System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能停车领域内的停车机器人轮胎识别与自动进近方法。
技术介绍
1、现有技术中公开了公布号为:cn 115680345 a,公布日期为2023.02.03的一种控制泊车机器人泊车的方法及泊车机器人。本申请实施例先通过朝向指定停车区域的第一激光传感器扫描指定停车区域内停放的车辆的四个轮胎获得第一点云,基于第一点云动态进行车轮识别,以确定泊车机器人执行泊车所需的参考位姿信息(至少包括参考位置),之后泊车机器人依据参考位姿信息行驶至参考位置,再通过泊车机器人的夹臂的两侧部署的激光传感器比如2d激光雷达计算更精确的目标位姿信息,以实现夹臂和车轮完成精确对准,方便后续对车辆的夹持操作,避免现有因泊车机器人搬运车辆时出现因车辆位姿信息不准确而导致泊车机器人无法正常搬运车辆,从而提高泊车机器人执行泊车的效率。但是,其采用两个激光雷达,建立的坐标体系更复杂,不能做到快速、精确、简便的找到车辆轮胎位置,并且也不能实现停车机器人与车辆之间的自动进近。
技术实现思路
1、本专利技术的目的是提供一种停车机器人轮胎识别与自动进近方法,能够快速、精确、简便的找到车辆轮胎位置,进而安全、稳定的搬运小汽车。
2、为实现上述目的,本专利技术提供了一种停车机器人轮胎识别与自动进近方法,包括以下步骤,
3、步骤1,安装2d激光传感器在停车机器人前表面,确保激光传感器的视线平面离地面50毫米,停车机器人应运动至小汽车的前轮胎或者后轮胎2m时,准备开始轮胎识别;
4、步骤2,
5、步骤3,识别两个轮胎截面的点簇;
6、步骤4,识别轮胎坐标位置;
7、步骤5,停车机器人距离小汽车前部或者后部1.7米远,自动接近程序启动;
8、步骤6,通过步骤2-4,不断识别获取轮胎的坐标,并依据轮胎的坐标来进行停车机器人与小汽车的对中调整;
9、步骤7,停车机器人进行直线运动,直到其中心与车轴中心上下对齐。作为本专利技术的进一步改进,步骤2的具体内容如下,步骤2.1,实时获得极坐标系下轮胎及周边环境点云数据,包括角度信息、距离信息及强度信息,建立极坐标结构体数组,用于存储点的极坐标;
10、步骤2.2,停车机器人运动至轮胎2m范围内,设置阈值为极坐标系距离5m,角度为60°至300°,超出阈值范围的点对停车机器人的轮胎识别不起作用,故去掉距离和角度都超过阈值的点;
11、步骤2.3,将点云分为若干点簇,遍历点云,运用k-means聚类算法对点云进行预处理,将整个点云数据集分为k个具有某种统一特征的点云簇,首先从获得的点云数据集中随机选择k个点作为点云簇的中心点,接着对于每个点云数据分别计算与上述k个点的实际距离,依据距离值最小的原则将其聚类到该点云簇,之后对聚类的点云簇计算形心坐标,并更新点云簇中心点;
12、步骤2.4,重复步骤2.3,直到点云簇中心点不再变化即停止k-means聚类过程。
13、作为本专利技术的进一步改进,步骤3的具体内容如下,
14、步骤3.1,首先,建立轮胎2d激光模型样品数据库,数据库具体包括第i种类型的一对轮胎中心距离dwi、轮胎截面长度lwi、轮胎截面宽度wwi、轮胎固定频率下扫描点数nwi,且允许误差范围为±10%;
15、步骤3.2,其次,进行特征识别来区分轮胎截面点簇,轮胎截面点簇有以下两个特征:1、对称性;2、具有90度角点,且特征1优先度大于特征2,但是为便于特征1识别,先进行特征2识别,获得角点,以角点为分割,将同一轮胎截面点簇分为垂直的两条线段的点云;特征2采用斜率差法原理,以激光传感器为圆心,利用相邻点的斜率差值来区分角点;
16、步骤3.3,将获得的若干组对称的且有直角点的点云簇基于轮胎截面2d激光模型样品数据数据进行筛选,完成特征匹配,符合条件的即是两个轮胎截面的点簇。
17、作为本专利技术的进一步改进,步骤4的具体内容如下,识别轮胎坐标位置,检测目标为汽车左前轮与汽车右前轮,或者为汽车左后轮与汽车右后轮,在检测到目标汽车的轮胎后,将为每个车轮提取以下未知数:xt和yt,是提取轮胎的点簇之后获得的轮胎侧面的矩形轮廓上的竖直线段的中心的x和y坐标,该点位于轮胎中心正下方。
18、作为本专利技术的进一步改进,步骤3.2的中特征2识别的具体内容如下,
19、以激光传感器为圆心o,从o点向直线l以等角度δθ的间隔画直线,其中直线l为随机一段直线点云,交点依次为q1、q2、q3、q4…qi,o点到交点的长度依次为d1、d2、d3、d4…di,i为交点的数量,然后,由q1点向oq2做垂线相交于q1’点,则ω1为直线l与q1q1’的夹角,同理可得ω2和ω3;
20、当δθ很小时,sinθ≈θ,故有
21、
22、令第i点的斜率ki为
23、
24、因为由几何关系得:
25、ω3=ω2+δθ=ω1+2δθ
26、故
27、tanω2-tanω1=tanθ(1+tanω2+tanω1)
28、且因为tanδθ≈0,故
29、k3-k2≈k2-k1=tanω2-tanω1≈0
30、当相邻点的斜率ki值差距很小时,就认为它们位于同一条直线上,否则斜率突变点为角点;角点δk(i)处有较明显的峰值,且呈现为独点单峰,由此可以判断出该点为角点。
31、作为本专利技术的进一步改进,步骤3.2的中特征1识别的具体内容如下,
32、特征1识别采用拟合中心线法:首先,经过预处理获得了k个具有某种统一特征的点云簇,接下来,将点云簇两两匹配,即pi、pj,其中0≤i≤k,0≤j≤k;将pi,pj内点由极坐标转变为直角坐标;
33、xpi=ρpicosθpi
34、ypi=ρpisinθpi
35、xpj=ρpjcosθpj
36、ypj=ρpjsinθpj
37、其中,ρpi、θpi表示pi点云簇内各点极坐标系下角度、距离,ρpj、θpj表示pj点云簇内各点极坐标系下角度;xpi、ypi表示pi点云簇内各点直角坐标系下横坐标、纵坐标,xpj、ypj表示pj点云簇内各点直角坐标系下横坐标、纵坐标;
38、由于特征2识别将角点两边点云簇划分为线段状点云,pi,pj内不同线段内点云进行两两匹配,即pin,pjm,其中1≤n,m≤特征2识别将角点数+1,计算这两组点云内点的中心点坐标即:
39、
40、
41、其中xpin、ypin表示pin线段点云簇内各点直角坐标系下横坐标、纵坐标,xpjm、ypjm表示pim线段点云簇内各点直角坐标系下横坐标、纵坐标,(xmiddle,ymiddle)为包含了i个中心点坐标的数组。
42、利用最小二乘法拟合xmiddle,ymiddle中数据点xi和yi,本文档来自技高网...
【技术保护点】
1.一种停车机器人轮胎识别与自动进近方法,其特征在于:包括以下步骤,
2.根据权利要求1的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤2的具体内容如下,
3.根据权利要求2的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3的具体内容如下,
4.根据权利要求3的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤4的具体内容如下,
5.根据权利要求4的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3.2的中特征2识别的具体内容如下,
6.根据权利要求5的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3.2的中特征1识别的具体内容如下,
7.根据权利要求5的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3.3的具体内容如下,
8.根据权利要求7的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤6的具体内容如下,
9.根据权利要求8的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤6.4的具体内容如下,
10.根据权利要求9
...【技术特征摘要】
1.一种停车机器人轮胎识别与自动进近方法,其特征在于:包括以下步骤,
2.根据权利要求1的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤2的具体内容如下,
3.根据权利要求2的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3的具体内容如下,
4.根据权利要求3的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤4的具体内容如下,
5.根据权利要求4的一种停车机器人轮胎识别与自动进近方法,其特征在于:步骤3.2的中特征2识别的具体内容如下,
6.根据权...
【专利技术属性】
技术研发人员:王伟,赵起祥,苏鹏飞,张劲,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。