[发明专利]一种牵引车组位姿检测方法及系统

说明书

本发明提供了一种牵引车组位姿检测方法及系统，其中方法步骤包括：S1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；S2设置以牵引车头预设位置为参照点，建立全局坐标系；S3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；S4计算单元调取特征库比对数据块，识别数据块中的特征点数据；S5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿，籍此有效检测牵引车组中的挂载车相对于牵引车头的位姿，而无需对挂载车进行任何改装。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及利用物体识别技术手段，对牵引车组中的拖车行驶位姿进行检测的方法及系统。

背景技术

牵引车组是物流场景中数量最多的车辆类型，也是仓储无人化的最主要车型，主要用于不同地点之间货物的运输。牵引车组通常由一个提供牵引力的牵引车头和后面若干节装载货物的拖车组成一个牵引车编组。牵引车组在作业过程中，通常需要将每一节的拖车跟货运平台车交接货物，以将拖车上的货物转移到货运平台车上。

而现有技术的无人驾驶牵引车组，主要是利用先进的人工智能技术实现牵引车组的自动作业，即无需人类驾驶员操控，牵引车组便能自主将货物从初始位置运送到目标位置。与乘用车的无人驾驶系统相类似，无人驾驶牵引车组系统主要由感知、决策和控制三部分组成。其中感知模块利用各式传感器获取道路周遭的环境信息。这些采集到的环境信息经过处理后送达决策模块，根据当前的状态对牵引车的行为进行决策。控制模块将按决策的结果，对牵引车组进行控制。

当前现有技术的牵引车组中，对于拖车位姿的检测主要通过在拖车中加装相应的传感器来实现。例如一种方法是在拖车挂钩处增加角度传感器，实时的反馈拖车相对于牵引车头的角度，从而计算出拖车相对于牵引车头的位姿。这种方法的劣势主要是需要精度较高的角度传感器，成本高；同时挂钩是拖车的主要受力点，容易造成磨损从而影响测量精度及寿命。

另一种现有技术方法是对拖车的两个轮子加装编码器，获得两个轮子的转动角度，从而间接的计算出拖车相对牵引车头的位姿。而这种方法的劣势主要是车轮在工作中不可避免会有打滑现象产生，由此会影响测量的精度，而且运行时间越长，累积的误差会越大；同时在每次将新的拖车挂到牵引车头时，还需要对编码器进行归零校准，操作繁琐且对校准的精度要求高，技术实施障碍较多。

此外以上的两种现有技术方案，还具有一个共通的客观技术缺陷，即在一般的使用场景中，拖车的数量通常要远远大于牵引车头的数量，因此无论是改装拖车挂钩，还是拖车车辆，都将会产生巨大的改装成本。另外，对拖车上的传感器进行供电和数据传输，还需要增加额外的布线，在提高了技术实施复杂度的同时，也提高了系统的维护成本。

发明内容

本发明的主要目的在于提供一种牵引车组位姿检测方法及系统，以供有效检测牵引车组中的挂载车相对于牵引车头的位姿，而无需对挂载车进行任何改装。

为了实现上述目的，根据本发明的一个方面，提供了一种牵引车组位姿检测方法，步骤包括：

S1设置扫描单元扫描范围，使其至少部分覆盖牵引车头后方挂载车车特征点；其中所述车特征点包括：车轮或车厢中的至少一种；

S2设置以牵引车头预设位置为参照点，建立全局坐标系；

S3计算单元获取扫描单元采集的扫描数据，经数据分割处理后获取数据块；

S4计算单元调取特征库比对数据块，识别数据块中的特征点数据；

S5计算单元依据全局坐标系，计算特征点数据所处坐标系方位，获取其位姿。

可选的，该牵引车组位姿检测方法中，该扫描数据为坐标点数据，该数据分割处理步骤包括：

S3.1采用聚类算法，相对参照点由近及远的对坐标点数据进行分析；