全天候作业的无人驾驶运输车环境感知系统及方法技术方案

本发明专利技术提供了一种全天候作业的无人驾驶运输车环境感知系统及方法，属于无人驾驶的技术领域；所述系统包括斜角对置的激光感知系统、环绕周车的超声波感知系统、环绕周车的毫米波雷达系统、环绕周车的相机系统、车顶安装的天线定位系统、数据通讯系统和多源异构环境感知融合系统；分别通过激光感知系统、超声波感知系统、毫米波感知系统以及相机系统建立相应的二维栅格地图，结合天线定位系统接收的高精度定位信息及航向测量和数据通讯系统获取的路侧和基站的预处理通讯信息，最后经多源异构环境感知融合系统将获取的二维栅格地图、高精度定位信息及航向测量，以及预处理通讯信息进行决策级融合，以获得全天候环境感知功能的二维融合栅格地图。二维融合栅格地图。二维融合栅格地图。

【技术实现步骤摘要】
全天候作业的无人驾驶运输车环境感知系统及方法


[0001]本专利技术属于无人驾驶的
，具体地涉及一种全天候作业的无人驾驶运输车环境感知系统及方法。

技术介绍

[0002]由于无人驾驶运输车辆有望可以降低作业强度、降低作业风险和提高作业效率，该技术产业化发展正如火如荼。作为无人驾驶运输车实现的重要环节，环境感知技术也取得了突破性的进展。但是，受限于单个传感器探测能力的限制和环境因素(雨雾、光照等)的制约，现有环境感知技术还没有实现全天候环境的感知功能，导致无人驾驶运输车仅能在部分场景下使用，从而限制了无人驾驶运输车的适用范围。
[0003]因此，如何实现无人驾驶运输车的全天候环境感知功能是一个亟待解决的研究课题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了一种全天候作业的无人驾驶运输车环境感知系统及方法。
[0005]本专利技术是通过以下技术方案实现的：
[0006]本专利技术涉及一种全天候作业的无人驾驶运输车环境感知系统，其包括激光感知系统、超声波感知系统、毫米波感知系统、相机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全天候作业的无人驾驶运输车环境感知系统，其特征在于，包括激光感知系统、超声波感知系统、毫米波感知系统、相机系统、天线定位系统、数据通讯系统和多源异构环境感知融合系统；所述激光感知系统，包括对角设置的激光雷达，其用于实现路沿识别、可通行区域提取以及障碍物聚类，并建立的二维激光栅格地图；所述超声波感知系统，包括环绕周车设置的超声波雷达，其用于实现可通行区域提取及障碍物聚类，并建立与所述二维激光栅格地图同坐标轴的二维超声波栅格地图；所述毫米波感知系统，包括环绕周车设置的毫米波雷达，其用于实现可通行区域提取及障碍物聚类，并建立与所述二维激光栅格地图同坐标轴的二维毫米波栅格地图；所述相机系统，包括环绕周车设置的视觉相机，其用于实现路沿识别、可通行区域提取以及障碍物聚类，并建立与所述二维激光栅格地图同坐标轴的二维相机栅格地图；所述天线定位系统，包括车顶设置的天线，其用于实现接收定位信息和航向测量；所述数据通讯系统，用于实现路侧和基站发布的信息与车载传感器信息融合，并实时对外发布车辆感知的环境信息；所述多源异构环境感知融合系统，用于将车载的所述激光感知系统、所述超声波感知系统、所述毫米波感知系统、所述相机系统、所述天线定位系统和所述数据通讯系统的传感信息融合，以获得得到全天候感知、覆盖和跨尺度交互的环境信息。2.根据权利要求1所述的感知系统，其特征在于，所述天线定位系统用于接收北斗定位、GPS、格洛纳兹、伽利略定位系统和UWB的差分厘米级定位信息。3.根据权利要求1所述的感知系统，其特征在于，所述数据通讯系统采用专用短程通信、长期演进的车辆通信、Wifi通信和5G通信中的任一种进行数据通信。4.一种基于权利要求1所述的全天候作业的无人驾驶运输车环境感知系统的感知方法，其特征在于，具体步骤如下：步骤S110：建立具有路沿、可通行区域以及障碍物信息的二维激光栅格地图；步骤S120：建立具有可通行区域以及障碍物信息的二维超声波栅格地图；步骤S130：建立具有可通行区域以及障碍物信息的二维毫米波栅格地图；步骤S140：建立具有路沿、可通行区域以及障碍物信息二维相机栅格地图；步骤S150：获取并输出高精度定位信息和航向测量；步骤S160：通过所述数据通讯系统获取路侧和基站的初始通讯信息，将所述初始通讯信息分别与自车对应的传感器信息采用并集运算以进行的特征融合，以获得路侧和基站的预处理通讯信息；步骤S170：通过所述多源异构环境感知融合系统将所述二维激光栅格地图、所述二维超声波栅格地图、所述二维毫米波栅格地图、所述二维相机栅格地图与所述高精定位信息，以及所述预处理通讯信息采用并集运算以进行决策级融合，以获得全天候环境感知的二维融合栅格地图。5.根据权利要求4所述的感知方法，其特征在于，所述步骤S110的具体步骤包括：步骤S111：通过所述激光雷达获取各自的原始激光点云，根据公式(1)，采用裁剪操作将自车车体遮挡的激光点云从相对应的所述原始激光点云中剔除，以获取各自的初始激光点云；
X
10n_b
＝X
10n_a
－X
10n_car
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，X
10n_b
表示第n个所述激光雷达的初始激光点云，X
10n_a
表示第n个所述激光雷达的原始激光点云，X
10n_car
表示自车车体投影在第n个所述激光雷达坐标系下的矩形点集；步骤S112：根据公式(2)，利用组合导航系统信息处理结果中的自车运动信息对所述初始激光点云进行运动补偿，纠正由于自车运动导致的点云畸变，以获取预处理激光点云；X
10n_c
＝RX
10n_b
－T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，X
10n_c
表示第n个所述激光雷达的预处理激光点云，R表示旋转矩阵，T表示平移矩阵；步骤S113：将n个所述预处理激光点云采用公式(3)进行像素级融合得到一个像素级融合激光点云；X
100_d
＝X
101_c
∪X
102_c
∪...∪X
10n_c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)式中，X
100_d
表示n个所述激光雷达进行像素级融合求并集运算得到的像素级融合激光点云；步骤S114：根据公式(4)分割所述像素级融合激光点云，分别提取出地面和非地面的特征激光点云；式中，X
100_e
表示地面点云，X
100_f
表示非地面点云，d
100
表示所述激光雷达的离地高度；步骤S115：根据获得的所述地面特征激光点云和所述非地面的特征激光点云，采用如公式(5)所示的最近邻聚类算法，提取可通行区域和非地面块；并因路沿位于可通行区域的两侧，且障碍物则占用可通行区域，采用公式(6)和公式(7)，通过对非地面块与可通行区域做并集运算，可分别识别出路沿和障碍物，以获取获取路沿、可通行区域以及障碍物信息；X
100_g
＝k_means(X
100_e
,6σ
100
),X
100_h
＝k_means(X
100_f
,6σ
100
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)(5)式中，k_means(.)表示最近邻聚类函数，其输入为源数据和最近邻距离，σ
100
表示激光雷达测距精度，X
100_g
表示地面点云聚类得到的可通行区域，X
100_h
表示非地面点云聚类得到非地面块，X
100_i
表示障碍物，X
100_j
表示路沿，diag(1,1,0)表示对角矩阵，其行数和列数相等，行数等于X
100_i
的列数；步骤S116：建立以车辆后轴为原点、朝车头方向为+X轴、朝后轴右侧车轮方向为+Y轴的二维激光栅格地图，并将所述路沿信息、所述可通行区域信息以及所述障碍物信息标注在所述二维激光栅格地图当中，以建立具有路沿、可通行区域以及障碍物信息的二维激光栅格地图。6.根据权利要求4所述的感知方法，其特征在于，所述步骤S120的具体步骤包括：步骤S121：通过所述超声波雷达获取各自的初始超声波点云；步骤S122：根据公式(8)，利用组合导航系统信息处理结果中的自车运动信息对所述初始超声波点云进行运动补偿，纠正由于自车运动导致的点云畸变，以获得所述预处理超声
波点云；X
20m_b
＝RX
20m_a
－T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中，X
20m_b
表示第m个所述预处理超声波点云，R表示旋转矩阵，T表示平移矩阵；步骤S123：将m个所述预处理超声波点云采用公式(9)进行像素级融合得到一个像素级融合超声波点云；X
200_c
＝X
201_b
∪X
202_b
∪...∪X
10m_b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式中，X
200_c
表示m个所述超声波雷...

【专利技术属性】
技术研发人员：曾德全，胡一明，楼狄明，熊璐，陈齐平，邓振文，张周平，王旭华，涂培培，刘登程，
申请(专利权)人：南昌智能新能源汽车研究院，
类型：发明
国别省市：