1.一种物流运输车辆智能辅助驾驶系统,其特征在于,所述的物流运输车辆智能辅助驾驶系统包括服务器、GPS接收装置、单线激光雷达、深度摄像头、IMU惯性测量单元和力传感器;
所述的服务器用于对GPS接收装置、单线激光雷达、深度摄像头、IMU惯性测量单元和力传感器的数据进行接收、格式转换、存储并计算物流运输车在移动过程中所耗费的代价;
所述的GPS接收装置用于获取物流运输车当前地点以及驾驶员指定的目的地的三维坐标;
所述的单线激光雷达用于与360°高速云台协同扫描构建三维点云地图以及测量物流运输车与行驶的车辆之间的距离;
所述的深度摄像头用于采集物流运输车周围环境的深度图像;
所述的IMU惯性测量单元用于测量物流运输车行驶时的线速度、角速度;
所述的力传感器用于获取物流运输车的轮胎所承受的压力值;
所述物流运输车辆中,安装在车架中心两侧的车轮由履带包裹,履带通过液压缸与车架连接形成收放系统;车架上方的车厢外侧的锁环与后车轮的车轴通过铁杆连接,铁杆与车厢外侧的液压缸连接;车头顶端处设置云台减震器,云台减震器上表面装有360°高速云台;360°高速云台集成深度摄像头和单线激光雷达。
2.一种物流运输车辆智能辅助驾驶方法,其特征在于,是通过物流运输车辆智能辅助驾驶系统实现的,步骤如下:
步骤2.1、物流运输车在行驶过程中需要实时地获取自身的位置并构建周围环境地图,首先,物流运输车通过GPS接收装置获取自身的坐标以及驾驶员指定的目的地的坐标;同时,服务器融合单线激光雷达与深度摄像头各自扫描的图像信息,并对融合后的图像数据进行存储;
步骤2.2、服务器根据IMU反馈的物流运输车的线速度值以及车辆行驶方向,根据GPS接收装置获取的物流运输车当前所在的位置、驾驶员指定的目的地的位置计算并筛选出一条最佳路径,根据所述最佳路径信息向物流运输车的电机发送指令,调整车轮转向以及行驶速度;当物流运输车在移动过程中遇到泥泞、坑洼地形时,将力传感器采集的压力值转化成电信号,服务器通过判断电信号的变化情况,向电机发送指令:使电机分别驱动与车架连接的液压缸舒张将履带放置地面,与后车轮相连接的液压缸收缩将后轮提起。
3.根据权利要求2所述的一种物流运输车辆智能辅助驾驶方法,其特征在于,所述的步骤2.1中,物流运输车在行驶过程中需要实时地获取自身的位置并构建周围环境地图,按照以下步骤执行:
步骤3.1、服务器对单线激光雷达发射的点云数据以及IMU获取的物流运输车的位姿分别进行预处理;
步骤3.2、基于步骤3.1所述单线激光雷达随360°高速云台转动而扫描建立的点云地图,利用IMU实时采集的物流车的位姿数据校正点云地图中的畸变点;
步骤3.3、将步骤3.2中纠正后的点云地图与深度摄像头采集的道路的深度图进行融合;
步骤3.4、重复步骤3.1‑步骤3.3,构建增量式地图。
4.根据权利要求3所述的一种物流运输车辆智能辅助驾驶方法,其特征在于,所述步骤
3.1中,对单线激光雷达发射的点云数据以及IMU获取的物流运输车的位姿分别进行预处理,按照如下方式进行:
服务器初始化队列Q,给定高度阈值h0,h0为物流运输车高度的一半,以物流运输车重心为原点O,以物流运输车行驶方向为X轴正方向,垂直于行驶方向为Y轴正方向,以垂直重力方向且垂直车辆的行驶方向为Z轴正方向,建立OXcarYcarZcar车辆坐标系;
设激光雷达坐标系OXlidarYlidarZlidar与车辆坐标系重合;设IMU坐标系OXimuYimuZimu以车辆的重力方向为IMU坐标系中Z轴的正方向,以物流运输车行驶方向为X轴的正方向,以垂直重力方向且垂直车辆的行驶方向为Y轴的正方向;
设单线激光雷达发射的点云的初始时刻为tbegin,接收时刻tend,若在t0时刻存在一帧点云的平均高度 时,则按如下步骤处理:步骤4.1、通过式(4‑1)对(tbegin,tend)内的点云进行均值化操作后保存至队列Q;
式(4‑1)中:
xcloudi表示第i帧激光点云中最后一个激光点的横坐标;
ycloudi表示第i帧激光点云中最后一个激光点的纵坐标;
zcloudi表示第i帧激光点云中最后一个激光点垂直于地面的高度坐标;
xbegin表示第i帧激光点云中第一个激光点的横坐标;
ybegin表示第i帧激光点云中第一个激光点的纵坐标;
zbegin表示第一个激光点垂直于地面的高度坐标;
步骤4.2、在tbegin时刻获取IMU估计物流运输车辆的偏向角度αtbegin,在tend时刻获取IMU估计物流运输车辆的偏向角度αtend,利用式(4‑2)可获得(tbegin,tend)内物流运输车辆的偏向角度的平均值:
步骤4.3、利用式(4‑3)将t0时刻的点云转化到IMU坐标系下;
步骤4.4、将转化后的点云插入到队列Q中;
步骤4.5、在物流运输车辆行驶过程中不断重复步骤4.1~4.4。
5.根据权利要求2所述的一种物流运输车辆智能辅助驾驶方法,其特征在于,所述的步骤3.3中,纠正后的点云地图与深度摄像头采集的道路的深度图进行融合,按照以下步骤进行:
步骤5.1、对于深度图像中的任意像素点(xd,yd),通过式(5‑1)转换到点云坐标系下;
式(5‑1)中:
fx,fy分别为像素点在x轴、y轴方向的物理尺寸;
xd,yd分别为所述深度图像中任意像素点的横、纵坐标;
D为深度摄像头的深度值;
xcamera_cloud,ycamera_cloud,zcamera_cloud分别为所述像素点(xd,yd)转化到点云坐标系后的横坐标、纵坐标、垂直于地面的高度坐标;
步骤5.2、依次将深度图像的各个像素点转化到点云坐标系下构建新的点云图;
步骤5.3、重复执行步骤5.1~步骤5.2。
6.根据权利要求2所述的一种物流运输车辆智能辅助驾驶方法,其特征在于,所述的步骤2.2中,所述最佳路径的计算方法按如下步骤实施:步骤6.1、以物流运输车重心为原点O,以车头朝向为X轴,垂直于车头朝向为Y轴,垂直于地面朝向为Z轴,建立O‑XYZ空间直角坐标系;物流运输车当前地点A坐标记为(xpre,ypre,zpre),利用GPS接收装置获取的目标地点B坐标记为(xf,yf,zf);将目标地点坐标存入服务器中的集合visited_path_B,将物流运输车位置坐标存入服务器中的集合:visited_path_A;
步骤6.2、计算物流运输车当前位置A与目标地点B之间的距离d;物流运输车以当前地点A作为中心,以rA作为扩展半径做球体,其中, m为所述球体内包含的地点数目,且所述球体包含若干地点坐标{La1,La2,La3,...,Lam},服务器将地点坐标存入集合future_path_A;同理以目标地点B作为中心,以rB作为扩展半径做球体,其中, m为所述球体内包含的地点的数目,且所述球体中包含的若干地点坐标为:{Lb1,Lb2,Lb3,...,Lbm},服务器将地点坐标存入集合future_path_B;
步骤6.3、服务器分别计算物流运输车从当前地点A到所述集合future_path_A中各个地点的所需预耗费代价集合List_PA;物流运输车从目标地点B到所述集合future_path_B中各个地点所需预耗费代价集合List_PB;
步骤6.4、服务器分别计算出所述集合List_PA中预耗费代价值PA最小所对应集合future_path_A中的地点坐标Lak,k≤m,并将该地点记为min_LA、所述集合List_PB中预耗费代价值PB最小所对应集合future_path_B中的地点坐标Lbk,k≤m,并将该地点记为min_LB;
步骤6.5、服务器对物流运输车从当前地点A到所述集合future_path_A中min_LA所需预耗费代价值min_PA与物流运输车从目标地点B到所述集合future_path_B中min_LB所需预耗费代价值min_PB的大小进行比较,分为两种情况:情况1、若min_PB<min_PA,则服务器自目标地点B向min_LB生成一条路径,并将B、min_LB从集合future_path_B中释放存入服务器中的集合visited_path_B;
情况2、若min_PB>min_PA,则服务器自当前地点A向min_LA生成一条路径,并将A、min_LA从集合future_path_A中释放存入服务器中的集合visited_path_A;
步骤6.6、若情况1被执行,则下一次以min_LA作为步骤6.2中所述‘当前地点’并从步骤
6.2开始执行;若情况2被执行,则下一次以min_LB作为步骤6.2中所述‘当前地点’并从步骤
6.2开始执行,且执行步骤6.2时,所述地点数目m增加1个;
步骤6.7、若服务器对visited_path_A与visited_path_B取交集后不为空,则物流运输车从当前位置A与目标地点B生成路径成功;反之,则重复执行所述步骤6.2至步骤6.6。
7.根据权利要求2所述的一种物流运输车辆智能辅助驾驶方法,其特征在于,所述步骤
6.3中,服务器计算物流运输车到达各个地点所需预耗费的代价值P,所述代价P由式(7‑1)计算获得:
其中,(xnext,ynext,znext)为所述集合future_path_A中各个地点的坐标或所述集合future_path_B中各个地点的坐标;
(xcurrent,ycurrent,zcurrent)为物流运输车当前所在地点的坐标;
式(7‑1)所述U,热量增益,如式(7‑2)所示,表示由于车辆行驶状态变化而引起的车辆机械系统损耗:
式(7‑2)中:
ε表征在物流运输车在行驶过程中由于外界因素干扰所造成的抖动的物理量;
v表示物流运输车的行驶速度;
dmin表示在道路上行驶的车辆中与物流运输车之间的最短距离;
式(7‑2)中所述外界因素,ε可由式(7‑3)表示:式(7‑3)中:
T代表路面对车辆的作用力,可由力传感器测量获得;
λ代表摩擦损耗,L表示道路的结构类型:λL表示车辆的轮胎与不同结构类型的道路经摩擦而出现的损耗,共有三种结构类型,分别以L=I、L=II、L=III进行表征,即,L=3:I、嵌锁结构;
II、混凝结构;
III、细粒结构;
Ej分别代表不同类型的天气对车辆状态造成的影响,主要有三种类型的天气即,j=3:①沙尘暴、雾霾天气;
②高温天气;
③雨雪天气。