拖车拖斗检测方法、系统和无人驾驶拖车与流程

本发明涉及自动检测领域，更具体地涉及一种拖车拖斗检测方法、系统和一种无人驾驶拖车。

背景技术

随着科学技术的发展，自动检测技术已经应用于很多领域。例如，使用接触式传感器来实现对拖车拖斗的位置状态的检测。

在现有的拖车拖斗检测系统中，一般采用接触式传感器来确定拖斗是否还挂在拖车的车头上，从而确定拖斗是否与车头脱离。由于这类拖车拖斗检测系统中采用接触式的检测方式，所以其易损耗，使用寿命较短。

还有些拖车拖斗检测系统中，通过计算车头中心与拖斗中心之间的距离关系来确定拖车拖斗的位置状态。这类拖车拖斗检测系统的检测精度低下，难以满足用户实际需要。

技术实现要素：

考虑到上述问题而提出了本发明。根据本发明一个方面，提供了一种拖车拖斗检测方法，包括：

采集拖斗数据，其中所述拖斗数据包括表示拖斗的第一平面的位置的信息；

根据所述拖斗与车头处于正常连接状态时所述第一平面在所述拖斗数据中的位置，在所述拖斗数据中确定感兴趣区域(roi)；

在所述roi中，基于所述表示拖斗的第一平面的位置的信息，确定关于表示所述第一平面的线段的信息；以及

根据所述关于表示所述第一平面的线段的信息确定所述拖斗的位置状态。

示例性地，所述方法还包括：对所述拖斗数据进行标定，以构建车坐标系下的拖斗数据，其中所述车坐标系以车头横向的中心为原点。

示例性地，所述在所述拖斗数据中确定roi包括：

确定所述车坐标系的x轴的一部分为所述roi的上边缘，并且根据所述拖斗与所述车头处于正常连接状态时所述车坐标系的所述原点与所述第一平面在所述拖斗数据中的位置之间的距离dcd，确定所述roi的下边缘中与所述x轴距离最大的点p1与所述x轴之间的距离d1，其中第一阈值<d1-dcd<第二阈值，所述车坐标系的x轴是过所述原点且平行于所述车头横向的方向。

示例性地，所述roi的下边缘是与所述x轴平行的线段。

示例性地，所述点p1位于所述车坐标系的y轴上，其中所述车坐标系的y轴是过所述原点且平行于所述车头纵向的方向，所述roi是由线段l11、线段l12、线段l13、线段l14、线段l15和线段l16围成的区域，其中，

所述线段l11过所述点p1、与所述x轴平行、被所述y轴等分且其长度等于所述第一平面在所述拖斗数据中的长度；

所述线段l12的下端点与所述线段l11的左端点重合、与所述线段l11成125度角并且其长度等于所述线段l11的长度；

所述线段l14与所述x轴重合、被所述y轴等分且其长度等于所述线段l11的长度的2倍；

所述线段l13的上端点与所述线段l14的左端点重合，且所述线段l13的下端点与所述线段l12的上端点重合；

所述线段l15和所述线段l16分别与所述线段l13和所述线段l12关于y轴对称。

示例性地，所述roi是由线段l21、线段l22、线段l23和圆弧l24围成的区域，其中，

所述线段l21与所述x轴重合、被所述车坐标系的y轴等分且其长度等于所述第一平面在所述拖斗数据中的长度的2倍，其中所述车坐标系的y轴是过所述原点且平行于所述车头纵向的方向；

所述圆弧l24是以所述y轴上的与所述点p1之间的距离等于所述第一平面在所述拖斗数据中的长度的点p2为圆心、以所述第一平面在所述拖斗数据中的长度为半径，且开口朝向所述y轴正方向的半圆弧；

所述线段l22的上端点与所述线段l21的左端点重合，且所述线段l22的下端点与所述圆弧l24的左端点重合；以及

所述线段l23与所述线段l22关于y轴对称。

示例性地，所述拖斗数据是激光雷达点云数据。

示例性地，所述在所述roi中基于所述表示拖斗的第一平面的位置的信息确定关于表示所述第一平面的线段的信息包括：

读取所述roi中的激光雷达点云数据；

针对所读取的激光雷达点云数据进行直线拟合，并根据直线拟合结果确定所述关于表示所述第一平面的线段的信息。

示例性地，所述针对所读取的激光雷达点云数据进行直线拟合，并根据直线拟合结果确定所述关于表示所述第一平面的线段的信息，包括：

针对所读取的激光雷达点云数据执行一次直线拟合操作；

对于该次直线拟合操作所获得的直线与y轴的交点的纵坐标的绝对值大于或等于dcd的情况，根据所述所获得的直线确定所述表示所述第一平面的线段，其中，所述车坐标系的y轴是过所述原点且平行于所述车头纵向的方向；

对于该次直线拟合操作所获得的直线与y轴的交点的纵坐标的绝对值小于dcd的情况，删除所获得的直线所对应的激光雷达点云数据并针对剩下的激光雷达点云数据执行下一次直线拟合操作，直至不存在激光雷达点云数据或者所获得的直线与y轴的交点的纵坐标的绝对值大于或等于dcd并根据最后获得的直线确定所述表示所述第一平面的线段。

示例性地，所述针对所读取的激光雷达点云数据进行直线拟合包括：

利用随机抽样一致算法(ransac)针对所述所读取的激光雷达点云数据进行直线拟合。

示例性地，所述根据所述关于表示所述第一平面的线段的信息确定所述拖斗的位置状态包括：

统计所述roi中的激光雷达点云数据中与所述表示所述拖斗的第一平面的线段距离小于第三阈值的点的数目；

对于所述数目小于第四阈值的情况，确定所述拖斗与所述车头脱离。

示例性地，所述采集拖斗数据包括：利用单线激光雷达传感器采集所述拖斗数据。

示例性地，所述根据所述关于表示所述第一平面的线段的信息确定所述拖斗的位置状态包括：

确定所述表示所述第一平面的线段所在的直线方程；

根据所述直线方程，确定所述表示所述第一平面的线段与所述车头横向的角度，以确定所述拖斗的姿态。

根据本发明另一个方面，还提供了一种拖车拖斗检测系统，包括：

数据采集装置，用于采集拖斗数据，其中所述拖斗数据包括表示拖斗的第一平面的位置的信息；

计算装置，用于根据所述拖斗与车头处于正常连接状态时所述第一平面在所述拖斗数据中的位置，在所述拖斗数据中确定roi；在所述roi中，基于所述表示拖斗的第一平面的位置的信息，确定关于表示所述第一平面的线段的信息；以及根据所述关于表示所述第一平面的线段的信息确定所述拖斗的位置状态。

示例性地，所述数据采集装置是单线激光雷达传感器。

示例性地，所述系统还包括显示器，用于显示所述拖斗的位置状态。

根据本发明再一个方面，还提供了一种无人驾驶拖车，包括上述拖车拖斗检测系统。

根据本发明实施例的拖车拖斗检测方法和系统通过用检测范围内的线段来表示拖斗的某个平面的位置，从而据此确定拖车拖斗的位置状态。上述拖车拖斗检测方法和系统采用非接触式的检测方式，显著提高了系统的寿命时长；而且其检测结果更准确。上述自动驾驶拖车中能够利用拖车拖斗检测系统自动并准确地检测拖斗的位置状态。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1示出了根据本发明一个实施例的拖车拖斗检测方法的示意性流程图；

图2示出了根据本发明一个实施例的拖车示意图；

图3示出了根据本发明一个实施例的拖斗与车头处于正常连接状态时的拖斗数据；

图4示出了图3所示的拖斗数据经标定后的结果；

图5示出了根据本发明一个实施例的拖斗数据的roi；

图6示出了根据本发明另一个实施例的拖斗数据和其中的roi；

图7示出了根据本发明又一实施例的拖斗数据的roi；

图8示出了根据本发明一个实施例的拖斗数据和其中的roi；以及

图9示出了根据本发明另一个实施例的拖斗数据以及其中的roi。

具体实施方式

为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。

在本发明的实施例的拖车拖斗检测方法中，通过用检测范围内的线段来表示拖车拖斗的某个平面，从而据此确定拖斗的位置状态。因为拖斗具有固定形状，所以拖斗的平面可以是拖斗的前平面、侧平面以及后平面等。这些平面的位置都能够清楚地表示拖斗的位置状态。可以理解，前平面的检测更易于实现。为了方便描述，以下以拖斗的前平面为例，来描述该拖车拖斗检测方法。

将参考图1描述根据本发明一个实施例的拖车拖斗检测方法。图1示出根据本发明一个实施例的拖车拖斗检测方法100的示意性流程图。如图1所示，该方法100包括以下步骤。

步骤s110，采集拖斗数据。该拖斗数据包括关于拖斗位置状态的信息，例如表示拖斗的前平面的位置的信息。

拖斗数据可以是任何合适的、包括上述信息的数据。例如拖斗数据可以是三维图像数据、激光雷达点云数据等各种格式的数据。在本实施例中，以激光雷达点云数据为例来说明本拖车拖斗检测方法200。

拖斗数据可以由数据采集装置(例如激光雷达传感器等)采集并传送到计算装置(例如处理器)进行处理。在应用时，数据采集装置可以固定在车头的特定位置，以便于其实时采集拖斗数据。可以理解，拖斗数据中可以包括数据采集装置的一定检测范围内的所有对象的位置信息。图2示出了根据本发明一个实施例的拖车示意图。在图2所示的拖车中，利用激光雷达传感器进行拖斗数据采集。激光雷达传感器安装在拖车的车头的左边缘，例如固定在车头的左边缘的突出件上。图2中虚线框示出了拖斗数据所涵盖的检测范围。如果拖斗与车头处于连接状态，那么在拖斗的前平面的相应位置上，拖斗数据中将存在一些点云数据。根据这些点云数据，可以确定拖斗的前平面的位置。否则，如果拖斗与车头处于脱离状态，拖斗数据中可能不存在相应的点云数据。此时，拖斗数据中包括表示拖斗的前平面不在检测范围内的信息。

总之，表示拖斗的前平面的位置的信息在不同情况中分别可以包括表示前平面在拖斗数据中的具体位置的数据和表示在拖斗数据对应的检测范围内不包括前平面的信息。

激光雷达传感器能够全天候实时地检测拖车拖斗的位置状态，而且不易受到环境干扰。可选地，上述激光雷达传感器可以是单线激光雷达传感器。单线激光雷达传感器能够满足上述应用需要而且价格低廉。此外，单线激光雷达传感器通常是无人驾驶拖车本身自带的传感器，其还可以兼容其他的功能。总之，单线激光雷达传感器的应用在保证拖斗检测准确度的同时，能够降低拖车拖斗检测系统的成本。

在本申请的上下文中，称车头的前后方向为纵向，相应地，称车头的左右方向为横向。在拖车所在的平面中构建平面坐标系，在该平面坐标系下的拖斗数据中，拖斗的前平面所对应的点云数据可以组成一条近似线段。该线段能够表示拖斗的前平面的位置。

步骤s120，根据拖斗与车头处于正常连接状态时拖斗的前平面在拖斗数据中的位置，在所述拖斗数据中确定roi。

称车头的横向的截面为车头的横截面，拖斗的横向的截面为拖斗的横截面，其中拖斗的横向为拖斗的左右方向。称过横截面的中心的纵轴为中心纵轴。称过车头或拖斗的纵轴且垂直于地面的平面为垂面。拖斗与车头处于正常连接状态是指拖斗的中心纵轴与车头的中心纵轴在同一垂面内而且拖斗与车头保持连接状态。图2中示出了拖斗和车头的中心纵轴，如图2所示，拖斗与车头即处于正常连接状态。

图3示出了根据本发明一个实施例的拖斗与车头处于正常连接状态时的拖斗数据。其中，图3上方的包括直角处是激光雷达传感器的位置，下方的不规则图形示出了表示拖斗的前平面的激光雷达点云数据。由图3所示拖斗数据可知，拖斗与车头处于正常连接状态时，拖斗的前平面在激光雷达点云数据中的具体位置。通常情况下，激光雷达传感器所采集的点云数据是基于激光雷达传感器坐标系的。在激光雷达传感器坐标系中，以激光雷达传感器为原点，图3中直角的两个边分别是激光雷达传感器坐标系的x轴和y轴。

可以根据拖斗与车头处于正常连接状态时拖斗的前平面在拖斗数据中的位置，在拖斗数据中确定roi。可以当拖斗与车头处于正常连接状态时，采集一个理想的拖斗数据。根据该理想的拖斗数据预先确定拖斗的前平面在拖斗数据中的位置。进而根据该拖斗的前平面在拖斗数据中的位置，确定roi在该理想的拖斗数据中的位置信息。在后续采集的所有待检测的拖斗数据中，可以根据该位置信息确定roi。

roi至少包括前述状态时前平面在拖斗数据中的位置的一部分。例如，拖斗与车头处于正常连接状态时，前平面在拖斗数据中大致组成一个线段，即前平面所对应的点云数据，roi可以包括这个线段的全部或至少一部分(例如线段的中间部分)。

优选地，在roi中包括拖斗与车头处于正常连接状态时前平面在拖斗数据中的位置的至少一部分的同时，roi尽量小，以避免引入其他平面或结构对应的数据所导致的误差。

由此，可以根据拖斗数据的roi，确定拖斗的位置状态。在步骤s130，在roi中，基于表示拖斗的前平面的位置的信息，确定关于表示前平面的线段的信息。

如前所述，拖斗的前平面所对应的点云数据可以组成一条近似线段。换言之，该线段可以用于表示拖斗的前平面。在步骤s130中，基于roi中的表示拖斗的前平面的位置的信息，确定关于该线段的信息。与表示前平面的位置的信息相对应的，关于该线段的信息在不同情况中可以分别包括表示该线段在roi中的具体位置的信息和表示roi中不存在该线段的信息。

在一个示例中，步骤s130可以包括以下子步骤。首先，读取roi中的激光雷达点云数据。然后，针对所读取的激光雷达点云数据进行直线拟合，并根据直线拟合结果确定关于表示前平面的线段的信息。

可选地，利用ransac算法针对所读取的激光雷达点云数据进行直线拟合。ransac算法能够较理想地拟合激光雷达点云数据，进而获得更准确的表示前平面的线段的信息。

替代地，还可以利用最小二乘法针对所读取的激光雷达点云数据进行直线拟合。

步骤s140，根据步骤s130中确定的线段的信息确定拖斗的位置状态。

如步骤s120所述，roi是根据拖斗与车头处于正常连接状态时前平面在拖斗数据中的位置确定的。所以，如果步骤s130中确定了在roi中不存在表示前平面的线段，那么可以确定拖斗与车头脱离。如果步骤s130中确定了在roi中存在表示前平面的线段，并进一步确定了该线段在roi中的具体位置，那么可以根据该具体位置确定拖斗的位置状态，例如拖斗与车头脱离或连接、以及拖斗的姿态等。

上述拖车拖斗检测方法200通过用检测范围内的线段来表示拖斗的某个平面的位置，从而据此确定拖车拖斗的位置状态。该拖车拖斗检测方法200采用非接触式的检测方式，显著提高了系统的寿命时长；而且其检测结果更准确。

可以理解，上述拖车拖斗检测方法200仅为示例，而非对本发明的限制。例如，步骤s120可以先于步骤s110执行，而非必须按照如上所示的顺序执行。

通常情况下，原始拖斗数据是基于以激光雷达传感器为原点建立的激光雷达传感器坐标系来表示的。这为后续计算带来了困难。可选地，为了数据计算方便，拖车拖斗检测方法200还包括以下步骤：对拖斗数据进行标定，以构建车坐标系下的拖斗数据，其中所述车坐标系以车头横向的中心为原点。该标定操作通过旋转和平移等操作将激光雷达传感器坐标系下的原始拖斗数据转换为车坐标系下的拖斗数据。图4示出了图3所示的拖斗数据经标定后的结果。图4中的直角边分别是直角坐标系的x轴和y轴的正轴。如图4所示，经标定操作后，拖斗数据将更大概率地位于坐标系的中间位置。例如，当拖斗与车头处于正常连接状态时，拖斗的前平面对应的点云数据将关于y轴对称。由此，标定步骤使得拖斗数据表达和计算更容易。

上述实施例中以直角坐标系为例进行了说明，但本领域普通技术人员可以理解，还可以建立极坐标系等其他坐标系来表示拖斗数据。

可选地，上述拖车拖斗检测方法200中的步骤s120包括：确定前述车坐标系的x轴的一部分为roi的上边缘；并且根据拖斗与车头处于正常连接状态时车坐标系的原点与前平面在拖斗数据中的位置之间的距离dcd，确定roi的下边缘中与车坐标系下的x轴距离最大的点p1与x轴之间的距离d1，其中第一阈值<d1-dcd<第二阈值，所述车坐标系的x轴是过所述原点且平行于所述车头横向的方向。

拖斗的前平面在拖斗数据中对应着一些点云数据。这些点云数据大体组成一条线段。距离dcd是原点与该直线之间的距离。距离dcd大致决定了roi在纵向上的跨度。上述距离dcd可以在拖斗与车头处于正常连接状态时提前测量，或者根据经验设置。

图5示出了根据本发明一个实施例的拖斗数据的roi，如图中阴影部分所示。图5下部的不规则图形是对应于拖车的前平面的激光雷达点云数据。在图5中还示出了前述距离dcd和距离d1。roi的下边缘中与车坐标系下的x轴距离最大的点p1与x轴之间的距离d1与所述距离dcd的差值大于第一阈值，能够允许拖斗数据具有一定误差，确保在拖斗与车头处于连接状态时在roi内存在对应于拖斗的前平面的点云数据。即使在拖车在拐弯的情况中，拖斗的前平面与x轴之间存在某角度，例如10度角，仍能够确保在roi内存在一些对应于拖斗的前平面的点云数据。距离d1与距离dcd的差值小于第二阈值，能够使得roi的范围较小，有效避免了无效数据参与运算，从而保证了拖斗检测结果的准确性。

可选地，roi的下边缘是与x轴平行的线段。由此，roi的下边缘中所有点的纵坐标都等于前述点p1的纵坐标。例如，roi可以是个矩形。roi的下边缘是线段的话，能够更简单地读取roi中的拖斗数据，从而为拖车拖斗检测带来便利。

图6示出了根据本发明另一个实施例的拖斗数据的roi，其中图6下部不规则图形为激光雷达点云数据。下面描述获得该roi的步骤s120的详细过程。步骤s120可以包括以下步骤。

步骤s121，根据拖斗与车头处于正常连接状态时车坐标系的原点与拖斗的前平面在拖斗数据中的位置之间的距离dcd，确定roi的下边缘与车坐标系y轴的交点p1。其中车坐标系的y轴是过原点且平行于车头纵向的方向。具体地，可以将拖斗与车头处于正常连接状态时拖斗的前平面的中心点，沿y轴向下平移对应于世界坐标系中的8至12cm的距离，得到点p1。过点p1做x轴的平行线l11。该平行线l11的一部分是roi下边缘的一部分。

步骤s122，以车坐标系的原点为圆心并以点p1到原点的距离为半径，画圆cir1，并在圆cir1上选取位于225度的点p2和位于315度的点p3。

步骤s123，分别过点p2和点p3作圆cir1的切线l12和切线l16，取得切线l12与直线l11的交点p4，取得切线l16与直线l11的交点p5。通过上述方式确定的以点p4和点p为端点的线段的长度大体等于在拖斗数据中拖斗前平面的长度。

步骤s124，在切线l12上取点p6，其中，点p2到点p6的距离等于点p2到点p4的距离。

步骤s124，在切线l16上取点p7，其中，点p3到点p7的距离等于点p3到点p5的距离。

步骤s125，分别过点p6和点p7做平行于y轴的直线l13和l15，并分别取得这两条直线与x轴的交点p8和p9。

步骤s126，连接点p8、p6、p4、p5、p7和p9，形成多边形区域以作为roi，如附图6所示。

如图6所示，roi的下边缘与y轴的交点是点p1。roi是由线段l11、线段l12、线段l13、线段l14、线段l15和线段l16围成的区域。其中，线段l11过点p1、与x轴平行、被y轴等分且其长度大致等于前平面在拖斗数据中的长度。线段l12的下端点与线段l11的左端点重合、与线段l11成125度角并且其长度等于线段l11的长度。线段l14与x轴重合、被y轴等分且其长度等于线段l11的长度的2倍。线段l13的上端点与线段l14的左端点重合，且线段l13的下端点与线段l12的上端点重合。线段l15和线段l16分别与线段l13和线段l12关于y轴对称。

上述roi能够在较多地排除无效数据、减少计算量的同时，确保有效数据的数量。由此，显著提高了拖车拖斗检测的准确性。

本领域普通技术人员可以理解，上面虽然详细描述了获得图6所示roi的步骤s120的一种具体实现方式，但其仅为示意，而不构成对本发明的限制。例如，可以首先确定线段l14，然后根据线段l14陆续确定其他线段，从而确定roi。

图7示出了根据本发明又一实施例的拖斗数据的roi。如图7所示，该roi是由线段l21、线段l22、线段l23和圆弧l24围成的区域。其中，线段l21与x轴重合、被y轴等分且其长度等于前平面在拖斗数据中的长度的2倍。圆弧l24是以y轴上的与点p1之间的距离等于前平面在拖斗数据中的长度的点p2为圆心、以前平面在拖斗数据中的长度为半径，且开口朝向y轴正方向的半圆弧。线段l22的上端点与线段l21的左端点重合，且线段l22的下端点与圆弧l24的左端点重合。可以理解，线段l22是圆弧l24所在圆的切线。线段l23与线段l22关于y轴对称。

上述roi实现更容易，也能够在一定程度上排除无效数据、减少计算量，同时确保有效数据的数量。由此，提高了拖车拖斗检测的准确性。

在步骤s120确定了roi后，在roi中基于表示拖斗的前平面的位置的信息，确定关于表示前平面的线段的信息。例如对于激光雷达点云数据进行直线拟合，根据直线拟合结果确定表示前平面的线段的信息。可以理解，在roi内可能包括多个不同平面对应的不同点云数据。例如图8示出了根据本发明一个实施例的拖斗数据和其中的roi。该roi以图6所示roi为例来进行说明。如图8所示，roi内除了拖斗的前平面对应的点云数据以外，还包括拖斗的侧平面对应的点云数据。特别是对于拖斗与车头并非处于正常连接状态时，更容易出现一些拖斗前平面以外的其他平面所对应的点云数据。在拖车拖斗检测方法执行过程中，对于每个平面，能够拟合出一个相应的表示该平面的线段。但是，对于表示前平面的线段来说，在拖斗与车头处于正常连接状态时，该线段与y轴交点的纵坐标的绝对值最小。由此，步骤s130可以基于该规则通过以下步骤实现。

首先，针对在roi中读取的激光雷达点云数据执行一次直线拟合操作。该次直线拟合操作能够获得与一个平面对应的直线。

确定该次直线拟合操作所获得的直线与车坐标系的y轴的交点。如前所述，上述车坐标系的y轴是过车坐标系的原点且平行于车头纵向的方向。

对于该交点的纵坐标的绝对值大于或等于拖斗与车头处于正常连接状态时车坐标系的原点与前平面在拖斗数据中的位置之间的距离dcd的情况，认为所获得的直线对应于拖斗的前平面。图9示出了根据本发明另一个实施例的拖斗数据以及其中的roi。假设拖斗与车头处于正常连接状态时，前平面所对应的点云数据在点p1和点p12之间。对于直线拟合操作获得的直线l31来说，其与y轴的交点是点p11。点p11的纵坐标的绝对值大于点p1的纵坐标，所以其必然大于dcd。因此可以认为该直线l31是表示拖斗前平面的直线。由此，可以确定所获得的直线l31即为表示前平面的线段，由此即获得了表示前平面的线段的位置信息。步骤s130执行至此，则可以结束，继续执行步骤s140。

假设该次直线拟合操作获得直线是直线l32，那么其操作将不同于上述直线l31。直线l32与y轴的交点p10的纵坐标的绝对值小于点p12的纵坐标，，所以其必然小于dcd。对于这种情况，删除所获得的直线l32所对应的激光雷达点云数据并针对剩下的激光雷达点云数据执行下一次直线拟合操作。重复执行直线拟合操作，直至无法通过剩下的激光雷达点云数据执行直线拟合操作(即不存在激光雷达点云数据)，或者所获得的直线与y轴的交点的纵坐标的绝对值大于或等于dcd(根据图9的实施例，即前述直线l31)并根据最后获得直线确定表示前平面的线段。

上述步骤s130的实现方式有效地分辨了拖斗数据中真正表示拖斗的前平面的线段，避免了对应于拖斗的侧平面的直线等的干扰，从数据源的角度保证了拖车拖斗检测的准确性。

在步骤s130确定了关于表示拖斗的前平面的线段的信息之后，在步骤s140中根据前述线段的信息确定拖斗的位置状态。

可选地，步骤s140包括以下子步骤：

首先，统计roi中的激光雷达点云数据中与关于表示拖斗的前平面的线段的距离小于第三阈值的点的数目。如果点与线段的距离小于第三阈值，那么可以认为该点位于该线段上，即该点是由拖斗的前平面形成的。

然后，对于统计所获得的点的数目小于第四阈值的情况，确定拖斗与车头脱离；否则，可以认为拖斗与车头处于连接状态。

可以理解，在有些情况中，关于表示拖斗的前平面的线段的信息表明在roi中当前不存在表示拖斗的前平面的线段，则可以据此直接确定拖斗与车头脱离。

通过上述步骤，可以通过有限的计算，准确地自动检测拖斗与车头是否脱离。

可选地，步骤s140还包括以下子步骤：

首先，根据关于表示拖斗的前平面的线段的信息，确定表示拖斗的前平面的线段所在的直线方程。

然后，根据所述直线方程，确定表示拖斗的前平面的线段与车头横向的角度，以确定拖斗的姿态。

通过上述两个子步骤，可以通过有限的计算量就准确地自动检测拖斗与车头相对角度关系。可以据此自动判断拖车是否处于拐弯状态等。

本领域普通技术人员可以理解，上述实施例虽然以拖斗数据是激光雷达点云数据为例来描述拖车拖斗检测方法，但是该方法也可以基于三维图像数据来实现。在前述车坐标系的三维图像数据中，拖斗的前平面可以直接对应于一条线段。可以根据该线段的信息确定拖斗的位置状态。例如根据roi内该线段的长度以及该线段与x轴的角度关系等确定拖斗的位置状态。对于roi内该线段的长度较短或者不存在的情况，则认为拖斗已经与车头脱离。

根据本发明另一方面，还提供了一种拖车拖斗检测系统。该拖车拖斗检测系统包括数据采集装置和计算装置。该数据采集装置用于采集拖斗数据，其中所述拖斗数据包括表示拖斗的第一平面的位置的信息。该计算装置用于根据所述拖斗与车头处于正常连接状态时所述第一平面在所述拖斗数据中的位置，在所述拖斗数据中确定roi；在所述roi中，基于所述表示拖斗的第一平面的位置的信息，确定关于表示所述第一平面的线段的信息；以及根据所述关于表示所述第一平面的线段的信息确定所述拖斗的位置状态。

可选地，该计算装置还用于实现上述拖车拖斗检测方法中的其他步骤。

可选地，该数据采集装置是单线激光雷达传感器。

可选地，该系统还包括显示器，用于显示拖斗的位置状态。例如，用不同颜色显示拖斗。当拖斗与车头脱离时，将拖斗显示为红色；当拖斗与车头连接时，将拖斗显示为绿色。又例如，显示器用于显示拖斗的前平面与车头横向的角度。

本领域普通技术人员通过上面描述，可以理解该拖车拖斗检测系统的具体实现和其技术效果，为了简洁，在此不再赘述。

根据本发明又一方面，还提供了一种无人驾驶拖车。该无人驾驶拖车包括前述拖车拖斗检测系统。该无人驾驶拖车能够利用该拖车拖斗检测系统自动且准确地检测拖斗的位置状态，而且造价相对较低。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的拖车拖斗检测系统中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。