CN103500338A - 基于车载激光扫描点云的道路斑马线自动提取方法 - Google Patents
基于车载激光扫描点云的道路斑马线自动提取方法 Download PDFInfo
- Publication number
- CN103500338A CN103500338A CN201310483555.1A CN201310483555A CN103500338A CN 103500338 A CN103500338 A CN 103500338A CN 201310483555 A CN201310483555 A CN 201310483555A CN 103500338 A CN103500338 A CN 103500338A
- Authority
- CN
- China
- Prior art keywords
- road
- data
- vehicle
- laser scanning
- scanning point
- 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.)
- Granted
Links
- 241000283070 Equus zebra Species 0.000 title claims abstract description 33
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000035772 mutation Effects 0.000 abstract 2
- 238000013461 design Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
基于车载激光扫描点云的道路斑马线自动提取方法,涉及公共交通道路斑马线。利用实时记录车辆位置与轨迹的全球定位***数据对车载激光扫描点云数据提取若干个横截面,通过检测扫描线数据中道路路肩高程突变,实现道路与非道路的分类;然后将三维道路数据转化为具有空间分布特征的强度特征图像,利用激光扫描点正态分布特征动态分割道路斑马线,再次利用GPS轨迹数据计算线性形态学闭运算方向与大小,实现道路斑马线的提取。通过对车载移动扫描数据进行横截面剖分,将检测三维道路表面数据转换到检测二维剖面中道路路肩的高程突变来实现道路与非道路分类,与直接处理海量三维数据相比,计算量少,效率高。
Description
技术领域
本发明涉及公共交通道路斑马线领域,尤其涉及一种基于车载激光扫描点云的道路斑马线自动提取方法。
背景技术
道路斑马线作为一个交通管理***中一个关键特征,需要可靠的坏境感知,为行人与车辆驾驶人员提供指引与信息,预防事故的发生,从而来提高交通安全,减少生命与财产的损失。因此道路***部门也急需一个快速、实时的检测***能够监控道路斑马线的情况,从而保证道路斑马线符合国家交通的高技术标准。
目前,道路斑马线的提取一般采用基于影像或视频的方法,其主要步骤包括道路斑马线的分割与分类。目前采用的分割方法有多尺度分割、直方图分析等;斑马线分类方法包括模糊集、K最近邻分类、支持矢量机、人工神经网络以及决策树等。然而这些基于影像与视频的方法主要受到几个方面环境的约束:(1)斑马线本身形状和类型的多样性;(2)道路表面材质;(3)数据采集的气候条件与时间;(4)沿路景观树木以及移动车辆所造成的阴影。因此依赖影像或者视频数据很难实现全自动的道路斑马线提取。
激光扫描技术,特别是最近发展的车载移动激光测量***,由于其快速、精确获取地面三维空间信息的能力,越来越受到人们的高度重视。车载激光扫描***不仅具备机载LiDAR***采集大范围数据的特性,而且可以达到地面扫描***数据精度和点密度。因此,它逐渐成为城市空间数据采集的一种重要技术手段。
然而,如何从处理高密度、大数据量的车载点云数据提取地形、地物特征成为点云后处理软件研发的一个挑战。从大量点云中快速提取精确、有效的道路特征仍然处在起步阶段。
发明内容
本发明的目的是提供一种基于车载激光扫描点云的道路斑马线自动提取方法。
本发明包括以下步骤:
(1)基于车辆全球定位***(GPS)的轨迹数据,对车载点云进行横截面剖分,生成若干个有一定宽度的横截面数据;
(2)对每个横截面数据格网化,采用主成分点选择,形成扫描线数据;
(3)利用道路路肩的高程突变特性,进行基于坡度的路肩点检测;
(4)依据步骤(3)中所检测到路肩点,采用三次B样条拟合算法获取光滑的道路边界,实现道路数据与非道路数据的分离;
(5)依据步骤(4)中检测出来的道路数据,确定道路扫描点权重,生成车载激光扫描点云的强度特征图像;
(6)基于步骤(5)中已获取的强度特征图像,根据车载激光扫描点云模式的正态分布特征,确定多分割阈值,提取道路斑马线;
(7)为了消除步骤(6)中所分割结果的噪声,根据车辆GPS轨迹数据,确定线性形态学闭运算的方向以及大小,最终实现基于车载数据的斑马线自动提取。
本发明利用全球定位***对装有扫描仪车辆所实时记录的轨迹路线,也叫车辆GPS轨迹数据,对点云数据进行剖分提取若干个截面,对每个截面数据格网化组成扫描线,通过检测扫描线数据中道路路肩高程突变,实现道路与非道路的分类;将三维道路点云数据转换为二维强度特征图像,利用激光扫描点正态分布特征获取多阈值从而分割道路斑马线,再次利用GPS轨迹数据计算线性形态学闭运算方向与大小,实现道路斑马线的提取。
本发明具有如下优点:1)通过对车载移动扫描数据进行横截面剖分,将检测三维道路表面数据转换到检测二维剖面中道路路肩的高程突变来实现道路与非道路分类,与直接处理海量三维数据相比,计算量少,效率得到了极大提高。2)通过充分利用点云本身内在特性,包括扫描***或者点云数据特性,减少道路斑马线提取的复杂度,实现道路斑马线的自动提取,大大降低了数据处理时间以及劳动成本,因而具有重要的实践应用价值。
附图说明
图1是本发明中三维点云进行横截面剖分示意图。
具体实施方式
本发明的具体技术方案和实施步骤如下:
步骤一:根据记录装有激光扫描仪车辆位置与轨迹的GPS数据,每隔一定距离(比如3m)对点云数据进行横截取一段宽度大约为30cm的薄剖面。这样沿着车辆行驶的GPS轨迹数据,可获取若干个横截剖面数据,如图1所示。在图1中,箭头表示车辆前进方向。
步骤二:对每个剖面(在图1中,表示为剖面1……剖面i……剖面n),进行栅格化,选择每个格网内的主成分点,组成扫描线。为了确定每个格网内主成分点,对格网内的点云根据其高程进行快速排序。基于假设道路点之间的高程差值要小于道路点与非道路点之间的高程差值,选择格网中最相关的点作为主成分点。
步骤三:依次计算所生成扫描线中相邻两点之间的坡度,如果大于其设定的阈值,则认为是道路路肩。其基本原理在于:在公路设计规范中,人行道一般具有一定的宽度,并且要比道路高出10~20cm,以保护行人的安全。因此在横截面中,道路路肩与人行道之间存在一定的高程突变。尽管在道路上为了排水方便存在一定的倾斜度,但是道路表面基本上是连续平面。因此,基于这样的结构设计,利用坡度阈值检测道路路肩与人行道之间的高程突变,从而提取道路分界点。
步骤四:通过对一定间隔的若干个道路横截剖面处理,检测出道路边缘的分界点。通过三次B样条差值方法将这些边缘点拟合成光滑连续的道路边界线,实现道路与非道路点的分类。
步骤五:步骤四所分类出来的道路点,仍然还有大量的三维点云数据。通过将三维道路数据转化为二维特征图像,实现点云数据的快速处理。同时,道路斑马线是利用高反射率的材质或者颜料涂膜在道路表面,因此可利用其在近红外波段的反射强度特性,从二维强度特征图像上检测道路斑马线。首先将道路点云数据投影在XY平面,并对其进行空间规则网格剖分;对每个最小格网单元,基于两个原则确定单位内所有扫描激光点对单元网格的灰度值的权值贡献大小,从而确定单元网格的灰度值,即生成一幅能反映整个扫描区域点云分布特征的强度特征图像。这两个原则是:(1)激光扫描点离单元格网中心越近,其权值越高;(2)激光扫描点的反射强度越高,其权值也就越高。
其中,是格网(i,j)内第k个点的权值,是格网(i,j)内第k个点的强度值,nij是格网(i,j)内点的总数.α是β是权值系数,和分别距离权值和反射强度权值,是规则(1)和(2)数学描述。规则(1)的距离权值具体表述如下述公式:
其中,和分别是局部与全局强度阈值,和分别表示格网(i,j)最大与最小反射强度值,Imax和Imin代表全局道路中最大与最小反射强度值,和分别是局部和全局反射强度差值。通过综合局部与全局反射强度将由于入射角度和入射距离所造成的反射强度灰度值不均衡性进行规则化处理,生成强度特征影像。
步骤六:然后对所生成的强度特征图像,进行道路斑马线的分割。尽管在强度特征图像生成过程中已经考虑了强度灰度值规则化,但是由于激光脉冲入射角度和入射距离的影响仍然存在,利用单一阈值所分割的斑马线结果存在很多的噪声。因而,根据车载激光扫描点的正态分布这一特性,自动计算局部分割阈值,动态实现多阈值分割。首先根据高斯正态分布函数中“68-95-99.7”原则,标准差σ从1到3过程中,将道路横向划成不同小区域,对每个小区域,根据以下强度差值权值计算公式,自动获取该区域内的分割阈值:
其中,d(i,j)为像点(i,j)在2k×2k邻域内的权值,为像点(i,j)的强度值,为2k×2k邻域内(i+m,j+n)像点的强度值。这样,由于激光点的分布是对称,因此可计算以扫描车为中心的道路一边的阈值即可。
步骤七:为了消除分割结果的噪声以及弥补分割结果的不完整性,采用了线性形态学闭运算。其卷积核参数主要有:结构模板的尺寸,方向以及卷积中心点。大部分道路斑马线是具有一定面积的高反射表面,因此卷积模板采用水平线性结构,其尺寸具体需要通过实验根据所生成的强度特征图像分辨率来确定,而卷积模板的方向,则仍然通过车辆GPS轨迹线数据来确定。比如,一定范围内道路方向可通过车辆起点和终点GPS时间对应的位置数据计算该道路的方向,从而也就是卷积核的方向。
至此通过车辆GPS轨迹数据辅助获取若干个横截面,对每个横截面栅格化组成扫描线;通过给定坡度阈值,从每根扫描线上检测道路路肩与人行道的高程突变实现道路与非道路的分类;通过给定格网尺寸,构建道路点云的强度特征影像,利用扫描点云的正态分布模式,完成多阈值的道路斑马线分割,利用车辆GPS轨迹线数据以及格网尺寸,确定线性形态学闭运算卷积核,最终实现道路斑马线的提取。
Claims (1)
1.基于车载激光扫描点云的道路斑马线自动提取方法,其特征在于包括以下步骤:
(1)基于车辆GPS轨迹数据,对车载点云进行横截面剖分,生成若干个有一定宽度的横截面数据;
(2)对每个横截面数据格网化,采用主成分点选择,形成扫描线数据;
(3)利用道路路肩的高程突变特性,进行基于坡度的路肩点检测;
(4)依据步骤(3)中所检测到路肩点,采用B样条拟合算法获取光滑的道路边界,实现道路数据与非道路数据的分离;
(5)依据步骤(4)中检测出来的道路数据,确定道路扫描点权重,生成车载激光扫描点云的强度特征图像;
(6)基于步骤(5)中已获取的强度特征图像,根据车载激光扫描点云模式的正态分布特征,确定多分割阈值,提取道路斑马线;
(7)为了消除步骤(6)中所分割结果的噪声,根据车辆GPS轨迹数据,确定线性形态学闭运算的方向以及大小,最终实现基于车载数据的斑马线自动提取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483555.1A CN103500338B (zh) | 2013-10-16 | 2013-10-16 | 基于车载激光扫描点云的道路斑马线自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310483555.1A CN103500338B (zh) | 2013-10-16 | 2013-10-16 | 基于车载激光扫描点云的道路斑马线自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103500338A true CN103500338A (zh) | 2014-01-08 |
CN103500338B CN103500338B (zh) | 2016-08-10 |
Family
ID=49865543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310483555.1A Expired - Fee Related CN103500338B (zh) | 2013-10-16 | 2013-10-16 | 基于车载激光扫描点云的道路斑马线自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500338B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778429A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载激光扫描点云中道路信息自动提取方法 |
CN104050473A (zh) * | 2014-05-20 | 2014-09-17 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
CN104281746A (zh) * | 2014-09-28 | 2015-01-14 | 同济大学 | 一种基于点云的交通安全道路特征图成图方法 |
CN104809433A (zh) * | 2015-04-21 | 2015-07-29 | 电子科技大学 | 一种基于最大稳定区域和随机采样的斑马线检测方法 |
CN105069395A (zh) * | 2015-05-17 | 2015-11-18 | 北京工业大学 | 基于地面三维激光扫描技术的道路标线自动识别方法 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN106951837A (zh) * | 2017-03-06 | 2017-07-14 | 北京航空航天大学 | 一种面向飞行校验的斑马线检测定位方法 |
CN107270916A (zh) * | 2016-04-08 | 2017-10-20 | 星克跃尔株式会社 | 道路面生成方法及装置以及点云数据处理方法及装置 |
CN107463871A (zh) * | 2017-06-19 | 2017-12-12 | 南京航空航天大学 | 一种基于角特征加权的点云匹配方法 |
CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技(深圳)有限公司 | 一种路肩提取的方法及装置 |
KR20180030135A (ko) * | 2015-08-04 | 2018-03-21 | 닛산 지도우샤 가부시키가이샤 | 단차 검출 장치 및 단차 검출 방법 |
CN108009474A (zh) * | 2017-11-01 | 2018-05-08 | 武汉万集信息技术有限公司 | 一种基于激光测距的车辆表面图文提取方法及装置 |
CN108020826A (zh) * | 2017-10-26 | 2018-05-11 | 厦门大学 | 多线激光雷达与多路相机混合标定方法 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
CN108254770A (zh) * | 2018-01-24 | 2018-07-06 | 合肥工业大学 | 成像卫星搜索陆地移动目标的方法及装置 |
CN108253925A (zh) * | 2018-01-08 | 2018-07-06 | 中煤科工集团武汉设计研究院有限公司 | 一种基于点云剖面的隧道变形监测方法、设备及存储设备 |
CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
WO2018214084A1 (en) * | 2017-05-25 | 2018-11-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for representing environmental elements, system, and vehicle/robot |
CN109271861A (zh) * | 2018-08-15 | 2019-01-25 | 武汉中海庭数据技术有限公司 | 多尺度融合的点云交通标识牌自动提取方法 |
CN110188664A (zh) * | 2019-05-28 | 2019-08-30 | 福州大学 | 一种基于Snake的车载激光点云矢量道路边界精细提取方法 |
CN110866449A (zh) * | 2019-10-21 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 识别道路中目标对象的方法和装置 |
CN111445578A (zh) * | 2020-03-27 | 2020-07-24 | 清华大学 | 一种地图三维道路特征识别方法和*** |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及*** |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112561808A (zh) * | 2020-11-27 | 2021-03-26 | 中央财经大学 | 一种基于车载激光点云和卫星影像的道路边界线复原方法 |
CN112614174A (zh) * | 2020-12-07 | 2021-04-06 | 深兰人工智能(深圳)有限公司 | 点云补全和点云分割方法、装置、电子设备及存储介质 |
CN112785548A (zh) * | 2020-12-29 | 2021-05-11 | 中央财经大学 | 一种基于车载激光点云的路面裂缝检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102270301A (zh) * | 2011-06-07 | 2011-12-07 | 南京理工大学 | 一种svm与激光雷达结合检测非结构化道路边界的方法 |
WO2011160672A1 (en) * | 2010-06-21 | 2011-12-29 | Centre De Visió Per Computador | Method for obtaining drivable road area |
CN102509089A (zh) * | 2011-11-29 | 2012-06-20 | 青岛科技大学 | 逐行扫描识别斑马线及测量斑马线距离的方法 |
-
2013
- 2013-10-16 CN CN201310483555.1A patent/CN103500338B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011160672A1 (en) * | 2010-06-21 | 2011-12-29 | Centre De Visió Per Computador | Method for obtaining drivable road area |
CN102270301A (zh) * | 2011-06-07 | 2011-12-07 | 南京理工大学 | 一种svm与激光雷达结合检测非结构化道路边界的方法 |
CN102509089A (zh) * | 2011-11-29 | 2012-06-20 | 青岛科技大学 | 逐行扫描识别斑马线及测量斑马线距离的方法 |
Non-Patent Citations (2)
Title |
---|
彭检贵等: ""利用机载LiDAR点云数据提取城区道路"", 《测绘通报》 * |
毕建权等: ""基于像素点的快速结构化道路元素检测"", 《计算机工程与科学》 * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103778429A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载激光扫描点云中道路信息自动提取方法 |
CN103778429B (zh) * | 2014-01-24 | 2017-03-08 | 青岛秀山移动测量有限公司 | 一种车载激光扫描点云中道路信息自动提取方法 |
CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
CN104197897B (zh) * | 2014-04-25 | 2017-01-04 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
CN104050473A (zh) * | 2014-05-20 | 2014-09-17 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104050473B (zh) * | 2014-05-20 | 2019-07-19 | 中国人民解放军理工大学 | 一种基于矩形邻域分析的道路数据提取方法 |
CN104281746A (zh) * | 2014-09-28 | 2015-01-14 | 同济大学 | 一种基于点云的交通安全道路特征图成图方法 |
CN104809433A (zh) * | 2015-04-21 | 2015-07-29 | 电子科技大学 | 一种基于最大稳定区域和随机采样的斑马线检测方法 |
CN104809433B (zh) * | 2015-04-21 | 2017-12-15 | 电子科技大学 | 一种基于最大稳定区域和随机采样的斑马线检测方法 |
CN105069395A (zh) * | 2015-05-17 | 2015-11-18 | 北京工业大学 | 基于地面三维激光扫描技术的道路标线自动识别方法 |
CN105069395B (zh) * | 2015-05-17 | 2018-10-09 | 北京工业大学 | 基于地面三维激光扫描技术的道路标线自动识别方法 |
EP3333828A4 (en) * | 2015-08-04 | 2018-08-15 | Nissan Motor Co., Ltd. | Step detection device and step detection method |
US10339394B2 (en) | 2015-08-04 | 2019-07-02 | Nissan Motor Co., Ltd. | Step detection device and step detection method |
KR20180030135A (ko) * | 2015-08-04 | 2018-03-21 | 닛산 지도우샤 가부시키가이샤 | 단차 검출 장치 및 단차 검출 방법 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
CN107270916A (zh) * | 2016-04-08 | 2017-10-20 | 星克跃尔株式会社 | 道路面生成方法及装置以及点云数据处理方法及装置 |
WO2018036351A1 (zh) * | 2016-08-22 | 2018-03-01 | 腾讯科技(深圳)有限公司 | 路肩提取的方法、装置及存储介质 |
CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技(深圳)有限公司 | 一种路肩提取的方法及装置 |
US10621450B2 (en) | 2016-08-22 | 2020-04-14 | Tencent Technology (Shenzhen) Company Limited | Road shoulder extraction |
CN107742091B (zh) * | 2016-08-22 | 2019-01-29 | 腾讯科技(深圳)有限公司 | 一种路肩提取的方法及装置 |
CN108021844B (zh) * | 2016-10-31 | 2020-06-02 | 阿里巴巴(中国)有限公司 | 一种道路边沿识别方法及装置 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
CN106842231B (zh) * | 2016-11-08 | 2019-03-22 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN106951837A (zh) * | 2017-03-06 | 2017-07-14 | 北京航空航天大学 | 一种面向飞行校验的斑马线检测定位方法 |
WO2018214084A1 (en) * | 2017-05-25 | 2018-11-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for representing environmental elements, system, and vehicle/robot |
US11216951B2 (en) | 2017-05-25 | 2022-01-04 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for representing environmental elements, system, and vehicle/robot |
CN107463871A (zh) * | 2017-06-19 | 2017-12-12 | 南京航空航天大学 | 一种基于角特征加权的点云匹配方法 |
CN108020826B (zh) * | 2017-10-26 | 2019-11-19 | 厦门大学 | 多线激光雷达与多路相机混合标定方法 |
CN108020826A (zh) * | 2017-10-26 | 2018-05-11 | 厦门大学 | 多线激光雷达与多路相机混合标定方法 |
CN108009474A (zh) * | 2017-11-01 | 2018-05-08 | 武汉万集信息技术有限公司 | 一种基于激光测距的车辆表面图文提取方法及装置 |
CN108253925A (zh) * | 2018-01-08 | 2018-07-06 | 中煤科工集团武汉设计研究院有限公司 | 一种基于点云剖面的隧道变形监测方法、设备及存储设备 |
CN108254770B (zh) * | 2018-01-24 | 2020-04-21 | 合肥工业大学 | 成像卫星搜索陆地移动目标的方法及装置 |
CN108254770A (zh) * | 2018-01-24 | 2018-07-06 | 合肥工业大学 | 成像卫星搜索陆地移动目标的方法及装置 |
CN108845569A (zh) * | 2018-04-27 | 2018-11-20 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图水平弯道行车线的半自动点云方法 |
CN109271861B (zh) * | 2018-08-15 | 2021-08-17 | 武汉中海庭数据技术有限公司 | 多尺度融合的点云交通标识牌自动提取方法 |
CN109271861A (zh) * | 2018-08-15 | 2019-01-25 | 武汉中海庭数据技术有限公司 | 多尺度融合的点云交通标识牌自动提取方法 |
CN110188664A (zh) * | 2019-05-28 | 2019-08-30 | 福州大学 | 一种基于Snake的车载激光点云矢量道路边界精细提取方法 |
CN110188664B (zh) * | 2019-05-28 | 2022-05-24 | 福州大学 | 一种基于Snake的车载激光点云矢量道路边界精细提取方法 |
CN110866449A (zh) * | 2019-10-21 | 2020-03-06 | 北京京东尚科信息技术有限公司 | 识别道路中目标对象的方法和装置 |
CN111445578B (zh) * | 2020-03-27 | 2023-03-10 | 清华大学 | 一种地图三维道路特征识别方法和*** |
CN111445578A (zh) * | 2020-03-27 | 2020-07-24 | 清华大学 | 一种地图三维道路特征识别方法和*** |
CN111696115A (zh) * | 2020-04-29 | 2020-09-22 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及*** |
CN111696115B (zh) * | 2020-04-29 | 2023-04-14 | 山东省国土测绘院 | 一种基于点云扫描线的斑马线角点提取方法及*** |
CN112013831B (zh) * | 2020-09-09 | 2022-07-19 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112013831A (zh) * | 2020-09-09 | 2020-12-01 | 北京易控智驾科技有限公司 | 一种基于地形分析的地图边界自动提取方法及装置 |
CN112561808A (zh) * | 2020-11-27 | 2021-03-26 | 中央财经大学 | 一种基于车载激光点云和卫星影像的道路边界线复原方法 |
CN112561808B (zh) * | 2020-11-27 | 2023-07-18 | 中央财经大学 | 一种基于车载激光点云和卫星影像的道路边界线复原方法 |
CN112614174A (zh) * | 2020-12-07 | 2021-04-06 | 深兰人工智能(深圳)有限公司 | 点云补全和点云分割方法、装置、电子设备及存储介质 |
CN112785548A (zh) * | 2020-12-29 | 2021-05-11 | 中央财经大学 | 一种基于车载激光点云的路面裂缝检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103500338B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103500338A (zh) | 基于车载激光扫描点云的道路斑马线自动提取方法 | |
CN108710875B (zh) | 一种基于深度学习的航拍公路车辆计数方法及装置 | |
Zai et al. | 3-D road boundary extraction from mobile laser scanning data via supervoxels and graph cuts | |
Cheng et al. | Extraction and classification of road markings using mobile laser scanning point clouds | |
CN105160309B (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN101975951B (zh) | 一种融合距离和图像信息的野外环境障碍检测方法 | |
CN104008553B (zh) | 融合影像梯度信息和分水岭方法的裂缝检测方法 | |
Rastiveis et al. | Automated extraction of lane markings from mobile LiDAR point clouds based on fuzzy inference | |
Rodriguez-Cuenca et al. | An approach to detect and delineate street curbs from MLS 3D point cloud data | |
CN106842231A (zh) | 一种道路边界检测及跟踪方法 | |
CN106199558A (zh) | 障碍物快速检测方法 | |
CN112801022A (zh) | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 | |
Höfle et al. | Urban vegetation detection using high density full-waveform airborne lidar data-combination of object-based image and point cloud analysis | |
CN106503678A (zh) | 基于移动激光扫描点云的道路标线自动检测和分类方法 | |
CN106204705A (zh) | 一种基于多线激光雷达的3d点云分割方法 | |
CN115605777A (zh) | 一种基于路侧感知单元的动态目标点云快速识别及点云分割方法 | |
CN104050481B (zh) | 多模板轮廓特征和灰度相结合的红外图像实时行人检测 | |
CN102855759A (zh) | 高分辨率卫星遥感交通流信息自动采集方法 | |
Safaie et al. | Automated street tree inventory using mobile LiDAR point clouds based on Hough transform and active contours | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN103679205A (zh) | 基于阴影假设和分层hog对称特征验证的前车检测方法 | |
Zhang et al. | Rapid inspection of pavement markings using mobile LiDAR point clouds | |
CN101425128A (zh) | 基于激光传感器深度图像的人流检测方法 | |
Tejenaki et al. | A new hierarchical method for automatic road centerline extraction in urban areas using LIDAR data | |
CN110532963A (zh) | 一种车载激光雷达点云驱动的道路标线精准提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent of invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Jun Inventor after: Guan Haiyan Inventor after: Yu Yongtao Inventor before: Guan Haiyan Inventor before: Li Jun Inventor before: Yu Yongtao |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: GUAN HAIYAN LI JUN YU YONGTAO TO: LI JUN GUAN HAIYAN YU YONGTAO |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 |