CN115574803A - 移动路线确定方法、装置、设备及存储介质 - Google Patents
移动路线确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115574803A CN115574803A CN202211430793.1A CN202211430793A CN115574803A CN 115574803 A CN115574803 A CN 115574803A CN 202211430793 A CN202211430793 A CN 202211430793A CN 115574803 A CN115574803 A CN 115574803A
- Authority
- CN
- China
- Prior art keywords
- grid
- determining
- point cloud
- movement route
- 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.)
- Granted
Links
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
-
- 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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种移动路线确定方法、装置、设备及存储介质,属于自动控制领域,本申请通过对移动任务中的全局地图进行栅格化处理,生成栅格化地图;通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;基于所述各栅格内的点云数据,从所述各栅格中确定上下坡或者坑洞所在目标栅格;可以理解,对栅格化地图中各栅格对应的实际环境进行扫描,缩小了移动路线确定的范围,能够提高对障碍物的扫描精度,从各栅格中的障碍物中进一步确定上下坡或者坑洞所在的目标栅格,提高了上下坡或者坑洞的检测精度,基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的提高了移动过程中的安全性。
Description
技术领域
本申请涉及自动控制领域,尤其涉及一种移动路线确定方法、装置、设备及存储介质。
背景技术
目前,大部分移动路线确定方法只能精确识别出高于地面的障碍物,相较于扫描识别高于地面的障碍物,在扫描识别上下坡或者坑洞这些低于地面的障碍物时,三维激光雷达反射回来的信号比较弱,导致识别精准度较低,从而产生误判;而上下坡和坑洞是室外环境中常见的路面障碍物,障碍小则影响正常行驶,大则可能导致倾翻,从而造成不可逆转的损失。
因此,现有技术中存在自动移动过程中安全性较低的技术问题。
发明内容
本申请的主要目的在于提供一种移动路线确定方法、装置、设备及存储介质,旨在解决自动移动过程中安全性较低的技术问题。
为实现上述目的,本申请提供一种移动路线确定方法,所述移动路线确定方法包括以下步骤:
对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
在本申请的一种可能的实施方式中,所述基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格的步骤,包括:
基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物;
若存在,则从所述存在障碍物的各栅格中确定上下坡或者坑洞所在目标栅格。
在本申请的一种可能的实施方式中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
对所述各栅格内的点云数据进行平面拟合,得到点云平面;
计算所述点云平面与基准平面的法向量的夹角,其中,所述基准平面为所述各栅格所在平面;
若所述夹角大于预设坡度阈值,则确定所述各栅格内存在障碍物。
在本申请的一种可能的实施方式中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
基于所述各栅格内的第一点云离所述三维激光雷达的水平距离,计算得到所述第一点云和第二点云所在三维激光雷达激光束之间的实际距离,其中所述第一点云和所述第二点云为相邻点云;
基于所述三维激光雷达垂直于基准平面的高度、所述相邻点云所在三维激光雷达激光束分别与所述基准平面的法向量的夹角,以及所述第一点云离所述三维激光雷达的水平距离,计算得到所述相邻点云所在三维激光雷达激光束之间的理论距离,其中,所述基准平面为所述各栅格所在平面;
若所述实际距离大于理论距离,则确定所述各栅格内存在障碍物。
在本申请的一种可能的实施方式中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤之后,所述方法还包括:
若存在,则在所述栅格化地图中,将所述障碍物标记为第一颜色;
将所述障碍物所在目标栅格标记为第二颜色,确定标记为第二颜色的栅格为不可通行栅格。
在本申请的一种可能的实施方式中,所述基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的步骤,包括:
基于所述栅格化地图中各栅格的颜色,确定所述目标栅格在所述栅格化地图中的位置;
基于所述目标栅格在所述栅格化地图中的位置,确定非目标栅格在所述栅格化地图中的位置,从所述非目标栅格中确定移动路线。
在本申请的一种可能的实施方式中,所述对移动任务中的全局地图进行栅格化处理,生成栅格化地图的步骤之后,所述方法还包括:
对所述栅格化地图中的各栅格进行编号;
其中,所述基于所述目标栅格在各栅格中的位置,确定移动路线的步骤,包括:
基于所述目标栅格在所述栅格化地图中的编号,确定所述目标栅格在所述实际环境中的对应位置;
确定避开所述目标栅格在所述实际环境中的对应位置的路线为移动路线。
本申请还提供一种移动路线确定装置,所述装置包括:
栅格化模块,用于对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
扫描模块,用于通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
第一确定模块,基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
第二确定模块,用于基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
本申请还提供一种移动路线确定设备,所述设备包括: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移动路线确定程序,所述移动路线确定程序配置为实现如上述任一项所述的移动路线确定方法的步骤。
本申请还提供一种存储介质,所述存储介质上存储有移动路线确定程序,所述移动路线确定程序被处理器执行时实现如上述任一项所述的移动路线确定方法的步骤。
本申请提供一种移动路线确定方法,现有技术中由于对于上下坡或者坑洞这些低于地面的障碍物进行识别时,相较于对高于地面的障碍物进行扫描时,三维激光雷达反射回来的信号比较弱,导致识别精准度较低,导致移动过程中安全性较低,与之相比,本申请通过对移动任务中的全局地图进行栅格化处理,生成栅格化地图;通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;基于所述各栅格内的点云数据,从所述各栅格中确定上下坡或者坑洞所在目标栅格;可以理解,对栅格化地图中各栅格对应的实际环境进行扫描,缩小了移动路线确定的范围,能够提高对障碍物的扫描精度,从各栅格中的障碍物中进一步确定上下坡或者坑洞所在的目标栅格,提高了上下坡或者坑洞的检测精度,基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的提高了移动过程中的安全性。
附图说明
图1为本申请一种移动路线确定方法的第一实施例的流程示意图;
图2为本申请第一实施例的移动路线确定方法的逻辑架构图;
图3为本申请第一实施例的移动路线确定方法的第一场景示意图;
图4为本申请第一实施例的移动路线确定方法的第二场景示意图;
图5为本申请第一实施例的移动路线确定方法的第三场景示意图;
图6是本申请实施例方案涉及的硬件运行环境的移动路线确定设备的结构示意图;
图7为本申请第一实施例的移动路线确定装置示意图。
本申请目的的实现、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申请,并不用于限定本申请。
本申请实施例提供了一种移动路线确定方法,参照图1以及图2,在本实施例中,所述移动路线确定方法包括:
步骤S10:对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
步骤S20:通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
步骤S30:基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
步骤S40:基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
本实施例旨在:通过对各栅格对应的实际环境中的上下坡或者坑洞进行针对性地识别,从而确定移动路线,提高移动过程中的安全性。
作为一种示例,所述移动路线确定方法应用于移动路线确定***,所述移动路线确定***从属于移动路线确定装置。
作为一种示例,所述移动路线确定方法可以应用于车辆自动驾驶场景和机器人工作场景等,为了便于描述,以下以车辆自动驾驶场景进行具体举例说明。
本实施例的应用场景为:常见的检测行驶途中的障碍物大多是利用激光传感器、三维激光雷达传感器、高精度摄像头等传感器,用信号发射器向障碍物发射信号并用相关传感器接收信号,判断目标路径上是否存在相关障碍物,但对于上下坡或者坑洞这些低于地面的障碍物进行识别时,相较于对高于地面的障碍物进行扫描时,三维激光雷达反射回来的信号比较弱,导致识别精准度较低,使行驶过程中的安全性降低。
具体地,如图2所示,本申请在自动驾驶车辆开始执行移动任务时,通过对移动任务中的全局地图进行栅格化处理,生成栅格化地图(建立栅格地图);通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境(三维激光雷达扫描),从所述各栅格中确定上下坡或者坑洞所在目标栅格(上下坡识别,坑洞识别);对栅格化地图中各栅格对应的实际环境进行扫描,缩小了移动路线确定的范围,能够提高对障碍物的扫描精度,从各栅格中的障碍物中进一步确定上下坡或者坑洞所在的目标栅格(确定是否可以通行,结束识别过程,开始移动),提高了上下坡或者坑洞的检测精度,基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的提高了移动过程中的安全性。
具体步骤如下:
步骤S10:对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
作为一种示例,所述移动任务包括当前自动驾驶车辆的出发地、目的地以及途径地等的全局地图、出发时间和到达时间等信息。
作为一种示例,所述全局地图为虚拟地图,由自动驾驶车辆基于当前移动任务调用得到。
作为一种示例,对移动任务中的全局地图进行栅格化处理,可以是采用大小相等的矩形栅格表示该全局地图。栅格粒度的大小决定规划路径的精确度;栅格粒度越小,障碍物表示越精确;反之,栅格粒度越大,规划的路径会越不精确。栅格大小与机器人的移动步长相适应,即机器人移动的指令可以转化为从其中一个栅格移动到另一个栅格。其中,所述机器人的移动步长可以是基于机器人的移动速度和处理速度等影响因素进行确定的。
作为一种示例,如图4所示,栅格化地图为将全局地图划分为多个栅格的地图。
在本实施例中,生成栅格化地图后,为确定移动路线提供了行驶地图,需要在该行驶地图中准确识别出障碍物,选择一条无障碍物的路线。
步骤S20:通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
作为一种示例,所述移动路线确定***包括三维激光雷达,所述三维激光雷达用于扫描栅格化地图中各栅格对应的实际环境。
作为一种示例,通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境后,可以是由三维激光雷达传感器进行信号的上传。具体地,所述三维激光雷达传感器由激光发射与激光接收两部分组成;发射部分主要包括激光光源调制电路和放置在电路后面的低通滤波器,该部分可对方波的一次谐波对激光光源进行调制;接收部分主要包括微通道板像增强器、方波调制电路、CCD相机。在光极加上同频方波调制电压由激光照射在目标上经过目标反射后经透镜成像在光阴极上在像增强器中与同频调制的电压信号混频,在荧光屏输出一个对应于接受光信号和调制电信号相位差的直流光强场从而构成光电并行鉴相器面阵然后由CCD面阵进行光电接收所得信号送入计算机进行处理。
作为一种示例,所述栅格化地图中各栅格对应的实际环境为自动驾驶车辆当前所在的实际环境,其中,所述栅格化地图中各栅格的虚拟地图与实际环境产生映射关系。
作为一种示例,通过三维激光雷达扫描获取的扫描资料以点的形式记录,生成点云数据,每个点云包含有三维坐标,还可以含有颜色信息(RGB)或反射强度信息(Intensity)。
作为一种示例,通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,三维激光雷达探测的数据点被随机分配到各栅格中,即,一个栅格内会被分配多个点,即,若栅格内存在障碍物,则栅格内存在点云数据。
步骤S30:基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
作为一种示例,自动驾驶车辆通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境后,基于所述各栅格内的点云数据,从各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格。
作为一种示例,所述目标栅格为存在上下坡或者坑洞的实际环境所映射的所述栅格化地图中的栅格。
步骤S40:基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
作为一种示例,自动驾驶车辆基于目标栅格在所述各栅格中的位置,确定移动路线,即可避开上下坡或者坑洞这种容易影响行驶安全的目标栅格。
作为一种示例,自动驾驶车辆基于目标栅格在所述各栅格中的位置,即,确定实际环境中具有上下坡或者坑洞的目标栅格在栅格化地图中的位置,确定移动路线,即可确定排除了移动路线中各栅格所映射的实际环境中的上下坡或者坑洞,从而按所述移动路线进行安全行驶。
在本实施例中,本申请对全局地图进行分解,并分别扫描识别,以排除移动任务中的上下坡或者坑洞可能导致行驶安全问题的可能性,提高了行驶过程中的安全性。
进一步地,基于本申请中第一实施例,提供本申请的另一实施例,在该实施例中,具体地,由于各栅格内可能存在上下坡、坑洞或者其他障碍物,为了精确地识别各栅格内的上下坡或者坑洞,则需要对每个障碍物进行识别,从而确定所述各栅格内是否存在上下坡或者坑洞。
在本实施例中,所述基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格的步骤,包括:
步骤A1:基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物;
作为一种示例,基于所述各栅格内的点云数据,对所述点云数据进行分析,确定所述各栅格内是否存在障碍物。
本实施例的目的是为了通过识别上下破或者坑洞的算法,对栅格进行扫描,确定栅格内是否存在障碍物,若存在障碍物,则该栅格内可能存在上下破或者坑洞。
在本实施例中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
步骤B1:对所述各栅格内的点云数据进行平面拟合,得到点云平面;
作为一种示例,所述对所述各栅格内的点云数据进行平面拟合,可以是基于随机采样一致性方法,对上述三维激光雷达探测时所采集到的点云数据,进行计算得到平面模型,即,得到所述点云平面的平面模型:
其中,所述点云平面的法向量为:
步骤B2:计算所述点云平面与基准平面的法向量的夹角,其中,所述基准平面为所述各栅格所在平面;
作为一种示例,在一般的道路上,自动驾驶车辆在移动过程中车身姿态变化不大时,可以以OZ方向上的单位向量为参考法向量,即,将所述各栅格所在平面作为基准平面,其中,所述各栅格所在平面与地面平行。
其中,所述参考法向量为:
作为一种示例,计算所述点云平面与基准平面的法向量的夹角:可以是通过下述公式计算得到;
步骤B3:若所述夹角大于预设坡度阈值,则确定所述各栅格内存在障碍物。
作为一种示例,大于该预设坡度阈值则可能造成安全事故,小于该预设坡度阈值则不影响行驶的。
本实施例的目的是为了通过识别上下破或者坑洞的算法,对栅格进行扫描,确定栅格内是否存在障碍物,若存在障碍物,则该栅格内可能存在上下破或者坑洞。
作为一种示例,通过上述方法确定的障碍物的类型为上下坡。
具体地,通过以下方法确定的障碍物的类型为坑洞。
在本实施例中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
步骤C1:基于所述各栅格内的第一点云离所述三维激光雷达的水平距离,计算得到所述第一点云和第二点云所在三维激光雷达激光束之间的实际距离,其中所述第一点云和所述第二点云为相邻点云;
作为一种示例,如图3所示,所述各栅格内的第一点云可以是点云数据中的任一点C,第二点云可以是点云数据中的任一点E;
具体地,所述各栅格内的第一点云离所述三维激光雷达的水平距离为所述距离d;
步骤C2:基于所述三维激光雷达垂直于基准平面的高度、所述相邻点云所在三维激光雷达激光束分别与所述基准平面的法向量的夹角,以及所述第一点云离所述三维激光雷达的水平距离,计算得到所述相邻点云所在三维激光雷达激光束之间的理论距离,其中,所述基准平面为所述各栅格所在平面;
作为一种示例,如图3所示,所述三维激光雷达垂直于基准平面的高度可以是自动驾驶车辆内三维激光雷达的安装高度h。
具体地,所述相邻点云所在三维激光雷达激光束分别与所述基准平面的法向量的
夹角为,第一点云(点C)所在三维激光雷达激光束与所述基准平面的法向量的夹角,第二
点云(点E)所在三维激光雷达激光束与所述基准平面的法向量的夹角(),所述基准
平面为所述各栅格所在平面,所述各栅格所在平面与地面平行。
具体地,所述第一点云离所述三维激光雷达的水平距离为距离d。
步骤C3:若所述实际距离大于理论距离,则确定所述各栅格内存在障碍物。
作为一种示例,计算得到的实际距离若大于理论距离,则确定该格栅内存在障碍物。
作为一种示例,若大于理论距离,则坑洞的存在可能造成安全隐患。
作为一种示例,通过上述方法确定的障碍物的类型为坑洞。
步骤A2:若存在,则从所述存在障碍物的各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格。
作为一种示例,基于所述各栅格内的点云数据,通过上述分析,确定所述各栅格内存在障碍物,则确定所述各栅格内存在上下坡或者坑洞,则可以从所述存在障碍物的各栅格中确定上下坡或者坑洞所在目标栅格。
在本实施例中,由于各栅格内可能存在上下坡、坑洞或者其他障碍物,为了精确地识别各栅格内是否存在上下坡或者坑洞,则需要对每个栅格进行扫描以及识别,从而确定所述各栅格内是否存在上下坡或者坑洞。若存在,则从所述存在障碍物的各栅格中确定上下坡或者坑洞所在目标栅格。以避开所述存在上下坡或者坑洞的目标栅格,基于上述算法,提高了上下坡或者坑洞的识别准确度,保障了移动过程中的安全性。
进一步地,基于本申请中第一实施例以及第二实施例,提供本申请的第三实施例,在该实施例中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤之后,所述方法还包括:
步骤D1:若存在,则在所述栅格化地图中,将所述障碍物标记为第一颜色;
作为一种示例,如图5所示,在栅格化地图中,将扫描识别到的障碍物(上下坡或者坑洞)用其占据的栅格表示,若未占满一个栅格也按一个栅格表示,栅格可分为 3 种类型:
(1)完全可通行栅格:栅格内的所有区域都是安全可行的;
(2)完全不可通行栅格:栅格内的所有区域都不是安全可行的;
(3)不完全可通行栅格:栅格内的一部分区域是安全可行的,另一部分区域不是安全可行的。
作为一种示例,可以将所述目标栅格以及障碍物进行标记,可以是通过颜色进行标记,还可以是通过简单图形进行标记等。
作为一种示例,基于所述各栅格内的点云数据,通过上述分析,确定所述各栅格内存在障碍物,则在所述栅格化地图中,将所述障碍物标记为第一颜色。
作为一种示例,如图5所示,将所述障碍物标记为第一颜色(可以是黑色)。
步骤D2:将所述障碍物所在目标栅格标记为第二颜色,确定标记为第二颜色的栅格为不可通行栅格。
作为一种示例,如图5所示,将所述障碍物所在目标栅格标记为第二颜色(可以是灰色);并确定标记为第二颜色的栅格为不可通行栅格。
在本实施例中,所述基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的步骤,包括:
步骤E1:基于所述栅格化地图中各栅格的颜色,确定所述目标栅格在所述栅格化地图中的位置;
作为一种示例,基于所述栅格化地图中各栅格的颜色,确定所述目标栅格在所述栅格化地图中的位置,即,若该栅格内存在黑色或者该栅格为灰色,则确定该栅格为目标栅格,确定该目标栅格在在所述栅格化地图中的位置。
步骤E2:基于所述目标栅格在所述栅格化地图中的位置,确定非目标栅格在所述栅格化地图中的位置,从所述非目标栅格中确定移动路线。
作为一种示例,基于所述目标栅格在所述栅格化地图中的位置,基于上述映射关系,确定非目标栅格在所述栅格化地图中的位置所对应的实际环境。
作为一种示例,如图5所示,所述非目标栅格为所述栅格化地图中除了标记有第一颜色和第二颜色的栅格(即,标记为白色的栅格)。
作为一种示例,基于非目标栅格在所述栅格化地图中的位置所对应的实际环境,确定移动路线。
在本实施例中,所述对移动任务中的全局地图进行栅格化处理,生成栅格化地图的步骤之后,所述方法还包括:
步骤F1:对所述栅格化地图中的各栅格进行编号;
作为一种示例,如图2所示,对当前移动任务的数字地图进行栅格化处理,生成栅格化地图的步骤之后,对所述栅格化地图中的各栅格进行编号,其中,编号顺序可以是随机的或者有一定规律的。
其中,所述基于所述目标栅格在各栅格中的位置,确定移动路线的步骤,包括:
步骤F2:基于所述目标栅格在所述栅格化地图中的编号,确定所述目标栅格在所述实际环境中的对应位置;
作为一种示例,所述目标栅格中存在上下坡或者坑洞,基于所述目标栅格在所述栅格化地图中的编号,确定所述目标栅格在所述实际环境中的对应位置。
作为一种示例,编号为4、8、16的栅格中存在上下坡或者坑洞。
步骤F3:确定避开所述目标栅格在所述实际环境中的对应位置的路线为移动路线。
作为一种示例,确定避开所述目标栅格在所述实际环境中的对应位置的路线为移动路线。
作为一种示例,确定避开所述目标栅格(编号为4、8、16的栅格)在所述实际环境中的对应位置的路线为移动路线。
在本实施例中,为了便于在准确地避开目标栅格的前提下,快速地确定移动路线,采用了增添颜色和编号的方式对目标栅格进行标记,使自动驾驶车辆能够从避开目标栅格的其他非目标栅格中选择移动路线,更好地提高移动过程中的安全性。
参照图6,图6是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
如图6所示,该移动路线确定设备可以包括:处理器1001,存储器1005,通信总线1002。通信总线1002用于实现处理器1001和存储器1005之间的连接通信。
可选地,该移动路线确定设备还可以包括用户接口、网络接口、摄像头、RF(RadioFrequency,射频)电路,传感器、WiFi模块等等。用户接口可以包括显示屏(Display)、输入子模块比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图6中示出的移动路线确定设备结构并不构成对移动路线确定设备的限定,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6所示,作为一种存储介质的存储器1005中可以包括操作***、网络通信模块以及移动路线确定程序。操作***是管理和控制移动路线确定设备硬件和软件资源的程序,支持移动路线确定程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与移动路线确定***中其它硬件和软件之间通信。
在图6所示的移动路线确定设备中,处理器1001用于执行存储器1005中存储的移动路线确定程序,实现上述任一项所述的移动路线确定方法的步骤。
本申请移动路线确定设备具体实施方式与上述移动路线确定方法各实施例基本相同,在此不再赘述。
本申请还提供一种移动路线确定装置,如图7所示,所述装置包括:
栅格化模块10,用于对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
扫描模块20,用于通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
第一确定模块30,用于基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
第二确定模块40,基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
可选地,在本申请的一种可能的实施方式中,所述第一确定模块30包括:
第一确定单元,用于基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物;
第二确定单元,用于若存在,则从所述存在障碍物的各栅格中确定上下坡或者坑洞所在目标栅格。
可选地,在本申请的一种可能的实施方式中,所述第一确定单元用于对所述各栅格内的点云数据进行平面拟合,得到点云平面;还用于计算所述点云平面与基准平面的法向量的夹角,其中,所述基准平面为所述各栅格所在平面;还用于若所述夹角大于预设坡度阈值,则确定所述各栅格内存在障碍物。
可选地,在本申请的一种可能的实施方式中,所述第一确定单元用于基于所述各栅格内的第一点云离所述三维激光雷达的水平距离,计算得到所述第一点云和第二点云所在三维激光雷达激光束之间的实际距离,其中所述第一点云和所述第二点云为相邻点云;还用于基于所述三维激光雷达垂直于基准平面的高度、所述相邻点云所在三维激光雷达激光束分别与所述基准平面的法向量的夹角,以及所述第一点云离所述三维激光雷达的水平距离,计算得到所述相邻点云所在三维激光雷达激光束之间的理论距离,其中,所述基准平面为所述各栅格所在平面;还用于若所述实际距离大于理论距离,则确定所述各栅格内存在障碍物。
可选地,在本申请的一种可能的实施方式中,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤之后,所述装置还包括:
第一标记模块,用于若存在,则在所述栅格化地图中,将所述障碍物标记为第一颜色;
第二标记模块,用于将所述障碍物所在目标栅格标记为第二颜色,确定标记为第二颜色的栅格为不可通行栅格。
可选地,在本申请的一种可能的实施方式中,所述第二确定模块40包括:
第三确定单元,用于基于所述栅格化地图中各栅格的颜色,确定所述目标栅格在所述栅格化地图中的位置;
第四确定单元,用于基于所述目标栅格在所述栅格化地图中的位置,确定非目标栅格在所述栅格化地图中的位置,从所述非目标栅格中确定移动路线。
可选地,在本申请的一种可能的实施方式中,所述对移动任务中的全局地图进行栅格化处理,生成栅格化地图的步骤之后,所述装置还包括:
编号模块,用于对所述栅格化地图中的各栅格进行编号;
其中,所述基于所述目标栅格在各栅格中的位置,确定移动路线的步骤,包括:
位置确定模块,用于基于所述目标栅格在所述栅格化地图中的编号,确定所述目标栅格在所述实际环境中的对应位置;
路线选择模块,用于确定避开所述目标栅格在所述实际环境中的对应位置的路线为移动路线。
本申请移动路线确定装置的具体实施方式与上述移动路线确定方法各实施例基本相同,在此不再赘述。
本申请还提供一种存储介质,所述存储介质上存储有移动路线确定程序,所述移动路线确定程序被处理器执行时实现如上述任一项所述的移动路线确定方法的步骤。
本申请存储介质具体实施方式与上述移动路线确定各实施例基本相同,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。
上述本申请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,本申请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)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请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,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种移动路线确定方法,其特征在于,所述移动路线确定方法,包括以下步骤:
对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
2.如权利要求1所述的移动路线确定方法,其特征在于,所述基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格的步骤,包括:
基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物;
若存在,则从所述存在障碍物的各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格。
3.如权利要求2所述的移动路线确定方法,其特征在于,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
对所述各栅格内的点云数据进行平面拟合,得到点云平面;
计算所述点云平面与基准平面的法向量的夹角,其中,所述基准平面为所述各栅格所在平面;
若所述夹角大于预设坡度阈值,则确定所述各栅格内存在障碍物。
4.如权利要求2所述的移动路线确定方法,其特征在于,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤,包括:
基于所述各栅格内的第一点云离所述三维激光雷达的水平距离,计算得到所述第一点云和第二点云所在三维激光雷达激光束之间的实际距离,其中所述第一点云和所述第二点云为相邻点云;
基于所述三维激光雷达垂直于基准平面的高度、所述相邻点云所在三维激光雷达激光束分别与所述基准平面的法向量的夹角,以及所述第一点云离所述三维激光雷达的水平距离,计算得到所述相邻点云所在三维激光雷达激光束之间的理论距离,其中,所述基准平面为所述各栅格所在平面;
若所述实际距离大于理论距离,则确定所述各栅格内存在障碍物。
5.如权利要求2所述的移动路线确定方法,其特征在于,所述基于所述各栅格内的点云数据,确定所述各栅格内是否存在障碍物的步骤之后,所述方法还包括:
若存在,则在所述栅格化地图中,将所述障碍物标记为第一颜色;
将所述障碍物所在目标栅格标记为第二颜色,确定标记为第二颜色的栅格为不可通行栅格。
6.如权利要求5所述的移动路线确定方法,其特征在于,所述基于所述目标栅格在所述栅格化地图中的位置,确定移动路线的步骤,包括:
基于所述栅格化地图中各栅格的颜色,确定所述目标栅格在所述栅格化地图中的位置;
基于所述目标栅格在所述栅格化地图中的位置,确定非目标栅格在所述栅格化地图中的位置,从所述非目标栅格中确定移动路线。
7.如权利要求1所述的移动路线确定方法,其特征在于,所述对移动任务中的全局地图进行栅格化处理,生成栅格化地图的步骤之后,所述方法还包括:
对所述栅格化地图中的各栅格进行编号;
其中,所述基于所述目标栅格在各栅格中的位置,确定移动路线的步骤,包括:
基于所述目标栅格在所述栅格化地图中的编号,确定所述目标栅格在所述实际环境中的对应位置;
确定避开所述目标栅格在所述实际环境中的对应位置的路线为移动路线。
8.一种移动路线确定装置,其特征在于,所述装置包括:
栅格化模块,用于对移动任务中的全局地图进行栅格化处理,生成栅格化地图;
扫描模块,用于通过三维激光雷达扫描所述栅格化地图中各栅格对应的实际环境,获取各栅格内的点云数据;
第一确定模块,基于所述各栅格内的点云数据,从所述各栅格中确定在实际环境中具有上下坡或者坑洞的目标栅格;
第二确定模块,用于基于所述目标栅格在所述栅格化地图中的位置,确定移动路线。
9.一种移动路线确定设备,其特征在于,所述设备包括: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移动路线确定程序,所述移动路线确定程序配置为实现如权利要求1至7中任一项所述的移动路线确定方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有移动路线确定程序,所述移动路线确定程序被处理器执行时实现如权利要求1至7任一项所述的移动路线确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430793.1A CN115574803B (zh) | 2022-11-16 | 2022-11-16 | 移动路线确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430793.1A CN115574803B (zh) | 2022-11-16 | 2022-11-16 | 移动路线确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115574803A true CN115574803A (zh) | 2023-01-06 |
CN115574803B CN115574803B (zh) | 2023-04-25 |
Family
ID=84589124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430793.1A Active CN115574803B (zh) | 2022-11-16 | 2022-11-16 | 移动路线确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115574803B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
CN110019609A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 地图更新方法、装置以及计算机可读存储介质 |
CN111985322A (zh) * | 2020-07-14 | 2020-11-24 | 西安理工大学 | 一种基于激光雷达的道路环境要素感知方法 |
CN112782717A (zh) * | 2020-12-10 | 2021-05-11 | 中寰卫星导航通信有限公司 | 一种激光雷达地面提取方法、***、存储介质及设备 |
CN113191297A (zh) * | 2021-05-13 | 2021-07-30 | 北京云迹科技有限公司 | 一种路面识别方法、装置及电子设备 |
CN113592891A (zh) * | 2021-07-30 | 2021-11-02 | 华东理工大学 | 无人车可通行域分析方法及导航栅格地图制作方法 |
CN113936215A (zh) * | 2021-10-20 | 2022-01-14 | 江苏徐工工程机械研究院有限公司 | 一种矿区路面凹坑的识别方法、***及无人驾驶货车 |
CN114035584A (zh) * | 2021-11-18 | 2022-02-11 | 上海擎朗智能科技有限公司 | 机器人检测障碍物的方法、机器人以及机器人*** |
CN114140452A (zh) * | 2021-12-07 | 2022-03-04 | 成都信息工程大学 | 基于rgb-d深度相机的低矮凸起障碍物、路面坑洼检测方法 |
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人*** |
CN115342821A (zh) * | 2022-08-03 | 2022-11-15 | 南京理工大学 | 一种复杂未知环境下的无人车导航代价地图构建方法 |
-
2022
- 2022-11-16 CN CN202211430793.1A patent/CN115574803B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914068A (zh) * | 2013-01-07 | 2014-07-09 | 中国人民解放军第二炮兵工程大学 | 一种基于栅格地图的服务机器人自主导航方法 |
CN107908185A (zh) * | 2017-10-14 | 2018-04-13 | 北醒(北京)光子科技有限公司 | 一种机器人自主全局重定位方法及机器人 |
CN110019609A (zh) * | 2017-11-20 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 地图更新方法、装置以及计算机可读存储介质 |
CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
CN111985322A (zh) * | 2020-07-14 | 2020-11-24 | 西安理工大学 | 一种基于激光雷达的道路环境要素感知方法 |
CN112782717A (zh) * | 2020-12-10 | 2021-05-11 | 中寰卫星导航通信有限公司 | 一种激光雷达地面提取方法、***、存储介质及设备 |
CN113191297A (zh) * | 2021-05-13 | 2021-07-30 | 北京云迹科技有限公司 | 一种路面识别方法、装置及电子设备 |
CN113592891A (zh) * | 2021-07-30 | 2021-11-02 | 华东理工大学 | 无人车可通行域分析方法及导航栅格地图制作方法 |
CN113936215A (zh) * | 2021-10-20 | 2022-01-14 | 江苏徐工工程机械研究院有限公司 | 一种矿区路面凹坑的识别方法、***及无人驾驶货车 |
CN114035584A (zh) * | 2021-11-18 | 2022-02-11 | 上海擎朗智能科技有限公司 | 机器人检测障碍物的方法、机器人以及机器人*** |
CN114140452A (zh) * | 2021-12-07 | 2022-03-04 | 成都信息工程大学 | 基于rgb-d深度相机的低矮凸起障碍物、路面坑洼检测方法 |
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人*** |
CN115342821A (zh) * | 2022-08-03 | 2022-11-15 | 南京理工大学 | 一种复杂未知环境下的无人车导航代价地图构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115574803B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512646B (zh) | 一种数据处理方法、装置及终端 | |
JP2021534481A (ja) | 障害物又は地面の認識及び飛行制御方法、装置、機器及び記憶媒体 | |
CN109683170B (zh) | 一种图像行驶区域标注方法、装置、车载设备及存储介质 | |
CN108875804B (zh) | 一种基于激光点云数据的数据处理方法和相关装置 | |
CN109840448A (zh) | 用于无人驾驶车辆的信息输出方法和装置 | |
CN110782465B (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
EP4016457A1 (en) | Positioning method and apparatus | |
CN108734780B (zh) | 用于生成地图的方法、装置和设备 | |
CN112102151A (zh) | 栅格地图的生成方法、装置、移动智慧设备和存储介质 | |
CN109636842B (zh) | 车道线修正方法、装置、设备及存储介质 | |
CN111638520A (zh) | 障碍物识别方法、装置、电子设备及存储介质 | |
CN113064179A (zh) | 一种点云数据筛选方法、车辆控制方法及装置 | |
CN111339876A (zh) | 用于识别场景中各区域类型的方法和装置 | |
CN113085899A (zh) | 视野盲区预警方法、装置、设备及存储介质 | |
CN113646804A (zh) | 物体检测装置 | |
JP2017174197A (ja) | 立体物検出方法及び立体物検出装置 | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
CN114384491B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN115755097A (zh) | 天气情况检测方法、装置、设备及存储介质 | |
US8483478B1 (en) | Grammar-based, cueing method of object recognition, and a system for performing same | |
CN115574803B (zh) | 移动路线确定方法、装置、设备及存储介质 | |
CN113376643A (zh) | 距离检测方法、装置及电子设备 | |
CN115755026A (zh) | 车辆引导方法及车辆 | |
CN113763308B (zh) | 一种地面检测方法、装置、服务器及介质 | |
CN112286178B (zh) | 识别***、车辆控制***、识别方法及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |