• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 11
    • 下载费用:30 金币  

    重庆时时彩客户端投注: 一种基于TEGRAX1雷达数据的无人车障碍物检测方法.pdf

    关 键 词:
    一种 基于 TEGRAX1 雷达 数据 无人 障碍物 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611018060.1

    申请日:

    2016.11.18

    公开号:

    CN106772434A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G01S 17/93申请日:20161118|||公开
    IPC分类号: G01S17/93 主分类号: G01S17/93
    申请人: 北京联合大学
    发明人: 梁军; 许武; 鲍泓; 王晶; 李强
    地址: 100101 北京市朝阳区北四环东路97号
    优先权:
    专利代理机构: 北京思海天达知识产权代理有限公司 11203 代理人: 张慧
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611018060.1

    授权公告号:

    |||

    法律状态公告日:

    2017.06.23|||2017.05.31

    法律状态类型:

    实质审查的生效|||公开

    摘要

    本发明公开一种基于Tegra??X1雷达数据的无人车障碍物检测方法,包括:步骤1、采用velodyne激光雷达作为传感器采集环境信息,通过NVIDIA??Tegra??X1移动处理器进行三维雷达数据转换;步骤2、基于栅格的障碍物检测,采用GPU处理栅格数据,包括三个步骤:将三维数据点投影到栅格地图上;将所有栅格相对高度大于某个阈值的栅格设定为障碍物点;滤去所有因栅格内存在悬空点而导致属性为障碍物的栅格。采用本发明的技术方案,采用velodyne激光雷达作为传感器采集环境信息,基于NVIDIA??Tegra??X1移动处理器GPU优化,实现无人车障碍物检测加速。

    权利要求书

    1.一种基于Tegra X1雷达数据的无人车障碍物检测方法,其特征在于,包括以下步骤:
    步骤1、采用velodyne激光雷达作为传感器采集环境信息,通过NVIDIA Tegra X1移动
    处理器进行三维雷达数据转换;
    步骤2、基于栅格的障碍物检测,采用GPU处理栅格数据,包括三个步骤:
    将三维数据点投影到栅格地图上;
    将所有栅格相对高度大于某个阈值的栅格设定为障碍物点;
    滤去所有因栅格内存在悬空点而导致属性为障碍物的栅格。
    2.如权利要求1所述的基于Tegra X1雷达数据的无人车障碍物检测方法,其特征在于,
    采用向量化的方法将雷达点云数据投影到栅格地图上,通过三维雷达数据转换过程中,将
    转换后的点云数据以float4的数据格式保存,以warp为处理单位并行获取障碍信息。

    说明书

    一种基于Tegra X1雷达数据的无人车障碍物检测方法

    技术领域

    本发明属于无人驾驶领域,尤其涉及一种基于Tegra X1雷达数据的无人车障碍物
    检测方法。

    背景技术

    近年来,随着传感器技术、控制系统、人工智能的不断发展,地面移动机器人取得
    了很大的进步。在现实动态环境中,自主机器人在环境感知中能够稳定准确的检测障碍物
    和识别障碍物类型,对于路径规划建立运动模型可以起到很大帮助,从而做出智能决策行
    为。通常自主机器人在环境中主要有两大类动态物体:车辆和行人。对于车辆,在交通中是
    主要的交互对象,速度比较快,需要保持一定的安全距离,在交通规则允许的情况下需要选
    择是跟车还是超车.对于行人,由于行人的运动具有很大的随意性,需要保持较大的横向距
    离,以确保行人安全。

    利用安装在智能车上的多传感器系统,比如摄像机、激光、毫米波雷达、GPS、惯导
    等获取车辆前方的障碍物信息及本车的位置和姿态信息,然后在车载计算机上根据己建立
    的驾驶行为专家系统对这些信息进行处理,当本车与前方障碍物的相对距离小于安全距离
    时,有碰撞危险发生,则计算机会直接发出相应指令控制汽车减速甚至是刹车等动作。同
    时,通过传感器系统,智能车也能够识别道路中的各种交通标志牌,车道边缘线等,并利用
    决策层的指令实现超车,汇入车流等本车动作。因此,智能车大大提高了交通系统的安全性
    和效率。在可使用的传感器中,Velodyne激光雷达由于其高精度测距、探测范围大、抗干扰
    能力强等优点,近年来在移动机器人上的应用越来越广泛。但由于该雷达数据过大,处理算
    法的运算量极大,所以实时性较差,因此在复杂环境下,并不能及时将障碍物信息发送到决
    策。

    发明内容

    针对激光雷达工程应用中实时性需求问题,本发明提供一种基于Tegra X1雷达数
    据的无人车障碍物检测加速方法。

    本发明的基本思想为根据Tegra X1计算平台的特点,采用CPU+GPU协调工作的方
    法来进行雷达数据的加速处理。本发明结合激光雷达在智能车实际应用情况,将道路环境
    分为简单道路环境和复杂道路环境。并在此基础上,针对不同情况,对相应的算法进行优
    化,实现雷达数据处理加速,提高了智能车雷达数据处理的实时性。

    为现实上述目的,本发明采用如下的技术方案:

    一种基于Tegra X1雷达数据的无人车障碍物检测方法,包括以下步骤:

    步骤1、采用velodyne激光雷达作为传感器采集环境信息,通过NVIDIA Tegra X1
    移动处理器进行三维雷达数据转换;

    步骤2、基于栅格的障碍物检测,采用GPU处理栅格数据,包括三个步骤:

    将三维数据点投影到栅格地图上;

    将所有栅格相对高度大于某个阈值的栅格设定为障碍物点;

    滤去所有因栅格内存在悬空点而导致属性为障碍物的栅格。

    作为优选,采用向量化的方法将雷达点云数据投影到栅格地图上,通过三维雷达
    数据转换过程中,将转换后的点云数据以float4的数据格式保存,以warp为处理单位并行
    获取障碍信息。

    本发明的方法与现有技术相比,有效的提高无人车障碍物检测的实时性,有如下
    特点:

    1、根据Tegra X1 arm和GPU之间访存带宽,我们利用pinned memory来降低了CPU
    与GPU之间的传输消耗。

    2、在简单道路环境的障碍物检测上,我们采用一个线程处理一个栅格的方法来处
    理雷达数据,对比工控机的雷达处理性能有了6~7倍的提升。

    3、在复杂道路环境的障碍物检测上,我们采用一个线程束处理一个栅格的方法来
    处理雷达数据,对比工控机的雷达处理性能有了5~6倍的提升。

    附图说明

    图1为本发明无人车障碍物检测方法的流程图;

    图2为栅格投影流程图;

    图3为pinned memory和pageable memory带宽对比图;

    图4为栅格属性判断流程图;

    图5为thread处理栅格流程图;

    图6为warp处理栅格流程图。

    具体实施方式

    本发明提供一种基于Tegra X1雷达数据的无人车障碍物检测方法,采用velodyne
    激光雷达作为传感器采集环境信息,搭载NVIDIA Tegra X1移动处理器,实现无人车障碍物
    检测。为更进一步说明本发明在技术内容,创新点效果好,以下结合实施方式并配合附图详
    细说明。

    如图1所示,本发明方法分为两个步骤:1、三维雷达数据转换2、障碍物检测

    由于三维雷达数据转换过程中,拥有着较多的复杂逻辑处理和事务管理,因此该
    过程不适合放入GPU中进行运算。因此本发明通过使用NVIDIA Tegra X1 arm处理器来处理
    该过程。

    由于雷达点云数据量非常大(约130万个点/秒),不太适合直接在原始数据上进行
    处理。因此采用在国内外无人自主车系统中广泛采用的栅格处理方法来处理雷达点云数
    据。

    基于栅格的障碍物检测分为三个步骤:

    1、栅格投影

    2、栅格属性判断

    3、栅格滤波

    栅格投影是将三维数据点投影到栅格地图上,其具体算法流程如图2所示。本发明
    采用向量化的方法将雷达点云数据投影到栅格地图上。通过三维雷达数据转换过程中,将
    转换后的点云数据以float4的数据格式保存。从而可以通过单指令多数据的方法将雷达点
    云数据投影到栅格地图上,提高arm处理器的处理性能。通过分析栅格数据,可知栅格之间
    毫无依赖关系,即有良好的并行性,因此采用GPU处理栅格数据。

    在写内核函数之前,需要考虑GPU与CPU之间的传输效率的问题。host内存分为
    pageable memory和pinned memory两种。pageable memory是通过操作系统API(malloc
    (),new())分配的存储器空间;pinned memory始终存在于物理内存中,不会被分配到低速
    的虚拟内存中,能够通过DMA加速与设备端进行通信。相比于pageable memory,在pinned
    memory上主机端-设备端的数据传输带宽高。如图3所示,在Tegra X1上,传输32MB的数据,
    在pinned memory上GPU与CPU的传输是pageable memory上GPU与CPU的传输的5~6倍。而且
    Tegra X1还支持zero-copy功能,通过该方法将主机端内存映射到设备地址空间,从GPU直
    接访问,省掉主存与显存间进行数据拷贝的工作。因此,本发明与传统的方法所不同的是,
    我们结合Tegra X1的特性,将栅格地图建立在pinned memory上,来降低传输消耗。

    在完成栅格投影之后,需要进行的是栅格属性判断、栅格滤波两个步骤。栅格属性
    判断是将所有栅格现对高度(栅格最高点减去最低点)大于某个阈值的栅格设定为障碍物
    点。其具体算法流程如图4所示。栅格滤波是滤去所有因栅格内存在悬空点而导致属性为障
    碍物的栅格。传统的方法是先完成所有栅格完成属性判断后,再进行栅格滤波的任务。本发
    明对其进行了改进,去掉了传统方法中存在的排序过程,将其改为求极值的问题。其次本发
    明将采用的是将栅格判断和栅格滤波合并为一项任务,在结合GPU运算的特点,使得栅格不
    需要等待所以栅格都完成栅格判断后再进行栅格滤波,从而提高处理性能。

    GPU采用SIMT(Signal Instruction Multiple Thread,单指令多数据)编程模型,
    其调度和执行的基本单位是warp。其最终执行时间由执行时间最长的线程决定。因此本发
    明将道路环境分为两种即简单道路环境和复杂道路环境。

    在简单的道路环境中,由于道路障碍物数量少,所以三维点投影在栅格地图的个
    数比较均衡。所以当采用一个线程处理一个栅格的方法来处理栅格数据,warp内线程的负
    载较为均衡,处理性能较高。其次本发明在求极值的过程中,通过减少条件分支,来减少动
    态指令,从而提高处理性能。使用?:语句代替if...else...语句是减少动态指令的主要方
    式。其具体算法流程如图5所示。在该道路环境上,本发明的处理方法对比工控机的雷达处
    理方法的性能有了6~7倍的提升。

    在复杂的道路环境中,由于障碍物数量多,所以三维点投影在栅格地图的个数极
    度不均衡,因此当采用一个线程处理一个栅格的方法来处理栅格数据,warp内线程的负载
    极度不均衡,处理性能不高。针对这种情况,本发明采用了粗粒度并行的方法,选择warp作
    为基本并行执行单元和任务分配单位即一个warp处理一个栅格。warp内的所有线程将协同
    完成分配给warp的计算任务。在求栅格的极值时,本发明通过使用Shuffle技术,取代一个
    线程处理一个栅格所需的单指令序列,增加有效带宽和减少延迟。其次将处理完的数据放
    入共享内存中,用一个warp来存放结果,能有效的减少对全局内存的访问。其具体算法流程
    如图6所示。在该道路环境上,本发明的处理方法对比工控机的雷达处理方法的性能有了6
    ~7倍的提升。

    本发明通过CPU与GPU的协同工作实现了雷达数据在NVIDIA Tegra TX1移动处理
    器上的加速处理。算法加速的过程需要根据算法特点,设计实现到底层硬件架构特征的高
    效映射。Tegra X1整合了四颗Cortex-A57核心和四颗Cortex-A53核心,同时Tegra X1拥有
    256采用Maxwell架构的GPU,这就需要在程序优化过程中,不仅要考虑算法特性,而且还要
    考虑底层硬件架构的特征,最终还需要完成这两种特征的高效映射,才能实现基于Tegra
    X1雷达数据处理的加速。

    关于本文
    本文标题:一种基于TEGRAX1雷达数据的无人车障碍物检测方法.pdf
    链接地址://www.4mum.com.cn/p-6001551.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 重庆时时采彩官方开奖 时时彩组六固定杀一码 资金盘各种限额提现 秒速时时开奖记录APP 大亨pk10计划苹果版 七星彩下载安装 财富来3d六码复式 七星彩定位包码稳赚法 双色球重复中奖号码 时时彩热号变冷前奏 重庆时时官网开奖软件 双色球在线计划软件 太子中心论坛 吉林时时遗漏数据 北京幸运28稳赚技巧 彩票大小单双软件