Page 146 - 2024年第55卷第11期
P. 146
将标定后的智能无人碾压机应用于碾压混凝土重力坝施工现场，对基于毫米波雷达和相机融合的
无人碾压机施工障碍物快速精准感知方法进行测试，测试结果如图 ８和表 ５所示。
表 ４ 同一目标的雷达数据与相机数据对应关系
序号 ｘ ｒ ?ｍ ｙ ｒ ?ｍ ｕ ｇ ｖ ｇ 序号 ｘ ｒ ?ｍ ｙ ｒ ?ｍ ｕ ｇ ｖ ｇ
１ ５．８ － ０．２ １００９ ４６５ １８ ２２．０ － １０．０ １４８７ ５２５
２ ６．０ ４．８ ７７ ４７４ １９ ２５．６ １１．２ ４８３ ５２８
３ ９．６ － ５．０ １５６７ ４９８ ２０ ２５．８ １．４ ９１３ ５３５
４ １０．８ － ０．２ １００９ ４９９ ２１ ２５．８ － ４．０ １１５４ ５３２
５ １１．６ － ９．２ １８５１ ５０３ ２２ ２６．６ － １０ １４００ ５２８
６ １１．０ ４．８ ５０１ ５０６ ２３ ２７．８ ０．４ ９７０ ５３２
７ １３．８ １１．２ ５２ ５１９ ２４ ２７．０ ４．６ ７７２ ５２６
８ １５．８ － ４．８ １３１８ ５２０ ２５ ３１．２ ２．４ ８８８ ５３９
９ １６．４ ４．６ ６７７ ５１５ ２６ ３１．４ － ４．０ １１１９ ５３５
１０ １６．８ － ０．２ ９９４ ５１０ ２７ ３１．０ － １１．２ １３８８ ５３２
１１ １６．８ １０．４ ２６３ ５２２ ２８ ３２．２ １０．８ ６０２ ５３１
１２ １６．０ － ９．６ １６５５ ５１５ ２９ ３３．２ ０．６ ９６６ ５２２
１３ １７．８ １０．８ ２８０ ５２５ ３０ ３３．２ ５．２ ８００ ５２６
１４ １９．２ － ２．０ １０９２ ５２６ ３１ ３３．６ － １１．２ １３５４ ５３２
１５ ２０．０ － ４．０ １１９９ ５２８ ３２ ３６．０ － ３．８ １０９６ ５３８
１６ ２１．４ ４．８ ７２７ ５２２ ３３ ３６．０ － １１．２ １３３０ ５３５
１７ ２１．６ １１．０ ３９９ ５２６ ３４ ２２．４ ０．２ ９７７ ５１９
表 ５ 毫米波雷达与相机融合结果
编号 障碍物 ＩＤ 障碍物类型 目标置信度 障碍物距离 Ｘ?ｍ 障碍物距离 Ｙ?ｍ 障碍物速度 Ｖ Ｘ ?（ｍ?ｓ） 障碍物速度 Ｖ Ｙ ?（ｍ?ｓ）
１ 碾压机 ９９．９３ ５．８６ ０．８４ ０．１１ ０．９５
１
２ 工人 ８７．４７ ７．６１ － ３．５２ ０ ０
１ 卡车 ９６．３６ ５．４２ ２．４７ － ０．２３ １．５７
２
２ 工人 ８８．７５ ９．８３ － ７．５１ ０ ０
３ １ 推土机 ９７．６２ ７．３６ ２．９８ ０ ０
由表 ５和图 ８左侧三幅图可以看出，基于相机的目标检测算法实现了对施工现场碾压机（图 ８（ａ））、
卡车（图 ８（ｂ））、推土机（图 ８（ｃ））、工人（图 ８（ａ）（ｂ））等障碍物类别的精准感知，有助于无人碾压机
的分类避障。由表 ５和图 ８中间三幅图可以看出，基于毫米波雷达的目标检测算法实现了对障碍物距
离、速度的精准感知，进而确保无人碾压机与障碍物之间的距离小于给定阈值时自动制动。由图 ８右
侧三幅图可以看出，本研究所提出的基于相机与毫米波雷达融合的施工环境精准感知方法能够实现无
人碾压机对碾压混凝土重力坝坝面施工障碍物类型、距离、速度的联合精准感知，进而实现了无人碾
压机坝面碾压施工过程中的精准避障，最终达到保障坝面施工安全、提高坝面施工效率的目的。
４ 结论
坝面障碍物的快速精准感知对保证无人碾压机安全稳定施工、提高坝面施工效率具有重要意义。
本研究构建了基于毫米波雷达和相机融合的无人碾压机施工障碍物快速精准感知方法，得到了如下
成果：
— １ ４ ２ —
１
