征在于，根据全局高精地图以及堆箱场区电子围栏判断车辆是否进入堆箱场地区域。

3.如权利要求1所述的基于多线激光雷达的港口路线规避的方法,其特征在于，所述点云数据描述的堆箱分布信息包括堆箱层数、厚度以及场内场桥位置。

4.如权利要求1所述的基于多线激光雷达的港口路线规避的方法,其特征在于，所述的GPS信号预测算法根据点云数据生成的堆箱分布信息对堆箱所在道路的顶部以及两侧GPS信号的遮挡获得指示GPS信号强弱的遮挡角度。

5.如权利要求4所述的基于多线激光雷达的港口路线规避的方法,其特征在于，所述的遮挡角度的计算公式为：

式中，P是规划路径上的途经点，d1，d2，…，dm是P点附近同贝位不同列的集装箱贝位距离P点的距离，L为单个贝位长度，h1，h2，……，hm代表贝位堆叠的集装箱高度，通过遍历不同列集装箱堆叠高度，计算P点首遮挡的角度，并取计算的到的角度最大值，作为P点位置的遮挡角度，遮挡角度越大，GPS信号受影响越大，信号强弱越低。