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】
本专利技术属于地面无人平台环境感知领域,具体涉及一种面向非结构场景的地面无人平台环境通行性评估方法和装置。
技术介绍
1、地面无人平台是一种可连续自主行驶的智能机器人。它通过自身搭载的各类传感器获得当前环境的信息,并结合先验导航数据进行自主路径规划与运动控制。在非结构场景中,特别在野外定位导航数据精度较低时,地面无人平台安全通行的前提条件是对环境的通行性进行准确地评估。
2、非结构环境的通行性评估其目的在于量化环境中不同位置的可通行性。地面无人平台根据其对环境通行性的评估结果优先选择通行性较高的位置进行路径规划。对环境进行可通行性评估的信息来源主要包括平台自身配置的各类传感设备如工业相机、激光雷达、惯性导航单元等,其次,先验的导航路点也是一类重要的辅助信息。
3、导航路点以连续的gps位置表示,其作用在于指示通行任务的行驶路径,但在野外非结构场景中,由于缺少高精度地图,地面无人平台获得的导航路点信息往往带有较大的偏差。因此,如何实现基于低精度导航路点、视觉图像以及激光点云等多源异构信息融合的环境通行性评估是地面无人平台在野外非结构场景中安全行驶的关键。
4、当前应用于环境可通行性评估的方法主要为基于视觉图像、激光雷达或多传感器融合的可通行区域检测。基于视觉图像产生的可通行区域的缺陷在于其不能提供准确的位置信息;基于激光雷达的方法无法处理路面特征不明显的非结构场景,无法有效利用场景的纹理信息。
5、为应对上述挑战,多传感器融合的可通行区域检测方法也得到了较多的研究。公布号为cn112
6、此外,对于利用点云或图像数据生成载体坐标系下的连续可通行区域,当前主流方法一是采用深度学习端到端生成bev视角的可通行区域,二是采用alpha shapes算法进行区域提取,但前者对计算硬件要求较高,且应用场景受限于模型的训练数据,后者在较大范围场景中存在实时性的问题。
技术实现思路
1、本专利技术的目的是提供一种面向非结构场景的地面无人平台环境通行性评估方法和装置,针对野外非结构场景缺失高精度地图以及准确导航信号的问题,提出基于可通行区域评估结果与历史轨迹的导航路点修正方法,并将修正后的导航路点与视觉图像以及激光点云数据进行多源异构信息融合,充分利用了先验知识和平台的历史数据,提升了评估准确性。
2、为实现上述专利技术目的,本专利技术提供的技术方案如下:
3、第一方面,本专利技术实施例提供的一种面向非结构场景的地面无人平台环境通行性评估方法,包括以下步骤:
4、步骤1:根据地面无人平台中前一时刻的环境可通行性评估结果和历史运动轨迹得到修正量,依据修正量对卫星地图中的导航路点进行修正,得到修正后的导航路点;
5、步骤2:将修正后的导航路点与视觉图像进行融合,得到视觉可通行区域分布标记点,将修正后的导航路点与激光点云数据进行融合,得到雷达可通行区域分布标记点;
6、步骤3:将视觉可通行区域分布标记点和雷达可通行区域分布标记点分别进行连续化处理,得到视觉连续可通行区域和雷达连续可通行区域;
7、步骤4:对视觉连续可通行区域和雷达连续可通行区域进行质量评估,并进行单帧融合,得到单帧融合后的可通行区域,所述单帧融合的可通行区域用于更新环境通行性模型。
8、本专利技术充分利用地面无人平台前一时刻的环境通行性评估结果和历史运动轨迹的历史评估点得到修正量,采用修正量对地面无人平台前方的导航路点进行修正;除此之外,通过地面无人平台的视觉图像采集装置和激光雷达设备,分别采集前进路径上的路面视觉图像和激光点云数据,采用多源异构信息融合技术,将修正后的导航路点和视觉图像以及激光点云数据进行融合,分别得到视觉可通行区域分布标记点集合和雷达可通行区域分布标记点集合;对两个集合进行连续化处理并进行单帧融合,得到的可通行区域用于更新环境通行性模型。
9、进一步的,所述的修正量,用公式表示为:
10、
11、其中,(dx,dy)表示修正量,wq,wk表示权重因子,s表示原始导航路点集合,pi表示原始导航路点集合中第i个导航路点,q表示前一时刻的可通行区域0-1二值化掩膜,h表示s中历史评估点的集合,|h|表示集合h中元素的数量,k表示历史运动轨迹的集合,定义满足以下条件的导航路点为历史评估点pj:
12、min(|pj,pk|)<dth pk∈k
13、fk表示修正后的历史评估点与历史运动轨迹的匹配程度,用公式表示为:
14、fk=min(|(pj·x+dx,pj·y+dy),pk|)pk∈k
15、fq表示修正后的导航路点与可通行区域0-1二值化掩膜q的匹配程度,用公式表示为:
16、fq=1-q(pi·x+dx,pi·y+dy)
17、其中,(x,y)表示对应点的坐标值,pk∈k表示历史运动轨迹点,dth表示距离约束阈值。
18、进一步的,所述的将修正后的导航路点与视觉图像进行融合,得到视觉可通行区域分布标记点,包括:
19、提取距离地面无人平台前方最近的一个修正后的导航路点作为感知预瞄点p,将感知预瞄点p和地面无人平台采集到的点云投影到bev视角下;
20、获取bev视角下与感知预瞄点p距离最近的激光测量点(xg,yg,zg)并投射至地面无人平台采集到的视觉图像所在的图像平面,获得图像平面中的感知预瞄点pg,并以此作为提示信息;
21、基于提示信息,采用grabcut算法获得图像平面中的可通行区域掩膜;
22、将点云投影到图像平面,得到被所述图像平面中的可通行区域掩膜覆盖的投影点,所述投影点作为视觉可通行区域分布标记点。
23、进一步的,所述的将修正后的导航路点与激光点云数据进行融合,得到雷达可通行区域分布标记点,包括:
24、针对激光雷达采集到的激光点云数据,根据路面检测目标,设置对应的检测特征,用于筛选出候选雷达可通行区域点;
25、所述候选雷达可通行区域点需要判断是否受修正后的导航路点约束,判断条件为:
26、
27、其中,plid表示候选雷达可通行区域点,表示修正后的导航路点集合,p表示修正后的导航路点集合中的导航本文档来自技高网...
【技术保护点】
1.一种面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的修正量,用公式表示为:
3.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的将修正后的导航路点与视觉图像进行融合,得到视觉可通行区域分布标记点,包括:
4.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的将修正后的导航路点与激光点云数据进行融合,得到雷达可通行区域分布标记点,包括:
5.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的连续化处理,包括:
6.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的对视觉连续可通行区域和雷达连续可通行区域进行质量评估,采用SHAP理论进行质量评估,包括:
7.根据权利要求6所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的单帧融
8.根据权利要求7所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的更新环境通行性模型,包括:
9.一种面向非结构场景的地面无人平台环境通行性评估装置,其特征在于,包括导航路点修正单元、多源异构信息融合单元、区域连续化单元、通行性模型更新单元;
10.一种面向非结构场景的地面无人平台环境通行性评估设备,包括存储器和处理器,所述存储器用于存储计算机程序,其特征在于,所述处理器用于当执行所述计算机程序时,实现权利要求1-8任一项所述的面向非结构场景的地面无人平台环境通行性评估方法。
...【技术特征摘要】
1.一种面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的修正量,用公式表示为:
3.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的将修正后的导航路点与视觉图像进行融合,得到视觉可通行区域分布标记点,包括:
4.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的将修正后的导航路点与激光点云数据进行融合,得到雷达可通行区域分布标记点,包括:
5.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其特征在于,所述的连续化处理,包括:
6.根据权利要求1所述的面向非结构场景的地面无人平台环境通行性评估方法,其...
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。