CN111583690B - 一种基于5g的矿区无人运输***的弯道协同感知方法 - Google Patents

一种基于5g的矿区无人运输***的弯道协同感知方法 Download PDF

Info

Publication number
CN111583690B
CN111583690B CN202010294553.8A CN202010294553A CN111583690B CN 111583690 B CN111583690 B CN 111583690B CN 202010294553 A CN202010294553 A CN 202010294553A CN 111583690 B CN111583690 B CN 111583690B
Authority
CN
China
Prior art keywords
vehicle
target
equipment
coordinate system
side equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010294553.8A
Other languages
English (en)
Other versions
CN111583690A (zh
Inventor
郑迪
李庆社
宋马良
姜雷
周彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tage Idriver Technology Co Ltd
Original Assignee
Beijing Tage Idriver Technology Co Ltd
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 Beijing Tage Idriver Technology Co Ltd filed Critical Beijing Tage Idriver Technology Co Ltd
Priority to CN202010294553.8A priority Critical patent/CN111583690B/zh
Publication of CN111583690A publication Critical patent/CN111583690A/zh
Application granted granted Critical
Publication of CN111583690B publication Critical patent/CN111583690B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于5G矿区无人运输***的弯道协同感知方法，包括车侧环境感知数据处理，路侧环境感知数据处理，路车协同感知数据处理。通过本发明的技术方案，解决了矿区弯道盲区大，难识别的问题，实现了矿区弯道的广域感知，而无需在车侧加装额外的感知设备，提高了矿车在弯道场景的安全性；将5G传输应用在矿区弯道路侧设备与车侧设备通信，保证了海量数据传输的低延时和高可靠。

Description

一种基于5G的矿区无人运输***的弯道协同感知方法
技术领域
本发明属于自动驾驶技术领域，尤其涉及一种基于5G的矿区无人运输***的弯道协同感知方法。
背景技术
近年来，矿山工程机械司机招募难的问题，随着经济发展和人民生活水平提高而日益凸显。另一方面，司机和后勤人员工资、保险等人力支出逐年增长，人员安保支出和安全事故损失给矿山经营带来了沉重负担。随着无人驾驶技术的日益成熟，用无人驾驶***替代司机，有利于降低工人工作强度，改善矿山生产安全条件，提高矿山企业生产效率，降低矿山生产成本，实现采运灵活配置，产能柔性调整，为创建智慧矿山提供支持。
国内外矿用作业车辆无人驾驶研究均处于起步阶段，未来必将引领自动化矿山的发展趋势。我公司作为国内露天矿无人驾驶车辆研究的领先企业，拥有大量前期研发投入和矿区实践积累的技术实力和宝贵经验，为实现露天矿矿卡无人驾驶***的规模化和产品化创造了充分的条件。有研究提出一种露天矿山卡车智能无人驾驶和调度***，通过车载GPS和三维成像设备传输到指挥平台，指挥平台根据传回的信息向矿车发送指令实现对车辆控制。另有研究提出一种基于5G技术的矿山无人驾驶集中控制***，依赖于5G低延时的特性，通过在矿车加装高清红外相机、超声波雷达、激光雷达等实现对矿车周围环境感知，同样将数据传回指挥平台进行处理。该方案仅在车侧安装传感器，对于传感器的处理技术和成本要求较高。
通过实地考察矿区道路场景及运行情况，矿区无人驾驶存在以下两个问题：第一、矿区内道路大多依山而建，存在大量急转弯或弯道一侧被矿山遮挡的场景，如果仅仅依靠无人驾驶矿车自身传感器在这些场景下则会存在大量检测盲区，一旦在检测盲区出现障碍物则会威胁无人驾驶矿车的行车安全。若在路侧加装传感器，通过路侧和车侧数据协同感知，则可以弥补单车感知在弯道场景的空白，提高无人驾驶矿车行车安全。第二、在矿区无人驾驶中存在大量数据传输需求，传统的4G、WIFI已经无法满足需求。
发明内容
为了解决上述已有技术存在的不足，随着5G的发展，使得海量数据低延时传输成为了可能，本发明提出了一种基于5G矿区无人运输***的弯道协同感知方法，具体技术方案如下：
一种基于5G的矿区无人运输***的弯道协同感知方法，其特征在于，在矿区弯道处安装路侧设备，所述路侧设备包括相机、毫米波雷达、GPS设备和5G通信模块，所述路侧设备的检测区域能够覆盖矿区弯道；在无人驾驶矿车上安装车载设备，所述车载设备包括相机、毫米波雷达、激光雷达、GPS设备和5G通信模块；所述感知方法包括以下步骤：
S1：路侧设备采集信息并输出目标的目标ID、目标类别、目标速度、目标相对于路侧设备的位置、目标类别置信度、目标存在置信度、路侧设备安装位置在地面的投影点的GPS坐标，并通过5G通信模块发送到云端；
S2：无人驾驶矿车通过车载设备获得行驶环境中的目标信息，输出目标ID、目标类别、目标速度、目标相对于车载坐标系的位置、目标类别置信度、目标存在置信度、利用GPS设备获取自身位置信息，并通过5G通信模块将目标信息和自身位置信息发送到云端；
S3：云端对路侧设备采集的信息及车载设备采集的信息进行处理，路侧设备检测目标数据是相对于路侧设备的毫米波雷达坐标系，车载设备检测目标数据是相对于车载坐标系，任意选取一参考坐标系，将路侧设备的毫米波雷达坐标系和车载坐标***一至选取的参考坐标系完成时间和空间的统一；
S4：车载检测目标和路侧检测目标进行观测值匹配；
S4-1：计算路侧设备检测目标与车载设备检测目标之间的欧氏距离，采用最近邻算法选取欧氏距离最近的路侧设备检测目标与车载设备检测目标作为匹配目标，
Figure BDA0002451683850000021
其中，(x1,y1)为路侧设备检测目标的坐标，(x2,y2)为车载设备检测目标的坐标，ρ为(x1,y1)与(x2,y2)之间的欧氏距离；
S4-2：匹配后计算目标存在的概率Pd，将路侧设备和车载设备统一编号，设Ii＝{0,1}，i为设备的序号，i＝1,2,…，n，n为路侧设备和车侧设备数量的总和，Ii为设备检测到目标的标记，Ii＝0表示设备i没有检测到目标，Ii＝1表示设备i检测到目标，Pi为设备i检测目标数据的置信度，
Figure BDA0002451683850000031
若Pd≥Pt，则目标存在，若Pd＜Pt，则目标不存在，其中，Pt为目标存在置信度的阈值；
S4-3：目标存在，处理目标类别、目标速度、目标位置信息，将来自路侧设备和车载设备的目标类别置信度信息按照类别分别累加，选取置信度之和最高的类别作为目标融合类别；
当前行驶在路侧设备覆盖路段的车辆会将自身速度信息发送到云端，将来自路侧设备和车载设备的检测信息加权平均：
Figure BDA0002451683850000032
其中，λ为车侧设备检测速度信息的置信度，v为目标融合速度信息，vr为车侧设备检测的目标速度信息，μi为路侧设备检测速度信息的置信度，vi为路侧设备检测速度信息，n为路侧设备和车侧设备数量的总和，满足
Figure BDA0002451683850000033
S5：无人驾驶矿车自动驾驶时，云端将目标车辆GPS坐标转换到参考坐标系下，找到目标车辆在参考坐标系的位置，将其他目标位置转换为与目标车辆的相对位置关系，按照危险层级进行降序排列，危险层级原则为距离最近的最危险，当前车道目标最危险，行人最危险，对排序后的目标进行编号，分配ID，并将信息发送到目标车辆。
进一步地，所述步骤S3的具体方法为：
S31：设定XrYrZrOr为参考坐标系，XlYlZlOl为路侧设备的毫米波雷达坐标系；路测设备的安装高度为h，俯仰角为α，将路侧设备的毫米波雷达坐标系沿垂直于地面方向平移h，再以x轴为旋转轴旋转α，以z轴为旋转轴旋转β至y轴指向正北方向，确定从路侧设备的毫米波雷达坐标系至参考坐标系的旋转矩阵R1和平移矩阵t1，
Figure BDA0002451683850000034
S32：XvYvZvOv为车载坐标系，参考坐标系XrYrZrOr原点Or的GPS坐标由路侧设备发送到云端，车辆的GPS坐标也发送到云端；通过车载设备的安装于车辆头部和尾部的GPS设备的天线的位置坐标计算车辆的航向角，选择东北天坐标系，即车辆行驶方向与正北方向的夹角设为γ，即为从车载坐标系到参考坐标系的旋转矩阵R2，根据选择参考坐标系原点Or的GPS坐标和车辆车头位置的GPS坐标可以算出两点的距离d和方位角β，得到从车载坐标系到参考坐标系的平移矩阵t2，
Figure BDA0002451683850000041
S33：通过对路侧设备和车载设备进行NTP授时完成时间统一。
本发明的有益效果在于：
1.本发明提出在弯道区域加装路侧感知***，解决矿区弯道盲区大，难识别的问题，实现了矿区弯道的广域感知，而无需在车侧加装额外的感知设备，提高了矿车在弯道场景的安全性。
2.本发明提出的路侧设备和车载设备协同感知，云端将障碍物位置信息转换为与目标车辆的相对位置信息，目标车辆可直接通过这些数据进行规划和决策，进一步解放了车侧的计算能力。
3.本发明的路侧数据和车侧数据统一至局部参考坐标系下，减少坐标转换的操作难度和计算维度；
4.本发明将5G传输应用在矿区弯道路侧设备与车载设备通信，保证了海量数据传输的低延时和高可靠。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他的附图。其中：
图1为本发明的弯道协同感知示意图；
图2为本发明的总体流程图；
图3为本发明的急转弯场景下协同感知示意图；
图4为本发明的环山场景下协同感知示意图；
图5为本发明的坐标转换示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明的弯道协同感知示意图，图2为本发明的总体流程图；针对目前矿区无人驾驶存在的弯道场景单车感知存在检测盲区以及对数据传输的高要求，本文提出一种基于5G矿区无人运输***的弯道协同感知方法，主要分为三个部分：车侧环境感知数据处理，路侧环境感知数据处理，路车协同感知数据处理，本发明主要在车侧环境感知数据处理，路侧环境感知数据处理并不做过多叙述，默认直接使用来自路侧和车侧的感知数据。
一种基于5G的矿区无人运输***的弯道协同感知方法，其特征在于，在矿区弯道处安装路侧设备，路侧设备包括相机、毫米波雷达、GPS设备和5G通信模块，路侧设备的检测区域能够覆盖矿区弯道；在无人驾驶矿车上安装车载设备，车载设备包括相机、毫米波雷达、激光雷达、GPS设备和5G通信模块；感知方法包括以下步骤：
S1：路侧设备采集信息并输出目标的目标ID、目标类别(宽体车、挖掘机、矿用卡车)、目标速度(相对于路侧设备的速度，因路侧设备静止，所以该速度为目标实际行驶速度)、目标相对于路侧设备的位置、目标类别置信度、目标存在置信度、路侧设备安装位置在地面的投影点的GPS坐标，并通过5G通信模块发送到云端；
S2：无人驾驶矿车通过车载设备获得行驶环境中的目标信息，输出目标ID、目标类别(宽体车、挖掘机、矿用卡车)、目标速度(实际速度)、目标相对于车载坐标系的位置、目标类别置信度、目标存在置信度、利用GPS设备获取自身位置信息，并通过5G通信模块将目标信息和自身位置信息发送到云端；
如图3所示，在弯道区域两侧分别行驶两辆矿车，弯道曲率较大，导致两辆车无法感知到对方的存在，仅依靠车载自身感知***，只能等待车辆行驶至转弯处才能检测到对方，此时两车车距十分接近，严重威胁驾驶安全。同理如图4所示，除了上述急转弯场景，矿区内道路大多依山而建，道路一侧是山另一侧是悬崖，弯道曲率较上述急转弯场景较小，但是由于矿山的遮挡依然无法感知矿山另一侧的障碍物，同样对于矿车驾驶十分危险，通过在路侧加装检测设备则可以有效解决这一问题。考虑矿用车辆的宽度在5米以上，弯道两侧宽度至少为15米以上，为了保证路侧设备的检测区域覆盖车辆行驶盲区，同时安装两套路侧设备进行检测。如图3-4所示，车载设备和路侧设备的感知区域包含重合区域和互补区域，互补区域通过路侧多传感器融合数据或车侧多传感器融合提供检测信息扩大检测范围，重合区域通过路侧数据及车侧数据协同，相互校验得到更为精准的障碍物信息。
S3：云端对路侧设备采集的信息及车载设备采集的信息进行处理，路侧设备检测目标数据是相对于路侧设备的毫米波雷达坐标系，车载设备检测目标数据是相对于车载坐标系，任意选取一参考坐标系，将路侧设备的毫米波雷达坐标系和车载坐标***一至选取的参考坐标系完成时间和空间的统一；
S4：车载检测目标和路侧检测目标进行观测值匹配；
S4-1：计算路侧设备检测目标与车载设备检测目标之间的欧氏距离，采用最近邻算法选取欧氏距离最近的路侧设备检测目标与车载设备检测目标作为匹配目标，
Figure BDA0002451683850000061
其中，(x1,y1)为路侧设备检测目标的坐标，(x2,y2)为车载设备检测目标的坐标，ρ为(x1,y1)与(x2,y2)之间的欧氏距离；
S4-2：匹配后计算目标存在的概率Pd，将路侧设备和车载设备统一编号，设Ii＝{0,1}，i为设备的序号，i＝1,2,…，n，n为路侧设备和车侧设备数量的总和，Ii为设备检测到目标的标记，Ii＝0表示设备i没有检测到目标，Ii＝1表示设备i检测到目标，Pi为设备i检测目标数据的置信度，
Figure BDA0002451683850000062
若Pd≥Pt，则目标存在，若Pd＜Pt，则目标不存在，其中，Pt为目标存在置信度的阈值；
S4-3：目标存在，处理目标类别、目标速度、目标位置信息，将来自路侧设备和车载设备的目标类别置信度信息按照类别分别累加，选取置信度之和最高的类别作为目标融合类别；
当前行驶在路侧设备覆盖路段的车辆会将自身速度信息发送到云端，将来自路侧设备和车载设备的检测信息加权平均：
Figure BDA0002451683850000063
其中，λ为车侧设备检测速度信息的置信度，v为目标融合速度信息，vr为车侧设备检测的目标速度信息，μi为路侧设备检测速度信息的置信度，vi为路侧设备检测速度信息，n为路侧设备和车侧设备数量的总和，满足
Figure BDA0002451683850000071
S5：无人驾驶矿车自动驾驶时，云端将目标车辆GPS坐标转换到参考坐标系下，找到目标车辆在参考坐标系的位置，将其他目标位置转换为与目标车辆的相对位置关系，按照危险层级进行降序排列，危险层级原则为距离最近的最危险，当前车道目标最危险，行人最危险，对排序后的目标进行编号，分配ID，并将信息发送到目标车辆。
步骤S3的具体方法为：
S31：如图5所示，设定XrYrZrOr为参考坐标系，XlYlZlOl为路侧设备的毫米波雷达坐标系；路测设备的安装高度为h，俯仰角为α，将路侧设备的毫米波雷达坐标系沿垂直于地面方向平移h，再以x轴为旋转轴旋转α，以z轴为旋转轴旋转β至y轴指向正北方向，确定从路侧设备的毫米波雷达坐标系至参考坐标系的旋转矩阵R1和平移矩阵t1，
Figure BDA0002451683850000072
S32：XvYvZvOv为车载坐标系，参考坐标系XrYrZrOr原点Or的GPS坐标由路侧设备发送到云端，车辆的GPS坐标也发送到云端；通过车载设备的安装于车辆头部和尾部的GPS设备的天线的位置坐标计算车辆的航向角，选择东北天坐标系，即车辆行驶方向与正北方向的夹角设为γ，即为从车载坐标系到参考坐标系的旋转矩阵R2，根据选择参考坐标系原点Or的GPS坐标和车辆车头位置的GPS坐标可以算出两点的距离d和方位角β，得到从车载坐标系到参考坐标系的平移矩阵t2，
Figure BDA0002451683850000073
S33：通过对路侧设备和车载设备进行NTP授时完成时间统一。NTP用于将计算机客户或服务器的时间与另一服务器同步，使用层次式时间分布模型；在配置时，NTP可以利用冗余服务器和多条网络路径来获得时间的高准确性和高可靠性。
对自动驾驶车辆进行路径规划决策时，需获取周围障碍物与自身车辆的位置关系，为了减少车载端计算量，云端将障碍物在参考坐标系中的位置转换为与目标车辆的相对位置，按照危险层级进行降序排列，危险层级原则为距离最近的最危险、当前车道障碍物最危险、行人最危险，对排序后的障碍物进行编号，分配ID，云端处理完成后将排序后信息发送至目标车辆。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本发明中，术语“第一”、“第二”、“第三”、“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于5G的矿区无人运输***的弯道协同感知方法，其特征在于，在矿区弯道处安装路侧设备，所述路侧设备包括相机、毫米波雷达、GPS设备和5G通信模块，所述路侧设备的检测区域能够覆盖矿区弯道；在无人驾驶矿车上安装车载设备，所述车载设备包括相机、毫米波雷达、激光雷达、GPS设备和5G通信模块；所述感知方法包括以下步骤：
S1：路侧设备采集信息并输出目标的目标ID、目标类别、目标速度、目标相对于路侧设备的位置、目标类别置信度、目标存在置信度、路侧设备安装位置在地面的投影点的GPS坐标，并通过5G通信模块发送到云端；
S2：无人驾驶矿车通过车载设备获得行驶环境中的目标信息，输出目标ID、目标类型、目标速度、目标相对于车载坐标系的位置、目标类别置信度、目标存在置信度、利用GPS设备获取自身位置信息，并通过5G通信模块将目标信息和自身位置信息发送到云端；
S3：云端对路侧设备采集的信息及车载设备采集的信息进行处理，路侧设备检测目标数据是相对于路侧设备的毫米波雷达坐标系，车载设备检测目标数据是相对于车载坐标系，任意选取一参考坐标系，将路侧设备的毫米波雷达坐标系和车载坐标***一至选取的参考坐标系完成时间和空间的统一；具体方法为：
S31：设定XrYrZrOr为参考坐标系，XlYlZlOl为路侧设备的毫米波雷达坐标系；通过测量路侧设备的安装高度为h，俯仰角为α，确定从路侧设备的毫米波雷达坐标系至参考坐标系的旋转矩阵R1和平移矩阵t1，
Figure FDA0003015898140000011
S32：XvYvZvOv为车载坐标系，参考坐标系XrYrZrOr原点Or的GPS坐标由路侧设备发送到云端，车辆的GPS坐标也发送到云端；通过车载设备的安装于车辆头部和尾部的GPS设备的天线的位置坐标计算车辆的航向角，选择东北天坐标系，即车辆行驶方向与正北方向的夹角设为γ，即为从车载坐标系到参考坐标系的旋转矩阵R2，根据选择参考坐标系原点Or的GPS坐标和车辆车头位置的GPS坐标可以算出两点的距离d和方位角β，得到从车载坐标系到参考坐标系的平移矩阵t2，
Figure FDA0003015898140000012
S33：通过对路侧设备和车载设备进行NTP授时完成时间统一；
S4：车载检测目标和路侧检测目标进行观测值匹配；
S4-1：计算路侧设备检测目标与车载设备检测目标之间的欧氏距离，采用最近邻算法选取欧氏距离最近的路侧设备检测目标与车载设备检测目标作为匹配目标，
Figure FDA0003015898140000021
其中，(x1,y1)为路侧设备检测目标的坐标，(x2,y2)为车载设备检测目标的坐标，ρ为(x1,y1)与(x2,y2)之间的欧氏距离；
S4-2：匹配后计算目标存在的概率Pd，将路侧设备和车载设备统一编号，设Ii＝{0,1}，i为设备的序号，i＝1,2,…，n，n为路侧设备和车侧设备数量的总和，Ii为设备检测到目标的标记，Ii＝0表示设备i没有检测到目标，Ii＝1表示设备i检测到目标，Pi为设备i检测目标数据的置信度，
Figure FDA0003015898140000022
若Pd≥Pt，则目标存在，若Pd＜Pt，则目标不存在，其中，Pt为目标存在置信度的阈值；
S4-3：目标存在，处理目标类别、目标速度、目标位置信息，将来自路侧设备和车载设备的目标类别置信度信息按照类别分别累加，选取置信度之和最高的类别作为目标融合类别；
当前行驶在路侧设备覆盖路段的车辆会将自身速度信息发送到云端，将来自路侧设备和车载设备的检测信息加权平均：
Figure FDA0003015898140000023
其中，λ为车侧设备检测速度信息的置信度，v为目标融合速度信息，vr为车侧设备检测的目标速度信息，μi为路侧设备检测速度信息的置信度，vi为路侧设备检测速度信息，n为路侧设备和车侧设备数量的总和，满足
Figure FDA0003015898140000024
S5：无人驾驶矿车自动驾驶时，云端将目标车辆GPS坐标转换到参考坐标系下，找到目标车辆在参考坐标系的位置，将其他目标位置转换为与目标车辆的相对位置关系，按照危险层级进行降序排列，危险层级原则为距离最近的最危险，当前车道目标最危险，行人最危险，对排序后的目标进行编号，分配ID，并将信息发送到目标车辆。
CN202010294553.8A 2020-04-15 2020-04-15 一种基于5g的矿区无人运输***的弯道协同感知方法 Active CN111583690B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010294553.8A CN111583690B (zh) 2020-04-15 2020-04-15 一种基于5g的矿区无人运输***的弯道协同感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010294553.8A CN111583690B (zh) 2020-04-15 2020-04-15 一种基于5g的矿区无人运输***的弯道协同感知方法

Publications (2)

Publication Number Publication Date
CN111583690A CN111583690A (zh) 2020-08-25
CN111583690B true CN111583690B (zh) 2021-08-20

Family

ID=72111557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010294553.8A Active CN111583690B (zh) 2020-04-15 2020-04-15 一种基于5g的矿区无人运输***的弯道协同感知方法

Country Status (1)

Country Link
CN (1) CN111583690B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112884892B (zh) * 2021-02-26 2023-05-02 武汉理工大学 基于路侧装置的无人矿车位置信息处理***和方法
CN113378947A (zh) * 2021-06-21 2021-09-10 北京踏歌智行科技有限公司 一种面向露天矿区无人运输的车路云融合感知***及方法
CN113778108B (zh) * 2021-10-09 2023-07-21 招商局检测车辆技术研究院有限公司 一种基于路侧感知单元的数据采集***及数据处理方法
CN114061612B (zh) * 2021-11-23 2024-01-19 上海伯镭智能科技有限公司 一种无人驾驶矿车的弯道角度生成方法及装置
CN117058867A (zh) * 2022-05-05 2023-11-14 华为技术有限公司 一种会车方法及相关装置
CN114895682B (zh) * 2022-05-19 2024-04-30 上海伯镭智能科技有限公司 一种基于云端数据的无人驾驶矿车行走参数校正方法及***
CN115131963B (zh) * 2022-06-22 2023-08-22 上海伯镭智能科技有限公司 一种基于激光雷达和毫米波雷达的矿车雷达协同方法、***、装置及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509972A (zh) * 2018-01-16 2018-09-07 天津大学 一种基于毫米波和激光雷达的障碍物特征提取方法
CN108762245A (zh) * 2018-03-20 2018-11-06 华为技术有限公司 数据融合方法以及相关设备
CN110213739A (zh) * 2019-06-11 2019-09-06 北京航空航天大学 面向矿车无人驾驶运输***的多模式通信方法和装置
CN110276972A (zh) * 2019-07-16 2019-09-24 启迪云控(北京)科技有限公司 一种基于车联网的目标物感知方法及***
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
CN110519703A (zh) * 2019-08-28 2019-11-29 北京易控智驾科技有限公司 一种矿车无人驾驶***
CN110532896A (zh) * 2019-08-06 2019-12-03 北京航空航天大学 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法
CN110909705A (zh) * 2019-11-30 2020-03-24 的卢技术有限公司 一种基于车载摄像头的路侧停车位感知方法及***

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9224050B2 (en) * 2010-03-16 2015-12-29 The University Of Sydney Vehicle localization in open-pit mining using GPS and monocular camera
CN102564431B (zh) * 2011-11-14 2014-11-12 南京理工大学 基于多传感器融合的非结构化环境理解方法
CN103208205B (zh) * 2013-03-20 2015-05-13 北京航空航天大学 一种基于车联网的车辆安全行驶预警方法
US10838423B2 (en) * 2018-08-07 2020-11-17 GM Global Technology Operations LLC Intelligent vehicle navigation systems, methods, and control logic for deriving road segment speed limits
CN110874945A (zh) * 2018-08-31 2020-03-10 百度在线网络技术（北京）有限公司 基于车路协同的路侧感知***及其车辆控制方法
CN110164157A (zh) * 2019-07-16 2019-08-23 华人运通(上海)新能源驱动技术有限公司 路侧设备、用于路侧设备的方法和车路协同***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509972A (zh) * 2018-01-16 2018-09-07 天津大学 一种基于毫米波和激光雷达的障碍物特征提取方法
CN108762245A (zh) * 2018-03-20 2018-11-06 华为技术有限公司 数据融合方法以及相关设备
CN110213739A (zh) * 2019-06-11 2019-09-06 北京航空航天大学 面向矿车无人驾驶运输***的多模式通信方法和装置
CN110276972A (zh) * 2019-07-16 2019-09-24 启迪云控(北京)科技有限公司 一种基于车联网的目标物感知方法及***
CN110428161A (zh) * 2019-07-25 2019-11-08 北京航空航天大学 一种基于端边云架构的无人驾驶矿车云智能调度方法
CN110532896A (zh) * 2019-08-06 2019-12-03 北京航空航天大学 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法
CN110519703A (zh) * 2019-08-28 2019-11-29 北京易控智驾科技有限公司 一种矿车无人驾驶***
CN110909705A (zh) * 2019-11-30 2020-03-24 的卢技术有限公司 一种基于车载摄像头的路侧停车位感知方法及***

Also Published As

Publication number Publication date
CN111583690A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111583690B (zh) 一种基于5g的矿区无人运输***的弯道协同感知方法
CN112000130B (zh) 一种无人机的多机协同高精度建图定位***
US11208129B2 (en) Vehicle control system and method
CN104574953B (zh) 交通信号预测
US12002361B2 (en) Localized artificial intelligence for intelligent road infrastructure
CN112689588B (zh) 一种自动驾驶车辆的控制方法及装置
US20190106135A1 (en) Locomotive control system and method
CN112859830B (zh) 一种设计运行区域odd判断方法、装置及相关设备
US6173231B1 (en) Method and system for collecting data concerning thermal properties of roads for a geographic database and use thereof in a vehicle safety system
CN111427348A (zh) 一种自动驾驶矿用自卸卡车环境感知***及矿用自卸卡车
CN110111566A (zh) 轨迹预测方法、装置和存储介质
CN111260946A (zh) 一种基于智能网联***的自动驾驶货车运营控制***
CN110296713A (zh) 路侧自动驾驶车辆定位导航***及单个、多个车辆定位导航方法
CN113002396A (zh) 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆
CN107844120A (zh) 一种无人驾驶矿用宽体车
CN104574952A (zh) 车辆导航用航摄数据
CN102997926B (zh) 一种用于获取导航数据的方法
CN104572065A (zh) 远程车辆监控***和方法
CN107380163A (zh) 基于磁导航的汽车智能报警预测***及其方法
RU2720303C1 (ru) Способ, устройство и железнодорожное транспортное средство, в частности рельсовое транспортное средство, для анализа изображений на базе колеи в железнодорожном сообщении, в частности для анализа изображений на базе рельсового пути в рельсовом сообщении
CN207473410U (zh) 一种汽车智能自动驾驶装置
CN207676208U (zh) 一种无人驾驶矿用宽体车
CN110807412B (zh) 一种车辆激光定位的方法、车载设备和存储介质
WO2022110116A1 (zh) 一种飞行充电方法及***、充电无人机
CN110491156A (zh) 一种感知方法、装置及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant