CN104002747B - 一种基于无人驾驶汽车的多激光雷达栅格地图融合*** - Google Patents
一种基于无人驾驶汽车的多激光雷达栅格地图融合*** Download PDFInfo
- Publication number
- CN104002747B CN104002747B CN201410252993.1A CN201410252993A CN104002747B CN 104002747 B CN104002747 B CN 104002747B CN 201410252993 A CN201410252993 A CN 201410252993A CN 104002747 B CN104002747 B CN 104002747B
- Authority
- CN
- China
- Prior art keywords
- data
- grating map
- radar
- laser radar
- intelligent car
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于无人驾驶汽车的多激光雷达栅格地图融合***,包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达,安装在车顶的八线激光雷达,安装在车后的一线激光雷达;上述激光雷达通过交换机并利用以太网与第一工控机相连接,激光雷达的数据通过交换机利用以太网传至第一工控机,由第一工控机对数据进行解析和预处理,再针对不同的激光雷达分别作数据处理,再对有效数据进行栅格化编码并通过以太网将编码值传至负责数据融合的第一工控机,再利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,最后通过以太网将编码值传至第二工控机。其解决无人驾驶汽车和辅助驾驶汽车与障碍物发生碰撞的问题,提高车辆行驶过程中的安全性。
Description
技术领域
本发明属于无人驾驶汽车技术领域,涉及一种多激光雷达栅格地图融合***,尤其涉及一种基于无人驾驶汽车的多激光雷达栅格地图融合***。
背景技术
自智能机器人诞生以来,无人驾驶汽车作为主动安全或辅助驾驶***来帮助人们安全驾驶,减少交通事故的研究备受瞩目;其作为一个难度较大的技术问题,涉及到多种技术以及学科的交叉,其中,环境感知技术具有非常关键的地位。无人驾驶汽车能够依靠自身携带的传感器实时采集车辆周围的道路信息和车辆自身状态,依据检测出来的障碍信息迅速做出相应的响应,从而防止交通事故的发生等。然而目前,对于无人驾驶汽车而言,单一的传感器已经不能为***提供足够的环境信息。
申请号为“201210309515.0”,申请公布号为“CN102837658A”,名称为“一种智能车辆中多激光雷达数据融合***和方法”的中国发明申请,公开了一种智能车辆中多激光雷达数据融合***,包括规划决策上位机、多激光雷达融合的上位机、四线雷达、LMS291雷达、车辆左侧雷达UTM-L、车辆右侧雷达UTM-R、车辆前方雷达UTM-F、车辆后方雷达UTM-B、路由器;四线雷达和LMS291雷达采集智能车辆前方80m范围内的障碍物信息分别通过网口和串口传输到多激光雷达融合的上位机;车辆左侧雷达UTM-L和车辆右侧雷达UTM-R采集智能车辆周围左侧和右侧5m范围的障碍物信息通过USB传输方式到多激光雷达融合的上位机;车辆前方雷达UTM-F和车辆后方雷达UTM-B采用智能车辆前方和后方10m范围的障碍物信息传输到多激光雷达融合的上位机,多激光雷达融合的上位机通过数据处理算法得出前方80m范围内的障碍物信息和车辆左右5m、前后10m的障碍物防碰撞安全距离。该智能车辆中多激光雷达数据融合***,虽然可以提供障碍信息给上位机,但是其结构复杂,成本较高,实用性受限制。
专利申请号为“201110372447.8”,申请公布号为“CN102393744A”,名称为“一种无人驾驶汽车的导航方法”的中国发明专利申请,公开了一种无人驾驶汽车的导航方法,步骤为:(1)集成视觉导航、雷达导航和GPS导航三种导航策略;(2)根据电子地图和GPS信号计算出车辆当前的地理位置信息;(3)根据车辆当前的地理位置信息选择导航策略;视觉导航策略的优先级最高,如果与视觉导航策略对应的视觉导航模块所感知识别的道路边界信息不准确或者不稳定,则优先选择雷达导航策略;如果与雷达导航策略对应的激光雷达探测模块识别的障碍物信息不准确或不稳定,则选择GPS导航策略。该无人驾驶汽车的导航方法,其同样存在结构复杂,成本较高,实用性受限制的问题。
为此,需要一种能够解决现有技术中上述问题的基于无人驾驶汽车的多激光雷达栅格地图融合***,使其简化结构,降低成本,适用范围更为广泛,满足实际情况的需要。
发明内容
本发明的目的在于,提供一种基于无人驾驶汽车的多激光雷达栅格地图融合***,解决现有技术中所存在的上述问题,使其简化结构,降低成本,适用范围更为广泛,满足实际情况的需要。
为实现上述目的,本发明提供一种基于无人驾驶汽车的多激光雷达栅格地图融合***,包括激光雷达、交换机和工控机;所述激光雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达,以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达;所述工控机包括第一工控机和第二工控机;所述激光雷达通过交换机并利用以太网与第一工控机相连接,激光雷达的数据通过交换机利用以太网传至第一工控机,由第一工控机对数据进行解析和预处理,然后针对不同的激光雷达分别作数据处理,处理完之后对有效数据进行栅格化编码并通过以太网将编码值传至负责数据融合的第一工控机,再利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,最后通过以太网将编码值传至第二工控机。
在以上方案中优选的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,其一线激光雷达,有障碍物为1,无障碍物为0;在传输过程中,只传输为1的栅格图所在的坐标;将各个激光雷达的数据坐标转化为前方一线激光雷达坐标为准;然后,对栅格化编码完的激光雷达数据利用栅格地图融合方法进行数据融合。
在以上任一方案中优选的是,所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
在以上任一方案中优选的是,所述栅格化编码,其过程即栅格地图实现的过程,其作为数据传输的方式,将每个小栅格用(x,y,value,U)来表示;其中,x代表每个小栅格的行数,y代表每个小栅格的列数,value代表小栅格填充的数据编码,该数据值为不同类型的激光雷达输出的数据编码,U待扩展使用,然后将有障碍物的坐标进行编码。
在以上任一方案中优选的是,所述栅格地图融合方法,其依据value值的不同进行融合。
在以上任一方案中优选的是,所述栅格化编码,其以一线激光雷达的坐标原点为原点,10cm*10cm为一个栅格,水平方向为X轴,垂直方向为Y轴,建立笛卡尔坐标系。
在以上任一方案中优选的是,所述栅格化编码,其采集范围是前方30m,左右各10m,车后方30m,不包括车身,则整个栅格地图长等于60m加上一个车身,宽20m。
在以上任一方案中优选的是,所述栅格化编码,车身为4m,则整个栅格地图由640*200个栅格组成。
在以上任一方案中优选的是,所述栅格化编码,其在数据传输的过程中,以稀疏矩阵的形式对其进行编码。
在以上任一方案中优选的是,所述栅格化编码,其将有障碍物的坐标进行编码时,一个障碍物点投影到栅格地图上,其点的坐标为(a,b)且它的编码值为128时,其属于八线激光雷达的一个点,表示马路边缘信息。
在以上任一方案中优选的是,所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
在以上任一方案中优选的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,其首先通过以太网传输采集数据,并对雷达采集的数据进行预处理;然后针对不同的激光雷达分别作数据处理;对于一线激光雷达预处理完之后的数据再进行滤波处理,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于四线激光雷达预处理完的数据,还需要进行滤波、聚类和跟踪操作,提取有效的障碍物的轮廓点包括静态与动态的障碍物、障碍物的相对速度并判断障碍物类型,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于八线激光雷达预处理之后的数据进行滤波、聚类和跟踪操作,提取马路边缘信息以及路口信息,然后对有效数据进行编码并通过UDP传输传至负责数据融合的计算机。
在以上任一方案中优选的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,在负责数据融合的计算机中,对每一个激光雷达传过来的数据建立四个副线程分别进行接收,然后在主线程中对每一个激光雷达数据利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,然后通过UDP传输将编码值传至决策端计算机,再由决策端计算机进行解析上述信息。
在以上任一方案中优选的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,针对每一个激光雷达有相对应的算法流程,该算法流程包括五个模块,分别是数据采集模块、数据处理模块、数据传输模块、数据存储模块和上位机显示模块。
与现有技术相比,本发明具有以下优点:
本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***,能够解决现有技术中所存在的上述问题,使得无人驾驶汽车能够获取足够多的周围环境信息,包括马路边缘、路口、障碍物类型、障碍物轮廓点以及其他障碍物点;其能够很好的融合无人驾驶汽车周围的这些环境信息,能够给决策端计算机提供信息量少且有效的数据信息,从而解决无人驾驶汽车和辅助驾驶汽车与障碍物发生碰撞的问题,提高车辆行驶过程中的安全性;其为无人驾驶汽车无人驾驶提供了一种技术保障;同时简化结构,降低成本,适用范围更为广泛,能够满足实际情况的需要。
附图说明
下面结合附图和实施方式对本发明作进一步说明:
图1是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的栅格地图融合***组成框图;
图2是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的栅格地图融合***硬件配置图;
图3是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的栅格地图融合***数据融合框图;
图4是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的激光雷达程序流程图;
图5是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的一线激光雷达数据处理流程图;
图6是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的四线激光雷达数据处理流程图;
图7是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的八线激光雷达数据处理流程图;
图8是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的前一线激光雷达栅格图;
图9是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的后一线激光雷达栅格图;
图10是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的前四线激光雷达栅格图;
图11是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的顶八线激光雷达栅格图;
图12是本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***的激光雷达融合后的栅格图。
具体实施方式
为了更好地理解本发明,下面结合具体实施例对本发明作了详细说明。但是,显然可对本发明进行不同的变型和改型而不超出后附权利要求限定的本发明更宽的精神和范围。因此,以下实施例具有例示性的而没有限制的含义。
实施例1:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,包括激光雷达、交换机和工控机;所述激光雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达,以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达;所述工控机包括第一工控机和第二工控机;所述激光雷达通过交换机并利用以太网与第一工控机相连接,激光雷达的数据通过交换机利用以太网传至第一工控机,由第一工控机对数据进行解析和预处理,然后针对不同的激光雷达分别作数据处理,处理完之后对有效数据进行栅格化编码并通过以太网将编码值传至负责数据融合的第一工控机,再利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,最后通过以太网将编码值传至第二工控机。
实施例2:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例1相似,所不同的是,其一线激光雷达,有障碍物为1,无障碍物为0;在传输过程中,只传输为1的栅格图所在的坐标;将各个激光雷达的数据坐标转化为前方一线激光雷达坐标为准;然后,对栅格化编码完的激光雷达数据利用栅格地图融合方法进行数据融合。
实施例3:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例2相似,所不同的是,所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
实施例4:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例3相似,所不同的是,所述栅格化编码,其过程即栅格地图实现的过程,其作为数据传输的方式,将每个小栅格用(x,y,value,U)来表示;其中,x代表每个小栅格的行数,y代表每个小栅格的列数,value代表小栅格填充的数据编码,该数据值为不同类型的激光雷达输出的数据编码,U待扩展使用,然后将有障碍物的坐标进行编码。
实施例5:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例4相似,所不同的是,所述栅格地图融合方法,其依据value值的不同进行融合。
实施例6:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例5相似,所不同的是,所述栅格化编码,其以一线激光雷达的坐标原点为原点,10cm*10cm为一个栅格,水平方向为X轴,垂直方向为Y轴,建立笛卡尔坐标系。
实施例7:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例6相似,所不同的是,所述栅格化编码,其采集范围是前方30m,左右各10m,车后方30m,不包括车身,则整个栅格地图长等于60m加上一个车身,宽20m。
实施例8:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例7相似,所不同的是,所述栅格化编码,车身为4m,则整个栅格地图由640*200个栅格组成。
实施例9:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例8相似,所不同的是,所述栅格化编码,其在数据传输的过程中,以稀疏矩阵的形式对其进行编码。
实施例10:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例9相似,所不同的是,所述栅格化编码,其将有障碍物的坐标进行编码时,一个障碍物点投影到栅格地图上,其点的坐标为(a,b)且它的编码值为128时,其属于八线激光雷达的一个点,表示马路边缘信息。
实施例11:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例10相似,所不同的是,所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
实施例12:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例11相似,所不同的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,其首先通过以太网传输采集数据,并对雷达采集的数据进行预处理;然后针对不同的激光雷达分别作数据处理;对于一线激光雷达预处理完之后的数据再进行滤波处理,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于四线激光雷达预处理完的数据,还需要进行滤波、聚类和跟踪操作,提取有效的障碍物的轮廓点包括静态与动态的障碍物、障碍物的相对速度并判断障碍物类型,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于八线激光雷达预处理之后的数据进行滤波、聚类和跟踪操作,提取马路边缘信息以及路口信息,然后对有效数据进行编码并通过UDP传输传至负责数据融合的计算机。
实施例13:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例12相似,所不同的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,在负责数据融合的计算机中,对每一个激光雷达传过来的数据建立四个副线程分别进行接收,然后在主线程中对每一个激光雷达数据利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,然后通过UDP传输将编码值传至决策端计算机,再由决策端计算机进行解析上述信息。
实施例14:
一种基于无人驾驶汽车的多激光雷达栅格地图融合***,与实施例13相似,所不同的是,所述基于无人驾驶汽车的多激光雷达栅格地图融合***,针对每一个激光雷达有相对应的算法流程,该算法流程包括五个模块,分别是数据采集模块、数据处理模块、数据传输模块、数据存储模块和上位机显示模块。
本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***,其栅格化编码作为数据传输的一种形式;假如每个小栅格用(x,y,value,U)来表示,其中x代表每个小栅格的行数,y代表每个小栅格的列数,value代表小栅格填充的数据编码,该数据值为不同类型的激光雷达输出的数据编码;U为日后扩展使用;比如,定义如下的数据结构:
typedefstructPoint//点转换为矩阵的x与y坐标,
{
uintx;
uinty;
ucharvalue;
ucharU;
}Point;
typedefstructMatrix//稀疏矩阵数据结构
{
intNum;
Pointpoint[MAXSIZE];//
}Matrix;
Matrixmatrix;
下面要做的工作就是把有障碍物的坐标进行编码;比如,一个障碍物点投影到栅格地图上的点的坐标为(12,34)我们可以写成下面的形式:
matrix.point[obs].x=12;
matrix.point[obs].y=34;
matrix.point[obs].value=128;
本发明的一种基于无人驾驶汽车的多激光雷达栅格地图融合***,其基于无人驾驶汽车的多激光雷达栅格地图融合***,对多传感器所采集的信息进行有效的融合,综合利用多个传感器的数据信息;通过对多激光雷达数据信息进行合理的支配和使用,实现多激光雷达间的数据共享,从而可以获取被观察对象的一致性解释和描述;并将融合后的数据栅格化编码,然后通过以太网传至决策端计算机。这对提高无人驾驶汽车***的蔽障和安全行驶性能有重大意义。
Claims (14)
1.一种基于无人驾驶汽车的多激光雷达栅格地图融合***,包括激光雷达、交换机和工控机;其特征在于:所述激光雷达包括安装在无人驾驶汽车前方的一线激光雷达和四线激光雷达,以及安装在车顶的八线激光雷达,以及安装在车后的一线激光雷达;所述工控机包括第一工控机和第二工控机;所述激光雷达通过交换机并利用以太网与第一工控机相连接,激光雷达的数据通过交换机利用以太网传至第一工控机,由第一工控机对数据进行解析和预处理,然后针对不同的激光雷达分别作数据处理,处理完之后对有效数据进行栅格化编码并通过以太网将编码值传至负责数据融合的第一工控机,再利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,最后通过以太网将编码值传至第二工控机。
2.如权利要求1所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:其一线激光雷达,有障碍物为1,无障碍物为0;在传输过程中,只传输为1的栅格图所在的坐标;将各个激光雷达的数据坐标转化为前方一线激光雷达坐标为准;然后,对栅格化编码完的激光雷达数据利用栅格地图融合方法进行数据融合。
3.如权利要求2所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
4.如权利要求3所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,其过程即栅格地图实现的过程,其作为数据传输的方式,将每个小栅格用(x,y,value,U)来表示;其中,x代表每个小栅格的行数,y代表每个小栅格的列数,value代表小栅格填充的数据编码,该数据值为不同类型的激光雷达输出的数据编码,U待扩展使用,然后将有障碍物的坐标进行编码。
5.如权利要求4所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格地图融合方法,其依据value值的不同进行融合。
6.如权利要求5所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,其以一线激光雷达的坐标原点为原点,10cm*10cm为一个栅格,水平方向为X轴,垂直方向为Y轴,建立笛卡尔坐标系。
7.如权利要求6所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,其采集范围是前方30m,左右各10m,车后方30m,不包括车身,则整个栅格地图长等于60m加上一个车身,宽20m。
8.如权利要求7所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,车身为4m,则整个栅格地图由640*200个栅格组成。
9.如权利要求8所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,其在数据传输的过程中,以稀疏矩阵的形式对其进行编码。
10.如权利要求9所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格化编码,其将有障碍物的坐标进行编码时,一个障碍物点投影到栅格地图上,其点的坐标为(a,b)且它的编码值为128时,其属于八线激光雷达的一个点,表示马路边缘信息。
11.如权利要求10所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述栅格地图融合方法,其作为融合的策略,规定八线激光雷达数据的优先级最高,四线次之,一线优先级最低,对其编码值进行融合。
12.如权利要求1-11中任一项所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:其首先通过以太网传输采集数据,并对雷达采集的数据进行预处理;然后针对不同的激光雷达分别作数据处理;对于一线激光雷达预处理完之后的数据再进行滤波处理,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于四线激光雷达预处理完的数据,还需要进行滤波、聚类和跟踪操作,提取有效的障碍物的轮廓点包括静态与动态的障碍物、障碍物的相对速度并判断障碍物类型,然后对有效数据进行栅格化编码并通过UDP传输传至负责数据融合的计算机;对于八线激光雷达预处理之后的数据进行滤波、聚类和跟踪操作,提取马路边缘信息以及路口信息,然后对有效数据进行编码并通过UDP传输传至负责数据融合的计算机。
13.如权利要求12所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:在负责数据融合的计算机中,对每一个激光雷达传过来的数据建立四个副线程分别进行接收,然后在主线程中对每一个激光雷达数据利用栅格地图融合方法进行数据融合并对数据进行栅格化编码,然后通过UDP传输将编码值传至决策端计算机,再由决策端计算机进行解析上述信息。
14.如权利要求13所述的基于无人驾驶汽车的多激光雷达栅格地图融合***,其特征在于:所述基于无人驾驶汽车的多激光雷达栅格地图融合***,针对每一个激光雷达有相对应的算法流程,该算法流程包括五个模块,分别是数据采集模块、数据处理模块、数据传输模块、数据存储模块和上位机显示模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410252993.1A CN104002747B (zh) | 2014-06-10 | 2014-06-10 | 一种基于无人驾驶汽车的多激光雷达栅格地图融合*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410252993.1A CN104002747B (zh) | 2014-06-10 | 2014-06-10 | 一种基于无人驾驶汽车的多激光雷达栅格地图融合*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104002747A CN104002747A (zh) | 2014-08-27 |
CN104002747B true CN104002747B (zh) | 2016-01-06 |
Family
ID=51363745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410252993.1A Expired - Fee Related CN104002747B (zh) | 2014-06-10 | 2014-06-10 | 一种基于无人驾驶汽车的多激光雷达栅格地图融合*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104002747B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105204510B (zh) * | 2015-10-09 | 2016-06-22 | 福州华鹰重工机械有限公司 | 一种用于精确定位的概率地图的生成方法及装置 |
CN105751999B (zh) * | 2016-03-31 | 2018-07-20 | 汪家琳 | 全智能全自动无人驾驶汽车 |
CN105955266A (zh) * | 2016-05-11 | 2016-09-21 | 深圳乐行天下科技有限公司 | 一种地图构建装置及方法 |
CN105955272B (zh) * | 2016-05-23 | 2019-07-26 | 上海钛米机器人科技有限公司 | 服务机器人多飞行时间传感器的融合方法 |
CN106291736A (zh) * | 2016-08-16 | 2017-01-04 | 张家港长安大学汽车工程研究院 | 无人驾驶汽车车道动态障碍物检测方法 |
CN108120447B (zh) * | 2016-11-28 | 2021-08-31 | 沈阳新松机器人自动化股份有限公司 | 多激光设备数据融合方法 |
CN106774334A (zh) * | 2016-12-30 | 2017-05-31 | 云南昆船智能装备有限公司 | 一种多激光扫描器的激光导引agv导航定位方法及装置 |
CN106885601B (zh) * | 2017-01-09 | 2019-07-09 | 北京理工大学 | 无人车多传感器数据同步采集*** |
CN107121980B (zh) * | 2017-03-17 | 2019-07-09 | 北京理工大学 | 一种基于虚拟约束的自动驾驶车辆路径规划方法 |
CN109747643B (zh) * | 2017-11-07 | 2022-08-12 | 宇通客车股份有限公司 | 一种智能车辆感知***的信息融合方法 |
CN108037515A (zh) * | 2017-12-27 | 2018-05-15 | 清华大学苏州汽车研究院(吴江) | 一种激光雷达和超声波雷达信息融合***及方法 |
CN108764373B (zh) * | 2018-06-08 | 2021-11-30 | 北京领骏科技有限公司 | 一种用于自动驾驶中的传感器数据过滤及融合方法 |
CN109507689A (zh) * | 2018-12-25 | 2019-03-22 | 肖湘江 | 带障碍物记忆功能的多激光雷达数据融合方法 |
CN111380526B (zh) * | 2018-12-27 | 2022-04-05 | 北京航迹科技有限公司 | 一种路径确定的***和方法 |
US10948300B2 (en) | 2018-12-27 | 2021-03-16 | Beijing Voyager Technology Co., Ltd. | Systems and methods for path determination |
CN109581380B (zh) * | 2018-12-29 | 2023-04-07 | 百度在线网络技术(北京)有限公司 | 基于雷达的车辆位置检测方法、装置和计算机设备 |
CN109827610B (zh) * | 2019-03-12 | 2021-05-14 | 百度在线网络技术(北京)有限公司 | 用于校验传感器融合结果的方法和装置 |
CN109991605A (zh) * | 2019-04-03 | 2019-07-09 | 吉林大学 | 一种智能网联汽车环境感知***的多雷达数据融合方法 |
JP7167866B2 (ja) * | 2019-06-28 | 2022-11-09 | トヨタ自動車株式会社 | 運転支援または自動運転が可能な車両 |
CN110286389B (zh) * | 2019-07-15 | 2021-05-07 | 北京智行者科技有限公司 | 一种用于障碍物识别的栅格管理方法 |
WO2021134441A1 (zh) * | 2019-12-31 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于自动驾驶的车辆速度控制方法、装置和计算机设备 |
CN112731321B (zh) * | 2020-11-27 | 2024-06-04 | 北京理工大学 | 基于mimo认知雷达的移动机器人避障及地图绘制方法 |
CN113665500B (zh) * | 2021-09-03 | 2022-07-19 | 南昌智能新能源汽车研究院 | 全天候作业的无人驾驶运输车环境感知***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6526352B1 (en) * | 2001-07-19 | 2003-02-25 | Intelligent Technologies International, Inc. | Method and arrangement for mapping a road |
JP3498406B2 (ja) * | 1995-02-17 | 2004-02-16 | マツダ株式会社 | 自動車の走行制御装置 |
CN102837658A (zh) * | 2012-08-27 | 2012-12-26 | 北京工业大学 | 一种智能车辆中多激光雷达数据融合***和方法 |
CN203241537U (zh) * | 2013-05-08 | 2013-10-16 | 重庆工业职业技术学院 | 基于多传感器融合的测距防撞装置 |
CN102928830B (zh) * | 2012-10-22 | 2014-01-29 | 中国科学院西安光学精密机械研究所 | 激光高度计无效数据剔除方法 |
-
2014
- 2014-06-10 CN CN201410252993.1A patent/CN104002747B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3498406B2 (ja) * | 1995-02-17 | 2004-02-16 | マツダ株式会社 | 自動車の走行制御装置 |
US6526352B1 (en) * | 2001-07-19 | 2003-02-25 | Intelligent Technologies International, Inc. | Method and arrangement for mapping a road |
CN102837658A (zh) * | 2012-08-27 | 2012-12-26 | 北京工业大学 | 一种智能车辆中多激光雷达数据融合***和方法 |
CN102928830B (zh) * | 2012-10-22 | 2014-01-29 | 中国科学院西安光学精密机械研究所 | 激光高度计无效数据剔除方法 |
CN203241537U (zh) * | 2013-05-08 | 2013-10-16 | 重庆工业职业技术学院 | 基于多传感器融合的测距防撞装置 |
Non-Patent Citations (1)
Title |
---|
基于多激光雷达数据融合的障碍检测技术的研究;杨光祖;《中国优秀硕士论文全库工程科技II辑》;中国学术期刊(光盘版)电子杂志社;20140315(第03期);28-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104002747A (zh) | 2014-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104002747B (zh) | 一种基于无人驾驶汽车的多激光雷达栅格地图融合*** | |
CN105109491B (zh) | 一种基于弯道纵向曲率的车辆行驶航向预测装置及预测方法 | |
CN107957583A (zh) | 一种多传感器融合全天候快速无人车探测避障*** | |
CN110519703A (zh) | 一种矿车无人驾驶*** | |
CN105892489A (zh) | 一种基于多传感器融合的自主避障无人机***及控制方法 | |
CN109532719A (zh) | 一种基于多传感器信息融合的电动汽车 | |
US11453410B2 (en) | Reducing processing requirements for vehicle control | |
CN113895464B (zh) | 融合个性化驾驶风格的智能车驾驶地图生成方法及*** | |
CN115273028B (zh) | 一种基于全域感知的智慧停车场语义地图构建方法及*** | |
CN111413983A (zh) | 一种无人驾驶车辆的环境感知方法及控制端 | |
CN109781129A (zh) | 一种基于车辆间通信的路面安全性检测***及方法 | |
CN107977004A (zh) | 一种多传感器融合全天候高速无人车探测避障*** | |
CN111824180A (zh) | 具有融合避障功能的无人矿车自动驾驶控制*** | |
CN114783170B (zh) | 一种智能无人驾驶车辆编队*** | |
CN108052564A (zh) | 一种建立无人驾驶数据库的方法及*** | |
CN111461048A (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
CN108037756A (zh) | 一种多传感器融合中速无人车探测避障*** | |
CN114103996A (zh) | 基于共享感知数据的自动驾驶控制方法、装置及设备 | |
Li et al. | Occupancy grid map formation and fusion in cooperative autonomous vehicle sensing | |
CN115775378A (zh) | 一种基于多传感器融合的车路协同目标检测方法 | |
Gao et al. | Autonomous driving of vehicles based on artificial intelligence | |
CN116129641B (zh) | 一种基于多端协同辨识的车辆安全态势计算方法及*** | |
CN116653963A (zh) | 车辆变道控制方法、***和智能驾驶域控制器 | |
Pechinger et al. | Cyclist Safety in Urban Automated Driving-Sub-Microscopic HIL Simulation | |
CN110908367A (zh) | 一种基于scstsv的智能网联汽车计算平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160106 Termination date: 20210610 |