CN109657698A - 一种基于点云的磁悬浮轨道障碍物检测方法 - Google Patents
一种基于点云的磁悬浮轨道障碍物检测方法 Download PDFInfo
- Publication number
- CN109657698A CN109657698A CN201811386577.5A CN201811386577A CN109657698A CN 109657698 A CN109657698 A CN 109657698A CN 201811386577 A CN201811386577 A CN 201811386577A CN 109657698 A CN109657698 A CN 109657698A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- magnetic
- levitation
- point
- cloud
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于点云的磁悬浮轨道障碍物检测方法,包括以下步骤:1)搭建磁悬浮轨道车载移动扫描***;2)通过移动扫描获取磁悬浮轨面原始参考点云与待检测的点云数据;3)建立K‑D树索引,与待检测的点云数据进行特征匹配获得障碍物点云;4)对障碍物点云进行欧式聚类处理后,获得障碍物点云聚类集;5)最后输出每个独立障碍物轮廓边界及位置,实现了对磁悬浮轨道面障碍物的自动化检测。与现有技术相比,本发明具有较强的环境感知能力,能对磁浮的运营维护安全起到信息支持作用等优点。
Description
技术领域
本发明涉及一种磁悬浮轨道障碍物检测方法,尤其是涉及一种基于点云的磁悬浮轨道障碍物检测方法。
背景技术
磁悬浮交通依靠电磁力使列车悬浮在轨道上“贴地飞行”,具有速度快、功耗低、无摩擦、噪音小、寿命长等优势,作为一种新型尖端轨道交通技术,已被越来越多的国家关注。随着对磁悬浮设计速度要求的提高,对磁悬浮轨道面进行障碍物检测,及时进行排除,才能避免在通电情况下,高压电流引起障碍物通电,从而对轨道面等造成一定损害;才能避免列车在行驶过程中与障碍物相撞所造成的危险性,确保行车路线安全。
目前针对磁悬浮轨道面障碍物检测的研究较少,主要集中在对轨道的轨距、平顺性等方面,且主要采用人工的方式对磁悬浮行驶路线进行检查,具有劳动强度大、效率低等缺点。参考对铁路轨道、公路交通等进行障碍物检测的方法有:基于立体视觉的障碍物检测方法、基于激光雷达的障碍物检测、基于多传感器集成的障碍物检测、基于光流法障碍物检测等。(1)基于双目立体视觉的障碍物检测是目前对障碍物的主流检测方式,通过双目相机获取障碍物左右图像后,采用阈值分割等方法获取障碍物目标区域,之后进行特征点检测、提取、立体匹配等,获得障碍物轮廓和位置、深度信息,具有灵活性强、成本低等优点,但其受天气,如光照、雨雪等复杂环境的影响较大;(2)基于激光雷达的检测方法通过激光发射器将激光发射出去,然后接收激光碰到物体表面后的反射光,通过测量发射和接收之间的时间差进行测距,能获得目标的发射特性、距离和速度等多种信息,最后通过障碍物与路面分割、聚类等检测障碍物,具有原理简单、精度高、抗干扰性强等特性;(3)基于多传感器融合的检测方法,比如先利用视觉传感器获取障碍物影像,通过对障碍物边缘和特征提取等,获得障碍物大概位置后,利用激光传感器、红外传感器或超声波传感器等,利用其测量的信号与视觉传感器组合对环境进行描述,受环境变化影响小,鲁棒性强,感知的信息可靠,准确度高,克服了单一传感器信息不足的缺点,但不同传感器的完美融合算法难度大,且成本高;(4)基于光流法是利用单个相机在不同时刻获取周围环境信息,通过序列图像来估计光流,利用光流中障碍物是一个突变的特点对光流场进行分割,从而实现障碍物检测,但光流法计算量大,处理时间高等。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于点云的磁悬浮轨道障碍物检测方法。
本发明的目的可以通过以下技术方案来实现:
一种基于点云的磁悬浮轨道障碍物检测方法,包括以下步骤:
1)搭建磁悬浮轨道车载移动扫描***;
2)通过移动扫描获取磁悬浮轨面原始参考点云与待检测的点云数据;
3)建立K-D树索引,与待检测的点云数据进行特征匹配获得障碍物点云;
4)对障碍物点云进行欧式聚类处理后,获得障碍物点云聚类集;
5)最后输出每个独立障碍物轮廓边界及位置,实现了对磁悬浮轨道面障碍物的自动化检测。
优选地,所述的磁悬浮轨道车载移动扫描***包括Z+F激光断面扫描仪、两套SICK断面扫描仪、惯性测量单元IMU及配套的GNSS接收机天线、GPS时钟、360°全景相机;
其中所述的Z+F激光断面扫描仪用于获取磁浮轨道上方的点云数据,所述的两套SICK断面扫描仪用于获取磁浮轨道两侧的点云数据;所述的惯性测量单元IMU及配套的GNSS接收机天线用于提供位置和姿态参数;所述的GPS时钟用于时间同步处理;所述的360°全景相机用于获取磁悬浮轨道影像的可视化显示。
优选地,所述的步骤3)建立K-D树索引具体为:
循环依序取数据点的各维度(X,Y)、(X,Z)和(Y,Z),对比数据点在各维度的分布情况,若某一维度坐标值的方差越大则分布越分散,方差越小分布越集中;将方差大的维度作为切分维度,取数据点在该维度的中值作为切分平面,该平面垂直于当前划分维度的坐标轴,且将中值左侧的数据点挂在其左子树,将中值右侧的数据点挂在其右子树;递归处理其子树,直至所有数据点挂载完毕,即对原始参考点云数据建立完成K-D树索引。
优选地,所述的步骤3)中的与待检测的点云数据进行特征匹配获得障碍物点云具体为:
待检测点云给定查询点和查询距离的阈值,以查询点为圆心、查询距离的阈值为半径确定球域;通过二叉搜索,对左右子空间进行路径的顺序或者回溯范围搜索,从原始数据集中找出所有与查询点距离小于阈值的数据;判断原始点云中是否有点云数据落入球中,若没有,则说明查询点在设定距离阈值内不在原始参考点云空间范围,即为障碍物点云;最后建立索引,获得待检测点云中所有的障碍物点云集。
优选地,所述的对障碍物点云进行欧式聚类处理具体为:
(1)对障碍物点云建立K-D树索引;
(2)从障碍物点云中任一点p开始,将p加入点集cluster;以p为中心,D为半径,在建立的K-D树索引中进行搜索,将距离范围D内的点加入cluster;
(3)依次以新加入cluster中的点为中心p重复步骤(2),直到没有新的点加入到cluster中,且通过设置索引标签,过滤已分类的点云,以此增加搜索效率;
(4)开始一个新的聚类,从障碍物点云中剩下的点中重复(1)~(3)步骤,直到所有点都被聚类过。
优选地,所述的对磁悬浮轨道面障碍物的自动化检测具体为:
完成障碍物点云聚类后,过滤点数少于设定阈值的聚类,计算各个独立障碍物的最大范围,确定其所在位置,从而完成障碍物的检测,并从全景相机获得的影像进行检查,用于验证检测结果的正确性及对障碍物的实体类型进行确认。
与现有技术相比,本发明尝试将移动车载激光扫描技术应用于磁悬浮轨道障碍物检测,克服了人工检测的工作量大、低效率,克服了视觉传感器等的限制性,不仅可以在下雨天气、夜晚等恶劣环境中进行检测,且可以高效的获取磁浮轨道的环境信息,对磁浮进行全面的监控。通过对每次获取的检测数据与原始参考数据对比分析,可以检查轨道的运行状况,如在障碍物检测中,充分利用了数据的结构信息,通过建立索引搜索加快了特征匹配效率,最后利用近邻域聚类处理等,可以获取障碍物的大小、形状等深度信息和位置信息等,具有较强的环境感知能力,能对磁浮的运营维护安全起到信息支持作用。
附图说明
图1为本发明障碍物检测流程图;
图2为原始参考点云示意图;
图3为待检测点云示意图;
图4为三维空间K-D构建与空间划分示意图;
图5为障碍物点云欧式聚类示意图;
图6为待检测点云中的障碍物检测结果示意图;
图7为各个独立障碍物示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明设计了一套针对磁悬浮轨道的多传感器集成的车载激光扫描***,激光扫描仪通过记录到目标的距离、角度、强度信息等,通过与多传感器集成处理,可以移动扫描获取磁悬浮轨道面在地方坐标系下的三维激光点云数据,从而可以快速复建磁悬浮轨道模型。通过移动扫描获取磁悬浮轨面原始参考点云与待检测的点云数据后,将获得的原始参考点云,建立K-D树索引,与待检测的点云数据进行特征匹配获得障碍物点云,对障碍物点云进行欧式聚类等处理后,从而获得障碍物点云聚类集,最后输出每个独立障碍物轮廓边界及位置,实现了对磁悬浮轨道面障碍物的自动化检测,发明处理流程如图1所示。
下面就基于车载激光扫描***进行磁悬浮轨道面障碍物检测方法中涉及的主要算法和关键环节进行介绍。
1.磁悬浮轨道车载激光扫描***的设计
为对磁悬浮轨道进行激光点云数据采集,集成了Z+F激光断面扫描仪、两套SICK断面扫描仪、惯性测量单元(Inertial Measurement Unit,IMU)及配套的GNSS接收机天线、GPS时钟、路由器、360°全景相机等。由3个扫描仪获取磁浮轨道上方和两侧的点云数据、IMU与GNSS天线组合提供位置和姿态参数、GPS时钟用于时间同步处理、全景相机用于获取磁悬浮轨道影像的可视化显示等。经过多传感器的集成、标定,对多源数据进行时间同步、空间同步、点云解算、滤波处理后,可以获取磁悬浮轨道在地方坐标系下的三维连续点云。这里主要利用车载顶部的Z+F扫描仪获取的轨道面数据。
2.原始参考点云建立K-D树索引
为对磁悬浮轨道面进行障碍物检测,首先需要对障碍物进行定义,即相对原始轨道环境多出来的物体。因此,本方案共获得两套点云数据,第一套为无障碍物的磁悬浮轨道原始参考点云(如图2所示),第二套为待检测的点云数据(如图3所示)。为对待检测点云与原始参考点云进行特征匹配,可以利用数据集本身呈现出簇状的聚类形态等结构信息,先建立数据索引,然后再进行快速匹配,可以大大加快搜索效率。
K-D树(k-dimensional tree,K-D)是一种分割k维数据空间的数据结构,主要应用于多维空间关键数据的搜索。针对获得的磁浮轨道面无障碍物的原始参考的三维点云数据,首先对其构建K-D树:循环依序取数据点的各维度(X,Y)、(X,Z)、(Y,Z),对比数据点在各维度的分布情况,若某一维度坐标值的方差越大则分布越分散,方差越小分布越集中;将方差大的维度作为切分维度,取数据点在该维度的中值作为切分平面,该平面垂直于当前划分维度的坐标轴,且将中值左侧的数据点挂在其左子树,将中值右侧的数据点挂在其右子树;递归处理其子树,直至所有数据点挂载完毕,即对原始参考点云数据建立完成K-D树索引,如图4所示。
3.待检测点云进行特征匹配
原始参考点云建立索引后,对待检测点云在K-D树中进行范围搜索,以此将原始点云与待检测点云进行特征匹配,从而获得障碍物点云数据。具体流程为:待检测点云给定查询点和查询距离的阈值,以查询点为圆心、距离阈值为半径确定球域;通过二叉搜索,对左右子空间进行路径的顺序或者回溯范围搜索,从原始数据集中找出所有与查询点距离小于阈值的数据;判断原始点云中是否有点云数据落入球中,若没有,则说明查询点在一定距离阈值内不在原始参考点云空间范围,即为障碍物点云;最后建立索引,获得待检测点云中所有的障碍物点云集。
4.障碍物点云欧式聚类
在获得障碍物点云数据后,需要对点云进行欧式聚类处理,才能获得各个独立的障碍物。点云聚类就是根据一定的划分准则将属于同一类别的点聚为一类,获得的障碍物点云绝大部分都是呈聚落分布的,聚落之间相距有一定距离,本发明使用的点云欧式聚类正是根据点坐标之间的欧式距离将不同聚落分割开来,设待分割的障碍物点云为P={Pi(Xi,Yi)|i=1,2,3…},分割距离参数为D,具体方法如下:
(1)对障碍物点云建立K-D树索引
(2)从障碍物点云中任一点p开始,将p加入点集cluster;以p为中心,D为半径,在建立的K-D树索引中进行搜索,将距离范围D内的点加入cluster,如图5-a;
(3)依次以新加入cluster中的点为中心p重复(2)步骤如图5-b,直到没有新的点加入到cluster中,且通过设置索引标签,过滤已分类的点云,以此增加搜索效率,如图5-c;
(4)开始一个新的聚类,从障碍物点云中剩下的点中重复(1)~(3)步骤,直到所有点都被聚类过,如图5-d。
5.障碍物检测
完成障碍物点云聚类后,过滤点数过少的聚类,减少因仪器扫描、特征匹配噪音等带来的检测误差,计算各个独立障碍物的最大范围,确定其所在位置,从而完成障碍物的检测,从全景相机获得的影像进行检查,可以验证检测结果的正确性及对障碍物的实体类型进行确认。如图6所示为待检测点云相对原始参考点云中障碍物的大小和分布,根据检测障碍物的大小,将其分为person(p)和bird(b)两类,并对其进行编号;图7为各个独立障碍物块。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,包括以下步骤:
1)搭建磁悬浮轨道车载移动扫描***;
2)通过移动扫描获取磁悬浮轨面原始参考点云与待检测的点云数据;
3)建立K-D树索引,与待检测的点云数据进行特征匹配获得障碍物点云;
4)对障碍物点云进行欧式聚类处理后,获得障碍物点云聚类集;
5)最后输出每个独立障碍物轮廓边界及位置,实现了对磁悬浮轨道面障碍物的自动化检测。
2.根据权利要求1所述的一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,所述的磁悬浮轨道车载移动扫描***包括Z+F激光断面扫描仪、两套SICK断面扫描仪、惯性测量单元IMU及配套的GNSS接收机天线、GPS时钟、360°全景相机;
其中所述的Z+F激光断面扫描仪用于获取磁浮轨道上方的点云数据,所述的两套SICK断面扫描仪用于获取磁浮轨道两侧的点云数据;所述的惯性测量单元IMU及配套的GNSS接收机天线用于提供位置和姿态参数;所述的GPS时钟用于时间同步处理;所述的360°全景相机用于获取磁悬浮轨道影像的可视化显示。
3.根据权利要求1所述的一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,所述的步骤3)建立K-D树索引具体为:
循环依序取数据点的各维度(X,Y)、(X,Z)和(Y,Z),对比数据点在各维度的分布情况,若某一维度坐标值的方差越大则分布越分散,方差越小分布越集中;将方差大的维度作为切分维度,取数据点在该维度的中值作为切分平面,该平面垂直于当前划分维度的坐标轴,且将中值左侧的数据点挂在其左子树,将中值右侧的数据点挂在其右子树;递归处理其子树,直至所有数据点挂载完毕,即对原始参考点云数据建立完成K-D树索引。
4.根据权利要求3所述的一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,所述的步骤3)中的与待检测的点云数据进行特征匹配获得障碍物点云具体为:
待检测点云给定查询点和查询距离的阈值,以查询点为圆心、查询距离的阈值为半径确定球域;通过二叉搜索,对左右子空间进行路径的顺序或者回溯范围搜索,从原始数据集中找出所有与查询点距离小于阈值的数据;判断原始点云中是否有点云数据落入球中,若没有,则说明查询点在设定距离阈值内不在原始参考点云空间范围,即为障碍物点云;最后建立索引,获得待检测点云中所有的障碍物点云集。
5.根据权利要求1所述的一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,所述的对障碍物点云进行欧式聚类处理具体为:
(1)对障碍物点云建立K-D树索引;
(2)从障碍物点云中任一点p开始,将p加入点集cluster;以p为中心,D为半径,在建立的K-D树索引中进行搜索,将距离范围D内的点加入cluster;
(3)依次以新加入cluster中的点为中心p重复步骤(2),直到没有新的点加入到cluster中,且通过设置索引标签,过滤已分类的点云,以此增加搜索效率;
(4)开始一个新的聚类,从障碍物点云中剩下的点中重复(1)~(3)步骤,直到所有点都被聚类过。
6.根据权利要求1所述的一种基于点云的磁悬浮轨道障碍物检测方法,其特征在于,所述的对磁悬浮轨道面障碍物的自动化检测具体为:
完成障碍物点云聚类后,过滤点数少于设定阈值的聚类,计算各个独立障碍物的最大范围,确定其所在位置,从而完成障碍物的检测,并从全景相机获得的影像进行检查,用于验证检测结果的正确性及对障碍物的实体类型进行确认。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386577.5A CN109657698B (zh) | 2018-11-20 | 2018-11-20 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811386577.5A CN109657698B (zh) | 2018-11-20 | 2018-11-20 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657698A true CN109657698A (zh) | 2019-04-19 |
CN109657698B CN109657698B (zh) | 2021-09-03 |
Family
ID=66112102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811386577.5A Active CN109657698B (zh) | 2018-11-20 | 2018-11-20 | 一种基于点云的磁悬浮轨道障碍物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657698B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能***有限公司 | 一种轨道检测*** |
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
CN110889871A (zh) * | 2019-12-03 | 2020-03-17 | 广东利元亨智能装备股份有限公司 | 机器人行驶方法、装置及机器人 |
CN110889350A (zh) * | 2019-11-18 | 2020-03-17 | 四川西南交大铁路发展股份有限公司 | 一种基于三维成像的线路障碍物监测报警***及方法 |
CN111178413A (zh) * | 2019-12-20 | 2020-05-19 | 浙江欣奕华智能科技有限公司 | 一种3d点云语义分割的方法、装置及*** |
CN111289998A (zh) * | 2020-02-05 | 2020-06-16 | 北京汽车集团有限公司 | 障碍物检测方法、装置、存储介质以及车辆 |
CN111583257A (zh) * | 2020-05-28 | 2020-08-25 | 中国铁道科学研究院集团有限公司 | 铁路限界异物侵入检测方法、装置及*** |
CN112581521A (zh) * | 2020-12-22 | 2021-03-30 | 同济大学 | 一种磁浮轨道中心线提取方法 |
CN112750498A (zh) * | 2020-12-30 | 2021-05-04 | 同济大学 | 靶向逆转录引物结合位点从而抑制hiv病毒复制的方法 |
CN112857254A (zh) * | 2021-02-02 | 2021-05-28 | 北京大成国测科技有限公司 | 基于无人机数据的参数测量方法、装置及电子设备 |
WO2021143778A1 (zh) * | 2020-01-14 | 2021-07-22 | 长沙智能驾驶研究院有限公司 | 一种基于激光雷达的定位方法 |
CN113313137A (zh) * | 2021-04-01 | 2021-08-27 | 杭州兰亭视觉科技有限责任公司 | 涂胶障碍物识别及去除方法 |
CN113406105A (zh) * | 2021-06-30 | 2021-09-17 | 湖南凌翔磁浮科技有限责任公司 | 磁浮检测小车障碍物检测方法和*** |
CN114022760A (zh) * | 2021-10-14 | 2022-02-08 | 湖南北斗微芯数据科技有限公司 | 铁路隧道障碍物监测预警方法、***、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
CN108416257A (zh) * | 2018-01-19 | 2018-08-17 | 北京交通大学 | 融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法 |
WO2018166747A1 (en) * | 2017-03-15 | 2018-09-20 | Jaguar Land Rover Limited | Improvements in vehicle control |
-
2018
- 2018-11-20 CN CN201811386577.5A patent/CN109657698B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN106406338A (zh) * | 2016-04-14 | 2017-02-15 | 中山大学 | 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法 |
WO2018166747A1 (en) * | 2017-03-15 | 2018-09-20 | Jaguar Land Rover Limited | Improvements in vehicle control |
CN108416257A (zh) * | 2018-01-19 | 2018-08-17 | 北京交通大学 | 融合视觉与激光雷达数据特征的地铁轨道障碍物检测方法 |
Non-Patent Citations (2)
Title |
---|
FEI GAO 等: "《Online Quadrotor Trajectory Generation and Autonomous Navigation on Point Clouds》", 《2016 IEEE INTERNATIONAL SYMPOSIUM ON SAFETY,SECURITY,AND RESCUE ROBOTICS》 * |
王东敏 等: "《视觉与激光点云融合的深度图像获取方法》", 《军事交通学院学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
CN110501719B (zh) * | 2019-08-27 | 2024-02-09 | 湖南九域同创高分子新材料有限责任公司 | 一种基于激光雷达的列车障碍物探测方法 |
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能***有限公司 | 一种轨道检测*** |
CN110889350A (zh) * | 2019-11-18 | 2020-03-17 | 四川西南交大铁路发展股份有限公司 | 一种基于三维成像的线路障碍物监测报警***及方法 |
CN110889871A (zh) * | 2019-12-03 | 2020-03-17 | 广东利元亨智能装备股份有限公司 | 机器人行驶方法、装置及机器人 |
CN110889871B (zh) * | 2019-12-03 | 2021-03-23 | 广东利元亨智能装备股份有限公司 | 机器人行驶方法、装置及机器人 |
CN111178413A (zh) * | 2019-12-20 | 2020-05-19 | 浙江欣奕华智能科技有限公司 | 一种3d点云语义分割的方法、装置及*** |
WO2021143778A1 (zh) * | 2020-01-14 | 2021-07-22 | 长沙智能驾驶研究院有限公司 | 一种基于激光雷达的定位方法 |
CN111289998A (zh) * | 2020-02-05 | 2020-06-16 | 北京汽车集团有限公司 | 障碍物检测方法、装置、存储介质以及车辆 |
CN111583257A (zh) * | 2020-05-28 | 2020-08-25 | 中国铁道科学研究院集团有限公司 | 铁路限界异物侵入检测方法、装置及*** |
CN112581521A (zh) * | 2020-12-22 | 2021-03-30 | 同济大学 | 一种磁浮轨道中心线提取方法 |
CN112581521B (zh) * | 2020-12-22 | 2023-04-07 | 同济大学 | 一种磁浮轨道中心线提取方法 |
CN112750498A (zh) * | 2020-12-30 | 2021-05-04 | 同济大学 | 靶向逆转录引物结合位点从而抑制hiv病毒复制的方法 |
CN112857254A (zh) * | 2021-02-02 | 2021-05-28 | 北京大成国测科技有限公司 | 基于无人机数据的参数测量方法、装置及电子设备 |
CN113313137A (zh) * | 2021-04-01 | 2021-08-27 | 杭州兰亭视觉科技有限责任公司 | 涂胶障碍物识别及去除方法 |
CN113406105A (zh) * | 2021-06-30 | 2021-09-17 | 湖南凌翔磁浮科技有限责任公司 | 磁浮检测小车障碍物检测方法和*** |
CN114022760A (zh) * | 2021-10-14 | 2022-02-08 | 湖南北斗微芯数据科技有限公司 | 铁路隧道障碍物监测预警方法、***、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109657698B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657698A (zh) | 一种基于点云的磁悬浮轨道障碍物检测方法 | |
US20220290979A1 (en) | Vehicle localization using the ground surface with an event camera | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
US11573090B2 (en) | LIDAR and rem localization | |
CN106584451B (zh) | 一种基于视觉导航的变电站自动构图机器人及方法 | |
CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
Manandhar et al. | Auto-extraction of urban features from vehicle-borne laser data | |
CN108460416A (zh) | 一种基于三维激光雷达的结构化道路可行域提取方法 | |
Schlichting et al. | Localization using automotive laser scanners and local pattern matching | |
US11566902B2 (en) | Localization of autonomous vehicles via ground image recognition | |
CN107463918A (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN108171131B (zh) | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 | |
CN108647646A (zh) | 基于低线束雷达的低矮障碍物的优化检测方法及装置 | |
Abuhadrous et al. | Digitizing and 3D modeling of urban environments and roads using vehicle-borne laser scanner system | |
WO2016146641A1 (en) | Guided geometry extraction for localization of a device | |
Zhang et al. | Background filtering and vehicle detection with roadside lidar based on point association | |
CN110308729A (zh) | 基于视觉与imu或里程计的agv组合导航定位方法 | |
Józsa et al. | Towards 4D virtual city reconstruction from Lidar point cloud sequences | |
Ibrahim et al. | High definition LiDAR mapping of perth CBD | |
CN114897777A (zh) | 顾及空间关系的接触网支撑设施激光点云全自动提取方法 | |
Shi et al. | Towards automatic road mapping by fusing vehicle-borne multi-sensor data | |
WO2020118623A1 (en) | Method and system for generating an environment model for positioning | |
US11834065B2 (en) | System, method, and computer program product for detecting road marking points from LiDAR data | |
Wu et al. | Voxel-based marked neighborhood searching method for identifying street trees using vehicle-borne laser scanning data | |
Kühner et al. | Automatic generation of training data for image classification of road scenes |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210104 Address after: 200092 Siping Road 1239, Shanghai, Yangpu District Applicant after: TONGJI University Applicant after: CRRC QINGDAO SIFANG Co.,Ltd. Address before: 200092 Siping Road 1239, Shanghai, Yangpu District Applicant before: TONGJI University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |