WO2020133693A1 - 一种岸吊区卡车精准停车方法、设备及系统 - Google Patents

一种岸吊区卡车精准停车方法、设备及系统 Download PDF

Info

Publication number
WO2020133693A1
WO2020133693A1 PCT/CN2019/077078 CN2019077078W WO2020133693A1 WO 2020133693 A1 WO2020133693 A1 WO 2020133693A1 CN 2019077078 W CN2019077078 W CN 2019077078W WO 2020133693 A1 WO2020133693 A1 WO 2020133693A1
Authority
WO
WIPO (PCT)
Prior art keywords
truck
point cloud
real
vehicle
shore crane
Prior art date
Application number
PCT/CN2019/077078
Other languages
English (en)
French (fr)
Inventor
李一鸣
金宇和
蔡金鹏
吴楠
Original Assignee
上海图森未来人工智能科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 上海图森未来人工智能科技有限公司 filed Critical 上海图森未来人工智能科技有限公司
Publication of WO2020133693A1 publication Critical patent/WO2020133693A1/zh
Priority to US17/360,743 priority Critical patent/US11948370B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • 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
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
    • G08G1/096783—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a roadside individual element
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/142—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces external to the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/148—Management of a network of parking areas
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/149—Traffic control systems for road vehicles indicating individual free spaces in parking areas coupled to means for restricting the access to the parking space, e.g. authorization, access barriers, indicative lights
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/12—Trucks; Load vehicles
    • B60W2300/125—Heavy duty trucks
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2552/53—Road markings, e.g. lane marker or crosswalk
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0605—Throttle position
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system

Definitions

  • a method for accurately parking a truck in a shore crane area applied to a main controller including:
  • the ICP algorithm is used to calculate the point cloud collection of the traveling truck and the vehicle point cloud model to obtain the real-time distance from the traveling truck to the target parking space; wherein, the vehicle point cloud model is scanned in advance using lidar A collection of point clouds obtained by the truck parked in the target parking space;
  • a message including the real-time distance is broadcast so that the vehicle controller controls the traveling truck to stop at the target parking space according to the real-time distance included in the message.
  • a method for accurately parking a truck in a shore crane area applied to a vehicle controller including:
  • the message includes the real-time distance from the truck driving on the lane across the shore crane to the target parking space; the real-time distance is calculated as follows:
  • a main controller which includes a first processor, a first memory, and a computer program stored on the first memory and executable on the first processor.
  • the first processor When the first processor is running the computer program, it executes the steps in the method for accurately parking the truck in the shore crane area of the main controller.
  • a vehicle controller which includes a second processor, a second memory, and a computer program stored on the second memory and executable on the second processor.
  • the second processor runs the computer program, it executes the steps in the method for accurately parking the truck in the shore crane area applied to the vehicle controller.
  • a truck parking control system for shore cranes which includes the foregoing main controller, the foregoing vehicle controller, and a laser radar.
  • a shore crane on which a lidar and the aforementioned main controller are installed.
  • an automobile on which the aforementioned vehicle controller is installed.
  • a computer-readable storage medium on which a computer program is stored, and the computer program is executed by a processor to implement the above-described application to a vehicle controller Various steps in the precise parking method of trucks in the shore crane area.
  • FIG. 2 schematically shows a flow of a method for accurately parking a truck in a shore crane area provided by an embodiment of the present application
  • FIG. 3 schematically shows a configuration mode of a main controller, a laser radar and a lane provided by an embodiment of the present application
  • FIG. 6 schematically shows that the truck accurately stops at the shore crane area during the container unloading task of an embodiment of the present application
  • FIG. 7 schematically shows a flow of a method for accurately parking a truck in a shore crane area applied to a main controller provided by an embodiment of the present application
  • FIG. 8 schematically shows a flow of a method for accurately parking a truck in a shore crane area provided by a vehicle controller according to an embodiment of the present application
  • FIG. 10 schematically shows an automobile provided by an embodiment of the present application.
  • the embodiments of the present application may be implemented as a system, device, device, method, or computer program product. Therefore, the present disclosure may be specifically implemented in the form of complete hardware, complete software (including firmware, resident software, microcode, etc.), or a combination of hardware and software.
  • Target parking space the spreader that enables the shore crane to lift the container on the truck hanger plate or unload the container to the truck hanger plate at the position where the truck is. Since the lanes spanned by the shore crane are parallel, and the bridge of the shore crane is perpendicular to the lanes, each lane has a target parking space. In the extending direction of the lane, the target parking space of each lane has a front end and a rear end. In the vertical direction of the lane, the front end of the target parking space of each lane is on the same straight line, and the last end is also on the same straight line on.
  • Parking sign line a sign used to indicate that the truck stops at the target parking space, for example, a vertical line drawn on the door frame beam of the shore crane.
  • the truck stops according to the parking sign line the truck stops exactly at the target parking space . Since the lanes crossed by the shore crane are parallel and the bridge frame of the shore crane is perpendicular to each lane, therefore, the target parking spaces of each lane correspond to the same parking marking line.
  • autonomous vehicle refers to the use of self-driving technology to carry people (such as family cars, buses, etc.), and cargo (such as ordinary trucks, vans, enclosed trucks, and tanks) Trucks, flatbed trucks, container trucks, dump trucks, special structure trucks, etc.) or vehicles with special rescue functions (such as fire trucks, ambulances, etc.).
  • people such as family cars, buses, etc.
  • cargo such as ordinary trucks, vans, enclosed trucks, and tanks
  • vehicles with special rescue functions such as fire trucks, ambulances, etc.
  • Fig. 1 is a schematic diagram of the container loading and unloading operation.
  • the shore crane includes a bridge frame 11, a trolley walking mechanism 12, a spreader 13, a seaside door frame 14, a land side door frame 15, a door frame cross member 16, and a trolley walking mechanism 17.
  • the connecting beam 24 is a beam connecting the seaside door frame 14 and the landside door frame 15. The beam crosses a plurality of parallel lanes, and the truck 19 can freely pass through these lanes.
  • the trolley traveling mechanism 17 moves along the shore rail 20 so that the bridge frame 11 is facing the container position of the ship 21, the trolley traveling mechanism 12 moves along the bridge frame 11, and the spreader 13 is mounted under the trolley traveling mechanism 12 Move with it.
  • the spreader 13 moves along the bridge 11 to the hanger where the truck 19 loads the container to lift the container 22, and then moves to the container position of the ship 21 to unload the container 22; during the unloading operation, the spreader 13 Move along the bridge 11 to the container position of the ship 21 to hoist the container 22, and then move to the truck 19 hanging plate to unload the container 22.
  • the spreader 13 moves along the bridge 11 to operate the truck 19 in different lanes, but since the spreader 13 can only move along the bridge 11 and cannot move in the direction of the lane extension, so in the lane In the extending direction, the truck 19 needs to be stopped at a position where the spreader 13 can lift the container 22 on the truck 19 hanger plate or the spreader 13 can unload the container 22 to the truck 19 hanger plate, that is, the truck 19 needs to be stopped accurately Target parking space 25.
  • the parking crane's door frame beam 16 is drawn with a parking marking line 18, and when the truck 19 stops according to the parking marking line 18, the crane 13 can be used to hang the truck 19 exactly
  • the container 22 on the board is lifted or unloaded to the truck 19 hanging board.
  • the truck 19 is parked according to the parking sign line 18 when the truck 19 travels to the vertical position where the truck hanging plate side at the rear of the truck (formerly referred to as the rear face of the hanging plate) and the parking sign line 18 are vertical Truck 19 stopped when face to face.
  • GPS or RTK positioning equipment Some technical solutions are to use on-board GPS or RTK positioning equipment to collect truck positions to control truck parking.
  • GPS or RTK positioning equipment has stricter environmental requirements and requires open and unobstructed surroundings, but trucks in container loading and unloading operations It will stay under the shore crane, and the large steel structures such as the sea ⁇ land side door frames, bridges, beams, etc. of the shore crane will seriously block the signals of the GPS and RTK positioning equipment, which leads to certain when the truck is driving around the shore crane. It is impossible to rely on GPS or RTK positioning equipment to obtain accurate self-positioning when in range.
  • this application proposes a precise parking scheme for trucks in the shore crane area.
  • This scheme first uses lidar to scan the trucks that have parked at the target parking space to obtain a point cloud model of the vehicle, and then uses lidar to scan in real time during container loading and unloading operations
  • the truck driving to the target parking space obtains its point cloud collection, and then calculates the point cloud collection of the truck and the vehicle point cloud model by the ICP algorithm to obtain the real-time distance from the truck to the target parking space, and finally controls the truck to accurately stop according to the real-time distance Parking at the target.
  • An embodiment of the present application provides a schematic diagram of an application scenario.
  • a ship is moored in a port, and the shore crane is located on the shore of the ship's dock.
  • the cross beam 24 of the shore crane crosses multiple lanes, and the truck travels from these lanes.
  • the lidar 23 installed at the bottom of the contact beam 24 of the shore crane scans these lanes to obtain real-time point cloud data.
  • an embodiment of the present application provides a method for accurately parking a truck in a shore crane area, including:
  • step S100 the main controller obtains real-time point cloud data obtained by scanning the lane across the shore crane by the lidar.
  • the main controller, lidar and lane can have multiple configuration modes as shown in Figure 3:
  • One master controller is only connected to one lidar, and one lidar is only responsible for scanning one lane;
  • One master controller is only connected to one lidar, and one lidar is responsible for scanning at least two lanes;
  • a master controller is connected to at least two lidars, and one lidar is only responsible for scanning one lane;
  • One master controller is connected to at least two lidars, and one lidar is responsible for scanning at least two lanes.
  • the configuration mode may be comprehensively determined according to the total number of lanes crossed by the shore crane, the width of the lanes, the number of laser radar lines, and the scanning range, which is not specifically limited in the embodiments of the present application.
  • step S200 the main controller clusters the real-time point cloud data to obtain a point cloud collection of trucks traveling on the lane.
  • the laser beam will hit the truck and return to be received by the lidar.
  • the scanned real-time point cloud data will exist in the truck
  • the corresponding point cloud can be extracted from the point cloud collection of the truck by clustering the real-time point cloud data.
  • This step can use algorithms commonly used for clustering arbitrary shapes, such as WaveCluster, ROCK, CURE, K-Prototypes, DENCLUE, DBSCAN, etc.
  • step S300 the main controller uses the ICP algorithm to calculate the point cloud set of the traveling truck and the vehicle point cloud model obtained by clustering to obtain the real-time distance from the traveling truck to the target parking space, where the vehicle point cloud model is pre-utilized A collection of point clouds obtained by lidar scanning the trucks parked in the target parking space.
  • the ICP algorithm can be used to calculate the translation matrix and rotation matrix between different point sets.
  • the point cloud set obtained by clustering is the point set corresponding to the truck in motion
  • the vehicle point cloud model is the point of the truck stopped accurately at the target parking space.
  • the ICP algorithm is used to calculate the above two point sets to obtain the translation matrix and the rotation matrix between the truck in motion and the truck stopped precisely at the target parking space. Since the truck can only drive in the lane, the two The rotation matrix of is negligible. According to the translation matrix of the two, the real-time distance between the moving truck and the target parking space can be obtained.
  • step S300 is executed according to the following process: master control
  • the device determines the vehicle model of the truck, selects the vehicle point cloud model matching the vehicle model of the truck in the model library, and uses the ICP algorithm to cluster the point cloud collection of the truck and the vehicle matching the vehicle model of the truck Point cloud model for calculation.
  • the model library includes multiple vehicle point cloud models a, b, c, d, e, f, and g.
  • the vehicle models corresponding to these vehicle point cloud models are A, B, C, D, E, F, and G.
  • the main controller can determine the vehicle point cloud model matching the vehicle model of the truck as f by matching, and then the ICP algorithm can be used to calculate the point cloud set of the truck and f.
  • the model library should include all truck and vehicle models performing container loading and unloading operations in the port Vehicle point cloud model, and when a new vehicle model truck is added, the vehicle point cloud model in the model library also needs to be updated accordingly.
  • container loading and unloading operations are divided into two types: loading and unloading; in the loading operation, the truck transports the container to the target parking space below the shore crane, and the container is lifted from the truck's hanging board to the ship by the spreader.
  • the truck when the truck is driving to the target parking space, there is a container on the hanger; during the ship unloading operation, the truck stops at the target parking space below the shore crane, and the spreader hangs the container from the ship to the truck's On the hanging board, the truck transports the container to the yard for storage.
  • the truck when the truck is driving to the target parking space, its hanging board is empty. It can be seen that in the loading and unloading operations, the trucks driving to the target parking space are divided into loaded containers and unloaded containers. Correspondingly, the point cloud sets obtained in these two cases are also different.
  • a lidar may be used to scan multiple truck models with different vehicle models and container loaded in the target parking space to obtain multiple vehicle point cloud models and store them in the first model In the library, and using lidar to scan multiple trucks with different vehicle models and no container loaded in the target parking space, multiple vehicle point cloud models are obtained and stored in the second model library, and the main control
  • the controller selects a vehicle point cloud model that matches the vehicle model of the truck in the model library, which can be executed according to the following process: When the main controller determines that the truck is loading the container, it selects the vehicle model that matches the truck model in the first model library Vehicle point cloud model; when the main controller judges that the truck is not loaded with containers, it selects a vehicle point cloud model matching the vehicle model of the truck in the second model library.
  • the first model library and the second model library should include all the containers in the port.
  • the vehicle point cloud model of the truck vehicle model of the loading and unloading operation, and when a new vehicle model truck is added in the port, the vehicle point cloud model in the first model library and the second model library should also be updated accordingly.
  • the main controller determines the vehicle model of the truck by: using a camera to capture the image of the truck; visually recognizing the captured image to obtain the vehicle identification; and determining according to the known correspondence between the vehicle identification and the vehicle model The vehicle model of the traveling truck.
  • the vehicle identification may be a vehicle number.
  • the main controller uses the camera to capture the image of the preset body area on the truck.
  • the preset body area may be an area where a license plate is hung on a truck (such as a rear side elevation), or may be another area where a clearly recognizable vehicle logo is provided (such as the top of the head).
  • the preset body area has a vehicle logo formed using a reflective coating.
  • the reflective coating should have a high reflective efficiency, so that the captured image can be easily visually recognized by the vehicle logo.
  • the main controller may also determine the vehicle model of the truck by reading the vehicle model stored in the RFID tag provided on the truck using a radio frequency identification RFID reader.
  • the main controller determines whether the truck is loaded with a container by: taking an image of the truck; by visually identifying the captured image to determine whether the truck is loading a container.
  • the ICP algorithm calculates the rotation matrix and translation matrix between the point cloud set of the truck and the vehicle point cloud model obtained by clustering in an iterative manner. Among them, since all trucks are driving along the lane to the target parking space, the truck There is no rotation between the point cloud set and the vehicle point cloud model.
  • the rotation matrix can be the identity matrix, and only the translation matrix needs to be calculated. In the iterative process of the ICP algorithm, the initial translation matrix used has a very important influence on the accuracy of the final calculated result.
  • the main controller uses the ICP algorithm to calculate the point cloud collection of the traveling trucks obtained by clustering and the vehicle point cloud model to obtain the real-time distance from the traveling truck to the target parking space, including: The main controller uses the ICP algorithm to calculate the translation matrix of the moving truck's point cloud set to the vehicle's point cloud model; and then obtains the real-time distance from the traveling truck to the target parking space according to the translation matrix.
  • the embodiment of the present application provides the following ways to determine the initial translation matrix: separately determine the preset number of points located in the forefront of the truck in the point cloud set of the truck and the vehicle point cloud model; place the point cloud set of the truck in the truck The average center of the preset number of points in the forefront in the driving direction is determined as the first average center; the average center of the preset number of points in the forefront of the truck driving direction in the vehicle point cloud model is determined as The second average center; wherein, the coordinates of the first average center are the average of the coordinates of the preset number of points in the point cloud collection of the truck; the coordinates of the second average center are the preset number of points in the vehicle point cloud model The average value of the coordinates of; the matrix used to translate the first average center to the second average center is determined as the initial translation matrix.
  • the truck's point cloud set is in coordinate system 1, and the vehicle's point cloud model is in coordinate system 2.
  • the second average center is The first average center Pan to the second average center
  • the matrix used is determined as the initial translation matrix.
  • the vehicle point cloud model is a point set of trucks parking accurately at the target parking space, and the point cloud set of trucks obtained by clustering is the point set of trucks that are driving, so the point cloud of trucks obtained by clustering is clustered by the ICP algorithm Collection and vehicle point cloud model calculation, you can get the real-time distance from the truck to the target parking space.
  • the accuracy of the vehicle point cloud model has a direct impact on the accuracy of the final calculation results.
  • the current common laser radar has a limited number of lines (such as 32 lines and 64 lines). When a fixed position laser radar is used to scan a truck parked at a target parking space, the number of laser beams and the direction of emission are limited.
  • the beam can only hit a small area of the truck body, and the obtained point cloud data can only reflect the small area of the truck body, and the point cloud set obtained by clustering (that is, the vehicle point cloud model) does not reflect the truck well.
  • the position of the whole body can't even get the vehicle point cloud model through clustering algorithm.
  • the vehicle point cloud model may be obtained according to steps S302-S306:
  • determining the vehicle model of the traveling truck includes:
  • the initial translation matrix is used to iteratively calculate the point cloud set of the truck to be parked and the vehicle point cloud model to obtain the translation matrix of the point cloud set of the moving truck to the vehicle point cloud model.
  • broadcast messages containing real-time distance including:
  • broadcast messages containing real-time distance including:
  • taking an image of a moving truck includes taking an image of a preset body area on the moving truck.
  • the preset body area has a vehicle logo formed by a reflective coating.
  • the present application also provides a method for accurately parking the truck in the shore crane area applied to the vehicle controller, as shown in FIG. 8, including:
  • Step B100 Receive a message broadcast by the main controller.
  • the message broadcast by the main controller contains the real-time distance from the truck traveling on the lane across the shore crane to the target parking space; the real-time distance is calculated as follows:
  • the main controller obtains the real-time point cloud data obtained by scanning the lanes crossed by the lidar; the real-time point cloud data is clustered to obtain the point cloud collection of the trucks driving on the lane;
  • the vehicle point cloud model is calculated to obtain the real-time distance from the traveling truck to the target parking space; where the vehicle point cloud model is a collection of point clouds obtained by scanning the truck parking in the target parking space with lidar in advance.
  • the real-time distance between the truck corresponding to itself and the target shore crane is compared with the real-time distance in the message. If the difference between the two is less than a preset threshold, the corresponding truck is controlled to stop according to the real-time distance contained in the message Parking at the target.
  • the message contains a data pair consisting of the identifier of the lane where the truck is driving and the real-time distance;
  • the truck corresponding to itself When it is determined that the lane of the truck corresponding to itself corresponds to the identifier of the lane contained in the message, the truck corresponding to itself is controlled to stop at the target parking space according to the real-time distance in the data pair formed by the identifier of the lane.
  • control its corresponding truck to stop at the target parking space including:
  • the method after receiving the message broadcast by the main controller and controlling the truck corresponding to itself to stop before the target parking space according to the real-time distance contained in the message, the method further includes:
  • the method executed when the computer program in the first memory is executed is implemented based on the same inventive idea as the method for accurately parking the truck in the shore crane area shown in FIG. 2, and has the same non-limiting implementation manner. In the method, the introduction of the precise parking method for the truck in the shore crane area shown in FIG. 2 is not repeated here.
  • the first processor may be implemented by a circuit, a chip, or other electronic components.
  • the first processor may also include one or more microcontrollers, one or more field programmable gate arrays (FPGA), one or more application-specific circuits (ASIC), one or more digital signal processors (DSP) ), one or more integrated circuits, etc.
  • FPGA field programmable gate arrays
  • ASIC application-specific circuits
  • DSP digital signal processors
  • the first memory may be implemented by a circuit, a chip, or other electronic components.
  • the first memory may include one or more read-only memory (ROM), random access memory (RAM), flash memory, electrically programmable memory (EPROM), electrically programmable and erasable memory (EEPROM), Embedded multimedia card (eMMC), hard drive or any volatile or non-volatile media, etc.
  • the method executed when the computer program in the second memory is executed is implemented based on the same inventive idea as the method for accurately parking the truck in the shore crane area shown in FIG. 2, and has the same non-limiting implementation manner.
  • the introduction of the accurate parking method for the truck in the shore crane area shown in FIG. 2 is not repeated here.
  • the second processor may be implemented by a circuit, a chip, or other electronic components.
  • the second processor may also include one or more microcontrollers, one or more field programmable gate arrays (FPGA), one or more application specific circuits (ASIC), one or more digital signal processors (DSP) ), one or more integrated circuits, etc.
  • FPGA field programmable gate arrays
  • ASIC application specific circuits
  • DSP digital signal processors
  • the second memory may be implemented by a circuit, a chip, or other electronic components.
  • the second memory may include one or more read only memory (ROM), random access memory (RAM), flash memory, electrically programmable memory (EPROM), electrically programmable and erasable memory (EEPROM), Embedded multimedia card (eMMC), hard drive or any volatile or non-volatile media, etc.
  • ROM read only memory
  • RAM random access memory
  • EPROM electrically programmable memory
  • EEPROM electrically programmable and erasable memory
  • eMMC Embedded multimedia card
  • hard drive any volatile or non-volatile media, etc.
  • the vehicle controller may be a DSP (Digital Signal Processing, digital signal processor), FPGA (Field-Programmable Gate Array) controller, industrial computer, driving computer, ECU (Electronic Control) Unit, electronic control unit), ARM or VCU (Vehicle Control Unit, vehicle controller), etc., which is not specifically limited in this application.
  • DSP Digital Signal Processing, digital signal processor
  • FPGA Field-Programmable Gate Array
  • an embodiment of the present application further provides a shore crane.
  • the shore crane is equipped with a laser radar and a main controller.
  • the lidar and the main controller can be installed on the bridge of the shore crane, the seaside door frame, the land side door frame, the door frame beam or the contact beam.
  • the lidar is used to scan the lane across the shore crane;
  • the main controller is used to obtain real-time point cloud data obtained by the lidar scanning the lane across the shore crane;
  • the real-time point cloud data is clustered to obtain the point cloud of the truck driving on the lane Collection; use the ICP algorithm to calculate the point cloud collection of the moving truck and the point cloud model of the vehicle to obtain the real-time distance from the moving truck to the target parking space; and broadcast a message containing the real-time distance so that the vehicle controller can respond to the message
  • the real-time distance control included in the truck stops at the target parking space.
  • the vehicle point cloud model is a collection of point clouds obtained by scanning the truck parked in the target parking space in advance using lidar.
  • the shore crane is also equipped with V2X equipment connected to the main controller.
  • the shore crane is also equipped with power supply equipment for powering the main controller and/or lidar.
  • the above power supply equipment obtains power from the power supply system of the shore crane.
  • the shore crane in order to respond to the sudden power failure of the power supply system of the shore crane, which causes the power supply equipment to fail to supply power, the shore crane is also equipped with a main controller and/or Uninterruptible power supply (UPS) powered by lidar.
  • UPS Uninterruptible power supply
  • the shore crane is also equipped with a radio frequency identification RFID reader connected to the main controller.
  • the shore crane is also equipped with a camera connected to the main controller.
  • an embodiment of the present application also provides a car.
  • the car is provided with a vehicle controller.
  • the vehicle controller is used to send a parking request for a truck to be parked, and receive a vehicle controller.
  • the real-time distance of the truck to be parked to the target parking space; and according to the real-time distance of the truck to be parked to the target parking space, the truck to be parked is controlled to stop at the target parking space.
  • the vehicle controller is connected to the vehicle's throttle control system and braking system. That is, the vehicle controller indirectly achieves the purpose of controlling the truck to be stopped at the target parking space by controlling the throttle control system and the braking system of the car.
  • the vehicle is also equipped with a V2X device connected to the vehicle controller.
  • the vehicle is also equipped with an on-board positioning device for acquiring positioning data.
  • the car is equipped with a radio frequency identification RFID tag.
  • the car can be a traditional vehicle driven by humans (such as a family car, engineering vehicle, fire truck, ambulance, truck, etc.), or it can be an autonomous vehicle, a vehicle that consumes traditional energy sources such as gasoline or diesel, or it can be Vehicles that consume new energy sources such as electrical energy and solar energy.
  • the self-driving car refers to the use of automatic driving technology to carry people (such as family cars, buses and other types), load (such as ordinary trucks, vans, enclosed trucks, tank trucks, flatbed trucks, container trucks) Vans, dump trucks, trucks with special structures, etc.) or vehicles with special rescue functions (such as fire trucks, ambulances, etc.).
  • an embodiment of the present application further provides a truck precise parking control system for shore cranes, as shown in FIG. 11, including: a main controller, a vehicle controller, and a laser radar.
  • Lidar can choose 16-line, 32-line or 64-line type.
  • the cost will also be higher; the hardware composition of the main controller and the vehicle controller has been described in the exemplary device, and will not be repeated here.
  • the laser radar can be installed on the mechanical equipment or professional support frame of the container loading and unloading ship operation site during specific implementation.
  • the lidar is fixedly installed on the shore crane (for example, the bottom of the crossbeam), so that when the shore crane moves At the time, the relative position of the lidar and the shore crane is fixed, and the lidar can always scan the lane across the shore crane.
  • the main controller is fixedly installed on the shore crane (for example, the bottom of the contact beam, or the control room of the shore crane), and is connected to the lidar.
  • the vehicle controller is installed on the truck.
  • the vehicle controller is a device that is loaded outside the truck, for example, a device that is fixedly installed in a certain place, or a device that is installed on any mobile device.
  • the vehicle controller passes through the base station, WIFI and other wireless communication methods control the power system of the truck to be parked to indirectly control the truck parking.
  • the main controller, the lidar, and the lane are set to the following modes: each lidar is only used to scan one lane across the shore crane, and each master The controller is only used to obtain real-time point cloud data from a lidar scan.
  • the main controller, the lidar, and the lanes are set to the following modes: each lidar is used to scan at least two lanes across the shore crane, each The main controller is only used to obtain real-time point cloud data scanned by a lidar.
  • the main controller, lidar, and lane are set to the following modes: each lidar is only used to scan one lane across the shore crane, and each master The controller is used to obtain real-time point cloud data scanned by at least two lidars.
  • each lidar is used to scan at least two lanes across the shore crane, each The main controller is used to obtain real-time point cloud data scanned by at least two lidars.
  • the truck precise parking control system of the shore crane area further includes: a V2X device connected to the main controller, and a V2X device connected to the vehicle controller.
  • the truck precise parking control system of the shore crane area further includes: power supply equipment for powering the main controller and/or lidar.
  • the above power supply equipment obtains power from the power supply system of the shore crane.
  • the truck precise parking control system of the shore crane area further includes: an uninterruptible power supply UPS for powering the main controller and/or the lidar when the power supply equipment is powered off.
  • the truck precise parking control system in the shore crane area further includes: a radio frequency identification RFID reader connected to the main controller, and an RFID tag installed on the truck.
  • the truck precise parking control system of the shore crane area further includes: a camera connected to the main controller.
  • the accurate parking control system for trucks in the shore crane area is implemented based on the same inventive idea as the precise parking method for trucks in the shore crane area, and has the same non-limiting implementation. For details, refer to FIG. 2 in the previous exemplary method. The introduction of the precise parking method for trucks in the shore crane area shown will not be repeated here.
  • the steps of the method or algorithm described in the embodiments of the present application may be directly embedded in hardware, a software module executed by a processor, or a combination of both.
  • the software module may be stored in RAM memory, flash memory, ROM memory, EPROM memory, EEPROM memory, registers, hard disk, removable disk, CD-ROM, or any other form of storage medium in the art.
  • the storage medium may be connected to the processor so that the processor can read information from the storage medium and can write information to the storage medium.
  • the storage medium may also be integrated into the processor.
  • the processor and the storage medium may be provided in the ASIC, and the ASIC may be provided in the user terminal.
  • the processor and the storage medium may also be provided in different components in the user terminal.
  • the foregoing functions described in the embodiments of the present application may be implemented in hardware, software, firmware, or any combination of the three. If implemented in software, these functions can be stored on a computer-readable medium, or transmitted in the form of one or more instructions or codes on a computer-readable medium.
  • Computer-readable media include computer storage media and communication media that facilitate the transfer of computer programs from one place to another. The storage media can be any available media that can be accessed by any general or special computer.
  • Such computer-readable media may include, but is not limited to, RAM, ROM, EEPROM, CD-ROM, or other optical disk storage, magnetic disk storage, or other magnetic storage devices, or any other structure that can be used to carry or store instructions or data and Other media that can be read by a general-purpose or special computer or a general-purpose or special processor in the form of program code.
  • any connection can be properly defined as a computer-readable medium, for example, if the software is from a website, server, or other remote resource via a coaxial cable, fiber optic cable, twisted pair, digital subscriber line (DSL) Or wireless transmission such as infrared, wireless and microwave is also included in the defined computer-readable medium.
  • DSL digital subscriber line

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Combustion & Propulsion (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Atmospheric Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

一种岸吊区卡车（K005-K007）精准停车方法、设备及系统。方法包括：主控器（M）获取激光雷达（1-6）对岸吊横跨的车道（E1-E6）扫描得到的实时点云数据（S100）；主控器（M）对实时点云数据聚类得到车道（E1-E6）上行驶的卡车（K005-K007）的点云集合（S200）；主控器（M）利用ICP算法对聚类得到的行驶的卡车（K005-K007）的点云集合和车辆点云模型进行计算，得到行驶的卡车（K005-K007）到目标停车位（25）的实时距离（S300）；主控器（M）广播包含行驶的卡车（K005-K007）到目标停车位（25）的实时距离的消息（S400）；车辆控制器接收主控器（M）广播的消息，根据接收消息中包含的实时距离控制行驶的卡车（K005-K007）停止在目标停车位（25）（S500）。有益效果：可控制卡车（K005-K007）一次性精准停止在目标停车位（25），整个停车过程自动完成，可以达到厘米级别的精度，且实施成本低。

Description

一种岸吊区卡车精准停车方法、设备及系统
本申请要求在2018年12月26日提交中国专利局、申请号为201811602321.3、发明名称为“一种岸吊区卡车精准停车方法、设备及系统”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请的实施方式涉及智能交通技术领域，更具体地，本申请的实施方式涉及一种岸吊区卡车精准停车方法、设备及系统。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前常见的车辆停车方式多是通过车载定位设备或车载摄像头等对车辆和停车位进行定位，这种方式存在误差大、速度慢等缺点，尤其不适合大型卡车的精准停车。
岸边集装箱起重机又称岸吊，是港口码头装卸集装箱的专用起重机，主要应用专用集装箱吊具完成集装箱的装卸船作业。岸吊的装卸效率直接影响港口的货运能力。高效率的岸吊装卸作业对卡车的停车提出了较高的要求，需要卡车能快速、精准地停在岸吊下的目标停车位。
发明内容
但是，在现有的集装箱装卸船作业中，卡车刹车后往往不能一次性准确停止在目标停车位，还需要人为指导前后移动卡车才能准确停止，大大降低了集装箱装卸船作业的效率。因此，卡车能否精准停车是目前集装箱装卸船作业中的技术难点。
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种岸吊区卡车精准停车方法、设备及系统。
在本申请实施方式的第一方面中，提供了一种应用于主控器的岸吊区卡车精准停车方法，包括：
获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；
利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所 述目标停车位停车的卡车所得到的点云集合；
广播包含所述实时距离的消息，以使车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
在本申请实施方式的第二方面中，提供了一种应用于车辆控制器的岸吊区卡车精准停车方法，包括：
接收主控器广播的消息；
根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位；
其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：
主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
在本申请实施方式的第三方面中，提供了一种主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，所述第一处理器在运行所述计算机程序时，执行前述应用于主控器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第四方面中，提供了一种车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，所述第二处理器在运行所述计算机程序时，执行前述应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第五方面中，提供了一种岸吊区卡车精准停车控制系统，包括：前述的主控器，前述的车辆控制器，以及激光雷达。
在本申请实施方式的第六方面中，提供了一种岸吊，该岸吊上装设有激光雷达和前述的主控器。
在本申请实施方式的第七方面中，提供了一种汽车，所述汽车上装设有前述的车辆控制器。
在本申请实施方式的第八方面中，提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时实现如前所述的应用于主控器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第九方面中，提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时实现如前所述的应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。
借助于上述技术方案，本申请利用ICP算法计算卡车到目标停车位的实时距离，并依据该实时距离控制卡车一次性精准停止在目标停车位，整个停车过程自动完成，无需人工指挥，不仅可以达到厘米级别的精度，而且实施成本低，可移植性强。
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
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
图1示意性地示出了本申请实施例提供的应用场景；
图2示意性地示出了本申请实施例提供的岸吊区卡车精准停车方法的流程；
图3示意性地示出了本申请实施例提供的主控器、激光雷达和车道的配置模式；
图4示意性地示出了本申请一实施例的初始平移矩阵的确定方式；
图5示意性地示出了本申请一实施例的卡车执行集装箱卸船任务过程时到岸吊区精准停车；
图6示意性地示出了本申请一实施例的卡车执行集装箱卸船任务过程时到岸吊区精准停车；
图7示意性地示出了本申请实施例提供的应用于主控器的岸吊区卡车精准停车方法的流程；
图8示意性地示出了本申请实施例提供的应用于车辆控制器的岸吊区卡车精准停车方法的流程；
图9示意性地示出了本申请实施例提供的岸吊；
图10示意性地示出了本申请实施例提供的汽车；
图11示意性地示出了本申请实施例提供的岸吊区卡车精准停车控制系统。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请，而并非以任何方式 限制本申请的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术技术人员知道，本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
为了便于理解，以下对本申请涉及的技术术语进行解释：
(1)目标停车位：能够使岸吊的吊具恰好将卡车挂板上的集装箱吊起或将集装箱卸载到卡车挂板上时卡车所处的位置。由于岸吊横跨的各个车道是平行的，岸吊的桥架垂直于各个车道，因此，每个车道都具有一个目标停车位。在车道的延伸方向上，每个车道的目标停车位具有一最前端和一最后端，在车道的垂直方向上，各个车道的目标停车位的最前端位于同一直线上，最后端也位于同一直线上。
(2)停车标识线：用于指示卡车停止在目标停车位的标识，例如是绘制在岸吊的门框横梁上的铅垂线，当卡车按照停车标识线停车时，卡车恰好停止在目标停车位。由于岸吊横跨的各个车道是平行的，岸吊的桥架垂直于各个车道，因此，各个车道的目标停车位对应同一个停车标识线。
(3)迭代最近点(Iterative Closest Points,ICP)算法：可用于计算不同点集之间的平移矩阵和旋转矩阵。
(4)本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
(5)本文所称的“自动驾驶车”是指利用自动驾驶技术实现的具有载人(如家用轿车、公共汽车等类型)、载货(如普通货车、厢式货车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等类型)或者特殊救援功能(如消防车、救护车等类型)的车辆。
此外，需要理解的是，本文附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
发明概述
图1所示为集装箱装卸船作业示意图，如图1所示，岸吊包括桥架11、小车行走机构12、吊具13、海侧门框14、陆侧门框15、门框横梁16、大车行走机构17、联系横梁24等结构。其中，联系横梁24是连接海侧门框14和陆侧门框15的横梁，该横梁横跨多个平行的车道，卡车19可在这些车道内自由通行。
集装箱装卸船作业时，大车行走机构17沿着岸边轨道20移动使得桥架11正对船舶 21的箱位，小车行走机构12沿着桥架11移动，吊具13挂载于小车行走机构12下随之一起移动。在装船作业中，吊具13沿着桥架11移动至卡车19装载集装箱的挂板处吊起集装箱22，然后移动至船舶21的箱位处卸下集装箱22；在卸船作业中，吊具13沿着桥架11移动至船舶21的箱位处吊起集装箱22，然后移动至卡车19挂板处卸下集装箱22。
吊装集装箱22时，吊具13沿着桥架11移动可实现对不同车道上的卡车19进行操作，但由于吊具13只能沿着桥架11移动，而不能在车道延伸方向上移动，因此在车道延伸方向上，就需要卡车19停止在能够使吊具13吊起卡车19挂板上的集装箱22或者使吊具13将集装箱22卸载到卡车19挂板上的位置，即需要卡车19精准停止在目标停车位25。
为了方便卡车19精准停止在目标停车位25，岸吊的门框横梁16上绘制有停车标识线18，当卡车19按照停车标识线18停车时，可使岸吊的吊具13恰好将卡车19挂板上的集装箱22吊起或将集装箱22卸载到卡车19挂板上。一般情况下，卡车19按照停车标识线18停车是指当卡车19行驶至使位于车尾的卡车挂板侧立面(以前简称为挂板后侧立面)与停车标识线18所在的铅垂面共面时卡车19停止。
然而，卡车19刹车后往往不能一次性实现令挂板后侧立面与停车标识线18所在的铅垂面共面，也就是不能一次性准确停止在目标停车位25，还需要人为指导前后移动卡车19才能准确停止，大大降低了集装箱装卸船作业的效率。因此，卡车19能否精准停车是目前集装箱装卸船作业中的技术难点。
目前已有一些解决上述问题的技术方案，例如：
(1)一些技术方案是利用车载GPS或者RTK定位设备采集卡车位置来控制卡车停车，然而GPS或者RTK定位设备对环境的要求比较严苛，需要周围环境开阔无遮挡，但集装箱装卸船作业中卡车会停留在岸吊桥架下方，而岸吊的海\陆侧门框、桥架、横梁等大型钢铁结构会对GPS和RTK定位设备的信号造成严重遮挡，这就导致当卡车在驶入岸吊周围一定范围内时无法依靠GPS或RTK定位设备获得精准的自身定位。
(2)还有一些技术方案是利用车载摄像头对停车标识线进行视觉定位来控制卡车停车，然而受到算法和算力的限制，这种方案还不能实现厘米级别的精准停车。
(3)还有一些技术方案是利用车载激光雷达对停车标识线进行定位来控制卡车停车，这种方案需要将岸边可能进行集装箱装卸船作业的区域刷满高反射率的涂料，而对于繁忙的港口，涂料磨损十分严重，需要经常补刷，成本较高。
综上，已有的解决方案仅靠车载设备很难较好地实现卡车精准停车，而且这类解决方案对车载设备的要求较高，存在精度低、成本高、可移植性差、不易大规模推广等缺点。
为此，本申请提出一种岸吊区卡车精准停车方案，该方案首先利用激光雷达扫描已在目标停车位停车的卡车得到车辆点云模型，然后在集装箱装卸船作业中再利用激光雷达实 时扫描驶向目标停车位的卡车得到其点云集合，之后通过ICP算法对卡车的点云集合和车辆点云模型进行计算，得到卡车到目标停车位的实时距离，最终依据该实时距离控制卡车精准停止在目标停车位。
本申请提出的岸吊区卡车精准停车方案不仅可以达到厘米级别的精度，而且实施成本低，可移植性强。
在介绍了本申请的基本原理之后，下面具体介绍本申请的各种非限制性实施方式。
应用场景总览
本申请实施例提供一种应用场景示意，如图1所示，船舶在港口停泊，岸吊位于船舶停泊处的岸边，岸吊的联系横梁24横跨多个车道，卡车从这些车道中行驶。装设于岸吊的联系横梁24的底部的激光雷达23扫描这些车道获得实时点云数据。
主控器实时获取激光雷达23扫描得到的实时点云数据，通过对实时点云数据聚类得到在这些车道上行驶的各个卡车的点云集合，然后利用ICP算法对这些卡车的点云集合和车辆点云模型进行计算，得到这些卡车到目标停车位的实时距离，最后广播包含这些卡车到目标停车位的实时距离的消息。各个卡车的车辆控制器接收上述消息后，根据其中包含的实时距离控制对应的卡车精准停止在目标停车位。
需要注意的是，图1所示的应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。
示例性方法
下面结合图1的应用场景，参考图2来描述本申请实施例提供的岸吊区卡车精准停车方法。如图2所示，本申请实施例提供一种岸吊区卡车精准停车方法，包括：
步骤S100，主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据。
由于岸吊一般会横跨多条车道，而激光雷达的激光发射光源数目(即线数)和扫描范围又是有限的，所以往往一个激光雷达不能同时扫描岸吊横跨的全部车道，需要配置多个激光雷达；另外，主控器和激光雷达作为两种独立设备，二者之间存在多种连接模式。考虑到以上因素，具体实施时，主控器、激光雷达和车道可以有如图3所示的多种配置模式：
(a)一个主控器只连接一个激光雷达，一个激光雷达只负责一个车道的扫描工作；
(b)一个主控器只连接一个激光雷达，一个激光雷达负责至少两个车道的扫描工作；
(c)一个主控器连接至少两个激光雷达，一个激光雷达只负责一个车道的扫描工作；
(d)一个主控器连接至少两个激光雷达，一个激光雷达负责至少两个车道的扫描工作。
具体实施时，可根据岸吊横跨的车道总数、车道的宽度、激光雷达的线数和扫描范围 等信息综合决定采用哪种配置模式，本申请实施例对此不作具体限定。
步骤S200，主控器对实时点云数据聚类得到车道上行驶的卡车的点云集合。
具体的，当卡车在岸吊横跨的车道内行驶并进入激光雷达的扫描范围内时，激光束会射到卡车上并返回被激光雷达接收，扫描得到的实时点云数据中就会存在卡车所对应的点云，通过对实时点云数据进行聚类就可以提取出卡车的点云集合。
该步骤可采用目前常用于对任意形状聚类的算法，例如：WaveCluster、ROCK、CURE、K-Prototypes、DENCLUE、DBSCAN等等。
由于岸吊横跨的车道通常为多个(例如6个)，这些车道上可能同时有多辆卡车在行驶，因此，实时点云数据中可能会同时存在多辆卡车所对应的点云，这种情况下，对实时点云数据进行聚类就可能会得到多个卡车的点云集合。
步骤S300，主控器利用ICP算法对聚类得到的行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离，其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
ICP算法可用于计算不同点集之间的平移矩阵和旋转矩阵，聚类得到的点云集合是行驶中的卡车对应的点集，而车辆点云模型是精准停止在目标停车位的卡车的点集，因此利用ICP算法对上述两种点集进行计算可以得到行驶中的卡车与精准停止在目标停车位的卡车之间的平移矩阵和旋转矩阵，由于卡车只能在车道内行驶，因此二者的旋转矩阵可以忽略不计，根据二者的平移矩阵即可得到行驶中的卡车到目标停车位的实时距离。
考虑到港口进行集装箱装卸船作业的卡车会有不同的车辆型号，激光雷达对不同型号的卡车扫描得到的点云集合也是不同的，因此，在一些实施例中，可预先利用激光雷达对在目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型，并将这些车辆点云模型存储在一模型库中，在此基础上，步骤S300按照如下过程执行：主控器确定卡车的车辆型号，在模型库中选择与卡车的车辆型号相匹配的车辆点云模型，并利用ICP算法对聚类得到的卡车的点云集合和与该卡车的车辆型号相匹配的车辆点云模型进行计算。
例如，模型库包括多个车辆点云模型a、b、c、d、e、f、g，这些车辆点云模型对应的车辆型号分别为A、B、C、D、E、F、G，当卡车的车辆型号为F时，主控器通过匹配可确定与该卡车的车辆型号相匹配的车辆点云模型为f，然后可利用ICP算法将卡车的点云集合与f进行计算。
为了确保对所有来到岸吊执行集装箱装卸船业务的卡车都能为其点云集合找到匹配的车辆点云模型，具体实施时，模型库应包含港口内所有执行集装箱装卸船作业的卡车车辆型号的车辆点云模型，并且，当有新的车辆型号的卡车加入时，模型库中的车辆点云模 型也需要随之更新。
由于集装箱装卸船作业分为装船、卸船两种作业类型；在装船作业中，卡车将集装箱运输到岸吊下方的目标停车位，由吊具将集装箱从卡车的挂板上吊至船上，该过程中，卡车在驶向目标停车位时，其挂板上是有集装箱的；在卸船作业中，卡车行驶到岸吊下方的目标停车位停止，吊具将集装箱从船上吊至卡车的挂板上，再由卡车将集装箱运输到堆场存放，该过程中，卡车在驶向目标停车位时，其挂板上是空的。可见，在装船作业和卸船作业中，驶向目标停车位的卡车分为装载集装箱和没装载集装箱两种情况，相应的，这两种情况下得到的点云集合也是不同的。
考虑到上述情况，在一些实施例中，可预先利用激光雷达对在目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描得到多个车辆点云模型，并将其存储在第一模型库中，并预先利用激光雷达对在目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描得到多个车辆点云模型，并将其存储在第二模型库中，并且，主控器在模型库中选择与卡车的车辆型号相匹配的车辆点云模型，可按照如下过程执行：主控器判断卡车装载集装箱时，在第一模型库中选择与该卡车的车辆型号相匹配的车辆点云模型；主控器判断卡车没有装载集装箱时，在第二模型库中选择与该卡车的车辆型号相匹配的车辆点云模型。
为了确保对所有来到岸吊执行集装箱装卸船业务的卡车都能为其点云集合找到匹配的车辆点云模型，具体实施时，第一模型库和第二模型库应包含港口内所有执行集装箱装卸船作业的卡车车辆型号的车辆点云模型，并且，当港口内有新的车辆型号的卡车加入时，第一模型库和第二模型库中的车辆点云模型也应随之更新。
在一些实施例中，主控器通过如下方式确定卡车的车辆型号：利用摄像头拍摄卡车的图像；对拍摄的图像进行视觉识别得到车辆标识；根据已知的车辆标识与车辆型号的对应关系来确定所述行驶的卡车的车辆型号。其中，车辆标识可以是车辆编号。
为了提高拍摄到车辆标识的成功率，在一些实施例中，主控器利用摄像头拍摄卡车上预设车身区域的图像。例如，预设车身区域可以是卡车挂设车牌的区域(如车尾侧立面)，还可以是其他的设置有明显可识别的车辆标识的区域(如车头顶部)。
为了提高视觉识别车辆标识的效率，在一些实施例中，预设车身区域具有采用反光涂层形成的车辆标识。其中，反光涂层应具有较高的反光效率，以使拍摄的图像可被容易地视觉识别出车辆标识。
在一些实施例中，主控器还可以通过如下方式确定卡车的车辆型号：利用射频识别RFID阅读器读取设置于卡车上的RFID标签中存储的车辆型号。
在一些实施例中，主控器通过如下方式判断卡车是否装载集装箱：拍摄卡车的图像； 通过对拍摄的图像进行视觉识别，确定车是否装载集装箱。
ICP算法是通过迭代的方式计算聚类得到的卡车的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵，其中，由于所有卡车都是沿着车道行驶到目标停车位，因此，卡车的点云集合和车辆点云模型之间不存在旋转，旋转矩阵可以采用单位矩阵，只需计算平移矩阵。在ICP算法的迭代过程中，所采用的初始平移矩阵对最终计算出的结果的准确性具有非常重要的影响。
在一些实施例中，步骤S300中，主控器利用ICP算法对聚类得到的行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离，包括：主控器利用ICP算法计算行驶的卡车的点云集合到车辆点云模型的平移矩阵；然后根据该平移矩阵得到行驶的卡车到目标停车位的实时距离。
本申请实施例提供如下确定初始平移矩阵的方式：分别确定卡车的点云集合和车辆点云模型中位于卡车行驶方向上的最前方的预设数量个点；将卡车的点云集合中位于卡车行驶方向上的最前方的的该预设数量个点的平均中心确定为第一平均中心；将车辆点云模型中位于卡车行驶方向上的最前方的该预设数量个点的平均中心确定为第二平均中心；其中，第一平均中心的坐标为卡车的点云集合中该预设数量个点的坐标的平均值；第二平均中心的坐标为车辆点云模型中该预设数量个点的坐标的平均值；将第一平均中心平移到第二平均中心所用的矩阵确定为初始平移矩阵。
如图4所示，卡车的点云集合位于坐标系1中，车辆点云模型位于坐标系2中；卡车的点云集合中位于卡车行驶方向上的最前方的n个点(由虚线框标识出)为P i(x i,y i,z i)，i＝1,2,3...n，第一平均中心为
Figure PCTCN2019077078-appb-000001
车辆点云模型中位于卡车行驶方向上的最前方的n个点(由虚线框标识出)为Q i(X i,Y i,Z i)，i＝1,2,3...n，第二平均中心为
Figure PCTCN2019077078-appb-000002
将第一平均中心
Figure PCTCN2019077078-appb-000003
平移到第二平均中心
Figure PCTCN2019077078-appb-000004
所用的矩阵确定为初始平移矩阵。
车辆点云模型是在目标停车位精准停车的卡车的点集，而通过聚类得到的卡车的点云集合是正在行驶的卡车的点集，因此通过ICP算法对聚类得到的卡车的点云集合和车辆点云模型进行计算，即可得到正在行驶的卡车到目标停车位的实时距离。在此过程中，车辆点云模型的精准程度对最终计算结果的准确性有直接的影响。然而，目前常见的激光雷达的线数有限(如32线、64线)，利用固定位置的激光雷达对静止停在目标停车位的卡车扫 描时，受激光束的数量和发射方向的限制，激光束只能射到卡车车身的较少区域，获得的点云数据也只能体现卡车车身的较少区域，对其聚类得到的点云集合(即车辆点云模型)不能很好地体现卡车整个车身的位置，甚至于不能通过聚类算法得到车辆点云模型。
为了克服上述问题，在一些实施例中，车辆点云模型可按照步骤S302～S306获得：
步骤S302，预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车。
在一些实施例中，驶向目标停车位并最终在目标停车位停车的卡车是指：驶向预设的停车标识线并按照停车标识线停车的卡车。
例如，停车标识线是绘制在岸吊的门框横梁上的、针对挂板前侧立面或者后侧立面设置的铅垂线，卡车驶向停车标识线，并在其挂板的前侧立面或者后侧立面与停车标识线处于同一铅垂面时停车。
在一些实施例中，停车标识线是绘制在岸吊的门框横梁上的、针对挂板的后侧立面设置的铅垂线，卡车驶向停车标识线并在其挂板的后侧立面与停车标识线处于同一铅垂面时停车。
步骤S304，将卡车未到达目标停车位时的点云数据转换至到达目标停车位时的点云数据所在的坐标系中。
具体实施时，该过程可以利用ICP算法实现不同坐标系间点云数据的转换。
步骤S306，将转换后得到的点云集合确定为车辆点云模型。
步骤S302～S306中是利用激光雷达扫描运动中的卡车，这种方式可使激光束射到卡车车身的更多区域，相应的，所获得的点云数据能体现卡车车身的更多区域，所获得的车辆点云模型也能体现卡车车身的更多区域，进而更好地体现卡车整个车身的位置，满足ICP算法的需要，提高计算结果的准确性。
由于岸吊横跨的各个车道的最前端和最后端分别位于同一直线上，而且，行驶的卡车到目标停车位之间的实时距离可由二者的平移矩阵直接获得，因此，可选择岸吊横跨的各个车道中的任意一个车道上的目标停车位来确定车辆点云模型，确定出的车辆点云模型可用于其中任意一个车道上行驶的卡车到目标停车位之间实时距离的计算。
步骤S400，主控器广播包含行驶的卡车到目标停车位的实时距离的消息。
步骤S500，车辆控制器接收主控器广播的消息，根据接收消息中包含的实时距离控制行驶的卡车停止在目标停车位。
车辆控制器和主控器之间可以通过WIFI、V2X、基站等无线通信方式收发消息，本申请对此不做严格限定。考虑到信号的稳定性，主控器和车辆控制器之间可以通过V2X技术收发消息。在一些实施例中，主控器通过V2X设备广播该消息，车辆控制器通过V2X设备接收该消息。
在本申请实施例中，每个卡车都可配置一个车辆控制器，例如车辆控制器可以是卡车的车载设备。
在一些实施例中，主控器通过对实时点云数据聚类可得到多个行驶的卡车的点云集合，相应的，可计算出每个行驶的卡车到目标停车位的实时距离，并广播包含每个行驶的卡车到目标停车位的实时距离的消息，其中，可以是每个消息包含一个卡车到目标停车位的实时距离，也可以是一个消息包含多个卡车到目标停车位的实时距离。
在这类实施例中，由于主控器广播的消息中包含了多个卡车到目标停车位的实时距离，相应的，车辆控制器接收到主控器广播的消息后，就需要从中分辨出哪些实时距离是自身对应的卡车到目标停车位的实时距离。为了解决该问题，本申请实施例提供以下几种方式：
(1)在一些实施例中，车辆控制器根据自身对应的卡车的车载定位设备采集的定位数据，以及目标岸吊的位置信息，确定自身对应的卡车到目标岸吊之间的实时距离；将自身对应的卡车到目标岸吊之间的实时距离与接收到的消息中的实时距离进行比对，若二者的差值小于一个预设阈值，则根据接收到的消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
其中，目标岸吊为车辆控制器自身对应的卡车所执行的集装箱装卸船任务中用于吊装集装箱的岸吊。例如，车辆控制器可从接收到的集装箱装卸船任务命令中获取目标岸吊的位置信息。
这类实施例中，卡车的车载定位设备采集的定位数据是卡车的粗略定位信息(考虑车载定位设备所采集的定位数据存在一定误差)，根据该定位信息和目标岸吊的位置信息，即可粗略计算出卡车到目标岸吊的实时距离，以该实时距离作为标准，当判断该实时距离与接收的消息中的实时距离非常接近时(可将预设阈值设置为一接近为0的值)，可确定接收消息中的实时距离是车辆控制器自身对应的卡车到目标停车位的实时距离，并可根据该车道的标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
(2)在一些实施例中，主控器根据行驶的卡车的点云集合，以及已知的岸吊横跨的各个车道与所述激光雷达的相对位置，确定行驶的卡车所处车道的标识，并在广播的消息中包含由行驶的卡车所处车道的标识和该卡车到目标停车位的实时距离构成的数据对；
则，车辆控制器接收主控器广播的消息后，就可判断自身对应的卡车所处的车道与接收消息中包含的车道的标识是否对应，当判断二者对应时，即可确定接收消息中的实时距离是车辆控制器自身对应的卡车到目标停车位的实时距离，并可根据该车道的标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
(3)在一些实施例中，主控器拍摄行驶的卡车的图像，对拍摄的图像进行视觉识别 得到车辆标识，然后在广播的消息中包含由行驶的卡车的车辆标识和该卡车到目标停车位实时距离构成的数据对；
则，车辆控制器接收主控器广播的消息后，就可判断自身对应的卡车的车辆标识与接收消息中包含的车辆标识是否对应，当判断二者对应时，即可确定接收消息中的实时距离是车辆控制器自身对应的卡车到目标停车位的实时距离，并可根据该车道的标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
考虑到岸吊横跨的车道上行驶的卡车并非全部是要在该岸吊下执行集装箱装卸船任务的卡车，在一些实施例中，本申请实施例提供的岸吊区卡车精准停车方法中，在车辆控制器接收主控器广播的消息之后，以及根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位之前，该方法还可以包括：车辆控制器判断自身对应的卡车是否正在执行集装箱装卸船任务；若没有在执行集装箱装卸船任务，则丢弃接收到的消息。
为了确保集装箱装卸船业务能够安全执行，岸吊横跨的车道的限速一般都设置的较低，以使卡车以较低的速度在岸吊横跨的车道上行驶，考虑到这一情况，在一些实施例中，步骤S500按照如下过程执行：车辆控制器判断卡车到目标停车位的实时距离小于无动力滑行距离(即卡车在无动力状态依靠惯性滑行的距离)且二者的差值小于或等于一个预定阈值时，发出油门关闭信号以控制卡车的油门关闭，使卡车滑行至目标停车位并停止。
具体实施时，可将该预定阈值设置为一接近于0的值，卡车到目标停车位的实时距离小于无动力滑行距离且二者的差值小于或等于一个预定阈值是指：卡车到目标停车位的实时距离非常接近无动力滑行距离；此时车辆控制器发出油门关闭信号，卡车在无动力的情况下依靠惯性滑行道目标停车位停止。
车辆的无动力滑行距离与车辆的行驶速度、车身重量、轮胎性能、路面摩擦系数等相关，其中，行驶速度、车身重量、轮胎性能等数据可以从卡车的中控系统采集，路面摩擦系数可预先配置到车辆控制器中，车辆控制器获取这些数据后，即可计算出卡车的无动力滑行距离。
上述卡车在无动力状态依靠惯性滑行到目标停车位停止的实施方式，对无动力滑行距离的精确程度提出了较高的要求，一旦车辆控制器计算的无动力滑行距离不准确，卡车就很可能不能依靠惯性滑行到目标停车位停止。考虑到这一点，为了进一步确保卡车精准停止在目标停车位，在一些实施例中，步骤S500还可以按照如下过程执行：车辆控制器判断卡车到目标停车位的实时距离小于无动力滑行距离且二者的差值小于或等于一个预定阈值时，发出油门关闭信号以控制卡车的油门关闭，判断卡车到目标停车位的实时距离小于预设刹车距离且卡车的行驶速度大于预设速度时，发出刹车信号以控制卡车刹车并停止在目标停车位。
该实施方式中，车辆控制器在发出油门关闭信号使卡车处于无动力状态依靠惯性滑行的过程中，还会在判断卡车到目标停车位的实时距离小于预设刹车距离且卡车的行驶速度大于预设速度时，发出刹车信号以控制卡车刹车并停止到目标停车。
其中，预设刹车距离、预设速度、刹车信号之间存在如下关系：在刹车信号的作用下，卡车的行驶速度从该预设速度降到停止的过程中，卡车行驶的实时距离恰好等于该预设刹车距离。
由于车辆的刹车距离与车辆的刹车制动力、刹车时的行驶速度、车身重量和轮胎性能相关，而刹车制动力与刹车信号直接相关，因此车辆控制器可以预先根据车辆的历史刹车数据(如历次刹车过程中的刹车速度和刹车距离等)以及从车辆的中控系统采集的行驶速度、车身重量和轮胎性能等数据，计算出车辆的预设刹车距离、预设速度和刹车信号。
实施例1
如图5所示，编号为AD1000的岸吊横跨6条编号分别为E1～E6的车道，岸吊的联系横梁底部装设有6个编号分别为Lidar1～Lidar6的激光雷达，Lidar1～Lidar6分别扫描E1～E6，即每个激光雷达负责扫描一条车道，主控器M连接激光雷达Lidar1～Lidar6，并负责岸吊AD1000下的各个车道上的卡车精准停车任务。
某时刻，车道E1～E6上正在行驶的卡车的编号分别为K005、K006、K007。其中，卡车K005、K006装载有集装箱，且正在执行集装箱装船任务。卡车K007没有装载集装箱，且没在执行集装箱装卸船任务。卡车K005的车辆型号为SQ05，卡车K006的车辆型号为SQ06，卡车K007的车辆型号为SQ07。
主控器M按照预设的频率执行如下(1)～(5)中的操作过程：
(1)获取激光雷达Lidar1～Lidar6扫描得到的实时点云数据，并对其进行聚类得到卡车K005、K006、K007分别对应的点云集合。
(2)通过拍摄各个卡车的图像并进行视觉识别，确定卡车K005、K006装载有集装箱，卡车K007没有装载集装箱，以及分别确定三辆卡车的车辆编号K005、K006、K007，并通过与已知的车辆型号和车辆编号之间的对应关系，分别确定出三辆卡车的车辆型号。
(3)在第一模型库中查找与卡车K005的车辆型号SQ05相匹配的车辆点云模型MX-SQ05，在第一模型库中查找与卡车K006的车辆型号SQ06相匹配的车辆点云模型MX-SQ06，在第二模型库中查找与卡车K007的车辆型号SQ07相匹配的车辆点云模型MX-SQ07。
(4)利用ICP算法对卡车K005的点云集合和车辆点云模型MX-SQ05进行计算，得到卡车K005到目标停车位的实时距离L-K005；利用ICP算法对卡车K006的点云集合和车辆点云模型MX-SQ06进行计算，得到卡车K006到目标停车位的实时距离L-K006；利 用ICP算法对卡车K007的点云集合和车辆点云模型MX-SQ07进行计算，得到卡车K007到目标停车位的实时距离L-K007。
(5)广播包含由车辆编号K005和实时距离L-K005构成的数据对的第一消息，广播由车辆编号K006和实时距离L-K006构成的数据对的第二消息，以及广播由车辆编号K007和实时距离L-K007构成的数据对的第三消息。
卡车K005的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，首先判断自身对应的卡车正在执行集装箱装船任务的过程中，其次通过将每个消息中的车辆编号与自身对应的卡车的车辆编号K005进行比对，确定第一消息中包含的实时距离L-K005是自身对应的卡车到目标停车位的实时距离，最后根据该实时距离控制卡车K005精准停止在目标停车位。
卡车K006的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，首先判断自身对应的卡车正在执行集装箱装船任务的过程中，其次通过将每个消息中的车辆编号与自身对应的卡车的车辆编号K006进行比对，确定第二消息中包含的实时距离L-K006是自身对应的卡车到目标停车位的实时距离，最后根据该实时距离控制卡车K006精准停止在目标停车位。
卡车K007的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，判断自身对应的卡车并未在执行集装箱装卸船任务的过程中，因此，丢弃上述接收到的消息，即主控器广播的消息不影响卡车K007的正常行驶状况。
当卡车K005和K006精准停车后，岸吊AD1000将其装载的集装箱吊装到船舶上，完成集装箱装船任务。
实施例2
如图6所示，编号为AD1000的岸吊横跨6条编号分别为E1～E6的车道，岸吊的联系横梁底部装设有2个编号分别为Lidar1、Lidar2的激光雷达，Lidar1负责扫描车道E1～E3，Lidar2负责扫描E4～E6，即每个激光雷达负责扫描3条车道，主控器M连接激光雷达Lidar1、Lidar2，并负责岸吊AD1000下的各个车道上的卡车精准停车任务。
某时刻，岸吊AD1000横跨的车道上有三辆正在行驶的车辆K005、K006、K007，分别位于车道E2、E4、E6上。其中，卡车K005、K006、K007均没有装载集装箱，卡车K005、K006正在执行集装箱卸船任务，卡车K007没在执行集装箱装卸船任务。卡车K005的车辆型号为SQ05，卡车K006的车辆型号为SQ06，卡车K007的车辆型号为SQ07。
主控器M按照预设的频率执行如下(1)～(6)中的操作过程：
(1)获取激光雷达Lidar1～Lidar2扫描得到的实时点云数据，并对其进行聚类得到卡车K005、K006、K007分别对应的点云集合。
(2)通过拍摄各个卡车的图像并进行视觉识别，确定卡车K005、K006、K007均没有装载集装箱，以及分别确定三辆卡车的车辆编号K005、K006、K007，并通过与已知的车辆型号和车辆编号之间的对应关系，分别确定出三辆卡车的车辆型号。
(3)在第二模型库中查找与卡车K005的车辆型号SQ05相匹配的车辆点云模型MX-SQ05，在第二模型库中查找与卡车K006的车辆型号SQ06相匹配的车辆点云模型MX-SQ06，在第二模型库中查找与卡车K007的车辆型号SQ07相匹配的车辆点云模型MX-SQ07。
(4)利用ICP算法对卡车K005的点云集合和车辆点云模型MX-SQ05进行计算，得到卡车K005到目标停车位的实时距离L-K005；利用ICP算法对卡车K006的点云集合和车辆点云模型MX-SQ06进行计算，得到卡车K006到目标停车位的实时距离L-K006；利用ICP算法对卡车K007的点云集合和车辆点云模型MX-SQ07进行计算，得到卡车K007到目标停车位的实时距离L-K007。
(5)根据卡车K005、K006、K007的点云集合，以及已知的岸吊AD1000横跨的各个车道与激光雷达Lidar1、Lidar2的相对位置，确定卡车K005、K006、K007所处车道的标识分别是E2、E4、E6。
(6)广播包含由车道标识E2和实时距离L-K005构成的数据对的第一消息，广播由车道标识E4和实时距离L-K006构成的数据对的第二消息，以及广播由车道标识E6和实时距离L-K007构成的数据对的第三消息。
卡车K005的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，首先判断自身对应的卡车正在执行集装箱卸船任务的过程中，其次通过将每个消息中的车道标识与自身对应的卡车所处的车道进行比对，确定第一消息中包含的实时距离L-K005是自身对应的卡车到目标停车位的实时距离，最后根据该实时距离控制卡车K005精准停止在目标停车位。
卡车K006的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，首先判断自身对应的卡车正在执行集装箱卸船任务的过程中，其次通过将每个消息中的车道标识与自身对应的卡车所处的车道进行比对，确定第二消息中包含的实时距离L-K006是自身对应的卡车到目标停车位的实时距离，最后根据该实时距离控制卡车K006精准停止在目标停车位。
卡车K007的车辆控制器接收主控器M广播的第一消息、第二消息和第三消息后，判断自身对应的卡车并未在执行集装箱装卸船任务的过程中，因此，丢弃上述接收到的消息，即主控器广播的消息不影响卡车K007的正常行驶状况。
当卡车K005和K006精准停车后，岸吊AD1000将船舶上的集装箱吊装到卡车K005 和K006的挂板上，完成集装箱卸船任务。
基于相同的发明思想，本申请实施例提供一种应用于主控器的岸吊区卡车精准停车方法，如图7所示，包括：
步骤A100，获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
步骤A200，对实时点云数据聚类得到车道上行驶的卡车的点云集合；
步骤A300，利用ICP算法对行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合；
步骤A400，广播包含实时距离的消息，以使车辆控制器根据消息中包含的实时距离控制行驶的卡车停止在目标停车位。
在一些实施例中，利用ICP算法对行驶的卡车的点云集合和车辆点云模型进行计算，包括：
确定行驶的卡车的车辆型号；
在模型库中选择与行驶的卡车的车辆型号相匹配的车辆点云模型；
利用ICP算法对行驶的卡车的点云集合和相匹配的车辆点云模型进行计算；其中，模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型。
在一些实施例中，在模型库中选择与行驶的卡车的车辆型号相匹配的车辆点云模型，包括：
判断行驶的卡车装载集装箱时，在第一模型库中选择与行驶的卡车的车辆型号相匹配的车辆点云模型；其中，第一模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描所得到的多个车辆点云模型；
判断行驶的卡车没有装载集装箱时，在第二模型库中选择与行驶的卡车的车辆型号相匹配的车辆点云模型；其中，第二模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描所得到的多个车辆点云模型。
在一些实施例中，确定行驶的卡车的车辆型号，包括：
拍摄行驶的卡车的图像；
对图像进行视觉识别得到车辆标识；
根据已知的车辆标识与车辆型号的对应关系来确定行驶的卡车的车辆型号。
在一些实施例中，确定行驶的卡车的车辆型号，包括：
拍摄行驶的卡车的车头的图像；
对车头的图像进行视觉识别确定行驶的卡车的车辆型号。
在一些实施例中，确定行驶的卡车的车辆型号，包括：
利用射频识别RFID阅读器读取设置于行驶的卡车上的RFID标签中存储的行驶的卡车的车辆型号。
在一些实施例中，判断行驶的卡车是否装载集装箱，包括：
拍摄行驶的卡车的图像；
通过对图像进行视觉识别，确定行驶的卡车是否装载集装箱。
在一些实施例中，利用ICP算法对行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离，包括：
利用ICP算法计算行驶的卡车的点云集合到车辆点云模型的平移矩阵；
根据平移矩阵，得到行驶的卡车到目标停车位的实时距离。
在一些实施例中，利用ICP算法计算行驶的卡车的点云集合到车辆点云模型的平移矩阵，包括：
确定初始平移矩阵，其中，初始平移矩阵为所述行驶的卡车的点云集合中位于所述行驶的卡车的行驶方向上最前方的预设数量个点的平均中心平移到车辆点云模型中位于所述行驶方向上最前方的所述预设数量个点的平均中心所用的矩阵，平均中心的坐标为预设数量个点的坐标的平均值；
利用初始平移矩阵对待停卡车的点云集合和车辆点云模型进行迭代计算，得到行驶的卡车的点云集合到车辆点云模型的平移矩阵。
在一些实施例中，车辆点云模型按照如下方式确定：
预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车；
将卡车未到达目标停车位时的点云数据转换至到达目标停车位时的点云数据所在的坐标系中；
将转换后得到的点云集合确定为车辆点云模型。
在一些实施例中，预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车，包括：
预先利用激光雷达扫描驶向预设的停车标识线并按照停车标识线停车的卡车。
在一些实施例中，按照停车标识线停车，包括：
当卡车的挂板的后侧立面与停车标识线处于同一铅垂面时停车。
在一些实施例中，该岸吊区卡车精准停车方法还包括：根据行驶的卡车的点云集合，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，确定行驶的卡车所处车道的标识；
则，广播包含实时距离的消息，包括：
广播包含由行驶的卡车所处车道的标识和实时距离构成的数据对的消息。
在一些实施例中，该岸吊区卡车精准停车方法还包括：
获取行驶的卡车的车辆标识；
则，广播包含实时距离的消息，包括：
广播包含由行驶的卡车的车辆标识和实时距离构成的数据对的消息。
在一些实施例中，获取行驶的卡车的车辆标识，包括：
拍摄行驶的卡车的图像；
对图像进行视觉识别得到车辆标识。
在一些实施例中，获取行驶的卡车的车辆标识，包括：
利用RFID阅读器读取设置于行驶的卡车上的RFID标签中存储的行驶的卡车的车辆标识。
在一些实施例中，拍摄行驶的卡车的图像，包括：拍摄行驶的卡车上预设车身区域的图像。
在一些实施例中，预设车身区域具有由反光涂层形成的车辆标识。
在一些实施例中，广播包含实时距离的消息，包括：通过车联万物V2X设备广播包含实时距离的消息。
图7所示的应用于主控器的岸吊区卡车精准停车方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前述对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
基于相同的发明思想，本申请还提供一种应用于车辆控制器的岸吊区卡车精准停车方法，如图8所示，包括：
步骤B100，接收主控器广播的消息。
步骤B200，根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位。
主控器广播的消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；该实时距离按照如下方式计算得到：
主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对实时点云数据聚类得到车道上行驶的卡车的点云集合；利用ICP算法对行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
在一些实施例中，根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
根据自身对应的卡车的车载定位设备采集的定位数据，以及目标岸吊的位置信息，确定自身对应的卡车到目标岸吊之间的实时距离，其中，目标岸吊为自身对应的卡车所执行的集装箱装卸船任务中用于吊装集装箱的岸吊；
将自身对应的卡车到目标岸吊之间的实时距离与消息中的实时距离进行比对，若二者的差值小于一个预设阈值，则根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位。
在一些实施例中，该岸吊区卡车精准停车方法，还包括：从接收到的集装箱装卸船任务命令中获取目标岸吊的位置信息。
在一些实施例中，该消息中包含由行驶的卡车所处车道的标识和实时距离构成的数据对；
则，根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
当判断自身对应的卡车所处的车道与消息中包含的车道的标识对应时，根据该车道的标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
在一些实施例中，该消息中包含由行驶的卡车的车辆标识和实时距离构成的数据对；
则，根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
当判断自身对应的卡车的车辆标识与消息中包含的车辆标识对应时，根据该车辆标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
在一些实施例中，接收主控器广播的消息之后，以及根据消息中包含的实时距离控制自身对应的卡车停止在目标停车位之前，还包括：
判断自身对应的卡车是否正在执行集装箱装卸船任务；
若没有正在执行集装箱装卸船任务，则丢弃该消息。
在一些实施例中，接收主控器广播的消息，包括：通过V2X设备接收消息。
图8所示的应用于车辆控制器的岸吊区卡车精准停车方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前述对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
基于相同的发明思想，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，该计算机程序被处理器运行时本申请实施例提供的应用于主控器的岸吊区卡车精准停车方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。在一些实施例中，该计算机可读的存储介质可以是：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意 合适的组合。
基于相同的发明思想，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，该计算机程序被处理器运行时本申请实施例提供的应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。在一些实施例中，该计算机可读的存储介质可以是：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
示例性设备
基于相同的发明思想，本申请实施例还提供一种主控器，该主控器包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，第一处理器在运行计算机程序时，执行图7的应用于主控器的岸吊区卡车精准停车方法。
第一存储器中的计算机程序被运行时所执行的方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的应用于主控器的岸吊区卡车精准停车方法的介绍，此处不再赘述。
可选地，本申请中，第一处理器可以通过电路、芯片或其他电子部件来实现。例如，第一处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地，本申请中，第一存储器可以通过电路、芯片或其他电子部件来实现。例如，第一存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中，主控器可以是服务器、PC机、便携式电脑、平板电脑、PDA、iMac等形式的计算机设备。
基于相同的发明思想，本申请实施例还提供一种车辆控制器，该车辆控制器包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，第二处理器在运行计算机程序时，执行图8的应用于车辆控制器的岸吊区卡车精准停车方法。
第二存储器中的计算机程序被运行时所执行的方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的应用于车辆控制器的岸吊区卡车精准停车方法的介绍，此处不再赘述。
可选地，本申请中，第二处理器可以通过电路、芯片或其他电子部件来实现。例如， 第二处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地，本申请中，第二存储器可以通过电路、芯片或其他电子部件来实现。例如，第二存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中，车辆控制器可以是DSP(Digital Signal Processing，数字信号处理器)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)控制器、工业电脑、行车电脑、ECU(Electronic Control Unit，电子控制单元)、ARM或者VCU(Vehicle Control Unit，整车控制器)等，本申请对此不做具体限定。
基于相同的发明思想，本申请实施例还提供一种岸吊，如图9所示，该岸吊上装设有激光雷达和主控器。
其中，激光雷达、主控器可装设于岸吊的桥架、海侧门框、陆侧门框、门框横梁或联系横梁上。激光雷达用于扫描该岸吊横跨的车道；主控器用于获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对实时点云数据聚类得到车道上行驶的卡车的点云集合；利用ICP算法对行驶的卡车的点云集合和车辆点云模型进行计算，得到行驶的卡车到目标停车位的实时距离；以及，广播包含该实时距离的消息，以使车辆控制器根据消息中包含的实时距离控制行驶的卡车停止在目标停车位。其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
在一些实施例中，该岸吊上还装设有与主控器连接的V2X设备。
在一些实施例中，该岸吊上还装设有用于为主控器和/或激光雷达供电的供电设备。
在一些实施例中，上述供电设备从岸吊的供电系统获取电源。
在一些实施例中，为了应对岸吊的供电系统突然断电导致上述供电设备无法供电等突发状况，该岸吊上还装设有用于在上述供电设备断电时为主控器和/或激光雷达供电的不间断电源UPS(Uninterruptible Power System)。
在一些实施例中，该岸吊上还装设有与主控器连接的射频识别RFID阅读器。
在一些实施例中，该岸吊上还装设有与主控器连接的摄像头。
基于相同的发明思想，本申请实施例还提供一种汽车，如图10所示，该汽车上装设有车辆控制器，该车辆控制器用于发送待停卡车的停车请求，接收主控器发送的待停卡车到目标停车位的实时距离；并根据待停卡车到目标停车位的实时距离，控制待停卡车停止在目标停车位。
在一些实施例中，该车辆控制器连接汽车的油门控制系统和制动系统。即，车辆控制 器通过控制汽车的油门控制系统和制动系统间接达到控制待停卡车停止在目标停车位的目的。
在一些实施例中，该汽车上还装设有与该车辆控制器连接的车联万物V2X设备。
在一些实施例中，该汽车上还装设有车载定位设备，用于获取定位数据。
在一些实施例中，该汽车上装设有射频识别RFID标签。
该汽车可以是由人类驾驶的传统车辆(如家用轿车、工程车、消防车、救护车、卡车等)，也可以是自动驾驶车，可以是消耗汽油、柴油等传统能源的车辆，也可以是消耗电能、太阳能等新能源的车辆。其中，自动驾驶车是指利用自动驾驶技术实现的具有载人(如家用轿车、公共汽车等类型)、载货(如普通货车、厢式货车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等类型)或者特殊救援功能(如消防车、救护车等类型)的车辆。
示例性系统
基于相同的发明思想，本申请实施例还提供一种岸吊区卡车精准停车控制系统，如图11所示，包括：主控器，车辆控制器，以及激光雷达。
该岸吊区卡车精准停车控制系统中，激光雷达可以选用16线、32线或64线型，激光线束越多，扫描得到的点云数据就越容易覆盖被扫车辆的整个车身，相应的，成本也会越高；主控器和车辆控制器的硬件组成结构已在示例性设备中进行了描述，此处不再赘述。
为了实现激光雷达扫描岸吊横跨的车道的目的，具体实施时可以将激光雷达安装于集装箱装卸船作业现场的机械设备或专业支撑架上。更进一步的，为了在岸吊移动时能省去重复安装和调试激光雷达的过程，在一些实施例中，激光雷达被固定安装于岸吊上(例如联系横梁的底部)，这样当岸吊移动时，激光雷达与岸吊的相对位置是固定不变的，激光雷达总是可以对岸吊横跨的车道进行扫描。
在一些实施例中，主控器被固定安装于岸吊上(例如联系横梁的底部，或，岸吊的控制室内)，并连接激光雷达。
在一些实施例中，车辆控制器装设于卡车上。
在一些实施例中，车辆控制器是装载于卡车以外的设备，例如是固定装设于某地的设备，或装设于任意移动设备上的设备，这些实施例中，车辆控制器通过基站、WIFI等无线通信方式控制待停卡车的动力系统从而间接控制卡车停车。
在一些实施例中，如图3中的(a)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(b)所示，主控器、激光雷达和车道被设置为如下模 式：每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(c)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(d)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图11所示，该岸吊区卡车精准停车控制系统，还包括：与主控器连接的V2X设备，以及，与车辆控制器连接的V2X设备。
在一些实施例中，如图11所示，该岸吊区卡车精准停车控制系统，还包括：用于为主控器和/或激光雷达供电的供电设备。
在一些实施例中，上述供电设备从岸吊的供电系统获取电源。
在一些实施例中，该岸吊区卡车精准停车控制系统，还包括：用于在上述供电设备断电时为主控器和/或激光雷达供电的不间断电源UPS。
在一些实施例中，该岸吊区卡车精准停车控制系统，还包括：与主控器连接的射频识别RFID阅读器，以及设置于卡车上的RFID标签。
在一些实施例中，该岸吊区卡车精准停车控制系统，还包括：与主控器连接的摄像头。
在一些实施例中，摄像头设置于岸吊上。
该岸吊区卡车精准停车控制系统与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
以上对本申请的目的、技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
应当注意，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative  components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。
本申请实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

Claims (56)

  1. 一种岸吊区卡车精准停车方法，其特征在于，包括：
    获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
    对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；
    利用迭代最近点ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合；
    广播包含所述实时距离的消息，以使所述行驶的卡车对应的车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
  2. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，包括：
    确定所述行驶的卡车的车辆型号；
    在模型库中选择与所述行驶的卡车的车辆型号相匹配的车辆点云模型；
    利用ICP算法对所述行驶的卡车的点云集合和所述相匹配的车辆点云模型进行计算；其中，所述模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型。
  3. 根据权利要求2所述的岸吊区卡车精准停车方法，其特征在于，在模型库中选择与所述行驶的卡车的车辆型号相匹配的车辆点云模型，包括：
    判断所述行驶的卡车装载集装箱时，在第一模型库中选择与所述行驶的卡车的车辆型号相匹配的车辆点云模型；其中，所述第一模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描所得到的多个车辆点云模型；
    判断所述行驶的卡车没有装载集装箱时，在第二模型库中选择与所述行驶的卡车的车辆型号相匹配的车辆点云模型；其中，所述第二模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描所得到的多个车辆点云模型。
  4. 根据权利要求2～3任一所述的岸吊区卡车精准停车方法，其特征在于，确定所述行驶的卡车的车辆型号，包括：
    拍摄所述行驶的卡车的图像；
    对所述图像进行视觉识别得到车辆标识；
    根据已知的车辆标识与车辆型号的对应关系来确定所述行驶的卡车的车辆型号。
  5. 根据权利要求2～3任一所述的岸吊区卡车精准停车方法，其特征在于，确定所述行驶的卡车的车辆型号，包括：
    拍摄所述行驶的卡车的车头的图像；
    对所述车头的图像进行视觉识别确定所述行驶的卡车的车辆型号。
  6. 根据权利要求2～3任一所述的岸吊区卡车精准停车方法，其特征在于，确定所述行驶的卡车的车辆型号，包括：
    利用射频识别RFID阅读器读取设置于所述行驶的卡车上的RFID标签中存储的所述行驶的卡车的车辆型号。
  7. 根据权利要求3所述的岸吊区卡车精准停车方法，其特征在于，判断所述行驶的卡车是否装载集装箱，包括：
    拍摄所述行驶的卡车的图像；
    通过对所述图像进行视觉识别，确定所述行驶的卡车是否装载集装箱。
  8. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离，包括：
    利用ICP算法计算所述行驶的卡车的点云集合到所述车辆点云模型的平移矩阵；
    根据所述平移矩阵，得到所述行驶的卡车到目标停车位的实时距离。
  9. 根据权利要求8所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法计算所述行驶的卡车的点云集合到所述车辆点云模型的平移矩阵，包括：
    确定初始平移矩阵，其中，所述初始平移矩阵为所述行驶的卡车的点云集合中位于所述行驶的卡车的行驶方向上最前方的预设数量个点的平均中心平移到车辆点云模型中位于所述行驶方向上最前方的所述预设数量个点的平均中心所用的矩阵，所述平均中心的坐标为所述预设数量个点的坐标的平均值；
    利用所述初始平移矩阵对所述待停卡车的点云集合和车辆点云模型进行迭代计算，得到所述行驶的卡车的点云集合到所述车辆点云模型的平移矩阵。
  10. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，所述车辆点云模型按照如下方式确定：
    预先利用激光雷达扫描驶向所述目标停车位并最终在所述目标停车位停车的卡车；
    将所述卡车未到达所述目标停车位时的点云数据转换至到达所述目标停车位时的点云数据所在的坐标系中；
    将转换后得到的点云集合确定为所述车辆点云模型。
  11. 根据权利要求10所述的岸吊区卡车精准停车方法，其特征在于，预先利用激光雷达扫描驶向所述目标停车位并最终在所述目标停车位停车的卡车，包括：
    预先利用激光雷达扫描驶向预设的停车标识线并按照所述停车标识线停车的卡车。
  12. 根据权利要求11所述的岸吊区卡车精准停车方法，其特征在于，按照所述停车标识线停车，包括：
    当卡车的挂板的后侧立面与所述停车标识线处于同一铅垂面时停车。
  13. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，还包括：根据所述行驶的卡车的点云集合，以及已知的岸吊横跨的各个车道与所述激光雷达的相对位置，确定所述行驶的卡车所处车道的标识；
    则，广播包含所述实时距离的消息，包括：
    广播包含由所述行驶的卡车所处车道的标识和所述实时距离构成的数据对的消息。
  14. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，还包括：
    获取所述行驶的卡车的车辆标识；
    则，广播包含所述实时距离的消息，包括：
    广播包含由所述行驶的卡车的车辆标识和所述实时距离构成的数据对的消息。
  15. 根据权利要求14所述的岸吊区卡车精准停车方法，其特征在于，获取所述行驶的卡车的车辆标识，包括：
    拍摄所述行驶的卡车的图像；
    对所述图像进行视觉识别得到车辆标识。
  16. 根据权利要求15所述的岸吊区卡车精准停车方法，其特征在于，获取所述行驶的卡车的车辆标识，包括：
    利用RFID阅读器读取设置于所述行驶的卡车上的RFID标签中存储的所述行驶的卡车的车辆标识。
  17. 根据权利要求15所述的岸吊区卡车精准停车方法，其特征在于，拍摄所述行驶的卡车的图像，包括：拍摄所述行驶的卡车上预设车身区域的图像。
  18. 根据权利要求17所述的岸吊区卡车精准停车方法，其特征在于，所述预设车身区域具有由反光涂层形成的车辆标识。
  19. 根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，广播包含所述实时距离的消息，包括：通过车联万物V2X设备广播包含所述实时距离的消息。
  20. 一种岸吊区卡车精准停车方法，其特征在于，包括：
    接收主控器广播的消息；
    根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位；
    其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：
    主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数 据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
  21. 根据权利要求20所述的岸吊区卡车精准停车方法，其特征在于，根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
    根据自身对应的卡车的车载定位设备采集的定位数据，以及目标岸吊的位置信息，确定自身对应的卡车到目标岸吊之间的实时距离，其中，所述目标岸吊为自身对应的卡车所执行的集装箱装卸船任务中用于吊装集装箱的岸吊；
    将自身对应的卡车到目标岸吊之间的实时距离与所述消息中的实时距离进行比对，若二者的差值小于一个预设阈值，则根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位。
  22. 根据权利要求21所述的岸吊区卡车精准停车方法，其特征在于，还包括：从接收到的集装箱装卸船任务命令中获取目标岸吊的位置信息。
  23. 根据权利要求20所述的岸吊区卡车精准停车方法，其特征在于，所述消息中包含由所述行驶的卡车所处车道的标识和所述实时距离构成的数据对；
    则，根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
    当判断自身对应的卡车所处的车道与所述消息中包含的车道的标识对应时，根据该车道的标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
  24. 根据权利要求20所述的岸吊区卡车精准停车方法，其特征在于，所述消息中包含由所述行驶的卡车的车辆标识和所述实时距离构成的数据对；
    则，根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位，包括：
    当判断自身对应的卡车的车辆标识与所述消息中包含的车辆标识对应时，根据该车辆标识构成的数据对中的实时距离控制自身对应的卡车停止在目标停车位。
  25. 根据权利要求20所述的岸吊区卡车精准停车方法，其特征在于，接收主控器广播的消息之后，以及根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位之前，还包括：
    判断自身对应的卡车是否正在执行集装箱装卸船任务；
    若没有正在执行集装箱装卸船任务，则丢弃所述消息。
  26. 根据权利要求20所述的岸吊区卡车精准停车方法，其特征在于，接收主控器广播的消息，包括：通过V2X设备接收所述消息。
  27. 一种主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，其特征在于，所述第一处理器在运行所述计算机程序时，执行岸 吊区卡车精准停车处理，该处理包括：
    获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
    对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；
    利用迭代最近点ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合；
    广播包含所述实时距离的消息，以使所述行驶的卡车对应的车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
  28. 一种车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，其特征在于，所述第二处理器在运行所述计算机程序时，执行岸吊区卡车精准停车处理，该处理包括：
    接收主控器广播的消息；
    根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位；
    其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：
    主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
  29. 一种岸吊区卡车精准停车控制系统，其特征在于，包括：主控器，车辆控制器，以及激光雷达；其中，
    所述主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，所述第一处理器在运行所述计算机程序时，执行包括如下过程的处理：获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用迭代最近点ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合；广播包含所述实时距离的消息，以使所述行驶的卡车对应的车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位；
    所述车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，所述第二处理器在运行所述计算机程序时，执行包括如下过程的处理：接收主控器广播的消息；根据所述消息中包含的实时距离控制自身对应的卡车停 止在目标停车位；其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
  30. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，所述主控器和/或所述激光雷达装设于岸吊上。
  31. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，所述车辆控制器装设于卡车上。
  32. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达只用于扫描岸吊横跨的一个车道，每个所述主控器只用于获取一个所述激光雷达扫描得到的实时点云数据。
  33. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达用于扫描岸吊横跨的至少两个车道，每个所述主控器只用于获取一个所述激光雷达扫描得到的实时点云数据。
  34. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达只用于扫描岸吊横跨的一个车道，每个所述主控器用于获取至少两个所述激光雷达扫描得到的实时点云数据。
  35. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达用于扫描岸吊横跨的至少两个车道，每个所述主控器用于获取至少两个所述激光雷达扫描得到的实时点云数据。
  36. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：与所述主控器连接的车联万物V2X设备，以及，与所述车辆控制器连接的V2X设备。
  37. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：用于为所述主控器和/或所述激光雷达供电的供电设备。
  38. 根据权利要求37所述的岸吊区卡车精准停车控制系统，其特征在于，所述供电设备从岸吊的供电系统获取电源。
  39. 根据权利要求38所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：用于在所述供电设备断电时为所述主控器和/或所述激光雷达供电的不间断电源UPS。
  40. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：与所述主控器连接的射频识别RFID阅读器，以及设置于卡车上的RFID标签。
  41. 根据权利要求29所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：与所述主控器连接的摄像头。
  42. 根据权利要求41所述的岸吊区卡车精准停车控制系统，其特征在于，所述摄像头设置于岸吊上。
  43. 一种岸吊，其特征在于，所述岸吊上装设有激光雷达和主控器；
    所述主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，所述第一处理器在运行所述计算机程序时，执行岸吊区卡车精准停车处理，该处理包括：
    获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
    对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；
    利用迭代最近点ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合；
    广播包含所述实时距离的消息，以使所述行驶的卡车对应的车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
  44. 根据权利要求43所述的岸吊，其特征在于，所述岸吊上还装设有与所述主控器连接的车联万物V2X设备。
  45. 根据权利要求43所述的岸吊，其特征在于，所述岸吊上还装设有用于为所述主控器和/或所述激光雷达供电的供电设备。
  46. 根据权利要求45所述的岸吊，其特征在于，所述供电设备从岸吊的供电系统获取电源。
  47. 根据权利要求45所述的岸吊，其特征在于，所述岸吊上还装设有用于在所述供电设备断电时为所述主控器和/或所述激光雷达供电的不间断电源UPS。
  48. 根据权利要求43所述的岸吊，其特征在于，所述岸吊上还装设有与所述主控器连接的射频识别RFID阅读器。
  49. 根据权利要求43所述的岸吊，其特征在于，所述岸吊上还装设有与所述主控器连接的摄像头。
  50. 一种汽车，其特征在于，所述汽车上装设有车辆控制器；其中，
    所述车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，所述第二处理器在运行所述计算机程序时，执行岸吊区卡车精准停车处理，该处理包括：
    接收主控器广播的消息；
    根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位；
    其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：
    主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
  51. 根据权利要求50所述的汽车，其特征在于，所述车辆控制器连接所述汽车的油门控制系统和制动系统。
  52. 根据权利要求50所述的汽车，其特征在于，所述汽车上装设有与所述车辆控制器连接的车联万物V2X设备。
  53. 根据权利要求50所述的汽车，其特征在于，所述汽车上装设有车载定位设备。
  54. 根据权利要求50所述的汽车，其特征在于，所述汽车上装设有射频识别RFID标签。
  55. 一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时实现岸吊区卡车精准停车处理，该处理包括：
    获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
    对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；
    利用迭代最近点ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合；
    广播包含所述实时距离的消息，以使所述行驶的卡车对应的车辆控制器根据所述消息中包含的实时距离控制所述行驶的卡车停止在目标停车位。
  56. 一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时实现岸吊区卡车精准停车处理，该处理包括：
    接收主控器广播的消息；
    根据所述消息中包含的实时距离控制自身对应的卡车停止在目标停车位；
    其中，所述消息包含岸吊横跨的车道上行驶的卡车到目标停车位的实时距离；所述实时距离按照如下方式计算得到：
    主控器获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述车道上行驶的卡车的点云集合；利用ICP算法对所述行驶的卡车的点云集合和车辆点云模型进行计算，得到所述行驶的卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
PCT/CN2019/077078 2018-12-26 2019-03-06 一种岸吊区卡车精准停车方法、设备及系统 WO2020133693A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/360,743 US11948370B2 (en) 2018-12-26 2021-06-28 Precise parking method, apparatus and system of truck in shore-based crane area

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201811602321.3 2018-12-26
CN201811602321.3A CN111369779B (zh) 2018-12-26 2018-12-26 一种岸吊区卡车精准停车方法、设备及系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/360,743 Continuation US11948370B2 (en) 2018-12-26 2021-06-28 Precise parking method, apparatus and system of truck in shore-based crane area

Publications (1)

Publication Number Publication Date
WO2020133693A1 true WO2020133693A1 (zh) 2020-07-02

Family

ID=71126700

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/077078 WO2020133693A1 (zh) 2018-12-26 2019-03-06 一种岸吊区卡车精准停车方法、设备及系统

Country Status (3)

Country Link
US (1) US11948370B2 (zh)
CN (1) CN111369779B (zh)
WO (1) WO2020133693A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415548A (zh) * 2020-11-09 2021-02-26 北京斯年智驾科技有限公司 无人集卡的定位方法、装置、系统、电子装置和存储介质
CN113759906A (zh) * 2021-08-30 2021-12-07 广州文远知行科技有限公司 一种车辆对位方法、装置、计算机设备和存储介质
US11288605B1 (en) * 2020-11-19 2022-03-29 Bnsf Railway Company Grounded operations management system and method therefor
CN114455511A (zh) * 2021-12-27 2022-05-10 劢微机器人科技(深圳)有限公司 叉车装货方法及设备、计算机可读存储介质
CN114647011A (zh) * 2022-02-28 2022-06-21 三一海洋重工有限公司 集卡防吊监控方法、装置及系统
CN115876098A (zh) * 2022-12-12 2023-03-31 苏州思卡信息系统有限公司 一种多线束激光雷达的车辆尺寸测量方法
WO2023070954A1 (zh) * 2021-10-29 2023-05-04 北京航天自动控制研究所 一种基于机器视觉的集卡引导和单双箱识别方法和装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099025B (zh) * 2020-08-20 2024-04-02 杭州飞步科技有限公司 桥吊下的车辆定位方法、装置、设备及存储介质
CN112150540B (zh) * 2020-08-26 2023-08-25 交通运输部水运科学研究所 场桥下集卡对位方法、装置、终端、存储介质及处理器
CN112034481A (zh) * 2020-09-02 2020-12-04 亿嘉和科技股份有限公司 一种基于反光贴和激光雷达的电缆自动识别方法
CN113479218B (zh) * 2021-08-09 2022-05-31 哈尔滨工业大学 一种路基自动驾驶辅助探测系统及其控制方法
CN114399399B (zh) * 2022-03-25 2022-07-12 青岛慧拓智能机器有限公司 矿区车辆的卸载停靠方法、装置、计算机设备及存储介质
CN115662151B (zh) * 2022-12-13 2023-05-12 宜宾职业技术学院 一种重载车辆定位控制方法、装置及系统
CN116774183B (zh) * 2023-08-23 2023-11-28 北京斯年智驾科技有限公司 一种吊具位置检测方法、系统、装置及介质
CN117841988B (zh) * 2024-03-04 2024-05-28 厦门中科星晨科技有限公司 用于无人驾驶车辆的停位控制方法、装置、介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106541945A (zh) * 2016-11-15 2017-03-29 广州大学 一种基于icp算法的无人车自动泊车方法
CN106781670A (zh) * 2016-12-30 2017-05-31 华勤通讯技术有限公司 一种停车位的选取方法和装置
CN107338988A (zh) * 2017-07-18 2017-11-10 武汉智象机器人有限公司 一种智能停车库结构及其停车方法
CN107610524A (zh) * 2017-11-02 2018-01-19 济南浪潮高新科技投资发展有限公司 一种利用激光雷达进行停车场车位智能识别的方法及装置
US10078790B2 (en) * 2017-02-16 2018-09-18 Honda Motor Co., Ltd. Systems for generating parking maps and methods thereof

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE1020182B (de) 1952-01-16 1957-11-28 Wolfgang Spindler Verfahren zum Herstellen einer Dispersion von Polyaethylen
CN201003950Y (zh) * 2007-02-09 2008-01-09 上海明路绳网索具有限公司 激光立体扫描集装箱卡车的定位装置
US9916763B2 (en) * 2010-06-30 2018-03-13 Primal Space Systems, Inc. Visibility event navigation method and system
CN103854320B (zh) * 2012-12-05 2016-06-22 上海海事大学 基于激光雷达的车型自动识别方法
KR101509880B1 (ko) * 2013-02-28 2015-04-07 현대자동차주식회사 주차 안내 장치 및 방법
CN204384730U (zh) * 2014-12-31 2015-06-10 曹敏 集装箱码头rtg、rmg下集卡对位引导系统
CN104528531B (zh) * 2014-12-31 2016-06-01 北京国泰星云科技有限公司 集装箱码头rtg、rmg下集卡对位引导系统及方法
CN106495000B (zh) * 2015-09-08 2017-12-15 上海海镭激光科技有限公司 桥吊下多层激光扫描集卡与吊具锁头对位方法
CN105575171A (zh) * 2016-01-13 2016-05-11 徐海明 一种基于视频图像识别技术的自动引导智能停车方法与系统
US10319166B2 (en) * 2016-05-05 2019-06-11 Visa International Service Assocation Vehicle-based identification and access
MX2019004331A (es) * 2016-10-13 2019-08-05 Nissan Motor Metodo de asistencia al estacionamiento y dispositivo de asistencia al estacionamiento.
US10228696B2 (en) * 2017-01-26 2019-03-12 Ford Global Technologies, Llc Wind detection systems and methods
KR101964919B1 (ko) * 2017-05-26 2019-08-13 주식회사 만도 주차 제어 장치 및 그 방법
US10600199B2 (en) * 2017-06-27 2020-03-24 Toyota Research Institute, Inc. Extending object detection and identification capability for an object sensor device
CN107390689B (zh) * 2017-07-21 2019-05-14 北京图森未来科技有限公司 实现车辆自动运输的系统及方法、相关设备
CN116540739A (zh) * 2017-07-21 2023-08-04 北京图森智途科技有限公司 实现车辆自动装卸货的方法及系统、相关设备
CN112731911A (zh) * 2017-09-27 2021-04-30 北京图森智途科技有限公司 一种路侧设备、车载设备以及自动驾驶感知方法及系统
CN108846393A (zh) * 2017-12-20 2018-11-20 江苏耐维思通科技股份有限公司 一种停车区的行车自动识别装置
CN108266020B (zh) * 2017-12-25 2020-04-17 耀灵人工智能(浙江)有限公司 一种空中停车装置
CN108362294B (zh) * 2018-03-05 2021-08-03 中山大学 一种应用于自动驾驶的多车协同建图方法
CN108981684B (zh) * 2018-06-06 2021-10-12 苏州智加科技有限公司 集装箱卡车定位系统及方法
CN108986527A (zh) * 2018-07-17 2018-12-11 新华三云计算技术有限公司 一种停车位引导方法、装置、系统及电子设备
CN110874944B (zh) * 2018-08-31 2021-04-02 北京图森智途科技有限公司 一种停车控制方法、停车服务器、车辆控制器和车辆
CN109335716A (zh) * 2018-08-31 2019-02-15 北京图森未来科技有限公司 港口物流配送方法、物流配送服务器和操控终端
CN109035841B (zh) * 2018-09-30 2020-10-09 上海交通大学 停车场车辆定位系统及方法
US11847207B2 (en) 2019-03-04 2023-12-19 Microsoft Technology Licensing, Llc Security-adaptive code execution

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106541945A (zh) * 2016-11-15 2017-03-29 广州大学 一种基于icp算法的无人车自动泊车方法
CN106781670A (zh) * 2016-12-30 2017-05-31 华勤通讯技术有限公司 一种停车位的选取方法和装置
US10078790B2 (en) * 2017-02-16 2018-09-18 Honda Motor Co., Ltd. Systems for generating parking maps and methods thereof
CN107338988A (zh) * 2017-07-18 2017-11-10 武汉智象机器人有限公司 一种智能停车库结构及其停车方法
CN107610524A (zh) * 2017-11-02 2018-01-19 济南浪潮高新科技投资发展有限公司 一种利用激光雷达进行停车场车位智能识别的方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112415548A (zh) * 2020-11-09 2021-02-26 北京斯年智驾科技有限公司 无人集卡的定位方法、装置、系统、电子装置和存储介质
CN112415548B (zh) * 2020-11-09 2023-09-29 北京斯年智驾科技有限公司 无人集卡的定位方法、装置、系统、电子装置和存储介质
US11288605B1 (en) * 2020-11-19 2022-03-29 Bnsf Railway Company Grounded operations management system and method therefor
US11669787B2 (en) 2020-11-19 2023-06-06 Bnsf Railway Company Grounded operations management system and method therefor
CN113759906A (zh) * 2021-08-30 2021-12-07 广州文远知行科技有限公司 一种车辆对位方法、装置、计算机设备和存储介质
WO2023070954A1 (zh) * 2021-10-29 2023-05-04 北京航天自动控制研究所 一种基于机器视觉的集卡引导和单双箱识别方法和装置
CN114455511A (zh) * 2021-12-27 2022-05-10 劢微机器人科技(深圳)有限公司 叉车装货方法及设备、计算机可读存储介质
CN114647011A (zh) * 2022-02-28 2022-06-21 三一海洋重工有限公司 集卡防吊监控方法、装置及系统
CN114647011B (zh) * 2022-02-28 2024-02-02 三一海洋重工有限公司 集卡防吊监控方法、装置及系统
CN115876098A (zh) * 2022-12-12 2023-03-31 苏州思卡信息系统有限公司 一种多线束激光雷达的车辆尺寸测量方法
CN115876098B (zh) * 2022-12-12 2023-10-24 苏州思卡信息系统有限公司 一种多线束激光雷达的车辆尺寸测量方法

Also Published As

Publication number Publication date
CN111369779B (zh) 2021-09-03
CN111369779A (zh) 2020-07-03
US11948370B2 (en) 2024-04-02
US20210327271A1 (en) 2021-10-21

Similar Documents

Publication Publication Date Title
WO2020133693A1 (zh) 一种岸吊区卡车精准停车方法、设备及系统
WO2020133694A1 (zh) 一种岸吊区卡车精准停车方法、设备及系统
US11720103B2 (en) System, method and associated apparatus for autonomous vehicle transportation
CN109164809B (zh) 一种车辆编队自主跟随控制系统及方法
WO2018177225A1 (zh) 一种停车管理方法、服务器、车位锁及存储介质
CN110874944B (zh) 一种停车控制方法、停车服务器、车辆控制器和车辆
CN110789518B (zh) 一种停车控制方法、停车服务器、车辆控制器和车辆
CN203512793U (zh) 集装箱自动化码头装卸系统
US20200140241A1 (en) System and method for controlling mobile hoisting apparatus, server and mobile hoisting apparatus
JP2017122990A (ja) 走行装置、走行制御装置、走行制御システム
CN104742881A (zh) 自动泊车系统和方法
CN111137279A (zh) 港口无人集卡站点停车方法及系统
US20220375350A1 (en) Systems and methods of projecting virtual parking lines
EP3989198A1 (en) Travel route generation device and control device
CN112101120A (zh) 基于自动驾驶应用场景的地图模型及其应用方法
CN109933055A (zh) 室内路径规划系统
CN104133441A (zh) 一种甩挂运输全程监控系统及方法
CN114418341A (zh) 矿区多矿卡协同作业的控制方法及装置
KR102045126B1 (ko) 자율 주행 차량을 이용한 자동 선적 방법 및 장치
CN215526456U (zh) 一种潜伏式自动驾驶重载搬运车辆
CN113917479A (zh) 一种车辆夹角的计算方法、装置、计算机设备和存储介质
CN113759906B (zh) 一种车辆对位方法、装置、计算机设备和存储介质
CN216561004U (zh) 一种双向定位集卡的引导检测系统
JP7438502B2 (ja) 自律走行車両を用いた自動船積方法及び装置
US12024377B2 (en) Method and apparatus for providing automatic shipping by using autonomous driving vehicle

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19905090

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19905090

Country of ref document: EP

Kind code of ref document: A1