CN113568003B - 一种用于机场地勤车的防撞预警***及方法 - Google Patents
一种用于机场地勤车的防撞预警***及方法 Download PDFInfo
- Publication number
- CN113568003B CN113568003B CN202110845404.0A CN202110845404A CN113568003B CN 113568003 B CN113568003 B CN 113568003B CN 202110845404 A CN202110845404 A CN 202110845404A CN 113568003 B CN113568003 B CN 113568003B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser radar
- cloud map
- distance
- map
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 238000013519 translation Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000004888 barrier function Effects 0.000 abstract 1
- 239000007787 solid Substances 0.000 description 26
- 238000004364 calculation method Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了用于机场地勤车的防撞预警***,综合利用第一类激光雷达视野大,利于建立高精度点云地图的特点和第二类激光雷达点云稠密能够清晰地展现被扫描物的表面几何特征的特点。在几何特征较为稀疏的地方使用第一类激光雷达计算连续点云帧之间的旋转矩阵和平移矩阵,第二类激光雷达使用第一类激光雷达计算出的连续点云帧之间的旋转矩阵和平移矩阵拼接出几何纹理丰富的航站楼室外高精度点云地图。根据高精度点云地图获取地勤车与障碍物表面的切面之间的水平距离,该切面与地面垂直。本发明还公开了用于机场地勤车的防撞预警方法,本发明能够快速、精准、实时的获取地勤车与障碍物之间的距离,有效提高了预警的准确性;使用成本低,计算量小。
Description
技术领域
本发明属于防撞预警技术领域,特别涉及一种用于机场地勤车的防撞预警***及方法。
背景技术
随着全球航空业的飞速发展,机场的日均起降航班数量大幅增加,与之伴随而来的是机场的地勤车日均出勤次数也显著增加。如何避免地勤车在作业过程中,特别是避免地勤车在靠机过程中由于人为原因擦碰到飞机机体,成为了一个亟待解决的问题。目前,主要使用测距传感器测量地勤车辆最前端到机体的最近距离,当车辆高度明显低于机身高度时就会出现测距错误,容易发生碰撞,造成安全隐患。也没有彻底的解决地勤车防撞的问题。
发明内容
发明目的:本发明针对现有技术存在的问题,提出了一种能够快速、准确的进行防撞预警的用于机场地勤车的防撞预警***。
技术方案:为实现上述目的,本发明提供了一种用于机场地勤车的防撞***,包括数据采集单元、数据处理控制单元和显示报警终端;其中,
数据采集单元用于设置在机场地勤车上的两类激光雷达和传感器采集机场地勤车周围的相关数据;并将采集到的相关数据发送给数据处理控制单元;
数据处理控制单元根据第一类激光雷达采集到的点云数据生成第一点云地图;第二类激光雷达采集到的点云数据结合第一类激光雷达的数据生成第二点云地图;
根据第一点云地图获取第一类激光雷达与第一点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第一判断距离;
根据第二点云地图获取第二类激光雷达与第二点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第二判断距离;
比较第一判断距离和第二判断距离,取最小值与设定的距离阈值进行比较,并结合数据采集单元采集的其他数据生成控制信号;并将控制信号发送显示报警终端;
显示报警终端根据接收到的控制信号发出警报。
进一步,获取激光雷达与点云地图中的障碍物外延切线在水平方向的距离的方法为:在点云地图中筛选出可碰撞区域,用多个立体图形竖直填充可碰撞区域,保留立体图形中有点的立体图形,分别计算激光雷达与保留的每个立体图形在水平方向的距离;最短的距离值则为判断距离。这样能够更快、更准确的获得判断距离,方便***进行预警。
进一步,所述立体图形为圆柱体,圆柱体的半径为激光雷达的测距精度,圆柱体的高度为飞机的高度。这样可以有效的防止遗漏点云数据。
进一步,数据采集单元包括机械激光雷达、RTK、惯性传感器和固态激光雷达;其中,机械激光雷达为第一类激光雷达,固态激光雷达为第二类激光雷达,所述机械激光雷达和固态激光雷达均设置在地勤车的顶端,且机械雷达绕其自身X轴旋转-90°固定。这样不仅能够降低整个***的成本,而且采集到的数据更加准确,增加了整个***预警的准确性。
进一步,所述第一点云地图的生成方法为:根据接收到的第一类激光雷达扫描得到的点云帧结合激光SLAM算法,得到第一点云地图;其中,激光SLAM算法通过计算相邻激光雷达点云帧之间的旋转矩阵和平移矩阵,拼接得到第一点云地图。这样能够快速的生成需要的点云地图。
进一步,第二点云地图的生成方法为:将第二类激光雷扫描得到的点云帧序列结合第一点云地图生成时得到的旋转矩阵和平移矩阵进行拼接得到第二点云地图。这样能够清晰的在高精度点云地图上体现被扫描物体的表面几何特征。从而能够提高判断距离的计算精度。
本发明还提供了一种用于机场地勤车的防撞预警方法,包括以下步骤:
根据设置在地勤车上的第一类激光雷达采集到的点云数据生成第一点云地图;设置在地勤车上的第二类激光雷达采集到的点云数据结合第一类激光雷达的数据生成第二点云地图;
根据第一点云地图获取第一类激光雷达与第一点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第一判断距离;
根据第二点云地图获取第二类激光雷达与第二点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第二判断距离;
比较第一判断距离和第二判断距离,取最小值与设定的距离阈值进行比较,根据比较结果分别生成报警和预警信号。
进一步,所述第一点云地图的生成方法为:根据接收到的第一类激光雷达扫描得到的点云帧结合激光SLAM算法,得到第一点云地图;其中,激光SLAM算法通过计算相邻激光雷达点云帧之间的旋转矩阵和平移矩阵,拼接得到第一点云地图;第二点云地图的生成方法为:将第二类激光雷扫描得到的点云帧序列结合第一点云地图生成时得到的旋转矩阵和平移矩阵进行拼接得到第二点云地图。这样能够清晰的在高精度点云地图上体现被扫描物体的表面几何特征。从而能够提高判断距离的计算精度。
工作原理:本发明综合利用机械激光雷达视野大,利于建立高精度点云地图的特点和固态激光雷达点云稠密能够清晰地展现被扫描物的表面几何特征的特点。在几何特征较为稀疏的航站楼室外使用机械激光雷达计算连续点云帧之间的旋转矩阵和平移矩阵,固态激光雷达使用机械激光雷达计算出的连续点云帧之间的旋转矩阵和平移矩阵拼接出几何纹理丰富的航站楼室外高精度点云地图。在靠机过程中运行实时的激光SLAM算法,能够得到清晰完整的飞机机身点云,再利用飞机机身点云计算出的地勤车到飞机机身与地面垂线相切的切面的距离。
有益效果:与现有技术相比,本发明能够快速、精准、实时的获取地勤车与飞机机身之间的距离,有效提高了预警的准确性;同时,本发明的使用成本低,计算量小。
附图说明
图1为本发明提供的用于机场地勤车的防撞***示意图;
图2为地勤车传感器安装位置示意图的正视图;
图3为地勤车传感器安装位置示意图的左视图;
图4为地勤车传感器安装位置示意图的右视图;
图5为地勤车传感器安装位置示意图的俯视图;
图6为显示报警终端一种表现形式的示意图;
图7为本发明提供的用于机场地勤车的防撞方法工作流程图。
具体实施方式
下面将结合本发明实例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
如图1所示,本实施例提供了一种用于机场地勤车的防撞***,包括数据采集单元、数据处理控制单元和显示报警终端,其中数据采集单元包围设置在地勤车上的机械激光雷达、RTK、惯性传感器(下文简称IMU)和固态激光雷达。如图2~5所示,机械激光雷达2采用32线机械激光雷达,其安装在地勤车作业部分顶端的左侧,绕机械激光雷达X轴旋转-90°,即顺着机械激光雷达X轴方向,围绕机械激光雷达X轴逆时针旋转90度设置机械激光雷达,这样机械激光雷达扫射的面与未旋转时扫射得到的面相互垂直。RTK安装在地勤车作业部分,其包括RTK主天线3和RTK方向天线4,RTK主天线3设置在地勤车作业部分的顶端,RTK方向天线4设置在地勤车作业部分的末端,RTK为厘米级精度。惯性传感器5水平安装在车身上。固态激光雷达1水平安装在地勤车作业部分顶端的右侧。数据处理控制单元为NvidiaXavier嵌入式计算平台6。如图6所示,显示报警终端安装在地勤车驾驶舱内部仪表盘上方,包括了显示屏7、扬声器8、指示灯9和防撞预警***启动按钮10。数据采集单元主要用于采集地勤车周围情况以及其本身的数据信息,并将采集到的数据发送给数据处理控制单元进行处理,数据处理控制单元将处理后的结果生成指令发送给显示报警终端。
如图7所示,地勤车向飞机靠近的过程中,地勤车驾驶员手动驾驶地勤车对准飞机机体,然后按下本实施例提供的防撞预警***的启动按钮,本实施例提供的防撞预警***开始工作。
数据采集单元分别采集机械激光雷达扫描得到的点云帧序列Lidar_queue_360和固态激光雷达扫描得到的点云帧序列Lidar_queue_solid等数据发送给数据处理控制单元。
数据处理控制单元的处理方法分为:机械激光雷达数据处理模块,固态激光雷达数据处理模块和数据比较与控制信号生成模块。
其中,机械激光雷达数据处理模块包括以下步骤:
步骤101:数据处理控制单元根据接收到的机械激光雷达扫描得到的点云帧序列Lidar_queue_360作为激光SLAM算法的输入数据,开始运行SLAM算法,得到相邻点云帧之间的旋转矩阵序列Queue_R和平移矩阵序列Queue_T,从而得到第一点云地图,即当前环境的点云地图Map_lidar_360和机械激光雷达在点云地图Map_lidar_360中的位置坐标Location_lidar_360、姿态Attitude_lidar_360。激光SLAM算法通过计算相邻激光雷达点云帧之间的旋转矩阵和平移矩阵,然后拼接得到当前环境的点云地图Map_lidar_360。
步骤102:提取当前环境的点云地图Map_lidar_360中的地面点云Map_lidar_360_only_ground;本实施例中的机械激光雷达绕机械激光雷达X轴旋转-90°设置的,所以在提取地面点云Map_lidar_360_only_ground的时候,初选时,判断点云地图Map_lidar_360中所有点云的Y轴坐标值是否为满足条件,将满足提交的点筛选出来,然后根据平面提取算法在筛选出的点云中精确的提取出地面点云Map_lidar_360_only_ground,则当前环境的点云地图Map_lidar_360中剩下的点云即为非地面点云Map_lidar_360_no_ground。其中,初步筛选的条件为点云地图Map_lidar_360中点云的Y轴的坐标值是否等于机械激光雷达距离地面高度的负值,如果满足这个条件则初步筛选为地面点云。
步骤103:计算地面点云Map_lidar_360_only_ground的法向量Vec_gravity_360;因为计算得到的法向量与地面点云垂直,因此该法向量平行于重力方向;
步骤104:根据激光雷达位置坐标Location_lidar_360,激光雷达姿态Attitude_lidar_360和法向量Vec_gravity_360在非地面点云Map_lidar_360_no_ground中分割出可能发生碰撞区域的点云Map_lidar_360_no_ground_ROI。分割方法为:预先设定地勤车左右安全距离Distance_safety_lateral;遍历所有非地面点云Map_lidar_360_no_ground,如果点云的Z轴坐标值小于Distance_safety_lateral且点Z轴坐标值大于-(Width_vehicle+Distance_safety_lateral),则该点云为可能发生碰撞区域的点,根据所有非地面点云地图Map_lidar_360_no_ground中满足条件筛选出的点组成可能发生碰撞区域的点云地图Map_lidar_360_no_ground_ROI,其中,Width_vehicle为地勤车的车宽长度。求旋转矩阵R_normalize,使得R_normalize*Vec_gravity_360=Vec(0,0,1),其中向量Vec(0,0,1)的x分量值为0,y分量值为0,z分量值为1。
Map_lidar_360_no_ground_ROI_normalized=
R_normalize*Map_lidar_360_no_ground_ROI;
其中,Map_lidar_360_no_ground_ROI_normalized是对Map_lidar_360_no_ground_ROI中的每一个点施加旋转矩阵R_normalize后得到的点云地图,Map_lidar_360_no_ground_ROI_normalized中的所有点云的坐标值是相对于大地坐标系的,大地坐标系即Z轴方向与重力方向相反的坐标系。这样就可以得到在大地坐标系下可碰撞区域的点云地图。
步骤105:对可能发生碰撞区域的点云Map_lidar_360_no_ground_ROI进行圆柱体分割。圆柱体分割主要方法为:使用轴心与Vec_gravity_360平行的圆柱体分割点云;具体方法为:
步骤1051:圆柱体的半径Radius_pillar取决于激光雷达的测距精度Accuracy_lidar,本实施例中Radius_pillar=Accuracy_lidar;
步骤1052:圆柱体的Z轴取值范围取决于飞机机身的高度Height_aircraft和车辆的高度Height_vehicle,其中圆柱体的Z值的范围大于-Height_vehicle,小于Height_aircraft。一般分割的圆柱体的高度为飞机机身的高度。
步骤1053:使用上述圆柱体竖直填满Map_lidar_360_no_ground_ROI_normalized的点云空间。
步骤1054:遍历所有的圆柱体,若圆柱体的范围内存在Map_lidar_360_no_ground_ROI_normalized点云地图中的点,则将这个圆柱体存储在队列Queue_pillar_360中,否则删除这个圆柱体。
步骤106:计算机械激光雷达到队列Queue_pillar_360中的每个圆柱体的距离,得到距离序列Distance_lidar_360_queue,取其中最小值作为当前第一判断距离Distance_lidar_360。其中计算方法为:根据雷达位置Location_lidar_360(Xlidar,Ylidar,Zlidar)和圆柱体的轴线在地面上的投影点的坐标(Xpillar,Ypillar),计算激光雷达到队列Queue_pillar_360中每个圆柱体的距离Distance_lidar_pillar,将Distance_lidar_pillar存储在距离序列Distance_lidar_360_queue中。
其中,Xlidar、Ylidar和Zlidar分别表示机械激光雷达在大地坐标系下的x轴、y轴和z轴的坐标值,Xpillar和Ypillar分别表示圆柱体的轴线在地面上的投影点大地坐标系下的x轴和y轴的坐标值。
固态激光雷达数据处理包括以下步骤:
步骤201:数据处理控制单元根据接收到的固态激光雷达扫描得到的点云帧序列结合步骤步骤101中得到的旋转矩阵序列Queue_R和平移矩阵序列Queue_T拼接点云帧得到第二点云地图,即当前环境的点云地图Map_lidar_solid;因为两个雷达是通过机械结构刚性连接,而且两个雷达安装好之后,它们之间的外参矩阵(相对位移,相对旋转)就不再发生变化。这样得到的当前环境的点云地图Map_lidar_solid能够清晰的在高精度点云地图上体现被扫描物体的表面几何特征。从而能够提高判断距离的计算精度。。
步骤202:得到固态激光雷在当前环境的点云地图Map_lidar_solid中的位置坐标Location_lidar_solid、姿态Attitude_lidar_solid;
步骤203:提取当前环境的点云地图Map_lidar_solid中的地面点云Map_lidar_solid_only_ground;
步骤204:计算地面点云Map_lidar_solid_only_ground的法向量Vec_gravity_solid;因为计算得到的法向量与地面点云垂直,因此该法向量平行于重力方向;
步骤205:根据激光雷达位置坐标Location_lidar_solid,激光雷达姿态Attitude_lidar_solid和法向量Vec_gravity_solid在非地面点云Map_lidar_solid_no_ground中分割出可能发生碰撞区域的点云Map_lidar_solid_no_ground_ROI。分割方法为:预先设定地勤车左右安全距离Distance_safety_lateral;遍历所有非地面点云Map_lidar_solid_no_ground,如果点云的Y轴坐标值小于Distance_safety_lateral且点Y轴坐标值大于-(Width_vehicle+Distance_safety_lateral),则该点云为可能发生碰撞区域的点,根据所有非地面点云地图Map_lidar_solid_no_ground中满足条件筛选出的点组成可能发生碰撞区域的点云地图Map_lidar_solid_no_ground_ROI,其中,Width_vehicle为地勤车的车宽长度。
步骤206:对可能发生碰撞区域的点云Map_lidar_solid_no_ground_ROI进行圆柱体分割。得到固态激光雷的圆柱体存储队列Queue_pillar_solid;其采用的圆柱体分割方法与前文所述相同。
步骤207:计算固态激光雷到每个圆柱体的距离得到距离序列Distance_lidar_solid_queue,取其中最小值作为当前第二判断距离Distance_lidar_solid。其中计算方法为:根据雷达位置Location_lidar_solid(Xsolid,Ysolid,Zsolid)和圆柱体的轴线在地面上的投影点的坐标(Xpillar,Ypillar),计算激光雷达到固态激光雷的圆柱体存储队列Queue_pillar_360中每个圆柱体的距离Distance_lidar_pillar,将Distance_lidar_pillar存储在距离序列Distance_lidar_solid_queue中。
其中,Xsolid、Ysolid和Zsolid分别表示固态激光雷达在大地坐标系下的x轴、y轴和z轴的坐标值,Xpillar和Ypillar分别表示圆柱体的轴线在地面上的投影点大地坐标系下的x轴和y轴的坐标值。
数据比较与控制信号生成的方法为:
步骤301:比较第一判断距离Distance_lidar_360和第二判断距离Distance_lidar_solid,取二者中较小的那一个作为地勤车辆到飞机机体的当前距离Distance_aircraft。在车辆接近飞机的过程中重复进行机械激光雷达数据处理和固态激光雷达数据处理,从而得到地勤车辆到飞机机体实时的当前距离Distance_aircraft。
步骤302:将得到的当前距离Distance_aircraft分别与设定的第一距离阈值、第二距离阈值、和第三距离阈值进行比较,并发出对应的控制指令给显示报警终端;从而达到根据地勤车辆到飞机机体的距离控制地勤车车速的目的。将Distance_aircraft实时的显示在人机交互设备的显示屏7上。根据Distance_aircraft点亮人机交互设备的指示灯9。本实施例中提供了一种当前距离Distance_aircraft与控制指令之间关系的对应表,如表1所示。
表1:
其中,第一距离阈值20米,第二距离阈值2米,第三距离阈值一般在1米以内。采用本实施例提供的防撞预警方法大大地提高了地勤车在作业过程中得安全性能。
Claims (8)
1.一种用于机场地勤车的防撞预警***,其特征在于:包括数据采集单元、数据处理控制单元和显示报警终端;其中,
数据采集单元用于设置在机场地勤车上的两类激光雷达和传感器采集机场地勤车周围的相关数据;并将采集到的相关数据发送给数据处理控制单元;
数据处理控制单元根据第一类激光雷达采集到的点云数据生成第一点云地图;第二类激光雷达采集到的点云数据结合第一类激光雷达的数据生成第二点云地图;
根据第一点云地图获取第一类激光雷达与第一点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第一判断距离;
根据第二点云地图获取第二类激光雷达与第二点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第二判断距离;
比较第一判断距离和第二判断距离,取最小值与设定的距离阈值进行比较,并结合数据采集单元采集的其他数据生成控制信号;并将控制信号发送显示报警终端;
显示报警终端根据接收到的控制信号发出警报;
其中,根据第一点云地图获取第一类激光雷达与第一点云地图中的障碍物外表面的切面在水平方向的距离的方法和根据第二点云地图获取第二类激光雷达与第二点云地图中的障碍物外表面的切面在水平方向的距离的方法均为:在点云地图中筛选出可能发生碰撞区域的点云Map_lidar_360_no_ground_ROI,用多个圆柱体竖直填充可能发生碰撞区域,保留圆柱体的范围内存在Map_lidar_360_no_ground_ROI_normalized点云地图中的点的圆柱体,分别计算激光雷达与保留的每个圆柱体在水平方向的距离;最短的距离值则为判断距离;
其中,Map_lidar_360_no_ground_ROI_normalized点云地图是对Map_lidar_360_no_ground_ROI中的每一个点施加旋转矩阵后得到的点云地图。
2.根据权利要求1所述的用于机场地勤车的防撞预警***,其特征在于:所述圆柱体的半径为激光雷达的测距精度,圆柱体的高度为飞机的高度。
3.根据权利要求1所述的用于机场地勤车的防撞预警***,其特征在于:数据采集单元包括机械激光雷达、RTK、惯性传感器和固态激光雷达;其中,机械激光雷达为第一类激光雷达,固态激光雷达为第二类激光雷达,所述机械激光雷达和固态激光雷达均设置在地勤车的顶端,且机械雷达绕其自身X轴旋转-90°固定。
4.根据权利要求1所述的用于机场地勤车的防撞预警***,其特征在于:所述第一点云地图的生成方法为:根据接收到的第一类激光雷达扫描得到的点云帧结合激光SLAM算法,得到第一点云地图;其中,激光SLAM算法通过计算相邻激光雷达点云帧之间的旋转矩阵和平移矩阵,拼接得到第一点云地图。
5.根据权利要求4所述的用于机场地勤车的防撞预警***,其特征在于:第二点云地图的生成方法为:将第二类激光雷扫描得到的点云帧序列结合第一点云地图生成时得到的旋转矩阵和平移矩阵进行拼接得到第二点云地图。
6.一种用于机场地勤车的防撞预警方法,其特征在于:包括以下步骤:
根据设置在地勤车上的第一类激光雷达采集到的点云数据生成第一点云地图;设置在地勤车上的第二类激光雷达采集到的点云数据结合第一类激光雷达的数据生成第二点云地图;
根据第一点云地图获取第一类激光雷达与第一点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第一判断距离;
根据第二点云地图获取第二类激光雷达与第二点云地图中的障碍物外表面的切面在水平方向的距离,所述切面与地面垂直,从而得到第二判断距离;比较第一判断距离和第二判断距离,取最小值与设定的距离阈值进行比较,根据比较结果分别生成报警和预警信号;
其中,第一判断距离和第二判断距离获取方法相同,包括:在点云地图中筛选出可能发生碰撞区域的点云Map_lidar_360_no_ground_ROI,用多个圆柱体竖直填充可能发生碰撞区域,保留圆柱体的范围内存在Map_lidar_360_no_ground_ROI_normalized点云地图中的点的圆柱体,分别计算激光雷达与保留的每个圆柱体在水平方向的距离;最短的距离值则为判断距离;
其中,Map_lidar_360_no_ground_ROI_normalized点云地图是对Map_lidar_360_no_ground_ROI中的每一个点施加旋转矩阵后得到的点云地图。
7.根据权利要求6所述的用于机场地勤车的防撞预警方法,其特征在于:所述圆柱体的半径为激光雷达的测距精度,圆柱体的高度为飞机的高度。
8.根据权利要求6所述的用于机场地勤车的防撞预警方法,其特征在于:所述第一点云地图的生成方法为:根据接收到的第一类激光雷达扫描得到的点云帧结合激光SLAM算法,得到第一点云地图;其中,激光SLAM算法通过计算相邻激光雷达点云帧之间的旋转矩阵和平移矩阵,拼接得到第一点云地图;第二点云地图的生成方法为:将第二类激光雷扫描得到的点云帧序列结合第一点云地图生成时得到的旋转矩阵和平移矩阵进行拼接得到第二点云地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845404.0A CN113568003B (zh) | 2021-07-26 | 2021-07-26 | 一种用于机场地勤车的防撞预警***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845404.0A CN113568003B (zh) | 2021-07-26 | 2021-07-26 | 一种用于机场地勤车的防撞预警***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113568003A CN113568003A (zh) | 2021-10-29 |
CN113568003B true CN113568003B (zh) | 2022-11-01 |
Family
ID=78167562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110845404.0A Active CN113568003B (zh) | 2021-07-26 | 2021-07-26 | 一种用于机场地勤车的防撞预警***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113568003B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN104614732A (zh) * | 2014-12-19 | 2015-05-13 | 上海电机学院 | 基于混沌光测距技术的防撞信号处理***及方法 |
CN106597472A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市镭神智能***有限公司 | 基于激光雷达的智能车防撞***及方法 |
CN107487257A (zh) * | 2017-07-31 | 2017-12-19 | 合肥光照信息科技有限公司 | 一种全方位汽车防碰撞预警***及其方法 |
CN108917761A (zh) * | 2018-05-07 | 2018-11-30 | 西安交通大学 | 一种无人车在地下车库中的精确定位方法 |
CN112068156A (zh) * | 2020-09-14 | 2020-12-11 | 上海应用技术大学 | 推焦车的防撞方法和*** |
WO2021052403A1 (zh) * | 2019-09-20 | 2021-03-25 | 杭州海康机器人技术有限公司 | 一种移动机器人感知障碍信息的方法、装置 |
CN113093746A (zh) * | 2021-03-31 | 2021-07-09 | 上海三一重机股份有限公司 | 作业机械环境感知方法、装置、***及作业机械 |
CN113494916A (zh) * | 2020-04-01 | 2021-10-12 | 杭州萤石软件有限公司 | 地图构建方法及多足式机器人 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878282B2 (en) * | 2018-10-15 | 2020-12-29 | Tusimple, Inc. | Segmentation processing of image data for LiDAR-based vehicle tracking system and method |
CN112528778A (zh) * | 2020-11-27 | 2021-03-19 | 深兰科技(上海)有限公司 | 障碍物检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-07-26 CN CN202110845404.0A patent/CN113568003B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104460666A (zh) * | 2014-10-27 | 2015-03-25 | 上海理工大学 | 一种基于距离矢量的机器人自主避障移动控制方法 |
CN104614732A (zh) * | 2014-12-19 | 2015-05-13 | 上海电机学院 | 基于混沌光测距技术的防撞信号处理***及方法 |
CN106597472A (zh) * | 2016-12-21 | 2017-04-26 | 深圳市镭神智能***有限公司 | 基于激光雷达的智能车防撞***及方法 |
CN107487257A (zh) * | 2017-07-31 | 2017-12-19 | 合肥光照信息科技有限公司 | 一种全方位汽车防碰撞预警***及其方法 |
CN108917761A (zh) * | 2018-05-07 | 2018-11-30 | 西安交通大学 | 一种无人车在地下车库中的精确定位方法 |
WO2021052403A1 (zh) * | 2019-09-20 | 2021-03-25 | 杭州海康机器人技术有限公司 | 一种移动机器人感知障碍信息的方法、装置 |
CN113494916A (zh) * | 2020-04-01 | 2021-10-12 | 杭州萤石软件有限公司 | 地图构建方法及多足式机器人 |
CN112068156A (zh) * | 2020-09-14 | 2020-12-11 | 上海应用技术大学 | 推焦车的防撞方法和*** |
CN113093746A (zh) * | 2021-03-31 | 2021-07-09 | 上海三一重机股份有限公司 | 作业机械环境感知方法、装置、***及作业机械 |
Also Published As
Publication number | Publication date |
---|---|
CN113568003A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11915470B2 (en) | Target detection method based on fusion of vision, lidar, and millimeter wave radar | |
CN110850439B (zh) | 一种高精度三维点云地图构建方法 | |
US10671084B1 (en) | Using obstacle clearance to measure precise lateral gap | |
US10684372B2 (en) | Systems, devices, and methods for autonomous vehicle localization | |
CN108801276B (zh) | 高精度地图生成方法及装置 | |
EP2647960B1 (en) | Synthetic vision systems and methods for displaying detached objects | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
CN109767452A (zh) | 一种目标定位方法和装置、无人机 | |
CN109143207A (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN113009506B (zh) | 一种虚实结合的实时激光雷达数据生成方法、***及设备 | |
CN108873013A (zh) | 一种采用多线激光雷达的道路可通行区域获取方法 | |
EP3471078A1 (en) | Method and system for rendering and displaying a perspective view of aircraft taxi operation | |
CN112785708B (zh) | 一种建筑物模型单体化的方法、设备和存储介质 | |
CN113640825A (zh) | 一种无人机复合立体测绘***及方法 | |
US20190027051A1 (en) | Method and system for rendering and displaying a perspective view of aircraft taxi operation | |
CN106856008B (zh) | 一种用于机载合成视景的三维地形渲染方法 | |
CN104793630A (zh) | 轻型飞机综合障碍回避*** | |
CN113514847A (zh) | 一种车辆外轮廓尺寸检测方法、***及存储介质 | |
CN115857169A (zh) | 碰撞预警信息的显示方法、抬头显示装置、载具及介质 | |
CN113568003B (zh) | 一种用于机场地勤车的防撞预警***及方法 | |
JP7327083B2 (ja) | 領域切り出し方法および領域切り出しプログラム | |
CN113252034A (zh) | 一种路径规划方法及相关设备 | |
CN114397882A (zh) | 一种航空器的泊位引导方法、装置、介质和无人引导车 | |
CN113902864B (zh) | 用于矿场的矢量地图生成方法、***及计算机*** | |
CN110838246B (zh) | 一种机载svs障碍物告警显示方法 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 210012 room 401-404, building 5, chuqiaocheng, No. 57, Andemen street, Yuhuatai District, Nanjing, Jiangsu Province Patentee after: AUTOCORE INTELLIGENT TECHNOLOGY (NANJING) Co.,Ltd. Address before: 211800 building 12-289, 29 buyue Road, Qiaolin street, Pukou District, Nanjing City, Jiangsu Province Patentee before: AUTOCORE INTELLIGENT TECHNOLOGY (NANJING) Co.,Ltd. |