无人驾驶车辆及感知系统
| 专利类型 | 发明公开 | 法律事件 | 公开; |
| 专利有效性 | 公开 | 当前状态 | 公开 |
| 申请号 | CN202510297972.X | 申请日 | 2025-03-13 |
| 公开(公告)号 | CN119872731A | 公开(公告)日 | 2025-04-25 |
| 申请人 | 一汽解放汽车有限公司; | 申请人类型 | 企业 |
| 发明人 | 李宝卓; 白志刚; 冯元; 殷祥珍; 袁晶; | 第一发明人 | 李宝卓 |
| 权利人 | 一汽解放汽车有限公司 | 权利人类型 | 企业 |
| 当前权利人 | 一汽解放汽车有限公司 | 当前权利人类型 | 企业 |
| 省份 | 当前专利权人所在省份：吉林省 | 城市 | 当前专利权人所在城市：吉林省长春市 |
| 具体地址 | 当前专利权人所在详细地址：吉林省长春市汽车开发区东风大街2259号 | 邮编 | 当前专利权人邮编：130011 |
| 主IPC国际分类 | B62D63/02 | 所有IPC国际分类 | B62D63/02 ; B62D49/00 ; B60R11/00 |
| 专利引用数量 | 0 | 专利被引用数量 | 0 |
| 专利权利要求数量 | 10 | 专利文献类型 | A |
| 专利代理机构 | 华进联合专利商标代理有限公司 | 专利代理人 | 何锋; |
| 摘要 | 本 发明 涉及一种无人驾驶车辆及 感知 系统，该系统包括摄像头组件和雷达组件。摄像头组件，设置于 车身 上，用于识别车辆周围的环境；雷达组件，设置于车身上，用于探测车辆周围的障碍物；雷达组件包括设置于车尾的后 激光雷达 ，后激光雷达用于识别后方障碍物及 挂车 ，以实现挂车自动对接；摄像头组件和雷达组件互相连接，以实现多层环境感知冗余和车辆周围全 视野 覆盖 。该系统具有全视野覆盖、多层冗余的环境感知能 力 ，能够显著提升后方障碍物及挂车的识别 精度 ，为挂车自动对接提供了高效、可靠的技术支持，可显著提升无人驾驶车辆在复杂场景下的运行效率和安全性。 | ||
| 权利要求 | 1.一种无人驾驶车辆感知系统，其特征在于，包括： |
||
| 说明书全文 | 无人驾驶车辆及感知系统技术领域[0001] 本发明涉及无人驾驶技术领域，特别是涉及无人驾驶车辆及感知系统。 背景技术[0002] 在现代厂区物流运输中，自动化物流车的高效运行依赖于精准的环境感知能力。传统的环境感知系统通常采用单一传感器实现目标检测与定位，但在复杂场景下，性能存 在明显局限性。此外，传统技术无法匹配挂车系统，导致挂车对接过程效率低下且存在安全 隐患。 发明内容[0003] 基于此，有必要针对提高环境感知能力和匹配挂车等问题，提供一种无人驾驶车辆及感知系统。 [0004] 第一方面，提供一种无人驾驶车辆感知系统，该系统包括： [0005] 摄像头组件，设置于车身上，用于识别车辆周围的环境； [0006] 雷达组件，设置于车身上，用于探测车辆周围的障碍物； [0007] 雷达组件包括设置于车尾的后激光雷达，后激光雷达用于识别后方障碍物及挂车，以实现挂车自动对接； [0008] 摄像头组件和雷达组件互相连接，以实现多层环境感知冗余和车辆周围全视野覆盖。 [0009] 在其中一个实施例中，摄像头组件包括： [0010] 前视摄像头组，布置于车头，用于识别前方车道线、前方道路标识及前方障碍物； [0011] 侧视摄像头组，布置于车身两侧，用于识别相邻车道及侧向障碍物； [0012] 后视摄像头，布置于车尾，用于识别后方障碍物。 [0013] 在其中一个实施例中，摄像头组件，还用于融合车道线曲率、道路标识语义信息及障碍物轮廓数据，以实现前方障碍物识别。 [0014] 在其中一个实施例中，前视摄像头组包括至少两个前视摄像头；侧视摄像头组包括至少四个侧视摄像头。 [0015] 在其中一个实施例中，雷达组件还包括： [0016] 前毫米波雷达，布置于车头，用于探测前方障碍物的速度与距离信息； [0017] 侧视激光雷达组，布置于车身前侧，用于探测前方及侧向障碍物并生成可行驶区域； [0018] 顶部激光雷达，布置于车顶，用于车辆定位及环视障碍物检测。 [0019] 在其中一个实施例中，侧视激光雷达组包括至少两个侧视激光雷达； [0020] 至少两个侧视激光雷达，用于检测前方及侧向障碍物空间位置，并根据摄像头组件的图像生成可行驶区域的边界。 [0021] 在其中一个实施例中，雷达组件还包括： [0023] 在其中一个实施例中，该系统还包括： [0024] 车辆计算机设备，用于将前视摄像头组探测到的环境感知数据与侧视激光雷达组探测到的环境感知数据进行融合，得到第一融合数据，根据第一融合数据生成可行驶区域； 车辆计算机设备还用于将后激光雷达探测到的环境感知数据与后摄像头探测到的环境感 知数据进行融合，得到第二融合数据，根据第二融合数据进行挂车对接路径规划。 [0025] 在其中一个实施例中，后激光雷达，还用于识别后方挂车的连接机构空间姿态，输出挂车对接控制参数，以完成自动挂接后方挂车。 [0026] 第二方面，本申请提供一种无人驾驶车辆，该车辆包括第一方面实施例任一项中的无人驾驶车辆感知系统。 [0027] 上述无人驾驶车辆感知系统，通过摄像头组件和雷达组件的优化布置与协同工作，实现了全视野覆盖、多层冗余的环境感知能力；通过后激光雷达的引入，显著提升了后 方障碍物及挂车的识别精度，为挂车自动对接提供了高效、可靠的技术支持，可显著提升无 人驾驶车辆在复杂场景下的运行效率和安全性。 附图说明 [0028] 图1为一实施例的无人驾驶车辆感知系统的前视结构示意图； [0029] 图2为另一实施例的无人驾驶车辆感知系统的侧视结构示意图； [0030] 图3为一实施例的无人驾驶车辆感知系统的摄像头组件和雷达组件的视野范围示意图。 [0031] 附图标记： [0032] 111、前视摄像头；112、前视摄像头；121、侧视摄像头；122、侧视摄像头；123、侧视摄像头；124、侧视摄像头；130、后视摄像头；210、前毫米波雷达；221、侧视激光雷达；222、侧 视激光雷达；230、顶部激光雷达；240、后激光雷达；251、超声波雷达；252、超声波雷达；253、 超声波雷达；254、超声波雷达；255、超声波雷达；256、超声波雷达；257、超声波雷达；258、超 声波雷达；259、超声波雷达；2510、超声波雷达；2511、超声波雷达；2512、超声波雷达。 具体实施方式[0033] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发 明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不 违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。 [0034] 在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必 须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。 [0035] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者 隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三 个等，除非另有明确具体的限定。 [0036] 在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连 接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内 部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员 而言，可以根据具体情况理解上述术语在本发明中的具体含义。 [0037] 在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在 第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示 第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第 一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。 [0038] 需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以 是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平 的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施 方式。 [0039] 在现代厂区物流运输中，自动化物流车的高效运行依赖于精准的环境感知能力。随着工业和智能制造的快速发展，厂区物流场景对自动化物流车的智能化、安全性和效率 提出了更高的要求。然而，传统的环境感知系统在实际应用中仍存在诸多技术瓶颈，难以满 足复杂场景下的需求。 [0040] 传统环境感知系统通常采用单一传感器实现目标检测与定位。例如，摄像头在正常光照条件下能够提供丰富的视觉信息，但在低光照或强光干扰下，其性能显著下降，导致 目标识别精度降低。另一方面，雷达（如毫米波雷达）虽然具备较强的抗干扰能力和全天候 工作特性，但对透明或反光物体的感知能力有限，且难以提供高精度的目标轮廓信息。此 外，超声波雷达虽然适用于近距离探测，但其探测范围有限，无法满足中远距离的感知需 求。 [0041] 在厂区物流场景中，自动化物流车不仅需要感知前方和侧向的环境信息，还需要对后方挂车及挂接位置进行精准识别。然而，现有技术中对于后方挂车及挂接位置的识别 能力不足，导致挂车对接过程效率低下且存在安全隐患。例如，传统方法通常依赖于人工操 作或简单的视觉检测，不仅耗时耗力，而且在复杂环境下容易出错，难以满足高效、精准的 自动化需求。 [0043] 系统方案及传感器布置位置：通过合理布置摄像头、激光雷达、毫米波雷达和超声波雷达，确保车辆前向、侧向、后方及近场环境的全覆盖感知。摄像头布置于车辆前部和侧 部，用于识别交通标志、行人和障碍物；激光雷达布置于车辆顶部和尾部，提供高精度的三 维点云数据；毫米波雷达布置于车辆四角，用于中远距离目标检测；超声波雷达布置于车辆 底部和尾部，用于近距离障碍物探测。 [0044] 通过激光雷达实现对后方挂车以及挂接位置的识别：利用激光雷达的高精度三维点云数据，结合深度学习算法，精准识别后方挂车的姿态及挂接位置，支持挂车自动对接功 能。通过点云分割、特征提取和姿态估计技术，系统能够实时计算挂车的相对位置和角度， 为挂车对接提供精确的引导信息。 [0045] 本发明通过多传感器协同工作，显著提升了环境感知系统的可靠性、精度和适应性，为厂区物流车的安全高效运行提供了技术保障。相较于传统方法，本发明的优势在于： [0046] 全视野覆盖：通过多传感器布置，实现了车辆周围环境的无死角感知。 [0047] 多层冗余：不同传感器互为补充，确保在复杂环境下仍能提供可靠的环境信息。 [0048] 高精度识别：激光雷达与深度学习算法的结合，实现了后方挂车及挂接位置的精准识别。 [0050] 在一个示例性的实施例中，请参阅图1和图2，提供一种无人驾驶车辆感知系统，该系统包括摄像头组件和雷达组件。 [0051] 摄像头组件，设置于车身上，用于识别车辆周围的环境。 [0052] 可选地，摄像头组件设置于车身上，主要用于识别车辆周围的环境信息。示例性地，摄像头布置在车辆的前部、侧部、顶部和后部，以实现对前方道路、侧向区域、顶部环境 及后方区域的全覆盖感知。摄像头能够捕捉高分辨率的图像数据，结合计算机视觉算法，可 实时识别交通标志、行人、车辆、障碍物等目标。此外，摄像头还能够提供丰富的纹理和颜色 信息，为环境感知系统提供重要的视觉参考。 [0053] 雷达组件，设置于车身上，用于探测车辆周围的障碍物。 [0054] 可选地，雷达组件同样设置于车身上，用于探测车辆周围的障碍物。雷达组件包括但不限于毫米波雷达、超声波雷达和激光雷达等，通过多类型雷达的协同工作，实现对不同 距离、不同特性障碍物的精准探测。示例性地，毫米波雷达布置于车辆的四角，主要用于中 远距离的目标检测，具备较强的抗干扰能力和全天候工作特性；超声波雷达布置于车辆的 底部和尾部，适用于近距离障碍物探测，尤其在低速行驶和停车场景中具有重要作用。 [0055] 雷达组件包括设置于车尾的后激光雷达240，后激光雷达240用于识别后方障碍物及挂车，以实现挂车自动对接。 [0056] 可选地，雷达组件中包括设置于车尾的后激光雷达240，用于识别后方障碍物及挂车。示例性地，后激光雷达240通过发射激光束并接收反射信号，生成高精度的三维点云数 据，能够精准识别后方障碍物的位置、形状和姿态。结合深度学习算法，后激光雷达240能够 进一步识别后方挂车的挂接位置和姿态，为挂车自动对接提供精确的引导信息。通过点云 分割、特征提取和姿态估计技术，系统能够实时计算挂车的相对位置和角度，确保挂车对接 过程的高效性和安全性。 [0057] 摄像头组件和雷达组件互相连接，以实现多层环境感知冗余和车辆周围全视野覆盖。 [0058] 可选地，摄像头组件和雷达组件互相连接，通过数据融合算法实现多层环境感知冗余和车辆周围全视野覆盖。示例性地，摄像头提供的视觉信息与雷达提供的距离信息相 互补充，确保在复杂环境下（如低光照、雨雾天气或动态障碍物干扰）仍能提供可靠的环境 感知能力。例如，在低光照条件下，摄像头可能无法准确识别目标，但雷达仍能提供障碍物 的距离信息；而在雷达对透明或反光物体感知能力有限的情况下，摄像头能够提供补充的 视觉信息。通过多传感器的协同工作，系统能够实现车辆周围环境的无死角感知，为无人驾 驶车辆的安全运行提供全面保障。 [0059] 上述无人驾驶车辆感知系统，通过摄像头组件和雷达组件的优化布置与协同工作，实现了全视野覆盖、多层冗余的环境感知能力；通过后激光雷达240的引入，显著提升了 后方障碍物及挂车的识别精度，为挂车自动对接提供了高效、可靠的技术支持，显著提升了 无人驾驶车辆在复杂场景下的运行效率和安全性。 [0060] 在一个示例性的实施例中，请参阅图1和图2，摄像头组件包括前摄像头组、侧视摄像头组和后视摄像头130。 [0061] 前视摄像头组，布置于车头，用于识别前方车道线、前方道路标识及前方障碍物。 [0062] 侧视摄像头组，布置于车身两侧，用于识别相邻车道及侧向障碍物。 [0063] 后视摄像头130，布置于车尾，用于识别后方障碍物。 [0064] 示例性地，前视摄像头组布置于车头，主要用于识别前方车道线、前方道路标识及前方障碍物。前视摄像头组包括至少两个高分辨率摄像头，一个用于广角视野覆盖，另一个 用于远距离目标识别。广角摄像头能够捕捉车辆前方较大范围内的环境信息，适用于识别 车道线、交通标志和近距离障碍物；而远距离摄像头则专注于识别前方道路的远距离目标， 如前方车辆、行人或其他障碍物。通过双目视觉技术，前视摄像头组能够生成前方环境的深 度信息，为车辆提供精确的距离感知能力。此外，前视摄像头组还能够识别前方道路的交通 信号灯、限速标志等关键信息，为车辆的决策系统提供重要参考。 [0065] 侧视摄像头组布置于车身两侧，主要用于识别相邻车道及侧向障碍物。侧视摄像头组包括左右两侧各一个或多个摄像头，分别覆盖车辆两侧的区域。侧视摄像头能够实时 监测相邻车道的车辆动态，识别侧向的障碍物（如行人、自行车或其他车辆），并为车辆的变 道、超车等操作提供关键的环境感知数据。此外，侧视摄像头组还能够识别侧向的道路标识 （如停车线、转向标志等），为车辆的路径规划和决策提供支持。通过侧视摄像头组的数据， 系统能够有效避免盲区带来的安全隐患，确保车辆在复杂交通环境中的安全运行。 [0066] 后视摄像头130布置于车尾，主要用于识别后方障碍物。后视摄像头130采用高分辨率传感器，能够实时捕捉车辆后方的环境信息，包括后方车辆、行人或其他障碍物。结合 图像处理算法，后视摄像头130能够识别后方目标的运动轨迹和相对距离，为车辆的倒车、 停车等操作提供精确的引导信息。此外，后视摄像头130还能够与雷达组件（如后激光雷达） 协同工作，提供多层次的感知冗余，进一步提升后方环境感知的可靠性和精度。 [0067] 上述实施例中，摄像头组件通过前视摄像头组、侧视摄像头组和后视摄像头130的优化布置与功能整合，实现了对车辆周围环境的全方位感知，为无人驾驶车辆的路径规划、 障碍物识别和决策控制提供了精确可靠的数据支持。 [0068] 在一个示例性的实施例中，请参阅图1和图2，前视摄像头组包括至少两个前视摄像头；侧视摄像头组包括至少四个侧视摄像头。 [0069] 示例性地，前视摄像头组包括对称分布于车身前端的前视摄像头111和前视摄像头112；侧视摄像头包括对称分布于车身两侧的侧视摄像头121、侧视摄像头122、侧视摄像 头123和侧视摄像头124。 [0070] 在一个示例性的实施例中，摄像头组件，还用于融合车道线曲率、道路标识语义信息及障碍物轮廓数据，以实现前方障碍物识别。 [0071] 示例性地，摄像头组件通过高分辨率图像采集和深度学习算法，能够精确识别前方车道线的曲率信息；摄像头组件还能够识别并提取道路标识的语义信息，包括但不限于 限速标志、停车标志、转向指示、交通信号灯等；通过图像识别算法，系统能够从摄像头采集 的图像中提取出道路标识的类型、位置和状态；摄像头组件通过图像分割和轮廓提取算法， 能够精确识别前方障碍物的轮廓数据。摄像头组件通过多传感器数据融合算法（如卡尔曼 滤波、贝叶斯网络等），将摄像头采集的车道线曲率、道路标识语义信息及障碍物轮廓数据 与车辆的实时状态（如车速、加速度、转向角等）进行综合分析，生成前方环境的完整感知模 型，以实现更为精确的前方障碍物识别。 [0072] 在一个示例性的实施例中，请参阅图1和图2，雷达组件还包括前毫米波雷达210、侧视激光雷达组和顶部激光雷达230。 [0073] 前毫米波雷达210，布置于车头，用于探测前方障碍物的速度与距离信息。 [0074] 侧视激光雷达组，布置于车身前侧，用于探测前方及侧向障碍物并生成可行驶区域。 [0075] 顶部激光雷达230，布置于车顶，用于车辆定位及环视障碍物检测。 [0076] 示例性地，前毫米波雷达210布置于车头位置，主要用于探测前方障碍物的速度与距离信息。其工作原理基于毫米波信号的发射与接收，通过测量反射信号的时间差和多普 勒频移，计算出前方障碍物的距离和相对速度。毫米波雷达具有全天候性能、高精度测距、 实时速度检测等功能，以实现自适应巡航控制、紧急制动辅助以及前方障碍物预警。 [0077] 侧视激光雷达组布置于车身前侧，主要用于探测前方及侧向障碍物，并生成可行驶区域信息。激光雷达通过发射激光束并接收反射信号，生成高精度的三维点云数据，能够 精确识别障碍物的形状、位置和尺寸。侧视激光雷达组具有较大的视场角，能够覆盖车辆前 方及侧向区域，提供全面的环境感知，通过分析点云数据，系统能够识别可行驶区域，为车 辆的路径规划提供依据。 [0078] 顶部激光雷达230布置于车顶位置，主要用于车辆定位及环视障碍物检测。其工作原理与侧视激光雷达组类似，但具有更高的安装位置和更广的覆盖范围。通过结合高精度 地图和激光雷达数据，能够实现车辆的厘米级定位，确保车辆在复杂环境中的精确导航。顶 部激光雷达230能够覆盖车辆周围360°范围，提供全面的环境感知能力，通过分析点云数据 和实时生成车辆周围的三维环境模型，能够识别车辆周围的障碍物（如行人、车辆、建筑物 等），并生成避让策略，为路径规划和决策提供全面的数据支持。 [0079] 本实施例中的雷达组件通过前毫米波雷达210、侧视激光雷达组和顶部激光雷达230的协同工作，实现了车辆周围环境的全方位感知与障碍物检测，确保无人驾驶车辆的安 全运行。 [0080] 在一个示例性的实施例中，请参阅图1和图2，侧视激光雷达组包括至少两个侧视激光雷达。 [0081] 至少两个侧视激光雷达，用于检测前方及侧向障碍物空间位置，并根据摄像头组件的图像生成可行驶区域的边界。 [0082] 示例性地，侧视激光雷达组包括对称分布于车身两侧的侧视激光雷达221和侧视激光雷达222。侧视激光雷达组与摄像头组件通过数据融合算法（如深度学习、卡尔曼滤波 等）实现协同工作，提供车辆周围环境的全方位感知。激光雷达提供高精度的点云数据，摄 像头提供丰富的视觉信息，二者通过数据融合算法生成更精确的环境感知模型。摄像头组 件识别车道线、路肩等可行驶区域特征，激光雷达提供障碍物的空间位置信息，二者结合生 成精确的可行驶区域边界。同时，摄像头组件识别障碍物的类别，激光雷达提供障碍物的空 间位置信息，二者结合生成完整的障碍物感知模型。 [0083] 上述实施例中，侧视激光雷达组通过至少两个侧视激光雷达的部署，实现了车辆前方及侧向障碍物的精确检测，并结合摄像头组件的图像数据生成可行驶区域的边界。其 高精度的点云数据与视觉信息的融合，为车辆提供了全面的环境感知能力，确保在复杂交 通环境中的安全行驶。 [0084] 在一个示例性的实施例中，请参阅图1和图2，雷达组件还包括超声波雷达组。 [0085] 超声波雷达组，设置于车身周围，用于车辆周围防撞检测。 [0086] 示例性地，超声波雷达组包括12个超声波雷达，包括对称分布于车身前部的超声波雷达251和超声波雷达252、分布于车身后部的超声波雷达253和超声波雷达254以及对称 分布于车身两侧的超声波雷达255、超声波雷达256、超声波雷达257、超声波雷达258、超声 波雷达259、超声波雷达2510、超声波雷达2511、超声波雷达2512。超声波雷达通过发射超声 波信号并接收反射信号，能够精确测量车辆与周围障碍物之间的距离，提供实时、可靠的防 撞预警信息。其工作原理基于超声波的发射与接收，通过测量超声波信号从发射到反射回 来的时间差，计算出车辆与障碍物之间的距离，以实现泊车辅助、低速防撞、盲区检测等功 能。 [0087] 在紧急情况下，超声波雷达组可作为冗余系统，能够为车辆提供额外的安全保障。超声波雷达组与其他传感器（如毫米波雷达、激光雷达）协同工作，在某一传感器失效或检 测结果不确定时，超声波雷达能够提供补充信息，确保环境感知的可靠性。当系统检测到车 辆与障碍物的距离过近时，超声波雷达能够触发紧急制动，避免碰撞发生。在复杂环境中， 超声波雷达能够提供精确的短距离检测信息，弥补其他传感器的不足。 [0088] 在一个示例性的实施例中，该系统还包括车辆计算机设备。 [0089] 车辆计算机设备，用于将前视摄像头组探测到的环境感知数据与侧视激光雷达组探测到的环境感知数据进行融合，得到第一融合数据，根据第一融合数据生成可行驶区域。 [0090] 车辆计算机设备还用于将后激光雷达探测到的环境感知数据与后摄像头探测到的环境感知数据进行融合，得到第二融合数据，根据第二融合数据进行挂车对接路径规 划。。 [0091] 示例性地，前视摄像头组捕捉车辆前方的环境感知数据，识别车道线、路肩、交通标志等可行驶区域特征；侧视激光雷达组生成高精度的三维点云数据，检测前方及侧向障 碍物的空间位置；通过融合前视摄像头组的环境感知数据与侧视激光雷达组的点云数据得 到第一融合数据，车辆计算机设备根据第一融合数据生成精确的可行驶区域边界。系统可 根据实时感知数据，动态更新可行驶区域，确保车辆在复杂环境中的安全行驶。 [0092] 后激光雷达240生成车辆后方的三维点云数据，检测挂车的位置、姿态及周围障碍物；后摄像头捕捉车辆前方的视觉信息，识别挂车对接目标的位置及姿态；通过融合后激光 雷达240的点云数据与后摄像头的视觉信息得到第二融合数据，车辆计算机设备根据第二 融合数据生成挂车对接的精确路径。例如，激光雷达检测挂车的空间位置，摄像头识别挂车 的对接目标，二者结合车辆计算机设备规划最优对接路径。 [0093] 在一个示例性的实施例中，后激光雷达240，还用于识别后方挂车的连接机构空间姿态，输出挂车对接控制参数，以完成自动挂接后方挂车。 [0094] 示例性地，后激光雷达240发射激光束并接收反射信号，生成挂车连接机构及其周围环境的三维点云数据；通过智能算法（如深度学习、点云分割等），系统从点云数据中提取 挂车连接机构的特征（如位置、角度、尺寸等）；根据提取的特征，系统计算挂车连接机构的 空间姿态（如水平位置、垂直高度、倾斜角度等）。在识别挂车连接机构的空间姿态后，根据 挂车连接机构的姿态信息，系统规划车辆的对接路径，确保车辆与挂车的连接机构对齐；系 统生成挂车对接的控制参数（如方向盘角度、车速、制动距离等），并将这些参数传递给车辆 的控制系统。在对接过程中，系统根据实时感知数据动态调整控制参数，确保对接的精确性 和安全性。 [0095] 本实施例中，后激光雷达240通过高精度的三维点云数据与智能算法，实现了挂车连接机构的空间姿态识别与自动对接控制。其高精度感知、实时性与复杂环境适应性，为挂 车对接提供了全面的技术支持，显著提升了挂车对接的自动化水平和安全性。 [0096] 在一个示例性的实施例中，摄像头组件和雷达组件的视野范围如图3所示。通过数据融合算法实现多层环境感知冗余和车辆周围全视野覆盖，实现车辆周围环境的无死角感 知，为无人驾驶车辆的安全运行提供全面保障。 [0097] 在一个示例性的实施例中，提供一种无人驾驶车辆，该无人驾驶车辆包括上述实施例中任一项所述的无人驾驶车辆感知系统。 [0098] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存 在矛盾，都应当认为是本说明书记载的范围。 |
||
QQ群二维码
意见反馈
意见反馈