一种基于三维检测的智能车竞赛轨迹优化方法及系统技术方案

本发明专利技术公开一种基于三维检测的智能车竞赛轨迹优化方法及系统，涉及智能控制领域，该方法包括：应用智能车竞赛场地中预设部署位置上的激光雷达获取智能车竞赛场地预设三维空间的同步点云；根据同步点云，提取锥桶点云，确定锥桶位置；根据锥桶位置，确定智能车在竞赛赛道的理想路径；根据同步点云

【技术实现步骤摘要】
一种基于三维检测的智能车竞赛轨迹优化方法及系统


[0001]本专利技术涉及智能控制领域，特别是涉及一种基于三维检测的智能车竞赛轨迹优化方法及系统
。

技术介绍

[0002]随着人工智能领域的快速发展和传统能源的污染和资源短缺等问题，传统汽车产业逐渐迈入智能时代，为加快智能汽车领域的发展和培养熟悉该领域的高层次青年人才，各种智能车竞赛应运而生，智能车比赛往往是通过智能车竞赛完成时间来给出最终的成绩，没有考虑智能车竞赛过程中的智能车自身状态，多智能车交互状态以及智能车赛道自身状态等信息，使得无法在竞赛过程或竞赛调试过程有有利的闭环提升，现有方法存在着智能车无法在竞赛过程中无法进行校准和优化后续的轨迹的问题
。
[0003]现有研究主要针对某一时刻智能车自身的状态对下一时刻车辆的轨迹进行规划，王锦坤等人获取待规划的智能车环境和车辆自身状态信息，并将信息输入局部轨迹规划器，基于运动学模型，规划出局部最优轨迹，但其并未考虑他车因素和环境变化等信息，且无法指导车辆进行多层次的轨迹优化
。
[0004]中国专利公告号为
CN201911094805.6
的专利文件中介绍了一种基于改进人工势场法的智能车辆轨迹规划方法，包括
:
获取智能车辆信息，障碍物信息，道路边界信息；目标点位置信息；根据智能车辆信息
、
障碍物信息及目标点信息位置建立障碍物斥力势场和目标点引力势场；根据智能车在所有障碍物斥力势场和目标点引力势场组合的复合场中所受到的力的作用，建立平衡方程得到一系列点，将这些点用平滑的曲线连接起来，得到了一条智能车在规划周期的形式轨迹
。
但是本方法无法在智能车竞赛全过程中收集智能车的行驶状态信息，多智能车交互状态以及锥桶状态信息，且无法指导车辆进行多层次的轨迹优化，使得智能车竞赛过程中无法有效的通过调试提升成绩
。

技术实现思路

[0005]本专利技术的目的是提供一种基于三维检测的智能车竞赛轨迹优化方法及系统，能够在智能车竞赛过程中通过优化路径有效提升成绩
。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于三维检测的智能车竞赛轨迹优化方法，所述优化方法包括：
[0008]应用智能车竞赛场地中预设部署位置上的激光雷达获取智能车竞赛场地预设三维空间的同步点云；
[0009]根据所述同步点云，提取锥桶点云，确定锥桶位置；
[0010]当所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量小于等于设定阈值时，根据所述锥桶位置，确定所述智能车在竞赛赛道的理想路径，并且所述智能车沿所述理想路径运动；
[0011]当所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量大于设定阈值
时，根据所述同步点云，对所述智能车竞赛场地中的智能车进行三维目标检测，得到多个智能车的位置信息和尺寸信息；
[0012]根据多个所述智能车的位置信息和尺寸信息，确定多个所述智能车的速度和方向以及相邻智能车之间的距离和速度方向的夹角；
[0013]根据所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量与多个所述智能车的速度和方向以及相邻智能车之间的距离和速度方向的夹角，确定下一帧中多个所述智能车的位置信息，得到所述智能车在竞赛赛道的优化路径，并且所述智能车沿所述优化路径运动
。
[0014]可选地，应用所述部署位置上的激光雷达获取智能车竞赛场地预设三维空间的同步点云，具体包括：
[0015]应用所述部署位置上的激光雷达，获得智能车竞赛场地预设三维空间的多个点云数据；
[0016]将多个所述点云数据进行时间同步和空间同步，得到原始同步点云；
[0017]根据原始同步点云，基于多边形区域的条件滤波，得到点云在
X
‑
Y
面的有效范围；
[0018]根据所述
X
‑
Y
面的有效范围内的点云，应用高度差的直通滤波筛选点云
Z
轴上的点云，得到有效的
XYZ
三维空间点云；
[0019]根据有效的
XYZ
三维空间点云，应用基于距离度量值的自适应半径滤波剔除噪声点，得到同步点云
。
[0020]可选地，根据所述同步点云，提取锥桶点云，确定锥桶位置，具体包括：
[0021]根据所述同步点云，应用基于密度的
DBSCAN
聚类算法提取锥桶点云；
[0022]根据所述锥桶点云，计算锥桶在激光雷达基准坐标系上的位置信息，确定锥桶位置；所述激光雷达基准坐标系为所述原始同步点云所在的
XYZ
坐标系
。
[0023]可选地，根据所述锥桶位置，确定所述智能车在竞赛赛道的理想路径，具体包括：
[0024]根据所述锥桶位置，应用
alpha shapes
轮廓提取算法，确定智能车竞赛赛道内轮廓锥桶位置点和外轮廓锥桶位置点；
[0025]根据所述内轮廓锥桶位置点和所述外轮廓锥桶位置点，应用外点遍历算法，确定中心路径点；
[0026]应用三次
B
样条曲线将所述中心路径点进行拟合，得到理想路径
。
[0027]可选地，所述智能车的速度和方向为：
[0028][0029]其中，表示智能车第
t
帧的速度，
T
表示激光雷达点云数据中相邻两帧的时间间隔，
x
t
、y
t
和
z
t
表示第
t
帧智能车中心点坐标信息，
x
t
‑2、y
t
‑2和
z
t
‑2表示第
t
‑2帧智能车中心点坐标信息；
[0030]相邻智能车之间的距离为：
[0031][0032]其中，表示智能车
i
与智能车
j
之间的距离，和表示第
t
帧智能车冲心点坐标信息，和表示第
t
‑1帧智能车
i
中心点坐标信息，和表示第
t
帧智能车
j
中心点坐标信息，中心点坐标信息，和表示第
t
‑1帧智能车
j
中心点坐标信息；
[0033]速度方向的夹角为：
[0034][0035]其中，表示第
t
帧智能车
i
与智能车
j
速度方向夹角，表示第
t
帧智能车
i
速度向量，表示第
t
帧智能车
j
速度向量
。
[0036]可选地，所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量为：
[0037][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于三维检测的智能车竞赛轨迹优化方法，其特征在于，所述优化方法包括：应用智能车竞赛场地中预设部署位置上的激光雷达获取智能车竞赛场地预设三维空间的同步点云；根据所述同步点云，提取锥桶点云，确定锥桶位置；当所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量小于等于设定阈值时，根据所述锥桶位置，确定所述智能车在竞赛赛道的理想路径，并且所述智能车沿所述理想路径运动；当所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量大于设定阈值时，根据所述同步点云，对所述智能车竞赛场地中的智能车进行三维目标检测，得到多个智能车的位置信息和尺寸信息；根据多个所述智能车的位置信息和尺寸信息，确定多个所述智能车的速度和方向以及相邻智能车之间的距离和速度方向的夹角；根据所述同步点云当前帧的锥桶位置与上一帧的锥桶位置的偏移量与多个所述智能车的速度和方向以及相邻智能车之间的距离和速度方向的夹角，确定下一帧中多个所述智能车的位置信息，得到所述智能车在竞赛赛道的优化路径，并且所述智能车沿所述优化路径运动
。2.
根据权利要求1所述的基于三维检测的智能车竞赛轨迹优化方法，其特征在于，应用所述部署位置上的激光雷达获取智能车竞赛场地预设三维空间的同步点云，具体包括：应用所述部署位置上的激光雷达，获得智能车竞赛场地预设三维空间的多个点云数据；将多个所述点云数据进行时间同步和空间同步，得到原始同步点云；根据原始同步点云，基于多边形区域的条件滤波，得到点云在
X
‑
Y
面的有效范围；根据所述
X
‑
Y
面的有效范围内的点云，应用高度差的直通滤波筛选点云
Z
轴上的点云，得到有效的
XYZ
三维空间点云；根据有效的
XYZ
三维空间点云，应用基于距离度量值的自适应半径滤波剔除噪声点，得到同步点云
。3.
根据权利要求2所述的基于三维检测的智能车竞赛轨迹优化方法，其特征在于，根据所述同步点云，提取锥桶点云，确定锥桶位置，具体包括：根据所述同步点云，应用基于密度的
DBSCAN
聚类算法提取锥桶点云；根据所述锥桶点云，计算锥桶在激光雷达基准坐标系上的位置信息，确定锥桶位置；所述激光雷达基准坐标系为所述原始同步点云所在的
XYZ
坐标系
。4.
根据权利要求1所述的基于三维检测的智能车竞赛轨迹优化方法，其特征在于，根据所述锥桶位置，确定所述智能车在竞赛赛道的理想路径，具体包括：根据所述锥桶位置，应用
alpha shapes
轮廓提取算法，确定智能车竞赛赛道内轮廓锥桶位置点和外轮廓锥桶位置点；根据所述内轮廓锥桶位置点和所述外轮廓锥桶位置点，应用外点遍历算法，确定中心路径点；应用三次
B
样条曲线将所述中心路径点进行拟合，得到理想路径
。5.
根据权利要求1所述的基于三维检测的智能车竞赛轨迹优化方法，其特征在于，所述
智能车的速度和方向为：其中，表示智能车第
t
帧的速度，
T
表示激光雷达点云数据中相邻两帧的时间间隔，
x
t
、y
t
和
z
t
表示第
t
帧智能车中心点坐标信息，
x
t
‑2、y
t
‑2和
z
t
‑2表示第
t
‑2帧智能车中心点坐标信息；相邻智能车之间的距离为：其中，表示智能车
i
与智能车
j
之间的距离，和表示第
t
帧智能车
i
中心点坐标信息，和表示第
t
‑1帧智能车
i
中心点坐标信息，和表示第
t
帧智能车
j
中心点坐标信息，中心点坐标信息，和表示第
t
‑1帧智能车
j
中心点坐标信息；速度方向的夹角为：其中，表示第
t
帧智能车
i
与智能车
j
速度方向夹角，表示第
...

【专利技术属性】
技术研发人员：阳娣莎，贺涛，李和言，彭保山，宋懂宏，汪奇，胡海豪，夏笠，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：