2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于双多线激光雷达的非结构化环境负障碍感知技术

蔡云飞 石庭敏 唐振民

姜岩, 王琦, 龚建伟, 陈慧岩. 无人驾驶车辆局部路径规划的时间一致性与鲁棒性研究. 自动化学报, 2015, 41(3): 518-527. doi: 10.16383/j.aas.2015.c140341
引用本文: 蔡云飞, 石庭敏, 唐振民. 基于双多线激光雷达的非结构化环境负障碍感知技术. 自动化学报, 2018, 44(3): 569-576. doi: 10.16383/j.aas.2018.c160453
JIANG Yan, WANG Qi, GONG Jian-Wei, CHEN Hui-Yan. Research on Temporal Consistency and Robustness in Local Planning of Intelligent Vehicles. ACTA AUTOMATICA SINICA, 2015, 41(3): 518-527. doi: 10.16383/j.aas.2015.c140341
Citation: CAI Yun-Fei, SHI Ting-Min, TANG Zhen-Min. Negative Obstacle Perception in Unstructured Environment With Double Multi-beam LiDAR. ACTA AUTOMATICA SINICA, 2018, 44(3): 569-576. doi: 10.16383/j.aas.2018.c160453

基于双多线激光雷达的非结构化环境负障碍感知技术

doi: 10.16383/j.aas.2018.c160453
基金项目: 

国家自然科学基金 61305134

核高基国家重大专项 2015ZX01041101

高等教育博士点基金 20133219120035

详细信息
    作者简介:

    石庭敏  2017年获得南京理工大学计算机科学与工程学院硕士学位.主要研究方向为机器人环境感知.E-mail:stm_njust@163.com

    唐振民  南京理工大学计算机科学与工程学院教授.主要研究方向为多机器人系统架构, 多机器人控制理论和概率机器人学.E-mail:tzm.cs@njust.edu.cn

    通讯作者:

    蔡云飞  南京理工大学计算机科学与工程学院副教授.2011年获得南京理工大学模式识别与智能系统博士学位.主要研究方向为机器人环境感知, 概率机器人学, SLAM.本文通信作者.E-mail:cyf@njust.edu.cn

Negative Obstacle Perception in Unstructured Environment With Double Multi-beam LiDAR

Funds: 

National Natural Science Foundation of China 61305134

National Major Research Program of China 2015ZX01041101

Specialized Research Fund for the Doctoral Program of Higher Education 20133219120035

More Information
    Author Bio:

     Received his master degree from the School of Computer Science and Engineering, Nanjing University of Science and Technology in 2017. His main research interest is robot environment perception

     Professor at the School of Computer Science and Engineering, Nanjing University of Science and Technology. His research interest covers multi-robots architecture, multi-robots control theory, and probabilistic robotics

    Corresponding author: CAI Yun-Fei  Associate professor at the School of Computer Science and Engineering, Nanjing University of Science and Technology. He received his Ph. D. degree from Nanjing University of Science and Technology in 2011. His research interest covers robot environment perception, probabilistic robotics, and SLAM. Corresponding author of this paper
  • 摘要: 负障碍感知是非结构化环境下的难点问题,本文针对该问题提出一种新的基于双多线激光雷达(Light detection and ranging,LiDAR)的感知方法.采用分布嵌入式架构对双激光雷达数据进行同步采集与实时处理,将雷达点云映射到多尺度栅格,统计栅格的点云密度与相对高度等特征并标记,从点云数据提取负障碍几何特征,通过将栅格的统计特征与负障碍的几何特征做多特征关联找到关键特征点对,将特征点对聚类并过滤,识别出负障碍.方法不受地面平整度影响,已成功应用在无人驾驶车上.使用表明该方法具有较高的实时性和可靠性,在非结构化环境下具有良好的感知效果.

  • 本文责任编委 李平
  • 图  1  三种典型道路类型

    Fig.  1  Three types of typical roads

    图  2  障碍检测示意图

    Fig.  2  Illustration of obstacles detection

    图  3  激光雷达点云分布

    Fig.  3  LiDAR point cloud distribution

    图  4  激光雷达安装方式

    Fig.  4  LiDAR installation method

    图  5  坐标系转换示意图

    Fig.  5  Coordinate system conversion diagram

    图  6  负障碍感知流程图

    Fig.  6  Negative obstacles perception flow chart

    图  7  栅格化

    Fig.  7  Grid map conversion

    图  8  特征点对提取示意图

    Fig.  8  Illustration of feature pair points extraction

    图  9  聚类示意图

    Fig.  9  LiDAR points clustering diagram

    图  10  实验平台

    Fig.  10  Experiment platform

    图  11  分布式架构原理图

    Fig.  11  Schematic diagram of distributed architecture

    图  12  实验1场景

    Fig.  12  Scene of Experiment 1

    图  13  实验1四个不同位置的检测结果

    Fig.  13  Experiment 1 detection results of four different places

    图  14  实验2起伏路面负障碍检测

    Fig.  14  Experiment 2 undulating pavement negative obstacle detection

    图  15  实验3不同距离对窨井口检测结果

    Fig.  15  Experiment 3 sewer exit detection in different distance

    表  1  相邻扫描点间隔

    Table  1  Adjacent scanning point interval

    5 m 10 m 15 m 20 m 25 m
    垂直($^\circ$) 0.33 1.20 2.05 4.30 7.16
    水平($^\circ$) 0.045 0.15 0.31 0.55 0.85
    下载: 导出CSV

    表  2  实验平台雷达安装参数

    Table  2  Experimental platform radar installation parameters

    雷达高度(m) 有效扫描角($^\circ$)
    行健一号 2.0 45
    高尔夫车 2.1 55
    下载: 导出CSV

    表  3  实验场景参数与检测结果

    Table  3  Parameters of experiments and detection results

    环境类型 检测平台 尺寸 深度 初次标记距离 稳定标记距离
    场景1 非结构化 行健一号 3.5 m $\times$ 3 m 0.3 m 20 m 17 m
    场景2 非结构化 行健一号 1.5 m $\times$ 4 m 0.5 m 16 m 15 m
    场景3 非结构化 行健一号 2.3 m $\times$ 1.7 0.6 m 22 m 21 m
    场景4上坡 非结构化 行健一号 0.5 m $\times$ 1 m 0.5 m 15 m 13 m
    场景4下坡 非结构化 行健一号 0.5 m $\times$ 1 m 0.5 m 16 m 16 m
    场景5上坡 非结构化 行健一号 1 m $\times$ 1 m 0.5 m 15 m 13 m
    场景5下坡 非结构化 行健一号 1 m $\times$ 1 m 0.5 m 17 m 15 m
    场景6 半结构化 高尔夫车 直径1 m 1 m 14 m 13 m
    下载: 导出CSV

    表  4  算法时间对比

    Table  4  Algorithm time contrast

    传感器 平台 计算时间(ms)
    本文 3D激光雷达 Cortex-A81GHz CPU, 256MB RAM 15
    文献[8] 3D激光雷达 / 500
    文献[9] 3D激光雷达 3GHzCPU, 2GB RAM 800
    文献[10] 3D激光雷达 Intel-I7 CPU, 4GB RAM 15
    文献[11] 立体视觉 Intel core i7-2620M CPU, 4 GB RRAM > 100
    文献[14] 3D激光雷达 Intel core i7-2620M CPU, 4 GB RRAM < 10
    下载: 导出CSV
  • [1] 方辉, 杨明, 杨汝清.基于地面特征点匹配的无人驾驶车全局定位.机器人, 2010, 32(1):55-60 http://www.doc88.com/p-69211991890.html

    Fang Hui, Yang Ming, Yang Ru-Qing. Ground feature point matching based global localization for driverless vehicles. Robot, 2010, 32(1):55-60 http://www.doc88.com/p-69211991890.html
    [2] Bucher T, Curio C, Edelbrunner J, Igel C, Kastrup D, Leefken I, Lorenz G, Steinhage A, von Seelen W. Image processing and behavior planning for intelligent vehicles. IEEE Transactions on Industrial Electronics, 2003, 50(1):62-75 doi: 10.1109/TIE.2002.807650
    [3] Betke M, Haritaoglu E, Davis L S. Real-time multiple vehicle detection and tracking from a moving vehicle. Machine Vision and Applications, 2000, 12(2):69-83 doi: 10.1007/s001380050126
    [4] Matthies L, Rankin A. Negative obstacle detection by thermal signature. In:Proceedings of the 2003 IEEE/RSJ International Conference on Intelligent Robots and Systems. Las Vegas, NV, USA:IEEE, 2003, 1:906-913
    [5] Dubbelman G, van der Mark W, van den Heuvel J C, Groen F C A. Obstacle detection during day and night conditions using stereo vision. In:Proceedings of the 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems. San Diego, CA, USA:IEEE, 2007. 109-116
    [6] Hadsell R, Sermanet P, Ben J, Erkan A, Scoffier M, Kavukcuoglu K, Muller U, LeCun Y. Learning long-range vision for autonomous off-road driving. Journal of Field Robotics, 2009, 26(2):120-144 doi: 10.1002/rob.v26:2
    [7] Cong Y, Peng J J, Sun J, Zhu L L, Tang Y D. V-disparity based UGV obstacle detection in rough outdoor terrain. Acta Automatica Sinica, 2010, 36(5):667-673 https://www.sciencedirect.com/science/article/pii/S187410290960029X
    [8] Larson J, Trivedi M, Bruch M. Off-Road Terrain Traversability Analysis and Hazard Avoidance for UGVs. Department of Electrical Engineering, University of California, San Diego, USA, 2011.
    [9] Heckman N, Lalonde J F, Vandapel N, Hebert M. Potential negative obstacle detection by occlusion labeling. In:Proceedings of the 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems. San Diego, CA, USA:IEEE, 2007. 2168-2173
    [10] Sinha A, Papadakis P. Mind the gap:detection and traversability analysis of terrain gaps using LIDAR for safe robot navigation. Robotica, 2013, 31(7):1085-1101 doi: 10.1017/S0263574713000349
    [11] Tingbo H. Research on Stereo Vision Algorithms and Their Application in Obstacle Detection for ALV[Ph.D. dissertation], National University of Defense Technology, China, 2012.
    [12] Marder-Eppstein E, Berger E, Foote T, Gerkey B, Konolige K. The office marathon:robust navigation in an indoor office environment. In:Proceedings of the 2010 IEEE International Conference on Robotics and Automation (ICRA). Anchorage, AK, USA:IEEE, 2010. 300-307
    [13] Larson J, Trivedi M. Lidar based off-road negative obstacle detection and analysis. In:Proceedings of the 14th International IEEE Conference on Intelligent Transportation Systems (ITSC). Washington DC, USA:IEEE, 2011. 192-197
    [14] Shang E K, An X J, Wu T, Hu T B, Yuan Q P, He H G. LiDAR based negative obstacle detection for field autonomous land vehicles. Journal of Field Robotics, 2016, 33(5):591-617 doi: 10.1002/rob.2016.33.issue-5
  • 期刊类型引用(29)

    1. 刘辉,王振辉,陈洪月,郑雨新. 基于虚拟前轮反馈控制算法的履带车轨迹跟踪方案研究. 机械设计. 2024(01): 117-124 . 百度学术
    2. 吴晓建,廖平伟,雷耀,江会华,王爱春,胡家琦. 面向结构化道路的智能驾驶轨迹规划一致性研究. 汽车工程. 2024(03): 383-395+430 . 百度学术
    3. 陈庚,郑晟. 一种管道工程机器人路径跟踪控制方法. 计算机仿真. 2024(04): 402-407 . 百度学术
    4. 戢杨杰,张馨雨,杨紫茹,周上航,黄岩军,曹建永,熊璐,余卓平. 多智能网联汽车轨迹规划:现状与展望. 机械工程学报. 2024(10): 129-146 . 百度学术
    5. Haijie Guan,Boyang Wang,Jiaming Wei,Yaomin Lu,Huiyan Chen,Jianwei Gong. Generation and Selection of Driver-Behavior-Based Transferable MotionPrimitives. Chinese Journal of Mechanical Engineering. 2022(01): 219-233 . 必应学术
    6. 韦玉海,张辉,刘理,钟杭. 基于AMRRT-Connect算法的移动机器人路径规划. 武汉大学学报(工学版). 2022(05): 531-538 . 百度学术
    7. 孙伶玉,付主木,陶发展,司鹏举,宋书中. 改进人工势场的智能车避障算法研究. 河南科技大学学报(自然科学版). 2022(05): 28-34+41+5-6 . 百度学术
    8. 张珂,张利国. 基于移动边缘计算的GI/GI/1排队建模与调度算法. 自动化学报. 2022(07): 1737-1746 . 本站查看
    9. 张勇,王同祥. 半挂式车辆自主驾驶的轨迹跟踪控制研究. 中国测试. 2021(02): 106-112 . 百度学术
    10. 徐笑锋,肖英杰,章学来. 基于避碰规则自动驾驶船舶路径优化的研究进展. 交通信息与安全. 2021(02): 1-8 . 百度学术
    11. 韩晓微,刘宏宇,石泽亮,刘晓. 移动机器人最小化snap与A~*的联合轨迹优化. 沈阳大学学报(自然科学版). 2021(04): 321-327+369 . 百度学术
    12. 刘梓林,黎予生,郑玲. 基于非结构化环境点云稀疏表示的无人驾驶汽车局部路径规划方法. 机械工程学报. 2020(02): 163-173 . 百度学术
    13. 郭丽娟,唐彬,陈梁远,张玉波. 基于RBF的履带车滑移转向运动学重建研究. 应用科技. 2020(01): 123-128 . 百度学术
    14. 葛召浩,赵又群,林棻,闫茜. 基于人-车-路闭环系统的路径跟踪模型预测控制. 重庆理工大学学报(自然科学). 2020(05): 35-42 . 百度学术
    15. 付泽林. 未来新兴技术对物流产业结构的影响——以无人驾驶技术为例. 中国物流与采购. 2020(20): 69-71 . 百度学术
    16. 袁泉,吕迅捷. 基于PRM算法的移动小车路径规划优化研究. 宁波工程学院学报. 2020(04): 31-35 . 百度学术
    17. 胡家铭,胡宇辉,陈慧岩,刘凯. 基于模型预测控制的无人驾驶履带车辆轨迹跟踪方法研究. 兵工学报. 2019(03): 456-463 . 百度学术
    18. 徐杨,陆丽萍,褚端峰,黄子超. 无人车辆轨迹规划与跟踪控制的统一建模方法. 自动化学报. 2019(04): 799-807 . 本站查看
    19. 郭鹍,赵甲文,杜志啸,耿建宁. 基于ROS的智能船舶航行系统设计. 舰船电子工程. 2019(07): 45-48 . 百度学术
    20. 段建民,田晓生,夏天,花晓峰. 基于中间速度的智能车辆梯形速度规划方法. 计算机工程. 2018(08): 301-307+314 . 百度学术
    21. 熊光明,鲁浩,郭孔辉,陈慧岩. 基于滑动参数实时估计的履带车辆运行轨迹预测方法研究. 兵工学报. 2017(03): 600-607 . 百度学术
    22. 张名芳,付锐,石涌泉,程文冬. 基于激光雷达的远距离运动车辆位姿估计. 公路交通科技. 2017(12): 131-139 . 百度学术
    23. 孙扬,杨贺. 无人驾驶车辆智能水平等级划分. 科技导报. 2017(17): 80-83 . 百度学术
    24. 封晶. 基于区域卷积神经网络的车辆检测方法. 科技广场. 2017(03): 10-14 . 百度学术
    25. 王丽媛,郭戈,庄严. 网络控制系统发送功率分配问题研究. 自动化学报. 2017(08): 1350-1357 . 本站查看
    26. 陈戈. 基于摄像头的路径信息采集系统的简易设计与实现. 自动化与仪器仪表. 2017(08): 71-73 . 百度学术
    27. 关泉珍,鲍泓,史志坚. 基于A*算法的驾驶地图路径规划实现. 北京联合大学学报(自然科学版). 2016(02): 31-39 . 百度学术
    28. 贾松敏,王成富,徐涛,张鹏. 基于模糊贝叶斯网络算法的智能轮椅避障. 计算机测量与控制. 2016(05): 153-155+159 . 百度学术
    29. 刘萍,魏滢,缪斌. 电磁组智能车控制策略探讨及实现. 四川理工学院学报(自然科学版). 2016(02): 19-24 . 百度学术

    其他类型引用(95)

  • 加载中
  • 图(15) / 表(4)
    计量
    • 文章访问数:  2624
    • HTML全文浏览量:  742
    • PDF下载量:  618
    • 被引次数: 124
    出版历程
    • 收稿日期:  2016-06-16
    • 录用日期:  2017-04-07
    • 刊出日期:  2018-03-20

    目录

      /

      返回文章
      返回