Nothing Special   »   [go: up one dir, main page]

CN111369780B - 一种岸吊区卡车精准停车方法、设备及系统 - Google Patents

一种岸吊区卡车精准停车方法、设备及系统 Download PDF

Info

Publication number
CN111369780B
CN111369780B CN201811602327.0A CN201811602327A CN111369780B CN 111369780 B CN111369780 B CN 111369780B CN 201811602327 A CN201811602327 A CN 201811602327A CN 111369780 B CN111369780 B CN 111369780B
Authority
CN
China
Prior art keywords
truck
point cloud
parked
vehicle
shore
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811602327.0A
Other languages
English (en)
Other versions
CN111369780A (zh
Inventor
李一鸣
肖旭
金宇和
蔡金鹏
吴楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tusimple Technology Co Ltd
Original Assignee
Beijing Tusimple Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Tusimple Technology Co Ltd filed Critical Beijing Tusimple Technology Co Ltd
Priority to CN201811602327.0A priority Critical patent/CN111369780B/zh
Priority to EP19904786.1A priority patent/EP3905215B1/en
Priority to JP2021537079A priority patent/JP7303309B2/ja
Priority to PCT/CN2019/077079 priority patent/WO2020133694A1/zh
Priority to AU2019415414A priority patent/AU2019415414A1/en
Publication of CN111369780A publication Critical patent/CN111369780A/zh
Priority to US17/360,649 priority patent/US12043248B2/en
Application granted granted Critical
Publication of CN111369780B publication Critical patent/CN111369780B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
    • G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B62D15/0285—Parking performed automatically
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/205—Indicating the location of the monitored vehicles as destination, e.g. accidents, stolen, rental
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/207—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles with respect to certain areas, e.g. forbidden or allowed areas with possible alerting when inside or outside boundaries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/006—Interpolation; Extrapolation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/12—Trucks; Load vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2300/00—Indexing codes relating to the type of vehicle
    • B60W2300/12—Trucks; Load vehicles
    • B60W2300/125—Heavy duty trucks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • B60W2710/0605—Throttle position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C19/00—Cranes comprising trolleys or crabs running on fixed or movable bridges or gantries
    • B66C19/002—Container cranes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Optics & Photonics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Control And Safety Of Cranes (AREA)
  • Jib Cranes (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本申请的实施方式提供了一种岸吊区卡车精准停车方法、设备及系统。该岸吊区卡车精准停车方法包括：接收车辆控制器发送的待停卡车的停车请求；获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对实时点云数据聚类得到待停卡车的点云集合；利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到并发送待停卡车到目标停车位的实时距离；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。本申请利用ICP算法计算卡车到目标停车位的实时距离，并依据该实时距离控制卡车一次性精准停止在目标停车位，整个停车过程自动完成，无需人工指挥，不仅可以达到厘米级别的精度，而且实施成本低。

Description

一种岸吊区卡车精准停车方法、设备及系统
技术领域
本申请的实施方式涉及智能交通技术领域，更具体地，本申请的实施方式涉及一种岸吊区卡车精准停车方法、设备及系统。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前常见的车辆停车方式多是通过车载定位设备或车载摄像头等对车辆和停车位进行定位，这种方式存在误差大、速度慢等缺点，尤其不适合大型卡车的精准停车。
岸边集装箱起重机又称岸吊，是港口码头装卸集装箱的专用起重机，主要应用专用集装箱吊具完成集装箱的装卸船作业。岸吊的装卸效率直接影响港口的货运能力。高效率的岸吊装卸作业对卡车的停车提出了较高的要求，需要卡车能快速、精准地停在岸吊下的目标停车位。
发明内容
但是，在现有的集装箱装卸船作业中，卡车刹车后往往不能一次性准确停止在目标停车位，还需要人为指导前后移动卡车才能准确停止，大大降低了集装箱装卸船作业的效率。因此，卡车能否精准停车是目前集装箱装卸船作业中的技术难点。
鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种岸吊区卡车精准停车方法、设备及系统。
在本申请实施方式的第一方面中，提供了一种应用于主控器的岸吊区卡车精准停车方法，包括：
接收车辆控制器发送的待停卡车的停车请求；
获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
对所述实时点云数据聚类得到所述待停卡车的点云集合；
利用ICP算法对所述待停卡车的点云集合和车辆点云模型进行计算，得到并发送所述待停卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
在本申请实施方式的第二方面中，提供了一种应用于车辆控制器的岸吊区卡车精准停车方法，包括：
发送待停卡车的停车请求；
接收主控器发送的所述待停卡车到目标停车位的实时距离；
根据所述待停卡车到目标停车位的实时距离，控制所述待停卡车停止到所述目标停车位。
在本申请实施方式的第三方面中，提供了一种主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，所述第一处理器在运行所述计算机程序时，执行前述应用于主控器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第四方面中，提供了一种车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，所述第二处理器在运行所述计算机程序时，执行前述应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第五方面中，提供了一种岸吊区卡车精准停车控制系统，包括：如前所述的主控器，如前所述的车辆控制器，以及激光雷达。
在本申请实施方式的第六方面中，提供了一种岸吊，所述岸吊上装设有激光雷达和如前所述的主控器。
在本申请实施方式的第七方面中，提供了一种汽车，所述汽车上装设有如前所述的车辆控制器。
在本申请实施方式的第八方面中，提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时实现如前所述的应用于主控器的岸吊区卡车精准停车方法中的各个步骤。
在本申请实施方式的第九方面中，提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时实现如前所述的应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。
借助于上述技术方案，本申请利用ICP算法计算卡车到目标停车位的实时距离，并依据该实时距离控制卡车一次性精准停止在目标停车位，整个停车过程自动完成，无需人工指挥，不仅可以达到厘米级别的精度，而且实施成本低，可移植性强。
附图说明
通过参考附图阅读下文的详细描述，本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本申请的若干实施方式，其中：
图1示意性地示出了本申请实施例提供的应用场景；
图2示意性地示出了本申请实施例提供的岸吊区卡车精准停车方法的流程；
图3示意性地示出了本申请实施例提供的主控器、激光雷达和车道的配置模式；
图4示意性地示出了本申请一实施例的初始平移矩阵的确定方式；
图5示意性地示出了本申请一实施例的卡车执行集装箱卸船任务过程时到岸吊区精准停车；
图6示意性地示出了本申请一实施例的卡车执行集装箱卸船任务过程时到岸吊区精准停车；
图7示意性地示出了本申请实施例提供的应用于主控器的岸吊区卡车精准停车方法的流程；
图8示意性地示出了本申请实施例提供的应用于车辆控制器的岸吊区卡车精准停车方法的流程；
图9示意性地示出了本申请实施例提供的岸吊；
图10示意性地示出了本申请实施例提供的汽车；
图11示意性地示出了本申请实施例提供的岸吊区卡车精准停车控制系统。
在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请，而并非以任何方式限制本申请的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术技术人员知道，本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
为了便于理解，以下对本申请涉及的技术术语进行解释：
(1)目标停车位：能够使岸吊的吊具恰好将卡车挂板上的集装箱吊起或将集装箱卸载到卡车挂板上时卡车所处的位置。由于岸吊横跨的各个车道是平行的，岸吊的桥架垂直于各个车道，因此，每个车道都具有一个目标停车位。在车道的延伸方向上，每个车道的目标停车位具有一最前端和一最后端，在车道的垂直方向上，各个车道的目标停车位的最前端位于同一直线上，最后端也位于同一直线上。
(2)停车标识线：用于指示卡车停止在目标停车位的标识，例如是绘制在岸吊的门框横梁上的铅垂线，当卡车按照停车标识线停车时，卡车恰好停止在目标停车位。由于岸吊横跨的各个车道是平行的，岸吊的桥架垂直于各个车道，因此，各个车道的目标停车位对应同一个停车标识线。
(3)迭代最近点(Iterative Closest Points，ICP)算法：可用于计算不同点集之间的平移矩阵和旋转矩阵。
(4)本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
(5)本文所称的“自动驾驶车”是指利用自动驾驶技术实现的具有载人(如家用轿车、公共汽车等类型)、载货(如普通货车、厢式货车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等类型)或者特殊救援功能(如消防车、救护车等类型)的车辆。
此外，需要理解的是，本文附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
发明概述
图1所示为集装箱装卸船作业示意图，如图1所示，岸吊包括桥架11、小车行走机构12、吊具13、海侧门框14、陆侧门框15、门框横梁16、大车行走机构17、联系横梁24等结构。其中，联系横梁24是连接海侧门框14和陆侧门框15的横梁，该横梁横跨多个平行的车道，卡车19可在这些车道内自由通行。
集装箱装卸船作业时，大车行走机构17沿着岸边轨道20移动使得桥架11正对船舶21的箱位，小车行走机构12沿着桥架11移动，吊具13挂载于小车行走机构12下随之一起移动。在装船作业中，吊具13沿着桥架11移动至卡车19装载集装箱的挂板处吊起集装箱22，然后移动至船舶21的箱位处卸下集装箱22；在卸船作业中，吊具13沿着桥架11移动至船舶21的箱位处吊起集装箱22，然后移动至卡车19挂板处卸下集装箱22。
吊装集装箱22时，吊具13沿着桥架11移动可实现对不同车道上的卡车19进行操作，但由于吊具13只能沿着桥架11移动，而不能在车道延伸方向上移动，因此在车道延伸方向上，就需要卡车19停止在能够使吊具13吊起卡车19挂板上的集装箱22或者使吊具13将集装箱22卸载到卡车19挂板上的位置，即需要卡车19精准停止在目标停车位25。
为了方便卡车19精准停止在目标停车位25，岸吊的门框横梁16上绘制有停车标识线18，当卡车19按照停车标识线18停车时，可使岸吊的吊具13恰好将卡车19挂板上的集装箱22吊起或将集装箱22卸载到卡车19挂板上。一般情况下，卡车19按照停车标识线18停车是指当卡车19行驶至使位于车尾的卡车挂板侧立面(以前简称为挂板后侧立面)与停车标识线18所在的铅垂面共面时卡车19停止。
然而，卡车19刹车后往往不能一次性实现令挂板后侧立面与停车标识线18所在的铅垂面共面，也就是不能一次性准确停止在目标停车位25，还需要人为指导前后移动卡车19才能准确停止，大大降低了集装箱装卸船作业的效率。因此，卡车19能否精准停车是目前集装箱装卸船作业中的技术难点。
目前已有一些解决上述问题的技术方案，例如：
(1)一些技术方案是利用车载GPS或者RTK定位设备采集卡车位置来控制卡车停车，然而GPS或者RTK定位设备对环境的要求比较严苛，需要周围环境开阔无遮挡，但集装箱装卸船作业中卡车会停留在岸吊桥架下方，而岸吊的海\陆侧门框、桥架、横梁等大型钢铁结构会对GPS和RTK定位设备的信号造成严重遮挡，这就导致当卡车在驶入岸吊周围一定范围内时无法依靠GPS或RTK定位设备获得精准的自身定位。
(2)还有一些技术方案是利用车载摄像头对停车标识线进行视觉定位来控制卡车停车，然而受到算法和算力的限制，这种方案还不能实现厘米级别的精准停车。
(3)还有一些技术方案是利用车载激光雷达对停车标识线进行定位来控制卡车停车，这种方案需要将岸边可能进行集装箱装卸船作业的区域刷满高反射率的涂料，而对于繁忙的港口，涂料磨损十分严重，需要经常补刷，成本较高。
综上，已有的解决方案仅靠车载设备很难较好地实现卡车精准停车，而且这类解决方案对车载设备的要求较高，存在精度低、成本高、可移植性差、不易大规模推广等缺点。
为此，本申请提出一种岸吊区卡车精准停车方案，该方案首先利用激光雷达扫描已在目标停车位停车的卡车得到车辆点云模型，然后在集装箱装卸船作业中再利用激光雷达实时扫描驶向目标停车位的卡车得到其点云集合，之后通过ICP算法对卡车的点云集合和车辆点云模型进行计算，得到卡车到目标停车位的实时距离，最终依据该实时距离控制卡车精准停止在目标停车位。
本申请提出的岸吊区卡车精准停车方案不仅可以达到厘米级别的精度，而且实施成本低，可移植性强。
在介绍了本申请的基本原理之后，下面具体介绍本申请的各种非限制性实施方式。
应用场景总览
本申请实施例提供一种应用场景示意，如图1所示，船舶在港口停泊，岸吊位于船舶停泊处的岸边，岸吊的联系横梁24横跨多个车道，卡车从这些车道中行驶。装设于岸吊的联系横梁24的底部的激光雷达23扫描这些车道获得实时点云数据。
待停卡车接收集装箱装卸船任务后驶向岸吊，待停卡车的车辆控制器发出停车请求，主控器利用激光雷达23获取的实时点云数据计算行驶中的待停卡车到目标停车位的实时距离并告知车辆控制器，车辆控制器根据该实时距离控制待停卡车精准停止在目标停车位。
需要注意的是，图1所示的应用场景仅是为了便于理解本申请的精神和原理而示出，本申请的实施方式在此方面不受任何限制。相反，本申请的实施方式可以应用于适用的任何场景。
示例性方法
下面结合图1的应用场景，参考图2来描述本申请实施例提供的岸吊区卡车精准停车方法。如图2所示，本申请实施例提供一种岸吊区卡车精准停车方法，包括：
步骤S100，车辆控制器发出待停卡车的停车请求。
由于卡车是在执行集装箱装卸船作业时需要精准停止在目标停车位，因此具体实施时，车辆控制器可以在判断预定条件满足时才发出停车请求，该预定条件例如可以是判断卡车与岸吊之间的距离(如计算卡车的车载定位设备获取的车载定位数据与岸吊所处位置之间的距离)小于或等于一预设距离，也可以是检测到岸吊(如对卡车的车载摄像头拍摄的图像进行视觉识别来检测岸吊)等等。
本申请中，车辆控制器可以通过基站、WIFI、V2X等无线通信方式发出停车请求。在一些实施例中，车辆控制器利用卡车上装载的V2X设备广播停车请求。
具体实施时，车辆控制器发出的停车请求中包含如下一些信息中的一种或多种：岸吊标识、集装箱标识、待停卡车的车辆型号、待停卡车的车辆标识、是否装载集装箱、待停卡车的车载定位设备获取的定位数据、待停卡车所处车道的编号、车辆控制器的MAC地址、车辆控制器连接的V2X通信设备的MAC地址等。
在一些实施例中，车辆控制器接收到集装箱装卸船任务命令后，通过解析集装箱装卸船任务命令获得岸吊标识、集装箱标识等信息。其中，岸吊标识是指待停卡车在本次集装箱装卸船任务中需要驶向的岸吊，该标识可以是岸吊的编号和/或岸吊的位置信息(岸吊的位置信息可以通过在岸吊上装设GPS、RTK等定位装置来获得)，集装箱标识是指待停卡车在本次集装箱装卸船任务中要装卸的集装箱，该标识可以是集装箱的编号等。
步骤S200，主控器接收停车请求，获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据。
在一些实施例中，激光雷达一直处于扫描状态，主控器收到停车请求后立即获取激光雷达实时扫描得到的实时点云数据。
为了便于待停卡车顺利找到要装卸的集装箱和负责装卸该集装箱的岸吊，在一些实施例中，车辆控制器通过广播的方式发出停车请求，且在停车请求中包括岸吊标识；主控器接收并解析停车请求，将其中包括的岸吊标识与自身对应的岸吊进行匹配，若匹配成功，则与待停卡车的车辆控制器建立通信连接。例如，主控器通过车辆控制器的MAC地址、车辆控制器连接的V2X通信设备的MAC地址等与车辆控制器建立通信连接。
其中，主控器对应的岸吊是指横跨该主控器连接的激光雷达扫描的车道的岸吊，主控器负责其对应的岸吊下的一个或多个车道上的卡车精准停车任务，主控器对应的岸吊可以有一个或多个，具体实施时，主控器可以在本地配置一份自身对应的岸吊的岸吊标识列表，在接收到车辆控制器广播的停车请求时，可以将停车请求中的岸吊标识与该列表进行匹配，当有匹配成功的岸吊标识时，主控器与广播该停车请求的车辆控制器建立通信连接。在这类实施例中，车辆控制器通过广播的方式寻找能与其建立通信的主控器，当上述匹配成功时，车辆控制器与主控器之间成功建立通信连接。
在一些实施例中，主控器利用V2X设备接收车辆控制器广播的停车请求。
在一些实施例中，车辆控制器从接收的集装箱装卸船作业命令中解析出岸吊标识，在广播的停车请求中包含该岸吊标识，并控制待停卡车驶向该岸吊标识对应的岸吊。例如，码头管理系统TOS处理集装箱装卸船作业任务时，将需要装卸载的集装箱分配给某个岸吊，根据分配结果，将集装箱标识与岸吊标识关联在一起，并在下发给车辆控制器的集装箱装卸船作业命令中包含集装箱标识和岸吊标识，其中集装箱标识表明待停卡车需要装卸载哪个集装箱，岸吊标识表明待停卡车需要去哪个岸吊。
由于岸吊一般会横跨多条车道，而激光雷达的激光发射光源数目(即线数)和扫描范围又是有限的，所以往往一个激光雷达不能同时扫描岸吊横跨的全部车道，需要配置多个激光雷达；另外，主控器和激光雷达作为两种独立设备，二者之间存在多种连接模式。考虑到以上因素，具体实施时，主控器、激光雷达和车道可以有如图3所示的多种配置模式：
(a)一个主控器只连接一个激光雷达，一个激光雷达只负责一个车道的扫描工作；
(b)一个主控器只连接一个激光雷达，一个激光雷达负责至少两个车道的扫描工作；
(c)一个主控器连接至少两个激光雷达，一个激光雷达只负责一个车道的扫描工作；
(d)一个主控器连接至少两个激光雷达，一个激光雷达负责至少两个车道的扫描工作。
具体实施时，可根据岸吊横跨的车道总数、车道的宽度、激光雷达的线数和扫描范围等信息综合决定采用哪种配置模式，本申请实施例对此不作具体限定。
在一些实施例中，不论采用上述各种配置模式中的哪一种，车辆控制器都可以在发送的停车请求中包含待停卡车所处的车道的编号，主控器接收停车请求后可根据其中的车道编号确定待停卡车所处的车道，进而确定用于扫描该车道的激光雷达，从而获取该激光雷达扫描得到的实时点云数据。
在一些实施例中，每个主控器都可以在本地配置一份主控器、激光雷达和车道编号之间的对应关系表，以便根据停车请求中的车道编号来确定激光雷达。
步骤S300，主控器对获取的实时点云数据聚类得到待停卡车的点云集合。
具体的，当待停卡车在岸吊横跨的车道内行驶并进入激光雷达的扫描范围内时，激光束会射到待停卡车上并返回被激光雷达接收，扫描得到的实时点云数据中就会存在待停卡车所对应的点云，通过对实时点云数据进行聚类就可以提取出待停卡车的点云集合。
该步骤可采用目前常用于对任意形状聚类的算法，例如：WaveCluster、ROCK、CURE、K-Prototypes、DENCLUE、DBSCAN等等。
由于岸吊横跨的车道通常为多个(例如6个)，这些车道上可能同时有多辆卡车在行驶，因此，实时点云数据中可能会同时存在多辆卡车所对应的点云，这种情况下，对实时点云数据进行聚类就可能会得到多个卡车(包括待停卡车以及其他卡车)的点云集合，考虑到这点，为了便于主控器从实时点云数据中聚类得到待停卡车的点云集合，本申请实施例提供了如下几种处理方式：
(1)在一些实施例中，车辆控制器在发出的停车请求中包含待停卡车的车载定位设备采集的定位数据，主控器对实时点云数据聚类得到一个或多个卡车的点云集合，将这些点云集合中包含上述定位数据的点云集合确定为待停卡车的点云集合。
在这类实施例中，不同卡车的车载定位设备采集的定位数据分别是不同卡车的位置信息，通过该定位数据即可区分不同的卡车，因此，包含待停卡车的车载定位设备采集的定位数据的点云集合即为待停卡车的点云集合。
具体实施时，车载定位设备可以是全球定位系统GPS定位设备、载波相位差分RTK定位设备、北斗卫星定位系统定位设备、GLONASS定位系统定位设备、Galileo定位系统定位设备、全球导航卫星系统GNSS定位设备、超宽带UWB定位设备等。
(2)在一些实施例中，车辆控制器在发出的停车请求中包含待停卡车的车载定位设备采集的定位数据，主控器在实时点云数据中截取上述定位数据对应的位置及其周围预设长度内的区域所对应的点云数据，并对截取的点云数据聚类得到待停卡车的点云集合。
在这类实施例中，待停卡车的车载定位设备采集的定位数据对应于待停卡车的位置信息，主控器根据上述定位数据可以确定待停卡车的位置，但由于上述定位数据对应的位置是点位置，不能代表整个车身各处的位置，因此，可以根据卡车的车身长度确定一预设长度，进而确定上述定位数据对应的位置及其周围该预设长度内的区域，该区域便可以涵盖整个车身。主控器在实时点云数据中截取该区域对应的点云数据，其中必然包括待停卡车对应的点云，对其聚类即可得到待停卡车的点云集合。
(3)在一些实施例中，车辆控制器在发出的停车请求中包含待停卡车所处车道的编号，主控器根据待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，在实时点云数据中截取待停卡车所处车道的点云数据；对实时点云数据聚类得到一个或多个卡车的点云集合；将所述一个或多个卡车的点云集合中与待停卡车所处车道的点云数据存在交集的点云集合确定为待停卡车的点云集合。
在这类实施例中，当激光雷达的位置确定，岸吊横跨的各个车道与激光雷达的相对位置即可确定并作为已知信息存储于主控器本地；主控器根据待停卡车所处车道的编号可确定待停卡车在哪个车道上行驶；结合各个车道与激光雷达的相对位置关系，主控器可在实时点云数据中截取待停卡车所处车道的点云数据；主控器对实时点云数据聚类得到一个或多个卡车的点云集合之后，找到其中与待停卡车所处车道的点云数据存在交集的点云集合，该点云集合即为待停卡车的点云集合。
需要说明的是，在这类实施例中，当岸吊执行任务时，岸吊横跨的各个车道上，需令同一车道内行驶的相邻卡车之间的距离大于激光雷达的扫描范围，以确保激光雷达扫描得到的同一车道的点云数据中最多只有一个卡车的点云集合。例如，激光雷达的扫描范围为40米，需令同一车道内相邻的卡车之间的距离大于40米。
(4)在一些实施例中，车辆控制器在发出的停车请求中包含待停卡车所处车道的编号，主控器根据待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，在实时点云数据中截取待停卡车所处车道的点云数据，并对截取的点云数据聚类得到待停卡车的点云集合。
在这类实施例中，当激光雷达的位置确定，岸吊横跨的各个车道与激光雷达的相对位置即可确定并作为已知信息存储于主控器本地；主控器根据待停卡车所处车道的编号可确定待停卡车在哪个车道上行驶；结合各个车道与激光雷达的相对位置关系，主控器可在实时点云数据中截取待停卡车所处车道的点云数据。
需要说明的是，在这类实施例中，当岸吊执行任务时，岸吊横跨的各个车道上，也需令同一车道内行驶的相邻卡车之间的距离大于激光雷达的扫描范围，以确保激光雷达扫描得到的同一车道的点云数据中最多只有一个卡车的点云集合。
(5)在一些实施例中，车辆控制器在发出的停车请求中包含待停卡车的车载定位设备采集的定位数据及其所处车道的编号；主控器根据待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，在实时点云数据中截取待停卡车所处车道的点云数据；主控器对实时点云数据聚类得到一个或多个卡车的点云集合，将这些点云集合中包含上述定位数据且与截取的待停卡车所处车道的点云数据存在交集的点云集合确定为待停卡车的点云集合。
在这类实施例中，不同卡车的车载定位设备采集的定位数据分别是不同卡车的位置信息，一般情况下，通过该定位数据即可区分不同的卡车，但是考虑到车载定位设备获取的定位数据存在一定的误差，且岸吊下的车道相距较近，为了区分定位数据接近但处于不同车道上的卡车，可将包含上述定位数据且与截取的待停卡车所处车道的点云数据存在交集的点云集合确定为待停卡车的点云集合。
步骤S400，主控器利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到待停卡车到目标停车位的实时距离；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
ICP算法可用于计算不同点集之间的平移矩阵和旋转矩阵，待停卡车的点云集合是行驶中的待停卡车对应的点集，而车辆点云模型是精准停止在目标停车位的卡车的点集，因此利用ICP算法对上述两种点集进行计算可以得到行驶中的待停卡车与精准停止在目标停车位的卡车之间的平移矩阵和旋转矩阵，由于卡车只能在车道内行驶，因此二者的旋转矩阵可以忽略不计，根据二者的平移矩阵即可得到行驶中的待停卡车到目标停车位的实时距离。
考虑到港口进行集装箱装卸船作业的卡车会有不同的车辆型号，激光雷达对不同型号的卡车扫描得到的点云集合也是不同的，因此，在一些实施例中，可预先利用激光雷达对在目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型，并将这些车辆点云模型存储在一模型库中，且步骤S400按照如下过程执行：主控器确定待停卡车的车辆型号，在模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型，并利用ICP算法对待停卡车的点云集合和与待停卡车的车辆型号相匹配的车辆点云模型进行计算。
例如，模型库包括多个车辆点云模型a、b、c、d、e、f、g，这些车辆点云模型对应的车辆型号分别为A、B、C、D、E、F、G，当待停卡车的车辆型号为F时，主控器通过匹配可确定与待停卡车的车辆型号相匹配的车辆点云模型为f，然后可利用ICP算法将待停卡车的点云集合与f进行计算。
为了确保对所有来到岸吊执行集装箱装卸船业务的卡车都能为其点云集合找到匹配的车辆点云模型，具体实施时，模型库应包含港口内所有执行集装箱装卸船作业的卡车车辆型号的车辆点云模型，并且，当有新的车辆型号的卡车加入时，模型库中的车辆点云模型也需要随之更新。
由于集装箱装卸船作业分为装船、卸船两种作业类型；在装船作业中，卡车将集装箱运输到岸吊下方的目标停车位，由吊具将集装箱从卡车的挂板上吊至船上，该过程中，卡车在驶向目标停车位时，其挂板上是有集装箱的；在卸船作业中，卡车行驶到岸吊下方的目标停车位停止，吊具将集装箱从船上吊至卡车的挂板上，再由卡车将集装箱运输到堆场存放，该过程中，卡车在驶向目标停车位时，其挂板上是空的。可见，在装船作业和卸船作业中，驶向目标停车位的卡车分为装载集装箱和没装载集装箱两种情况，相应的，这两种情况下得到的点云集合也是不同的。
考虑到上述情况，在一些实施例中，可预先利用激光雷达对在目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描得到多个车辆点云模型，并将其存储在第一模型库中，并预先利用激光雷达对在目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描得到多个车辆点云模型，并将其存储在第二模型库中，并且，主控器在模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型，可按照如下过程执行：主控器判断待停卡车装载集装箱时，在第一模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型；主控器判断待停卡车没有装载集装箱时，在第二模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型。
为了确保对所有来到岸吊执行集装箱装卸船业务的卡车都能为其点云集合找到匹配的车辆点云模型，具体实施时，第一模型库和第二模型库应包含港口内所有执行集装箱装卸船作业的卡车车辆型号的车辆点云模型，并且，当港口内有新的车辆型号的卡车加入时，第一模型库和第二模型库中的车辆点云模型也应随之更新。
在一些实施例中，车辆控制器在发送的停车请求中包含待停卡车的车辆型号，主控器就可以通过解析接收到停车请求后从其中解析出待停卡车的车辆型号。
在一些实施例中，主控器可以先获取待停卡车的车辆标识，并根据已知的车辆标识与车辆型号的对应关系来确定待停卡车的车辆型号。其中，车辆标识可以是车辆编号。
在一些实施例中，主控器可以通过拍摄待停卡车的车牌并对其识别来获取待停卡车的车辆标识。例如，主控器利用摄像头拍摄待停卡车的车牌。
在一些实施例中，车辆控制器在发送的停车请求中包含待停卡车的车辆标识，主控器就可以在接收停车请求后从中解析出该车辆标识。
在一些实施例中，车辆控制器发出的停车请求中包含待停卡车是否装载集装箱的信息；主控器就可以在接收停车请求后从其中解析出该信息，并根据该信息判断待停卡车是否装载集装箱。
在一些实施例中，车辆控制器通过检测挂板上方的水平方向上距待停卡车的车头为预设距离处是否有物体存在来判断待停卡车是否装载集装箱，并根据检测结果生成待停卡车是否装载集装箱的信息。例如，根据卡车的车身造型可预先确定当挂板上装有集装箱时该集装箱到车头的水平距离，利用装设于车头上的激光测距仪朝向挂板发送水平方向的激光束，并根据接收到反射回来的激光束的时间判断挂板上在距离待停卡车的车头为上述水平距离的地方是否有集装箱存在。
ICP算法是通过迭代的方式计算待停卡车的点云集合和车辆点云模型之间的旋转矩阵和平移矩阵，其中，由于所有卡车都是沿着车道行驶到目标停车位，因此，待停卡车的点云集合和车辆点云模型之间的旋转量可以忽略不计，即旋转矩阵可以采用单位矩阵，只需计算平移矩阵。
在一些实施例中，步骤S400中，主控器利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到待停卡车到目标停车位的实时距离，包括：主控器利用ICP算法计算待停卡车的点云集合到车辆点云模型的平移矩阵；然后根据该平移矩阵得到待停卡车到目标停车位的实时距离。
由于在ICP算法的迭代过程中，所采用的初始平移矩阵对最终计算出的结果的准确性具有非常重要的影响，本申请实施例提供如下两种确定初始平移矩阵的方式：
(1)在一些实施例中，分别确定待停卡车的点云集合和车辆点云模型中位于待停卡车的行驶方向上的最前方的预设数量个点；将待停卡车的点云集合中位于待停卡车的行驶方向上的最前方的的该预设数量个点的平均中心确定为第一平均中心，其中，第一平均中心的坐标为待停卡车的点云集合中该预设数量个点的坐标的平均值；将车辆点云模型中位于待停卡车的行驶方向上的最前方的该预设数量个点的平均中心确定为第二平均中心，其中，第二平均中心的坐标为车辆点云模型中该预设数量个点的坐标的平均值；将第一平均中心平移到第二平均中心所用的矩阵确定为初始平移矩阵。
如图4所示，待停卡车的点云集合位于坐标系1中，车辆点云模型位于坐标系2中；待停卡车的点云集合中位于待停卡车的行驶方向上的最前方的n个点(由虚线框标识出)为Pi(xi,yi,zi)，i＝1,2,3...n，第一平均中心为
Figure BDA0001922815560000131
Figure BDA0001922815560000132
车辆点云模型中位于待停卡车的行驶方向上的最前方的n个点(由虚线框标识出)为Qi(Xi,Yi,Zi)，i＝1,2,3...n，第二平均中心为
Figure BDA0001922815560000133
Figure BDA0001922815560000134
将第一平均中心
Figure BDA0001922815560000135
平移到第二平均中心
Figure BDA0001922815560000136
所用的矩阵确定为初始平移矩阵。
(2)在一些实施例中，车辆控制器在发送的停车请求中包含待停卡车的车载定位设备采集的定位数据，主控器通过解析停车请求获取该定位数据，则主控器利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算时，初始平移矩阵为该定位数据对应的点平移到目标停车位对应的定位点所用的矩阵。其中，定位点为确定车辆点云模型的过程中卡车停止在目标停车位时其车载定位设备获取的定位数据对应的点。
在确定车辆点云模型的过程中，所使用的卡车上装载有车载定位设备，当卡车停止在目标停车位时，该卡车上的车载定位设备获取的定位数据所确定的点，即为目标停车位对应的定位点。
在这类实施例中，车载定位设备可以是GPS定位设备、RTK定位设备、北斗卫星定位系统定位设备、GLONASS定位系统定位设备、Galileo定位系统定位设备、全球导航卫星系统GNSS定位设备、UWB定位设备等。
车辆点云模型是在目标停车位精准停车的卡车的点集，而通过聚类得到的待停卡车的点云集合是正在行驶的待停卡车的点集，因此通过ICP算法对聚类得到的待停卡车的点云集合和车辆点云模型进行计算，即可得到正在行驶的待停卡车到目标停车位的实时距离。在此过程中，车辆点云模型的精准程度对最终计算结果的准确性有直接的影响。然而，目前常见的激光雷达的线数有限(如32线、64线)，利用固定位置的激光雷达对静止停在目标停车位的卡车扫描时，受激光束的数量和发射方向的限制，激光束只能射到卡车车身的较少区域，获得的点云数据也只能体现卡车车身的较少区域，对其聚类得到的点云集合(即车辆点云模型)不能很好地体现卡车整个车身的位置，甚至于不能通过聚类算法得到车辆点云模型。
为了克服上述问题，在一些实施例中，车辆点云模型可按照步骤S402～S406获得：
步骤S402，预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车。
在一些实施例中，驶向目标停车位并最终在目标停车位停车的卡车是指：驶向预设的停车标识线并按照停车标识线停车的卡车。
例如，停车标识线是绘制在岸吊的门框横梁上的、针对挂板前侧立面或者后侧立面设置的铅垂线，卡车驶向停车标识线，并在其挂板的前侧立面或者后侧立面与停车标识线处于同一铅垂面时停车。
在一些实施例中，停车标识线是绘制在岸吊的门框横梁上的、针对挂板的后侧立面设置的铅垂线，卡车驶向停车标识线并在其挂板的后侧立面与停车标识线处于同一铅垂面时停车。
步骤S404，将卡车未到达目标停车位时的点云数据转换至到达目标停车位时的点云数据所在的坐标系中。
具体实施时，该过程可以利用ICP算法实现不同坐标系间点云数据的转换。
步骤S406，将转换后得到的点云集合确定为车辆点云模型。
步骤S402～S406中是利用激光雷达扫描运动中的卡车，这种方式可使激光束射到卡车车身的更多区域，相应的，所获得的点云数据能体现卡车车身的更多区域，所获得的车辆点云模型也能体现卡车车身的更多区域，进而更好地体现卡车整个车身的位置，满足ICP算法的需要，提高计算结果的准确性。
由于岸吊横跨的各个车道的最前端和最后端分别位于同一直线上，而且，行驶的卡车到目标停车位之间的距离可由二者的平移矩阵直接获得，因此，可选择岸吊横跨的各个车道中的任意一个车道上的目标停车位来确定车辆点云模型，确定出的车辆点云模型可用于其中任意一个车道上行驶的卡车到目标停车位之间距离的计算。
步骤S500，车辆控制器根据待停卡车到目标停车位的实时距离，控制待停卡车停止在目标停车位。
为了确保集装箱装卸船业务能够安全执行，岸吊横跨的车道的限速一般都设置的较低，以使卡车以较低的速度在岸吊横跨的车道上行驶，考虑到这一情况，在一些实施例中，步骤S500按照如下过程执行：车辆控制器判断待停卡车到目标停车位的实时距离小于无动力滑行距离(即卡车在无动力状态依靠惯性滑行的距离)且二者的差值小于或等于一预定阈值时，发出油门关闭信号以控制待停卡车的油门关闭，使待停卡车滑行至目标停车位并停止。
具体实施时，可将该预定阈值设置为一接近于0的值，待停卡车到目标停车位的实时距离小于无动力滑行距离且二者的差值小于或等于一预定阈值是指：待停卡车到目标停车位的实时距离非常接近无动力滑行距离；此时车辆控制器发出油门关闭信号，待停卡车在无动力的情况下依靠惯性滑行道目标停车位停止。
车辆的无动力滑行距离与车辆的行驶速度、车身重量、轮胎性能、路面摩擦系数等相关，其中，行驶速度、车身重量、轮胎性能等数据可以从待停卡车的中控系统采集，路面摩擦系数可预先配置到车辆控制器中，车辆控制器获取这些数据后，即可计算出待停卡车的无动力滑行距离。
上述待停卡车在无动力状态依靠惯性滑行到目标停车位停止的实施方式，对无动力滑行距离的精确程度提出了较高的要求，一旦车辆控制器计算的无动力滑行距离不准确，待停卡车就很可能不能依靠惯性滑行到目标停车位停止。考虑到这一点，为了进一步确保待停卡车精准停止在目标停车位，在一些实施例中，步骤S500还可以按照如下过程执行：车辆控制器判断待停卡车到目标停车位的实时距离小于无动力滑行距离且二者的差值小于或等于一预定阈值时，发出油门关闭信号以控制待停卡车的油门关闭，判断待停卡车到目标停车位的实时距离小于预设刹车距离且待停卡车的行驶速度大于预设速度时，发出刹车信号以控制待停卡车刹车并停止在目标停车位。
该实施方式中，车辆控制器在发出油门关闭信号使待停卡车处于无动力状态依靠惯性滑行的过程中，还会在判断待停卡车到目标停车位的实时距离小于预设刹车距离且待停卡车的行驶速度大于预设速度时，发出刹车信号以控制待停卡车刹车并停止到目标停车。
其中，预设刹车距离、预设速度、刹车信号之间存在如下关系：在刹车信号的作用下，待停卡车的行驶速度从该预设速度降到停止的过程中，待停卡车行驶的距离恰好等于该预设刹车距离。
由于车辆的刹车距离与车辆的刹车制动力、刹车时的行驶速度、车身重量和轮胎性能相关，而刹车制动力与刹车信号直接相关，因此车辆控制器可以预先根据车辆的历史刹车数据(如历次刹车过程中的刹车速度和刹车距离等)以及从车辆的中控系统采集的行驶速度、车身重量和轮胎性能等数据，计算出车辆的预设刹车距离、预设速度和刹车信号。
实施例1
如图5所示，编号为AD1000的岸吊横跨6条编号分别为E1～E6的车道，岸吊的联系横梁底部装设有6个编号分别为Lidar1～Lidar6的激光雷达，Lidar1～Lidar6分别扫描E1～E6，即每个激光雷达负责扫描一条车道，主控器M连接激光雷达Lidar1～Lidar6，并负责岸吊AD1000下的各个车道上的卡车精准停车任务。
主控器M本地存有如下信息：
(1)激光雷达编号Lidar1～Lidar6；
(2)岸吊编号AD1000；
(3)车道编号E1～E6；
(4)第一模型库和第二模型库，其中，第一模型库中的车辆点云模型对应于装载集装箱的卡车，第二模型库中的车辆点云模型对应于未装载集装的卡车，车辆点云模型对应的卡车的车辆型号包括SQ01～SQ09，BQ01～BQ09。
编号为K007的待停卡车，接收到集装箱卸船任务命令，该命令指示到经纬度位置为(Lon1，Lat1)的岸吊AD1000处装载集装箱JZX2019。待停卡车K007接收该命令后通过车载导航设备驶向岸吊AD1000，车辆控制器实时获取待停卡车K007的车载GPS定位设备获取的定位数据(Lon2，Lat2)，通过比对待停卡车的实时定位数据(Lon2，Lat2)与位置(Lon1，Lat1)来判断待停卡车K007与岸吊AD1000之间的距离，当判断二者之间的距离小于50米的时候，车辆控制器通过车载V2X设备广播停车请求，该停车请求中包括如下信息：
(1)车辆编号K007；
(2)岸吊编号AD1000；
(3)车辆型号SQ07；
(4)实时定位数据(Lon2，Lat2)；
(5)未装载集装箱的信息；该信息的生成方式为：待停卡车利用装设于车头上的激光测距仪朝向挂板发送水平方向的激光束，根据接收到反射回来的激光束的时间判断挂板上是否装载了集装箱，并根据判断结果生成。
主控器M通过V2X设备接收到上述停车请求后，通过对其解析得到岸吊编号AD1000，通过与主控器M本地保存的岸吊编号进行比对，确定该待停卡车需要在该主控器M负责的岸吊AD1000下精准停车，因此主控器M返回确认消息，并与待停卡车K007的车辆控制器建立通信连接。
主控器M对上述停车请求解析还得到实时定位数据(Lon2，Lat2)，主控器M获取其所连接的各个激光雷达Lidar1～Lidar6扫描得到的实时点云数据，对这些实时点云数据进行聚类得到多个卡车的点云集合，将这些点云集合中包含实时定位数据(Lon2，Lat2)的点云集合确定为待停卡车K007的点云集合。
主控器M对上述停车请求解析还得到车辆型号SQ07和未装载集装箱的信息，因此，主控器M从第二模型库中调取车辆型号SQ07对应的车辆点云模型K1-K2-MX-SQ07。
主控器M利用ICP算法对待停卡车K007的点云集合和车辆点云模型K1-K2-MX-SQ07进行计算，得到待停卡车K007到目标停车位的距离，并发送给车辆控制器。其中，ICP算法迭代计算所采用的的旋转矩阵为单位矩阵，初始平移矩阵为待停卡车的点云集合中最靠近目标停车位的N个点的平均中心平移到车辆点云模型K1-K2-MX-SQ07中最靠近目标停车位的N个点的平均中心所用的矩阵。
在待停卡车K007行驶的过程中，车辆控制器按照第一预设频率持续发送停车请求，主控器M按照第二预设频率持续获取激光雷达扫描得到的实时点云数据并聚类得到待停卡车K007的点云集合，并按照该第二预设频率利用ICP算法对待停卡车K007的点云集合和车辆点云模型K1-K2-MX-SQ07进行计算得到待停卡车K007到目标停车位的实时距离，最终将计算得到的实时距离发送给车辆控制器。
车辆控制器每当收到主控器M发来的实时距离，就根据该实时距离判断是否需要调整待停卡车K007的行驶速度，从而控制待停卡车K007最终精准停止在目标停车位。
岸吊AD1000将集装箱JZX2019装载于待停卡车K007的挂板上，完成集装箱卸船任务。
实施例2
如图6所示，编号为AD1000的岸吊横跨6条编号分别为E1～E6的车道，岸吊的联系横梁底部装设有2个编号分别为Lidar1、Lidar2的激光雷达，Lidar1负责扫描车道E1～E3，Lidar2负责扫描E4～E6，即每个激光雷达负责扫描3条车道，主控器M连接激光雷达Lidar1、Lidar2，并负责岸吊AD1000下的各个车道上的卡车精准停车任务。
主控器M本地存有如下信息：
(1)激光雷达编号Lidar1、Lidar2；
(2)岸吊编号AD1000；
(3)车道编号E1～E6；
(4)第一模型库和第二模型库，其中，第一模型库中的车辆点云模型对应于装载集装箱的卡车，第二模型库中的车辆点云模型对应于未装载集装的卡车，车辆点云模型对应的卡车的车辆型号包括SQ01～SQ09，BQ01～BQ09。
编号为K007的待停卡车，接收到集装箱装船任务命令，该命令指示到经纬度位置为(Lon1，Lat1)的岸吊AD1000处装载集装箱JZX2019。待停卡车K007接收该命令后通过车载导航设备驶向岸吊AD1000，车辆控制器实时获取待停卡车K007的车载GPS定位设备获取的定位数据(Lon2，Lat2)，通过比对待停卡车的实时定位数据(Lon2，Lat2)与位置(Lon1，Lat1)来判断待停卡车K007与岸吊AD1000之间的距离，当判断二者之间的距离小于50米的时候，车辆控制器通过车载V2X设备广播停车请求，该停车请求中包括如下信息：
(1)车辆编号K007；
(2)岸吊编号AD1000；
(3)车道编号E4；
(4)实时定位数据(Lon2，Lat2)；
(5)已装载集装箱的信息。
主控器M通过V2X设备接收到上述停车请求后，通过对其解析得到岸吊编号AD1000，通过与主控器M本地保存的岸吊编号进行比对，确定该待停卡车需要在该主控器M负责的岸吊AD1000下精准停车，因此主控器M返回确认消息，并与待停卡车K007的车辆控制器建立通信连接。
主控器M对上述停车请求解析还得到车道编号E4，根据车道E4与激光雷达Lidar2之间的相对位置，在实时点云数据中截取车道E4的点云数据，并对车道E4的点云数据进行聚类得到待停卡车K007的点云集合(由于设置了同一车道内行驶的相邻卡车之间的距离大于激光雷达的扫描范围，因此同一车道的点云数据中最多只有一个卡车的点云集合)。
主控器M对上述停车请求解析还得到车辆编号K007，根据车辆编号和车辆型号间的对应关系，确定出待停卡车K007的车辆型号为SQ07。
主控器M对上述停车请求解析还得到已装载集装箱的信息，因此，主控器M从第一模型库中调取车辆型号SQ07对应的车辆点云模型K1-MX-SQ07。
主控器M利用ICP算法对待停卡车K007的点云集合和车辆点云模型K1-MX-SQ07进行计算，得到待停卡车K007到目标停车位的距离，并发送给车辆控制器。其中，ICP算法迭代计算所采用的旋转矩阵为单位矩阵，初始平移矩阵为实时定位数据(Lon2，Lat2)对应的点平移到目标停车位的定位点(Lon3，Lat3)所用的矩阵，其中，目标停车位的定位点(Lon3，Lat3)为在确定车辆点云模型K1-MX-SQ07的过程中型号SQ07的卡车停止在目标停车位时其车载定位设备获取的定位数据对应的点。
在待停卡车K007行驶的过程中，车辆控制器按照第一预设频率持续发送停车请求，主控器M按照第二预设频率持续获取激光雷达Liadar2扫描得到的实时点云数据并聚类得到待停卡车K007的点云集合，并按照该频率利用ICP算法对待停卡车K007的点云集合和车辆点云模型K1-MX-SQ07进行计算得到待停卡车K007到目标停车位的实时距离，最终将计算得到的实时距离发送给车辆控制器。
车辆控制器每当收到根据主控器M发来的实时距离，就根据该实施距离判断是否需要调整待停卡车K007的行驶速度，从而控制待停卡车K007精准停止在目标停车位。
岸吊AD1000将集装箱JZX2019从待停卡车K007的挂板上吊装至船上，完成集装箱装船任务。
基于相同的发明思想，本申请实施例提供一种应用于主控器的岸吊区卡车精准停车方法，如图7所示，包括：
步骤A100，接收车辆控制器发送的待停卡车的停车请求；
步骤A200，获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
步骤A300，对实时点云数据聚类得到待停卡车的点云集合；
步骤A400，利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到并发送待停卡车到目标停车位的实时距离，以使车辆控制器根据该实时距离控制待停卡车停止在目标停车位；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
在一些实施例中，利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，包括：
确定待停卡车的车辆型号；
在模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型；
利用ICP算法对待停卡车的点云集合和与待停卡车的车辆型号相匹配的车辆点云模型进行计算；其中，模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型。
在一些实施例中，在模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型，包括：
判断待停卡车装载集装箱时，在第一模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型；其中，第一模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描所得到的多个车辆点云模型；
判断待停卡车没有装载集装箱时，在第二模型库中选择与待停卡车的车辆型号相匹配的车辆点云模型；其中，第二模型库包括预先利用激光雷达对在目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描所得到的多个车辆点云模型。
在一些实施例中，确定待停卡车的车辆型号，包括：从停车请求中解析待停卡车的车辆标识，并根据已知的车辆标识与车辆型号的对应关系来确定待停卡车的车辆型号。
在一些实施例中，确定待停卡车的车辆型号，包括：从停车请求中解析待停卡车的车辆型号。
在一些实施例中，利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到待停卡车到目标停车位的实时距离，包括：
利用ICP算法计算待停卡车的点云集合到车辆点云模型的平移矩阵；
根据所述平移矩阵，得到所述待停卡车到目标停车位的实时距离。
在一些实施例中，利用ICP算法计算待停卡车的点云集合到车辆点云模型的平移矩阵，包括：
确定初始平移矩阵，其中，初始平移矩阵为待停卡车的点云集合中最靠近目标停车位的预设数量个点的平均中心平移到车辆点云模型中最靠近目标停车位的预设数量个点的平均中心所用的矩阵，平均中心的坐标为预设数量个点的坐标的平均值；
利用初始平移矩阵对待停卡车的点云集合和车辆点云模型进行迭代计算，得到所述待停卡车的点云集合到所述车辆点云模型的平移矩阵。
在一些实施例中，利用ICP算法计算待停卡车的点云集合到车辆点云模型的平移矩阵，包括：
从停车请求中解析待停卡车的车载定位设备采集的定位数据；
确定初始平移矩阵，其中，初始平移矩阵为定位数据对应的点平移到目标停车位对应的定位点所用的矩阵，定位点为确定车辆点云模型的过程中卡车停止在目标停车位时其车载定位设备获取的定位数据对应的点；
利用初始平移矩阵对待停卡车的点云集合和车辆点云模型进行迭代计算，得到所述待停卡车的点云集合到所述车辆点云模型的平移矩阵。
在一些实施例中，判断待停卡车是否装载集装箱，包括：从停车请求中解析出待停卡车是否装载集装箱的信息，并根据该信息判断待停卡车是否装载集装箱。
在一些实施例中，接收停车请求，包括：接收停车请求并从中解析岸吊标识，将岸吊标识与自身对应的岸吊进行匹配，若匹配成功，则与车辆控制器建立通信连接。
在一些实施例中，通过V2X设备接收停车请求。
在一些实施例中，车辆点云模型按照如下方式确定：
预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车；
并将卡车未到达目标停车位时的点云数据转换至到达目标停车位时的点云数据所在的坐标系中；
将转换后得到的点云集合确定为车辆点云模型。
在一些实施例中，预先利用激光雷达扫描驶向目标停车位并最终在目标停车位停车的卡车，包括：
预先利用激光雷达扫描驶向预设的停车标识线并按照停车标识线停车的卡车。
在一些实施例中，按照停车标识线停车，包括：
当卡车的挂板的后侧立面与停车标识线处于同一铅垂面时停车。
在一些实施例中，对实时点云数据聚类得到待停卡车的点云集合，包括：
从停车请求中解析待停卡车的车载定位设备采集的定位数据；
对实时点云数据聚类得到一个或多个卡车的点云集合，将一个或多个卡车的点云集合中包含定位数据的点云集合确定为待停卡车的点云集合。
在一些实施例中，对实时点云数据聚类得到待停卡车的点云集合，包括：
从停车请求中解析待停卡车的车载定位设备采集的定位数据；
在实时点云数据中截取定位数据对应的位置及其周围预设长度内的区域所对应的点云数据，并对截取的点云数据聚类得到待停卡车的点云集合。
在一些实施例中，对实时点云数据聚类得到待停卡车的点云集合，包括：
从停车请求中解析待停卡车所处车道的编号；
根据待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，在实时点云数据中截取待停卡车所处车道的点云数据；
对实时点云数据聚类得到一个或多个卡车的点云集合；
将一个或多个卡车的点云集合中与待停卡车所处车道的点云数据存在交集的点云集合确定为待停卡车的点云集合。
在一些实施例中，对实时点云数据聚类得到待停卡车的点云集合，包括：
从停车请求中解析待停卡车所处车道的编号；
根据待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与激光雷达的相对位置，在实时点云数据中截取待停卡车所处车道的点云数据，并对截取的点云数据聚类得到待停卡车的点云集合。
在一些实施例中，获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据，包括：
从停车请求中解析待停卡车所处车道的编号；
根据待停卡车所处车道的编号确定用于扫描车道的激光雷达，并获取该激光雷达扫描得到的实时点云数据。
在一些实施例中，每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中，每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
图7所示的应用于主控器的岸吊区卡车精准停车方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前述对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
基于相同的发明思想，本申请还提供一种应用于车辆控制器的岸吊区卡车精准停车方法，如图8所示，包括：
步骤B100，发送待停卡车的停车请求；
步骤B200，接收主控器针对所述停车请求发送的待停卡车到目标停车位的实时距离；
步骤B300，根据待停卡车到目标停车位的实时距离，控制待停卡车停止在目标停车位。
其中，待停卡车到目标停车位的实时距离按照如下方式计算得到：
主控器接收车辆控制器发送的待停卡车的停车请求；获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对实时点云数据聚类得到待停卡车的点云集合；利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到并发送待停卡车到目标停车位的实时距离；其中，车辆点云模型是预先利用激光雷达扫描在目标停车位停车的卡车所得到的点云集合。
在一些实施例中，发送的待停卡车的停车请求中包含如下信息中的任一一项或多项：待停卡车的车辆标识；
待停卡车的车辆型号；
待停卡车的车载定位设备采集的定位数据；
待停卡车所处车道的编号；
待停卡车是否装载集装箱；
岸吊标识。
在一些实施例中，该应用于车辆控制器的岸吊区卡车精准停车方法，还包括：
通过检测挂板上方的水平方向上距待停卡车的车头为预设距离之处是否有物体存在来判断待停卡车是否装载集装箱；
根据检测结果生成待停卡车是否装载集装箱的信息。
在一些实施例中，该应用于车辆控制器的岸吊区卡车精准停车方法，还包括：
接收集装箱装卸船作业命令；
从集装箱装卸船作业命令中解析出岸吊标识；
控制待停卡车驶向岸吊标识对应的岸吊。
在一些实施例中，发送待停卡车的停车请求，包括：通过车联万物V2X设备广播待停卡车的停车请求。
在一些实施例中，发送待停卡车的停车请求，包括：
在确定待停卡车与岸吊之间的距离小于或等于一预设距离时发出停车请求；或者，在检测到岸吊时发出停车请求。
在一些实施例中，控制待停卡车停止在目标停车位，包括：通过控制待停卡车的油门控制系统和制动系统来控制待停卡车停止在目标停车位。
图8所示的应用于车辆控制器的岸吊区卡车精准停车方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前述对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
基于相同的发明思想，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，该计算机程序被处理器运行时本申请实施例提供的应用于主控器的岸吊区卡车精准停车方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。在一些实施例中，该计算机可读的存储介质可以是：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
基于相同的发明思想，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，该计算机程序被处理器运行时本申请实施例提供的应用于车辆控制器的岸吊区卡车精准停车方法中的各个步骤。该计算机可读的存储介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。在一些实施例中，该计算机可读的存储介质可以是：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
示例性设备
基于相同的发明思想，本申请实施例还提供一种主控器，该主控器包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，第一处理器在运行计算机程序时，执行图7的应用于主控器的岸吊区卡车精准停车方法。
第一存储器中的计算机程序被运行时所执行的方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
可选地，本申请中，第一处理器可以通过电路、芯片或其他电子部件来实现。例如，第一处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地，本申请中，第一存储器可以通过电路、芯片或其他电子部件来实现。例如，第一存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中，主控器可以是工控机、服务器、PC机、便携式电脑、平板电脑、PDA、iMac等形式的计算机设备。
基于相同的发明思想，本申请实施例还提供一种车辆控制器，该车辆控制器包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，第二处理器在运行计算机程序时，执行图8的应用于车辆控制器的岸吊区卡车精准停车方法。
第二存储器中的计算机程序被运行时所执行的方法与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
可选地，本申请中，第二处理器可以通过电路、芯片或其他电子部件来实现。例如，第二处理器还可以包括一个或多个微控制器、一个或多个现场可编程门阵列(FPGA)、一个或多个专用电路(ASIC)、一个或多个数字信号处理器(DSP)、一个或多个集成电路等。
可选地，本申请中，第二存储器可以通过电路、芯片或其他电子部件来实现。例如，第二存储器可以包括一个或多个只读存储器(ROM)、随机存取存储器(RAM)、闪速存储器、电可编程存储器(EPROM)、电可编程和可擦除存储器(EEPROM)、嵌入式多媒体卡(eMMC)、硬盘驱动器或任何易失性或非易失性介质等。
本申请实施例中，车辆控制器可以是DSP(Digital Signal Processing，数字信号处理器)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)控制器、工业电脑、行车电脑、ECU(Electronic Control Unit，电子控制单元)、ARM或者VCU(Vehicle ControlUnit，整车控制器)等，本申请对此不做具体限定。
基于相同的发明思想，本申请实施例还提供一种岸吊，如图9所示，该岸吊上装设有激光雷达和主控器。
其中，激光雷达、主控器可装设于岸吊的桥架、海侧门框、陆侧门框、门框横梁或联系横梁上。激光雷达用于扫描该岸吊横跨的车道；主控器用于获取激光雷达扫描车道获得的实时点云数据，并对获取的实时点云数据聚类得到待停卡车的点云集合，通过利用ICP算法对待停卡车的点云集合和车辆点云模型进行计算，得到并发送待停卡车到目标停车位的实时距离，以使待停卡车精准停止在目标停车位。
在一些实施例中，该岸吊上还装设有与主控器连接的V2X设备。
在一些实施例中，该岸吊上还装设有用于为主控器和/或激光雷达供电的供电设备。
在一些实施例中，上述供电设备从岸吊的供电系统获取电源。
在一些实施例中，为了应对岸吊的供电系统突然断电导致上述供电设备无法供电等突发状况，该岸吊上还装设有用于在上述供电设备断电时为主控器和/或激光雷达供电的不间断电源UPS(Uninterruptible Power System)。
基于相同的发明思想，本申请实施例还提供一种汽车，如图10所示，该汽车上装设有车辆控制器。其中，该车辆控制器用于发送待停卡车的停车请求，接收主控器发送的待停卡车到目标停车位的实时距离；并根据待停卡车到目标停车位的实时距离，控制待停卡车停止在目标停车位。
在一些实施例中，该车辆控制器连接汽车的油门控制系统和制动系统。即，车辆控制器通过控制汽车的油门控制系统和制动系统间接达到控制待停卡车停止在目标停车位的目的。
在一些实施例中，该汽车上还装设有与该车辆控制器连接的车联万物V2X设备。
在一些实施例中，该汽车上还装设有车载定位设备，用于获取定位数据。
该汽车可以是由人类驾驶的传统车辆(如家用轿车、工程车、消防车、救护车、卡车等)，也可以是自动驾驶车，可以是消耗汽油、柴油等传统能源的车辆，也可以是消耗电能、太阳能等新能源的车辆。其中，自动驾驶车是指利用自动驾驶技术实现的具有载人(如家用轿车、公共汽车等类型)、载货(如普通货车、厢式货车、封闭货车、罐式货车、平板货车、集装厢车、自卸货车、特殊结构货车等类型)或者特殊救援功能(如消防车、救护车等类型)的车辆。
示例性系统
基于相同的发明思想，本申请实施例还提供一种岸吊区卡车精准停车控制系统，如图11所示，包括：主控器，车辆控制器，以及激光雷达。
该岸吊区卡车精准停车控制系统的工作原理可参考如图2所示的岸吊区卡车精准停车方法，此处不再赘述。
该岸吊区卡车精准停车控制系统中，激光雷达可以选用16线、32线或64线型，激光线束越多，扫描得到的点云数据就越容易覆盖被扫车辆的整个车身，相应的，成本也会越高；主控器和车辆控制器的硬件组成结构已在示例性设备中进行了描述，此处不再赘述；
该岸吊区卡车精准停车控制系统与图2所示的岸吊区卡车精准停车方法基于相同的发明思想实现，且有相同的非限制性实施方式，具体可参照前面示例性方法中对图2所示的岸吊区卡车精准停车方法的介绍，此处不再赘述。
为了实现激光雷达扫描岸吊横跨的车道的目的，具体实施时可以将激光雷达安装于集装箱装卸船作业现场的机械设备或专业支撑架上。更进一步的，为了在岸吊移动时能省去重复安装和调试激光雷达的过程，在一些实施例中，激光雷达被固定安装于岸吊上(例如联系横梁的底部)，这样当岸吊移动时，激光雷达与岸吊的相对位置是固定不变的，激光雷达总是可以对岸吊横跨的车道进行扫描。
在一些实施例中，主控器被固定安装于岸吊上(例如联系横梁的底部，或，岸吊的控制室内)，并连接激光雷达。
在一些实施例中，车辆控制器装设于待停卡车上。
在一些实施例中，车辆控制器是装载于待停卡车以外的设备，例如是固定装设于某地的设备，或装设于任意移动设备上的设备，这些实施例中，车辆控制器通过基站、WIFI等无线通信方式控制待停卡车的动力系统从而间接控制待停卡车停车。
在一些实施例中，如图3中的(a)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(b)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(c)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图3中的(d)所示，主控器、激光雷达和车道被设置为如下模式：每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
在一些实施例中，如图11所示，该岸吊区卡车精准停车控制系统，还包括：与主控器连接的V2X设备，以及，与车辆控制器连接的V2X设备。
在一些实施例中，如图11所示，该岸吊区卡车精准停车控制系统，还包括：用于为主控器和/或激光雷达供电的供电设备。
在一些实施例中，上述供电设备从岸吊的供电系统获取电源。
在一些实施例中，该岸吊区卡车精准停车控制系统，还包括：用于在上述供电设备断电时为主控器和/或激光雷达供电的不间断电源UPS。
以上对本申请的目的、技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本申请的具体实施例而已，并不用于限定本申请的保护范围，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
应当注意，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域技术人员还可以了解到本申请实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本申请实施例保护的范围。
本申请实施例中所描述的各种说明性的逻辑块，或单元，或装置都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本申请实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

Claims (54)

1.一种岸吊区卡车精准停车方法，其特征在于，包括：
接收车辆控制器发送的待停卡车的停车请求；
获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；
对所述实时点云数据聚类得到所述待停卡车的点云集合；
利用迭代最近点ICP算法对所述待停卡车的点云集合和车辆点云模型进行计算，得到并发送所述待停卡车到目标停车位的实时距离，以使所述车辆控制器根据所述实时距离控制所述待停卡车停止在所述目标停车位；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
2.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法对所述待停卡车的点云集合和车辆点云模型进行计算，包括：
确定所述待停卡车的车辆型号；
在模型库中选择与所述待停卡车的车辆型号相匹配的车辆点云模型；
利用ICP算法对所述待停卡车的点云集合和与所述待停卡车的车辆型号相匹配的车辆点云模型进行计算；其中，所述模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号的卡车扫描所得到的多个车辆点云模型。
3.根据权利要求2所述的岸吊区卡车精准停车方法，其特征在于，在模型库中选择与所述待停卡车的车辆型号相匹配的车辆点云模型，包括：
判断所述待停卡车装载集装箱时，在第一模型库中选择与所述待停卡车的车辆型号相匹配的车辆点云模型；其中，所述第一模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号且装载集装箱的卡车扫描所得到的多个车辆点云模型；
判断所述待停卡车没有装载集装箱时，在第二模型库中选择与所述待停卡车的车辆型号相匹配的车辆点云模型；其中，所述第二模型库包括预先利用激光雷达对在所述目标停车位停车的多个不同车辆型号且没有装载集装箱的卡车扫描所得到的多个车辆点云模型。
4.根据权利要求2～3任一所述的岸吊区卡车精准停车方法，其特征在于，确定所述待停卡车的车辆型号，包括：从所述停车请求中解析所述待停卡车的车辆标识，并根据已知的车辆标识与车辆型号的对应关系来确定所述待停卡车的车辆型号。
5.根据权利要求2～3任一所述的岸吊区卡车精准停车方法，其特征在于，确定所述待停卡车的车辆型号，包括：从所述停车请求中解析所述待停卡车的车辆型号。
6.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法对所述待停卡车的点云集合和车辆点云模型进行计算，得到所述待停卡车到目标停车位的实时距离，包括：
利用ICP算法计算所述待停卡车的点云集合到所述车辆点云模型的平移矩阵；
根据所述平移矩阵，得到所述待停卡车到目标停车位的实时距离。
7.根据权利要求6所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法计算所述待停卡车的点云集合到所述车辆点云模型的平移矩阵，包括：
确定初始平移矩阵，其中，初始平移矩阵为待停卡车的点云集合中位于待停卡车的行驶方向上最前方的预设数量个点的平均中心平移到车辆点云模型中位于待停卡车的行驶方向上最前方的所述预设数量个点的平均中心所用的矩阵，所述平均中心的坐标为所述预设数量个点的坐标的平均值；
利用所述初始平移矩阵对所述待停卡车的点云集合和车辆点云模型进行迭代计算，得到所述待停卡车的点云集合到所述车辆点云模型的平移矩阵。
8.根据权利要求6所述的岸吊区卡车精准停车方法，其特征在于，利用ICP算法计算所述待停卡车的点云集合到所述车辆点云模型的平移矩阵，包括：
从所述停车请求中解析所述待停卡车的车载定位设备采集的定位数据；
确定初始平移矩阵，其中，初始平移矩阵为所述定位数据对应的点平移到所述目标停车位对应的定位点所用的矩阵，所述定位点为确定车辆点云模型的过程中卡车停止在目标停车位时其车载定位设备获取的定位数据对应的点；
利用所述初始平移矩阵对所述待停卡车的点云集合和车辆点云模型进行迭代计算，得到所述待停卡车的点云集合到所述车辆点云模型的平移矩阵。
9.根据权利要求3所述的岸吊区卡车精准停车方法，其特征在于，判断所述待停卡车是否装载集装箱，包括：从所述停车请求中解析出所述待停卡车是否装载集装箱的信息，并根据该信息判断所述待停卡车是否装载集装箱。
10.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，接收所述停车请求，包括：接收所述停车请求并从中解析岸吊标识，将所述岸吊标识与自身对应的岸吊进行匹配，若匹配成功，则与所述车辆控制器建立通信连接。
11.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，通过V2X设备接收所述停车请求。
12.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，所述车辆点云模型按照如下方式确定：
预先利用激光雷达扫描驶向所述目标停车位并最终在所述目标停车位停车的卡车；
将所述卡车未到达所述目标停车位时的点云数据转换至到达所述目标停车位时的点云数据所在的坐标系中；
将转换后得到的点云集合确定为所述车辆点云模型。
13.根据权利要求12所述的岸吊区卡车精准停车方法，其特征在于，预先利用激光雷达扫描驶向所述目标停车位并最终在所述目标停车位停车的卡车，包括：
预先利用激光雷达扫描驶向预设的停车标识线并按照所述停车标识线停车的卡车。
14.根据权利要求13所述的岸吊区卡车精准停车方法，其特征在于，按照所述停车标识线停车，包括：
当卡车的挂板的后侧立面与所述停车标识线处于同一铅垂面时停车。
15.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，对所述实时点云数据聚类得到所述待停卡车的点云集合，包括：
从所述停车请求中解析所述待停卡车的车载定位设备采集的定位数据；
对所述实时点云数据聚类得到一个或多个卡车的点云集合，将所述一个或多个卡车的点云集合中包含所述定位数据的点云集合确定为所述待停卡车的点云集合。
16.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，对所述实时点云数据聚类得到所述待停卡车的点云集合，包括：
从所述停车请求中解析所述待停卡车的车载定位设备采集的定位数据；
在所述实时点云数据中截取所述定位数据对应的位置及其周围预设长度内的区域所对应的点云数据，并对截取的点云数据聚类得到所述待停卡车的点云集合。
17.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，对所述实时点云数据聚类得到所述待停卡车的点云集合，包括：
从所述停车请求中解析所述待停卡车所处车道的编号；
根据所述待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与所述激光雷达的相对位置，在所述实时点云数据中截取所述待停卡车所处车道的点云数据；
对所述实时点云数据聚类得到一个或多个卡车的点云集合；
将所述一个或多个卡车的点云集合中与所述待停卡车所处车道的点云数据存在交集的点云集合确定为所述待停卡车的点云集合。
18.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，对所述实时点云数据聚类得到所述待停卡车的点云集合，包括：
从所述停车请求中解析所述待停卡车所处车道的编号；
根据所述待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与所述激光雷达的相对位置，在所述实时点云数据中截取所述待停卡车所处车道的点云数据，并对截取的点云数据聚类得到所述待停卡车的点云集合。
19.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，对所述实时点云数据聚类得到所述待停卡车的点云集合，包括：
从所述停车请求中解析所述待停卡车的车载定位设备采集的定位数据和所述待停卡车所处车道的编号；
根据所述待停卡车所处车道的编号，以及已知的岸吊横跨的各个车道与所述激光雷达的相对位置，在所述实时点云数据中截取所述待停卡车所处车道的点云数据；
对所述实时点云数据聚类得到一个或多个卡车的点云集合，将所述一个或多个卡车的点云集合中包含所述定位数据且与所述待停卡车所处车道的点云数据存在交集的点云集合确定为所述待停卡车的点云集合。
20.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据，包括：
从所述停车请求中解析所述待停卡车所处车道的编号；
根据所述待停卡车所处车道的编号确定用于扫描所述车道的激光雷达，并获取该激光雷达扫描得到的实时点云数据。
21.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
22.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器只用于获取一个激光雷达扫描得到的实时点云数据。
23.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，每个激光雷达只用于扫描岸吊横跨的一个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
24.根据权利要求1所述的岸吊区卡车精准停车方法，其特征在于，每个激光雷达用于扫描岸吊横跨的至少两个车道，每个主控器用于获取至少两个激光雷达扫描得到的实时点云数据。
25.一种岸吊区卡车精准停车方法，其特征在于，包括：
发送待停卡车的停车请求；
接收主控器针对所述停车请求发送的所述待停卡车到目标停车位的实时距离；
根据所述待停卡车到目标停车位的实时距离，控制所述待停卡车停止在所述目标停车位；
其中，所述待停卡车到目标停车位的实时距离按照如下方式计算得到：
主控器接收车辆控制器发送的待停卡车的停车请求；获取激光雷达对岸吊横跨的车道扫描得到的实时点云数据；对所述实时点云数据聚类得到所述待停卡车的点云集合；利用ICP算法对所述待停卡车的点云集合和车辆点云模型进行计算，得到并发送所述待停卡车到目标停车位的实时距离；其中，所述车辆点云模型是预先利用激光雷达扫描在所述目标停车位停车的卡车所得到的点云集合。
26.根据权利要求25所述的岸吊区卡车精准停车方法，其特征在于，发送待停卡车的停车请求，包括：发送的待停卡车的停车请求中包含如下信息中的任意一项或多项：
所述待停卡车的车辆标识；
所述待停卡车的车辆型号；
所述待停卡车的车载定位设备采集的定位数据；
所述待停卡车所处车道的编号；
所述待停卡车是否装载集装箱；
岸吊标识。
27.根据权利要求26所述的岸吊区卡车精准停车方法，其特征在于，还包括：
通过检测挂板上方的水平方向上距所述待停卡车的车头为预设距离之处是否有物体存在来判断所述待停卡车是否装载集装箱；
根据检测结果生成所述待停卡车是否装载集装箱的信息。
28.根据权利要求26所述的岸吊区卡车精准停车方法，其特征在于，还包括：
接收集装箱装卸船作业命令；
从所述集装箱装卸船作业命令中解析出所述岸吊标识；
控制所述待停卡车驶向所述岸吊标识对应的岸吊。
29.根据权利要求25所述的岸吊区卡车精准停车方法，其特征在于，发送待停卡车的停车请求，包括：通过车联万物V2X设备广播待停卡车的停车请求。
30.根据权利要求25所述的岸吊区卡车精准停车方法，其特征在于，发送待停卡车的停车请求，包括：
在确定所述待停卡车与所述岸吊之间的距离小于或等于一预设距离时发出停车请求；或者，在检测到岸吊时发出停车请求。
31.一种主控器，包括第一处理器、第一存储器及存储在第一存储器上并可在第一处理器上运行的计算机程序，其特征在于，所述第一处理器在运行所述计算机程序时，执行权利要求1～24任一项所述的岸吊区卡车精准停车方法中的各个步骤。
32.一种车辆控制器，包括第二处理器、第二存储器及存储在第二存储器上并可在第二处理器上运行的计算机程序，其特征在于，所述第二处理器在运行所述计算机程序时，执行权利要求25～30任一项所述的岸吊区卡车精准停车方法中的各个步骤。
33.一种岸吊区卡车精准停车控制系统，其特征在于，包括：如权利要求31所述的主控器，如权利要求32所述的车辆控制器，以及激光雷达。
34.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，所述主控器和/或所述激光雷达装设于岸吊上。
35.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，所述车辆控制器装设于待停卡车上。
36.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达只用于扫描岸吊横跨的一个车道，每个所述主控器只用于获取一个所述激光雷达扫描得到的实时点云数据。
37.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达用于扫描岸吊横跨的至少两个车道，每个所述主控器只用于获取一个所述激光雷达扫描得到的实时点云数据。
38.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达只用于扫描岸吊横跨的一个车道，每个所述主控器用于获取至少两个所述激光雷达扫描得到的实时点云数据。
39.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，每个所述激光雷达用于扫描岸吊横跨的至少两个车道，每个所述主控器用于获取至少两个所述激光雷达扫描得到的实时点云数据。
40.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：与所述主控器连接的车联万物V2X设备，以及，与所述车辆控制器连接的V2X设备。
41.根据权利要求33所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：用于为所述主控器和/或所述激光雷达供电的供电设备。
42.根据权利要求41所述的岸吊区卡车精准停车控制系统，其特征在于，所述供电设备从岸吊的供电系统获取电源。
43.根据权利要求41所述的岸吊区卡车精准停车控制系统，其特征在于，还包括：用于在所述供电设备断电时为所述主控器和/或所述激光雷达供电的不间断电源UPS。
44.一种岸吊，其特征在于，所述岸吊上装设有激光雷达和如权利要求31所述的主控器。
45.根据权利要求44所述的岸吊，其特征在于，所述岸吊上还装设有与所述主控器连接的车联万物V2X设备。
46.根据权利要求44所述的岸吊，其特征在于，所述岸吊上还装设有用于为所述主控器和/或所述激光雷达供电的供电设备。
47.根据权利要求46所述的岸吊，其特征在于，所述供电设备从岸吊的供电系统获取电源。
48.根据权利要求46所述的岸吊，其特征在于，所述岸吊上还装设有用于在所述供电设备断电时为所述主控器和/或所述激光雷达供电的不间断电源UPS。
49.一种汽车，其特征在于，所述汽车上装设有如权利要求32所述的车辆控制器。
50.根据权利要求49所述的汽车，其特征在于，所述车辆控制器连接所述汽车的油门控制系统和制动系统。
51.根据权利要求49所述的汽车，其特征在于，所述汽车上装设有与所述车辆控制器连接的车联万物V2X设备。
52.根据权利要求50所述的汽车，其特征在于，所述汽车上装设有车载定位设备。
53.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时实现权利要求1～24任一项所述的岸吊区卡车精准停车方法中的各个步骤。
54.一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时实现权利要求25～30任一项所述的岸吊区卡车精准停车方法中的各个步骤。
CN201811602327.0A 2018-12-26 2018-12-26 一种岸吊区卡车精准停车方法、设备及系统 Active CN111369780B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201811602327.0A CN111369780B (zh) 2018-12-26 2018-12-26 一种岸吊区卡车精准停车方法、设备及系统
EP19904786.1A EP3905215B1 (en) 2018-12-26 2019-03-06 Precise truck parking method, device, and system in quayside container crane area
JP2021537079A JP7303309B2 (ja) 2018-12-26 2019-03-06 岸壁クレーンエリアでのトラックの精確な停車方法、デバイス及びシステム
PCT/CN2019/077079 WO2020133694A1 (zh) 2018-12-26 2019-03-06 一种岸吊区卡车精准停车方法、设备及系统
AU2019415414A AU2019415414A1 (en) 2018-12-26 2019-03-06 Precise truck parking method, device, and system in quayside container crane area
US17/360,649 US12043248B2 (en) 2018-12-26 2021-06-28 Precise truck parking method, device, and system in quayside container crane area

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811602327.0A CN111369780B (zh) 2018-12-26 2018-12-26 一种岸吊区卡车精准停车方法、设备及系统

Publications (2)

Publication Number Publication Date
CN111369780A CN111369780A (zh) 2020-07-03
CN111369780B true CN111369780B (zh) 2021-09-03

Family

ID=71126686

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811602327.0A Active CN111369780B (zh) 2018-12-26 2018-12-26 一种岸吊区卡车精准停车方法、设备及系统

Country Status (6)

Country Link
US (1) US12043248B2 (zh)
EP (1) EP3905215B1 (zh)
JP (1) JP7303309B2 (zh)
CN (1) CN111369780B (zh)
AU (1) AU2019415414A1 (zh)
WO (1) WO2020133694A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111824133B (zh) * 2020-07-30 2022-05-27 北京罗克维尔斯科技有限公司 一种自动泊车控制方法、装置
CN112099025B (zh) * 2020-08-20 2024-04-02 杭州飞步科技有限公司 桥吊下的车辆定位方法、装置、设备及存储介质
CN112248936A (zh) * 2020-10-23 2021-01-22 徐州徐工港口机械有限公司 用于正面吊的人物识别及盲区预警探测系统及探测方法
CN112415548B (zh) * 2020-11-09 2023-09-29 北京斯年智驾科技有限公司 无人集卡的定位方法、装置、系统、电子装置和存储介质
CN112764045B (zh) * 2020-12-21 2023-11-24 宁波大榭招商国际码头有限公司 一种基于激光雷达的无人驾驶集卡装箱的精确对位方法
CN113184707B (zh) * 2021-01-15 2023-06-02 福建电子口岸股份有限公司 一种基于激光视觉融合和深度学习的集卡防吊起方法、系统
CN112816976B (zh) * 2021-01-29 2023-05-16 三一海洋重工有限公司 集装箱箱门朝向检测方法及其系统、存储介质及电子设备
CN112874512B (zh) * 2021-02-25 2022-09-20 北京经纬恒润科技股份有限公司 一种港口无人集卡的停车方法及系统
CN113291295A (zh) * 2021-05-14 2021-08-24 天津经纬恒润科技有限公司 一种自动驾驶港口车的停车定位方法
CN113759906B (zh) * 2021-08-30 2024-07-12 广州文远知行科技有限公司 一种车辆对位方法、装置、计算机设备和存储介质
CN114839971B (zh) * 2022-04-12 2024-10-15 宁波梅东集装箱码头有限公司 一种无人集卡控制方法、系统、存储介质及智能终端
CN115357015A (zh) * 2022-06-29 2022-11-18 宁波北仑涌和集装箱码头有限公司 一种集卡移动控制方法、系统、存储介质及智能终端
CN115159147A (zh) * 2022-07-01 2022-10-11 北京国基科技股份有限公司 控制车辆方法和装置
CN115269180B (zh) * 2022-07-18 2023-06-06 苏州大学 一种基于车辆地理位置感知的lcd任务分发方法及系统
CN116224396A (zh) * 2022-11-16 2023-06-06 上海西井信息科技有限公司 基于点云的岸桥区域导航方法、系统、设备及存储介质
KR102568200B1 (ko) 2022-11-29 2023-08-21 (주)토탈소프트뱅크 무인 이송 장비의 작업 위치 유도 장치
CN115662151B (zh) * 2022-12-13 2023-05-12 宜宾职业技术学院 一种重载车辆定位控制方法、装置及系统
JP7537596B1 (ja) 2023-05-31 2024-08-21 トヨタ自動車株式会社 制御装置、制御方法、及び、システム
JP7568045B1 (ja) 2023-05-31 2024-10-16 トヨタ自動車株式会社 制御装置、制御方法、及び、システム
JP7568049B1 (ja) 2023-05-31 2024-10-16 トヨタ自動車株式会社 遠隔制御装置、制御装置、移動体、制御システムおよび制御方法
CN117841988B (zh) * 2024-03-04 2024-05-28 厦门中科星晨科技有限公司 用于无人驾驶车辆的停位控制方法、装置、介质及设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201003950Y (zh) * 2007-02-09 2008-01-09 上海明路绳网索具有限公司 激光立体扫描集装箱卡车的定位装置
CN106448254A (zh) * 2016-12-05 2017-02-22 深圳市金溢科技股份有限公司 V2x车联网系统、车载终端、服务端以及车位检测方法
CN106781670A (zh) * 2016-12-30 2017-05-31 华勤通讯技术有限公司 一种停车位的选取方法和装置
CN107609510A (zh) * 2017-09-11 2018-01-19 上海海事大学 一种岸桥下集卡定位方法及设备
CN107728162A (zh) * 2017-10-16 2018-02-23 济南浪潮高新科技投资发展有限公司 基于激光雷达的无人驾驶汽车停车安全监测系统
CN108345008A (zh) * 2017-01-23 2018-07-31 郑州宇通客车股份有限公司 一种目标物检测方法、点云数据提取方法及装置
CN108492615A (zh) * 2018-04-10 2018-09-04 深圳市零度智控科技有限公司 智能路边停车系统、实现方法及互联网网关、存储介质
CN108828621A (zh) * 2018-04-20 2018-11-16 武汉理工大学 基于三维激光雷达的障碍检测和路面分割算法
CN108959173A (zh) * 2018-07-06 2018-12-07 北京数字绿土科技有限公司 一种激光雷达点云数据的解算方法及装置
CN108981684A (zh) * 2018-06-06 2018-12-11 苏州智加科技有限公司 集装箱卡车定位系统及方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012216986A1 (de) * 2012-09-21 2014-03-27 Robert Bosch Gmbh Verfahren zur Assistenz bei einem Fahrmanöver und Fahrassistenzsystem
DE102012018850A1 (de) * 2012-09-25 2014-03-27 Identec Solutions Ag Verfahren und Vorrichtung zur Verfolgung von Containern, die unter Zuhilfenahme einer Zugmaschine in einem Hafentermial transportiert werden
JP2015075790A (ja) * 2013-10-04 2015-04-20 株式会社タダノ 作業機の位置情報管理システム
CN103824473B (zh) * 2014-03-03 2015-11-11 山东大学 一种智能泊车引导方法
CN104477779B (zh) * 2014-12-31 2016-07-13 北京国泰星云科技有限公司 集装箱码头桥吊下集卡的对位及安全控制系统和方法
DE102015204129B4 (de) * 2015-03-08 2019-07-04 Bayerische Motoren Werke Aktiengesellschaft Ausrichtung der Fahrzeugerstreckung in Richtung Fahrbahn in einer Parkendposition bei einem Parkassistenzsystem zum Quereinparken
JP6860656B2 (ja) * 2016-05-18 2021-04-21 オキーフェ, ジェームスO’KEEFEE, James 車両の形状に適応したダイナミックステアドｌｉｄａｒ
US11092446B2 (en) * 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10309792B2 (en) * 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US20170356750A1 (en) * 2016-06-14 2017-12-14 nuTonomy Inc. Route Planning for an Autonomous Vehicle
US10126136B2 (en) * 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
IN201621028008A (zh) * 2016-08-17 2017-03-24
KR20180047210A (ko) * 2016-10-31 2018-05-10 현대자동차주식회사 주차구획 탐색 장치 및 방법
CN106541945B (zh) * 2016-11-15 2019-02-12 广州大学 一种基于icp算法的无人车自动泊车方法
CN111108342B (zh) * 2016-12-30 2023-08-15 辉达公司 用于高清地图创建的视觉测程法和成对对准
US10078790B2 (en) * 2017-02-16 2018-09-18 Honda Motor Co., Ltd. Systems for generating parking maps and methods thereof
US10539676B2 (en) * 2017-03-22 2020-01-21 Here Global B.V. Method, apparatus and computer program product for mapping and modeling a three dimensional structure
US10380711B2 (en) * 2017-06-01 2019-08-13 GM Global Technology Operations LLC System and method for rideshare vehicle chaining
CN107338988B (zh) * 2017-07-18 2022-11-18 武汉智象机器人有限公司 一种智能停车库结构及其停车方法
CN107481118A (zh) * 2017-08-21 2017-12-15 广州市宝奕瀛新汽车有限责任公司 租车平台的车辆管理方法、装置和系统
CN207280514U (zh) * 2017-10-17 2018-04-27 深圳市捷时行科技服务有限公司 一种基于mems的pzt传感器
CN107610524A (zh) * 2017-11-02 2018-01-19 济南浪潮高新科技投资发展有限公司 一种利用激光雷达进行停车场车位智能识别的方法及装置
US11138745B2 (en) * 2018-04-30 2021-10-05 Uatc, Llc Object association for autonomous vehicles

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201003950Y (zh) * 2007-02-09 2008-01-09 上海明路绳网索具有限公司 激光立体扫描集装箱卡车的定位装置
CN106448254A (zh) * 2016-12-05 2017-02-22 深圳市金溢科技股份有限公司 V2x车联网系统、车载终端、服务端以及车位检测方法
CN106781670A (zh) * 2016-12-30 2017-05-31 华勤通讯技术有限公司 一种停车位的选取方法和装置
CN108345008A (zh) * 2017-01-23 2018-07-31 郑州宇通客车股份有限公司 一种目标物检测方法、点云数据提取方法及装置
CN107609510A (zh) * 2017-09-11 2018-01-19 上海海事大学 一种岸桥下集卡定位方法及设备
CN107728162A (zh) * 2017-10-16 2018-02-23 济南浪潮高新科技投资发展有限公司 基于激光雷达的无人驾驶汽车停车安全监测系统
CN108492615A (zh) * 2018-04-10 2018-09-04 深圳市零度智控科技有限公司 智能路边停车系统、实现方法及互联网网关、存储介质
CN108828621A (zh) * 2018-04-20 2018-11-16 武汉理工大学 基于三维激光雷达的障碍检测和路面分割算法
CN108981684A (zh) * 2018-06-06 2018-12-11 苏州智加科技有限公司 集装箱卡车定位系统及方法
CN108959173A (zh) * 2018-07-06 2018-12-07 北京数字绿土科技有限公司 一种激光雷达点云数据的解算方法及装置

Also Published As

Publication number Publication date
CN111369780A (zh) 2020-07-03
AU2019415414A8 (en) 2023-10-19
JP7303309B2 (ja) 2023-07-04
EP3905215A1 (en) 2021-11-03
EP3905215A4 (en) 2022-09-14
WO2020133694A1 (zh) 2020-07-02
AU2019415414A1 (en) 2021-08-12
US12043248B2 (en) 2024-07-23
JP2022515809A (ja) 2022-02-22
EP3905215B1 (en) 2023-11-22
US20210394747A1 (en) 2021-12-23

Similar Documents

Publication Publication Date Title
CN111369780B (zh) 一种岸吊区卡车精准停车方法、设备及系统
CN111369779B (zh) 一种岸吊区卡车精准停车方法、设备及系统
US12120463B2 (en) Adjusting vehicle sensor field of view volume
CN104742881A (zh) 自动泊车系统和方法
CN110874944B (zh) 一种停车控制方法、停车服务器、车辆控制器和车辆
GB2552020A (en) Apparatus and method for car park optimisation
CN110789518B (zh) 一种停车控制方法、停车服务器、车辆控制器和车辆
CN113759906B (zh) 一种车辆对位方法、装置、计算机设备和存储介质
CN110633941A (zh) 一种智能驾驶拖车运输货物的方法、车载设备和存储介质
US20210064051A1 (en) Vehicle cargo transfer
US20200391605A1 (en) Management device, management method, and storage medium
US20210004024A1 (en) System for controlling a plurality of autonomous vehicles on a mine site
CN111152782A (zh) 一种自动泊车控制系统及控制方法
CN111367252A (zh) 一种停车控制方法、设备及系统
CN110597208A (zh) 一种智能驾驶拖车装载货物的方法、车载设备和存储介质
KR102045126B1 (ko) 자율 주행 차량을 이용한 자동 선적 방법 및 장치
CN115963510A (zh) 一种基于激光点云的物流园区车辆精准停车方法和系统
CN215526456U (zh) 一种潜伏式自动驾驶重载搬运车辆
CN111368604A (zh) 一种停车控制方法、设备及系统
US20230322545A1 (en) Vehicle conveyance management system and vehicle conveyance management method and storage medium
CN116443013B (zh) 无人驾驶车辆的倒车控制系统、方法、设备及介质
WO2024150284A1 (ja) 搬送システム、搬送方法、及び搬送システムに用いられる搬送車両
TW202420256A (zh) 車輛停車裝置
JP2024022888A (ja) 地図自動生成装置及び搬送車両システム
CN116026351A (zh) 无人驾驶矿车的路线规划方法、装置及矿车

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant