CN115973131B - 一种矿区无人驾驶车辆预防翻车方法和相关装置 - Google Patents
一种矿区无人驾驶车辆预防翻车方法和相关装置 Download PDFInfo
- Publication number
- CN115973131B CN115973131B CN202310265942.1A CN202310265942A CN115973131B CN 115973131 B CN115973131 B CN 115973131B CN 202310265942 A CN202310265942 A CN 202310265942A CN 115973131 B CN115973131 B CN 115973131B
- Authority
- CN
- China
- Prior art keywords
- ground
- point cloud
- vehicle
- cloud data
- gradient
- 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
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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种矿区无人驾驶车辆预防翻车方法和相关装置,涉及自动驾驶技术领域。其中所述方法包括:环境点云数据获取步骤;地面点云数据分割步骤,将所述点云数据进行点云分割,得到地面点云数据;地面区域曲率计算步骤;行车路径稳定性初筛步骤,获取所述车辆的规划行车路径;基于计算得到的纵向地面坡度、侧向地面坡度进行稳定性初筛;侧滑侧倾稳定性计算步骤,基于车辆动力学模型,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角。该技术方案可以更加准确地预测车辆行驶稳定性,提高了矿区车辆的行驶安全性。
Description
技术领域
本公开涉及自动驾驶领域,尤其涉及矿区无人驾驶车辆预防翻车方法和装置、电子设备、存储介质、程序产品和自动驾驶车辆。
背景技术
自动驾驶技术是一种通过计算机实现辅助驾驶或无人驾驶的技术,其依靠可见光相机、毫米波雷达、激光雷达、惯性导航系统、全球定位系统等传感系统,使计算机可以部分或全部代替人类驾驶员自动安全地操作车辆。
现有技术中,自动驾驶技术主要应用于标准道路场景。然而在矿区等非标准道路场景中,缺乏平整硬化的道路,地面起伏不平。虽然现有技术中激光雷达等环境感知技术已经可以获取矿区地面的三维地形数据,但仍然需要考虑不同型号的矿区车辆对于地形的适应能力是不同的。进一步地当矿区车辆以不同的速度和加速度、角速度通过时,不能仅依据经验进行粗略估计,而是要求基于车辆动力学模型进行精确的稳定性计算,才可以达到预防翻车的技术效果。
发明内容
本公开提供了一种矿区无人驾驶车辆预防翻车方法和相关装置、存储介质、车辆。
根据本公开的第一方面,提供了一种矿区无人驾驶车辆预防翻车方法,包括如下步骤。
环境点云数据获取步骤,获取所述车辆所在环境的点云数据。
地面点云数据分割步骤,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据。
地面区域曲率计算步骤,计算所述地面点云数据的地面曲率。
行车路径稳定性初筛步骤,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛。
侧滑侧倾稳定性计算步骤,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
根据本公开的第二方面,提供了一种矿区无人驾驶车辆预防翻车装置,包括如下模块。
环境点云数据获取模块,获取所述车辆所在环境的点云数据。
地面点云数据分割模块,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据。
地面区域曲率计算模块,计算所述地面点云数据的地面曲率。
行车路径稳定性初筛模块,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛。
侧滑侧倾稳定性计算模块,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
根据本公开的第三方面,提供了一种电子设备,包括如下部件。
至少一个处理器,存储器,以及与其他电子设备通信的通信接口;所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备能够执行第一方面所述的矿区无人驾驶车辆预防翻车方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据第一方面所述的矿区无人驾驶车辆预防翻车方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面所述的矿区无人驾驶车辆预防翻车方法。
根据本公开的第六方面,提供了一种自动驾驶车辆,包括根据第三方面所述的电子设备。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
与现有技术相比,本发明的有益效果是包括如下内容。
所述点云数据可以来自于所述车辆或所述车辆以外的设备;使得不必每台车辆都设置昂贵的点云采集设备;降低了使用成本。
所述点云分割能够有效地提取出属于地面区域的点云数据。预定义的非地面物体模型具有容易识别的外形特征,可以从所述点云数据中方便地去除非地面物体的影响。
在通过同一段路径时,不同型号的车辆由于其尺寸、底盘和动力配置的不同而具有不同的通过能力。因此在稳定性初筛阶段引入所述车辆的实际属性能够更精确地判断行驶稳定性。
通过对所述车辆稳定性进行初筛和侧滑侧倾稳定性计算,兼顾了快速排除不可通行区域,并精确求解车辆预定速度和转弯角度时的起伏地面行驶稳定性;改变了以往仅仅通过人工经验粗略估计而不够精确的问题。通过将所述地面区域进一步划分为坡度较大地面和坡度平缓地面,在所述坡度平缓地面适用简化的车辆动力学模型(纵向地面坡度和横向地面坡度为零),进一步提高了计算效率。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。
图1示出了根据本公开一个实施例提供的非标准道路场景的示意图。
图2示出了根据本公开一个实施例提供的矿区无人驾驶车辆预防翻车方法的示意图。
图3示出了根据本公开一个实施例提供的矿区无人驾驶车辆预防翻车装置的示意图。
图4示出了根据本公开一个实施例提供的电子设备的示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
所涉及的技术术语包括如下术语。
标准道路场景:标准道路是指符合道路交通相关法律法规规定的、具有特定标线标识等信息、道路路面经过平整硬化的道路。标准道路场景下,自动驾驶技术可以通过规范的道路标线、标识等信息来获取准确的道路信息,也可以与交通基础设施进行规范的信息交换,从而获得自动驾驶所必需的环境信息。
非标准道路场景:非标准道路场景是指不具备道路交通相关法律法规规定的标线标识等信息的道路。一部分非标准道路经过平整硬化,例如单位内部道路。还有一部分非标准道路,没有经过平整硬化,地面起伏不平,例如野外环境等自然场景,又例如矿山矿井等特定作业场景。
地面点云数据:车辆在行驶时,自动驾驶相关的传感器会获取周围地面的三维数据。例如基于激光雷达。由于传感器不会穿透地面,因此传感器获取的地形信息一般包括地面信息。在激光雷达获取的数据中,地面信息以点云的形式给出。
点云:点云是指点数据的集合。点云可以通过摄影测量原理或激光测量原理获得。根据激光测量原理获得的点云,包括三维坐标(XYZ)和激光回波强度(intensity),根据摄影测量原理获得的点云,包括三维坐标(XYZ)和颜色信息(RGB)。
三维点:三维点是指具有三维坐标属性的点,例如点云中的点即为三维点。
坐标系:在传感器采集时,获取的三维点的坐标系一般是传感器坐标系。根据数据处理的需要,三维点的坐标系有时候需要转换到其他坐标系,例如地面坐标系、车辆坐标系。
以下为实施例一。
图1是非标准道路场景的示意图。
目前的现有技术中,自动驾驶技术主要应用于标准道路场景。标准道路场景下,一般路面是平整硬化的。在标准道路场景下,车辆一般具有较高的车速。标准道路场景下,车辆行驶稳定性的研究主要集中于车辆行驶中惯性带来的侧翻问题。
非标准道路场景下,有一些道路是没有经过平整硬化的,例如野外环境等自然场景,例如乡村土路等农业环境场景,又例如矿山矿井等特定作业场景。非标准道路场景中的道路所在地面往往是不平整的、并且容易发生改变。例如在农业环境场景,道路所在地面有可能会随着车辆碾压、雨水侵蚀而起伏变化;又例如在矿山场景,道路所在地面有可能会随着矿物的堆积而改变。
综合来说,矿区等非标准道路场景下的车辆行驶稳定性的研究至少存在如下困难:地面起伏不平,导致车辆经常会面临车轮悬空、底盘剐蹭、车身倾角过大等威胁;尽管车辆行驶不快,行驶的稳定性也难以保障;此外,地面未经硬化,地面随着时间变化较频繁,如果采用人工测量地面起伏的方式则需要频繁动用人力物力。
本实施例基于车辆结构信息和地面地形信息,来更加准确和实时地估计车辆行驶的稳定性。
图2示出了矿区无人驾驶车辆预防翻车方法的示意图。
本公开实施例提供的矿区无人驾驶车辆预防翻车方法,包括如下步骤。
S110环境点云数据获取步骤,获取所述车辆所在环境的点云数据。
S120地面点云数据分割步骤,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据。
S130地面区域曲率计算步骤,计算所述地面点云数据的地面曲率。
S140行车路径稳定性初筛步骤,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛。
S150侧滑侧倾稳定性计算步骤,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
本实施例中,所述环境点云数据获取步骤S110包括如下实施方式。
在一种实施方式中,所述环境点云数据获取步骤中,获取所述点云数据的传感器位于所述车辆,或所述车辆以外的其他设备;所述点云数据来自于所述车辆行驶过程中实时采集的数据,或所述车辆行驶之前采集的历史数据。
在一种实施方式中,所述点云数据,来自于多个点云数据帧的配准和融合;所述多个点云数据帧,来自于同一个传感器在不同时刻采集的数据,或,来自于不同的传感器采集的数据。
在一种实施方式中,所述多个点云数据帧来自于同一个传感器在不同时刻采集的数据。所述传感器安装在所述车辆上时,当所述车辆在行驶过程中时,所述不同时刻采集的数据覆盖不同的环境区域。所述车辆的行驶速度相对于所述不同时刻的时间间隔相对较小,使得所述不同时刻采集的点云数据具有一定的重叠。
在一种实施方式中,所述多个点云数据帧来自于不同的传感器在同一时刻采集的数据。所述不同的传感器的采集范围具有一定的重叠,使得所述同一时刻采集的数据也具有一定的重叠。
在一种实施方式中,所述多个点云数据帧来自于不同的传感器在不同时刻采集的数据。所述不同的传感器的采集范围具有一定的重叠,使得所述不同时刻采集的数据也具有一定的重叠。
所述步骤S110的有益效果包括如下内容。
所述点云数据可以来自于所述车辆或所述车辆以外的设备;使得不必每台车辆都设置昂贵的点云采集设备;降低了使用成本。
所述点云数据可以来自于多个点云数据帧的配准和融合;使得所述点云数据可以避免车辆或其他移动障碍物对地面环境的遮挡;获得更充分的环境信息。
本实施例中,所述地面点云数据分割步骤S120包括如下实施方式。
在一种实施方式中,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据。
在一种实施方式中,基于随机采样一致性(RANSAC)算法,对所述点云数据进行分割,得到所述点云数据的不同子集。
在一种实施方式中,基于地面区域具有较大面积的连续平缓区域为特征,进行所述地面判别。
在一种实施方式中,基于种子点和区域生长算法来提取所述连续平缓区域;计算所述连续平缓区域中的点云占比,判断其属于地面区域的概率。
在一种实施方式中,基于预定义的非地面物体模型,从所述点云数据中分割出非地面点云子集。
在一种实施方式中,所述非地面物体模型,包括移动物体和非移动物体。所述移动物体,例如所述车辆或其他车辆,行人等;所述非移动物体,例如墙壁、屋顶等所述车辆无法行驶到达的物体。
在一种实施方式中,所述非地面物体模型为近似圆柱体,例如行人。
在一种实施方式中,所述非地面物体模型为近似长方体,例如车辆。
在一种实施方式中,所述非地面物体模型为墙体。
在一种实施方式中,从所述点云数据中选择能够匹配所述非地面物体模型的点云数据子集,将所述点云数据子集从所述点云数据中去除,获得所述地面点云数据。
在一种实施方式中,对所述地面点云数据进行滤波,去除明显不属于地面点云数据的点云数据。
在一种实施方式中,对第一点云数据帧分割得到的第一地面点云数据,和第二点云数据帧分割得到的第二地面点云数据进行融合。所述第一点云数据帧、第二点云数据帧可以来自同一个传感器在不同时刻的采集,可以来自于不同传感器在同一时刻或不同时刻的采集。所述第一点云数据帧和第二点云数据帧预先转换到相同坐标系并进行配准。所述第一地面点云数据和第二地面点云数据的融合,在相同或相近位置处的点云进行去重合并。所述第一地面点云数据和第二地面点云数据,进行局部邻域的点云数据平滑,以达到更好的融合效果。
在一种实施方式中,对多个点云数据帧分割得到的多个地面点云数据进行融合。
所述步骤S120的有益效果包括如下内容。
所述点云分割能够有效地提取出属于地面区域的点云数据。
预定义的非地面物体模型具有容易识别的外形特征,可以从所述点云数据中方便地去除非地面物体的影响。
受点云传感器的可能被其他车辆或物体遮挡,所述地面区域并不能覆盖所有地面。通过数据帧之间的数据融合,可以获得尽可能全面的地面区域。
本实施例中,所述地面区域曲率计算步骤S130中:计算所述地面点云数据的地面曲率。
在一种实施方式中,所述地面区域曲率计算步骤中,计算所述地面点云数据中的点云点的法线方向,基于所述点云点的邻域点来估计所述点云点对应的地面曲率。
在一种实施方式中,所述地面区域曲率计算步骤之前,对所述地面点云数据进行邻域平滑。
在一种实施方式中,基于所述点云点的邻域点来拟合所述邻域内的曲面,基于所述曲面计算所述点云点对应的地面曲率。
在一种实施方式中,所述曲面是二次曲面。
所述步骤S130的有益效果包括如下内容。
通过对于地面区域的曲率计算,为下一步计算车辆行驶路径上的地面坡度奠定了基础。
通过邻域内点云数据平滑,避免计算得到的地面曲率出现不符合实际情况的突变。
本实施例中,所述行车路径稳定性初筛步骤S140中,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛。
在一种实施方式中,所述地面点云数据并未覆盖所述规划行车路径,仅对所述地面点云数据覆盖的所述规划行车路径上的第一位置进行稳定性初筛。
在一种实施方式中,所述地面点云数据并未覆盖所述规划行车路径,对所述地面点云数据进行插值,使其覆盖所述规划行车路径。
在一种实施方式中,所述预计规划路径为一条曲线或线段。
在一种实施方式中,所述预计规划路径为两条曲线或线段围成的一个带状路径区域。
在一种实施方式中,所述行车路径稳定性初筛步骤中,基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度,包括如下步骤。
将所述路径拟合为曲线;获取所述第一位置在所述曲线上的切线方向,作为所述转弯方向。
获取所述第一位置在所述曲线上的法线方向;基于所述车辆的车宽和轴距,分别沿着所述法线方向和所述切线方向,获取所述车宽和所述轴距范围内的第一地面点云数据。
获取第一地面点云数据在所述切线方向上的平均坡度,作为所述纵向地面坡度;获取第一地面点云数据在所述法线方向上的平均坡度,作为所述侧向地面坡度。
在一种实施方式中,基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛,包括如下内容。
若所述纵向地面坡度超出所述车辆的最大爬坡角度,或,所述侧向地面坡度超出所述车辆的最大倾斜角度,则所述第一位置为初筛不稳定位置。
否则,所述第一位置为初筛稳定位置,调整所述规划行车路径以避免翻车。
在一种实施方式中,所述最大爬坡角度为所述车辆沿着所述车辆的纵向方向(即车头车尾连线的方向)所能爬上的最大角度、或所不能爬上的最小角度;所述最大倾斜角度为所述车辆沿着所述车辆的侧向方向(即连接车轮的车轴的方向)所能行驶的最大角度、或所不能行驶的最小角度。所述最大角度、最小角度是粗略估计的角度,并不能精确反映所述车辆在该角度一定会翻车。
在一种实施方式中,所述车辆的最大爬坡角度、最大倾斜角度由车辆厂商处获取,或,根据所述车辆的实际载重情况进行预先检测得到。
在一种实施方式中,响应与所述第一位置为初筛不稳定位置,基于所述车辆的规划行驶路径,重新规划新的规划行驶路径;所述新的规划行驶路径不包括所述第一位置。并基于所述新的规划行驶路径进行后续的稳定性初筛和侧滑侧倾稳定性计算步骤。
所述步骤S140的有益效果包括如下内容。
通过稳定性初筛,不需要较高的计算即可排除一些不适合车辆行驶的区域,提高了整体的计算效率。
在通过同一段路径时,不同型号的车辆由于其尺寸、底盘和动力配置的不同而具有不同的通过能力。因此在稳定性初筛阶段引入所述车辆的实际属性能够更精确地判断行驶稳定性。
本实施例中,所述侧滑侧倾稳定性计算步骤S150中,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
在一种实施方式中,所述侧滑侧倾稳定性计算步骤中,所述车辆动力学模型,沿着车辆纵向轴线指向车头方向为X轴正向,垂直于X轴且指向车身左侧方向为Y轴,垂直于XY平面且垂直向上为Z轴,根据牛顿第二定律计算所述车辆沿着X轴、Y轴、Z轴的受力平衡方程。
在一种实施方式中,所述侧滑侧倾稳定性计算步骤中,包括如下内容。
响应于所述最大横摆角超出预定横摆阈值,则所述车辆具有侧滑风险。
响应于所述最大侧倾角与所述侧向地面坡度之和超出预定侧倾阈值,则所述车辆具有侧倾风险。
响应于所述车辆具有侧滑风险或侧倾风险,调整所述规划行车路径以避免翻车。
在一种实施方式中,基于所述车辆的动力学模型计算不适合所述车辆行驶的障碍地面区域。
在一种实施方式中,所述车辆动力学模型包括,假设所述车辆所行驶的道路属于起伏路面(而不是位于平面上),需要通过所述车辆的惯性导航系统获取所述车辆的四轮在所述起伏路面上的相对高度。所述惯性导航系统还包括实时定位系统、陀螺仪等导航定位部件。
在一种实施方式中,所述车辆动力学模型,将所述起伏路面模型简化为两个参数:所述车辆车尾指向车头方向(纵向方向,X轴)上的纵向地面坡度,和与所述纵向方向垂直且指向所述车辆左侧方向(侧向方向,Y轴)上的侧向地面坡度。
在一种实施方式中,求解所述车辆动力学模型之前,获取所述车辆的质心距离两个前轮中点的距离为d1,所述车辆的质心距离两个后轮中点的距离为d2,所述车辆的质心距离地面的距离为d3,所述车辆的前轮间距、后轮间距均为d4,所述车辆的车辆质心到侧倾中心的距离d5,所述车辆的绕Z轴的横摆转动惯量,所述车辆绕X轴的侧倾转动惯量,所述车辆的横摆侧倾转动惯量积。
在一种实施方式中,求解所述车辆动力学模型时,获取所述车辆在所述第一位置处的前轮偏角和后轮偏角。所述前轮偏角和所述后轮偏角通过所述车辆的总线获取。
在一种实施方式中,所述车辆的后轮不可转动,所述后轮偏角为零。
在一种实施方式中,求解所述车辆动力学模型时,获取所述车辆在所述第一位置处的速度和加速度。所述速度和所述加速度通过所述车辆的惯性导航部件获取。
在一种实施方式中,将上述参数导入所述车辆动力学模型在X轴、Y轴、Z轴上的受力平衡方程。所述受力平衡方程属于现有技术,再次不再赘述。虽然所述受力平衡方程属于现有技术,但本申请创造性地在所述车辆在非标准道路场景(特别是起伏路面,例如矿场等场景)中,进行所述车辆稳定性的初筛和侧滑侧倾稳定性计算,并不属于现有技术。
在一种实施方式中,所述车辆为静止或匀速直线状态,所述车辆前轮转角为零。
在一种实施方式中,基于所述地面曲率将所述地面区域划分为坡度较大地面或坡度平缓的地面。在所述平缓地面求解所述车辆动力学模型时,所述第一位置处的纵向地面坡度和横向地面坡度可以简化为零,以提高计算效率。
所述步骤S150的有益效果包括如下内容。
通过对所述车辆稳定性进行初筛和侧滑侧倾稳定性计算,兼顾了快速排除不可通行区域,并精确求解车辆预定速度和转弯角度时的起伏地面行驶稳定性;改变了以往仅仅通过人工经验粗略估计而不够精确的问题。
通过将所述地面区域进一步划分为坡度较大地面和坡度平缓地面,在所述坡度平缓地面适用简化的车辆动力学模型(纵向地面坡度和横向地面坡度为零),进一步提高了计算效率。
本实施例并不限定应用场景和具体实现,其可以根据实际情况确定,此处不再赘述。
本实施例可以单独被实施,也可以与其他实施例一起被实施。
以下为实施例二。
针对上述非标准道路场景的问题,本公开实施例提供了一种驾驶辅助装置。驾驶辅助装置100如附图3所示,包括如下模块。
环境点云数据获取模块110,获取所述车辆所在环境的点云数据。
地面点云数据分割模块120,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据。
地面区域曲率计算模块130,计算所述地面点云数据的地面曲率。
行车路径稳定性初筛模块140,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛。
侧滑侧倾稳定性计算模块150,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
上述装置的各个模块的有益效果参见前述实施例,此处不再赘述。
值得说明的是,本公开实施例并不限定上述装置的应用场景的具体实现,其可以根据实际情况确定,此处不再赘述。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如,处理模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现,此外,也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上处理模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
本实施例可以单独被实施,也可以与其他实施例一起被实施。
以下为实施例三。
如图4所示,在本实施例中,一种电子设备600,包括:至少一个处理器601,存储器608,以及与其他电子设备通信的通信接口609;所述存储器608存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备能够执行前述实施例中的矿区无人驾驶车辆预防翻车方法。
电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。该电子设备可以是上述的第一设备,也可以是车辆控制设备,或者车辆上的控制中心,对此本方案不做限制。
如图4所示,该电子设备还包括:一个或多个ROM602、RAM603、总线604、I/O接口605、输入单元606、输出单元607等,以及用于连接各部件的接口,包括高速接口和低速接口,以及与其他电子设备进行通信的通信接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上 以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。本实施例中以一个处理器601为例。
存储器608即为本公开所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本公开所提供的方法。本公开的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的方法。存储器608作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、 非瞬时计算机可执行程序以及模块,如本公开实施例中的方法对应的程序指令/模块。处理器601通过运行存储在存储器608中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器608可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据自动驾驶车辆的控制的电子设备的使用所创建的数据等。此外,存储器608可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器608可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络连接至数据处理的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备的各个部件可以通过总线或者其他方式连接,本实施例中以通过总线连接为例。
输入单元606可接收输入的数字或字符信息,以及产生与数据处理的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出单元607可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
本实施例可以单独被实施,也可以与其他实施例一起被实施。
以下为实施例四。
根据本实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据前述实施例所述的矿区无人驾驶车辆预防翻车方法。
本实施例可以单独被实施,也可以与其他实施例一起被实施。
应该理解,本公开描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数 据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。可以将本公开描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据 服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界 面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计 算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本公开在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种矿区无人驾驶车辆预防翻车方法,包括:
环境点云数据获取步骤,获取所述车辆所在环境的点云数据;
地面点云数据分割步骤,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据;
地面区域曲率计算步骤,计算所述地面点云数据的地面曲率;
行车路径稳定性初筛步骤,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛;
侧滑侧倾稳定性计算步骤,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
2.根据权利要求1所述的方法,所述环境点云数据获取步骤中,获取所述点云数据的传感器位于所述车辆,或所述车辆以外的其他设备;所述点云数据来自于所述车辆行驶过程中实时采集的数据,或所述车辆行驶之前采集的历史数据。
3.根据权利要求1所述的方法,所述地面点云数据分割步骤中,对所述地面点云数据进行滤波。
4.根据权利要求1所述的方法,所述地面区域曲率计算步骤中,计算所述地面点云数据中的点云点的法线方向,基于所述点云点的邻域点来估计所述点云点对应的地面曲率。
5.根据权利要求1所述的方法,所述行车路径稳定性初筛步骤中,基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度,包括:
将所述路径拟合为曲线;获取所述第一位置在所述曲线上的切线方向,作为所述转弯方向;
获取所述第一位置在所述曲线上的法线方向;基于所述车辆的车宽和轴距,分别沿着所述法线方向和所述切线方向,获取所述车宽和所述轴距范围内的第一地面点云数据;
获取第一地面点云数据在所述切线方向上的平均坡度,作为所述纵向地面坡度;获取第一地面点云数据在所述法线方向上的平均坡度,作为所述侧向地面坡度。
6.根据权利要求5所述的方法,所述行车路径稳定性初筛步骤中,基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛,包括:
若所述纵向地面坡度超出所述车辆的最大爬坡角度,或,所述侧向地面坡度超出所述车辆的最大倾斜角度,则所述第一位置为初筛不稳定位置;
否则,所述第一位置为初筛稳定位置,调整所述规划行车路径以避免翻车。
7.根据权利要求1所述的方法,所述侧滑侧倾稳定性计算步骤中,所述根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车,包括:
响应于所述最大横摆角超出预定横摆阈值,则所述车辆具有侧滑风险;
响应于所述最大侧倾角与所述侧向地面坡度之和超出预定侧倾阈值,则所述车辆具有侧倾风险;
响应于所述车辆具有侧滑风险或侧倾风险,调整所述规划行车路径以避免翻车。
8.一种矿区无人驾驶车辆预防翻车装置,包括:
环境点云数据获取模块,获取所述车辆所在环境的点云数据;
地面点云数据分割模块,将所述点云数据进行点云分割,得到所述点云数据的不同子集;将所述不同子集进行地面判别,将包含部分地面的子集进行二次分割,得到地面点云子集和非地面点云子集;所述地面点云子集组成地面点云数据;
地面区域曲率计算模块,计算所述地面点云数据的地面曲率;
行车路径稳定性初筛模块,获取所述车辆的规划行车路径;基于所述地面点云数据计算所述路径上的第一位置处的转弯方向、纵向地面坡度、侧向地面坡度;基于所述纵向地面坡度、侧向地面坡度进行稳定性初筛;
侧滑侧倾稳定性计算模块,基于车辆动力学模型,根据所述第一位置处的转弯方向、所述纵向地面坡度、所述侧向地面坡度,以及所述车辆在所述第一位置处的规划车速范围,计算所述车辆在所述第一位置处的最大横摆角和最大侧倾角;并根据所述最大横摆角和所述最大侧倾角,调整所述规划行车路径以避免翻车。
9.一种电子设备,其特征在于,包括:
至少一个处理器,存储器,以及与其他电子设备通信的通信接口;
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述电子设备能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310265942.1A CN115973131B (zh) | 2023-03-20 | 2023-03-20 | 一种矿区无人驾驶车辆预防翻车方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310265942.1A CN115973131B (zh) | 2023-03-20 | 2023-03-20 | 一种矿区无人驾驶车辆预防翻车方法和相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115973131A CN115973131A (zh) | 2023-04-18 |
CN115973131B true CN115973131B (zh) | 2023-06-13 |
Family
ID=85968573
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310265942.1A Active CN115973131B (zh) | 2023-03-20 | 2023-03-20 | 一种矿区无人驾驶车辆预防翻车方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115973131B (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10569651B2 (en) * | 2017-05-15 | 2020-02-25 | Baidu Usa Llc | Speed control and steering control assistant based on pitch status and roll status of autonomous driving vehicle |
CN108099919B (zh) * | 2017-11-09 | 2019-01-29 | 珠海格力电器股份有限公司 | 车辆防侧翻预警方法、装置、存储介质及车辆 |
CN108773376B (zh) * | 2018-05-07 | 2019-12-24 | 南京航空航天大学 | 一种融合驾驶意图的汽车多目标分层协同控制与优化方法 |
CN111703413B (zh) * | 2019-03-18 | 2022-07-15 | 毫末智行科技有限公司 | 自动驾驶车辆的横向控制安全监测方法及系统 |
CN111391595B (zh) * | 2020-03-02 | 2021-10-29 | 南京林业大学 | 车辆防侧翻主动倾摆模型预测控制方法 |
CN111239757B (zh) * | 2020-03-12 | 2022-04-19 | 湖南大学 | 一种路面特征参数自动提取方法及系统 |
WO2021201304A1 (ko) * | 2020-03-30 | 2021-10-07 | 엘지전자 주식회사 | 자율주행을 보조하는 방법 및 장치 |
CN112141080B (zh) * | 2020-09-08 | 2022-02-15 | 北京踏歌智行科技有限公司 | 一种用于矿区运输车辆防侧翻控制方法 |
CN113044029B (zh) * | 2021-03-19 | 2022-03-15 | 北京理工大学 | 一种保证无人车在三维地形上安全行驶的运动规划方法 |
CN113238564A (zh) * | 2021-06-07 | 2021-08-10 | 江苏理工学院 | 一种纯电动无人矿用自卸车轨迹规划方法及设备 |
CN113619564A (zh) * | 2021-08-05 | 2021-11-09 | 盐城工学院 | 一种无人搬运车主动防侧翻控制方法 |
CN115728781A (zh) * | 2021-08-25 | 2023-03-03 | 中车株洲电力机车研究所有限公司 | 一种基于激光雷达点云的小障碍物检测方法及装置 |
CN114228690B (zh) * | 2021-11-16 | 2023-05-23 | 扬州大学 | 一种基于ddpg和迭代控制的自动驾驶车辆侧倾控制方法 |
CN114842438B (zh) * | 2022-05-26 | 2024-06-14 | 重庆长安汽车股份有限公司 | 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 |
CN115438430B (zh) * | 2022-11-08 | 2023-01-24 | 上海伯镭智能科技有限公司 | 一种矿区车辆行驶稳定性预测方法和装置 |
-
2023
- 2023-03-20 CN CN202310265942.1A patent/CN115973131B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115973131A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11198341B2 (en) | Trailer detection and autonomous hitching | |
AU2015234395B2 (en) | Real-time range map generation | |
EP3407294A1 (en) | Information processing method, device, and terminal | |
CN112154303B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN106908775A (zh) | 一种基于激光反射强度的无人车实时定位方法 | |
JP6020729B2 (ja) | 車両位置姿勢角推定装置及び車両位置姿勢角推定方法 | |
CN107850446A (zh) | 自身位置推定装置及自身位置推定方法 | |
US20190283760A1 (en) | Determining vehicle slope and uses thereof | |
CN114616158A (zh) | 自动驾驶方法、装置和存储介质 | |
CN114663529B (zh) | 一种外参确定方法、装置、电子设备及存储介质 | |
CN113112491A (zh) | 一种悬崖检测方法、装置、机器人及存储介质 | |
CN115438430B (zh) | 一种矿区车辆行驶稳定性预测方法和装置 | |
CN115973131B (zh) | 一种矿区无人驾驶车辆预防翻车方法和相关装置 | |
CN116772858A (zh) | 车辆定位方法、装置、定位设备及存储介质 | |
CN114677660B (zh) | 模型训练和道路检测方法及装置 | |
CN114789735A (zh) | 一种高效的驾驶辅助方法、装置、设备和车辆 | |
CN116257205A (zh) | 图像抖动补偿方法、装置、抬头显示设备、载具及介质 | |
US20220343101A1 (en) | Systems and methods for producing amodal cuboids | |
McFall | Using visual lane detection to control steering in a self-driving vehicle | |
WO2020223868A1 (zh) | 地面信息处理方法、装置和无人驾驶车辆 | |
CN114612895A (zh) | 非标准道路场景中的道路检测方法及装置 | |
CN112947428A (zh) | 一种四足机器人的移动控制方法及装置 | |
CN117631676B (zh) | 一种矿区无人驾驶车辆自动引导前进的方法和装置 | |
GB2577676A (en) | Control system for a vehicle | |
CN117649583B (zh) | 一种自动驾驶车辆行驶实时道路模型融合方法 |
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 |