CN116533998B - 车辆的自动驾驶方法、装置、设备、存储介质及车辆 - Google Patents
车辆的自动驾驶方法、装置、设备、存储介质及车辆 Download PDFInfo
- Publication number
- CN116533998B CN116533998B CN202310808687.0A CN202310808687A CN116533998B CN 116533998 B CN116533998 B CN 116533998B CN 202310808687 A CN202310808687 A CN 202310808687A CN 116533998 B CN116533998 B CN 116533998B
- Authority
- CN
- China
- Prior art keywords
- target
- point
- detection
- vehicle
- plane
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 149
- 230000015654 memory Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000007787 solid Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/50—Barriers
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及无人驾驶技术领域,公开了车辆的自动驾驶方法、装置、设备、存储介质及车辆,包括:获取目标车辆预设范围内的目标点云,对目标点云进行平面拟合,确定拟合平面;若根据拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间距离最小的目标检测点;基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系;根据位置关系对目标车辆进行控制。本方法只需对目标点云进行一次平面拟合,基于拟合平面的属性判断是否存在目标障碍物,可避免预设范围内其他非目标障碍物造成的干扰;根据拟合平面上的目标检测点确定目标障碍物与目标车辆的位置关系,资源占用压力小,且可提高检测效率。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及车辆的自动驾驶方法、装置、设备、存储介质及车辆。
背景技术
随着无人驾驶技术的发展,港口建设逐步迈向无人化,尤其是采用无人驾驶集装箱卡车,可大幅减少人工成本。港口集装箱卡车无人化运输需要保障车辆和集装箱的安全,避障功能是无人驾驶系统的基本需求。避障的实现一般是依赖车端的传感器对车辆行驶过程中遇到的障碍物进行感知,将多传感器得到的障碍物信息进行融合,融合结果发送给车辆控制系统从而指导车辆行驶。大部分情况下是对地面障碍物进行检测,比如港口的行人、车辆、锥桶、锁站等。在港口中,可能会存在被吊起的集装箱,这类障碍物经常会出现在堆场和岸桥下。由于无人集卡在作业过程中需要多次经过堆场和岸桥,因此,有效识别悬空障碍物的高度和位置有助于指导无人集卡做出正确驾驶决策,避免安全事故发生的情况下高效通行。
现有的识别障碍物的技术方案中,通常以激光雷达为主,采用聚类凸包检测方法或基于深度学习的点云3D检测方法,还需新增一套软硬件方案,无论是传统聚类算法还是基于深度学习的方法,需要的计算和存储资源都不容忽视,可能导致系统时延增加,影响决策的效率。
发明内容
有鉴于此,本发明提供了一种车辆的自动驾驶方法、装置、设备、存储介质及车辆,以解决车辆自动驾驶过程中对空中的障碍物检测效率不高的问题。
第一方面,本发明提供了一种车辆的自动驾驶方法,所述方法包括:
获取目标车辆预设范围内的目标点云;
对所述目标点云进行平面拟合,确定拟合平面;
若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点,并在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点;
基于所述目标检测点的坐标确定所述目标障碍物与目标车辆的位置关系;
基于所述位置关系对所述目标车辆进行控制。
本实施例提供的车辆的自动驾驶方法,获取目标车辆预设范围内的目标点云,对目标点云进行平面拟合,确定拟合平面;若根据拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间距离最小的目标检测点;基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系;根据位置关系对目标车辆进行控制。本方法只需对目标点云进行一次平面拟合,基于拟合平面的属性判断是否存在目标障碍物,可避免预设范围内其他非目标障碍物造成的干扰;根据拟合平面上的目标检测点确定目标障碍物与目标车辆的位置关系,CPU资源的占用压力小,且可提高整体的检测效率。
在一种可选的实施方式中,在所述若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点之前,包括:
获取所述目标障碍物对应的平面属性阈值,所述平面属性阈值是根据所述目标障碍物的尺寸确定的;
将所述拟合平面的属性与对应的所述平面属性阈值进行比较,所述拟合平面的属性包括点云数量、法向量的模以及所述拟合平面的尺度范围;
当所述拟合平面的属性大于所述平面属性阈值,则确定所述预设范围内存在目标障碍物。
在一种可选的实施方式中,所述获取检测基准点,包括:
基于所述目标车辆确定目标坐标系;
基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点。
在一种可选的实施方式中,所述基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点,包括:
基于所述拟合平面的属性确定所述检测基准点在目标坐标系上的坐标范围;
基于所述坐标范围在所述目标坐标系上确定两个检测基准点,所述检测基准点以所述目标坐标系的原点为中心对称设置。
在一种可选的实施方式中,所述在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点,包括:
基于所述拟合平面中的点云坐标对所述拟合平面中的点云进行排序,得到排序后的点云序列;
从所述点云序列查询与所述检测基准点之间的距离最小的目标检测点。
在一种可选的实施方式中,当所述检测基准点大于一个,所述基于所述目标检测点的坐标确定所述目标障碍物与所述目标车辆的位置关系,包括:
比较所述目标检测点的坐标;
基于对所述目标检测点的坐标的比较结果,确定所述目标障碍物与所述目标车辆之间的高度距离和水平距离。
在一种可选的实施方式中,所述获取目标车辆预设范围内的目标点云,包括:
获取点云采集设备采集到的第一点云;
筛选所述第一点云,从所述第一点云中获取所述目标车辆的预设范围内的第二点云;
从所述第二点云中去除所述目标车辆的点云,确定目标点云。
在一种可选的实施方式中,所述基于所述位置关系对所述目标车辆进行控制,包括:
当所述目标障碍物与所述目标车辆之间的高度距离和水平距离小于预设停车阈值,控制所述目标车辆停止行驶。
第二方面,本发明提供了一种车辆的自动驾驶装置,所述装置包括:
点云获取模块,用于获取目标车辆预设范围内的目标点云;
平面拟合模块,用于对所述目标点云进行平面拟合,确定拟合平面;
检测点获取模块,用于若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点,并在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点;
位置检测模块,用于基于所述目标检测点的坐标确定所述目标障碍物与目标车辆的位置关系;
车辆控制模块,用于基于所述位置关系对所述目标车辆进行控制。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的车辆的自动驾驶方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的车辆的自动驾驶方法。
第五方面,本发明提供了一种车辆,包括:
点云采集设备,用于采集所述目标车辆预设范围内的目标点云;
计算机设备,与点云采集设备连接,用于执行上述第一方面或其对应的任一实施方式的车辆的自动驾驶方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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是根据本发明实施例的车辆的自动驾驶方法的流程示意图;
图2是根据本发明实施例的激光雷达检测示意图;
图3是根据本发明实施例的岸桥横梁的点云示意图;
图4是根据本发明实施例的目标坐标系的示意图;
图5是根据本发明实施例的障碍物的检测装置的结构框图;
图6是本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
避障功能是无人驾驶车辆的一项重要的基本功能,避障功能的实现一般是依赖车辆上安装的传感器,通过传感器对障碍物进行感知,之后可能会将传感器得到的障碍物信息进行处理和融合,将融合结果发送给车辆控制系统用于控制车辆行驶。当前无人驾驶过程中遇到的障碍物是位于地面上的,例如行人、车辆等,然而在港口或工地等场景中,可能会存在被吊起的物体,例如集装箱。在港口的堆场和岸桥。在港口中,无人驾驶车辆会多次经过堆场和岸桥,因此需要有效识别空中的障碍物,从而控制车辆的行驶状态,避免安全事故的发生。基于此,本发明实施例提供了一种车辆的自动驾驶方法,以解决对空中的障碍物检测效率不高的问题。
根据本发明实施例,提供了一种车辆的自动驾驶方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种车辆的自动驾驶方法,可应用于车辆,图1是根据本发明实施例的车辆的自动驾驶方法的流程图,如图1所示,该流程包括如下步骤:
步骤S11,获取目标车辆预设范围内的目标点云。
目标车辆指带有自动驾驶功能的车辆,可以是无人驾驶车辆,根据应用场景,目标车辆可以是集装箱卡车、平板车等。本方案主要应用于可能存在悬空障碍物的场景,例如港口的堆场、岸桥区域,可结合车辆的定位信息以及障碍物作业位置,判断车辆是否行使至可能存在悬空障碍物的目标场地,若行驶至目标场地,则开始获取目标点云以便后续进行障碍物的检测,一定程度上节省车辆的能耗,减少资源占用。
通过点云采集设备获取目标车辆预设范围内的目标点云,点云采集设备可以是雷达,雷达可使用固态、半固态或机械旋转式激光雷达等,为了保证点云采集设备能够扫描到目标车辆上前方和下前方一定竖直角度的目标,该点云采集设备可安装于目标车辆的顶部或车头前部。点云采集设备的扫描视野主要指竖直方向上的扫描范围。当点云采集设备使用机械雷达,可以竖直安装;当点云采集设备为固态雷达或混合雷达,需要倾斜安装,使得竖直方向的扫描范围满足检测需求。
为了目标车辆的安全通行或能够及时停车,预设范围设置的范围需要根据实际需求的停车距离、规控停车策略等确定,若预设范围内出现障碍物,则可根据需求控制目标车辆改变行车路线或停止。
在目标车辆行驶过程中,点云采集设备基于固定周期定时进行点云采集,采集的范围通常会大于预设范围,因此需要对点云采集设备采集的点云进行过滤,滤除预设范围以外的点云。预设范围内的干扰点云主要为目标车辆,由于点云采集设备安装在目标车辆上且可以旋转,因此可能会采集到目标车辆自身的点云,在这种情况下,需要将预设范围内目标车辆自身的点云滤除。
当点云采集设备为激光雷达,则在点云采集之前还需进行标定,以应用场景在港口,障碍物为悬空柜为例,如图2所示。当港口岸桥或场桥横梁切面为矩形时,可将目标车辆行驶至岸桥或场桥下方采集岸桥或场桥横梁垂直面和底面的点云,采集到的岸桥横梁的点云如图3所示。针对横梁的垂直面和水平地面的点云,分别进行平面拟合,得到垂直面法向量(图中向右的箭头)和底面法向量(图中向上的箭头),分别对应目标车辆的车身坐标系的x轴正方向和z轴正方向。通过罗德里格斯公式(计算从一个向量旋转到另一个向量的旋转矩阵)计算垂直面法向量旋转到x轴(1,0,0)的旋转矩阵A,接着计算旋转后的底面法向量旋转到z轴(0,0,1)的旋转矩阵B,B*A即为总的旋转矩阵,可将雷达坐标系方向标定到与车身坐标系方向一致。通过测量或者利用预设定的辅助平面的点云得到雷达坐标系原点到车身坐标系原点的平移分量,可实现从雷达坐标系标定到车身坐标系。其中,在进行平面拟合时,平面点云数N需要达到一定要求,比如N=500,在选择拟合平面的点云范围时,覆盖的区域需要足够大。车顶雷达标定除了利用岸桥/场桥横梁,还可以利用吊起的障碍物进行标定,具体不作限制。
点云采集设备在标定后将采集到的点云转换到目标车辆的车身坐标系,之后再对点云进行滤除,得到预设范围内的目标点云。
步骤S12,对目标点云进行平面拟合,确定拟合平面。
采集到的目标点云为离散的点云,对目标点云进行一次平面拟合,平面拟合的方式不作限定,例如:最小二乘法、RANSAC算法等。以RANSAC算法为例,通过PCL(Point CloudLibrary)点云库中的RANSAC算法对目标点云进行平面拟合,PCL点云库是一种大型跨平台开源C++编程库,它实现了大量点云相关的通用算法和高效数据结构,涉及到点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、可视化等。
对目标点云进行一次平面拟合,得到的拟合平面可能是障碍物的底面或垂直面,可根据拟合平面的各法向量的模进行判断,具体地,在平面方程中判断法向量的各个分量的模,若拟合平面为障碍物的垂直面,其垂直面法向量的模接近1;若拟合平面为障碍物的底面,其底面法向量的模接近1。
步骤S13,若基于拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间的距离最小的目标检测点。
目标障碍物指悬空的物体,可包括工地中被塔吊吊起的物体、港口中被吊具吊起的集装箱等。
根据拟合平面的属性判断预设范围内是否存在目标障碍物,可根据目标障碍物的属性设置判断条件,判断拟合平面的属性是否符合判断条件,符合判断条件即可确定预设范围内存在目标障碍物,通过这种方法可排除预设范围内可能存在的其他非目标障碍物,例如堆场出入口的横向灯杆。拟合平面的属性可以包括点云数量、尺寸(长和宽)等。
若确定预设范围内存在目标障碍物,则获取检测基准点,检测基准点用于辅助获取目标障碍物上与目标车辆之间的距离最小的点。在拟合平面上查询与检测基准点之间距离最近的目标检测点,目标检测点的数量与检测基准点的数量对应。
步骤S14,基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系。
若目标检测点的数量大于1,则需对目标检测点的坐标进行比较,获取与目标车辆之间的距离最小的点,根据该点的坐标以及目标车辆的坐标确定该目标障碍物与目标车辆之间的位置关系。
若目标检测点的数量为1,则可直接根据目标检测点的坐标确定目标障碍物与目标车辆的位置关系。
步骤S15,基于位置关系对目标车辆进行控制。
可根据目标车辆的停车策略设置停车条件,若位置关系不满足停车条件,则可表明目标障碍物对目标车辆的行驶不会造成影响,无需控制目标车辆停车。若达到停车条件,则需要控制目标车辆停车或控制目标车辆重新规划路线。
本实施例提供的车辆的自动驾驶方法,获取目标车辆预设范围内的目标点云,对目标点云进行平面拟合,确定拟合平面;若根据拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间距离最小的目标检测点;基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系;根据位置关系对目标车辆进行控制。本方法只需对目标点云进行一次平面拟合,基于拟合平面的属性判断是否存在目标障碍物,可避免预设范围内其他非目标障碍物造成的干扰;根据拟合平面上的目标检测点确定目标障碍物与目标车辆的位置关系,CPU资源的占用压力小,且可提高整体的检测效率。
在一些可选的实施方式中,图1所述的车辆的自动驾驶方法中步骤S13之前,包括如下步骤:
S21,获取目标障碍物对应的平面属性阈值。
平面属性阈值是根据目标障碍物的尺寸确定的,对于目标障碍物不同的平面设置对应的平面属性阈值,尺寸可包括长度、宽度、面积大小等。
S22,将拟合平面的属性与对应的平面属性阈值进行比较。
拟合平面的属性包括点云数量、法向量的模以及拟合平面的尺度范围,可根据实际需求设置用于判断的拟合平面的属性。
拟合平面可能是障碍物的底面或垂直面,在根据拟合平面的法向量的模判断拟合平面为哪个面之后,将拟合平面的属性与该平面对应的平面属性阈值进行比较。
S23,当拟合平面的属性大于平面属性阈值,则确定预设范围内存在目标障碍物。
其中,可将预设范围划分为远处和近处,对于在目标车辆不同距离上的拟合平面设置不同的点云数量阈值,当点云数量大于一定点云数量阈值才是有效的目标障碍物的表面。
以目标障碍物为集装箱为例,集装箱为规则长方体。可在大于15m的位置点云数量设置为200,小于15m的位置点云数量设置为300,判断目标车辆与拟合平面之间的距离,进而确定对应的点云阈值,将点云数量与点云阈值比较;计算法向量的模,垂直面和底面的法向量的模的阈值可设置为1,将法向量的模与阈值进行比较;尺度范围根据集装箱通常的底面长度和高度分别设置长度阈值和高度阈值,若拟合平面为垂直面,则将其高度与高度阈值进行比较,若拟合平面为底面,则将其长度与长度阈值进行比较。综合以上比较结果判断预设范围内是否存在集装箱。
本实施例提供的方法,根据拟合平面的属性判断是否存在悬空柜,综合多种属性进行判断,可避免预设范围内其他非目标障碍物的干扰。
在本实施例中提供了一种车辆的自动驾驶方法,该方法包括如下步骤:
步骤S31,获取目标车辆预设范围内的目标点云。
详细请参见图1所示实施例的步骤S11,在此不再赘述。
步骤S32,对目标点云进行平面拟合,确定拟合平面。
详细请参见图1所示实施例的步骤S12,在此不再赘述。
步骤S33,若基于拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间的距离最小的目标检测点。
具体地,上述步骤S33包括:
步骤S331,基于目标车辆确定目标坐标系。
目标坐标系为目标车辆的车身坐标系,如图4所示,以车辆行驶方向为x轴正方向为例,目标障碍物在x轴方向上,垂直方向为z轴。
步骤S332,基于拟合平面的属性,在目标坐标系上获取检测基准点。
拟合平面的属性包括尺度范围,检测基准点在目标坐标系的y轴上,且其y坐标大于拟合平面的y坐标。
步骤S333,在拟合平面查询与检测基准点之间的距离最小的目标检测点。
具体地,上述步骤S333包括:
步骤b1,基于拟合平面中的点云坐标对拟合平面中的点云进行排序,得到排序后的点云序列。
在对目标点云进行平面拟合的过程中会对点云坐标进行排序,得到排序后的点云序列,并存储点云序列。
步骤b2,从点云序列查询与检测基准点之间的距离最小的目标检测点。
在查询目标检测点时,从点云序列中查询与检测基准点之间距离最小的目标检测点,检测基准点与目标检测点一一对应。
步骤S34,基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系。
详细请参见图1所示实施例的步骤S14,在此不再赘述。
步骤S35,基于位置关系对目标车辆进行控制。
详细请参见图1所示实施例的步骤S15,在此不再赘述。
本实施例提供的车辆的自动驾驶方法,在目标坐标系上设置检测基准点,从拟合平面中获取与检测基准点最近的目标检测点,根据目标检测点的坐标确定目标障碍物与目标车辆的位置关系,避免同时拟合垂直面和底面两个平面以及遍历平面点云求位置带来的资源占用,提高计算效率。
在一些可选的实施方式中,上述步骤S332包括如下步骤:
步骤a1,基于拟合平面的属性确定检测基准点在目标坐标系上的坐标范围。
根据拟合平面中的点云坐标确定其y坐标的范围,在目标坐标系的y轴上设置检测基准点,检测基准点的y坐标覆盖拟合平面的y坐标范围。
步骤a2,基于坐标范围在目标坐标系上确定两个检测基准点,检测基准点以目标坐标系的原点为中心对称设置。
在y轴上取目标坐标系原点左右的两个检测基准点,检测基准点以目标坐标系的原点为中心对称设置。
由于点云采集设备的安装位置导致标定过程中引入误差,离目标坐标系原点越远误差越大,采用对称设置检测基准点可减少点云采集设备标定带来的误差,便于提高对目标障碍物的位置检测。
在一些可选的实施方式中,当所述检测基准点大于一个,上述图1所示的实施例中的步骤S14包括如下步骤:
步骤S41,比较目标检测点的坐标。
目标检测点与检测基准点一一对应,以图4坐标系为例,当存在大于一个目标检测点,比较目标检测点之间的x坐标和z坐标,确定最小的x坐标值和z坐标值。
步骤S42,基于对目标检测点的坐标的比较结果,确定所述目标障碍物与所述目标车辆之间的高度距离和水平距离。
在确定最小的x坐标值和z坐标值后,可确定目标障碍物相对于xy轴所在平面的最低高度、目标障碍物相对于yz轴所在平面的最近距离。基于目标车辆的坐标、目标障碍物相对于xy轴所在平面的最低高度、目标障碍物相对于yz轴所在平面的最近距离,可得到目标障碍物与目标车辆之间的高度距离以及水平距离。
本实施例提供的方法,可有效利用平面拟合的结果,通过目标检测点拟合了一条直线,该直线即目标障碍物垂直面与底面的交线,进而确定目标障碍物与目标车辆之间的相对距离,可降低计算复杂度,提高计算效率。
在本实施例中提供了一种车辆的自动驾驶方法,该方法包括如下步骤:
步骤S51,获取目标车辆预设范围内的目标点云。
具体地,上述步骤S51包括:
步骤S511,获取点云采集设备采集到的第一点云。
第一点云指点云采集设备在可采集范围内采集到的所有点云。点云采集设备可以为雷达,雷达可使用固态、半固态或机械旋转式激光雷达。
步骤S512,筛选第一点云,从第一点云中获取目标车辆的预设范围内的第二点云。
滤除预设范围以外的第一点云,滤除后得到第二点云。
步骤S513,从第二点云中去除目标车辆的点云,确定目标点云。
预设范围内的干扰点云主要为目标车辆,由于点云采集设备安装在目标车辆上且可以旋转,因此可能会采集到目标车辆自身的点云,在这种情况下,需要将预设范围内目标车辆的点云滤除,得到目标点云。
步骤S52,对目标点云进行平面拟合,确定拟合平面。
详细请参见图1所示实施例的步骤S12,在此不再赘述。
步骤S53,若基于拟合平面的属性确定预设范围内存在目标障碍物,获取检测基准点,并在拟合平面查询与检测基准点之间的距离最小的目标检测点。
详细请参见图1所示实施例的步骤S13,在此不再赘述。
步骤S54,基于目标检测点的坐标确定目标障碍物与目标车辆的位置关系。
详细请参见图1所示实施例的步骤S14,在此不再赘述。
步骤S55,基于位置关系对目标车辆进行控制。
详细请参见图1所示实施例的步骤S15,在此不再赘述。
本实施例提供的车辆的自动驾驶方法,通过滤除得到目标点云,避免预设范围以外其他物体以及预设范围以内目标车辆的干扰,提高后续目标障碍物检测的准确度,减少点云数量可提高平面拟合的效率。
在一些可选的实施方式中,上述图1所示的实施例中的步骤S15包括:
当目标障碍物与目标车辆之间的高度距离和水平距离小于预设停车阈值,控制目标车辆停止行驶。
通常目标障碍物可能会垂直上下移动,由于车辆运输要求安全平稳行驶,在目标车辆行驶过程中会不断采集目标障碍物与自身之间的高度距离和水平距离。高度距离指目标障碍物的最低点至目标车辆的最高点之间的距离,水平距离指目标障碍物与目标车辆最前端之间的距离。预设停车阈值是根据目标车辆的停车策略设置的,其中包括高度距离阈值和水平距离阈值,当高度距离和水平距离同时小于预设停车阈值,表明目标障碍物可能会影响目标车辆的行驶,则需控制目标车辆停止行驶。当高度距离和水平距离中的任一项小于预设停车阈值,表明目标障碍物会影响目标车辆的行驶,可对目标车辆的行驶速度和路线进行规划。
当目标障碍物与目标车辆之间的水平距离大于水平距离阈值,进一步判断目标障碍物的高度距离,当高度距离小于高度距离阈值,表明目标障碍物会影响目标车辆的行驶,可对目标车辆的行驶速度和路线进行规划。
以应用场景在港口,目标障碍物为集装箱为例,当集装箱与目标车辆之间的高度小于高度距离阈值,目标车辆与悬空集装箱之间的水平距离大于水平距离阈值时,目标车辆不停止,直至目标车辆行驶至水平距离小于水平距离阈值,则控制目标车辆停止行驶。当集装箱被吊起至高度距离大于高度距离阈值,则控制目标车辆快速行驶通过,避免集装箱落下影响目标车辆。
本实施例提供的方法通过持续检测的方式预留充足的时间调整车速和控制策略,帮助控制车辆在距离障碍物一定距离处平稳停车或者在障碍物升起后及时安全通过,保障车辆的通行安全以及作业效率。
本实施例提供的车辆的自动驾驶方法,首先对点云采集设备进行标定,将采集到的点云转换至与目标车辆同一坐标系,对采集到的点云进行过滤,滤除预设范围以外的点云以及预设范围以内目标车辆的点云,得到目标点云。对目标点云进行平面拟合,得到拟合平面,拟合平面可能为目标障碍物的底面或垂直面,对拟合平面的属性进行判断,从而确定预设范围内是否存在目标障碍物。当预设范围内存在目标障碍物,则计算目标障碍物与目标车辆之间的位置关系,根据位置关系判断目标障碍物是否会对目标车辆的行驶造成影响,若有影响则控制目标车辆停止行驶或重新规划路线。
在本实施例中还提供了一种障碍物的检测装置,该装置用于实现上述实施例及实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种障碍物的检测装置,如图5所示,包括:
点云获取模块61,用于获取目标车辆预设范围内的目标点云;
平面拟合模块62,用于对所述目标点云进行平面拟合,确定拟合平面;
检测点获取模块63,用于若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点,并在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点;
位置检测模块64,用于基于所述目标检测点的坐标确定所述目标障碍物与目标车辆的位置关系;
车辆控制模块65,用于基于所述位置关系对所述目标车辆进行控制。
在一些可选的实施方式中,装置还包括:
阈值获取模块,用于获取所述目标障碍物对应的平面属性阈值,所述平面属性阈值是根据所述目标障碍物的尺寸确定的;
阈值比较模块,用于将所述拟合平面的属性与对应的所述平面属性阈值进行比较,所述拟合平面的属性包括点云数量、法向量的模以及所述拟合平面的尺度范围;
障碍物判断模块,用于当所述拟合平面的属性大于所述平面属性阈值,则确定所述预设范围内存在目标障碍物。
在一些可选的实施方式中,检测点获取模块63包括:
坐标系确定单元,用于基于所述目标车辆确定目标坐标系;
基准点获取单元,用于基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点。
在一些可选的实施方式中,基准点获取单元包括:
范围确定子单元,用于基于所述拟合平面的属性确定所述检测基准点在目标坐标系上的坐标范围;
基准点确定子单元,用于基于所述坐标范围在所述目标坐标系上确定两个检测基准点,所述检测基准点以所述目标坐标系的原点为中心对称设置。
在一些可选的实施方式中,检测点获取模块63包括:
点云排序单元,用于基于所述拟合平面中的点云坐标对所述拟合平面中的点云进行排序,得到排序后的点云序列;
检测点确定单元,用于从所述点云序列查询与所述检测基准点之间的距离最小的目标检测点。
在一些可选的实施方式中,当所述检测基准点大于一个,位置检测模块64包括:
坐标比较单元,用于比较所述目标检测点的坐标;
距离确定单元,用于基于对所述目标检测点的坐标的比较结果,确定所述目标障碍物与所述目标车辆之间的高度距离和水平距离。
在一些可选的实施方式中,点云获取模块61包括:
第一点云确定单元,用于获取点云采集设备采集到的第一点云;
点云筛选单元,用于筛选所述第一点云,从所述第一点云中获取所述目标车辆的预设范围内的第二点云;
点云去除单元,用于从所述第二点云中去除所述目标车辆的点云,确定目标点云。
在一些可选的实施方式中,车辆控制模块65包括:
车辆停止单元,用于当所述目标障碍物与所述目标车辆之间的高度距离和水平距离小于预设停车阈值,控制所述目标车辆停止行驶。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的障碍物的检测装置是以功能单元的形式来呈现,这里的单元是指通用电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图5所示的障碍物的检测装置。
请参阅图6,图6是本发明可选实施例提供的一种计算机设备的结构示意图,如图6所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,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。处理器可以对在计算机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。在一些可选的实施方式中,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,可以连接多个计算机设备,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)。图6中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20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计算机设备的使用所创建的数据等。此外,存储器20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。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。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。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
本发明提供的车辆的自动驾驶方法可应用于一种车辆,车辆包括点云采集设备和计算机设备,其中点云采集设备用于采集目标车辆预设范围内的目标点云;计算机设备,与点云采集设备连接,用于执行车辆的自动驾驶方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种车辆的自动驾驶方法,其特征在于,所述方法包括:
获取目标车辆预设范围内的目标点云;
对所述目标点云进行平面拟合,确定拟合平面;
若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点,并在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点,所述拟合平面的属性包括点云数量以及所述拟合平面的尺寸中的至少之一;
基于所述目标检测点的坐标确定所述目标障碍物与目标车辆的位置关系;
基于所述位置关系对所述目标车辆进行控制;
所述获取检测基准点,包括:
基于所述目标车辆确定目标坐标系;
基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点;
所述基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点,包括:
基于所述拟合平面的属性确定所述检测基准点在目标坐标系上的坐标范围;
基于所述坐标范围在所述目标坐标系上确定两个检测基准点,所述检测基准点以所述目标坐标系的原点为中心对称设置。
2.根据权利要求1所述的方法,其特征在于,在所述若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点之前,包括:
获取所述目标障碍物对应的平面属性阈值,所述平面属性阈值是根据所述目标障碍物的尺寸确定的;
将所述拟合平面的属性与对应的所述平面属性阈值进行比较,所述拟合平面的属性包括点云数量、法向量的模以及所述拟合平面的尺度范围;
当所述拟合平面的属性大于所述平面属性阈值,则确定所述预设范围内存在目标障碍物。
3.根据权利要求1所述的方法,其特征在于,所述在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点,包括:
基于所述拟合平面中的点云坐标对所述拟合平面中的点云进行排序,得到排序后的点云序列;
从所述点云序列查询与所述检测基准点之间的距离最小的目标检测点。
4.根据权利要求1所述的方法,其特征在于,当所述检测基准点大于一个,所述基于所述目标检测点的坐标确定所述目标障碍物与所述目标车辆的位置关系,包括:
比较所述目标检测点的坐标;
基于对所述目标检测点的坐标的比较结果,确定所述目标障碍物与所述目标车辆之间的高度距离和水平距离。
5.根据权利要求1所述的方法,其特征在于,所述获取目标车辆预设范围内的目标点云,包括:
获取点云采集设备采集到的第一点云;
筛选所述第一点云,从所述第一点云中获取所述目标车辆的预设范围内的第二点云;
从所述第二点云中去除所述目标车辆的点云,确定目标点云。
6.根据权利要求5所述的方法,其特征在于,所述基于所述位置关系对所述目标车辆进行控制,包括:
当所述目标障碍物与所述目标车辆之间的高度距离和水平距离小于预设停车阈值,控制所述目标车辆停止行驶。
7.一种车辆的自动驾驶装置,其特征在于,所述装置包括:
点云获取模块,用于获取目标车辆预设范围内的目标点云;
平面拟合模块,用于对所述目标点云进行平面拟合,确定拟合平面;
检测点获取模块,用于若基于所述拟合平面的属性确定所述预设范围内存在目标障碍物,获取检测基准点,并在所述拟合平面查询与所述检测基准点之间的距离最小的目标检测点,所述拟合平面的属性包括点云数量以及所述拟合平面的尺寸中的至少之一;
位置检测模块,用于基于所述目标检测点的坐标确定所述目标障碍物与目标车辆的位置关系;
车辆控制模块,用于基于所述位置关系对所述目标车辆进行控制;
所述检测点获取模块包括:
坐标系确定单元,用于基于所述目标车辆确定目标坐标系;
基准点获取单元,用于基于所述拟合平面的属性,在所述目标坐标系上获取检测基准点;
基准点获取单元包括:
范围确定子单元,用于基于所述拟合平面的属性确定所述检测基准点在目标坐标系上的坐标范围;
基准点确定子单元,用于基于所述坐标范围在所述目标坐标系上确定两个检测基准点,所述检测基准点以所述目标坐标系的原点为中心对称设置。
8.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至6中任一项所述的车辆的自动驾驶方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至6中任一项所述的车辆的自动驾驶方法。
10.一种车辆,其特征在于,包括:
点云采集设备,用于采集所述目标车辆预设范围内的目标点云;
计算机设备,与点云采集设备连接,用于执行权利要求1至6中任一项所述的车辆的自动驾驶方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310808687.0A CN116533998B (zh) | 2023-07-04 | 2023-07-04 | 车辆的自动驾驶方法、装置、设备、存储介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310808687.0A CN116533998B (zh) | 2023-07-04 | 2023-07-04 | 车辆的自动驾驶方法、装置、设备、存储介质及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116533998A CN116533998A (zh) | 2023-08-04 |
CN116533998B true CN116533998B (zh) | 2023-09-29 |
Family
ID=87458081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310808687.0A Active CN116533998B (zh) | 2023-07-04 | 2023-07-04 | 车辆的自动驾驶方法、装置、设备、存储介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116533998B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116772887B (zh) * | 2023-08-25 | 2023-11-14 | 北京斯年智驾科技有限公司 | 一种车辆航向初始化方法、系统、装置和可读存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111619560A (zh) * | 2020-07-29 | 2020-09-04 | 北京三快在线科技有限公司 | 车辆控制方法及装置 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN112731441A (zh) * | 2021-01-08 | 2021-04-30 | 唐山曹妃甸煤炭港务有限公司 | 一种敞车车厢状态检测装置及方法 |
WO2022067534A1 (zh) * | 2020-09-29 | 2022-04-07 | 华为技术有限公司 | 占据栅格地图的生成方法和装置 |
CN114325634A (zh) * | 2021-12-23 | 2022-04-12 | 中山大学 | 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法 |
CN114415171A (zh) * | 2021-12-21 | 2022-04-29 | 南京市德赛西威汽车电子有限公司 | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 |
WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
CN114743181A (zh) * | 2022-04-29 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种道路车辆目标检测方法、系统、电子设备及存储介质 |
CN114994635A (zh) * | 2022-05-18 | 2022-09-02 | 上海涵润汽车电子有限公司 | 一种智能驾驶可行驶区域检测方法和装置 |
CN115116020A (zh) * | 2021-03-23 | 2022-09-27 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN116071729A (zh) * | 2023-01-10 | 2023-05-05 | 合众新能源汽车股份有限公司 | 可行驶区域和路沿的检测方法、装置及相关设备 |
CN116203587A (zh) * | 2022-11-30 | 2023-06-02 | 吉林大学 | 一种用于无人车的坑洼检测系统及方法 |
-
2023
- 2023-07-04 CN CN202310808687.0A patent/CN116533998B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111619560A (zh) * | 2020-07-29 | 2020-09-04 | 北京三快在线科技有限公司 | 车辆控制方法及装置 |
WO2022067534A1 (zh) * | 2020-09-29 | 2022-04-07 | 华为技术有限公司 | 占据栅格地图的生成方法和装置 |
WO2022099511A1 (zh) * | 2020-11-11 | 2022-05-19 | 深圳元戎启行科技有限公司 | 基于点云数据的地面分割方法、装置和计算机设备 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN112731441A (zh) * | 2021-01-08 | 2021-04-30 | 唐山曹妃甸煤炭港务有限公司 | 一种敞车车厢状态检测装置及方法 |
CN115116020A (zh) * | 2021-03-23 | 2022-09-27 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、装置、设备及计算机存储介质 |
WO2022199472A1 (zh) * | 2021-03-23 | 2022-09-29 | 长沙智能驾驶研究院有限公司 | 障碍物检测方法、车辆、设备及计算机存储介质 |
CN114415171A (zh) * | 2021-12-21 | 2022-04-29 | 南京市德赛西威汽车电子有限公司 | 一种基于4d毫米波雷达的汽车可行驶区域检测方法 |
CN114325634A (zh) * | 2021-12-23 | 2022-04-12 | 中山大学 | 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法 |
CN114743181A (zh) * | 2022-04-29 | 2022-07-12 | 重庆长安汽车股份有限公司 | 一种道路车辆目标检测方法、系统、电子设备及存储介质 |
CN114994635A (zh) * | 2022-05-18 | 2022-09-02 | 上海涵润汽车电子有限公司 | 一种智能驾驶可行驶区域检测方法和装置 |
CN116203587A (zh) * | 2022-11-30 | 2023-06-02 | 吉林大学 | 一种用于无人车的坑洼检测系统及方法 |
CN116071729A (zh) * | 2023-01-10 | 2023-05-05 | 合众新能源汽车股份有限公司 | 可行驶区域和路沿的检测方法、装置及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116533998A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
CN116533998B (zh) | 车辆的自动驾驶方法、装置、设备、存储介质及车辆 | |
JP5941091B2 (ja) | 車線ベースの位置特定 | |
CN107505940A (zh) | 自动引导车辆上的双激光雷达控制方法、系统及定位方法 | |
CN108931786A (zh) | 路沿检测装置和方法 | |
CN105955257A (zh) | 基于固定路线的公交车自动驾驶系统及其驾驶方法 | |
CN111427374B (zh) | 飞机泊位引导方法、装置及设备 | |
CN111516777A (zh) | 一种机器人小车及其障碍物识别方法 | |
CN115123307A (zh) | 基于障碍物意图的自动驾驶方法、装置及自动驾驶车辆 | |
CN113741435A (zh) | 障碍物规避方法、装置、决策器、存储介质、芯片及机器人 | |
CN110703770A (zh) | 一种轨道检测车自动行驶控制的方法及装置 | |
US11999384B2 (en) | Travel route generation device and control device | |
CN109285381A (zh) | 用于探测停车场内的空闲区域的方法和系统 | |
CN115151954A (zh) | 可行驶区域检测的方法和装置 | |
CN116022657A (zh) | 路径规划方法、装置和起重机 | |
CN115139303A (zh) | 一种栅格井盖检测方法、装置、设备及存储介质 | |
CN114084129A (zh) | 一种基于融合的车辆自动驾驶控制方法及系统 | |
CN113640810A (zh) | 空间车位检测方法、设备、存储介质和程序产品 | |
US10970870B2 (en) | Object detection apparatus | |
JP7004543B2 (ja) | 路面状態検知装置、及び路面状態検知システム | |
CN114049563B (zh) | 带电作业环境的评估方法、作业环境评估系统及电子设备 | |
CN115902839A (zh) | 港口激光雷达标定方法及装置、存储介质及电子设备 | |
CN115773745A (zh) | 无人集卡对位方法、装置、设备及可读存储介质 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN115215221A (zh) | 塔式起重机及其控制方法、控制装置和控制器 |
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 |