CN114136309A - 无人驾驶物流车的定位方法、***、装置及存储介质 - Google Patents
无人驾驶物流车的定位方法、***、装置及存储介质 Download PDFInfo
- Publication number
- CN114136309A CN114136309A CN202111337458.2A CN202111337458A CN114136309A CN 114136309 A CN114136309 A CN 114136309A CN 202111337458 A CN202111337458 A CN 202111337458A CN 114136309 A CN114136309 A CN 114136309A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- logistics vehicle
- unmanned logistics
- positioning
- geomagnetic
- 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 52
- 230000005358 geomagnetic field Effects 0.000 claims abstract description 29
- 238000001914 filtration Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000007787 solid Substances 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
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 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
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种无人驾驶物流车的定位方法、***、装置及存储介质,该无人驾驶物流车的定位方法包括:当无人驾驶物流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,并判断GNSS定位信号的信号强度是否小于预设阈值;若信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将实测地磁数据在基准地磁数据库中进行匹配,得到实测地磁数据对应的地磁匹配坐标;基于地磁匹配坐标,确定无人驾驶物流车的当前定位信息。本发明能在GNSS定位信号弱的环境下准确定位无人驾驶物流车。
Description
技术领域
本发明涉及无人驾驶物流车自主定位技术领域,尤其涉及一种无人驾驶物流车的定位方法、***、装置及存储介质。
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物流车进行定位时,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物流车的定位信息。
发明内容
本发明的主要目的在于提供一种无人驾驶物流车的定位方法、***、装置及存储介质,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物流车的技术问题。
为实现上述目的,本发明提供一种无人驾驶物流车的定位方法,包括以下步骤:
当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
可选地,所述当无人驾驶物流车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号的步骤之前包括:
将所述工作区域进行网格划分,得到各网格区;
标定各所述网格区对应的地理坐标,并采集各所述网格区对应的标准地磁场数据;
将各网格区对应的地理坐标和标准地磁场数据关联绑定后进行采样,构建基准地磁数据库,其中,与标准地磁场数据关联绑定的地理坐标,作为所述标准地磁场数据的地磁匹配坐标。
可选地,所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤之前包括:
基于捷联惯导***进行航迹推测,得到所述无人驾驶物流车的惯导位置信息;
所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤包括:
基于扩展卡尔曼滤波,对所述地磁匹配坐标和所述惯导位置信息进行融合,得到所述无人驾驶物流车的当前定位信息。
可选地,所述确定所述无人驾驶物流车的当前定位信息的步骤之后包括:
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,确定所述无人驾驶物流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物流车行驶。
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,确定所述无人驾驶物流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物流车的底盘高度信息;
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,预测所述无人驾驶物流车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流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物流车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流车会与所述路面坑洞障碍干涉,则预估所述车体与该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,确定所述无人驾驶物流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物流车的车身数据信息;
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物流车的定位***,包括:
判断模块,用于当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
匹配模块,用于若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
定位模块,用于基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
此外,为实现上述目的,本发明还提供一种无人驾驶物流车的定位装置,无人驾驶物流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物流车的定位方法的步骤。
此外,为实现上述目的,本发明还提供一种存储介质,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物流车的定位方法的步骤。
本发明通过检测GNSS定位信号的信号强度来判断通过GNSS定位是否能准确获取无人驾驶物流车的定位信息,若GNSS定位信号的信号强度小于预设阈值,则将GNSS定位模式切换为地磁定位模式,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,且地磁定位方法不需要大量基站与信源设备的铺设,具有成本低、无辐射、隐蔽性强、误差不随时间累积的优点。本发明通过将地磁传感器采集得到的实测地磁场数据与基准地磁数据库中的信息进行匹配,为无人驾驶物流车提供当前定位信息,从而基于该当前定位信息确定无人驾驶物流车的行驶方向,进而通过GNSS定位信号弱或无GNSS定位信号的路段。本发明基于GNSS定位技术和地磁定位技术组合,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物流车。
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为本发明无人驾驶物流车的定位方法第一实施例的流程示意图;
图3为本发明无人驾驶物流车的定位方法第二实施例的流程示意图;
图4为本发明无人驾驶物流车的定位方法第三实施例的流程示意图;
图5为本发明无人驾驶物流车的定位***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物流车的定位装置。
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:
当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
参照图2,本发明提供一种无人驾驶物流车的定位方法,在无人驾驶物流车的定位方法的第一实施例中,无人驾驶物流车的定位方法包括以下步骤:
步骤S100,当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
在一实施例中,无人驾驶物流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,无人驾驶物流车在小区执行外卖配送任务或快递配送服务。
步骤S200,若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
需要说明的是,该预设阈值,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物流车的定位信息,无人驾驶物流车则将GNSS(Global NavigationSatellite System,全球卫星导航***)定位模式切换为地磁定位模式。
其中,可通过地磁传感器实时采集实测地磁场数据。同时通过最大相关系数法对实测地磁数据与基准库地磁数据进行匹配解算。得到所述实测地磁数据对应的地磁匹配坐标。
另外,可通过地磁采样车提前在无人驾驶物流车的工作区域进行地磁数据的采集,建立基准地磁数据库,采用地磁总强度作为匹配特征量,将实测地磁数据与基准地磁数据库的标准地磁场数据进行匹配对比,得出最匹配的标准地磁场数据,将该最匹配的标准地磁场数据对应的地磁匹配坐标,作为该实测地磁数据对应的地磁匹配坐标。
步骤S300,基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
本实施例通过检测GNSS定位信号的信号强度来判断通过GNSS定位是否能准确获取无人驾驶物流车的定位信息,若GNSS定位信号的信号强度小于预设阈值,则将GNSS定位模式切换为地磁定位模式,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,且地磁定位方法不需要大量基站与信源设备的铺设,具有成本低、无辐射、隐蔽性强、误差不随时间累积的优点。本实施例通过将地磁传感器采集得到的实测地磁场数据与基准地磁数据库中的信息进行匹配,为无人驾驶物流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物流车的行驶方向,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定位技术和地磁定位技术组合,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物流车。
进一步地,本发明提供一种无人驾驶物流车的定位方法,基于第一实施例,所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤之前包括:
步骤a,基于捷联惯导***进行航迹推测,得到所述无人驾驶物流车的惯导位置信息;
本领域技术人员可以理解的是,捷联惯导***是一种无框架***,由三个速率陀螺、三个线加速度计和微型计算机组成,能精确提供无人驾驶物流车的姿态、地速和经纬度等导航参数。本实施例基于捷联惯导***进行航迹推测,得到无人驾驶物流车的惯导位置信息。可以理解的是,该惯导位置信息指的是通过捷联惯导***计算得到的无人驾驶物流车的位置信息。
步骤b,所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤包括:
步骤c,基于扩展卡尔曼滤波,对所述地磁匹配坐标和所述惯导位置信息进行融合,得到所述无人驾驶物流车的当前定位信息。
其中,该扩展卡尔曼滤波的算法,本领域技术人员已有一定深度的研究,属于成熟技术,本实施例在此不再赘述。
本领域人员可知的是,捷联惯导原理决定了单一捷联惯导***的导航误差将随时间而累积,导航精度随时间而发散,因此捷联惯导***不能单独长时间工作,因而本实施例通过加入地磁定位技术,得到无人驾驶物流车当前的地磁定位信息,其中,该地磁定位信息指代的是通过地磁定位技术计算得到的无人驾驶物流车的位置信息。由于地磁在较长时间内具有稳定性,不会随时间发散,误差不会随时间累积,因此具有很好的辅助捷联惯导***的作用,但是地磁定位反应较慢,即通过地磁定位技术计算得到的定位信息比捷联惯导***计算得到的定位信息,所花费的时间更长。而本实施例基于扩展卡尔曼滤波的方法,对所述地磁匹配坐标和所述惯导位置信息进行进行融合滤波处理,从而不断更正捷联惯性***随时间产生的定位累积误差,达到精密定位的目的,实现地磁定位和捷联惯导定位的性能优势互补,定位信息既能快速获取,且具有可靠性,进一步提高了GNSS定位信号差的环境下无人驾驶物流车的定位精度。
进一步地,参照图3,基于上述本发明的第一实施例,提出本发明无人驾驶物流车的定位方法的第二实施例,在本实施例中,所述当无人驾驶物流车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号的步骤之前包括:
步骤S400,将所述工作区域进行网格划分,得到各网格区;
其中,通过将无人驾驶物流车的工作区域划分成多个网格区,从而便于分别对工作区域的各个网格区进行标准地磁场数据的采样。
步骤S500,标定各所述网格区对应的地理坐标,并采集各所述网格区对应的标准地磁场数据;
步骤S600,将各网格区对应的地理坐标和标准地磁场数据关联绑定后进行采样,构建基准地磁数据库。
需要说明的是,将标准地磁场数据关联绑定的地理坐标,作为所述标准地磁场数据的地磁匹配坐标。
本实施例通过对工作区域划分网格区的方式,分别对工作区域的各网格区进行标准地磁场数据的采样,并将各网格区对应的地理坐标和标准地磁场数据关联绑定,从而构建基准地磁数据库,使得基准地磁数据库具有高的空间分辨率,进一步提高了GNSS定位信号差的环境下无人驾驶物流车的定位精度。
进一步地,参照图4,基于上述本发明的第一实施例,提出本发明无人驾驶物流车的定位方法的第三实施例,在本实施例中,确定所述无人驾驶物流车的当前定位信息的步骤之后包括:
步骤S710,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S720,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S730,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S740,根据所述障碍物类型,确定所述无人驾驶物流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物流车的车辆***中。
步骤S750,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物流车行驶。
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,确定所述无人驾驶物流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物流车的车身数据信息;
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,例如无人驾驶物流车、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物流车的车身的长、宽和高,并根据无人驾驶物流车的雷达***所测得路面实体障碍的三维数据和空间位置,判断无人驾驶物流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,确定无人驾驶物流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,确定无人驾驶物流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,可通过在无人驾驶物流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物流车***中或云端服务器中,无人驾驶物流车出厂后直接从无人驾驶物流车的车辆***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物流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物流车安全通行,从而避免避障决策的误触发。不同无人驾驶物流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物流车面对路面实体障碍的避障决策,根据无人驾驶物流车的车身数据信息找到与驾驶物流车最适配的避障决策,从而提升无人驾驶物流车***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,确定所述无人驾驶物流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物流车的底盘高度信息;
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,预测所述无人驾驶物流车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流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物流车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流车会与所述路面坑洞障碍干涉,则预估所述车体与该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物流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,进而提升无人驾驶物流车***制定避障决策的智能性和鲁棒性。
此外,参照图5,本发明实施例还提供一种无人驾驶物流车的定位***,包括:
判断模块A10,用于当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
匹配模块A20,用于若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
定位模块A30,用于基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
可选地,所述定位***还包括标定模块,该标定模块用于:
将所述工作区域进行网格划分,得到各网格区;
标定各所述网格区对应的地理坐标,并采集各所述网格区对应的标准地磁场数据;
将各网格区对应的地理坐标和标准地磁场数据关联绑定后进行采样,构建基准地磁数据库,其中,与标准地磁场数据关联绑定的地理坐标,作为所述标准地磁场数据的地磁匹配坐标。
可选地,定位模块A30,还用于:
基于捷联惯导***进行航迹推测,得到所述无人驾驶物流车的惯导位置信息;
所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤包括:
基于扩展卡尔曼滤波,对所述地磁匹配坐标和所述惯导位置信息进行融合,得到所述无人驾驶物流车的当前定位信息。
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,确定所述无人驾驶物流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物流车行驶。
可选地,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物流车的底盘高度信息;
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,预测所述无人驾驶物流车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流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物流车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流车会与所述路面坑洞障碍干涉,则预估所述车体与该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,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物流车的车身数据信息;
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,无人驾驶物流车的定位***的各个功能模块实现的步骤可参照本发明无人驾驶物流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物流车的定位装置,所述无人驾驶物流车的定位装置包括: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物流车的定位方法各实施例的步骤。
本发明还提供了一种存储介质,所述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物流车的定位方法各实施例的步骤。
本发明存储介质具体实施方式与上述无人驾驶物流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)
1.一种无人驾驶物流车的定位方法,其特征在于,所述无人驾驶物流车的定位方法包括以下步骤:
当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
2.如权利要求1所述的定位方法,其特征在于,所述当无人驾驶物流车在工作区域执行配送任务时,接收定位卫星发射的GNSS定位信号的步骤之前包括:
将所述工作区域进行网格划分,得到各网格区;
标定各所述网格区对应的地理坐标,并采集各所述网格区对应的标准地磁场数据;
将各网格区对应的地理坐标和标准地磁场数据关联绑定后进行采样,构建基准地磁数据库,其中,与标准地磁场数据关联绑定的地理坐标,作为所述标准地磁场数据的地磁匹配坐标。
3.如权利要求1所述的定位方法,其特征在于,所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤之前包括:
基于捷联惯导***进行航迹推测,得到所述无人驾驶物流车的惯导位置信息;
所述基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息的步骤包括:
基于扩展卡尔曼滤波,对所述地磁匹配坐标和所述惯导位置信息进行融合,得到所述无人驾驶物流车的当前定位信息。
4.如权利要求1所述的定位方法,其特征在于,所述确定所述无人驾驶物流车的当前定位信息的步骤之后包括:
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,确定所述无人驾驶物流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物流车行驶。
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,确定所述无人驾驶物流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物流车的底盘高度信息;
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,预测所述无人驾驶物流车是否在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流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物流车在行车方向会进入所述路面坑洞障碍,且所述无人驾驶物流车会与所述路面坑洞障碍干涉,则预估所述车体与该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,确定所述无人驾驶物流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物流车的车身数据信息;
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。
8.一种无人驾驶物流车的定位***,其特征在于,所述无人驾驶物流车的定位***包括:
判断模块,用于当无人驾驶物流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,并判断所述GNSS定位信号的信号强度是否小于预设阈值;
匹配模块,用于若所述信号强度是否小于预设阈值,则采集当前的实测地磁场数据,得到实测地磁数据,并将所述实测地磁数据在基准地磁数据库中进行匹配,得到所述实测地磁数据对应的地磁匹配坐标;
定位模块,用于基于所述地磁匹配坐标,确定所述无人驾驶物流车的当前定位信息。
9.一种无人驾驶物流车的定位装置,其特征在于,所述无人驾驶物流车的定位装置包括: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物流车的定位方法的步骤。
10.一种存储介质,其特征在于,所述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物流车的定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337458.2A CN114136309A (zh) | 2021-11-12 | 2021-11-12 | 无人驾驶物流车的定位方法、***、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337458.2A CN114136309A (zh) | 2021-11-12 | 2021-11-12 | 无人驾驶物流车的定位方法、***、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114136309A true CN114136309A (zh) | 2022-03-04 |
Family
ID=80393693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111337458.2A Pending CN114136309A (zh) | 2021-11-12 | 2021-11-12 | 无人驾驶物流车的定位方法、***、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114136309A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116793199A (zh) * | 2023-08-24 | 2023-09-22 | 四川普鑫物流自动化设备工程有限公司 | 一种集中式多层货架四向车定位***及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107270891A (zh) * | 2017-05-05 | 2017-10-20 | 哈尔滨工业大学 | 基于抗差估计的惯性地磁匹配定位方法 |
CN107621263A (zh) * | 2017-08-25 | 2018-01-23 | 北京麦钉艾特科技有限公司 | 一种基于道路磁场特征的地磁定位方法 |
CN107907134A (zh) * | 2017-11-13 | 2018-04-13 | 中国科学院光电研究院 | 一种里程信息辅助地磁匹配的车辆定位***与方法 |
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 |
CN109443368A (zh) * | 2019-01-14 | 2019-03-08 | 轻客小觅智能科技(北京)有限公司 | 无人驾驶机器人的导航方法、装置、机器人及存储介质 |
CN111506084A (zh) * | 2020-05-19 | 2020-08-07 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 |
CN112810488A (zh) * | 2021-04-21 | 2021-05-18 | 北京有感科技有限责任公司 | 无线充电***对准方法和无线充电***对准设备 |
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
- 2021-11-12 CN CN202111337458.2A patent/CN114136309A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107270891A (zh) * | 2017-05-05 | 2017-10-20 | 哈尔滨工业大学 | 基于抗差估计的惯性地磁匹配定位方法 |
CN107621263A (zh) * | 2017-08-25 | 2018-01-23 | 北京麦钉艾特科技有限公司 | 一种基于道路磁场特征的地磁定位方法 |
CN107907134A (zh) * | 2017-11-13 | 2018-04-13 | 中国科学院光电研究院 | 一种里程信息辅助地磁匹配的车辆定位***与方法 |
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 |
CN109443368A (zh) * | 2019-01-14 | 2019-03-08 | 轻客小觅智能科技(北京)有限公司 | 无人驾驶机器人的导航方法、装置、机器人及存储介质 |
CN111506084A (zh) * | 2020-05-19 | 2020-08-07 | 安徽江淮汽车集团股份有限公司 | 无人驾驶车辆的障碍物避让方法、装置、设备及存储介质 |
CN112810488A (zh) * | 2021-04-21 | 2021-05-18 | 北京有感科技有限责任公司 | 无线充电***对准方法和无线充电***对准设备 |
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 |
Non-Patent Citations (1)
Title |
---|
黄妙华: "《智能车辆控制基础》", 31 August 2020, 北京机械工业出版社, pages: 231 - 234 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116793199A (zh) * | 2023-08-24 | 2023-09-22 | 四川普鑫物流自动化设备工程有限公司 | 一种集中式多层货架四向车定位***及方法 |
CN116793199B (zh) * | 2023-08-24 | 2023-11-24 | 四川普鑫物流自动化设备工程有限公司 | 一种集中式多层货架四向车定位***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9977431B2 (en) | Automotive drone deployment system | |
EP3884353B1 (en) | Detecting a location of an autonomous device | |
US8452535B2 (en) | Systems and methods for precise sub-lane vehicle positioning | |
US20190316929A1 (en) | System and method for vehicular localization relating to autonomous navigation | |
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 | |
KR20190045220A (ko) | 자기 위치 추정 방법 및 자기 위치 추정 장치 | |
CN105783927B (zh) | 提供车辆在高架道路区域内的导航信息的方法和设备 | |
KR101803195B1 (ko) | 차량의 주행 환경에 따라 적응적으로 다중센서를 제어하는 장치 및 방법 | |
WO2021112074A1 (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
JP6968877B2 (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
JP2016080460A (ja) | 移動体 | |
JPWO2018212294A1 (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
US20220163680A1 (en) | Position estimation device, estimation device, control method, program and storage media | |
CN114136309A (zh) | 无人驾驶物流车的定位方法、***、装置及存储介质 | |
CN108181609B (zh) | 车辆的定位方法、装置及计算机可读存储介质 | |
KR100687516B1 (ko) | 보행자 네비게이션 장치, 보행자 네비게이션 방법 및 보행자 네비게이션 프로그램 기록매체 | |
CN114111808A (zh) | 无人驾驶车的定位方法、***、装置及可读存储介质 | |
WO2019188886A1 (ja) | 端末装置、情報処理方法、プログラム、及び、記憶媒体 | |
US11822009B2 (en) | Self-position estimation device, self-position estimation method, program, and recording medium | |
US20210190968A1 (en) | Self-calibrating infrastructure sensor | |
KR102421831B1 (ko) | 차량 및 차량의 제어방법 | |
US20200172099A1 (en) | Vehicle and method of controlling the same | |
RU2769918C1 (ru) | Способ позиционирования наземного транспортного средства | |
EP3696507B1 (en) | Representing an environment by cylindrical and planar structures | |
JP2024103654A (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 |
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 |