CN108280840B - 一种基于三维激光雷达的道路实时分割方法 - Google Patents
一种基于三维激光雷达的道路实时分割方法 Download PDFInfo
- Publication number
- CN108280840B CN108280840B CN201810027774.1A CN201810027774A CN108280840B CN 108280840 B CN108280840 B CN 108280840B CN 201810027774 A CN201810027774 A CN 201810027774A CN 108280840 B CN108280840 B CN 108280840B
- Authority
- CN
- China
- Prior art keywords
- line segment
- point
- line
- laser radar
- road surface
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种基于三维激光雷达的道路实时分割方法,包括如下步骤:步骤1、原始三维激光雷达数据采集及处理;步骤2、提取单线,画出方位角序列—距离图;步骤3、运用改进模糊线段法绘线段地图,识别路面以及障碍物;步骤4、除去障碍,识别路面,输出最终可通行区域。本发明通过改进的模糊线段法能更好的适应倾斜角度缓慢变化路面的识别,通过改进传统模糊线段法处理倾角缓慢变化路面的线段分段问题,从而缩短后续线段处理周期,提取结果具有较高的准确性与稳定性。
Description
技术领域
本发明涉及无人驾驶技术领域,具体涉及一种基于三维激光雷达的道路实时分割方法。
背景技术
无人驾驶汽车是通过车载传感***感知道路环境,从而自动规划行车路线并控制车辆到达预定目标的车辆。利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆安全、可靠地在道路上行驶。无人驾驶汽车常用激光雷达与摄像头感知道路。三维激光雷达能够通过非接触扫描方式实时精确地获取三维环境信息,受环境干扰小,精度高。
专利号为CN201210000399.4的发明专利“一种基于激光传感器的直线特征提取办法”,利用模糊分割与合并方法进行线段分割改善方法对参数的敏感程度来提取特征线段。专利号为CN201610196710.5的发明专利“一种道路中线提取办法”将道路数据进行拓扑分析,提取特征线段后,使线段首尾相连得到中线。申请号为201610151179.X的发明专利“图像处理装置和图像处理方法”利用线段的特征点与阈值的关系,将特征点关联,提高识别物体的精度。
以上发明中都是基于提取有效线段来识别特征物体或道路的办法,但有效线段的数量及有效程度具有偶然性,而线段有效程度及数量在很大程度上影响数据处理的实时性以及准确性,在无人驾驶汽车的可通行道路提取中,也要在保证线段的有效性前提下尽量减少处理线段的数量,例如,在城市道路中,路面并非完全平整,在略微不平整路面上线段分段现象却比较严重,线段数量多,造成数据处理的浪费。
因此有必要设计一种道路实时分割方法,可以在保证线段有效性的前提下尽可能地减少处理线段的数量,提高道路分割算法的实时性和准确性,尤其是对于城市道路中的微不平整路面效果显著。
发明内容
针对现有技术存在的问题,本发明为解决现有技术中存在的问题采用的技术方案如下:
一种基于三维激光雷达的道路实时分割方法,其特征在于:包括如下步骤:
步骤1、原始三维激光雷达数据采集及处理;
步骤2、提取单线,画出方位角序列—距离图;
步骤3、运用改进模糊线段法绘线段地图,识别路面以及障碍物;
步骤4、除去障碍,识别路面,输出最终可通行区域。
所述步骤1中的三维激光雷达安装于检测车辆顶部,步骤1中对数据点的处理具体包括以下步骤:
步骤1.1、以三维激光雷达为坐标原点建立笛卡尔坐标系,X轴平行于地面指向车辆前进方向的正右侧,Y轴平行于地面指向车辆前进方向,Z轴垂直于X,Y轴,方向垂直地面向上;
步骤1.2、选取待测区域进行数据点的处理,取车辆前方180°数据来研究;
步骤1.3、对三维数据点云进行滤波和降噪处理;
步骤1.4、将笛卡尔坐标系下的点云数据转换至球坐标,得各点对应的仰角值及方位角。
所述步骤2中提取单线以及画出方位角序列—距离图具体包括以下步骤:
步骤2.1、选取合适的误差阈值,将仰角值近似相等,即在误差阈值范围内的点认定为同一扫描单线,将仰角值由低到高聚类得到扫描单线集合;
步骤2.2、建立一个平面直角坐标系,原点和笛卡尔坐标系的原点相同,X轴正方向对应方位角为0°,Y轴正方向对应方位角90°;
步骤2.3、提取单线后将各点数据转化到以方位角序列(与方位角呈线性关系)和距离(笛卡尔坐标系中的Y坐标)分别为横纵坐标的坐标系中,画出方位角序列—距离图。
所述步骤3中用改进的模糊线段法绘制线段地图具体包括以下步骤:
步骤3.1、用最小二乘法将多个离散数据点拟合为一条直线,该直线具有离所有输入数据点距离之和最小的特点;
步骤3.2、由扫描单线二维离散点集拟合两条平行直线,通过两条平行直线间距即模糊线段宽度将二维点集线段化,确定端点属性,依据试验数据优化模糊线段宽度阈值;
步骤3.3、通过圆弧检测算法将轻微不平整路面上较多断开线段合并为较少线段,具体方法为:从第i条线段开始,与第i+1条线段共有三个端点[xi,1xi+1,2xi+2,3],[yi,1yi+1, 2yi+2,3],确定通过三个端点的圆弧,圆弧半径Ri越大,路面越平整;反之则表明路面倾斜角度变化剧烈,通过设定车可通行的不平整路面圆弧曲率阈值Tk,将倾斜趋势变化平缓的路面线段合为同一元素,圆弧半径Ri的计算公式为:
Ri 2=((u-v)/(k1-k2))2+(v-(u-v)k2/(k1-k2))2 (1)
其中:
步骤3.4、通过角点检测重新定位局部曲率最大点作为线段端点,以保证端点精确定位,角点检测方法如下:
其中算子Z定义如下:
z(y)在y=0附近的泰勒展开式为:
其中τ为二维曲线,z(x)为参数化方程,y为均值,t为方差,m为曲线求导第一项所得常数,θ函数为高斯函数,在曲线法线方向上,算子Y在m处的值与曲率km成正比,角点定位后线段地图上各线段端点更加准确。
所述步骤4根据长度和方位阈值对步骤3中所提取出的线段进行分割,提取可行驶路面。
本发明具有如下优点:
对于城市道路,因修路工艺技术限制,无法做到绝对的水平,倾斜角度变化的道路非常常见,而对于行驶车辆而言,路面曲率在一定曲率阈值内为可通行道路,本发明通过改进的模糊线段法能更好的适应倾斜角度缓慢变化路面的识别,通过改进传统模糊线段法处理倾角缓慢变化路面的线段分段问题,从而缩短后续线段处理周期,提取结果具有较高的准确性与稳定性。
附图说明
图1为本发明方法的流程图;
图2为本发明方法所建立的笛卡尔坐标系示意图;
图3为三维激光雷达工作原理示意图;
图4为未经本发明方法处理的线段X-Y平面投影图;
图5为经由本发明方法处理后的线段X-Y平面投影图;
图6为本发明提取出的道路可通行区域X-Y平面投影示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明,本发明方法不只适用于某一款传感器,但为了具体描述三维激光雷达这类传感器的工作方式及数据格式,以VLP-16三维激光雷达为例,对本方法进行分析,如图1所示,包括如下步骤:
步骤1、将三维激光雷达安装在自主车车顶上方,获取三维激光雷达扫描得到的原始点云数据,以VLP-16三维激光雷达为例,此雷达垂直测量角度范围为-15°~15°,垂直方向测量角度分辨率为2°,水平角度分辨率为0.2°,以三维激光雷达为坐标原点建立笛卡尔坐标系,如图2所示,X轴平行于地面指向车辆前进方向的右手方向,Y轴平行于地面指向车辆前进方向,Z轴垂直于X-Y平面,方向垂直地面向上,其工作原理如图3所示,VLP-16三维激光雷达发出16条激光扫描束,激光束遇到地面或障碍物被反射回来,这些点被记录为数据点;数据点中包含着点的笛卡尔坐标信息,距离信息和激光束的标识号,而每条激光束对应不同的俯仰角,水平方位角,因此我们既可以得到数据点的笛卡尔坐标信息,同时也可以得到球坐标信息;
步骤2、依据同一扫描线的仰角值相同,考虑到笛卡尔坐标系的参考原点及参考坐标轴方向的选择误差,将仰角值近似相等(本实施例仰角误差取0.5°)的点认定为同一扫描单线,将仰角值由低到高聚类得到扫描单线集合,实施例中绘制的方位角序列—距离图的平面直角坐标系的原点和笛卡尔坐标系的原点相同,x轴正方向对应方位角为0°,y轴正方向对应方位角90°;
步骤3、用改进的模糊线段法绘线段地图,识别路面以及障碍物,其具体步骤如下:
步骤3.1、用最小二乘法拟合直线,将以方位角序列为横坐标,以二维点集到参考原点距离为纵坐标的直角坐标系下的扫描单线按照方位角序列顺序输入,由最小二乘法拟合模糊线段的斜率,模糊线段宽度为σ,设定σ的阈值为Tσ,当σ>Tσ时,将当前点认作新线段的起点,前一点认作上一线段的终点;
步骤3.2、根据模糊线段法,设定σ的断开阈值为Tv,当σ>Tv(Tv>Tσ)时,将该线段终点赋予分离点属性,其余线段端点赋予连接点属性,本实施例阈值取经验值;
步骤3.3、当路面不平整时会出现同一地面被分成多段的现象,通过圆弧检测算法将同一轻微不平整路面上的多条线段合并为单条线段;
步骤3.4、顺序输入线段端点坐标值[xi,1xi+1,2xi+2,3],[yi,1yi+1,2yi+2,3],以公式(1)为依据求出通过三点的圆弧半径Ri:
Ri 2=((u-v)/(k1-k2))2+(v-(u-v)k2/(k1-k2))2 (1)
其中:
步骤3.5、将Ri对应的曲率与曲率阈值Tk比较,若1/Ri<TK,则将两线段中间点从分离点集合中除去,输入第i+2条线段圆弧检测时,输入合并后的线段端点与新线段的端点[xi,1xi+2,2xi+3,3],[yi,1yi+2,2yi+3,3],继续检测;若1/Ri>Tk,则两线段不合并,输入第i+2条线段圆弧检测时,输入第i+1与第i+2条线段的三个端点坐标值[xi+1,1xi+2,2xi+3,3],[yi+1,1yi+2, 2yi+2,3],继续检测,阈值Tk与雷达扫描数据点精度、车可通行的路面不平整程度有关,本实施例阀值取经验值;
步骤3.6、记录新的线段及端点,并对其进行角点检测,重新定位局部曲率最大点作为线段端点:
算子Z定义如下:
z(y)在y=0附近的泰勒展开式为:
从而可得(6)式,其中τ为二维曲线,z(x)为参数化方程,y为均值,t为方差,θ函数为高斯函数,在曲线法线方向上,算子Y在m处的值与曲率km成正比,角点定位后线段地图上各线段端点更加准确;
步骤4、根据长度和方位阈值对步骤3中所提取出的线段进行分割,提取可行驶路面。
未采用本发明方法处理的线段图为图4,采用本发明方法处理的线段图为图5,采用本发明算法分割道路可通行区域图为图6。将传统模糊线段法与改进的算法处理效果对比,如图4与图5所示,发现传统模糊线段法将缓坡路面分成多段,使后续处理周期繁琐,而改进的模糊线段法可使此类路面认作一段,减少线段数目,减短了后续处理周期,能更好的适应倾斜角度缓慢变化路面的识别,最终提取结果如图6。
本实施例分割算法每帧耗时至多88ms,三维激光雷达的工作周期为100ms,具有较高实时性和准确性。
采用本发明基于三维激光雷达的道路实时分割方法,将三维激光雷达采集到的道路数据经过改进的方法处理后,经由车载电脑做出相应的输出反馈,从而控制车辆的前进,转向等操作。
本发明的保护范围并不限于上述的实施例,显然,本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的范围和精神。倘若这些改动和变形属于本发明权利要求及其等同技术的范围内,则本发明的意图也包含这些改动和变形在内。
Claims (4)
1.一种基于三维激光雷达的道路实时分割方法,其特征在于:包括如下步骤:
步骤1、原始三维激光雷达数据采集及处理;
步骤2、提取单线,画出方位角序列—距离图;
步骤3、运用改进模糊线段法绘线段地图,识别路面以及障碍物;
步骤4、除去障碍,识别路面,输出最终可通行区域;
所述步骤3中用改进的模糊线段法绘制线段地图具体包括以下步骤:
步骤3.1、用最小二乘法拟合直线,将以方位角序列为横坐标,以二维点集到参考原点距离为纵坐标的直角坐标系下的扫描单线按照方位角序列顺序输入,由最小二乘法拟合模糊线段的斜率,模糊线段宽度为σ,设定σ的阈值为Tσ,当σ>Tσ时,将当前点认作新线段的起点,前一点认作上一线段的终点;
步骤3.2、根据模糊线段法,设定σ的断开阈值为Tv,当σ>Tv其中Tv>Tσ时,将该线段终点赋予分离点属性,其余线段端点赋予连接点属性;
步骤3.3、当路面不平整时会出现同一地面被分成多段的现象,通过圆弧检测算法将同一轻微不平整路面上的多条线段合并为单条线段;
步骤3.4、顺序输入线段端点坐标值[xi,1 xi+1,2 xi+2,3],[yi,1 yi+1,2 yi+2,3],以公式(1)为依据求出通过三点的圆弧半径Ri:
Ri 2=((u-v)/(k1-k2))2+(v-(u-v)k2/(k1-k2))2 (1)
其中:
步骤3.5、将Ri对应的曲率与曲率阈值Tk比较,若1/Ri<TK,则将两线段中间点从分离点集合中除去,输入第i+2条线段圆弧检测时,输入合并后的线段端点与新线段的端点[xi,1xi+2,2 xi+3,3],[yi,1 yi+2,2 yi+3,3],继续检测;若1/Ri>Tk,则两线段不合并,输入第i+2条线段圆弧检测时,输入第i+1与第i+2条线段的三个端点坐标值[xi+1,1 xi+2,2 xi+3,3],[yi+1,1yi+2,2 yi+2,3],继续检测,阈值Tk与雷达扫描数据点精度、车可通行的路面不平整程度有关;
步骤3.6、记录新的线段及端点,并对其进行角点检测,重新定位局部曲率最大点作为线段端点:
算子Z定义如下:
z(y)在y=0附近的泰勒展开式为:
从而可得(6)式,其中τ为二维曲线,z(x)为参数化方程,y为均值,t为方差,θ函数为高斯函数,在曲线法线方向上,算子Y在m处的值与曲率km成正比,角点定位后线段地图上各线段端点更加准确。
2.如权利要求1所述的一种基于三维激光雷达的道路实时分割方法,其特征在于:所述步骤1中的三维激光雷达安装于检测车辆顶部,步骤1中对数据点的处理具体包括以下步骤:
步骤1.1、以三维激光雷达为坐标原点建立笛卡尔坐标系,X轴平行于地面指向车辆前进方向的正右侧,Y轴平行于地面指向车辆前进方向,Z轴垂直于X、Y轴,方向垂直地面向上;
步骤1.2、选取待测区域进行数据点的处理,取车辆前方180°数据研究;
步骤1.3、对采集到的三维数据点云进行滤波和降噪处理;
步骤1.4、将笛卡尔坐标系下的点云数据转换至球坐标,得各点对应的仰角值及方位角。
3.如权利要求1所述的一种基于三维激光雷达的道路实时分割方法,其特征在于:所述步骤2中提取单线以及画出方位角序列—距离图具体包括以下步骤:
步骤2.1、选取合适的误差阈值,将仰角值近似相等,即在误差阈值范围内的点认定为同一扫描单线,将仰角值由低到高聚类得到扫描单线集合;
步骤2.2、建立一个平面直角坐标系,原点和笛卡尔坐标系的原点相同,X轴正方向对应方位角为0°,Y轴正方向对应方位角90°;
步骤2.3、提取单线后将各点数据转化到以方位角序列和距离分别为横纵坐标的坐标系中,画出方位角序列—距离图。
4.如权利要求1所述的一种基于三维激光雷达的道路实时分割方法,其特征在于:所述步骤4根据长度和方位阈值对步骤3中所提取出的线段进行分割,提取可行驶路面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027774.1A CN108280840B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光雷达的道路实时分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810027774.1A CN108280840B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光雷达的道路实时分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280840A CN108280840A (zh) | 2018-07-13 |
CN108280840B true CN108280840B (zh) | 2021-09-03 |
Family
ID=62803385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810027774.1A Expired - Fee Related CN108280840B (zh) | 2018-01-11 | 2018-01-11 | 一种基于三维激光雷达的道路实时分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108280840B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019117A1 (zh) * | 2018-07-23 | 2020-01-30 | 深圳前海达闼云端智能科技有限公司 | 一种定位方法及装置、电子设备和可读存储介质 |
CN109188459B (zh) * | 2018-08-29 | 2022-04-15 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
CN110909569B (zh) * | 2018-09-17 | 2022-09-23 | 深圳市优必选科技有限公司 | 路况信息识别方法及终端设备 |
CN110378177B (zh) | 2018-09-30 | 2022-01-28 | 毫末智行科技有限公司 | 用于提取环境目标的特征点的方法及装置 |
CN111044988A (zh) * | 2020-01-06 | 2020-04-21 | 青梧桐有限责任公司 | 一种激光雷达扫描户型图的精细化处理方法 |
CN111401176B (zh) * | 2020-03-09 | 2022-04-26 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的路沿检测方法 |
CN113475976B (zh) * | 2020-03-16 | 2022-07-15 | 珠海格力电器股份有限公司 | 机器人可通行区域确定方法、装置、存储介质及机器人 |
CN112762946B (zh) * | 2020-12-17 | 2023-06-27 | 武汉光庭信息技术股份有限公司 | 一种道路分段处理方法及*** |
CN116594409B (zh) * | 2023-07-17 | 2023-10-13 | 青岛能征智能装备有限公司 | 一种无人驾驶控制***及其无人驾驶战车 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991427A (en) * | 1996-07-31 | 1999-11-23 | Aisin Seiki Kabushiki Kaisha | Method and apparatus for detecting a lane on a road |
CN103777192A (zh) * | 2012-10-24 | 2014-05-07 | 中国人民解放军第二炮兵工程学院 | 一种基于激光传感器的直线特征提取方法 |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
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 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3139340B1 (en) * | 2015-09-02 | 2019-08-28 | SMR Patents S.à.r.l. | System and method for visibility enhancement |
-
2018
- 2018-01-11 CN CN201810027774.1A patent/CN108280840B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991427A (en) * | 1996-07-31 | 1999-11-23 | Aisin Seiki Kabushiki Kaisha | Method and apparatus for detecting a lane on a road |
CN103777192A (zh) * | 2012-10-24 | 2014-05-07 | 中国人民解放军第二炮兵工程学院 | 一种基于激光传感器的直线特征提取方法 |
CN105404844A (zh) * | 2014-09-12 | 2016-03-16 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
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 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
Non-Patent Citations (1)
Title |
---|
《基于三维激光雷达的道路可通行区域分割提取方法》;邹斌 等;《汽车技术》;20170624(第6期);17-24 * |
Also Published As
Publication number | Publication date |
---|---|
CN108280840A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
CN106096525B (zh) | 一种复合型车道识别***及方法 | |
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN104700414A (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN115049700A (zh) | 一种目标检测方法及装置 | |
CN113835102B (zh) | 车道线生成方法和装置 | |
CN109827516B (zh) | 一种通过车轮来测量距离的方法 | |
Lin et al. | Construction of fisheye lens inverse perspective mapping model and its applications of obstacle detection | |
CN109633686B (zh) | 一种基于激光雷达侦测地面障碍物的方法及*** | |
CN114808649B (zh) | 基于视觉***控制的公路划线方法 | |
Rasmussen et al. | On-vehicle and aerial texture analysis for vision-based desert road following | |
CN114549286A (zh) | 车道线生成方法及装置、计算机可读存储介质、终端 | |
CN114563795B (zh) | 基于激光里程计和标签融合算法的定位追踪方法及*** | |
Xiong et al. | Road-Model-Based road boundary extraction for high definition map via LIDAR | |
CN113740874A (zh) | 一种道路边沿检测方法、电子设备及车辆 | |
Guo et al. | Curb detection and compensation method for autonomous driving via a 3-D-LiDAR sensor | |
CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、***、介质及设备 | |
CN114495066A (zh) | 一种辅助倒车的方法 | |
CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
CN113221883A (zh) | 无人机飞行导航路线实时修正方法 | |
Heidarizadeh | Preprocessing Methods of Lane Detection and Tracking for Autonomous Driving | |
CN115601435B (zh) | 车辆姿态检测方法、装置、车辆及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210903 Termination date: 20220111 |
|
CF01 | Termination of patent right due to non-payment of annual fee |