[发明专利]井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质有效
申请号: | 202110682762.4 | 申请日: | 2021-06-21 |
公开(公告)号: | CN113252027B | 公开(公告)日: | 2021-10-01 |
发明(设计)人: | 彭平安;吴家希;王李管;蒋元建;王佳恒 | 申请(专利权)人: | 中南大学 |
主分类号: | G01C21/00 | 分类号: | G01C21/00;G01C21/20;G01S17/88;G01S17/06;G05D1/02 |
代理公司: | 长沙楚为知识产权代理事务所(普通合伙) 43217 | 代理人: | 李大为 |
地址: | 410083 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 井下 无人驾驶 车辆 局部 路径 规划 方法 装置 设备 存储 介质 | ||
1.一种井下无人驾驶车辆局部路径规划方法,其特征在于,
获取巷道二维激光点云第一数据集;
将所述第一数据集分割为多个第二数据集,并分别拟合所述第二数据集的第一直线表达式;
计算任意两个所述第一直线表达式的斜率差值,将所述斜率差值小于第一阈值的所述第一直线表达式所对应的第二数据集聚类为多个第三数据集,将巷道拐角处的点云舍弃;
拟合所述第三数据集的点云数据形成第一曲线,设定所述第一曲线为巷道边界线,将所述巷道边界线曲率较小的一侧投影至巷道中心即得到车辆行驶路径。
2.如权利要求1所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述将所述第一数据集分割为多个第二数据集,拟合所述第二数据集的第一直线表达式之前,还包括:
过滤所述二维激光点云第一数据集的数据,剔除离群噪点和有效距离范围以外的稀疏点云,并将过滤后的所述第一数据集点云数据储存为笛卡尔坐标数据集。
3.如权利要求1所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述将所述第一数据集分割为多个第二数据集,包括:
S1:获取分割阈值;
S2:计算过所述第一数据集首尾两点的第二直线表达式,计算所述第一数据集内距所述第二直线的最远点到所述第二直线的投影距离;
S3:判断所述投影距离是否大于所述分割阈值,若是,则分割所述第一数据集;反之,所述第一数据集不可再分;
S4:对S3步骤分割后的数据集合重复步骤S2和S3,直到所有所述分割后的数据集都不可再分。
4.如权利要求3所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述步骤S3中分割所述第一数据集,包括:
以所述最远点为分割点对所述第一数据集进行分割,将所述第一数据集首点和所述分割点之间的数据点云划分为第一分割数据集,将所述分割点和所述第一数据集尾点之间的数据点云划分为第二分割数据集。
5.如权利要求1所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述设定所述第一曲线为巷道边界线之前,还包括:
获取激光雷达位置及车辆行驶方向,将所述激光雷达位置和车辆行驶方向共同限定的直线设定为第三直线,以所述第三直线为界,分割所述第三数据集。
6.如权利要求5所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述将所述巷道边界线曲率较小的一侧投影至巷道中心即得到车辆行驶路径之前,判断所述激光雷达位置到所述巷道边界线的距离是否大于第二阈值,若是,则剔除所述巷道边界线。
7.如权利要求6所述的井下无人驾驶车辆局部路径规划方法,其特征在于,
所述第二阈值为巷道宽度。
8.一种井下无人驾驶车辆局部路径规划装置,其特征在于,包括:
数据采集模块,用于获取巷道二维激光点云第一数据集;
数据处理模块,用于将所述第一数据集分割为多个第二数据集,分别拟合所述第二数据集的第一直线表达式;并计算任意两个所述第一直线表达式的斜率差值,将所述斜率差值小于第一阈值的所述第一直线表达式所对应的第二数据集聚类为多个第三数据集,将巷道拐角处的点云舍弃;
路径生成模块,用于拟合所述第三数据集的点云数据形成第一曲线,设定所述第一曲线为巷道边界线,将所述巷道边界线曲率较小的一侧投影至巷道中心即得到车辆行驶路径。
9.一种井下无人驾驶车辆局部路径规划设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述存储器中存储的计算机程序时,实现如权利要求1至7任一所述的井下无人驾驶车辆局部路径规划方法。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至7任一所述的井下无人驾驶车辆局部路径规划方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中南大学,未经中南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110682762.4/1.html,转载请声明来源钻瓜专利网。