【技术实现步骤摘要】
专利技术涉及传感器感知识别领域，具体是一种基于2d激光雷达的人车跟随方法。
技术介绍
1、人车跟随是自动驾驶的一个新方向，在农业、物流领域有很大的应用前景，人车跟随系统由车辆和一个或多个传感器组成，主要包括目标的感知、识别与跟随控制两个大部分。
2、一般而言，目标的感知、识别可以运用两类传感器，一类是以视觉为代表的传感器，另一类是以超声波、激光雷达为代表的测距传感器，由于视觉传感器在黑暗场景下几乎不可用的特性，使用激光雷达作为感知、识别的传感器是现在研究的技术重点之一，常用的激光雷达识别算法有迭代法和序惯法。
3、一般而言，车辆跟随控制算法主要有比例控制算法、模糊控制算法、mpc控制算法。比例控制算法无法解决系统稳态误差，模糊控制算法对标定表的依赖程度过高，而mpc控制算法往往因得不到完整的车辆状态而无法实现完整的控制。
4、如何提高激光雷达感知、识别特征曲线的准确性和实现高精度的人车跟随是本领域的重要技术课题之一。
技术实现思路
1、本专利技术的目的在于提供一种基于2d激光雷达的人车跟随方法，该方法的特征曲线提取简单、效率和准确性高，人车跟随控制算法稳定，在户外、农业、物流领域有较为广阔的应用前景。
2、实现本专利技术目的的技术方案是：
3、一种基于2d激光雷达的人车跟随方法，其特征在于，包括如下步骤：
4、1)安装步骤：激光雷达的安装需要特定的方式安装，保证能实时检测到目标人员；
5、2)感知步
6、3)识别步骤：过滤杂点，识别出特征曲线，并进行优化；
7、4)跟随步骤：在优化特征曲线的基础上，计算出人与车的相对距离，利用pid算法保持固定距离。
8、步骤1）中，所述安装步骤包括：固定激光雷达在小车头顶部，并保证激光雷达360度无遮挡，可以实时扫描到前方需要跟随的人。
9、步骤2)中，所述感知步骤包括：使用小车上的2d激光雷达扫描周围的环境，生成一帧点云数据，将该帧点云数据的距离、角度矩阵转换为笛卡尔坐标的形式存储在嵌入式平台中。
10、步骤3)中，，所述识别步骤包括：首先使用邻点阈值法保证每一段点集都是连续的，即每个点与其相邻的点之间的距离都不超过阈值λ；然后使用最小二乘法优化拟合每一个点集，使其变成光滑曲线；接着取与所跟随的人的特征曲线匹配度最高的当作匹配特征曲线。
11、步骤4)中，所述跟随步骤包括：取匹配特征曲线的最短距离当作人车距离，并运用pid算法控制车辆的快慢，保持车与人的距离保持在一个动态相等中，从而实现人车跟随。
12、有益效果：本专利技术提供的一种基于2d激光雷达的人车跟随方法，首先将激光雷达无遮挡地安装在小车顶部，然后在嵌入式平台中启动激光雷达并进行范围扫描，对获取的2d激光点云数据进行坐标系转换，在此基础上对点云数据进行特征提取和拟合优化，将提取的特征曲线与跟随目标特征进行匹配，得到人车相对距离，利用pid算法实现动态等距控制。
本文档来自技高网...【技术保护点】
1.一种基于2D激光雷达的人车跟随方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于2D激光雷达的人车跟随方法，其特征在于，所述安装步骤包括：固定激光雷达在小车头顶部，并保证激光雷达360度无遮挡，可以实时扫描到前方需要跟随的人。
3.根据权利要求2所述的基于2D激光雷达的人车跟随方法，其特征在于，所述感知步骤包括：使用小车上的2D激光雷达扫描周围的环境，生成一帧点云数据，将该帧点云数据的距离、角度矩阵转换为笛卡尔坐标的形式存储在嵌入式平台中。
4.根据权利要求3所述的基于2D激光雷达的人车跟随方法，其特征在于，所述识别步骤包括：首先使用邻点阈值法保证每一段点集都是连续的，即每个点与其相邻的点之间的距离都不超过阈值λ；然后使用最小二乘法优化拟合每一个点集，使其变成光滑曲线；接着取与所跟随的人的特征曲线匹配度最高的当作匹配特征曲线。
5.根据权利要求4所述的基于2D激光雷达的人车跟随方法，其特征在于，所述跟随步骤包括：取匹配特征曲线的最短距离当作人车距离，并运用PID算法控制车辆的快慢，保持车与人的距离保持在一个动态相等中
...【技术特征摘要】
1.一种基于2d激光雷达的人车跟随方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于2d激光雷达的人车跟随方法，其特征在于，所述安装步骤包括：固定激光雷达在小车头顶部，并保证激光雷达360度无遮挡，可以实时扫描到前方需要跟随的人。
3.根据权利要求2所述的基于2d激光雷达的人车跟随方法，其特征在于，所述感知步骤包括：使用小车上的2d激光雷达扫描周围的环境，生成一帧点云数据，将该帧点云数据的距离、角度矩阵转换为笛卡尔坐标的形式存储在嵌入式平台中。
4.根据权...
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。