CN115953905B - 一种基于激光雷达的车路协同控制系统 - Google Patents
一种基于激光雷达的车路协同控制系统 Download PDFInfo
- Publication number
- CN115953905B CN115953905B CN202310243737.5A CN202310243737A CN115953905B CN 115953905 B CN115953905 B CN 115953905B CN 202310243737 A CN202310243737 A CN 202310243737A CN 115953905 B CN115953905 B CN 115953905B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- determining
- angle
- laser radar
- running
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明提供了一种基于激光雷达的车路协同控制系统,包括:采样模块,用于基于激光雷达,对车辆周围的路况进行采样,得到路况点云数据;数据处理模块,用于对路况点云数据进行处理,得到车辆周围的车道及车道上的其他车辆位置信息;确定模块,用于基于车辆周围的车道及车道上的其他车辆位置信息,确定当前车辆与周围车辆的相对角度和相对距离,建立车辆分布坐标图;控制模块,用于基于车辆分布坐标图,确定当前车辆的行驶路径,基于行驶路径,控制当前车辆的控制输出量;本方案通过激光雷达的无线波探测的方式,合理安排车辆的行驶路径和行驶姿态,实现智能车路协同,从而保证无人驾驶车辆的安全驾驶。
Description
技术领域
本发明涉及无线导航技术领域,特别涉及一种基于激光雷达的车路协同控制系统。
背景技术
随着人工智能技术的发展,无人驾驶应运而生,人们对车辆驾驶安全要求越来越高,通过技术手段实现智能化安全驾驶,成为一种有效的手段。在园区或者飞行区等一些特定场所,特种车辆的驾驶往往存在着诸多视野盲区,导致驾驶安全事故频发,通过技术手段预防驾驶安全事故的发生成为当务之急。
申请号为201710519632.2的专利公开了一种关于路径检测的车辆安全停靠定位系统,包括车座、车门、车尾部、发动机、驾驶室,以及GPS导航模块,所述驾驶室上方车顶位置设置高位探测柱,驾驶室前方的前车保险杠底部安装红外摄像机;驾驶室内部设置触摸显示屏;其中,显示屏内侧设置处理器,所述车座设置按键模块;所述红外摄像机:探测前方路况,发送路况灰度图到处理器;所述高位探测柱:连接摄像头,探测前方路标发送路标信息至处理器;所述按键模块:包括多个按键,每一个按键对应一个目的地;所述按键模块发送目的地信息到处理器;所述处理器:接收红外摄像机和高位探测柱发送的路况灰度图、路标信息;根据调节模块,发出移动指令到方向控制模块、发出减速指令到车轮传感器。该系统应用于无人驾驶存在以下缺点:该系统主要是以GPS定位信息作为停靠位置的依据,因此该系统的精确度很难得到保证,由于GPS信号收外界环境影响很大,而且容易出此现数米的误差,因此安全性得不到保证。
发明内容
本发明提供一种基于激光雷达的车路协同控制系统,合理安排车辆的行驶路径和行驶姿态,实现智能车路协同,从而保证无人驾驶车辆的安全驾驶。
一种基于激光雷达的车路协同控制系统,包括:
采样模块,用于基于激光雷达,对车辆周围的路况进行采样,得到路况点云数据;
数据处理模块,用于对路况点云数据进行处理,得到车辆周围的车道及车道上的其他车辆位置信息;
确定模块,用于基于车辆周围的车道及车道上的其他车辆位置信息,确定当前车辆与周围车辆的相对角度和相对距离,建立车辆分布坐标图;
控制模块,用于基于车辆分布坐标图,确定当前车辆的行驶路径,基于行驶路径,控制当前车辆的控制输出量。
优选的,采样模块,包括:
确定单元,用于根据车辆的导航地图,获取扫描路段和在扫描路段的虚拟物体模型,并确定虚拟物体模型的初始位置;
扫射单元,用于基于虚拟物体模型的初始位置,确定激光雷达的扫射角度,并每隔预设时间,利用激光雷达,对扫描路段进行扫射,得到路况点云数据。
优选的,数据处理模块,包括:
划分单元,用于基于路况点云数据的三维点特征与虚拟物体模型特征的匹配度,将路况点云数据划分为多组点云数据集合;
选取单元,根据虚拟物体模型的外形特征和对应的点云数据集合,从点云数据集合中选取出表示虚拟物体模型对应的中心点云数据作为车辆位置信息;
车道确定单元,用于基于车辆位置信息,确定路况车道的车辆分布,得到车道信息。
优选的,车道确定单元,包括:
获取单元,用于从多组点云数据集合获取其他点云数据集合;
分析单元,用于根据其他点云数据集合与车辆位置信息的中心点云数据进行分析,确定其他点云数据集合对应的第二中心点云数据;
信息确定单元,用于基于中心点云数据和第二中心点云数据,确定路况车道的车辆分布,得到车道信息。
优选的,确定模块,包括:
角度确定单元,用于根据激光雷达在当前车辆的安装位置,确定激光雷达相对于当前车辆的第一方向余弦和第一相对位置角度;
角度确定单元,还用于根据激光雷达的发射角度阵列,确定激光雷达相对于水平面的第二方向余弦和第二相对位置角度;
参数确定单元,用于基于第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数;
初步估计单元,用于基于车辆周围的车道及车道上的其他车辆位置信息,初步估计当前车辆与周围车辆的第一相对角度和第一相对距离;
精确估计单元,用于基于当前车辆向其他车辆发射的对应激光雷达在射角度阵列中的阵列位置,从标准反射参数中确定对应的目标标准反射参数,并根据目标标准反射参数,对第一相对角度和第一相对距离进行修正,得到目标相对角度和目标相对距离;
坐标确定单元,用于基于车辆周围的车道及车道上的其他车辆位置信息中的中心点云数据,确定车道分布坐标图和当前车辆在车道分布坐标图中的位置坐标,并基于目标相对角度和目标相对距离,在车道分布坐标图确定其他车辆的坐标位置,得到车辆分布坐标图。
优选的,参数确定单元,包括:
参数获取单元,用于获取激光雷达的实际反射参数,并确定激光雷达的干扰系数;
计算单元,用于基于实际反射参数,结合干扰系数、第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数。
优选的,精确估计单元,包括:
修正单元,用于根据确定第一相对角度的相关激光雷达,并确定相关激光雷达对第一相对角度的影响函数,基于目标标准反射参数,对影响函数进行修正,得到目标影响函数;
计算单元,用于根据目标影响函数重新计算角度,得到目标相对角度。
优选的,控制模块,包括:
路径确定单元,用于根据当前车辆的目的地,结合道路拥堵信息,确定当前车辆的初始行驶路径;
预测单元,用于根据车辆分布坐标图,确定当前车辆在初始行驶路径下与其他车辆的坐标距离值和坐标角度值,并根据坐标距离值和坐标角度值预测当前车辆在初始行驶路径下的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角;
控制值确定单元,用于基于预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角,结合车道参数,确定当前车辆的导向控制值;
输出量确定单元,用于判断导向控制值是否大于预设控制值,若是,基于初始行驶路径,确定当前车辆的自动控制输出量;
否则,基于导向控制值与预设控制值的差异大小,对初始行驶路径进行调整,得到目标行驶路径,并基于目标行驶路径,确定当前车辆的自动控制输出量。
优选的,输出量确定单元,包括:
模型建立单元,用于根据当前车辆的车辆参数信息和初始行驶路径,建立车辆行驶模型,根据当前车辆的导航控制系统的控制参数,建立导航控制模型;
关系确定单元,用于获取控制参数与行驶特征之间的第一映射关系,获取初始行驶路径和行驶特征之间的第二映射关系,基于第二映射关系对第一映射关系进行针对初始行驶路径的修正,得到标准映射关系;
模型融合单元,用于根据标准映射关系,将车辆行驶模型和导航控制模型进行融合,得到车辆控制模型;
输出量获取单元,用于将初始行驶路径对应的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角输入车辆控制模型中,得到前车辆的自动控制输出量。
优选的,控制值确定单元,包括:
信息提取单元,用于基于车道参数,从安全驾驶数据库中提取满足车道参数的最佳规范行驶参数;
控制值计算单元,用于根据预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角与最佳规范行驶参数之间的差异,计算得到当前车辆的导向控制值。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于激光雷达的车路协同控制系统的结构图;
图2为本发明实施例中数据处理模块的结构图;
图3为本发明实施例中确定模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明实施例提供一种基于激光雷达的车路协同控制系统,如图1所示,包括:
采样模块,用于基于激光雷达,对车辆周围的路况进行采样,得到路况点云数据;
数据处理模块,用于对路况点云数据进行处理,得到车辆周围的车道及车道上的其他车辆位置信息;
确定模块,用于基于车辆周围的车道及车道上的其他车辆位置信息,确定当前车辆与周围车辆的相对角度和相对距离,建立车辆分布坐标图;
控制模块,用于基于车辆分布坐标图,确定当前车辆的行驶路径,基于行驶路径,控制当前车辆的控制输出量。
在该实施例中,所述路况点云数据包括道路车道信息和道路车辆信息。
在该实施例中,所述车辆分布坐标图用于将道路车道信息和道路车辆信息用坐标的方式表现。
在该实施例中,所述当前车辆的控制输出量包括电机输出、航向角度输出等。
上述设计方案的有益效果是:本方案通过激光雷达的无线波探测的方式,确定当前车辆与周围车辆的相对关系,并确定所在的车道,基于此来确定控制当前车辆的控制输出量,提高位置角度等确定的精确性,合理安排车辆的行驶路径和行驶姿态,实现智能车路协同,从而保证无人驾驶车辆的安全驾驶。
实施例2
基于实施例1的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,采样模块,包括:
确定单元,用于根据车辆的导航地图,获取扫描路段和在扫描路段的虚拟物体模型,并确定虚拟物体模型的初始位置;
扫射单元,用于基于虚拟物体模型的初始位置,确定激光雷达的扫射角度,并每隔预设时间,利用激光雷达,对扫描路段进行扫射,得到路况点云数据。
在该实施例中,所述虚拟物体模型为根据车辆的导航地图中的地表、建筑物和障碍物等确定的虚拟模型。
在该实施例中,所述路况点云数据包括得到对对虚拟物体对应的实物的发射扫描结果。
上述设计方案的有益效果是:通过利用激光雷达对车辆周围路况进行扫描,采集,得到路况点云数据,为确定路况信息提供基础。
实施例3
基于实施例1的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,如图2所示,数据处理模块,包括:
划分单元,用于基于路况点云数据的三维点特征与虚拟物体模型特征的匹配度,将路况点云数据划分为多组点云数据集合;
选取单元,根据虚拟物体模型的外形特征和对应的点云数据集合,从点云数据集合中选取出表示虚拟物体模型对应的中心点云数据作为车辆位置信息;
车道确定单元,用于基于车辆位置信息,确定路况车道的车辆分布,得到车道信息。
在该实施例中,所述中心点云数据为代表车辆位置的坐标。
上述设计方案的有益效果是:通过对路况点云数据机械能划分处理,保证得到车辆周围的车道及车道上的其他车辆位置信息的准确性。
实施例4
基于实施例3的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,车道确定单元,包括:
获取单元,用于从多组点云数据集合获取其他点云数据集合;
分析单元,用于根据其他点云数据集合与车辆位置信息的中心点云数据进行分析,确定其他点云数据集合对应的第二中心点云数据;
信息确定单元,用于基于中心点云数据和第二中心点云数据,确定路况车道的车辆分布,得到车道信息。
在该实施例中,所述其他点云数据集合为不崩完整表示实体的点云数据,需要根据点云数据的分析,确定实体及其对应的中心。
在该实施例中,所述车道信息包括车道的车辆以及车道的参数。
上述设计方案的有益效果是:通过对点云数据进行分开分析处理,保证得到车辆和车道信息的准确性。
实施例5
基于实施例1的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,如图3所示,确定模块,包括:
角度确定单元,用于根据激光雷达在当前车辆的安装位置,确定激光雷达相对于当前车辆的第一方向余弦和第一相对位置角度;
角度确定单元,还用于根据激光雷达的发射角度阵列,确定激光雷达相对于水平面的第二方向余弦和第二相对位置角度;
参数确定单元,用于基于第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数;
初步估计单元,用于基于车辆周围的车道及车道上的其他车辆位置信息,初步估计当前车辆与周围车辆的第一相对角度和第一相对距离;
精确估计单元,用于基于当前车辆向其他车辆发射的对应激光雷达在射角度阵列中的阵列位置,从标准反射参数中确定对应的目标标准反射参数,并根据目标标准反射参数,对第一相对角度和第一相对距离进行修正,得到目标相对角度和目标相对距离;
坐标确定单元,用于基于车辆周围的车道及车道上的其他车辆位置信息中的中心点云数据,确定车道分布坐标图和当前车辆在车道分布坐标图中的位置坐标,并基于目标相对角度和目标相对距离,在车道分布坐标图确定其他车辆的坐标位置,得到车辆分布坐标图。
在该实施例中,车辆周围的车道及车道上的其他车辆位置信息主要用于确定当前车辆和其他车辆之间的相对方位和大致坐标估计位置,具体准确的位置需要根据激光雷达的参数进一步确定。
在该实施例中,确定激光雷达相对于当前车辆的第一方向余弦和第一相对位置角度与激光雷达在当前车辆的安装位置有关,例如激光雷达安装在当前车辆的左前方、后方或左侧等。
上述设计方案的有益效果是:通过根据激光雷达的安装位置和发射角度来进一步对车辆的位置信息和嫌贵位置信息进行确定,保证建立得到的车辆分布坐标图的车辆之间和车道信息的准确性。
实施例6
基于实施例5的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,参数确定单元,包括:
参数获取单元,用于获取激光雷达的实际反射参数,并确定激光雷达的干扰系数;
计算单元,用于基于实际反射参数,结合干扰系数、第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数;
激光雷达的标准反射参数的计算公式如下:
其中,表示标准反射参数,表示实际反射参数,表示自然常数,取值为2.72,表示第一方向余弦,表示第二方向余弦,表示第一相对位置角度,表示第二相对位置角度,表示标准相对位置角度,表示干扰系数,取值为(0.01,0.30)。
上述设计方案的有益效果是:通过根据激光雷达的第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度来对实际反射参数进行计算,并在计算过程中加入干扰系数,保证得到的标准反射参数能够更加准确的确定当前车辆和其他车辆和位置关系,为设计最优的路径,实现车路协同提供基础。
实施例7
基于实施例5的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,精确估计单元,包括:
修正单元,用于根据确定第一相对角度的相关激光雷达,并确定相关激光雷达对第一相对角度的影响函数,基于目标标准反射参数,对影响函数进行修正,得到目标影响函数;
计算单元,用于根据目标影响函数重新计算角度,得到目标相对角度。
在该实施例中,目标相对距离的确定与目标相对角度确定的方式相同。
在该实施例中,所述影响函数表征相关激光雷达的发射参数对第一相对角度的影响特征,不同的发射参数对第一相对角度的影响特征不同。
上述设计方案的有益效果是:通过根据对相关激光雷达对第一相对角度的影响函数来进行修正,避免直接对第一相对角度进行修正,从根本上保证得到的目标相对角度的精确性。
实施例8
基于实施例1的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,控制模块,包括:
路径确定单元,用于根据当前车辆的目的地,结合道路拥堵信息,确定当前车辆的初始行驶路径;
预测单元,用于根据车辆分布坐标图,确定当前车辆在初始行驶路径下与其他车辆的坐标距离值和坐标角度值,并根据坐标距离值和坐标角度值预测当前车辆在初始行驶路径下的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角;
控制值确定单元,用于基于预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角,结合车道参数,确定当前车辆的导向控制值;
输出量确定单元,用于判断导向控制值是否大于预设控制值,若是,基于初始行驶路径,确定当前车辆的自动控制输出量;
否则,基于导向控制值与预设控制值的差异大小,对初始行驶路径进行调整,得到目标行驶路径,并基于目标行驶路径,确定当前车辆的自动控制输出量。
在该实施例中,所述导向控制值与车辆的控制难度相关,控制难度越大,对应的导向控制值越小。
在该实施例中,于初始行驶路径,确定当前车辆的自动控制输出量,包括:
模型建立单元,用于根据当前车辆的车辆参数信息和初始行驶路径,建立车辆行驶模型,根据当前车辆的导航控制系统的控制参数,建立导航控制模型;
关系确定单元,用于获取控制参数与行驶特征之间的第一映射关系,获取初始行驶路径和行驶特征之间的第二映射关系,基于第二映射关系对第一映射关系进行针对初始行驶路径的修正,得到标准映射关系;
模型融合单元,用于根据标准映射关系,将车辆行驶模型和导航控制模型进行融合,得到车辆控制模型;
输出量获取单元,用于将初始行驶路径对应的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角输入车辆控制模型中,得到前车辆的自动控制输出量。
上述设计方案的有益效果是:通过根据当前车辆的行驶路径,基于行驶路径,预测车辆的行驶参数,再根据行驶参数来确定导向控制值,即车辆的行驶难度,再根据车辆的行驶难度对行驶路径进行调整,保证确定的行驶路径的安全性,最终获取自动控制输出量,保证在自动控制输出量下车辆行驶的安全性和车路协同。
实施例9
基于实施例8的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,输出量确定单元,包括:
模型建立单元,用于根据当前车辆的车辆参数信息和初始行驶路径,建立车辆行驶模型,根据当前车辆的导航控制系统的控制参数,建立导航控制模型;
关系确定单元,用于获取控制参数与行驶特征之间的第一映射关系,获取初始行驶路径和行驶特征之间的第二映射关系,基于第二映射关系对第一映射关系进行针对初始行驶路径的修正,得到标准映射关系;
模型融合单元,用于根据标准映射关系,将车辆行驶模型和导航控制模型进行融合,得到车辆控制模型;
输出量获取单元,用于将初始行驶路径对应的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角输入车辆控制模型中,得到前车辆的自动控制输出量。
在该实施例中,所述车辆行驶模型用于模拟车辆行驶过程,车辆参数信息包括车身数据信息,初始行驶路径包括路况信息。
在该实施例中,所述导航控制模型用于模拟导航控制系统控制车辆参数的过程。
在该实施例中,所述行驶特征为行驶参数,速度角度等。
在该实施例中,所述第二映射关系用于表示不同路径的路况信息对行驶特征的影响和约束。
在该实施例中,基于第二映射关系对第一映射关系进行针对初始行驶路径的修正例如为当控制参数为a时,对应的行驶特征为b,而此时由于路径c不同的影响(路面、上坡或下坡、雨雪天气)的影响,使得在控制参数为a时,对应的行驶特征变化为0.8b。
在该实施例中,车辆控制模型用于模拟当确定行驶参数时,结合路径信息,自动输出对应的控制参数的过程。
上述设计方案的有益效果是:通过根据行驶参数与控制参数之间的关系,并在确定其关系时加入针对路径的影响,使得到最终关系建立的车辆控制模型更具有针对性和准确性,保证了确定的控制参数能够精确控制车辆的行驶过程,保证车辆行驶安全性,同时按照确定的行驶路径进行行驶,实现车路协同。
实施例10
基于实施例8的基础上,本发明实施例提供一种基于激光雷达的车路协同控制系统,控制值确定单元,包括:
信息提取单元,用于基于车道参数,从安全驾驶数据库中提取满足车道参数的最佳规范行驶参数;
控制值计算单元,用于根据预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角与最佳规范行驶参数之间的差异,计算得到当前车辆的导向控制值;
当前车辆的导向控制值的计算公式如下:
其中,表示当前车辆的导向控制值,n表示预测行驶参数的个数,i=1时,表示预测行驶宽度,表示最佳规范行驶参数中的最佳行驶宽度,表示在预测行驶宽度和最佳行驶宽度差异下当前车辆的导向难度,取值为(0,1),i=2时,表示预测行驶速度,表示最佳规范行驶参数中的最佳行驶速度,表示在预测行驶速度和最佳行驶速度差异下当前车辆的导向难度,取值为(0,1),i=3时,表示预测行驶姿态角,表示最佳规范行驶参数中的最佳行驶姿态角,表示在预测行驶姿态角和最佳行驶姿态角差异下当前车辆的导向难度,取值为(0,1),i=3时,表示预测预测行驶转向角,表示最佳规范行驶参数中的最佳预测行驶转向角,表示在预测预测行驶转向角和最佳预测行驶转向角差异下当前车辆的导向难度,取值为(0,1),表示预测行驶参数中导向难度的最大值。
上述设计方案的有益效果是:通过根据获取满足车道参数的最佳规范行驶参数与预测行驶参数之间的差异来确定导向难度,并选取导向难度最大的作为导向控制值的计算参数,从最短板的参数出发,保证得到的导向控制值的准确性和安全性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于激光雷达的车路协同控制系统,其特征在于,包括:
采样模块,用于基于激光雷达,对车辆周围的路况进行采样,得到路况点云数据;
数据处理模块,用于对路况点云数据进行处理,得到车辆周围的车道及车道上的其他车辆位置信息;
确定模块,用于基于车辆周围的车道及车道上的其他车辆位置信息,确定当前车辆与周围车辆的相对角度和相对距离,建立车辆分布坐标图;
控制模块,用于基于车辆分布坐标图,确定当前车辆的行驶路径,基于行驶路径,控制当前车辆的控制输出量;
确定模块,包括:
角度确定单元,用于根据激光雷达在当前车辆的安装位置,确定激光雷达相对于当前车辆的第一方向余弦和第一相对位置角度;
角度确定单元,还用于根据激光雷达的发射角度阵列,确定激光雷达相对于水平面的第二方向余弦和第二相对位置角度;
参数确定单元,用于基于第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数;
初步估计单元,用于基于车辆周围的车道及车道上的其他车辆位置信息,初步估计当前车辆与周围车辆的第一相对角度和第一相对距离;
精确估计单元,用于基于当前车辆向其他车辆发射的对应激光雷达在发射角度阵列中的阵列位置,从标准反射参数中确定对应的目标标准反射参数,并根据目标标准反射参数,对第一相对角度和第一相对距离进行修正,得到目标相对角度和目标相对距离;
坐标确定单元,用于基于车辆周围的车道及车道上的其他车辆位置信息中的中心点云数据,确定车道分布坐标图和当前车辆在车道分布坐标图中的位置坐标,并基于目标相对角度和目标相对距离,在车道分布坐标图确定其他车辆的坐标位置,得到车辆分布坐标图;
参数确定单元,包括:
参数获取单元,用于获取激光雷达的实际反射参数,并确定激光雷达的干扰系数;
计算单元,用于基于实际反射参数,结合干扰系数、第一方向余弦和第一相对位置角度、第二方向余弦和第二相对位置角度确定激光雷达的标准反射参数;
激光雷达的标准反射参数的计算公式如下:
其中,表示标准反射参数,表示实际反射参数,表示自然常数,取值为2.72,表示第一方向余弦,表示第二方向余弦,表示第一相对位置角度,表示第二相对位置角度,表示标准相对位置角度,表示干扰系数,取值为(0.01,0.30)。
2.根据权利要求1所述的一种基于激光雷达的车路协同控制系统,其特征在于,采样模块,包括:
确定单元,用于根据车辆的导航地图,获取扫描路段和在扫描路段的虚拟物体模型,并确定虚拟物体模型的初始位置;
扫射单元,用于基于虚拟物体模型的初始位置,确定激光雷达的扫射角度,并每隔预设时间,利用激光雷达,对扫描路段进行扫射,得到路况点云数据。
3.根据权利要求1所述的一种基于激光雷达的车路协同控制系统,其特征在于,数据处理模块,包括:
划分单元,用于基于路况点云数据的三维点特征与虚拟物体模型特征的匹配度,将路况点云数据划分为多组点云数据集合;
选取单元,根据虚拟物体模型的外形特征和对应的点云数据集合,从点云数据集合中选取出表示虚拟物体模型对应的中心点云数据作为车辆位置信息;
车道确定单元,用于基于车辆位置信息,确定路况车道的车辆分布,得到车道信息。
4.根据权利要求3所述的一种基于激光雷达的车路协同控制系统,其特征在于,车道确定单元,包括:
获取单元,用于从多组点云数据集合获取其他点云数据集合;
分析单元,用于根据其他点云数据集合与车辆位置信息的中心点云数据进行分析,确定其他点云数据集合对应的第二中心点云数据;
信息确定单元,用于基于中心点云数据和第二中心点云数据,确定路况车道的车辆分布,得到车道信息。
5.根据权利要求1所述的一种基于激光雷达的车路协同控制系统,其特征在于,精确估计单元,包括:
修正单元,用于根据确定第一相对角度的相关激光雷达,并确定相关激光雷达对第一相对角度的影响函数,基于目标标准反射参数,对影响函数进行修正,得到目标影响函数;
计算单元,用于根据目标影响函数重新计算角度,得到目标相对角度。
6.根据权利要求1所述的一种基于激光雷达的车路协同控制系统,其特征在于,控制模块,包括:
路径确定单元,用于根据当前车辆的目的地,结合道路拥堵信息,确定当前车辆的初始行驶路径;
预测单元,用于根据车辆分布坐标图,确定当前车辆在初始行驶路径下与其他车辆的坐标距离值和坐标角度值,并根据坐标距离值和坐标角度值预测当前车辆在初始行驶路径下的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角;
控制值确定单元,用于基于预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角,结合车道参数,确定当前车辆的导向控制值;
输出量确定单元,用于判断导向控制值是否大于预设控制值,若是,基于初始行驶路径,确定当前车辆的自动控制输出量;
否则,基于导向控制值与预设控制值的差异大小,对初始行驶路径进行调整,得到目标行驶路径,并基于目标行驶路径,确定当前车辆的自动控制输出量。
7.根据权利要求6所述的一种基于激光雷达的车路协同控制系统,其特征在于,输出量确定单元,包括:
模型建立单元,用于根据当前车辆的车辆参数信息和初始行驶路径,建立车辆行驶模型,根据当前车辆的导航控制系统的控制参数,建立导航控制模型;
关系确定单元,用于获取控制参数与行驶特征之间的第一映射关系,获取初始行驶路径和行驶特征之间的第二映射关系,基于第二映射关系对第一映射关系进行针对初始行驶路径的修正,得到标准映射关系;
模型融合单元,用于根据标准映射关系,将车辆行驶模型和导航控制模型进行融合,得到车辆控制模型;
输出量获取单元,用于将初始行驶路径对应的预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角输入车辆控制模型中,得到前车辆的自动控制输出量。
8.根据权利要求6所述的一种基于激光雷达的车路协同控制系统,其特征在于,控制值确定单元,包括:
信息提取单元,用于基于车道参数,从安全驾驶数据库中提取满足车道参数的最佳规范行驶参数;
控制值计算单元,用于根据预测行驶宽度、预测行驶速度、预测行驶姿态角和预测行驶转向角与最佳规范行驶参数之间的差异,计算得到当前车辆的导向控制值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310243737.5A CN115953905B (zh) | 2023-03-15 | 2023-03-15 | 一种基于激光雷达的车路协同控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310243737.5A CN115953905B (zh) | 2023-03-15 | 2023-03-15 | 一种基于激光雷达的车路协同控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953905A CN115953905A (zh) | 2023-04-11 |
CN115953905B true CN115953905B (zh) | 2023-05-16 |
Family
ID=85893071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310243737.5A Active CN115953905B (zh) | 2023-03-15 | 2023-03-15 | 一种基于激光雷达的车路协同控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953905B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400382B (zh) * | 2023-06-09 | 2023-08-22 | 旷智中科(北京)技术有限公司 | 一种多线可调式激光雷达组合导航方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6055490A (en) * | 1998-07-27 | 2000-04-25 | Laser Technology, Inc. | Apparatus and method for determining precision reflectivity of highway signs and other reflective objects utilizing an optical range finder instrument |
JP2003043400A (ja) * | 2001-08-02 | 2003-02-13 | Kyocera Corp | 画像形成装置 |
JP2006209567A (ja) * | 2005-01-31 | 2006-08-10 | Nippon Sharyo Seizo Kaisha Ltd | 無人搬送車の誘導装置 |
CN105717500A (zh) * | 2016-02-24 | 2016-06-29 | 深圳乐行天下科技有限公司 | 一种激光雷达及其数据修正方法 |
CN111694031A (zh) * | 2020-06-24 | 2020-09-22 | 多伦科技股份有限公司 | 一种基于差分定位的无人驾驶车辆控制系统 |
CN113552559A (zh) * | 2021-07-23 | 2021-10-26 | 北京轻舟智航科技有限公司 | 一种无人驾驶中激光雷达外参的修正方法 |
CN115656986A (zh) * | 2022-09-28 | 2023-01-31 | 武汉大学 | 一种扫描式激光雷达加系数误差标定方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4367127B2 (ja) * | 2003-12-19 | 2009-11-18 | 日産自動車株式会社 | 先行車両検出装置及びその制御方法 |
US9098754B1 (en) * | 2014-04-25 | 2015-08-04 | Google Inc. | Methods and systems for object detection using laser point clouds |
US11188089B2 (en) * | 2018-06-21 | 2021-11-30 | Ford Global Technologies, Llc | Localization for autonomous vehicles using gaussian mixture models |
CN109900298B (zh) * | 2019-03-01 | 2023-06-30 | 武汉光庭科技有限公司 | 一种车辆定位校准方法及系统 |
CN113538967B (zh) * | 2021-06-18 | 2022-07-12 | 杭州电子科技大学 | 一种十字路口场景下的车路协同装置及方法 |
CN115542301B (zh) * | 2022-11-24 | 2023-04-07 | 北京理工大学深圳汽车研究院(电动车辆国家工程实验室深圳研究院) | 激光雷达外部参数的校准方法、装置、设备及存储介质 |
-
2023
- 2023-03-15 CN CN202310243737.5A patent/CN115953905B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6055490A (en) * | 1998-07-27 | 2000-04-25 | Laser Technology, Inc. | Apparatus and method for determining precision reflectivity of highway signs and other reflective objects utilizing an optical range finder instrument |
JP2003043400A (ja) * | 2001-08-02 | 2003-02-13 | Kyocera Corp | 画像形成装置 |
JP2006209567A (ja) * | 2005-01-31 | 2006-08-10 | Nippon Sharyo Seizo Kaisha Ltd | 無人搬送車の誘導装置 |
CN105717500A (zh) * | 2016-02-24 | 2016-06-29 | 深圳乐行天下科技有限公司 | 一种激光雷达及其数据修正方法 |
CN111694031A (zh) * | 2020-06-24 | 2020-09-22 | 多伦科技股份有限公司 | 一种基于差分定位的无人驾驶车辆控制系统 |
CN113552559A (zh) * | 2021-07-23 | 2021-10-26 | 北京轻舟智航科技有限公司 | 一种无人驾驶中激光雷达外参的修正方法 |
CN115656986A (zh) * | 2022-09-28 | 2023-01-31 | 武汉大学 | 一种扫描式激光雷达加系数误差标定方法 |
Non-Patent Citations (1)
Title |
---|
激光雷达在无人驾驶环境感知中的应用;黄武陵;;单片机与嵌入式系统应用(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115953905A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
CN110389586B (zh) | 用于地面和自由空间探测的系统和方法 | |
EP3131020B1 (en) | System and method of a two-step object data processing by a vehicle and a server database for generating, updating and delivering a precision road property database | |
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知系统及矿用车辆 | |
EP2948928B1 (en) | Modifying behavior of autonomous vehicles based on sensor blind spots and limitations | |
JP6601696B2 (ja) | 予測装置、予測方法、およびプログラム | |
CN110531376A (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
CN114845915A (zh) | 实时调整载具传感器视场体 | |
EP3900997A1 (en) | Method of and system for controlling operation of self-driving car | |
CN111508276B (zh) | 基于高精地图的v2x逆向超车预警方法、系统和介质 | |
JP2024045402A (ja) | 車両制御装置、車両制御方法、車両制御プログラム | |
US10895460B2 (en) | System and method for generating precise road lane map data | |
CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
CN115953905B (zh) | 一种基于激光雷达的车路协同控制系统 | |
US20230148097A1 (en) | Adverse environment determination device and adverse environment determination method | |
EP4180835A1 (en) | Calibration of sensors in autonomous vehicle applications | |
WO2024005858A2 (en) | Lidar system with gyroscope-aided focus steering | |
CN115147796A (zh) | 评测目标识别算法的方法、装置、存储介质及车辆 | |
CN113227831B (zh) | 基于多传感器数据融合的护栏估计方法和车载设备 | |
WO2021178163A1 (en) | Calibration and localization of a light detection and ranging (lidar) device using a previously calibrated and localized lidar device | |
CN112985417B (zh) | 移动机器人粒子滤波定位的位姿校正方法及移动机器人 | |
US11640173B2 (en) | Control apparatus, control method, and computer-readable storage medium storing program | |
CN117651880A (zh) | 雷达数据分析和隐藏对象检测 | |
CN113734197A (zh) | 一种基于数据融合的无人驾驶的智能控制方案 | |
CN112230216A (zh) | 面向云控智能底盘的车载毫米波雷达多目标探测方法 |
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 |