一种牵引车组位姿检测方法及系统技术方案

本发明专利技术提供了一种牵引车组位姿检测方法及系统，其中方法步骤包括：S1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；S2设置以牵引车头预设位置为参照点，建立全局坐标系；S3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；S4计算单元调取特征库比对数据块，识别数据块中的特征点数据；S5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿，籍此有效检测牵引车组中的挂载车相对于牵引车头的位姿，而无需对挂载车进行任何改装。

A method and system for detecting the position and attitude of tractor set

【技术实现步骤摘要】
一种牵引车组位姿检测方法及系统
本专利技术涉及自动驾驶
，尤其涉及利用物体识别技术手段，对牵引车组中的拖车行使位姿进行检测的方法及系统。
技术介绍
牵引车组是物流场景中数量最多的车辆类型，也是仓储无人化的最主要车型，主要用于不同地点之间货物的运输。牵引车组通常由一个提供牵引力的牵引车头和后面若干节装载货物的拖车组成一个牵引车编组。牵引车组在作业过程中，通常需要将每一节的拖车跟货运平台车交接货物，以将拖车上的货物转移到货运平台车上。而现有技术的无人驾驶牵引车组，主要是利用先进的人工智能技术实现牵引车组的自动作业，即无需人类驾驶员操控，牵引车组便能自主将货物从初始位置运送到目标位置。与乘用车的无人驾驶系统相类似，无人驾驶牵引车组系统主要由感知、决策和控制三部分组成。其中感知模块利用各式传感器获取道路周遭的环境信息。这些采集到的环境信息经过处理后送达决策模块，根据当前的状态对牵引车的行为进行决策。控制模块将按决策的结果，对牵引车组进行控制。当前现有技术的牵引车组中，对于拖车位姿的检测主要通过在拖车中加装相应的传感器来实现。例如一种方法是在拖车挂钩处增加角度传感器，实时的反馈拖车相对于牵引车头的角度，从而计算出拖车相对于牵引车头的位姿。这种方法的劣势主要是需要精度较高的角度传感器，成本高；同时挂钩是拖车的主要受力点，容易造成磨损从而影响测量精度及寿命。另一种现有技术方法是对拖车的两个轮子加装编码器，获得两个轮子的转动角度，从而间接的计算出拖车相对牵引车头的位姿。而这种方法的劣势主要是车轮在工作中不可避免会有打滑现象产生，由此会影响测量的精度，而且运行时间越长，累积的误差会越大；同时在每次将新的拖车挂到牵引车头时，还需要对编码器进行归零校准，操作繁琐且对校准的精度要求高，技术实施障碍较多。此外以上的两种现有技术方案，还具有一个共通的客观技术缺陷，即在一般的使用场景中，拖车的数量通常要远远大于牵引车头的数量，因此无论是改装拖车挂钩，还是拖车车辆，都将会产生巨大的改装成本。另外，对拖车上的传感器进行供电和数据传输，还需要增加额外的布线，在提高了技术实施复杂度的同时，也提高了系统的维护成本。
技术实现思路
本专利技术的主要目的在于提供一种牵引车组位姿检测方法及系统，以供有效检测牵引车组中的挂载车相对于牵引车头的位姿，而无需对挂载车进行任何改装。为了实现上述目的，根据本专利技术的一个方面，提供了一种牵引车组位姿检测方法，步骤包括：S1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；S2设置以牵引车头预设位置为参照点，建立全局坐标系；S3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；S4计算单元调取特征库比对数据块，识别数据块中的特征点数据；S5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿。可选的，该牵引车组位姿检测方法中，该扫描数据为坐标点数据，该数据分割处理步骤包括：S3.1采用聚类算法，相对参照点由近及远的对坐标点数据进行分析；S3.2当判断坐标点数据近似位于一条直线上时，聚类形成数据块。可选的，其中步骤S3中的特征库比对步骤包括：S4.1数据块生成点云，以与所述特征库中存储的特征模型的轮廓进行拟合，获取特征点数据；S4.2对步骤S4.1拟合判断出的特征点数据标记出，拖车数据块、平台车数据块、障碍物数据块中的任一种。可选的，其中步骤S4中的数据块所处相对坐标方位计算步骤包括：S5.1计算拖车数据块的坐标点与参照点的坐标距离，判断其为第几节拖车；S5.2计算拖车数据块的坐标点所处全局坐标系中的坐标位置，判断拖车行使位姿。可选的，该牵引车组位姿检测方法，其中步骤还包括：S5.3计算平台车数据块的坐标点与参照点的坐标距离，判断其与拖车的距离；S5.4计算平台车数据块的坐标点所处全局坐标系中的坐标位置，判断平台车与拖车的相对位姿。可选的，该牵引车组位姿检测方法，其中步骤还包括：S5.5计算障碍物数据块的坐标点与参照点的坐标距离，判断其与拖车的距离；S5.6计算障碍物数据块的坐标点所处全局坐标系中的坐标位置，判断障碍物与拖车的相对位姿。可选的，其中该扫描单元设置在牵引车头下方，并配置扫描基线覆盖至少部分的拖车车轮或平台车车轮中的至少一项区域。可选的，其中该特征库中包括：拖车车轮特征数据或平台车车轮特征数据中的至少一项。可选的，其中步骤S5还可替换为：计算单元依据全局坐标系，计算特征点数据之间所处坐标系中的相对方位，获取其位姿。为了实现上述目的，根据本专利技术的另一方面，还提供了一种牵引车组位姿检测系统，其包括：扫描单元，计算单元，存储单元，电源模块，其中该存储单元中存储有上述牵引车组位姿检测方法及特征库，该扫描单元固定在牵引车头预设位置处，并与该计算单元通信连接，传输扫描数据，以供该计算单元调取该存储单元存储的上述牵引车组位姿检测方法及特征库，执行对该扫描数据的处理。通过本专利技术提供的该牵引车组位姿检测方法及系统，能够有效检测牵引车组中的挂载车相对于牵引车头的位姿，而无需对挂载车进行任何改装，且实施成本较低，检测精度稳定，可靠性高，使用寿命相对于现有技术有一定提高，能够直接适用于现有技术的牵引车组，且技术实施难度较低，有利于技术的推广具有较高商业运用价值。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术的牵引车组位姿检测系统拖车示例结构示意图；图2为本专利技术的牵引车组位姿检测系统拖车示例结构示意图；图3为本专利技术的牵引车组位姿检测系统平台车示例结构示意图；图4为本专利技术的牵引车组位姿检测系统结构示意图；图5为本专利技术的牵引车组位姿检测系统位姿检测示例图；图6为本专利技术的牵引车组位姿检测方法步骤图。具体实施方式下面对本专利技术的具体实施方式进行详细地说明。以下示例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。为了使本领域的技术人员更好的理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术的保护范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似本文档来自技高网...

【技术保护点】
1.一种牵引车组位姿检测方法，步骤包括：/nS1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；/nS2设置以牵引车头预设位置为参照点，建立全局坐标系；/nS3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；/nS4计算单元调取特征库比对数据块，识别数据块中的特征点数据；/nS5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿。/n

【技术特征摘要】
1.一种牵引车组位姿检测方法，步骤包括：
S1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；
S2设置以牵引车头预设位置为参照点，建立全局坐标系；
S3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；
S4计算单元调取特征库比对数据块，识别数据块中的特征点数据；
S5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿。


2.根据权利要求1所述的牵引车组位姿检测方法，其中扫描数据为坐标点数据，所述数据分割处理步骤包括：
S3.1采用聚类算法，相对参照点由近及远的对坐标点数据进行分析；
S3.2当判断坐标点数据近似位于一条直线上时，聚类形成数据块。


3.根据权利要求2所述的牵引车组位姿检测方法，其中步骤S3中的特征库比对步骤包括：
S4.1数据块生成点云，以与所述特征库中存储的特征模型的轮廓进行拟合，获取特征点数据；
S4.2对步骤S4.1拟合判断出的特征点数据标记出，拖车数据块、平台车数据块、障碍物数据块中的任一种。


4.根据权利要求3所述的牵引车组位姿检测方法，其中步骤S4中的数据块所处相对坐标方位计算步骤包括：
S5.1计算拖车数据块的坐标点与参照点的坐标距离，判断其为第几节拖车；
S5.2计算拖车数据块的坐标点所处全局坐标系中的坐标位置，判断拖车行使位姿。


5.根据权利要求4所述的牵引车组...

【专利技术属性】
技术研发人员：宋志伟，吴锋，李晶，郑露，梁治，
申请(专利权)人：仓擎智能科技上海有限公司，安徽仓擎机器人有限公司，
类型：发明
国别省市：上海;31