基于单线激光雷达的自适应贴边作业方法、装置及机器人与流程

1.本发明涉及机器人控制技术领域，特别地，涉及一种基于单线激光雷达的自适应贴边作业系统、装置及机器人。


背景技术：

2.传统作业中，在环卫装备进行路面清洁时依靠眼睛观察，控制方向盘保持扫盘与路沿的距离，准确性较差，对作业效果影响较大。驾驶员观察路沿的同时还需观察前方路况保障驾驶，劳动强度较大。驾驶员同时处理多种工作，对驾驶安全影响大，因此，为降低驾驶员劳动强度，提高驾驶安全性，目前有些环卫装备设置了通过融合多种传感器进行路沿检测的辅助驾驶系统，以降低对驾驶员的依赖。常用的传感器包括gps定位、轮速计、imu传感器、双16线激光雷达、摄像头等，然而，工程实践证明，上述传感器存在诸多不足，包括：
3.1、gps定位、轮速计、imu传感器会随着机器人移动自身误差不断累积，贴边检测信息精度较差。
4.2、采用gps定位精度较差，采用视觉对车道线进行识别容易受周围环境、光照影响。
5.3、采用双16线激光雷达，由于主控制器要求算力较高，因此对主控制器的硬件要求高，成本高企。
6.4、采用多传感器融合方式，成本过高，不利于商业化推广。


技术实现要素：

7.本发明一方面提供了一种基于单线激光雷达的自适应贴边作业方法，以解决现有辅助驾驶系统检测精度较差、易受环境光照影响、以及成本过高的技术问题。
8.本发明采用的技术方案如下：
9.一种基于单线激光雷达的自适应贴边作业方法，包括步骤：
10.将单线激光雷达扫描所得的点云ξ
i
分解到xy平面，得到针对每一个点云ξ
i
的x、y分量分别为ξ
i
_x、ξ
i
_y，保存到集合a中，其中，xy平面与单线激光雷达的扫描面共面，且以单线激光雷达的中心为原点，y轴向上垂直地面，x轴指向路沿方向；对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云；
11.将滤波删除后所得到的ξ
i
_y<0的所有点云进行dbscan聚类，得到数量为n的聚类集合φ
i
；
12.利用路沿侧边点云的几何特征从聚类集合φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值；
13.若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器；
14.发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作以实现机器人贴边运动。
15.进一步地，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
16.将单线激光雷达扫描所得的点云数据进行预处理，剔除噪声点、异常点数据。
17.进一步地，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
18.对预处理后的点云进行直通滤波，保留序号id为设定范围值的点云。
19.进一步地，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
20.对直通滤波后的点云进行曲线平滑，保留曲线趋势特征。
21.进一步地，对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云，具体包括步骤：
22.对集合a中的ξ
i
_y进行第一次差分运算，得到集合a1；
23.对集合a1中的ξ
i
_y进行第二次差分运算，得到集合a2；
24.将集合a2中ξ
i
_y>＝0的点云数据进行滤波删除，在集合a2中保留ξ
i
_y<0的所有点云。
25.进一步地，利用路沿侧边点云的几何特征从聚类集合φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿检测结果，具体包括步骤：
26.针对每一个聚类集合φ
i
，判断其中的点云是否满足(ξ
i
_y
–
ξ
i
‑1_y<δ)&&(ξ
max
_y
–
ξ
min
_y>σ)&&(ξ
max
_x
‑
ξ
min
_x<λ)&&(ξ
i
>m)，其中，ξ
max
_y为点云的最大y分量，ξ
min
_y为点云的最小y分量，ξ
max
_x为点云的最大x分量，ξ
min
_x为点云的最小x分量，δ、σ、λ、m均为设定阈值；
27.若满足，则对应的聚类集合φ
i
即为路沿侧边点云聚类，将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值，记为ε。
28.进一步地，若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器，具体包括步骤：
29.在第i时刻，若(|ε
i
‑1‑
ε
i
|<η)，则将ε
i
存入队列l中；
30.取队列l中ε
i
的平均值ω作为路沿距离检测值d发送至机器人的整车控制器。
31.进一步地，发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作实现机器人贴边运动，具体包括步骤：
32.启动前根据路沿距离检测值d进行车身姿态调整，若α<d<β，则车身方向与行进方向一致，通过整车控制器控制转向系统回正；若d>β，则通过整车控制器控制转向系统右转一定角度，完成车身姿态调整；若d<α，则通过整车控制器控制转向系统左转一定角度，完成车身姿态调整；
33.完成车身姿态调整后，发送指令使整车控制器根据当前路沿距离检测值d、车身姿态及停障信息控制转向系统执行进行横向、纵向、制动控制，以实现机器人贴边运动。
34.本发明另一个方面还提供了一种基于单线激光雷达的自适应贴边作业装置，包括：
35.点云分量获取模块，用于将单线激光雷达扫描所得的点云ξ
i
分解到xy平面，得到针对每一个点云ξ
i
的x、y分量分别为ξ
i
_x、ξ
i
_y，保存到集合a中，其中，xy平面与单线激光雷
达的扫描面共面，且以单线激光雷达的中心为原点，y轴向上垂直地面，x轴指向路沿方向；
36.差分运算模块，用于对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云；
37.点云聚类模块，用于将滤波删除后所得到的ξ
i
_y<0的所有点云进行dbscan聚类，得到数量为n的聚类集合φ
i
；
38.路沿距离检测模块，用于利用路沿侧边点云的几何特征从聚类集合φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值；
39.路沿距离优化模块，用于若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器；
40.贴边运动控制模块，用于发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作以实现机器人贴边运动。
41.本发明另一个方面还提供了一种机器人，包括：
42.单线激光雷达，安装于机器人前侧，其扫描面与地面垂直且与路沿相交设定夹角；
43.整车控制器，用于根据指令控制机器人的横向、纵向移动及制动；
44.工控机，分别与所述单线激光雷达和整车控制器信号连接，用于实现所述的自适应贴边作业方法。
45.本发明另一方面还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的自适应贴边作业方法。
46.本发明另一方面还提供了一种存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在的设备执行所述的自适应贴边作业方法。
47.本发明具有以下有益效果：
48.本发明的自适应贴边作业方法基于单线激光雷达准确识别路沿，充分挖掘路沿几何形态，通过计算二阶差分获得点云数据曲线趋势并利用点云聚类算法，求取路沿与地面的几何分割点，同时结合历史轨迹数据，最终获得路沿检测信息；由于单线激光雷达角分辨率高，不受环境光影响，因此本发明检测距离广，检测精度高，且对环境具有较强的适应性及抗干扰能力，对环境光照要求低，白天夜晚均适用，环境适应性好；仅采用单线激光雷达，所需算力很小，硬件成本低，能快速检测出路沿信息；可作为机器人辅助驾驶系统智能自适应检测路沿，控制机器人贴边作业，安全可靠，能够大大降低环卫工人的劳动强度，提高贴边作业的安全性、可靠性。
49.除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。
附图说明
50.构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
51.图1为本发明优选实施例的基于单线激光雷达的自适应贴边作业方法流程示意
图。
52.图2为本发明另一优选实施例的基于单线激光雷达的自适应贴边作业方法流程示意图。
53.图3是点云预处理后的效果示意图。
54.图4为本发明另一优选实施例的基于单线激光雷达的自适应贴边作业方法流程示意图。
55.图5为另一优选实施例的基于单线激光雷达的自适应贴边作业方法流程示意图。
56.图6为本发明优选实施例的自适应贴边作业方法中步骤s5的子流程示意图。
57.图7为二次差分及滤波原理示意图。
58.图8为dbscan聚类后结果示意图。
59.图9为本发明优选实施例的自适应贴边作业方法中步骤s7的子流程示意图。
60.图10是聚类后路沿点云在xy平面的分布示意图。
61.图11为本发明优选实施例的自适应贴边作业方法中步骤s8的子流程示意图。
62.图12为本发明另一优选实施例的自适应贴边作业方法中步骤s8的子流程示意图。
63.图13为本发明优选实施例的自适应贴边作业方法中步骤s9的子流程示意图。
64.图14为本发明优选实施例的基于单线激光雷达的自适应贴边作业装置模块示意图。
65.图15为本发明优选实施例的电子设备实体示意框图。
66.图16为本发明优选实施例的机器人组成示意图。
67.图17为本发明优选实施例的机器人扫描俯视示意图。
具体实施方式
68.需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
69.如图1所示，本发明的优选实施例提供了一种基于单线激光雷达的自适应贴边作业方法，包括步骤：
70.s4、将单线激光雷达扫描所得的点云ξ
i
分解到xy平面，得到针对每一个点云ξ
i
的x、y分量分别为ξ
i
_x、ξ
i
_y，保存到集合a中，其中，xy平面与单线激光雷达的扫描面共面，且以单线激光雷达的中心为原点，y轴向上垂直地面，x轴指向路沿方向；
71.s5、对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云；
72.s6、将滤波删除后所得到的ξ
i
_y<0的所有点云进行dbscan聚类，得到数量为n的聚类集合φ
i
(聚类结果见图8)；
73.s7、利用路沿侧边点云的几何特征从聚类集合φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值；
74.s8、若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器；
75.s9、发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作
以实现机器人贴边运动。
76.本发明的自适应贴边作业方法基于单线激光雷达准确识别路沿，充分挖掘路沿几何形态，通过计算二阶差分获得点云数据曲线趋势并利用点云聚类算法，求取路沿与地面的几何分割点，同时结合历史轨迹数据，最终获得路沿检测信息；由于单线激光雷达角分辨率高，角分辨率为0.33，不受环境光影响，且扫描一周点云一共811个点，分别对811个点云设定序号id为0
‑
810，适用于高度>＝5cm路沿石及高度为20cm
‑
2m的水泥矮墙检测，在3m范围内检测精度<3cm，2m范围内检测精度<1cm，能够有效过滤井盖，因此本发明检测距离广，检测精度高，静态检测误差<1cm，动态检测误差<3cm；且对环境具有较强的适应性及抗干扰能力，对环境光照要求低，白天夜晚均适用，环境适应性好；仅采用单线激光雷达，所需算力很小，硬件成本低，能快速检测出路沿信息，商业推广度好；可作为机器人辅助驾驶系统智能自适应检测路沿，控制机器人贴边作业，安全可靠，能够大大降低环卫工人的劳动强度，提高贴边作业的安全性、可靠性。
77.如图2和3所示，在本发明的优选实施例中，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
78.s1、将单线激光雷达扫描所得的点云数据进行预处理，剔除噪声点、异常点数据，确保后续点云数据的处理效率和精度。
79.如图4所示，在本发明的优选实施例中，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
80.s2、对预处理后的点云进行直通滤波，保留序号id为设定范围值的点云。
81.本实施例通过直通滤波保留序号id为90
‑
540的点云，选取此范围内的点云有助于保留路沿关键信息，同时过滤部分无效特征，节省后续算法使用的计算资源。
82.如图5所示，在本发明的优选实施例中，将单线激光雷达扫描所得的点云ξ
i
分解到xy平面之前，还包括步骤：
83.s3、对直通滤波后的点云进行曲线平滑，保留曲线趋势特征。
84.本实施例通过对点云进行曲线平滑，达到滤波目的，从而排除少数很高或很低的点对曲线形成向上或向下的突刺，这时候使用平滑方法，使新的曲线相对平稳，更为准确的反应出曲线的整体趋势。
85.如图6所示，在本发明的优选实施例中，对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云，具体包括步骤：
86.s51、对集合a中的ξ
i
_y进行第一次差分运算，得到集合a1；
87.s52、对集合a1中的ξ
i
_y进行第二次差分运算，得到集合a2；
88.s53、将集合a2中ξ
i
_y>＝0的点云数据进行滤波删除，在集合a2中保留ξ
i
_y<0的所有点云。
89.本实施例通过对集合a中的ξ
i
_y依次进行两次差分运算后，将ξ
i
_y>＝0的点云数据进行滤波删除，仅保留ξ
i
_y<0的所有点云，其中ξ
i
_y<0点云即为路沿石侧边所对应的点云(见图7)，从而在进行贴边检测时排除其他不相关的点云，确保后续路沿检测的准确性和可靠性。
90.如图9所示，在本发明的优选实施例中，利用路沿侧边点云的几何特征从聚类集合
φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿检测结果，具体包括步骤：
91.s71、针对每一个聚类集合φ
i
，判断其中的点云是否满足(ξ
i
_y
–
ξ
i
‑1_y<δ)&&(ξ
max
_y
–
ξ
min
_y>σ)&&(ξ
max
_x
‑
ξ
min
_x<λ)&&(ξ
i
>m)，其中，ξ
max
_y为点云的最大y分量，ξ
min
_y为点云的最小y分量，ξ
max
_x为点云的最大x分量，ξ
min
_x为点云的最小x分量，δ、σ、λ、m均为设定阈值，本实施例中δ＝1.5cm、σ＝8cm、λ＝5cm、m＝10，m表示点云个数，从而避免误检，提高检测准确性；
92.s72、若满足，则对应的聚类集合φ
i
即为路沿侧边点云聚类，将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值，记为ε。
93.如图10所示，图中竖直虚线部分即为路沿侧边，由于路沿侧边垂直于地面，因此，本实施例的上述判断公式用于表示激光雷达扫描路沿侧边点云的几何特征，其中，扫描路沿侧边点云在xy平面的y轴上投影即y分量沿y轴方向垂直分布，因此，一方面，点云在y轴上最大y分量ξ
max
_y与最小y分量ξ
min
_y的高度差较大且满足ξ
max
_y
–
ξ
min
_y>σ；另一方面，路沿侧边点云在xy平面的x轴上的投影较为集中，这样点云在x轴上最大x分量ξ
max
_x与最小x分量ξ
min
_x的距离差较小且满足ξ
max
_x
‑
ξ
min
_x<λ；由于路沿侧边是连续面，因此，路沿侧边点云聚类中相邻点云的y分量高度差较小且满足ξ
i
_y
–
ξ
i
‑1_y<δ，而为了进一步准确判断点云是否是路沿侧边需要加强约束条件ξ
i
>m，以减少算法对路边障碍物(如地面树叶、小石块)的误识别。
94.本实施例利用路沿侧边点云的几何特征在聚类集合φ
i
中准确找出路沿侧边点云聚类，同时，将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值，也即将所述路沿侧边点云聚类中最接近地面处的点云的x分量作为当前帧路沿距离检测值，从而确保所得的当前帧路沿距离检测值能体现出机器人与路沿的真实距离。
95.如图11所示，在本发明的优选实施例中，若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器，具体包括步骤：
96.s81、在第i时刻，若(|ε
i
‑1‑
ε
i
|<η)，则将ε
i
存入队列l中；
97.s82、取队列l中ε
i
的平均值ω作为路沿距离检测值d发送至机器人的整车控制器。
98.本实施例通过将当前时刻所得的路沿检测结果与历史时刻所得的路沿检测结果进行比较，若两者的差的绝对值小于设定阈值时，则表明两次检测的结果的误差符合设定要求，数值波动在运行的范围内，属于符合精度要求的有效数据，同时，为了进一步提高路沿检测结果的准确性，减少误差，本实施例通过求取不同时刻的有效路沿检测结果的平均值ω作为路沿距离检测值d。
99.如图12所示，在本发明的优选实施例中，若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器，具体还包括步骤：
100.s83、若(|ε
i
‑1‑
ε
i
|≧η),则返回结果0，计数器ct加1；
101.s84、若计数器ct在设定时间ψ＝1000ms内，满足ct>＝3，则通过主控制器控制整车系统停障并进行声光报警。
102.本实施例通过将当前时刻所得的路沿检测结果与历史时刻所得的路沿检测结果
进行比较，若两者的差的绝对值大于等于设定阈值时，则表明两次检测的结果的误差太大，数值波动超出允许范围，属于不符合要求的无效数据，同时，为了保证贴边作业的安全性，当设定时间内所统计的异常波动的次数超出设定阈值时，则表明当前贴边作业存在安全问题，必须马上停止作业，通过主控制器控制整车系统停障并同时进行声光报警，确保人机安全。
103.如图13所示，在本发明的优选实施例中，发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作实现机器人贴边运动，具体包括步骤：
104.s91、启动前根据路沿距离检测值d进行车身姿态调整，若α<d<β，则车身方向与行进方向一致，通过整车控制器控制转向系统回正；若d>β，则通过整车控制器控制转向系统右转一定角度，完成车身姿态调整；若d<α，则通过整车控制器控制转向系统左转一定角度，完成车身姿态调整；
105.s92、完成车身姿态调整后，发送指令使整车控制器根据当前路沿距离检测值d、车身姿态及停障信息控制转向系统执行进行横向、纵向、制动控制，实现机器人贴边运动。
106.本实施例中，当获得路沿距离检测值d时，在机器人车身尚未启动前，需要先检测机器人的当前车身姿态，确保贴边作业前先使车身与行车方向保持一致。本实施例利用路沿距离检测值d与设定阈值a、b的大小关系来判断当前车身姿态：若α<d<β，则表示车身方向已经与行进方向一致，通过整车控制器控制转向系统回正，而路沿距离检测值d超过设定阈值a、b的范围时，则通过整车控制器控制转向系统左转或右转一定角度，使车身与行车方向首先保持一致，完成车身姿态调整，接着再发送指令使整车控制器根据当前路沿距离检测值d、车身姿态及停障信息控制转向系统执行进行横向、纵向、制动控制，实现机器人贴边运动，提高机器人贴边运动的平稳性和可靠性。
107.如图14所示，本发明另一实施例还提供了一种基于单线激光雷达的自适应贴边作业装置，包括：
108.点云分量获取模块，用于将单线激光雷达扫描所得的点云ξ
i
分解到xy平面，得到针对每一个点云ξ
i
的x、y分量分别为ξ
i
_x、ξ
i
_y，保存到集合a中，其中，xy平面与单线激光雷达的扫描面共面，且以单线激光雷达的中心为原点，y轴向上垂直地面，x轴指向路沿方向；差分运算模块，用于对集合a中的ξ
i
_y依次进行两次差分运算，并对两次差分运算后将ξ
i
_y>＝0的点云进行滤波删除，得到ξ
i
_y<0的所有点云；
109.点云聚类模块，用于将滤波删除后所得到的ξ
i
_y<0的所有点云进行dbscan聚类，得到数量为n的聚类集合φ
i
；
110.路沿距离检测模块，用于利用路沿侧边点云的几何特征从聚类集合φ
i
中找出路沿侧边点云聚类，并将所述路沿侧边点云聚类中第一个点云ξ1的x分量ξ1_x作为当前帧路沿距离检测值；
111.路沿距离优化模块，用于若当前帧路沿距离检测值与历史帧路沿距离检测值之差满足设定条件时，将满足设定条件各帧路沿检测结果的平均值ω作为路沿距离检测值d发送至机器人的整车控制器；
112.贴边运动控制模块，用于发送指令使整车控制器根据路沿距离检测值d控制转向系统执行相应的动作实现机器人贴边运动。
113.如图15所示，本发明另一实施例还提供了一种电子设备，包括存储器、处理器及存
储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的自适应贴边作业方法。
114.本发明另一实施例还提供了一种存储介质，所述存储介质包括存储的程序，在所述程序运行时控制所述存储介质所在的设备执行所述的自适应贴边作业方法。
115.如图16和图17所示，本发明另一实施例还提供了一种机器人，包括：
116.单线激光雷达，安装于机器人前侧，采用固定安装支架安装于机器人车身，所述固定安装支架用于防震。具体的，所述单线激光雷达的离地高度设置为1m，其扫描面与地面垂直且与路沿成45
°
夹角；
117.整车控制器，用于根据指令控制机器人的横向、纵向移动及制动；
118.工控机，分别与所述单线激光雷达和整车控制器信号连接，用于实现所述的自适应贴边作业方法。
119.本实施例的机器人还设置有超声波雷达作为停障系统，采用超声波雷达双探头模式，在机器人前、左、右四个面分别布置2组，一共12个探头，用于检测机器人四周障碍物情况，在障碍物离机器人过近时发出停障信号，机器人进行自动停障，具体为：若超声波雷达探测距离d_ultra<dv，工控机控制整车控制器停障并进行声光报警，整车控制器包含转向系统、制动系统、传动系统及机器人上装作业装置。
120.具体地，工控机作为核心控制器接收单线激光雷达、超声波雷达的数据进行传感器数据融合，控制整车控制器进行机器人制动、转向及对应上装作业控制。其中单线激光雷达对路沿进行几何形态检测，返回单线激光雷达识别的角度及距离。
121.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
122.上述实施例的方法的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个或者多个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备(可以是个人计算机，服务器，移动计算设备或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)，磁碟或者光盘等各种可以存储程序代码的介质。
123.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。