CN114111808A - 无人驾驶车的定位方法、***、装置及可读存储介质 - Google Patents
无人驾驶车的定位方法、***、装置及可读存储介质 Download PDFInfo
- Publication number
- CN114111808A CN114111808A CN202111446987.6A CN202111446987A CN114111808A CN 114111808 A CN114111808 A CN 114111808A CN 202111446987 A CN202111446987 A CN 202111446987A CN 114111808 A CN114111808 A CN 114111808A
- Authority
- CN
- China
- Prior art keywords
- positioning
- unmanned vehicle
- obstacle
- information
- uwb
- 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 53
- 238000004891 communication Methods 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种无人驾驶车的定位方法、***、装置及可读存储介质,该无人驾驶车的定位方法包括:当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;根据GNSS定位信号确定无人驾驶车的GNSS定位信息,以及根据UWB定位信号确定无人驾驶车的UWB定位信息;将GNSS定位信息和UWB定位信息进行对比,判断GNSS定位信息和UWB定位信息的定位偏差是否大于预设距离阈值;若定位偏差大于预设距离阈值,则将UWB定位信息作为无人驾驶车的当前定位信息。本发明能在GNSS定位信号弱的环境下准确定位无人驾驶车。
Description
技术领域
本发明涉及无人驾驶车自主定位技术领域,尤其涉及一种无人驾驶车的定位方法、***、装置及可读存储介质。
背景技术
在使用基于GNSS(Global Navigation Satellite System,全球卫星导航***)定位技术对无人驾驶车进行定位时,往往会遇见有遮挡的信号盲区场景,造成GNSS定位信号输出不连续,GNSS定位信号易受干扰和遮挡,例如在树下和高楼遮挡时,GNSS定位信号质量变差,造成定位不准确或无法获取无人驾驶车的定位信息。
发明内容
本发明的主要目的在于提供一种无人驾驶车的定位方法、***、装置及可读存储介质,旨在解决GNSS定位信号弱或无GNSS定位信号的环境下无法准确定位无人驾驶车的技术问题。
为实现上述目的,本发明提供一种无人驾驶车的定位方法,包括以下步骤:
当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
可选地,所述定位方法还包括:
判断所述GNSS定位信号的信号强度是否小于预设强度阈值;
若所述信号强度是否小于预设强度阈值,则根据所述UWB定位信号,确定所述无人驾驶车的当前定位信息。
可选地,所述工作区域的四个对角处设置有UWB基站;所述接收UWB基站发射的UWB定位信号的步骤之前,还包括:
启动所述无人驾驶车的UWB定位标签,将所述标签的身份标识信息和认证请求发送至云端监控平台;
接收所述云端监控平台基于身份标识信息和认证请求而返回的连接密钥信息,并基于所述连接密钥信息与所述UWB基站建立通信连接。
可选地,所述对所述无人驾驶车进行定位的步骤之后包括:
获取所述配送任务的目的地信息,根据所述当前定位信息和所述目的地信息确定预行驶路线,并根据所述预行驶路线进行行驶;
获取行驶环境信息,根据所述行驶环境信息确定所述预行驶路线的行驶方向是否存在障碍物;
若存在障碍物,则基于探测雷达和摄像头确定道路障碍的障碍物类型;
根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策;
输出所述避障决策或者根据所述避障决策控制所述无人驾驶车行驶。
可选地,所述障碍物类型包括路面坑洞障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
若障碍物类型为所述路面坑洞障碍,则获取所述无人驾驶车的底盘高度信息;
根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策。
可选地,所述根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策的步骤包括:
根据所述底盘高度信息,以及所述路面坑洞障碍的三维数据和空间位置,预测所述无人驾驶车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车的车体是否会与路面坑洞障碍干涉;
若预测所述无人驾驶车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车会与所述路面坑洞障碍干涉,则预估所述车体与所述路面坑洞障碍的干涉量;
若该干涉量为小于第一干涉量,则采用第一避障决策;
若该干涉量为大于第一干涉量,且小于第二干涉量,则采用第二避障决策;若该干涉量为大于第二干涉量,则采用第三避障决策,其中,第一干涉量小于第二干涉量。
可选地,所述障碍物类型包括路面实体障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
若障碍物类型为所述路面实体障碍,则获取所述无人驾驶车的车身数据信息;
根据所述车身数据信息,以及所述路面实体障碍的三维数据和空间位置确定所述避障决策。
此外,为实现上述目的,本发明还提供一种无人驾驶车的定位***,包括:
接收模块,用于当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
分析模块,用于根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
对比模块,用于将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
定位模块,用于若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
此外,为实现上述目的,本发明还提供一种无人驾驶车的定位装置,无人驾驶车的定位装置包括存储器、处理器及存储在存储器上并可在处理器上运行的定位程序,定位程序被处理器执行时实现如上述的无人驾驶车的定位方法的步骤。
此外,为实现上述目的,本发明还提供一种可读存储介质,可读存储介质上存储有定位程序,定位程序被处理器执行时实现如上述的无人驾驶车的定位方法的步骤。
本发明通过将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值,若该定位偏差大于预设距离阈值时,将GNSS定位模式切换为UWB定位模式,从而使定位精度不受GNSS定位信号的信号强度的影响,进而提高了定位的精度和完整度。且UWB定位模式与其他定位技术相比,具有穿透力强、功耗低、抗多径效果好、安全性高、***复杂度低、能提供精确定位精度等优点。本发明通过UWB定位方法为无人驾驶车提供当前定位信息,进而基于该当前定位信息确定无人驾驶车的行驶方向,通过GNSS定位信号弱或无GNSS定位信号的路段。本实施例基于GNSS定位技术和UWB定位技术组合,使得GNSS定位信号弱或无GNSS定位信号的环境下,也能准确定位无人驾驶车。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的终端\装置结构示意图;
图2为本发明无人驾驶车的定位方法第一实施例的流程示意图;
图3为本发明无人驾驶车的定位方法第二实施例的流程示意图;
图4为本发明无人驾驶车的定位方法第三实施例的流程示意图;
图5为本发明无人驾驶车的定位方法第四实施例的流程示意图;
图6为本发明无人驾驶车的定位***的***模块示意图;
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端为无人驾驶车的定位装置。
如图1所示,该终端可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,终端还可以包括摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi模块等等。其中,传感器比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示屏的亮度,接近传感器可在终端设备移动到耳边时,关闭显示屏和/或背光。当然,终端设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及定位程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的定位程序,并执行以下操作:
当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
参照图2,本发明提供一种无人驾驶车的定位方法,在无人驾驶车的定位方法的第一实施例中,无人驾驶车的定位方法包括以下步骤:
步骤S100,当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
在一实施例中,无人驾驶车在厂区执行货物配送任务,即在工厂的指定区域执行货物配送任务。在另一实施例中,无人驾驶车在小区执行外卖配送任务或快递配送服务。
步骤S200,根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
根据GNSS(Global Navigation Satellite System,全球卫星导航***)定位信号,并结合GNSS定位原理,确定所述无人驾驶车的GNSS定位信息,该GNSS定位原理,本领域技术人员已有一定深入的研究,在此不再赘述。
另外,根据UWB(Ultra-Wideband,无线波通信技术)定位信号,基于UWB定位原理,确定所述无人驾驶车的UWB定位信息。其中,UWB定位原理是通过工作区域布置的至少3个已知坐标的UWB基站,携带UWB定位标签的无人驾驶车按照一定的频率发送脉冲至UWB基站,不断和这些已知位置的UWB基站进行测距,通过一定的精确算法计算得到无人驾驶车的UWB定位信息。
步骤S300,将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
其中,当GNSS定位信息和UWB定位信息的定位偏差大于预设距离阈值时,说明当前通过GNSS定位已无法准确获取无人驾驶车的定位信息,无人驾驶车则将GNSS(GlobalNavigation Satellite System,全球卫星导航***)定位模式切换为UWB(Ultra-Wideband,无线波通信技术)定位模式。该预设距离阈值,本领域技术人员可根据实际情况进行预先设置,本实施例不作具体的限定。
步骤S400,若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
本实施例通过将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值,若该定位偏差大于预设距离阈值时,将GNSS定位模式切换为UWB定位模式,从而使定位精度不受GNSS定位信号的信号强度的影响,进而提高了定位的精度和完整度。且UWB定位方法与其他定位技术相比,具有穿透力强、功耗低、抗多径效果好、安全性高、***复杂度低、能提供精确定位精度等优点。本实施例通过UWB定位方法为无人驾驶车提供当前定位信息,进而基于该当前定位信息确定无人驾驶车的行驶方向,通过GNSS定位信号弱或无GNSS定位信号的路段。本实施例基于GNSS定位技术和UWB定位技术组合,使得GNSS定位信号弱或无GNSS定位信号的环境下,也能准确定位无人驾驶车。
进一步地,参照图3,基于第一实施例,本发明提出无人驾驶车的定位方法的第二实施例,还定位方法包括以下步骤:
步骤S500,判断所述GNSS定位信号的信号强度是否小于预设强度阈值;
步骤S600,若所述信号强度是否小于预设强度阈值,则根据所述UWB定位信号,确定所述无人驾驶车的当前定位信息。
需要说明的是,该预设强度阈值,本领域技术人员可根据实际情况进行设置,本实施例不作具体的限定。当GNSS定位信号的信号强度小于预设阈值时,判定当前通过GNSS定位已无法准确获取无人驾驶车的定位信息,无人驾驶车则将GNSS(Global NavigationSatellite System,全球卫星导航***)定位模式切换为UWB定位模式
其中,UWB基站和无人驾驶车建立通信连接后,无人驾驶车可向UWB基站发送定位请求信息,接收UWB基站返回的无线电波,基于该定位请求信息和无线电波的时差,计算无人驾驶车与UWB基站之间的相对位置信息,并将无人驾驶车与UWB基站之间位置信息发送至云端监控平台。云端监控平台中存储有UWB基站的基站位置信息,云端监控平台接收无人驾驶车与UWB基站之间的相对位置信息,并基于该相对位置信息和基站位置信息,计算无人驾驶车的当前位置信息,并将当前位置信息返回至该无人驾驶车,即无人驾驶车接收云端监控平台基于该相对位置信息而返回的当前位置信息。
在另一实施例中,无人驾驶车与UWB基站建立通信连接后,无人驾驶车还可通过TWR(Two way ranging,双向测距)算法,计算得到无人驾驶车的当前位置信息,该TWR算法本领域技术人员已有一定深入的研究,在此不再赘述。
本实施例通过判断所述GNSS定位信号的信号强度是否小于预设强度阈值;若所述信号强度是否小于预设强度阈值,则根据所述UWB定位信号,确定所述无人驾驶车的当前定位信息的步骤,将GNSS定位模式切换为UWB定位模式,从而使定位精度不受GNSS定位信号的信号强度的影响,进而提高了定位的精度和完整度。
进一步地,参照图4,基于第一实施例,本发明提供一种无人驾驶车的定位方法的第三实施例,所述工作区域的四个对角处设置有UWB基站;所述接收UWB基站发射的UWB定位信号的步骤之前,还包括:
步骤S700,启动所述无人驾驶车的UWB定位标签,将所述标签的身份标识信息和认证请求发送至云端监控平台;
步骤S800,接收所述云端监控平台基于身份标识信息和认证请求而返回的连接密钥信息,并基于所述连接密钥信息与所述UWB基站建立通信连接。
其中,无人驾驶车基于连接密钥信息,建立与UWB基站连接的通信链路,实现UWB基站和无人驾驶车之间的通信连接。
本实施例通过启动所述无人驾驶车的UWB定位标签,将所述标签的身份标识信息和认证请求发送至云端监控平台的步骤,从而在云端监控平台进行该无人驾驶车的身份认证,进而筛选出符合身份要求的UWB定位标签,使具有合法UWB定位标签的无人驾驶车才能与UWB基站建立通信连接。
若身份认证通过,云端监控平台则会返回连接密钥信息至无人驾驶车,并通过基于所述连接密钥信息与所述UWB基站建立通信连接的步骤,从而便于发送定位请求信息至UWB基站,实现了无人驾驶车的UWB定位,进而使得无人驾驶车的定位精度不受GNSS定位信号的信号强度的影响,提高了无人驾驶车定位的精度和完整度。
进一步地,参照图5,基于上述本发明的第一实施例,提出本发明无人驾驶车的定位方法的第四实施例,在本实施例中,确定所述无人驾驶车的当前定位信息的步骤之后包括:
步骤S910,获取所述配送任务的目的地信息,根据所述当前定位信息和所述目的地信息确定预行驶路线,并根据所述预行驶路线进行行驶;
步骤S920,获取行驶环境信息,根据所述行驶环境信息确定所述预行驶路线的行驶方向是否存在障碍物;
步骤S930,若存在障碍物,则基于探测雷达和摄像头确定道路障碍的障碍物类型;
步骤S940,根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策;
其中,避障决策可根据障碍物类型来确定,可以理解的是,避障决策是与障碍物类型对应的,而与障碍物类型对应的避障决策,本领域技术人员预存在无人驾驶车的车辆***中。
步骤S950,输出所述避障决策或者根据所述避障决策控制所述无人驾驶车行驶。
在一实施例中,所述障碍物类型包括路面实体障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
步骤d,若障碍物类型为所述路面实体障碍,则获取所述无人驾驶车的车身数据信息;
步骤f,根据所述车身数据信息,以及所述路面实体障碍的三维数据和空间位置确定所述避障决策。
其中,路面实体障碍既可代表路面具有凸包或凹凸不平,也可代表行车方向的道路上有其他实体障碍物,例如无人驾驶车、行人、动物、建筑物以及栏杆等。该车身数据信息包括无人驾驶车的车身的长、宽和高,并根据无人驾驶车的雷达***所测得路面实体障碍的三维数据和空间位置,判断无人驾驶车是否可在行车方向安全通过。例如当路面实体障碍为限高拱门时,根据该车身的长、宽和高,以及限高拱门的三维数据和空间位置,确定无人驾驶车是否可安全通过该限高拱门,若安全通过则不作处理,若不能安全通过则采取避障决策,例如避障决策为重新规划行驶路径,或减速停车。又或者路面实体障碍为行人时,根据本车车身的长、宽和高,以及行人的三维数据和空间位置,确定无人驾驶车在行车方向上是否将与行人发生碰撞,若发生碰撞,则采取避障决策,例如避障决策为停车等待或鸣笛提示。
可以理解的是,可通过在无人驾驶车出厂前的开发阶段预先将车身数据信息存储于无人驾驶车***中或云端服务器中,无人驾驶车出厂后直接从无人驾驶车的车辆***或云端服务器中获取。
本实施通过根据该车身数据信息确定无人驾驶车可安全通过的安全空间数据,根据安全空间数据和障碍物实体的三维数据和空间位置确定障碍物实体是否阻碍无人驾驶车安全通行,从而避免避障决策的误触发。不同无人驾驶车的车身数据信息往往不同,避障决策也往往不同,通过根据所述车身数据信息和所述路面实体障碍的三维数据和空间位置确定所述避障决策的步骤,优化了不同无人驾驶车面对路面实体障碍的避障决策,根据无人驾驶车的车身数据信息找到与驾驶物流车最适配的避障决策,从而提升无人驾驶车***制定避障决策的智能性和鲁棒性。
在另一实施例中,所述障碍物类型包括路面坑洞障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
步骤g,若障碍物类型为所述路面坑洞障碍,则获取所述无人驾驶车的底盘高度信息;
需要说明的是,该路面坑洞障碍代表路面坑洞。
步骤h,根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策。
进一步地,所述根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策的步骤包括:
步骤i,根据所述底盘高度信息,以及所述路面坑洞障碍的三维数据和空间位置,预测所述无人驾驶车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车的车体是否会与路面坑洞障碍干涉;
步骤j,若预测所述无人驾驶车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车会与所述路面坑洞障碍干涉,则预估所述车体与所述路面坑洞障碍的干涉量;
步骤k,若该干涉量为小于第一干涉量,则采用第一避障决策;
步骤l,若该干涉量为大于第一干涉量,且小于第二干涉量,则采用第二避障决策;
步骤n,若该干涉量为大于第二干涉量,则采用第三避障决策,其中,第一干涉量小于第二干涉量。
需要说明的是,第一避障决策的避障等级小于第二避障决策的避障等级,第二避障决策的避障等级小于第三避障决策的避障等级。在一实施例中,第一避障决策为减速至第一预设速度行驶,第二避障决策为减速至第二预设速度行驶,其中,第一预设速度小于第二预设速度,第三避障决策为重新规划行驶路径,或减速停车。
本实施例通过预估无人驾驶车的车体与路面坑洞障碍的干涉量,并进一步根据该干涉量采用对应的避障决策,从而在面对不同路面坑洞障碍时,找到与不同路面坑洞障碍适配的避障决策,进而提升无人驾驶车***制定避障决策的智能性和鲁棒性。
此外,参照图6,本发明实施例还提供一种无人驾驶车的定位***,包括:
接收模块A10,用于当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
分析模块A20,用于根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
对比模块A30,用于将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
定位模块A40,用于若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
可选地,所述定位***还包括判断模块,该判断模块用于:
判断所述GNSS定位信号的信号强度是否小于预设强度阈值;
若所述信号强度是否小于预设强度阈值,则根据所述UWB定位信号,确定所述无人驾驶车的当前定位信息。
可选地,所述工作区域的四个对角处设置有UWB基站;接收模块A10,还用于:
启动所述无人驾驶车的UWB定位标签,将所述标签的身份标识信息和认证请求发送至云端监控平台;
接收所述云端监控平台基于身份标识信息和认证请求而返回的连接密钥信息,并基于所述连接密钥信息与所述UWB基站建立通信连接。
可选地,所述定位***还包括避障模块,该避障模块用于:
获取所述配送任务的目的地信息,根据所述当前定位信息和所述目的地信息确定预行驶路线,并根据所述预行驶路线进行行驶;
获取行驶环境信息,根据所述行驶环境信息确定所述预行驶路线的行驶方向是否存在障碍物;
若存在障碍物,则基于探测雷达和摄像头确定道路障碍的障碍物类型;
根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策;
输出所述避障决策或者根据所述避障决策控制所述无人驾驶车行驶。
可选地,所述障碍物类型包括路面坑洞障碍,该避障模块还用于:
若障碍物类型为所述路面坑洞障碍,则获取所述无人驾驶车的底盘高度信息;
根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策。
可选地,该避障模块还用于:
根据所述底盘高度信息,以及所述路面坑洞障碍的三维数据和空间位置,预测所述无人驾驶车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车的车体是否会与路面坑洞障碍干涉;
若预测所述无人驾驶车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车会与所述路面坑洞障碍干涉,则预估所述车体与所述路面坑洞障碍的干涉量;
若该干涉量为小于第一干涉量,则采用第一避障决策;
若该干涉量为大于第一干涉量,且小于第二干涉量,则采用第二避障决策;若该干涉量为大于第二干涉量,则采用第三避障决策,其中,第一干涉量小于第二干涉量。
可选地,所述障碍物类型包括路面实体障碍,该避障模块还用于:
若障碍物类型为所述路面实体障碍,则获取所述无人驾驶车的车身数据信息;
根据所述车身数据信息,以及所述路面实体障碍的三维数据和空间位置确定所述避障决策。
其中,无人驾驶车的定位***的各个功能模块实现的步骤可参照本发明无人驾驶车的定位方法的各个实施例,此处不再赘述。
此外,本发明还提供一种无人驾驶车的定位装置,所述无人驾驶车的定位装置包括:存储器、处理器及存储在所述存储器上的定位程序;所述处理器用于执行所述定位程序,以实现上述无人驾驶车的定位方法各实施例的步骤。
本发明还提供了一种可读存储介质,所述可读存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述无人驾驶车的定位方法各实施例的步骤。
本发明可读存储介质具体实施方式与上述无人驾驶车的定位方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,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。
Claims (10)
1.一种无人驾驶车的定位方法,其特征在于,所述无人驾驶车的定位方法包括以下步骤:
当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
2.如权利要求1所述的定位方法,其特征在于,所述定位方法还包括:
判断所述GNSS定位信号的信号强度是否小于预设强度阈值;
若所述信号强度是否小于预设强度阈值,则根据所述UWB定位信号,确定所述无人驾驶车的当前定位信息。
3.如权利要求1所述的定位方法,其特征在于,所述工作区域的四个对角处设置有UWB基站;所述接收UWB基站发射的UWB定位信号的步骤之前,还包括:
启动所述无人驾驶车的UWB定位标签,将所述标签的身份标识信息和认证请求发送至云端监控平台;
接收所述云端监控平台基于身份标识信息和认证请求而返回的连接密钥信息,并基于所述连接密钥信息与所述UWB基站建立通信连接。
4.如权利要求1所述的定位方法,其特征在于,所述对所述无人驾驶车进行定位的步骤之后包括:
获取所述配送任务的目的地信息,根据所述当前定位信息和所述目的地信息确定预行驶路线,并根据所述预行驶路线进行行驶;
获取行驶环境信息,根据所述行驶环境信息确定所述预行驶路线的行驶方向是否存在障碍物;
若存在障碍物,则基于探测雷达和摄像头确定道路障碍的障碍物类型;
根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策;
输出所述避障决策或者根据所述避障决策控制所述无人驾驶车行驶。
5.如权利要求4所述的定位方法,其特征在于,所述障碍物类型包括路面坑洞障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
若障碍物类型为所述路面坑洞障碍,则获取所述无人驾驶车的底盘高度信息;
根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策。
6.如权利要求5所述的定位方法,其特征在于,所述根据所述底盘高度信息和所述路面坑洞障碍确定所述避障决策的步骤包括:
根据所述底盘高度信息,以及所述路面坑洞障碍的三维数据和空间位置,预测所述无人驾驶车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车的车体是否会与路面坑洞障碍干涉;
若预测所述无人驾驶车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶车会与所述路面坑洞障碍干涉,则预估所述车体与所述路面坑洞障碍的干涉量;
若该干涉量为小于第一干涉量,则采用第一避障决策;
若该干涉量为大于第一干涉量,且小于第二干涉量,则采用第二避障决策;若该干涉量为大于第二干涉量,则采用第三避障决策,其中,第一干涉量小于第二干涉量。
7.如权利要求4所述的定位方法,其特征在于,所述障碍物类型包括路面实体障碍,所述根据所述障碍物类型,确定所述无人驾驶车当前适配的避障决策的步骤包括:
若障碍物类型为所述路面实体障碍,则获取所述无人驾驶车的车身数据信息;
根据所述车身数据信息,以及所述路面实体障碍的三维数据和空间位置确定所述避障决策。
8.一种无人驾驶车的定位***,其特征在于,所述无人驾驶车的定位***包括:
接收模块,用于当无人驾驶车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号,以及接收UWB基站发射的UWB定位信号;
分析模块,用于根据所述GNSS定位信号确定所述无人驾驶车的GNSS定位信息,以及根据所述UWB定位信号确定所述无人驾驶车的UWB定位信息;
对比模块,用于将所述GNSS定位信息和所述UWB定位信息进行对比,判断所述GNSS定位信息和所述UWB定位信息的定位偏差是否大于预设距离阈值;
定位模块,用于若所述定位偏差大于预设距离阈值,则将所述UWB定位信息作为所述无人驾驶车的当前定位信息。
9.一种无人驾驶车的定位装置,其特征在于,所述无人驾驶车的定位装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位程序,所述定位程序被所述处理器执行时实现如权利要求1至7中任一项所述的无人驾驶车的定位方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有定位程序,所述定位程序被处理器执行时实现如权利要求1至7中任一项所述的无人驾驶车的定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111446987.6A CN114111808A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶车的定位方法、***、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111446987.6A CN114111808A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶车的定位方法、***、装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114111808A true CN114111808A (zh) | 2022-03-01 |
Family
ID=80368724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111446987.6A Pending CN114111808A (zh) | 2021-11-30 | 2021-11-30 | 无人驾驶车的定位方法、***、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114111808A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116700290A (zh) * | 2023-07-12 | 2023-09-05 | 湖南人文科技学院 | 一种基于uwb的智能小车定位控制***和方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100066603A1 (en) * | 2008-09-15 | 2010-03-18 | O'keefe Kyle | System and Methods for Real Time Kinematic Surveying Using GNSS and Ultra Wideband Ranging |
KR20170092205A (ko) * | 2016-02-03 | 2017-08-11 | 한양대학교 에리카산학협력단 | 초광대역 측위 기반의 무인 항공기 비행 제어 방법 및 장치, 초광대역 기반 측위 시스템 |
CN108490473A (zh) * | 2018-02-10 | 2018-09-04 | 深圳大学 | 一种融合gnss和uwb的无人机增强定位方法与*** |
CN108592914A (zh) * | 2018-04-08 | 2018-09-28 | 河南科技学院 | 无gps情况下的复杂区域巡视机器人定位、导航及授时方法 |
CN109375244A (zh) * | 2018-09-28 | 2019-02-22 | 北斗天地股份有限公司 | 一种定位装置及其定位方法 |
CN111273331A (zh) * | 2020-02-13 | 2020-06-12 | 北京享云智汇科技有限公司 | 用于车辆的自动定位***及其定位数据的获得方法 |
CN112859131A (zh) * | 2021-04-12 | 2021-05-28 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及装置 |
CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
-
2021
- 2021-11-30 CN CN202111446987.6A patent/CN114111808A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100066603A1 (en) * | 2008-09-15 | 2010-03-18 | O'keefe Kyle | System and Methods for Real Time Kinematic Surveying Using GNSS and Ultra Wideband Ranging |
KR20170092205A (ko) * | 2016-02-03 | 2017-08-11 | 한양대학교 에리카산학협력단 | 초광대역 측위 기반의 무인 항공기 비행 제어 방법 및 장치, 초광대역 기반 측위 시스템 |
CN108490473A (zh) * | 2018-02-10 | 2018-09-04 | 深圳大学 | 一种融合gnss和uwb的无人机增强定位方法与*** |
CN108592914A (zh) * | 2018-04-08 | 2018-09-28 | 河南科技学院 | 无gps情况下的复杂区域巡视机器人定位、导航及授时方法 |
CN109375244A (zh) * | 2018-09-28 | 2019-02-22 | 北斗天地股份有限公司 | 一种定位装置及其定位方法 |
CN111273331A (zh) * | 2020-02-13 | 2020-06-12 | 北京享云智汇科技有限公司 | 用于车辆的自动定位***及其定位数据的获得方法 |
CN112859131A (zh) * | 2021-04-12 | 2021-05-28 | 北京三快在线科技有限公司 | 一种无人驾驶设备的定位方法及装置 |
CN113341417A (zh) * | 2021-06-09 | 2021-09-03 | 深圳市九洲电器有限公司 | 基于探测雷达的路面障碍检测方法、车辆及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116700290A (zh) * | 2023-07-12 | 2023-09-05 | 湖南人文科技学院 | 一种基于uwb的智能小车定位控制***和方法 |
CN116700290B (zh) * | 2023-07-12 | 2024-01-26 | 湖南人文科技学院 | 一种基于uwb的智能小车定位控制***和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12005904B2 (en) | Autonomous driving system | |
CN106485198B (zh) | 使用全光摄像机自主代客停车的***和方法 | |
US9002631B2 (en) | Vicinity environment estimation device with blind region prediction, road detection and intervehicle communication | |
US7756640B2 (en) | Vehicle control system, vehicle control method, and vehicle control program | |
US11473923B2 (en) | Vehicle dispatch system for autonomous driving vehicle and autonomous driving vehicle | |
US20170227971A1 (en) | Autonomous travel management apparatus, server, and autonomous travel management method | |
KR102278387B1 (ko) | 거리 산출 장치, 거리 산출 방법, 운전 지원 장치 및 운전 지원 시스템 | |
US20190316929A1 (en) | System and method for vehicular localization relating to autonomous navigation | |
KR20140131666A (ko) | 주차장 정보 관리 시스템 및 방법, 그리고 주차장 정보 제공 장치 | |
JP7155284B2 (ja) | 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
CN114228743B (zh) | 无人物流车控制方法、装置、***和可读存储介质 | |
KR20190102827A (ko) | 교차로에서의 차량 자동 긴급 제동 시스템 및 방법 | |
JP7380904B2 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
KR102330985B1 (ko) | 주차장에서의 주차 안내 방법 | |
CN113085899A (zh) | 视野盲区预警方法、装置、设备及存储介质 | |
CN113885011A (zh) | 自动车辆的基于点云图的光检测测距重新校准*** | |
CN114111808A (zh) | 无人驾驶车的定位方法、***、装置及可读存储介质 | |
KR102087046B1 (ko) | 자율 주행 차량에서 ldm을 이용하여 차선 기반으로 사각 지대에 대한 정보를 제공하는 방법 및 장치 | |
JP6172458B2 (ja) | 車両の歩行者検出装置 | |
CN114136309A (zh) | 无人驾驶物流车的定位方法、***、装置及存储介质 | |
US11967235B2 (en) | Method for determining the position of a non-motorized road user and traffic device | |
KR102185743B1 (ko) | 차량의 전방에 위치하는 객체의 실존 여부를 판단하는 방법 및 장치 | |
US11822009B2 (en) | Self-position estimation device, self-position estimation method, program, and recording medium | |
CN114132343B (zh) | 车辆循迹方法、装置、***及计算机可读存储介质 | |
KR20190076111A (ko) | 차량 및 차량의 제어방법 |
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 |