【技术实现步骤摘要】
本申请涉及非结构地形点云建图，特别是涉及一种考虑车辆-地形耦合的非结构地形安全语义分割方法。
技术介绍
1、无人工程车辆在大规模建筑施工、隧道环境作业以及抢险救灾等非结构地形环境下展现出巨大的应用潜力，高精度地图是无人驾驶系统的基本功能，它不仅依赖于高分辨率的地形数据，还要求具备实时准确的语义信息，以确保无人驾驶车辆能够安全有效地进行作业规划。
2、在非结构地形环境中，工程车辆在执行作业任务时的行驶速度较低，主要是因为地形的不规则性可能引发车辆失稳侧翻。大多工程车辆的质心位置较高，造成驾驶员视野受限，对地形的可通行性评估不准时增加了车辆侧翻的风险。通过建立车辆-地形耦合模型，能够更为精准地预测车辆的行驶姿态信息，获取工程车辆的风险预警状态。然而，这种耦合模型的实时计算存在较大的时滞性，无法提供充足的车辆控制决策及反馈响应时间。为此，通过对非结构地形的点云数据进行安全预警状态划分，并将这些预警状态作为语义信息整合到高精度地图中，可直接提前为车辆提供区域行驶安全信息及控制响应反馈，在保证安全的前提下优化无人驾驶工程车辆的作业性能
【技术保护点】
1.一种考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，预先扫描目标构建非结构地形点云，通过非结构地形点云模型实施的安全语义分割方法包括以下步骤：
2.如权利要求1所述的考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，步骤1中在非结构地形点云模型中的索引对象为高程值时，采用所述数字高程模型，具体计算如下式：；
3.如权利要求1所述的考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，步骤2中，选择转向铰接点作为车辆坐标原点，构建铰接工程车辆的运动学模型；整车质量主要包括前车身质量G1、前轮质量G2、前摆臂质量G3...
【技术特征摘要】
1.一种考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，预先扫描目标构建非结构地形点云，通过非结构地形点云模型实施的安全语义分割方法包括以下步骤：
2.如权利要求1所述的考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，步骤1中在非结构地形点云模型中的索引对象为高程值时，采用所述数字高程模型，具体计算如下式：；
3.如权利要求1所述的考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，步骤2中，选择转向铰接点作为车辆坐标原点，构建铰接工程车辆的运动学模型；整车质量主要包括前车身质量g1、前轮质量g2、前摆臂质量g3、后车身质量g4和后轮质量g5；车辆的重心g(x0, y0, z0)为：
4.如权利要求3所述的考虑车辆-地形耦合的非结构地形安全语义分割方法，其特征在于，通过计算铰接工程车辆的极限侧翻角，获得可通过地形的临界障碍物高度；将可通过地形的临界障碍物高度与数字高程模型中获得的实际障碍物高程值进行对比，当实际障碍物高程值小于临界障碍物高度时，滤除该无效障碍物，最终实现在非结构地形中进一步分割得到风险障碍物。
5.如权利要求1所述的考虑车辆-地形耦合的非...
【专利技术属性】
技术研发人员：刘前结，郭志荣，黄良，李刚，李小祥，胡国良，
申请(专利权)人：华东交通大学，
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。