一种基于Autoware的车辆循迹方法

    公开(公告)号:CN113850915A

    公开(公告)日:2021-12-28

    申请号:CN202111054142.2

    申请日:2021-09-09

    Abstract: 一种基于Autoware的车辆循迹方法,属于自动驾驶控制技术领域。本发明为了解决现有的车辆循迹方法存在实现过程繁琐的问题和偏差较大的问题。本发明基于激光雷达采集数据,在Autoware中使用NDTmapping算法建图,对NDT_mapping建立的pcd点云图使用pcl点云库进行后处理,得到最终的地图点云图;然后基于地图点云图,使用仿真simulation功能模块并选择waypoint_saver形成csv路径节点文件;在地图点云图中载入csv路径节点文件,基于A*算法使用astar_avoid以及velocity_set形成车辆循迹轨迹,并基于纯追踪算法使用循迹指令pure_pursuit和twist_filter得到车辆循迹结果。主要用于车辆的循迹。

    一种基于Autoware的车辆循迹方法

    公开(公告)号:CN113850915B

    公开(公告)日:2024-11-19

    申请号:CN202111054142.2

    申请日:2021-09-09

    Abstract: 一种基于Autoware的车辆循迹方法,属于自动驾驶控制技术领域。本发明为了解决现有的车辆循迹方法存在实现过程繁琐的问题和偏差较大的问题。本发明基于激光雷达采集数据,在Autoware中使用NDTmapping算法建图,对NDT_mapping建立的pcd点云图使用pcl点云库进行后处理,得到最终的地图点云图;然后基于地图点云图,使用仿真simulation功能模块并选择waypoint_saver形成csv路径节点文件;在地图点云图中载入csv路径节点文件,基于A*算法使用astar_avoid以及velocity_set形成车辆循迹轨迹,并基于纯追踪算法使用循迹指令pure_pursuit和twist_filter得到车辆循迹结果。主要用于车辆的循迹。

    基于IMU耦合的激光雷达迭代最近点改进算法

    公开(公告)号:CN112781594A

    公开(公告)日:2021-05-11

    申请号:CN202110032151.5

    申请日:2021-01-11

    Abstract: 一种基于IMU耦合的激光雷达迭代最近点改进算法,属于激光雷达建图与定位领域。本发明针对现有迭代最近点算法存在运行速度低、对初始值敏感容易限于局部最优解的问题。包括:使激光雷达和IMU钟源同步;对激光雷达原始点云预处理后进行特征点集提取,得到激光雷达特征点集;根据相邻两帧激光雷达原始点云对应的IMU原始位姿,得到预积分结果和相邻两帧激光雷达原始点云的转换初始矩阵;构建激光雷达点云匹配的原始误差方程、构建IMU的观测误差方程,再构建IMU和激光雷达的联合误差方程;对联合误差方程进行ICP算法迭代计算,得到最优变换矩阵。本发明提高了ICP算法的运行速度和匹配精度。

    低线束激光雷达与相机融合方法、存储介质及装置

    公开(公告)号:CN113936198A

    公开(公告)日:2022-01-14

    申请号:CN202111385764.3

    申请日:2021-11-22

    Abstract: 低线束激光雷达与相机融合方法、存储介质及装置,属于自动驾驶环境感知技术领域。为了解决现有的低线束稀疏点云聚类效果差、点云信息少而存在的难以有效提供准确的障碍物信息的问题。本发明首先对激光雷达的每一帧点云进行地面分隔,并利用神经网络对三维点云中的障碍物进行检测识别,框选三维目标,输出激光雷达检测框以及障碍物的距离;然后采用yoloV3对相机图像进行目标检测,框选目标,输出相机检测框以及障碍物类型;然后根据激光雷达与相机的标定过程确定相机内参以及激光雷达坐标系与相机坐标系的外参,将点云与图像融合,匹配激光雷达检测框和相机检测框,匹配成功输出障碍物的距离信息以及类别信息。用于自动驾驶环境的感知。

    基于点云密度和间距的动态阈值确定方法及欧式聚类方法

    公开(公告)号:CN114973191B

    公开(公告)日:2025-04-15

    申请号:CN202210517031.9

    申请日:2022-05-12

    Abstract: 基于点云密度和间距的动态阈值确定方法及欧式聚类方法,属于自动驾驶环境感知技术领域。为了解决针对欧式聚类对于全范围内的障碍物识别的采用统一的距离阈值存在因固定阈值导致的远距离的障碍物聚类欠分割率较高的问题。本发明首先根据地面分割后的激光点云建立KD‑tree;基于建立的KD‑tree计算每个集合中点云间的平均欧式距离#imgabs0#基于点云集合的平均欧式距离#imgabs1#确定补偿因子e;根据聚类集合中的两点确定初始阈值di;最后进而根据补偿因子和初始阈值确定距离阈值dt=ed+di,其中,d为该点云至激光雷达中心的距离。本发明主要用于点云的聚类。

    激光雷达点云运动畸变的矫正方法

    公开(公告)号:CN112859051B

    公开(公告)日:2024-04-09

    申请号:CN202110030119.3

    申请日:2021-01-11

    Abstract: 一种激光雷达点云运动畸变的矫正方法,属于无人车自动驾驶技术领域。本发明针对激光雷达点云运动畸变矫正中,外部传感器存在位移累积误差大的问题。包括:采用RTK作为脉冲发生器,同步触发激光雷达和IMU;对激光雷达第一帧点云,建立全局坐标系;对非第一帧点云,建立局部坐标系;同时将对应的IMU坐标系转换到所述局部坐标系下;并同步获得IMU位姿;采用插值方法获得当前帧点云中每个数据点对应的IMU位姿,并根据所述IMU位姿矫正激光雷达当前帧点云运动畸变;将所述局部坐标系转换到所述全局坐标系下,再利用RTK位姿校准IMU位姿;进行下一帧点云矫正,直到完成最后一帧激光雷达点云运动畸变的矫正。本发明增强了激光雷达点云矫正的鲁棒性和稳定性。

    低线束激光雷达与相机融合方法、存储介质及装置

    公开(公告)号:CN113936198B

    公开(公告)日:2024-03-22

    申请号:CN202111385764.3

    申请日:2021-11-22

    Abstract: 低线束激光雷达与相机融合方法、存储介质及装置,属于自动驾驶环境感知技术领域。为了解决现有的低线束稀疏点云聚类效果差、点云信息少而存在的难以有效提供准确的障碍物信息的问题。本发明首先对激光雷达的每一帧点云进行地面分隔,并利用神经网络对三维点云中的障碍物进行检测识别,框选三维目标,输出激光雷达检测框以及障碍物的距离;然后采用yoloV3对相机图像进行目标检测,框选目标,输出相机检测框以及障碍物类型;然后根据激光雷达与相机的标定过程确定相机内参以及激光雷达坐标系与相机坐标系的外参,将点云与图像融合,匹配激光雷达检测框和相机检测框,匹配成功输出障碍物的距离信息以及类别信息。用于自动驾驶环境的感知。

    基于点云密度和间距的动态阈值确定方法及欧式聚类方法

    公开(公告)号:CN114973191A

    公开(公告)日:2022-08-30

    申请号:CN202210517031.9

    申请日:2022-05-12

    Abstract: 基于点云密度和间距的动态阈值确定方法及欧式聚类方法,属于自动驾驶环境感知技术领域。为了解决针对欧式聚类对于全范围内的障碍物识别的采用统一的距离阈值存在因固定阈值导致的远距离的障碍物聚类欠分割率较高的问题。本发明首先根据地面分割后的激光点云建立KD‑tree;基于建立的KD‑tree计算每个集合中点云间的平均欧式距离基于点云集合的平均欧式距离确定补偿因子e;根据聚类集合中的两点确定初始阈值di;最后进而根据补偿因子和初始阈值确定距离阈值dt=ed+di,其中,d为该点云至激光雷达中心的距离。本发明主要用于点云的聚类。

    基于IMU耦合的激光雷达迭代最近点改进算法

    公开(公告)号:CN112781594B

    公开(公告)日:2022-08-19

    申请号:CN202110032151.5

    申请日:2021-01-11

    Abstract: 一种基于IMU耦合的激光雷达迭代最近点改进算法,属于激光雷达建图与定位领域。本发明针对现有迭代最近点算法存在运行速度低、对初始值敏感容易限于局部最优解的问题。包括:使激光雷达和IMU钟源同步;对激光雷达原始点云预处理后进行特征点集提取,得到激光雷达特征点集;根据相邻两帧激光雷达原始点云对应的IMU原始位姿,得到预积分结果和相邻两帧激光雷达原始点云的转换初始矩阵;构建激光雷达点云匹配的原始误差方程、构建IMU的观测误差方程,再构建IMU和激光雷达的联合误差方程;对联合误差方程进行ICP算法迭代计算,得到最优变换矩阵。本发明提高了ICP算法的运行速度和匹配精度。

    激光雷达点云运动畸变的矫正方法

    公开(公告)号:CN112859051A

    公开(公告)日:2021-05-28

    申请号:CN202110030119.3

    申请日:2021-01-11

    Abstract: 一种激光雷达点云运动畸变的矫正方法,属于无人车自动驾驶技术领域。本发明针对激光雷达点云运动畸变矫正中,外部传感器存在位移累积误差大的问题。包括:采用RTK作为脉冲发生器,同步触发激光雷达和IMU;对激光雷达第一帧点云,建立全局坐标系;对非第一帧点云,建立局部坐标系;同时将对应的IMU坐标系转换到所述局部坐标系下;并同步获得IMU位姿;采用插值方法获得当前帧点云中每个数据点对应的IMU位姿,并根据所述IMU位姿矫正激光雷达当前帧点云运动畸变;将所述局部坐标系转换到所述全局坐标系下,再利用RTK位姿校准IMU位姿;进行下一帧点云矫正,直到完成最后一帧激光雷达点云运动畸变的矫正。本发明增强了激光雷达点云矫正的鲁棒性和稳定性。

Patent Agency Ranking