CN112585553A - 用于可移动平台的控制方法、可移动平台、设备和存储介质 - Google Patents
用于可移动平台的控制方法、可移动平台、设备和存储介质 Download PDFInfo
- Publication number
- CN112585553A CN112585553A CN202080004213.5A CN202080004213A CN112585553A CN 112585553 A CN112585553 A CN 112585553A CN 202080004213 A CN202080004213 A CN 202080004213A CN 112585553 A CN112585553 A CN 112585553A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- radar
- relative
- distance
- 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 70
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000033001 locomotion Effects 0.000 claims abstract description 83
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 86
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 230000004888 barrier function Effects 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- 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
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
-
- 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
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提供一种用于可移动平台的控制方法、可移动平台、设备和存储介质,可移动平台上配置的雷达探测到第一点云数据,根据第一点云数据中不同维度的特征信息对其进行筛选,以筛选得到对应于障碍物的第二点云数据。再根据第二点云识别障碍物,以进一步根据识别出的障碍物控制可移动平台的运动状态。通过点云数据中多维度特征信息的使用,能够准确地筛选出对应于障碍物的点云数据,并进一步准确地识别出障碍物,以保证可移动平台的正常运动。
Description
技术领域
本发明涉及设备控制领域,尤其涉及一种用于可移动平台的控制方法、可移动平台、设备和存储介质。
背景技术
如无人机、汽车、轮船等可移动平台目前已经广泛应用到众多领域中。在不同领域中可移动平台都存在避障的需求。一种常用的避障方式是:可移动平台可以先利用自身配置的雷达对周围环境进行观测,再根据观测得到的点云数据识别出周围环境中包含的障碍物,从而实现避障。
但在实际应用中,可移动平台所处的环境、雷达的安装位置以及雷达自身误差等各种原因都有可能导致采集到的点云数据中存在噪点。这些噪点又会对障碍物的识别产生影响,还有可能进一步导致可移动平台在运动过程中出现损毁。
发明内容
本发明提供了一种用于可移动平台的控制方法、可移动平台、设备和存储介质,用以准确识别出障碍物,保证可移动平台的正常运动。
本发明的第一方面是为了提供一种用于可移动平台的控制方法,所述方法包括:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明的第二方面是为了提供一种可移动平台,所述移动平台至少包括:机体、雷达、动力***以及控制装置;
所述雷达,设置于所述机体上,用于探测点云数据;
所述动力***,设置于所述机体上,用于为所述可移动平台提供动力;
所述控制装置包含存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明的第三方面是为了提供一种用于可移动平台的控制设备,所述设备包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明的第四方面是为了提供一种计算机可读存储介质,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于第一方面所述的用于可移动平台的控制方法。
本发明提供的用于可移动平台的控制方法、可移动平台、设备和存储介质,通过对噪声点云数据的滤除,使可移动平台能够准确识别出自身运动环境中包含的障碍物,保证此可移动平台的正常运动。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例提供的一种用于可移动平台的控制方法的流程示意图;
图2为本发明实施例提供的一种噪声点云数据的滤除方式的流程示意图;
图3为本发明实施例提供的另一种噪声点云数据的滤除方式的流程示意图;
图4为本发明实施例提供的一种障碍物识别方式的流程示意图;
图5为本发明实施例提供的第一参考距离的曲线形式;
图6为本发明实施例提供的另一种障碍物识别方式的流程示意图;
图7为本发明实施例提供的第二参考距离的曲线形式;
图8为本发明实施例提供的一种用于可移动平台的控制装置的结构示意图;
图9为本发明实施例提供的一种可移动平台的结构示意图;
图10为本发明实施例提供的一种用于可移动平台的控制设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明提供的用于可移动平台的控制方法、可移动平台、设备和存储介质,先获取配置于可移动平台上的雷达探测到的第一点云数据,然后根据第一点云数据中包括的至少一种特征信息,对第一点云数据进行过滤,以滤除对应于非障碍物的噪声点云数据。再根据滤除后得到的第二点云数据识别障碍物,并根据障碍物所在的位置控制可移动平台的运动状态。可见,本发明提供的控制方法中,通过使用点云数据中多维度特征信息对噪声点云数据进行滤除,能够准确地得到对应于障碍物的第二点云数据,根据此第二点云数据又能够准确识别出障碍物,并进一步保证可移动平台的正常运动。
基于上述描述,本发明实施例提供一种用于可移动平台的控制方法,该方法包括:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明实施例还提供一种可移动平台,该平台至少包括:机体、动力***以及控制装置;
所述动力***,设置于所述机体上,用于为所述可移动平台提供动力;
所述控制装置包括存储器和处理器;
所述存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明实施例还提供一种用于可移动平台的控制设备,该设备包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
本发明实施例还提供一种计算机可读存储介质,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于上述的用于可移动平台的控制方法。
下面结合附图,可以基于此场景对本发明的一些实施方式作详细说明。但需要说明的有,上述的农业场景只是一种举例,本发明并不限定使用场景,只要有对可移动平台上配置的雷达进行拆卸需求的场景均可以。并且在各实施例之间不冲突的情况下,下述各实施例及各实施例中的特征可以相互组合。
图1为本发明实施例提供的一种用于可移动平台的控制方法的流程示意图。该用于可移动平台的控制方法的执行主体是控制设备。可以理解的是,该控制设备可以实现为软件、或者软件和硬件的组合。检测设备执行该用于可移动平台的控制方法,以实现对可移动平台运动状态的控制。
本实施例以及下述各实施例中的控制设备具体来说可以是如无人机、汽车、轮船等任意一种可移动平台,其中,汽车可以是无人驾驶车、普通汽车等,轮船可以是无人驾驶轮船、普通轮船等。以可移动平台为无人机这种情况为例,对下述各实施例进行说明。具体的,该方法可以包括:
S101,获取雷达探测到的第一点云数据。
无人机在飞行过程中,其自身配置的雷达可以不断探测到点云数据,为了后续的描述清晰,可以将此时探测到的点云数据称为第一点云数据。
第一点云数据能够反映无人机所处飞行环境中障碍物的分布情况。为了更准确地控制可移动平台的运动,一种可选地方式,可以在无人机的机身四周设置多个雷达,以使其探测到无人机全方位的点云数据。当然从无人机的体积和自重角度考虑,另一种可选地方式,无人机上配置的雷达可以是旋转雷达,通过旋转使其探测到全方位的点云数据。
S102,根据第一点云数据的至少一种特征信息,滤除第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据。
雷达探测到的每个点云数据中可以包含至少一种特征信息。在实际应用中,可以单独或结合使用不同维度的特征信息来对第一点云数据进行筛选。下面对至少一种特征信息进行说明:
至少一种特征信息可以包括:相对于雷达的方位信息、相对无人机的运动速度、接收到的回波信号能量等等。其中,方位信息具体又可以包括:相对于雷达的距离、相对于雷达的角度以及相对于雷达的位置等等。由于雷达发射的电磁波信号照射到一物体并被反射后,也即是形成了一个点云数据,因此,方位信息中的距离实际上就是此物体与雷达之间的距离,方位信息中的角度也即是此物体与雷达之间的角度,方位信息中的位置具体可以表现为一个三维坐标,即以三维坐标的形式表明物体相对雷达的位置。
可选地,可以根据方位信息中相对雷达的距离对第一点云数据进行滤除。以第一点云数据中的点云数据A为例,先判断点云数据A中相对雷达的距离是否小于预设距离。若距离小于预设距离,表明此点云数据A对应的物体距离雷达较近,此物体通常为无人机机体。而机体显然不属于影响无人机飞行的障碍物。也就是说,机体对应的此点云数据A也即是噪声点云数据,应该将其滤除。其中,点云数据A可以是第一点云数据中的任意一个。按照上述方式对第一点云数据进行滤除后即可得到第二点云数据。
由于无人机与雷达通常是刚性连接的,因此,无人机就会对雷达产生遮挡,也就会使得雷达探测到对应于机体的噪声点云数据A。另外,上述预设距离可以理解为一个距离下限,小于此距离下限的点云数据均为噪声点云数据。而对于上述预设距离的设定,可选地,可以参考无人机的尺寸。比如,无人机体积越大,预设距离设置得也越大。
上述根据预设距离滤除点云数据的方式实际上可以理解为:以雷达为中心、以预设距离为半径规划一个球体区域,此球体区域能够粗略的表示无人机机体所在的空间范围,也即是可以认为落入此区域内的点云数据均对应于无人机的机体,落入其中的点云数据都需要被滤除。
实际应用中,可选地,还可以将上述的球体区域替换为正方体区域、圆锥体区域、三角体区域等等,根据区域形状的不同可以设置不同的预设距离。
上述方式中规划的区域较为粗略,此区域与无人机机体真正所在的空间范围还有一定的差距,这样的话,很容易将落入此范围内的非噪声点云数据滤除到,从而导致障碍物识别的准确性降低。
为了避免上述问题,可选地,方位信息可以包括相对雷达的位置,此位置具体表现为一个三维坐标。此时,则可以根据此相对雷达的位置对第一点云数据进行筛选。
具体来说,可以预先对无人机进行扫描,以得到实测数据,其可以被称为参考点云数据,并可以由这些参考点云数据可以构成预设空间范围。然后,承接上述点云数据A的举例,判断点云数据A中相对雷达的位置是否位于预设空间范围内。若位于此预设空间范围内,表明点云数据A对应的物体是无人机的机体,则会将点云数据A滤除。
由于经过扫描后得到预设空间范围可以精准描述无人机机体的轮廓,因此按照上述方式进行滤除也就能够避免出现将第一点云数据中对应于非机体的点云数据滤除的情况。
上述滤除方式实际上是将第一点云数据中用于描述无人机机体的点云数据滤除。并且上述只是列举了两种根据特征信息对滤除噪声点云数据的方式,当然噪声点云数据的滤除还可以包含其他方式,具体地过程可以参见下述图2~图3所示实施例中的详细描述。
S103,根据第二点云数据进行障碍物识别。
S104,根据障碍物识别结果控制可移动平台的运动状态。
对第二点云数据进行聚类处理,以得到至少一簇点云数据。每一簇都可以认为是一个障碍物,也即是识别出了无人机当前所处的飞行环境中障碍物的分布情况。此时,可以根据障碍物所在的位置为无人机规划飞行路径,控制无人机的飞行。
本实施例提供的用于可移动平台的控制方法,先获取配置于可移动平台上的雷达探测到的第一点云数据,然后根据第一点云数据中包括的至少一种特征信息,对第一点云数据进行过滤,以滤除对应于非障碍物的噪声点云数据。再根据滤除后得到的第二点云数据识别障碍物,并根据障碍物所在的位置控制可移动平台的运动状态。可见,本发明提供的控制方法中,通过使用点云数据中多维度的特征信息对噪声点云数据进行滤除,能够准确地得到对应于障碍物的第二点云数据,根据此第二点云数据又能够准确识别出障碍物,并进一步保证可移动平台的正常运动。
在实际应用中,由于无人机的飞行环境较为复杂,因此,在雷达采集到的第一点云数据中,通常包括对应于水杂波、地杂波等的噪声点云数据。而点云数据是否对应于杂波,可选地,又可以通过点云数据包括的特征信息中的相对雷达的方位信息和回波信号能量来判定。也即是在第一点云数据中,将相对雷达的方位信息和回波信号能量均不满足各自对应预设阈值的点云数据确定为杂波对应的噪声点云数据,需要将其滤除。
具体地,一种可选地情况,方位信息具体可以同时包括相对雷达的距离和角度,此时,继续承接上述举例的点云数据A,若点云数据A相对于雷达的距离小于预设距离,且点云数据A相对雷达的角度位于预设角度范围内,并且点云数据A的回波信号能量小于预设能量值,表明点云数据A是噪声点云数据,对其进行滤除。其中,对于预设距离、预设角度范围以及预设能量值,均可以根据历史经验来设定。
这种历史经验可以认为是:在经过多次实际飞行后,将雷达采集到的点云数据中的噪声点云数据分离出来,分离出来的噪声点云数据可以认为是由杂波产生的。在得到噪声点云数据具有的回波信号能量的同时,还可以对噪声点云数据进行统计,以得到在相对雷达不同距离、不同角度上噪声点云数据出现的概率。将噪声点云数据出现概率较高的距离和角度范围确定为预设距离、预设角度范围。实际应用中,预设距离可以为5米,预设角度范围可以为10°~15°,预设能量值可以为5000W/m2。
另一种可选地情况,方位信息还可以包括相对雷达的距离。此时,对第一点云数据的滤除可以是:当无人机的任务执行信号开启后,若点云数据A雷达的距离小于预设距离,且目标点云数据的回波信号能量小于预设能量值,则滤除目标点云数据。实际应用中,预设距离可以为5米,预设能量值可以为20000W/m2。
由于不同类型的无人机可以实现的功能不同,比如农业无人机能够实现农药的喷洒或者种子的播撒,因此,无人机对应的任务执行信号就是喷洒信号或者播撒信号。
除了上述提供的各种滤除方式之外,可选地,还可以根据相对雷达的运动速度来实现噪声点云数据的滤除,如图2所示,也即是关于步骤S102的一种可选地可实现方式可以为:
S201,获取可移动平台的运动速度。
S202,滤除第一点云数据中相对雷达的运动速度与可移动平台的运动速度不匹配的点云数据。
无人机上配置的惯性测量单元(Inertial measurement unit,简称IMU)可以测得无人机的运动速度Va。然后,判断第一点云数据中相对雷达的运动速度Vrm与此无人机的运动速度Va之间是否匹配。其中,IMU采集的运动速度Va表示为Va=[Vax,Vay,Vaz]T;同时由于雷达只能测得在发射波束方向上的速度,因此,相对雷达的运动速度Vrm表示为Vrm=[Vrmx,0,0]T。
容易理解的,点云数据对应于无人机飞行环境中一物体,点云数据中相对雷达的运动速度Vrm实际上是此物体相对于无人机的运动速度,也即是一个相对速度。并且由于飞行环境中物体通常是处于静止状态,因此,此相对速度Vrm应该与无人机的运动速度Va大小相等,方向相反。
继续承接上述点云数据A的举例,对于速度是否匹配的判断,一种可选地方式,若点云数据A中的运动速度Vrmx与无人机的运动速度Vax的矢量和不为0,则表明两速度不匹配,可以滤除此点云数据A。
在一实施方式中,运动速度Vrm和运动速度Va是由无人机上不同的器件采集到的,因此,运动速度Vrm对应于雷达坐标系,运动速度Va对应于无人机的机体坐标系。为了进一步保证噪声点云数据的滤除效果,可选地,还可以利用转换矩阵R将机体坐标系下的运动速度Va转换为雷达坐标系下的运动速度Vr。
具体来说可以通过以下公式进行坐标系的转换:Vr=R*Va,转换后的运动速度可以表示为:Vr=[Vrx,Vry,Vrz]T。然后,可以计算相对雷达的运动速度Vrmx与转换后的速度Vrx的速度矢量和。若速度矢量和不为0,则滤除此点云数据A。
在实际应用中,考虑到IMU的测量精度、无人机与雷达相等姿态的误差等影响,则对于运动速度是否匹配的判断条件可以适当放宽。则另一种可选地方式,在计算出相对雷达的运动速度Vrmx与转换后的速度Vrx的速度矢量和后,判断速度矢量和与预设速度误差Δv之间的关系。若矢量和大于预设速度误差Δv,则滤除此点云数据A。其中,预设速度误差Δv可以根据历史经验设定,此预设速度误差可以为一个速度范围。
可见,上述筛选方式实际上是将运动速度不合格的点云数据确定为噪声点云数据并滤除出去。判断运动速度是否合格的过程可以理解为:根据无人机的运动速度Va以及相对运动速度Vrm设定一个判断标准。若两速度的矢量和满足此判断标准,则认为合格,否则认为不合格。并且根据上述两种情况可知,依据实际需求,设定的判断标准可以为一个速度值,也可以为一个速度范围。
除了上述提供的各种滤除方式之外,可选地,还可以根据回波信号能量以及方位信息中相对雷达的位置来实现噪声点云数据的滤除,如图3所示,也即是步骤S102另一种可选地可实现方式可以为:
S301,根据第一点云数据中相对雷达的位置拟合地面对应的目标平面。
上述实施例中已经提及第一点云数据中相对雷达的位置具体可以表现为一个三维坐标,则可以根据三维坐标拟合出目标平面,此目标平面用于表明无人机飞行环境中的地面,其中,三维坐标可以表示为[x,y,z],目标平面的方程可以表示为z=Ax+By+C。
由于点云数据是由雷达采集到的,因此,上述三维坐标[x,y,z]也即是雷达坐标系下的,可选地,还可以将雷达坐标系下的三维坐标转换到水平坐标系下,以得到新的三维坐标[x',y',z']。再根据水平坐标系下的三维坐标拟合目标平面,以保证目标平面是水平平面,更加接近真实地面。
另外,容易理解地,地面在飞行环境中是位于无人机下方的,这也就使得用于描述地面的点云数据中相对雷达的角度是具有一定特点的,比如是在一定角度范围内的。因此,对于那些角度明显不符合要求的点云数据,若将其应用到目标平面拟合的过程中,反而会影响平面拟合的准确性。
则基于上述描述,可选地,还可以根据第一点云数据中相对雷达的角度对第一点云数据进行筛选。比如,从第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,再根据此第三点云数据中相对雷达的位置拟合目标平面。
需要说明的是,上述的点云数据的坐标转换以及点云数据的筛选都是为了保证目标平面的拟合准确性。在实际应用中,可以选择二者同时执行或者择一执行。
S302,根据第一点云数据中相对雷达的位置计算第一点云数据相对目标平面的距离。
S303,滤除第一点云数据中相对目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
然后,计算第一点云数据中的三维坐标与目标平面之间的距离,同时再获得第一点云数据中的回波信号能量。假设点云数据A的三维坐标为[x1,y1,z1],目标平面的方程为z=Ax+By+C,距离可以表示为此距离可以理解为是点云数据与地面之间的距离。
若距离h位于预设距离范围内,并且点云数据A的回波信号能量也满足预设能量范围,确定此点云数据A是有效的,则将其保留。若点云数据A不满足前述条件,则将其滤除。
其中,预设距离范围以及预设能量范围均可以根据历史经验来设定。这种历史经验可以为,经过多次实际飞行,可以对雷达采集到的点云数据的三维坐标进行统计,以得到相对于雷达不同的距离处,点云数据出现的概率,以得到在不同回波信号能量下,点云数据出现的概率。将出现点云数据概率较大的距离范围设置为预设距离范围,将点云数据出现概率较大的能量范围设置为预设能量范围。
可见,图3所示的实施例实际上是根据点云数据的三维坐标计算其与地面之间的高度,再以此高度和点云数据包括的回波信号能量确定出有效的点云数据。
综上所述,上述图1~图3所示实施例中提供了多种滤除噪声点云数据的方式,可以根据实际需求选择执行一种或者几种。当然执行的种类越多,对噪声点云数据的滤除效果也就越好。
在利用上述不同方式对第一点云数据筛选后,剩余的点云数据即为第二点云数据。此时,可以对第二点云数据进行聚类处理,以得到至少一簇点云数据。对于如何利用此至少一簇点云数据实现障碍物的识别,如图4所示,一种可选地方式可以为:
S401,对于至少一簇点云数据中的目标簇点云数据,获取目标簇点云数据的中心,中心的方位信息包括相对雷达的位置。
S402,计算中心相对地面的第一距离。
在对第二点云数据进行聚类后,即可得到每一簇点云数据的中心。对于至少一簇点云数据中的目标簇点云数据K,基于图3所示实施例中已经拟合出的用于表示地面的目标平面,还可以进一步计算目标簇点云数据K的中心与目标平面之间的距离。其中,目标簇点云数据K可以为至少一簇点云数据中的任意一簇。
可选地,在进行距离聚类之前,还可以将雷达坐标系下的点云数据转换到水平坐标系下。
S403,根据第一距离计算第一参考距离。
S404,若相对雷达的位置与第一参考距离匹配,则确定目标簇点云数据对应于障碍物。
其中,zmax,zmin,hmax,hmin均为预设值。
举例来说,假设第一距离h=3.0m,zmax=0.0m,zmin=-1.0m,hmax=4.0m,hmin=2.0m,则第一参考距离可以表现为如图5所示的曲线。并且z2=1.0m,通过上述公式计算出即即目标簇点云数据K的中心的z2位于曲线上方,表明目标簇点云数据K对应于障碍物。
可见,图4所示的方式也即是先根据目标簇点云数据的中心与地面之间的距离h、目标簇点云数据的中心的z2值之间的大小关系确定此簇点云数据是否对应于障碍物。
对于根据至少一簇点云数据识别障碍物的方式,如图6所示,另一种可选地方式:
S501,对于至少一簇点云数据中的目标簇点云数据,获取目标簇点云数据的中心,中心的方位信息包括相对雷达的位置。
上述步骤S401的执行过程与前述实施例的相应步骤相似,可以参见如图4所示实施例中的相关描述,在此不再赘述。
S502,计算中心相对可移动平台中心的第二距离。
S503,根据第二距离计算第二参考距离。
S504,若相对雷达的位置与第二参考距离匹配,则确定目标簇点云数据对应于障碍物。
其中,zmax,zmin,dmax,dmin均为预设值。
举例来说,假设第二距离d=3.0m,zmax=-0.5m,zmin=-1.0m,dmax=10.0m,dmin=5.0m,则第二参考距离可以表现为如图7所示的曲线。并且当z2=1.0m时,通过上述公式计算出即目标簇点云数据K的中心的z2值位于曲线上方,表明目标簇点云数据K对应于障碍物。
图6所示方式也即是根据目标簇点云数据的中心与雷达间的水平距离d、中心相对于地面间距离z2值之间的大小关系确定此簇点云数据是否对应于障碍物。
经过图4~图7所示实施例后,可以将至少一簇点云数据中对应于非障碍物的噪声点云数据滤除。对于剩余的多簇点云数据,可选地,还可以进行以下筛选:
对于剩余的多簇点云数据中的一簇点云数据P,统计此簇点云数据中包含的点云数据的数目。若数目大于预设数值,则确定这一簇点云数据P对应于障碍物。其中,这一簇点云数据P可以是剩余的多簇点云数据中的任一簇。
需要说明的还有,上述根据一簇点云数据中点云数据的数量进行筛选的过程,可以在执行图4或图6所示实施例之后进行,也可以在第二点云数据进行聚类处理以得到至少一簇点云数据之后进行,当然可也在上述两种情况之后均进行,从而更加精准地将点云数据中的噪声点云数据滤除,保证障碍物识别的准确性,进一步保证无人机的正常飞行。同时,能够准确的识别出无人机飞行环境中的障碍物,便可以对无人机实现精确控制,比如能够是无人机实现目标跟踪等等。
图8为本发明实施例提供的一种用于可移动平台的控制装置的结构示意图。如图8所示,本实施例提供了一种用于可移动平台的控制装置,该控制装置可以执行上述的用于可移动平台的控制方法;具体的,控制装置包括:
获取模块11,用于获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上。
滤除模块12,用于根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据。
识别模块13,用于根据所述第二点云数据进行障碍物识别。
控制模块14,用于根据障碍物识别结果控制所述可移动平台的运动状态。
图8所示装置还可以执行图1~图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1~图7所示实施例中的描述,在此不再赘述。
图9为本发明实施例提供的一种可移动平台的结构示意图;参考附图9所示,本发明实施例的提供了一种可移动平台,该可移动平台为以下至少之一:无人飞行器、汽车、轮船,其中,汽车可以是无人驾驶车、普通汽车等,轮船可以是无人驾驶轮船、普通轮船等。具体的,该可移动平台包括:机体21、雷达22、动力***23以及控制装置24。
所述雷达22,设置于所述机体21上,用于探测点云数据。
所述动力***23,设置于所述机21体上,用于为所述可移动平台提供动力。
所述控制装置24包括存储器241和处理器242。
所述存储器,用于存储计算机程序;
所述处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
进一步的,所述至少一种特征信息包括:相对所述雷达的方位信息、回波信号能量、相对所述可移动平台的运动速度;所述方位信息包括相对所述雷达的距离;
处理器242还用于:滤除所述第一点云数据中相对所述雷达的距离小于预设距离的点云数据,所述预设距离对应于所述可移动平台的尺寸信息。
进一步的,所述方位信息包括相对所述雷达的位置;
处理器242还用于:滤除相对所述雷达的位置位于预设空间范围内的点云数据,所述预设空间范围包含所述可移动平台。
进一步的,处理器242还用于:滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足各自对应预设阈值的点云数据。
进一步的,所述方位信息包括相对所述雷达的距离和角度;
处理器242还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据相对所述雷达的角度位于预设角度范围内,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据。
进一步的,所述方位信息包括相对所述雷达的距离;
处理器242还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据,其中,所述可移动平台的任务执行信号开启。
进一步的,处理器242还用于:获取所述可移动平台的运动速度;
滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据。
进一步的,处理器242还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的运动速度与所述可移动平台的运动速度的矢量和大于设定速度误差,则滤除所述目标点云数据。
进一步的,所述方位信息包括相对所述雷达的位置;
处理器242还用于:根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面;
根据所述第一点云数据中相对所述雷达的位置计算所述第一点云数据相对所述目标平面的距离;
滤除所述第一点云数据中相对所述目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
进一步的,所述方位信息还包括相对所述雷达的角度;
处理器242还用于:从所述第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,所述预设角度范围对应于所述雷达相对地面的角度;
根据第三点云数据中相对所述雷达的位置拟合所述目标平面。
进一步的,处理器242还用于:对所述第二点云数据进行聚类处理,以得到至少一簇点云数据;
根据所述至少一簇点云数据识别障碍物。
进一步的,处理器242还用于:对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对地面的第一距离;
根据所述第一距离计算第一参考距离;
若所述相对所述雷达的位置与所述第一参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
进一步的,处理器242还用于:对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对所述可移动平台中心的第二距离;
根据所述第二距离计算第二参考距离;
若所述相对所述雷达的位置与所述第二参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
进一步的,处理器242还用于:统计所述目标簇点云数据包含的点云数据的数目;
若所述数目大于预设数值,则确定所述目标簇点云数据对应于障碍物。
图9所示的可移动平台可以执行图1~图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1~图7所示实施例中的描述,在此不再赘述。
在一个可能的设计中,图10所示的用于可移动平台的控制设备的结构可实现为一电子设备,该电子设备可以是无人机、汽车、轮船等,其中,汽车可以是无人驾驶车、普通汽车等,轮船可以是无人驾驶轮船、普通轮船等等。如图10所示,该电子设备可以包括:一个或多个处理器31和一个或多个存储器32。其中,存储器32用于存储支持电子设备执行上述图1~图7所示实施例中提供的用于可移动平台的控制方法的程序。处理器31被配置为用于执行存储器32中存储的程序。
具体的,程序包括一条或多条计算机指令,其中,一条或多条计算机指令被处理器31执行时能够实现如下步骤:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
其中,该云台控制设备的结构中还可以包括通信接口33,用于电子设备与其他设备或通信网络通信。
进一步的,所述至少一种特征信息包括:相对所述雷达的方位信息、回波信号能量、相对所述可移动平台的运动速度;所述方位信息包括相对所述雷达的距离;
处理器31还用于:滤除所述第一点云数据中相对所述雷达的距离小于预设距离的点云数据,所述预设距离对应于所述可移动平台的尺寸信息。
进一步的,所述方位信息包括相对所述雷达的位置;
处理器31还用于:滤除相对所述雷达的位置位于预设空间范围内的点云数据,所述预设空间范围包含所述可移动平台。
进一步的,处理器31还用于:滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足各自对应预设阈值的点云数据。
进一步的,所述方位信息包括相对所述雷达的距离和角度;
处理器31还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据相对所述雷达的角度位于预设角度范围内,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据。
进一步的,所述方位信息包括相对所述雷达的距离;
处理器31还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据,其中,所述可移动平台的任务执行信号开启。
进一步的,处理器31还用于:获取所述可移动平台的运动速度;
滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据。
进一步的,处理器31还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的运动速度与所述可移动平台的运动速度的矢量和大于设定速度误差,则滤除所述目标点云数据。
进一步的,所述方位信息包括相对所述雷达的位置;
处理器31还用于:根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面;
根据所述第一点云数据中相对所述雷达的位置计算所述第一点云数据相对所述目标平面的距离;
滤除所述第一点云数据中相对所述目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
进一步的,所述方位信息还包括相对所述雷达的角度;
处理器31还用于:从所述第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,所述预设角度范围对应于所述雷达相对地面的角度;
根据第三点云数据中相对所述雷达的位置拟合所述目标平面。
进一步的,处理器31还用于:对所述第二点云数据进行聚类处理,以得到至少一簇点云数据;
根据所述至少一簇点云数据识别障碍物。
进一步的,处理器31还用于:对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对地面的第一距离;
根据所述第一距离计算第一参考距离;
若所述相对所述雷达的位置与所述第一参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
进一步的,处理器31还用于:对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对所述可移动平台中心的第二距离;
根据所述第二距离计算第二参考距离;
若所述相对所述雷达的位置与所述第二参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
进一步的,处理器31还用于:统计所述目标簇点云数据包含的点云数据的数目;
若所述数目大于预设数值,则确定所述目标簇点云数据对应于障碍物。
图10所示设备可以执行图1~图7所示实施例的方法,本实施例未详细描述的部分,可参考对图1~图7所示实施例的相关说明。该技术方案的执行过程和技术效果参见图1~图7所示实施例中的描述,在此不再赘述。
另外,本发明实施例提供了一种计算机可读存储介质,存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,程序指令用于实现上述图1~图7的用于可移动平台的控制方法。
以上各个实施例中的技术方案、技术特征在与本相冲突的情况下均可以单独,或者进行组合,只要未超出本领域技术人员的认知范围,均属于本申请保护范围内的等同实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的相关检测装置(例如:IMU)和方法,可以通过其它的方式实现。例如,以上所描述的遥控装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,遥控装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得计算机处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-On ly Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (44)
1.一种用于可移动平台的控制方法,其特征在于,所述方法包括:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
2.根据权利要求1所述的方法,其特征在于,所述至少一种特征信息包括:相对所述雷达的方位信息、回波信号能量、相对所述可移动平台的运动速度。
3.根据权利要求2所述的方法,其特征在于,所述方位信息包括相对所述雷达的距离;
所述根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,包括:
滤除所述第一点云数据中相对所述雷达的距离小于预设距离的点云数据,所述预设距离对应于所述可移动平台的尺寸信息。
4.根据权利要求2所述的方法,其特征在于,所述方位信息包括相对所述雷达的位置;
所述根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,包括:
滤除相对所述雷达的位置位于预设空间范围内的点云数据,所述预设空间范围包含所述可移动平台。
5.根据权利要求2所述的方法,其特征在于,所述根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,包括:
滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足各自对应预设阈值的点云数据。
6.根据权利要求5所述的方法,其特征在于,所述方位信息包括相对所述雷达的距离和角度;
所述滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足设定的阈值的点云数据,包括:
对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据相对所述雷达的角度位于预设角度范围内,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据。
7.根据权利要求5所述的方法,其特征在于,所述方位信息包括相对所述雷达的距离;
所述滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足设定的阈值的点云数据,包括:
对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据,其中,所述可移动平台的任务执行信号开启。
8.根据权利要求2所述的方法,其特征在于,所述根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,包括:
获取所述可移动平台的运动速度;
滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据。
9.根据权利要求8所述的方法,其特征在于,所述滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据,包括:
对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的运动速度与所述可移动平台的运动速度的矢量和大于设定速度误差,则滤除所述目标点云数据。
10.根据权利要求2所述的方法,其特征在于,所述方位信息包括相对所述雷达的位置;
所述根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,包括:
根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面;
根据所述第一点云数据中相对所述雷达的位置计算所述第一点云数据相对所述目标平面的距离;
滤除所述第一点云数据中相对所述目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
11.根据权利要求10所述的方法,其特征在于,所述方位信息还包括相对所述雷达的角度;
所述根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面,包括:
从所述第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,所述预设角度范围对应于所述雷达相对地面的角度;
根据第三点云数据中相对所述雷达的位置拟合所述目标平面。
12.根据权利要求2所述的方法,其特征在于,所述根据所述第二点云数据进行障碍物识别,包括:
对所述第二点云数据进行聚类处理,以得到至少一簇点云数据;
根据所述至少一簇点云数据识别障碍物。
13.根据权利要求12所述的方法,其特征在于,所述根据所述至少一簇点云数据识别障碍物,包括:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对地面的第一距离;
根据所述第一距离计算第一距离参考值;
若所述相对所述雷达的位置满足所述第一距离参考值,则确定所述目标簇点云数据对应于障碍物。
14.根据权利要求12所述的方法,其特征在于,所述根据所述至少一簇点云数据识别障碍物,包括:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对所述可移动平台中心的第二距离;
根据所述第二距离计算第二距离参考值;
若所述相对所述雷达的位置满足第二距离参考值,则确定所述目标簇点云数据对应于障碍物。
15.根据权利要求13或14所述的方法,其特征在于,所述方法还包括:
统计所述目标簇点云数据包含的点云数据的数目;
若所述数目大于预设数值,则确定所述目标簇点云数据对应于障碍物。
16.一种可移动平台,其特征在于,至少包括:机体、雷达、动力***以及控制装置;
所述雷达,设置于所述机体上,用于探测点云数据;
所述动力***,设置于所述机体上,用于为所述可移动平台提供动力;
所述控制装置包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
17.根据权利要求16所述的可移动平台,其特征在于,所述至少一种特征信息包括:相对所述雷达的方位信息、回波信号能量、相对所述可移动平台的运动速度;所述方位信息包括相对所述雷达的距离;
所述处理器还用于:滤除所述第一点云数据中相对所述雷达的距离小于预设距离的点云数据,所述预设距离对应于所述可移动平台的尺寸信息。
18.根据权利要求17所述的可移动平台,其特征在于,所述方位信息包括相对所述雷达的位置;
所述处理器还用于:滤除相对所述雷达的位置位于预设空间范围内的点云数据,所述预设空间范围包含所述可移动平台。
19.根据权利要求17所述的可移动平台,其特征在于,所述处理器还用于:
滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足各自对应预设阈值的点云数据。
20.根据权利要求19所述的可移动平台,其特征在于,所述方位信息包括相对所述雷达的距离和角度;
所述处理器还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据相对所述雷达的角度位于预设角度范围内,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据。
21.根据权利要求19所述的可移动平台,其特征在于,所述方位信息包括相对所述雷达的距离;
所述处理器还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据,其中,所述可移动平台的任务执行信号开启。
22.根据权利要求17所述的可移动平台,其特征在于,所述处理器还用于:
获取所述可移动平台的运动速度;
滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据。
23.根据权利要求22所述的可移动平台,其特征在于,所述处理器还用于:
对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的运动速度与所述可移动平台的运动速度的矢量和大于设定速度误差,则滤除所述目标点云数据。
24.根据权利要求17所述的可移动平台,其特征在于,所述方位信息包括相对所述雷达的位置;
所述处理器还用于:
根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面;
根据所述第一点云数据中相对所述雷达的位置计算所述第一点云数据相对所述目标平面的距离;
滤除所述第一点云数据中相对所述目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
25.根据权利要求24所述的可移动平台,其特征在于,所述方位信息还包括相对所述雷达的角度;
所述处理器还用于:
从所述第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,所述预设角度范围对应于所述雷达相对地面的角度;
根据第三点云数据中相对所述雷达的位置拟合所述目标平面。
26.根据权利要求17所述的可移动平台,其特征在于,所述处理器还用于:
对所述第二点云数据进行聚类处理,以得到至少一簇点云数据;
根据所述至少一簇点云数据识别障碍物。
27.根据权利要求26所述的可移动平台,其特征在于,所述处理器还用于:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对地面的第一距离;
根据所述第一距离计算第一参考距离;
若所述相对所述雷达的位置与所述第一参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
28.根据权利要求26所述的可移动平台,其特征在于,所述处理器还用于:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对所述可移动平台中心的第二距离;
根据所述第二距离计算第二参考距离;
若所述相对所述雷达的位置与所述第二参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
29.根据权利要求26或27所述的可移动平台,其特征在于,所述处理器还用于:统计所述目标簇点云数据包含的点云数据的数目;
若所述数目大于预设数值,则确定所述目标簇点云数据对应于障碍物。
30.一种用于可移动平台的控制设备,其特征在于,所述检测设备包括:
存储器,用于存储计算机程序;
处理器,用于运行所述存储器中存储的计算机程序以实现:
获取雷达探测到的第一点云数据,所述雷达设于所述可移动平台上;
根据所述第一点云数据的至少一种特征信息,滤除所述第一点云数据中对应于非障碍物的噪声点云数据,以得到第二点云数据;
根据所述第二点云数据进行障碍物识别;
根据障碍物识别结果控制所述可移动平台的运动状态。
31.根据权利要求30所述的设备,其特征在于,所述至少一种特征信息包括:相对所述雷达的方位信息、回波信号能量、相对所述可移动平台的运动速度;所述方位信息包括相对所述雷达的距离;
所述处理器还用于:滤除所述第一点云数据中相对所述雷达的距离小于预设距离的点云数据,所述预设距离对应于所述可移动平台的尺寸信息。
32.根据权利要求31所述的设备,其特征在于,所述方位信息包括相对所述雷达的位置;
所述处理器还用于:滤除相对所述雷达的位置位于预设空间范围内的点云数据,所述预设空间范围包含所述可移动平台。
33.根据权利要求31所述的设备,其特征在于,所述处理器还用于:
滤除所述第一点云数据中相对所述雷达的方位信息和回波信号能量不满足各自对应预设阈值的点云数据。
34.根据权利要求33所述的设备,其特征在于,所述方位信息包括相对所述雷达的距离和角度;
所述处理器还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据相对所述雷达的角度位于预设角度范围内,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据。
35.根据权利要求33所述的设备,其特征在于,所述方位信息包括相对所述雷达的距离;
所述处理器还用于:对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的距离小于预设距离,且所述目标点云数据的回波信号能量小于预设能量值,则滤除所述目标点云数据,其中,所述可移动平台的任务执行信号开启。
36.根据权利要求31所述的设备,其特征在于,所述处理器还用于:
获取所述可移动平台的运动速度;
滤除所述第一点云数据中相对所述雷达的运动速度与所述可移动平台的运动速度不匹配的点云数据。
37.根据权利要求36所述的设备,其特征在于,所述处理器还用于:
对于所述第一点云数据中的目标点云数据,若所述目标点云数据相对所述雷达的运动速度与所述可移动平台的运动速度的矢量和大于设定速度误差,则滤除所述目标点云数据。
38.根据权利要求31所述的设备,其特征在于,所述方位信息包括相对所述雷达的位置;
所述处理器还用于:
根据所述第一点云数据中相对所述雷达的位置拟合地面对应的目标平面;
根据所述第一点云数据中相对所述雷达的位置计算所述第一点云数据相对所述目标平面的距离;
滤除所述第一点云数据中相对所述目标平面的距离和回波信号能量不满足各自对应预设阈值的点云数据。
39.根据权利要求38所述的设备,其特征在于,所述方位信息还包括相对所述雷达的角度;
所述处理器还用于:
从所述第一点云数据中筛选出相对雷达的角度满足预设角度范围的第三点云数据,所述预设角度范围对应于所述雷达相对地面的角度;
根据第三点云数据中相对所述雷达的位置拟合所述目标平面。
40.根据权利要求31所述的设备,其特征在于,所述处理器还用于:
对所述第二点云数据进行聚类处理,以得到至少一簇点云数据;
根据所述至少一簇点云数据识别障碍物。
41.根据权利要求40所述的设备,其特征在于,所述处理器还用于:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对地面的第一距离;
根据所述第一距离计算第一参考距离;
若所述相对所述雷达的位置与所述第一参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
42.根据权利要求40所述的设备,其特征在于,所述处理器还用于:
对于所述至少一簇点云数据中的目标簇点云数据,获取所述目标簇点云数据的中心,所述中心的方位信息包括相对所述雷达的位置;
计算所述中心相对所述可移动平台中心的第二距离;
根据所述第二距离计算第二参考距离;
若所述相对所述雷达的位置与所述第二参考距离匹配,则确定所述目标簇点云数据对应于障碍物。
43.根据权利要求41或42所述的设备,其特征在于,所述处理器还用于:统计所述目标簇点云数据包含的点云数据的数目;
若所述数目大于预设数值,则确定所述目标簇点云数据对应于障碍物。
44.一种计算机可读存储介质,其特征在于,所述存储介质为计算机可读存储介质,该计算机可读存储介质中存储有程序指令,所述程序指令用于实现权利要求1至15中任一项所述的用于可移动平台的控制方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/076845 WO2021168708A1 (zh) | 2020-02-26 | 2020-02-26 | 用于可移动平台的控制方法、可移动平台、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112585553A true CN112585553A (zh) | 2021-03-30 |
Family
ID=75145414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004213.5A Pending CN112585553A (zh) | 2020-02-26 | 2020-02-26 | 用于可移动平台的控制方法、可移动平台、设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112585553A (zh) |
WO (1) | WO2021168708A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888621A (zh) * | 2021-09-29 | 2022-01-04 | 中科海微(北京)科技有限公司 | 装载率确定方法、装置、边缘计算服务器及存储介质 |
CN114706070A (zh) * | 2022-02-22 | 2022-07-05 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于4d毫米波雷达的自动泊车车位搜索方法和*** |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114723830B (zh) * | 2022-03-21 | 2023-04-18 | 深圳市正浩创新科技股份有限公司 | 障碍物的识别方法、设备及存储介质 |
CN114973006B (zh) * | 2022-08-02 | 2022-10-18 | 四川省机械研究设计院(集团)有限公司 | 花椒采摘方法、装置、***及存储介质 |
CN118270438A (zh) * | 2022-12-29 | 2024-07-02 | 北京极智嘉科技股份有限公司 | 基于环境信息的设备控制方法及装置 |
CN116465302B (zh) * | 2023-03-31 | 2023-11-10 | 中国地震局地质研究所 | 一种断层运动的监测方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156926A (zh) * | 2014-08-19 | 2014-11-19 | 武汉海达数云技术有限公司 | 多场景下车载激光点云噪声点去除方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
US20190129039A1 (en) * | 2017-10-31 | 2019-05-02 | Analytical Mechanics Associates, Inc. | Polyhedral geofences |
CN109709986A (zh) * | 2019-03-06 | 2019-05-03 | 华北电力大学(保定) | 一种无人机控制***及方法 |
CN109739256A (zh) * | 2018-12-20 | 2019-05-10 | 深圳市道通智能航空技术有限公司 | 一种无人机降落避障方法、装置及无人机 |
CN110458055A (zh) * | 2019-07-29 | 2019-11-15 | 江苏必得科技股份有限公司 | 一种障碍物检测方法及*** |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647646B (zh) * | 2018-05-11 | 2019-12-13 | 北京理工大学 | 基于低线束雷达的低矮障碍物的优化检测方法及装置 |
CN108897311A (zh) * | 2018-06-14 | 2018-11-27 | 天津大学 | 一种碾压机集群无人驾驶筑坝*** |
US11277956B2 (en) * | 2018-07-26 | 2022-03-22 | Bear Flag Robotics, Inc. | Vehicle controllers for agricultural and industrial applications |
-
2020
- 2020-02-26 CN CN202080004213.5A patent/CN112585553A/zh active Pending
- 2020-02-26 WO PCT/CN2020/076845 patent/WO2021168708A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104156926A (zh) * | 2014-08-19 | 2014-11-19 | 武汉海达数云技术有限公司 | 多场景下车载激光点云噪声点去除方法 |
CN107064955A (zh) * | 2017-04-19 | 2017-08-18 | 北京汽车集团有限公司 | 障碍物聚类方法及装置 |
US20190129039A1 (en) * | 2017-10-31 | 2019-05-02 | Analytical Mechanics Associates, Inc. | Polyhedral geofences |
CN109739256A (zh) * | 2018-12-20 | 2019-05-10 | 深圳市道通智能航空技术有限公司 | 一种无人机降落避障方法、装置及无人机 |
CN109709986A (zh) * | 2019-03-06 | 2019-05-03 | 华北电力大学(保定) | 一种无人机控制***及方法 |
CN110458055A (zh) * | 2019-07-29 | 2019-11-15 | 江苏必得科技股份有限公司 | 一种障碍物检测方法及*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888621A (zh) * | 2021-09-29 | 2022-01-04 | 中科海微(北京)科技有限公司 | 装载率确定方法、装置、边缘计算服务器及存储介质 |
CN113888621B (zh) * | 2021-09-29 | 2022-08-26 | 中科海微(北京)科技有限公司 | 装载率确定方法、装置、边缘计算服务器及存储介质 |
CN114706070A (zh) * | 2022-02-22 | 2022-07-05 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于4d毫米波雷达的自动泊车车位搜索方法和*** |
Also Published As
Publication number | Publication date |
---|---|
WO2021168708A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112585553A (zh) | 用于可移动平台的控制方法、可移动平台、设备和存储介质 | |
CN108226951B (zh) | 一种基于激光传感器的快速运动障碍物实时跟踪方法 | |
CN1940591B (zh) | 使用传感器融合进行目标跟踪的***和方法 | |
US20210261154A1 (en) | Continuous obstacle detection method, device, and system, and storage medium | |
WO2018222889A1 (en) | Collision prediction system | |
US20140372073A1 (en) | Two-stage filtering based method for multiple target tracking | |
CN110927742A (zh) | 障碍物跟踪方法、装置、设备及存储介质 | |
EP3497475B1 (en) | Wire and pylon classification based on trajectory tracking | |
CN111508282B (zh) | 低空无人机农田作业飞行障碍物冲突检测方法 | |
CN112470032A (zh) | 起伏地面的地形预测方法、装置、雷达、无人机和作业控制方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN112368663A (zh) | 坡地的地形预测方法、装置、雷达、无人机和作业控制方法 | |
WO2021081958A1 (zh) | 地形检测方法、可移动平台、控制设备、***及存储介质 | |
WO2021087751A1 (zh) | 距离检测方法、距离检测设备、自主移动平台和存储介质 | |
CN110542422B (zh) | 机器人定位方法、装置、机器人及存储介质 | |
US10330769B1 (en) | Method and apparatus for geolocating emitters in a multi-emitter environment | |
Schikora et al. | Passive multi-object localization and tracking using bearing data | |
CN112334880B (zh) | 可移动平台对障碍物的处理方法、装置及计算机存储介质 | |
WO2020244467A1 (zh) | 一种运动状态估计方法及装置 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
CN112050829B (zh) | 一种运动状态确定方法及装置 | |
CN113822372A (zh) | 基于YOLOv5神经网络的无人机检测方法 | |
WO2020041959A1 (zh) | 连续波雷达的地形预测方法、装置、***和无人机 | |
CN112154346A (zh) | 雷达的抗干扰方法、设备、***及存储介质 | |
CN115440094B (zh) | 用于直升机近地告警的障碍物探测方法、装置和存储介质 |
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 |