CN112363510A - 一种自动驾驶编组车自动对接方法 - Google Patents
一种自动驾驶编组车自动对接方法 Download PDFInfo
- Publication number
- CN112363510A CN112363510A CN202011321896.5A CN202011321896A CN112363510A CN 112363510 A CN112363510 A CN 112363510A CN 202011321896 A CN202011321896 A CN 202011321896A CN 112363510 A CN112363510 A CN 112363510A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mark
- camera
- target vehicle
- space
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 210000001503 joint Anatomy 0.000 title claims abstract description 10
- 238000003032 molecular docking Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 239000003550 marker Substances 0.000 claims description 14
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 12
- 240000007651 Rubus glaucus Species 0.000 abstract description 7
- 235000011034 Rubus glaucus Nutrition 0.000 abstract description 7
- 235000009122 Rubus idaeus Nutrition 0.000 abstract description 7
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 230000008901 benefit Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0225—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving docking at a fixed facility, e.g. base station or loading bay
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
- G06T2207/30208—Marker matrix
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自动驾驶编组车自动对接方法,解决了解决公交***或货运***运力不平衡的问题,减少人员和车辆的浪费。本发明通过摄像头获取图片后通过USB实时传输给树莓派进行数据处理,树莓派调用OpenCV库对视频流进行适当处理,根据目标车辆的相对位置和转向角度,计算跟随车辆的与最近目标点的距离以及转向角控制率,控制器获得数据后使用Stanley算法控制车辆运动,对目标前车进行自动对接。本发明应用机器视觉进行车辆周围环境感知,摄像头具有安装简便、易于调试的特点,视觉信息内容丰富,处理手段多。自动对接过程简单、便捷、高效,大大减小人工成本。
Description
技术领域
本发明涉及全自动驾驶和机器视觉领域,具体涉及一种自动驾驶编组车自动对接方法。
背景技术
如今的交通中,人们的出行高平峰或货物多少对车辆需求矛盾突出,在需求变化时,为了解决运力不平衡问题只能增加或减少车辆等等,造成人员和车辆的浪费。公交或者卡车的编组可以解决公交***和货运***的运力不平衡和运力不足的问题,同时极大降低人工成本和车辆运行成本。自动驾驶编组车编组的基本思路是,第一辆车由人工的驾驶员驾驶,在其后面由全自动驾驶车辆进行跟随,组成编组车队。封闭环境的下多车编组是自动驾驶中的重要分支。
目前,在多车编组的对接技术中,主要通过人工驾驶从车对接主车,再进行电气或机械手段进行固定铰接,存在对接、装卸复杂不便等缺点。使用自动驾驶算法进行车辆的对接,能够大大降低人工成本,实现方便灵活的自动对接。
如今机器视觉和图像处理技术迅速发展,以视觉信息作为车辆周边的环境感知信息具有信息丰富、处理手段丰富、设备安装简单等特点,能够满足多车编组自动对接的功能需求。
发明内容
本发明提供了解决上述问题的一种自动驾驶编组车自动对接方法,使得对接过程大大降低人工成本,实现自动对接且过程简单高效便捷。
本发明通过下述技术方案实现:
1.一种自动驾驶编组车自动对接方法,包括:
S1、获取目标车辆标记;
S2、根据目标车辆标记的位置和姿态计算跟随车与目标车辆的相对位置和目标相对航向角;
S3、根据所得到的相对位置、目标相对航向角,利用Stanley算法确定跟随车基本转向角控制率和最近路径点。
S4、根据所得到的基本转向角控制率和最近路径点控制跟随车与目标车辆对接。
本方案的有益效果是,有效解决公交***或货运***运力不平衡的问题,减少人员和车辆的浪费。应用机器视觉进行车辆周围环境感知,摄像头具有安装简便、易于调试的特点,视觉信息内容丰富,处理手段多。自动对接过程简单、便捷、高效,大大减小人工成本。
进一步的,所述目标车辆标记为ArUco标记,固定于目标车辆尾部。
上述进一步方案的有益效果是,利用ArUco标记确定所需要跟随的目标车辆。
进一步的,所述ArUco标记的创建方法为:
加载设定的预字典;
创建指定编号和尺寸的ArUco标记。
上述进一步方案的有益效果是,单个标记就提供了获取相机姿态的足够对应信息。同时,标记的内部二进制编码使得标记在错误检查和修正等方面保持一定的稳定性。
进一步的,所述跟随车辆相机标定的过程为:
利用跟随车摄像头拍摄任意角度和位置的多张棋盘图;
将拍摄的棋盘图像进行灰度化,找到每张图片中的棋盘图角点;
提取图像中的亚像素角点并储存;
进行相机标定,得到内参数矩阵和畸变系数。
上述进一步方案的有益效果是,对相机参数进行标定,可以使跟随车的相机满足不同光照、角度和距离条件下对目标车辆标记的识别,并且能够车辆运行过程中,目标车辆因为转向角度使得标记出现在跟随车镜头里所发生形变时,识别出目标车辆标记。
进一步的,所述目标车辆标记的姿态计算的方法为:
识别目标车辆标记的编号和对应的四个角;
根据目标车辆标记的真实边长以及跟随车辆相机标定的参数计算目标车辆的姿态,得到旋转向量rvec和平移向量tvec;
将得到的旋转向量rvec转换为旋转矩阵R;
将得到的平移向量tvec转换为平移矩阵T;
根据旋转矩阵R和平移矩阵T计算目标车辆标记与跟随车的相对位置,得到跟随车与目标车辆标记位置的水平距离x0、垂直距离y0以及目标车辆相对航向角δ。
上述进一步方案的有益效果是,利用指定标记确定目标车辆的相对位置和车辆姿态,可以准确的识别到目标车辆,防止误识别,并且便于选择参考点计算距离和角度。
进一步的,所述目标车辆相对航向角δ为目标车辆标记绕其成像面面垂直方向的轴形成的夹角。
进一步的,所述旋转矩阵表示为:
令目标车辆ArUco标记中心为空间A的原点,同时平行于地面和ArUco标记方向为空间A的x轴方向,同时垂直于地面和平行于ArUco标记方向为A空间y轴方向,同时平行于地面垂直于ArUco标记方向为空间A的z轴方向;跟随车辆上的摄像头的相机坐标为空间B。其中,r为空间B中各轴方向单位向量在空间A中各轴的分量,例如r11为空间B中x轴方向的单位向量在空间A中的x轴分量,r12为空间B中x轴方向的单位向量在空间A中的y轴分量。
上述进一步方案的有益效果是,能够利用所得到的旋转矩阵计算目标车辆标记相对摄像头的相对转向角δ。
进一步的,令跟随车辆上的摄像头光心为空间C的原点,摄像头光轴为空间C的y轴方向,同时垂直光轴和平行于地面方向为空间C的x轴方向,目标车辆标记与跟随车的相对位置关系满足如下公式:
其中,T=[t1,t2,t3],表示目标车辆标记在跟随车辆上的摄像头的相机坐标,t1为标记在相机坐标中的x轴位置,t2为标记在相机坐标中的y轴位置,t3为标记在相机坐标中的z轴位置;以车辆摄像头光心为空间C原点,成像的水平方向为x轴,垂直于成像面的方向为y轴,(x0,y0)为标识中心在空间C中的坐标;标识平行于成像面时表示目标车辆相对航向角为0°,标识绕成像面垂直方向的轴形成的夹角为目标车辆相对航向角δ。
上述进一步方案的有益效果是,能够根据所得到的目标车辆标记与跟随车的相对位置和相对航向角,使用Stanley算法计算转向。
进一步的,车辆与最近路径点的距离表示为:
其中,k为跟随车目标路径在空间C中的斜率,目标路径为穿过ArUco标记中心并与标记垂直的直线。
上述进一步方案的有益效果是,确定与最近路径点的距离可以进一步确定转向角的大小,进一步可以获得转向角控制率。
进一步的,所述基本转向角控制率表示为:
其中,L为跟随车的前视距离,e车辆与最近路径点的距离。
上述进一步方案的有益效果是,可以根据转向角控制率控制跟随车的转向过程,使其满足与目标车辆的对接要求。
进一步的,由于转向限制和摄像头视角限制,当标记不在视野之内时,控制器控制转向往回转。
上述进一步方案的有益效果是,能够保证在对接过程中,保持目标车辆标记在视野之内,让车辆感知目标车辆的相对位置。
进一步的,跟随车与目标车辆对接完成所要满足的条件为:
上述进一步方案的有益效果是,满足上述条件则表示跟随车与目标车辆对接成功,连接模块进行铰接,车辆与目标车辆自动对接完成。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1本发明自动驾驶编组车自动对接方法的流程示意图。
图2为本发明实施例车辆控制***示意图。
图3为本发明实施例Stanley几何模型示意图。
图4为本发明实施例转向控制过程示意图。
具体实施方式
在下文中,可在本发明的各种实施例中使用的术语“包括”或“可包括”指示所发明的功能、操作或元件的存在,并且不限制一个或更多个功能、操作或元件的增加。此外,如在本发明的各种实施例中所使用,术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
在本发明的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本发明的各种实施例。如在此所使用,单数形式意在也包括复数形式,除非上下文清楚地另有指示。除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
一种自动驾驶编组车自动对接方法,如图1所示,包括:
S1、获取目标车辆标记;
跟随车利用安装在其正前方的摄像头对目标车辆的ArUco标记进行识别,摄像头采用自动对焦无畸变USB摄像头,能够实时获取无畸变的视频流;自动对焦功能能够保证自动对接过程中获取的图片清晰成像;无畸变特点能够减小因畸变带来的误差。USB接口让摄像头与树莓派开发板连接,易于安装调试。
在本实施例里,目标车辆标记为ArUco标记,ArUco标记是一种正方形标记,由黑色边框和确定其编号的二进制矩阵组成。首先使用cv2.aruco.getPredefinedDictionary()函数加载指定预字典,再使用cv2.aruco.drawMarker()创建指定编号和大小的ArUco标记。
在本实施例里,利用树莓派开发板对安装的摄像头进行相机参数的标定,具体方式为:
(1)使用摄像头在不同角度和位置拍摄棋盘图15到20张.
(2)定义相机标定的相关常量设置与变量,包括定义棋盘格模板规格参数、初始化储存棋盘格角点的数组、载入棋盘图片所在目录。
(3)使用cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)函数将拍摄的图像进行灰度化。
(4)使用cv2.findChessboardCorners()函数找到每张图像中的棋盘图角点。
(5)使用cv2.cornerSubPix()函数对图像进一步提取亚像素角点信息并储存。
(6)使用cv2.calibrateCamera()函数进行相机标定,得到内参数矩阵mtx和畸变系数dist。
树莓派具有低功耗、高性能、接口丰富、处理速度快等特点,完全满足自动对接过程中处理图像的要求。摄像头获取图片后通过USB实时传输给树莓派,树莓派调用OpenCV库对视频流进行适当处理,将有效数据通过USB转其他通信方式传输给控制器,控制器获得数据后使用Stanley算法控制车辆运动,对目标前车进行自动对接,如图2所示。
相机参数标定之后,跟随车摄像头能够满足在不同光照和角度条件下识别出发生形变的目标车辆标记。使用aruco.detectMarkers()函数对ArUco标记进行识别,即可实现对目标车辆的定位。
S2、根据目标车辆标记的位置和姿态计算跟随车与目标车辆的相对位置和目标相对航向角;
在本实施例里,首先记录所识别标记的编号和对应的四个角corners;
接着根据预字典内容,判断ArUco标记所对应的编号,使用aruco.estimatePoseSingleMarkers(corners,size,mtx,dist)函数对标记姿态估计,得到旋转向量rvec和平移向量tvec,其中size为标记真实边长,mtx和dist为相机标定得到的内参数矩阵和畸变系数;使用cv2.Rodrigues()函数将旋转向量rvec转换为旋转矩阵,
令目标车辆的ArUco标记中心为空间A的原点,同时平行于地面和ArUco标记方向为空间A的x轴方向,同时垂直于地面和平行于ArUco标记方向为A空间y轴方向,同时平行于地面垂直于ArUco标记方向为空间A的z轴方向;跟随车辆上的摄像头的相机坐标为空间B,例如r11为空间B中x轴方向的单位向量在空间A中的x轴分量,r12为空间B中x轴方向的单位向量在空间A中的y轴分量。
由此可以根据所识别的标记的位置得到目标车辆的相对位置。以车辆摄像头光心为原点,成像的水平方向为x轴,垂直于成像面的方向为y轴,标识平行于成像面时表示目标车辆相对航向角为0°,标识绕成像面垂直方向的轴形成的夹角为目标车辆相对航向角δ。
由平移向量tvec=[t1,t2,t3]确定的标识相对摄像头位置和角度为:
图像处理得到标记相对位置和角度后,车辆控制器使用基于Stanley算法的预瞄模型,对目标车辆进行对接。
S3、根据所得到的相对位置、目标相对航向角,利用Stanley算法确定跟随车基本转向角控制率和最近路径点,如图3结合图4所示;
在本实施例里,Stanley算法的核心为一个非线性反馈横向偏差函数,横向偏差呈指数收敛。在不考虑横向跟踪误差的情况下,前轮偏角和给定路径切线方向一致,αe表示车辆航向与最近路径点切线方向之间的夹角;在不考虑航向跟踪偏差的情况下,横向跟踪误差越大,前轮转向角越大。根据几何关系
其中L为前视距离,k为增益参数。综合两方面控制因素,基本转向角控制率如下:
由于目标车辆不移动,车辆的目标路径为穿过ArUco标记中心并与标记垂直的直线,且对接使车辆速度较慢,因此确定适当的前视距离L即可。
由摄像头获得x0,y0,δ,如图4所示,当以车辆前轮为坐标原点时,车辆航向与最近路径点切线方向之间的夹角为
αe=δ;
垂直标识的直线斜率为
k=tan(90°-δ);
垂直标识的直线函数为
车辆与最近路径点距离为
综合以上,可得到基本转向角控制率为
S4、根据所得到的基本转向角控制率和最近路径点控制跟随车与目标车辆对接。
由于转向限制和摄像头视角限制,当标记不在视野之内时,控制器控制转向往回转,以保持标记在视野之内,让车辆感知目标车辆的相对位置。当摄像头识别标识位置y0小于一定值时(用于连接模块接触),δ在一定范围内(比如正负3度内)且x0在一定范围内(比如正负0.05m内),则表示对接成功,连接模块进行铰接,车辆与目标车辆自动对接完成。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自动驾驶编组车自动对接方法,其特征在于,包括:
S1、获取目标车辆标记;
S2、根据目标车辆标记的位置和姿态计算跟随车与目标车辆的相对位置和目标相对航向角;
S3、根据所得到的相对位置、目标相对航向角,利用Stanley算法确定跟随车基本转向角控制率和最近路径点。
S4、根据所得到的基本转向角控制率和最近路径点控制跟随车与目标车辆对接。
2.根据权利要求1所述的一种自动驾驶编组车自动对接方法,其特征在于,所述目标车辆标记为ArUco标记,固定于目标车辆尾部。
3.根据权利要求2所述的一种自动驾驶编组车自动对接方法,其特征在于,所述ArUco标记的创建方法为:
加载设定的预字典;
创建指定编号和尺寸的ArUco标记。
4.根据权利要求3所述的一种自动驾驶编组车自动对接方法,其特征在于,所述步骤S2中目标车辆标记的姿态计算方法为:
识别目标车辆标记的编号和对应的四个角;
根据目标车辆标记的真实边长以及跟随车辆相机标定的参数计算目标车辆的姿态,得到旋转向量rvec和平移向量tvec;
将得到的旋转向量rvec转换为旋转矩阵R;
将得到的平移向量tvec转换为平移矩阵T;
根据旋转矩阵R和平移矩阵T计算目标车辆标记与跟随车的相对位置,得到跟随车与目标车辆标记位置的水平距离x0、垂直距离y0以及目标车辆相对航向角δ。
7.根据权利要求6述的一种自动驾驶编组车自动对接方法,其特征在于,所述跟随车辆相机标定的过程为:
利用跟随车摄像头拍摄任意角度和位置的多张棋盘图;
将拍摄的棋盘图像进行灰度化,找到每张图片中的棋盘图角点;
提取图像中的亚像素角点并储存;
进行相机标定,得到内参数矩阵和畸变系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321896.5A CN112363510A (zh) | 2020-11-23 | 2020-11-23 | 一种自动驾驶编组车自动对接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321896.5A CN112363510A (zh) | 2020-11-23 | 2020-11-23 | 一种自动驾驶编组车自动对接方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112363510A true CN112363510A (zh) | 2021-02-12 |
Family
ID=74533084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321896.5A Pending CN112363510A (zh) | 2020-11-23 | 2020-11-23 | 一种自动驾驶编组车自动对接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112363510A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204243A (zh) * | 2021-07-05 | 2021-08-03 | 北京理工大学 | 可重构无人车自主对接过程远端接近方法 |
CN113721606A (zh) * | 2021-08-16 | 2021-11-30 | 清华大学 | 引导式自动驾驶物流车辆控制***及方法 |
CN115167395A (zh) * | 2022-06-16 | 2022-10-11 | 北京博雅睿视科技有限公司 | 平面内的机器人移动控制方法、装置、机器人及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291085A (zh) * | 2017-08-10 | 2017-10-24 | 山东非凡智能科技有限公司 | 一种组合式智能移动agv控制方法及*** |
WO2019042958A1 (en) * | 2017-08-30 | 2019-03-07 | Assa Abloy Entrance Systems Ab | VEHICLE GUIDANCE SYSTEMS AND ASSOCIATED METHODS FOR USE IN LOGISTIC OPERATING COURSES AND OTHER LOCATIONS |
CN109634288A (zh) * | 2019-01-23 | 2019-04-16 | 广州小鹏汽车科技有限公司 | 一种自动驾驶交通工具换乘的控制方法及*** |
CN110444014A (zh) * | 2019-07-01 | 2019-11-12 | 淮阴工学院 | 基于反向st-mrf车辆跟踪算法的防追尾预警方法 |
CN111301259A (zh) * | 2020-04-10 | 2020-06-19 | 贵刚 | 一种运输车与载货车的自动对接装填***、方法及计算机存储介质 |
CN111598950A (zh) * | 2020-04-23 | 2020-08-28 | 四川省客车制造有限责任公司 | 一种基于机器视觉的客车列车自动铰接方法及*** |
-
2020
- 2020-11-23 CN CN202011321896.5A patent/CN112363510A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291085A (zh) * | 2017-08-10 | 2017-10-24 | 山东非凡智能科技有限公司 | 一种组合式智能移动agv控制方法及*** |
WO2019042958A1 (en) * | 2017-08-30 | 2019-03-07 | Assa Abloy Entrance Systems Ab | VEHICLE GUIDANCE SYSTEMS AND ASSOCIATED METHODS FOR USE IN LOGISTIC OPERATING COURSES AND OTHER LOCATIONS |
CN109634288A (zh) * | 2019-01-23 | 2019-04-16 | 广州小鹏汽车科技有限公司 | 一种自动驾驶交通工具换乘的控制方法及*** |
CN110444014A (zh) * | 2019-07-01 | 2019-11-12 | 淮阴工学院 | 基于反向st-mrf车辆跟踪算法的防追尾预警方法 |
CN111301259A (zh) * | 2020-04-10 | 2020-06-19 | 贵刚 | 一种运输车与载货车的自动对接装填***、方法及计算机存储介质 |
CN111598950A (zh) * | 2020-04-23 | 2020-08-28 | 四川省客车制造有限责任公司 | 一种基于机器视觉的客车列车自动铰接方法及*** |
Non-Patent Citations (2)
Title |
---|
岑王洁 等: ""一种关于智能充电桩的***设计"", 《电脑与信息技术》 * |
那田: "基于图像像素点的前方车辆距离检测研究", 《农业装备与车辆工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204243A (zh) * | 2021-07-05 | 2021-08-03 | 北京理工大学 | 可重构无人车自主对接过程远端接近方法 |
CN113204243B (zh) * | 2021-07-05 | 2021-09-14 | 北京理工大学 | 可重构无人车自主对接过程远端接近方法 |
CN113721606A (zh) * | 2021-08-16 | 2021-11-30 | 清华大学 | 引导式自动驾驶物流车辆控制***及方法 |
CN115167395A (zh) * | 2022-06-16 | 2022-10-11 | 北京博雅睿视科技有限公司 | 平面内的机器人移动控制方法、装置、机器人及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112363510A (zh) | 一种自动驾驶编组车自动对接方法 | |
CN107844750B (zh) | 一种水面全景图像目标检测识别方法 | |
CN111815641A (zh) | 相机和雷达融合 | |
US11762071B2 (en) | Multi-mode multi-sensor calibration | |
CN103065323B (zh) | 一种基于单应性变换矩阵的分段空间对准方法 | |
CN112257539B (zh) | 车辆与车道线的位置关系检测方法、***和存储介质 | |
CN113160336B (zh) | 一种简易标定环境下的车载环视相机标定方法 | |
CN111279354A (zh) | 图像处理方法、设备及计算机可读存储介质 | |
CN110658826A (zh) | 一种基于视觉伺服的欠驱动无人水面艇自主靠泊方法 | |
KR102457264B1 (ko) | 어라운드 뷰 모니터링 시스템 및 이의 카메라 자동 공차 보정 방법 | |
CN108362296B (zh) | Auv与接驳站水下对接的末端视觉导引方法 | |
CN113525631A (zh) | 一种基于光视觉引导的水下终端对接***及方法 | |
US20210272289A1 (en) | Sky determination in environment detection for mobile platforms, and associated systems and methods | |
CN112102396B (zh) | 桥吊下的车辆定位方法、装置、设备及存储介质 | |
CN113706633A (zh) | 一种目标对象的三维信息确定方法和装置 | |
CN110910311A (zh) | 一种基于二维码的多路环视相机自动拼接方法 | |
Duan et al. | Image digital zoom based single target apriltag recognition algorithm in large scale changes on the distance | |
KR102503308B1 (ko) | 무인항공기의 도로차선 추종장치 및 그 방법 | |
CN115115704B (zh) | 确定汽车位姿信息的方法及装置 | |
WO2023036212A1 (zh) | 货架定位方法、货架对接方法以及装置、设备、介质 | |
Geiger | Monocular road mosaicing for urban environments | |
JP7171825B2 (ja) | 船舶の補助補正システム及びその運用方法 | |
Hedi et al. | A system for vehicle surround view | |
WO2020166401A1 (ja) | 学習データ生成装置、方法及びプログラム | |
US20200376678A1 (en) | Visual servo system |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210212 |