CN108445505A - 线环境下基于激光雷达的特征显著性检测方法 - Google Patents
线环境下基于激光雷达的特征显著性检测方法 Download PDFInfo
- Publication number
- CN108445505A CN108445505A CN201810268321.8A CN201810268321A CN108445505A CN 108445505 A CN108445505 A CN 108445505A CN 201810268321 A CN201810268321 A CN 201810268321A CN 108445505 A CN108445505 A CN 108445505A
- Authority
- CN
- China
- Prior art keywords
- point
- laser
- laser radar
- coordinate system
- polar
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种线环境下基于激光雷达的特征显著性检测方法,包括如下步骤:(1)周期采集k时刻激光雷达信息S(k);(2)将激光雷达点云数据分群;(3)根据点云数据的空间几何关系,将激光雷达点云数据分割为两个点集合;(4)对步骤(3)中得到的两个点集合进行直线拟合;(5)构建环境特征显著性函数,对环境特征的显著性进行判断。本发明的有益效果为:通过本发明,可以完成对环境的特征显著性检测,准确地辨识出特征不显著的环境。
Description
技术领域
本发明涉及定位导航与控制技术领域,尤其是一种线环境下基于激光雷达的特征显著性检测方法。
背景技术
机器人进行自主导航时常采用同步定位与地图构建(SLAM,SimultaneousLocalization and Mapping)技术,根据探测机器人相对于环境的变化进行定位,并进行地图构建。激光雷达能够获取高精度的测距信息,且不依赖于外界环境的光照条件,常作为SLAM的传感器。
本发明中所指的特征不显著环境主要为类似于长廊、单面墙结构的环境,在该环境中几何特征大多为平行的线特征,沿线特征方向缺少参考的环境特征。在该类环境中采用激光雷达SLAM方法时,其沿线特征方向的定位误差大。因此,在利用激光雷达进行机器人自主导航时,需要辨识环境中几何特征不显著情况,若机器人处于几何特征不显著环境中,则应当增加其它传感器辅助激光雷达进行定位导航。
发明内容
本发明所要解决的技术问题在于,提供一种线环境下基于激光雷达的特征显著性检测方法,能够采用激光雷达探测周围环境,提取环境中的几何特征,构建环境特征显著性函数,对环境特征的显著性进行判断。
为解决上述技术问题,本发明提供一种线环境下基于激光雷达的特征显著性检测方法,包括如下步骤:
(1)周期采集k时刻激光雷达信息S(k);
(2)将激光雷达点云数据分群;
(3)根据点云数据的空间几何关系,将激光雷达点云数据分割为两个点集合;
(4)对步骤(3)中得到的两个点集合进行直线拟合;
(5)构建环境特征显著性函数,对环境特征的显著性进行判断。
优选的,步骤(2)中,点云数据分群具体包括如下步骤:
(21)对激光雷达扫描的点云数据进行坐标转换,得到其在直角坐标系下的坐标;记pi为S(k)的第i个激光点(i=1,2,…,N0),N0为S(k)中激光点的数量,定义直角坐标系原点为激光雷达所在位置,X轴为前向,Y轴为右向;极坐标系原点为激光雷达所在位置,前向为极轴,极角的角度取顺时针方向为正,极角的范围为[0°,360°),和为pi在激光雷达直角坐标系中的坐标;(ρi,θi)为pi在激光雷达极坐标系中的坐标,其中为,和与(ρi,θi)的转换关系为:
(22)计算S(k)相邻序号激光点之间的距离若小于阈值Et,则pi和pi+1为同一点群中的激光点,记点群集合为{sg},1≤g≤Ng,Ng为点群的数量。
优选的,步骤(3)中,将激光雷达点云数据分割成两个点集合具体包括如下步骤:
(31)筛选出{sg}中激光点数量最多的点群,记为sgd,根据sgd的数据利用最小二乘法拟合直线fe0,其在激光雷达直角坐标系中的直线方程为a0x+b0y+1=0,a0和b0通过如下公式计算:
其中上标“T”表示转置,上标“-1”表示求逆,为的矩阵,的元素均为1,为sgd中激光点的数量,α0的表达式如下:
其中和表示sgd中第i个激光点在激光雷达直角坐标系中的坐标,
(32)定义两个角度区间为和其求解方法如下:
求解直线a0x+b0y=0与圆x2+y2=ld 2的两个交点,记其在激光雷达极坐标中的坐标分别为和其中ld为所采用的激光雷达有效探测距离的最大值,角度区间和定义为:
(3.3)分割激光雷达数据S(k)得到的两个激光点集合分别记为sB1和sB2,求解方法如下:
若则
若则
其中为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
优选的,步骤(4)中,拟合直线特征具体包括如下步骤:
(41)利用点集sB1的激光点数据拟合直线fe1,其在激光雷达直角坐标系中的直线方程为a1x+b1y+1=0,通过最小二乘法求解a1和b1:
上式中为的矩阵,的元素均为1,为sB1中激光点的数量,α1的表达式如下:
其中和表示sB1中第i个激光点在激光雷达直角坐标系中的坐标,
(42)记为点集sB2的激光点数量,若大于阈值EN,则利用sB2拟合直线fe2,其在激光雷达直角坐标系中的直线方程记为a2x+b2y+1=0,且fe2与fe1的斜率相同,记为sB2中第i个激光点,和表示在激光雷达直角坐标系中的坐标,通过最小二乘法方法求解a2和b2:
若b1≠0,b2可通过如下公式计算:
a2的表达式如下:
a2=a1/b1*b2
若b1=0,a2可通过如下公式计算:
b2的表达式如下:
b2=b1/a1*a2。
优选的,步骤(5)中,构建环境特征显著性函数具体包括如下步骤:
(51)结合S(k)构建点云数据
记为的第i个激光点为采用的激光雷达能够获取激光点数量的最大值,的极坐标为:
其中为S(k)中激光点的极角的集合,λ为大于1的常数,则的直角坐标和为
(52)构建环境特征显著性函数χf:
χf=χ1+χ2
其中χ1计算方法如下:
上式中为激光点集合中的第j个激光点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a1x+b1y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
若χ2=0;若χ2为:
上式中为点集中的点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a2x+b2y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
本发明的有益效果为:通过本发明,可以完成对环境的特征显著性检测,准确地辨识出特征不显著的环境。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
本发明方法的流程如图1所示,其具体步骤如下:
步骤一:周期采集k时刻激光雷达信息S(k);
步骤二:将激光雷达点云数据分群:
(2.1)对激光雷达扫描的点云数据进行坐标转换,得到其在直角坐标系下的坐标。记pi为S(k)的第i个激光点(i=1,2,…,N0),N0为S(k)中激光点的数量。定义直角坐标系原点为激光雷达所在位置,X轴为前向,Y轴为右向;极坐标系原点为激光雷达所在位置,前向为极轴,极角的角度取顺时针方向为正,极角的范围为[0°,360°)。和为pi在激光雷达直角坐标系中的坐标;(ρi,θi)为pi在激光雷达极坐标系中的坐标,其中为,和与(ρi,θi)的转换关系为:
(2.2)计算S(k)相邻序号激光点之间的距离若小于阈值Et,则pi和pi+1为同一点群中的激光点。记点群集合为{sg},1≤g≤Ng,Ng为点群的数量;
步骤三:根据点云数据的空间几何关系,将激光雷达点云数据分割为两个点集合:
(3.1)筛选出{sg}中激光点数量最多的点群,记为sgd,根据sgd的数据利用最小二乘法拟合直线fe0,其在激光雷达直角坐标系中的直线方程为a0x+b0y+1=0,a0和b0通过如下公式计算:
其中上标“T”表示转置,上标“-1”表示求逆,为的矩阵,的元素均为1,为sgd中激光点的数量,α0的表达式如下:
其中和表示sgd中第i个激光点在激光雷达直角坐标系中的坐标,
(3.2)定义两个角度区间为和其求解方法如下:
求解直线a0x+b0y=0与圆x2+y2=ld 2的两个交点,记其在激光雷达极坐标中的坐标分别为和其中ld为所采用的激光雷达有效探测距离的最大值,角度区间和定义为:
(3.3)分割激光雷达数据S(k)得到的两个激光点集合分别记为sB1和sB2,求解方法如下:
若则
若则
其中为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
步骤四:对步骤三中得到的两个点集合进行直线拟合:
(4.1)利用点集sB1的激光点数据拟合直线fe1,其在激光雷达直角坐标系中的直线方程为a1x+b1y+1=0,通过最小二乘法求解a1和b1:
上式中为的矩阵,的元素均为1,为sB1中激光点的数量,α1的表达式如下:
其中和表示sB1中第i个激光点在激光雷达直角坐标系中的坐标,
(4.2)记为点集sB2的激光点数量,若大于阈值EN,则利用sB2拟合直线fe2,其在激光雷达直角坐标系中的直线方程记为a2x+b2y+1=0,且fe2与fe1的斜率相同,记为sB2中第i个激光点,和表示在激光雷达直角坐标系中的坐标,通过最小二乘法方法求解a2和b2:
若b1≠0,b2可通过如下公式计算:
a2的表达式如下:
a2=a1/b1*b2
若b1=0,a2可通过如下公式计算:
b2的表达式如下:
b2=b1/a1*a2
步骤五:构建环境特征显著性函数,对环境特征的显著性进行判断:
(5.1)结合S(k)构建点云数据
记为的第i个激光点为采用的激光雷达能够获取激光点数量的最大值,的极坐标为:
其中为S(k)中激光点的极角的集合,λ为大于1的常数,则的直角坐标和为
(5.2)构建环境特征显著性函数χf:
χf=χ1+χ2
其中χ1计算方法如下:
上式中为激光点集合中的第j个激光点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a1x+b1y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
若χ2=0;若χ2为:
上式中为点集中的点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a2x+b2y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
通过本发明,可以完成对环境的特征显著性检测,准确地辨识出特征不显著的环境。
Claims (5)
1.线环境下基于激光雷达的特征显著性检测方法,其特征在于,包括如下步骤:
(1)周期采集k时刻激光雷达信息S(k);
(2)将激光雷达点云数据分群;
(3)根据点云数据的空间几何关系,将激光雷达点云数据分割为两个点集合;
(4)对步骤(3)中得到的两个点集合进行直线拟合;
(5)构建环境特征显著性函数,对环境特征的显著性进行判断。
2.如权利要求1所述的线环境下基于激光雷达的特征显著性检测方法,其特征在于,步骤(2)中,点云数据分群具体包括如下步骤:
(21)对激光雷达扫描的点云数据进行坐标转换,得到其在直角坐标系下的坐标;记pi为S(k)的第i个激光点(i=1,2,…,N0),N0为S(k)中激光点的数量,定义直角坐标系原点为激光雷达所在位置,X轴为前向,Y轴为右向;极坐标系原点为激光雷达所在位置,前向为极轴,极角的角度取顺时针方向为正,极角的范围为[0°,360°),和为pi在激光雷达直角坐标系中的坐标;(ρi,θi)为pi在激光雷达极坐标系中的坐标,其中为,和与(ρi,θi)的转换关系为:
(22)计算S(k)相邻序号激光点之间的距离若小于阈值Et,则pi和pi+1为同一点群中的激光点,记点群集合为{sg},1≤g≤Ng,Ng为点群的数量。
3.如权利要求1所述的线环境下基于激光雷达的特征显著性检测方法,其特征在于,步骤(3)中,将激光雷达点云数据分割成两个点集合具体包括如下步骤:
(31)筛选出{sg}中激光点数量最多的点群,记为sgd,根据sgd的数据利用最小二乘法拟合直线fe0,其在激光雷达直角坐标系中的直线方程为a0x+b0y+1=0,a0和b0通过如下公式计算:
其中上标“T”表示转置,上标“-1”表示求逆,为的矩阵,的元素均为1,为sgd中激光点的数量,α0的表达式如下:
其中和表示sgd中第i个激光点在激光雷达直角坐标系中的坐标,
(32)定义两个角度区间为和其求解方法如下:
求解直线a0x+b0y=0与圆x2+y2=ld 2的两个交点,记其在激光雷达极坐标中的坐标分别为和其中ld为所采用的激光雷达有效探测距离的最大值,角度区间和定义为:
(3.3)分割激光雷达数据S(k)得到的两个激光点集合分别记为sB1和sB2,求解方法如下:
若则
若则
其中为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
为S(k)中激光点的极角位于角度区间的点组成的集合,为点集的激光点数量,记为点集中第i个激光点,的极坐标记为有且
4.如权利要求1所述的线环境下基于激光雷达的特征显著性检测方法,其特征在于,步骤(4)中,拟合直线特征具体包括如下步骤:
(41)利用点集sB1的激光点数据拟合直线fe1,其在激光雷达直角坐标系中的直线方程为a1x+b1y+1=0,通过最小二乘法求解a1和b1:
上式中为的矩阵,的元素均为1,为sB1中激光点的数量,α1的表达式如下:
其中和表示sB1中第i个激光点在激光雷达直角坐标系中的坐标,
(42)记为点集sB2的激光点数量,若大于阈值EN,则利用sB2拟合直线fe2,其在激光雷达直角坐标系中的直线方程记为a2x+b2y+1=0,且fe2与fe1的斜率相同,记为sB2中第i个激光点, 和表示在激光雷达直角坐标系中的坐标,通过最小二乘法方法求解a2和b2:
若b1≠0,b2可通过如下公式计算:
a2的表达式如下:
a2=a1/b1*b2
若b1=0,a2可通过如下公式计算:
b2的表达式如下:
b2=b1/a1*a2。
5.如权利要求1所述的线环境下基于激光雷达的特征显著性检测方法,其特征在于,步骤(5)中,构建环境特征显著性函数具体包括如下步骤:
(51)结合S(k)构建点云数据
记为的第i个激光点为采用的激光雷达能够获取激光点数量的最大值,的极坐标为:
其中为S(k)中激光点的极角的集合,λ为大于1的常数,则的直角坐标和为
(52)构建环境特征显著性函数χf:
χf=χ1+χ2
其中χ1计算方法如下:
上式中为激光点集合中的第j个激光点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a1x+b1y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
若χ2=0;若χ2为:
上式中为点集中的点,和为的直角坐标,为激光点数量,为:
上式中点集由中激光点的极角位于角度区间中的激光点组成,其中为:
上式中和为直线a2x+b2y+1=0与圆x2+y2=ld 2的两个交点的极角,其在激光雷达极坐标系中的坐标分别为和其中
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810268321.8A CN108445505B (zh) | 2018-03-29 | 2018-03-29 | 线环境下基于激光雷达的特征显著性检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810268321.8A CN108445505B (zh) | 2018-03-29 | 2018-03-29 | 线环境下基于激光雷达的特征显著性检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108445505A true CN108445505A (zh) | 2018-08-24 |
CN108445505B CN108445505B (zh) | 2021-07-27 |
Family
ID=63197357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810268321.8A Active CN108445505B (zh) | 2018-03-29 | 2018-03-29 | 线环境下基于激光雷达的特征显著性检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445505B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613553A (zh) * | 2018-12-18 | 2019-04-12 | 歌尔股份有限公司 | 基于激光雷达确定场景中物体数量的方法、装置及*** |
CN109668543A (zh) * | 2019-01-22 | 2019-04-23 | 南京理工大学 | 基于激光雷达的倾斜度测量方法 |
CN111366086A (zh) * | 2020-04-30 | 2020-07-03 | 东北大学 | 面向自动化装车的车厢位姿测量***及方法 |
CN112084875A (zh) * | 2020-08-11 | 2020-12-15 | 南京航空航天大学 | 一种多激光雷达坐标***一方法 |
WO2024055466A1 (zh) * | 2022-09-13 | 2024-03-21 | 浙江科聪控制技术有限公司 | 一种基于二维激光雷达的环境直角点坐标角度的提取方法 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101136008A (zh) * | 2006-08-29 | 2008-03-05 | 鸿富锦精密工业(深圳)有限公司 | 直线度分析***及方法 |
US7411688B1 (en) * | 2006-03-17 | 2008-08-12 | Arius3D Inc. | Method and system for laser intensity calibration in a three-dimensional multi-color laser scanning system |
CN101442619A (zh) * | 2008-12-25 | 2009-05-27 | 武汉大学 | 无控制点图像拼接方法 |
CN103186704A (zh) * | 2011-12-29 | 2013-07-03 | 鸿富锦精密工业(深圳)有限公司 | 寻线过滤***及方法 |
CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
CN103853155A (zh) * | 2014-03-31 | 2014-06-11 | 李德毅 | 智能车路口通行方法及*** |
CN104134234A (zh) * | 2014-07-16 | 2014-11-05 | 中国科学技术大学 | 一种全自动的基于单幅图像的三维场景构建方法 |
CN104715251A (zh) * | 2015-02-13 | 2015-06-17 | 河南科技大学 | 一种基于直方图线性拟合的显著目标检测方法 |
CN105184855A (zh) * | 2015-08-25 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 基于三维点云的特征面构建方法及装置 |
CN105243386A (zh) * | 2014-07-10 | 2016-01-13 | 汉王科技股份有限公司 | 人脸活体判断方法以及*** |
CN105547166A (zh) * | 2015-12-17 | 2016-05-04 | 华中科技大学 | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 |
CN105868498A (zh) * | 2016-04-20 | 2016-08-17 | 南京航空航天大学 | 基于扫描线点云的蒙皮边界特征重构方法 |
CN106443708A (zh) * | 2016-06-29 | 2017-02-22 | 无锡中科光电技术有限公司 | 一种大气颗粒物监测激光雷达数据处理方法 |
CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多***导线自动提取与精细建模方法 |
CN107025449A (zh) * | 2017-04-14 | 2017-08-08 | 西南交通大学 | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 |
CN107392954A (zh) * | 2017-07-04 | 2017-11-24 | 大连理工大学 | 一种基于序列图像的粗大误差点剔除方法 |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
-
2018
- 2018-03-29 CN CN201810268321.8A patent/CN108445505B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7411688B1 (en) * | 2006-03-17 | 2008-08-12 | Arius3D Inc. | Method and system for laser intensity calibration in a three-dimensional multi-color laser scanning system |
CN101136008A (zh) * | 2006-08-29 | 2008-03-05 | 鸿富锦精密工业(深圳)有限公司 | 直线度分析***及方法 |
CN101442619A (zh) * | 2008-12-25 | 2009-05-27 | 武汉大学 | 无控制点图像拼接方法 |
CN103186704A (zh) * | 2011-12-29 | 2013-07-03 | 鸿富锦精密工业(深圳)有限公司 | 寻线过滤***及方法 |
CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
CN103853155A (zh) * | 2014-03-31 | 2014-06-11 | 李德毅 | 智能车路口通行方法及*** |
CN105243386A (zh) * | 2014-07-10 | 2016-01-13 | 汉王科技股份有限公司 | 人脸活体判断方法以及*** |
CN104134234A (zh) * | 2014-07-16 | 2014-11-05 | 中国科学技术大学 | 一种全自动的基于单幅图像的三维场景构建方法 |
CN104715251A (zh) * | 2015-02-13 | 2015-06-17 | 河南科技大学 | 一种基于直方图线性拟合的显著目标检测方法 |
CN105184855A (zh) * | 2015-08-25 | 2015-12-23 | 广州市城市规划勘测设计研究院 | 基于三维点云的特征面构建方法及装置 |
CN105547166A (zh) * | 2015-12-17 | 2016-05-04 | 华中科技大学 | 一种基于二维激光扫描的掘进机掘进窗口快速检测方法 |
CN105868498A (zh) * | 2016-04-20 | 2016-08-17 | 南京航空航天大学 | 基于扫描线点云的蒙皮边界特征重构方法 |
CN106443708A (zh) * | 2016-06-29 | 2017-02-22 | 无锡中科光电技术有限公司 | 一种大气颗粒物监测激光雷达数据处理方法 |
CN106709946A (zh) * | 2016-12-16 | 2017-05-24 | 武汉大学 | 基于LiDAR点云的多***导线自动提取与精细建模方法 |
CN107025449A (zh) * | 2017-04-14 | 2017-08-08 | 西南交通大学 | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 |
CN107392954A (zh) * | 2017-07-04 | 2017-11-24 | 大连理工大学 | 一种基于序列图像的粗大误差点剔除方法 |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
Non-Patent Citations (2)
Title |
---|
M.HIMMELSBACH ETC.: ""Fast Segmentation of 3D Point Clouds for Ground Vehicles"", 《2010 IEEE INTELLIGENT VEHICLES SYMPOSIUM》 * |
SU-YONG AN ETC.: ""SLAM with Salient Line Feature Extraction in Indoor Environments"", 《11TH.INT.CONF.CONTROL,AUTOMATION,ROBOTICS AND VISION》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109613553A (zh) * | 2018-12-18 | 2019-04-12 | 歌尔股份有限公司 | 基于激光雷达确定场景中物体数量的方法、装置及*** |
CN109668543A (zh) * | 2019-01-22 | 2019-04-23 | 南京理工大学 | 基于激光雷达的倾斜度测量方法 |
CN111366086A (zh) * | 2020-04-30 | 2020-07-03 | 东北大学 | 面向自动化装车的车厢位姿测量***及方法 |
CN111366086B (zh) * | 2020-04-30 | 2021-07-06 | 东北大学 | 面向自动化装车的车厢位姿测量***及方法 |
CN112084875A (zh) * | 2020-08-11 | 2020-12-15 | 南京航空航天大学 | 一种多激光雷达坐标***一方法 |
CN112084875B (zh) * | 2020-08-11 | 2024-06-11 | 南京航空航天大学 | 一种多激光雷达坐标***一方法 |
WO2024055466A1 (zh) * | 2022-09-13 | 2024-03-21 | 浙江科聪控制技术有限公司 | 一种基于二维激光雷达的环境直角点坐标角度的提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108445505B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445505A (zh) | 线环境下基于激光雷达的特征显著性检测方法 | |
CN106225678B (zh) | 基于3d相机的动态物体定位与体积测量方法 | |
CN109270544A (zh) | 基于杆状物识别的移动机器人自定位*** | |
CN105116886B (zh) | 一种机器人自主行走的方法 | |
CN110030972A (zh) | 基于ExcelVBA的隧道超欠挖检测方法 | |
CN109282808B (zh) | 用于桥梁三维巡航检测的无人机与多传感器融合定位方法 | |
CN109737883A (zh) | 一种基于图像识别的三维形变动态测量***及测量方法 | |
CN107063229A (zh) | 基于人工路标的移动机器人定位***及方法 | |
CN103020342A (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN106127682B (zh) | 一种顾及海岸线地理特征约束的可控分形插值方法及*** | |
CN104776855B (zh) | 一种交叉路口的导航方法和装置 | |
CN103400416B (zh) | 一种基于概率多层地形的城市环境机器人导航方法 | |
CN106504287B (zh) | 基于模板的单目视觉目标空间定位*** | |
CN109671110A (zh) | 一种局部几何结构约束的城区宽基线影像特征点匹配方法 | |
CN110411435A (zh) | 机器人定位方法、装置以及机器人 | |
CN109858526A (zh) | 一种目标跟踪中基于传感器的多目标轨迹融合方法 | |
CN104239678B (zh) | 一种实现干涉仪测向定位的方法和装置 | |
CN107607904B (zh) | 一种基于测角信息的多目标同一性识别方法 | |
CN104376328B (zh) | 基于坐标的分布型编码标志识别方法及*** | |
CN110070012A (zh) | 一种应用于遥感影像道路网络提取的细化和全局连接方法 | |
CN103768792A (zh) | 应用于大范围视频空间目标定位***的分区与识别方法 | |
CN106651957A (zh) | 基于模板的单目视觉目标空间定位方法 | |
CN109839634A (zh) | 一种车载摄像头与雷达的目标融合方法 | |
CN101907461A (zh) | 基于角度余切值的被动多传感器量测数据关联方法 | |
CN106097408B (zh) | 一种海岸线要素连续多尺度表达方法及*** |
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 |