(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211365347.7 (22)申请日 2022.11.03 (71)申请人 上海伯镭智能科技有限公司 地址 201315 上海市浦东 新区中国(上海) 自由贸易试验区盛荣路38 8弄4号6楼 (72)发明人 胡心怡　杨扬　 (74)专利代理 机构 北京知汇林知识产权代理事 务所(普通 合伙) 11794 专利代理师 杨华 (51)Int.Cl. G01S 17/931(2020.01) G01S 7/48(2006.01) G05D 1/02(2020.01) G06T 17/00(2006.01) (54)发明名称 基于激光雷达测距的无人驾驶矿车控制方 法 (57)摘要 本发明公开了一种基于激光雷达测距的无 人驾驶矿车控制方法， 属于无线电导航技术领 域； 包括以下步骤： 获取无人驾驶矿车周围环境 的点云数据； 所述点云数据中包括对周围环境所 有测点的三维坐标； 将所有数据量中的最小值对 应的压缩参数作为最优压缩参数； 获取点云数据 坐标的压缩 数据； 将包括点云数据坐标的压缩数 据、 第一尺度空间顶点坐标、 最优压缩参数共享 传输给邻近行驶的其他无人驾驶矿 车； 构建路况 模型； 根据路况模型对无人驾驶矿车进行控制。 本发明根据建立的路况模型， 可以实现控制无人 驾驶矿车提前避障。 权利要求书2页 说明书13页 附图1页 CN 115421161 A 2022.12.02 CN 115421161 A 1.一种基于 激光雷达测距的无 人驾驶矿车控制方法， 其特 征在于， 包括以下步骤： 获取无人驾驶矿车周围环境的点云数据； 所述点云数据中包括对周围环境所有测点的 三维坐标； 根据所有测点的三维坐标构建所有测点的最小外接的第一尺度 空间， 并获取第 一尺度空间的顶点 坐标； 将所有测点利用密度峰值聚类算法分类获取多个类别的测点； 根据每个类别中所有测 点在第一尺度 空间中的分布获取每个类别对应的压缩参数； 其中， 压缩参数包括对尺度 空 间三个维度划分的数量； 根据每个压缩参数依次将第一尺度空间划分至尺度空间小于等于预设体素大小时停 止， 每次划分后， 按照含有测点的尺度空间标记为1， 不含测点的尺度空间标记为0， 依次对 每次划分后的所有尺度空间进 行标记获取每次划分后尺度空间对应的二进制序列； 将所有 尺度空间对应的二进制序列按照尺度空间的顺序进行组合， 获取每个压缩参数对应点云数 据坐标的压缩数据； 获取每个压缩参数对应点云数据坐标的压缩数据的数据量； 根据每个压缩参数对应点 云数据坐标的压缩数据的数据量获取最优压缩参数； 将包括最优压缩参数及最优压缩参数对应的点云数据坐标的压缩数据和第一尺度空 间的第一数据压缩 包共享传输 于邻近行驶的其 他无人驾驶矿车； 其他无人驾驶矿车接收到邻近行驶的无人驾驶矿车所传输的第一数据压缩包解压后 构建路况模型； 根据路况模型对无 人驾驶矿车进行控制。 2.根据权利要求1所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 每个压缩参数对应点云数据坐标的压缩数据的数据量是按照以下步骤获取： 获取每个压缩参数对应划分的次数； 并统计每次划分后含有测点的尺度空间占划分后 所有尺度空间的比例； 其中， 每次划分过程中， 对 含有测点的尺度空间进行划分； 根据每个压缩参数、 每个压缩参数对应划分的次数， 及每次划分后含有测点的尺度空 间占划分后所有尺度空间的比例， 获取每个压缩参数对应点云数据坐标的压缩数据的数据 量。 3.根据权利要求2所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 所述最优压缩参数 是将所有数据量中最小值对应的压缩参数作为 最优压缩参数。 4.根据权利要求1所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 每个类别对应的压缩参数 是按照以下步骤获取： 根据每个类别中所有测点的三维坐标构建每 个类别的最小外 接立方体； 根据每个最小外接立方体作为划分单元对所述第 一尺度空间进行等分， 获取多个最小 外接尺度空间； 根据每个类别中的测点被划分至1~8个最小外接尺度空间内， 获取每个类别 对应的压缩参数。 5.根据权利要求4所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 当每个类别 中的测点被划分至1个最小外接尺度空间内时， 则将最小外接立方体的三 个维度分别对第一尺度空间的三个维度划分的数量， 作为该类别对应的第一压缩参数； 当每个类别中的测点被划分至2个最小外接尺度空间内时， 获取被划分至2个最小外接 尺度空间对应的一个维度， 将2 倍的该维度对第一尺度空间的对应维度划分的数量， 以及其权　利　要　求　书 1/2 页 2 CN 115421161 A 2余两个维度的尺度分别对第一尺度空间的对应的两个维度划分的数量， 作为该类别对应的 第二压缩参数； 当每个类别中的测点被划分至4个最小外接尺度空间内时， 获取被划分至4个最小外接 尺度空间对应的两个维度， 分别将2倍的该两个维度对第一尺度 空间的对应两个维度划分 的数量， 以及其余一个维度的尺度分别对第一尺度 空间的对应的一个维度划分的数量， 作 为该类别对应的第三压缩参数； 当每个类别中的测点被划分至8个最小外接尺度空间内时， 获取被划分至8个最小外接 尺度空间对应的三个维度， 分别将2倍的该三个维度对第一尺度 空间的对应三个维度划分 的数量， 作为该类别对应的第四压缩参数。 6.根据权利要求1所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 点云数据还 包括每个测点的强度信息； 根据将划分至小于等于预设体素 大小的尺度空间即为 最终尺度空间； 按照最终尺度空间对应的二进制序列中1的顺序， 将每个测点的强度信息排序， 并利用 游程编码的方法进行压缩， 得到点云数据强度的压缩数据； 将包括点云数据强度的压缩数据， 以及最优压缩参数对应的点云数据坐标的压缩数 据、 第一尺度 空间顶点坐标、 最优压缩参数 的第二数据压缩包共享传输给邻近行驶的其他 无人驾驶矿车； 其他无人驾驶矿车接收到邻近行驶的无人驾驶矿车所传输的第二数据压缩包解压后 构建路况模型； 根据路况模型对无 人驾驶矿车进行控制。 7.根据权利要求6所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 所述共享传输给邻近行驶的其他无人驾驶矿车的第二数据压缩包中还包括点云数据坐 标原点的GP S定位信息及坐标系方向信息 。 8.根据权利要求7所述的一种基于激光雷达测距的无人驾驶矿车控制方法， 其特征在 于， 所述路况模型 是按照以下步骤构建： 将第二数据压缩包进行解压获取点云数据强度的压缩数据、 最优压缩参数对应的点云 数据坐标的压缩 数据、 第一尺度空间顶点坐标、 最优压缩参数以及点云数据坐标原 点的GPS 定位信息和坐标系方向信息； 根据坐标系方向信 息建立坐标系； 根据第 一尺度空间顶点坐标及坐标系建立第 一尺度 空间； 根据解压后的点云数据坐标的压缩数据依次将各测点还原至第 一尺度空间内， 获取解 压后的所有测点的三维坐标； 利用游程解码的方法， 对点云数据强度的压缩数据进行解压， 得到点云数据每个测点 的强度信息， 将测点的强度信息与点云数据中测点的坐标一 一对应， 获取点云数据； 根据点云数据坐标原点的GPS定位信 息将解压后的点云数据与当前无人驾驶矿车自身 探测到的点云数据进行坐标系整合， 利用整合后的点云数据构建路况模型。权　利　要　求　书 2/2 页 3 CN 115421161 A 3