CN109902542A - 三维感测器的动态地面侦测方法 - Google Patents
三维感测器的动态地面侦测方法 Download PDFInfo
- Publication number
- CN109902542A CN109902542A CN201711305765.6A CN201711305765A CN109902542A CN 109902542 A CN109902542 A CN 109902542A CN 201711305765 A CN201711305765 A CN 201711305765A CN 109902542 A CN109902542 A CN 109902542A
- Authority
- CN
- China
- Prior art keywords
- detecting
- processing module
- pane
- receiving processing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000012545 processing Methods 0.000 claims abstract description 119
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 28
- 238000012552 review Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005211 surface analysis Methods 0.000 claims 1
- 238000013481 data capture Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 31
- 230000004888 barrier function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 102100021507 Costars family protein ABRACL Human genes 0.000 description 1
- 101000677808 Homo sapiens Costars family protein ABRACL Proteins 0.000 description 1
- LTXREWYXXSTFRX-QGZVFWFLSA-N Linagliptin Chemical compound N=1C=2N(C)C(=O)N(CC=3N=C4C=CC=CC4=C(C)N=3)C(=O)C=2N(CC#CC)C=1N1CCC[C@@H](N)C1 LTXREWYXXSTFRX-QGZVFWFLSA-N 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Road Repair (AREA)
Abstract
本发明提供一种三维感测器的动态地面侦测方法,其点云数据撷取步骤是提供三维感测器撷取路面的三维感测器坐标系点信息,并将其传送至点云接收处理模块。数据坐标转换步骤是将三维感测器坐标系点信息依据坐标转换关系式转换成车身坐标系点信息。高度基准线计算步骤是将车身坐标系点信息的车身坐标系点高度值进行折线拟合演算法而拟合出路面高度基准线。点云非地面分析步骤是分析侦测线而得到断点处。路缘重建步骤是将断点处连线而形成路缘。借此,利用区域生长演算法可提高路缘判断的准确度,且可适应多变化路面及车身动态变化情境。
Description
技术领域
本发明是关于一种动态地面侦测方法,特别是关于一种三维感测器的动态地面侦测方法。
背景技术
一般使用线扫式车载光达感测器可准确侦测车量周遭的环境及障碍物,其中一关键步骤为地面点的判别。然而受环境、车身动态因素影响,静态规则的地面侦测(如高度滤除法)无法适应感测器的位置、角度以及地面坡度的变化。
目前市场上关于地面点云分类相关技术,可分为三项主轴。其一,以点云高度作为分类主要依据:以高度作为分类依据可大致将地面分类,但道路表面常有高度变化,又会受车身动态影响滤除面的水平,因此很难分出路缘与地面。其二,演算法仅适用于较单纯环境:目前有些演算法虽针对特征进行撷取,但仅限于理想状况道路,遇到环境复杂的场景就有产生误判的可能性。其三,先将点云产制网格后再行处理:部分技术采用将点云产制网格,但网格方法需要高密度光达(至少64层),不适用于低密度光达。由上述可知,目前市场上缺乏一种运用低密度光达即可准确且快速地分析出路缘与路面的三维感测器的动态地面侦测方法,故相关业者均在寻求其解决之道。
发明内容
因此,本发明的目的在于提供一种三维感测器的动态地面侦测方法,其透过高度基准线计算步骤的折线拟合演算法来提高障碍物信息与物体分类的准确度,而且利用点云非地面分析步骤侦测折点、断点及大坡度点的分布,然后进行去除杂讯并合成路缘线段及障碍物线段,通过折点、断点及大坡度点***性重组后,可分析出较精确的路缘,使***适用在更广泛的情境及更复杂的路貌,以解决已知技术中静态规则的地面侦测无法适应感测器的位置、角度及地面坡度变化所造成的误判以及使用高密度光达感测器的价格过高的问题。再者,所获得的准确地面区域不但可供自动驾驶决策运用,还可通过此地面区域的滤除来提高障碍误判断以及物体分类的准确率,进而大幅增加驾驶过程的安全性。
依据本发明的一实施方式提供一种三维感测器的动态地面侦测方法,其用以判断邻近车辆的路面,路面包含地面与路缘。三维感测器的动态地面侦测方法包含点云数据撷取步骤、数据坐标转换步骤、高度基准线计算步骤、点云非地面分析步骤以及路缘重建步骤,其中点云数据撷取步骤是提供三维感测器发射多个激光点至路面,然后三维感测器接收反射的激光点后输出多个三维感测器坐标系点信息,并传送三维感测器坐标系点信息至点云接收处理模块。此外,数据坐标转换步骤是利用点云接收处理模块将三维感测器坐标系点信息依据坐标转换关系式转换成多个车身坐标系点信息。而高度基准线计算步骤则是利用点云接收处理模块将车身坐标系点信息的多个车身坐标系点高度值进行一折线拟合演算法而拟合出一个路面高度基准线。再者,点云非地面分析步骤包含连续性分析子步骤,此连续性分析子步骤是利用点云接收处理模块分析各侦测线中相邻的任二个侦测点的二个侦测点高度值的一绝对差值。当绝对差值大于一预设差值时,此二个侦测点视为一断点处。至于路缘重建步骤则是利用点云接收处理模块将对应断点处的侦测点连线而形成路缘。
借此,本发明的三维感测器的动态地面侦测方法所获得的准确地面区域不但可供自动驾驶决策运用,还可通过此地面区域的滤除来提高障碍误判断以及物体分类的准确率,进而大幅增加驾驶过程的安全性。
根据本发明一实施例,其中前述三维感测器可包含三维光达感测器,此三维光达感测器具有水平视角、一垂直视角及一旋转频率,其中水平视角等于360度,垂直视角大于等于负15度且小于等于正15度,而旋转频率为10Hz。此三维光达感测器透过一乙太网络连接点云接收处理模块。
根据本发明一实施例,其中前述坐标转换关系式可包含垂直视角、滚动角、高度、三维感测器坐标系点信息及车身坐标系点信息,其中垂直视角表示为θ,滚动角表示为β,高度为h,三维感测器坐标系点信息表示为(x’,y’,z’),车身坐标系侦测点表示为(x,y,z),坐标转换关系式符合下式:
根据本发明一实施例,其中前述折线拟合演算法可将路面的一区域沿行进方向等距分割成多个窗格,部分窗格具有至少一个侦测点。点云接收处理模块储存一有效窗格点数并计数位于各窗格的车身坐标系点信息的侦测点数量,然后点云接收处理模块比较有效窗格点数与侦测点数量的大小。当侦测点数量大于有效窗格点数时,点云接收处理模块将对应的窗格视为一有效窗格;反之,当侦测点数量小于等于有效窗格点数时,点云接收处理模块将对应的窗格视为一无效窗格。
根据本发明一实施例,其中在前述折线拟合演算法中,点云接收处理模块可储存一参考地面斜率,且点云接收处理模块从各有效窗格内的多个车身坐标系点信息中选取出一最小车身坐标系点高度值并将任相邻的二个有效窗格的最小车身坐标系点高度值所对应的二窗格中心点连线而产生一连线斜率。点云接收处理模块比较连线斜率与参考地面斜率的大小。当连线斜率大于参考地面斜率时,点云接收处理模块将相邻的二个有效窗格中距离车辆较远的一个有效窗格视为一再审无效窗格,而另一个有效窗格则视为一再审有效窗格。另外,当连线斜率小于等于参考地面斜率时,点云接收处理模块将相邻的二个有效窗格视为二个再审有效窗格。
根据本发明一实施例,其中在前述折线拟合演算法中,点云接收处理模块可依据再审有效窗格以一内插法填补邻近的各无效窗格及各再审无效窗格而拟合出一路面高度基准线。
根据本发明一实施例,其中前述三维感测器的动态地面侦测方法可包含一点云过滤步骤,此点云过滤步骤是利用点云接收处理模块过滤车身坐标系点信息,且点云接收处理模块储存一滤除高度并依据滤除高度与路面高度基准线运算而产生一滤除线,此滤除线具有一滤除线高度值。此外,点云接收处理模块将车身坐标系点信息中的车身坐标系点高度值大于滤除线高度值的侦测点予以滤除。
根据本发明一实施例,其中前述点云非地面分析步骤可包含一平滑性分析子步骤,此平滑性分析子步骤是利用点云接收处理模块分析任一个侦测线中的多个侦测点而产生一平滑条件式。此平滑条件式包含一左方斜率与一右方斜率,点云接收处理模块储存一折点条件值并比较平滑条件式与折点条件值的大小。左方斜率表示为Si,k,left,右方斜率表示为Si,k,right,折点条件值表示为εs,平滑条件式表示为SC,且平滑条件式符合下式:
其中,当平滑条件式大于折点条件值时,侦测点视为一折点处。
根据本发明一实施例,其中前述点云非地面分析步骤可包含一坡度分析子步骤,此坡度分析子步骤是利用点云接收处理模块分析任一侦测线中的多个侦测点而产生一坡度关系式,点云接收处理模块储存一容忍地面起伏值并比较坡度关系式与容忍地面起伏值的大小。坡度关系式表示为SR,容忍地面起伏值表示为εr,各侦测线中相邻的二侦测点分别表示为(xθ,j,yθ,j,zθ,j)与(xθ,j+1,yθ,j+1,zθ,j+1),坡度关系式符合下式:
其中,当坡度关系式大于容忍地面起伏值时,侦测点视为一大坡度处。
依据本发明的一实施方式提供一种三维感测器的动态地面侦测方法,其用以判断邻近车辆的路面,路面包含地面与路缘。三维感测器的动态地面侦测方法包含点云数据撷取步骤、数据坐标转换步骤、高度基准线计算步骤、点云非地面分析步骤以及路缘重建步骤,其中点云数据撷取步骤是提供一三维感测器发射多个激光点至路面,然后三维感测器接收反射的激光点后输出多个三维感测器坐标系点信息,并传送三维感测器坐标系点信息至点云接收处理模块。此外,数据坐标转换步骤是利用点云接收处理模块将三维感测器坐标系点信息依据一坐标转换关系式转换成多个车身坐标系点信息。而高度基准线计算步骤是利用点云接收处理模块将车身坐标系点信息的多个车身坐标系点高度值进行一折线拟合演算法而拟合出一个路面高度基准线。再者,点云非地面分析步骤包含一平滑性分析子步骤,此平滑性分析子步骤是利用点云接收处理模块分析任一个侦测线的多个侦测点而产生一平滑条件式,点云接收处理模块比较平滑条件式与一折点条件值的大小。当平滑条件式大于折点条件值时,侦测点视为一折点处。至于路缘重建步骤则是利用点云接收处理模块将对应多个折点处的侦测点连线而形成路缘。
借此,本发明的三维感测器的动态地面侦测方法透过高度基准线计算步骤的折线拟合演算法以提高障碍物信息与物体分类的准确度,而且利用点云非地面分析步骤可分析出较精确的路缘,使***适用在更广泛的情境及更复杂的路貌,以解决已知技术中静态规则的地面侦测无法适应感测器的位置、角度及地面坡度变化所造成的误判以及使用高密度光达感测器的价格过高的问题。
根据本发明一实施例,其中在前述平滑性分析子步骤中,平滑条件式包含一左方斜率与一右方斜率,左方斜率表示为Si,k,left,右方斜率表示为Si,k,right,平滑条件式表示为SC,且平滑条件式符合下式:
根据本发明一实施例,其中前述三维感测器可包含三维光达感测器,此三维光达感测器具有水平视角、一垂直视角及一旋转频率,其中水平视角等于360度,垂直视角大于等于负15度且小于等于正15度,而旋转频率为10Hz。此三维光达感测器透过一乙太网络连接点云接收处理模块。
根据本发明一实施例,其中前述坐标转换关系式可包含垂直视角、滚动角、高度、三维感测器坐标系点信息及车身坐标系点信息,其中垂直视角表示为θ,滚动角表示为β,高度为h,三维感测器坐标系点信息表示为(x’,y’,z’),车身坐标系点信息表示为(x,y,z),坐标转换关系式符合下式:
根据本发明一实施例,其中前述折线拟合演算法是将路面的一区域沿一行进方向等距分割成多个窗格,部分窗格具有至少一个侦测点。点云接收处理模块储存一有效窗格点数并计数位于各窗格的车身坐标系点信息的侦测点数量,然后点云接收处理模块比较有效窗格点数与侦测点数量的大小。当侦测点数量大于有效窗格点数时,点云接收处理模块将对应的窗格视为一有效窗格;反之,当侦测点数量小于等于有效窗格点数时,点云接收处理模块将对应的窗格视为一无效窗格。
根据本发明一实施例,其中在前述折线拟合演算法中,点云接收处理模块可储存一参考地面斜率,且点云接收处理模块从各有效窗格内的多个车身坐标系点信息中选取出一最小车身坐标系点高度值并将任相邻的二个有效窗格的最小车身坐标系点高度值所对应的二窗格中心点连线而产生一连线斜率。点云接收处理模块比较连线斜率与参考地面斜率的大小。当连线斜率大于参考地面斜率时,点云接收处理模块将相邻的二个有效窗格中距离车辆较远的一个有效窗格视为一再审无效窗格,而另一个有效窗格则视为一再审有效窗格。另外,当连线斜率小于等于参考地面斜率时,点云接收处理模块将相邻的二个有效窗格视为二个再审有效窗格。
根据本发明一实施例,其中在前述折线拟合演算法中,点云接收处理模块可依据再审有效窗格以一内插法填补邻近的各无效窗格及各再审无效窗格而拟合出一路面高度基准线。
根据本发明一实施例,其中前述三维感测器的动态地面侦测方法可包含一点云过滤步骤,此点云过滤步骤是利用点云接收处理模块过滤车身坐标系点信息,且点云接收处理模块储存一滤除高度并依据此滤除高度与路面高度基准线运算而产生一滤除线,此滤除线具有一滤除线高度值。此外,点云接收处理模块将车身坐标系点信息中的车身坐标系点高度值大于滤除线高度值的侦测点予以滤除。
根据本发明一实施例,其中前述点云非地面分析步骤可包含一坡度分析子步骤,此坡度分析子步骤是利用点云接收处理模块分析任一侦测线中的多个侦测点而产生一坡度关系式,点云接收处理模块储存一容忍地面起伏值并比较坡度关系式与容忍地面起伏值的大小。坡度关系式表示为SR,容忍地面起伏值表示为εr,各侦测线中相邻的二侦测点分别表示为(xθ,j,yθ,j,zθ,j)与(xθ,j+1,yθ,j+1,zθ,j+1),坡度关系式符合下式:
其中,当坡度关系式大于容忍地面起伏值(εr)时,侦测点视为一大坡度处。
附图说明
图1是绘示本发明一实施例的三维感测器的动态地面侦测方法的流程示意图。
图2是绘示图1的点云数据撷取步骤的示意图。
图3是绘示图1的数据坐标转换步骤的示意图。
图4A是绘示图1的高度基准线计算步骤的示意图。
图4B是绘示图4A的高度基准线计算步骤的窗格示意图。
图4C是绘示图4B的高度基准线计算步骤的路面高度基准线的示意图。
图5A是绘示图1的点云过滤步骤执行前的侦测线的示意图。
图5B是绘示图1的点云过滤步骤的示意图。
图5C是绘示图1的点云过滤步骤执行后的侦测线的示意图。
图6是绘示图1的连续性分析子步骤的示意图。
图7是绘示图1的平滑性分析子步骤的示意图。
图8是绘示图1的坡度分析子步骤的示意图。
图9是绘示图1的路缘重建步骤的示意图。
图10是绘示本发明另一实施例的三维感测器的动态地面侦测方法的流程示意图。
图11是绘示本发明又一实施例的三维感测器的动态地面侦测方法的流程示意图。
【符号说明】
100、100a、100b:三维感测器的 θ:垂直视角
动态地面侦测方法 β:滚动角
S11:点云数据撷取步骤 h:高度
S12:数据坐标转换步骤 z:车身坐标系点高度值
S13:高度基准线计算步骤 (xθ,i,yθ,i,zθ,i):侦测线
S14:点云过滤步骤 (xi,yi,zi):路面高度基准线
S15、S15a、S15b:点云非地面 zmin:最小车身坐标系点高度值
分析步骤 Pθ,i:侦测点
S152:连续性分析子步骤 zθ,i+1、zθ,i:侦测点高度值
S154:平滑性分析子步骤 εh:滤除高度
S156:坡度分析子步骤 εc:预设差值
S16:路缘重建步骤 SC:平滑条件式
110:车辆 Si,k,left:左方斜率
120:路面 Si,k,right:右方斜率
122:地面 εs:折点条件值
124:路缘 SR:坡度关系式
130:三维感测器 εr:容忍地面起伏值
140:点云接收处理模块 EW11:填补点
200:窗格 EW12、EW13:有效点
210:区域 EW’13:修正填补点
A1:断点处 Δx、Δy、Δz:符号
A2:折点处
A3:大坡度处
(x’,y’,z’):三维感测器坐标系点信息
(x,y,z):车身坐标系点信息
具体实施方式
以下将参照附图说明本发明的多个实施例。为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明部分实施例中,这些实务上的细节是非必要的。此外,为简化附图起见,一些已知惯用的结构与元件在附图中将以简单示意的方式绘示;并且重复的元件将可能使用相同的编号表示。
请一并参阅图1~图9,图1是绘示本发明一实施例的三维感测器的动态地面侦测方法100的流程示意图。图2是绘示图1的点云数据撷取步骤S11的示意图。图3是绘示图1的数据坐标转换步骤S12的示意图。图4A是绘示图1的高度基准线计算步骤S13的示意图。图4B是绘示图4A的高度基准线计算步骤S13的窗格200示意图。图4C是绘示图4B的高度基准线计算步骤S13的路面高度基准线(xi,yi,zi)的示意图。图5A是绘示图1的点云过滤步骤S14执行前的侦测线(xθ,i,yθ,i,zθ,i)的示意图。图5B是绘示图1的点云过滤步骤S14的示意图。图5C是绘示图1的点云过滤步骤S14执行后的侦测线(xθ,i,yθ,i,zθ,i)的示意图。图6是绘示图1的连续性分析子步骤S152的示意图。图7是绘示图1的平滑性分析子步骤S154的示意图。图8是绘示图1的坡度分析子步骤S156的示意图。图9是绘示图1的路缘重建步骤S16的示意图。如图所示,三维感测器的动态地面侦测方法100用以判断邻近车辆110的路面120,路面120包含地面122与路缘124。三维感测器的动态地面侦测方法100包含点云数据撷取步骤S11、数据坐标转换步骤S12、高度基准线计算步骤S13、点云过滤步骤S14、点云非地面分析步骤S15以及路缘重建步骤S16。
点云数据撷取步骤S11是提供三维感测器130发射多个激光点至路面120,然后三维感测器130接收反射的激光点后输出多个三维感测器坐标系点信息(x’,y’,z’),并传送三维感测器坐标系点信息(x’,y’,z’)至点云接收处理模块140,如图2所示。详细地说,三维感测器130包含三维光达感测器(LiDAR),此三维光达感测器具有水平视角、垂直视角θ及旋转频率,其中水平视角与垂直视角θ分别代表水平方向与垂直方向的角度(Field Of View;FOV)。本实施例所使用的三维光达感测器为激光雷达公司Velodyne LiDAR的16层360度的三维光达感测器(型号为VLP-16),其水平视角等于360度。垂直视角θ大于等于负15度且小于等于正15度,而旋转频率为10Hz。此三维光达感测器透过一乙太网络(Ethernet)连接点云接收处理模块140,且可以每秒进行约28万点的激光点测距,并能反复旋转侦测而得到路面120的三维感测器坐标系点信息(x’,y’,z’)。再者,16层的三维光达感测器所对应的垂直视角θ是在正负15度之间,这些垂直视角θ由下而上分别为负15度、负13度、负11度、负9度、负7度、负5度、负3度、负1度、正1度、正3度、正5度、正7度、正9度、正11度、正13度以及正15度。此外,点云接收处理模块140可为个人计算机、电子控制单元(Electronic ControlUnit;ECU)、微处理器或其他电子运算处理器。而本实施例的点云接收处理模块140是使用个人计算机作为运算平台。
数据坐标转换步骤S12是利用点云接收处理模块140将三维感测器坐标系点信息(x’,y’,z’)依据坐标转换关系式转换成多个车身坐标系点信息(x,y,z),如图3所示。详细地说,坐标转换关系式包含垂直视角θ(pitch angle)、滚动角β(roll angle)、高度h、三维感测器坐标系点信息(x’,y’,z’)及车身坐标系点信息(x,y,z),且坐标转换关系式符合下列式子(1):
高度基准线计算步骤S13则是利用点云接收处理模块140将车身坐标系点信息(x,y,z)的多个车身坐标系点高度值z进行一折线拟合演算法而拟合出一个路面高度基准线(xi,yi,zi),如图4A~图4C所示。详细地说,折线拟合演算法是将路面120的一区域210沿车辆110的行进方向等距分割成多个窗格200,部分窗格200具有至少一个侦测点Pθ,i。点云接收处理模块140储存一有效窗格点数并计数位于各窗格200的车身坐标系点信息(x,y,z)的一侦测点数量,然后点云接收处理模块140比较有效窗格点数与侦测点数量的大小。当侦测点数量大于有效窗格点数时,点云接收处理模块140将对应的窗格200视为一有效窗格;反之,当侦测点数量小于等于有效窗格点数时,点云接收处理模块140将对应的窗格200视为一无效窗格。上述的侦测点数量代表某窗格200内车身坐标系点信息(x,y,z)的侦测点Pθ,i的数量,而侦测点Pθ,i代表车身坐标系点信息(x,y,z)中对应某个垂直视角θ的侦测线上的第i个侦测点。此外,在折线拟合演算法中,点云接收处理模块140储存一参考地面斜率,且点云接收处理模块140从各有效窗格内的多个车身坐标系点信息(x,y,z)中选取出一最小车身坐标系点高度值zmin并将任相邻的二个有效窗格的二个最小车身坐标系点高度值zmin所对应的二窗格中心点连线而产生一连线斜率。点云接收处理模块140比较连线斜率与参考地面斜率的大小。当连线斜率大于参考地面斜率时,点云接收处理模块140将相邻的二个有效窗格中距离车辆110较远的有效窗格视为一再审无效窗格,另一个有效窗格则视为一再审有效窗格;反之,当连线斜率小于等于参考地面斜率时,点云接收处理模块140会将此相邻的二个有效窗格均视为再审有效窗格。再者,在折线拟合演算法中,点云接收处理模块140依据这些再审有效窗格以一内插法填补邻近的各无效窗格及各再审无效窗格而拟合出一路面高度基准线(xi,yi,zi)。
举例说明,请一并参阅图4A~图4C。本实施例的高度基准线计算步骤S13是先将车辆110前方一区域210分割为20个窗格200,此区域210具有区域长度与区域宽度,且区域长度为20m,区域宽度为10m。窗格200具有窗格长度与窗格宽度,且窗格长度为1m,窗格宽度为10m。接着,准备20个空点集合,每个集合依序分别对应距离车辆110从近至远的20个窗格200。对于光达每一层中所有的侦测点Pθ,i进行分类,若侦测点Pθ,i于水平面(X-Y平面)的投影位于区域210内,则将此侦测点Pθ,i放入其所在的窗格200的对应集合。若某集合内的侦测点数量小于等于一有效窗格点数(此处有效窗格点数设为1),则将此集合视为无效窗格,其代表点数不够多而不具代表性。然后,在每一个有效窗格内取所有侦测点Pθ,i的高度(Z坐标),并在当中选取出一最小车身坐标系点高度值zmin。再者,由近而远建立一次折线拟合,若第一窗格200为有效窗格,则以其最小高度与窗格中心点(0,0.5,zmin)为折线起点,并视为“有效点”,此有效点以圆形符号表示,如图4C的有效点EW12所示;若第一窗格200非有效窗格,则以(0,0.5,0)为折线起点。此外,对于任两相邻的有效窗格,若其中心连线的连线斜率大于一参考地面斜率时(此处参考地面斜率设为25%),则点云接收处理模块140会将较远的有效窗格标记为再审无效窗格,此再审无效窗格有一定的可能性为路缘124或障碍物。以图4C为例,原本第十二窗格200与第十三窗格200均为有效窗格,其分别产生有效点EW12与有效点EW13,但因有效点EW12、EW13的连线斜率大于参考地面斜率,所以有效点EW13所在的第十三窗格200被标记为再审无效窗格。另外,若连线斜率小于等于参考地面斜率时,则点云接收处理模块140会将相邻的二个有效窗格视为二个再审有效窗格,并依据这些再审有效窗格以一内插法填补邻近的各无效窗格及各再审无效窗格而拟合出路面高度基准线(xi,yi,zi)。经由内插法填补无效窗格所产生的点视为“填补点”,此填补点以菱形符号表示,如图4C的填补点EW11所示。而经由内插法填补再审无效窗格所产生的点则视为“修正填补点”,此修正填补点以三角形符号表示,如图4C的修正填补点EW’13所示;换言之,有效点EW13通过内插法校正为修正填补点EW’13。而值得一提的是,若最后一个窗格200为无效窗格,则点云接收处理模块140会将序列中最远的一个有效窗格的高度水平延伸填补至其后所有的无效窗格。最后,完成所有窗格200的填补与连线而拟合出一路面高度基准线(xi,yi,zi)。
点云过滤步骤S14是利用点云接收处理模块140过滤车身坐标系点信息(x,y,z),且点云接收处理模块140储存一滤除高度εh并依据此滤除高度εh与路面高度基准线(xi,yi,zi)运算而产生一滤除线,此滤除线具有一滤除线高度值(zi+εh),如图5B所示。此外,点云接收处理模块140将车身坐标系点信息(x,y,z)中的车身坐标系点高度值z大于滤除线高度值(zi+εh)的侦测点Pθ,i予以滤除。滤除高度εh的范围可为5cm至30cm,较佳范围为15cm至20cm,而本实施例的滤除高度εh为18cm。借此,本发明透过点云过滤步骤S14将多余的点云滤除,可大幅缩短运算时间以增加运算效率。
点云非地面分析步骤S15包含连续性分析子步骤S152、平滑性分析子步骤S154以及坡度分析子步骤S156,其中连续性分析子步骤S152是利用点云接收处理模块140分析各侦测线(xθ,i,yθ,i,zθ,i)中相邻的任二个侦测点Pθ,i的二个侦测点高度值zθ,i+1、zθ,i的一绝对差值。当绝对差值大于一预设差值εc时,此二个侦测点Pθ,i视为一断点处A1。另外,平滑性分析子步骤S154是利用点云接收处理模块140分析任一个侦测线(xθ,i,yθ,i,zθ,i)中的多个侦测点Pθ,i而产生一平滑条件式SC,此平滑条件式SC包含左方斜率Si,k,left与右方斜率Si,k,right。点云接收处理模块140储存一折点条件值εs并比较平滑条件式SC与折点条件值εs的大小,且平滑条件式SC符合下列式子(2):
其中,当平滑条件式SC大于折点条件值εs时,侦测点Pθ,i视为一折点处A2。此外,坡度分析子步骤S156是利用点云接收处理模块140分析任一侦测线(xθ,i,yθ,i,zθ,i)中的多个侦测点Pθ,i而产生一坡度关系式SR,点云接收处理模块140储存一容忍地面起伏值εr并比较坡度关系式SR与容忍地面起伏值εr的大小,且坡度关系式SR符合下列式子(3):
其中,当坡度关系式SR大于容忍地面起伏值εr时,侦测点Pθ,i视为一大坡度处A3,而且这些侦测点Pθ,i均被视为大坡度点。|zθ,i+1-zθ,i|可用符号Δz表示;(xθ,i+1-xθ,i)可用符号Δx表示;(yθ,i+1-yθ,i)可用符号Δy表示。依据上述,点云非地面分析步骤S15会依序执行连续性分析子步骤S152、平滑性分析子步骤S154及坡度分析子步骤S156而分别产生断点处A1、折点处A2及大坡度处A3,而且断点处A1、折点处A2或大坡度处A3可能为一个或多个侦测点Pθ,i,本发明将上述三处的侦测点Pθ,i视为路缘124与地面122的交界或者为障碍物与地面122的交界,而透过上述连续性分析子步骤S152、平滑性分析子步骤S154及坡度分析子步骤S156可有效且即时地得到路缘124或障碍物的侦测点Pθ,i。
路缘重建步骤S16是利用点云接收处理模块140将对应的断点处A1、折点处A2及大坡度处A3的侦测点Pθ,i连线而形成路缘124。详细地说,点云接收处理模块140会先将对应的断点处A1、折点处A2及大坡度处A3的侦测点Pθ,i去除杂讯并将其合成为路缘线段或障碍物线段。接着,点云接收处理模块140依据光直进性、扫描点有序性、地面122连续性以及路缘连续性的条件将路缘线段或障碍物线段有***地重组为路缘124或障碍物。最后,点云接收处理模块140进行区域生长(Region Growing)找出地面122。上述的“区域生长”是指将成组的像素点或区域发展成更大区域的过程。而从种子开始进行的区域生长则具体是指将种子以及与种子具有相似属性的相邻像素点合并到一个区域。对图像进行区域生长是一个迭代的过程,其针对每个种子进行区域生长,直到图像中的每个像素点都被合并到某个区域中,从而形成不同的区域。这些区域的边界往往通过闭合的多边形定义。此时,图像就被分割为了不同的区域图像。本发明透过已知的区域生长方法获得精确的地面122区域,不但可供自动驾驶决策运用,还可通过此地面122区域的滤除来提高障碍误判断以及物体分类的准确率,进而大幅增加驾驶过程的安全性。
请一并参阅图1及图10,图10是绘示本发明另一实施例的三维感测器的动态地面侦测方法100a的流程示意图。如图所示,此三维感测器的动态地面侦测方法100a包含点云数据撷取步骤S11、数据坐标转换步骤S12、高度基准线计算步骤S13、点云过滤步骤S14、点云非地面分析步骤S15a以及路缘重建步骤S16。其中点云数据撷取步骤S11、数据坐标转换步骤S12、高度基准线计算步骤S13、点云过滤步骤S14及路缘重建步骤S16均与图1中对应的方块相同,不再赘述。特别的是,图10实施例的三维感测器的动态地面侦测方法100a还包含点云非地面分析步骤S15a,且此点云非地面分析步骤S15a仅包含连续性分析子步骤S152,此连续性分析子步骤S152与图1的连续性分析子步骤S152相同。换句话说,连续性分析子步骤S152所得到的断点处A1即为路缘124或障碍物的侦测点Pθ,i,而路缘重建步骤S16则利用点云接收处理模块140将对应的断点处A1的侦测点Pθ,i连线而形成路缘124。
请一并参阅图1及图11,图11是绘示本发明又一实施例的三维感测器的动态地面侦测方法100b的流程示意图。如图所示,此三维感测器的动态地面侦测方法100b包含点云数据撷取步骤S11、数据坐标转换步骤S12、高度基准线计算步骤S13、点云过滤步骤S14、点云非地面分析步骤S15b以及路缘重建步骤S16。其中点云数据撷取步骤S11、数据坐标转换步骤S12、高度基准线计算步骤S13、点云过滤步骤S14及路缘重建步骤S16均与图1中对应的方块相同,不再赘述。特别的是,图11实施例的三维感测器的动态地面侦测方法100b还包含点云非地面分析步骤S15b,且此点云非地面分析步骤S15b包含连续性分析子步骤S152与平滑性分析子步骤S154,此连续性分析子步骤S152及平滑性分析子步骤S154分别与图1的连续性分析子步骤S152及平滑性分析子步骤S154相同。也就是说,连续性分析子步骤S152所得到的断点处A1及平滑性分析子步骤S154所得到的折点处A2代表路缘124或障碍物的侦测点Pθ,i,而路缘重建步骤S16则利用点云接收处理模块140将对应的断点处A1及折点处A2的侦测点Pθ,i连线而形成路缘124。由图1、图10及图11可知,路缘124的判断与重建条件可以自由地选择,使用单一条件判断与重建所需的运算时间较短,但准确率相对较低;反之,使用多重条件判断与重建所需的运算时间较长,但准确率相对较高。无论何种方式,本发明的三维感测器的动态地面侦测方法100、100a、100b均可有效地获得地面122区域,不但可供自动驾驶决策运用,还可通过此地面122区域的滤除来提高障碍误判断以及物体分类的准确率,进而大幅增加驾驶过程的安全性。
由上述实施方式可知,本发明具有下列优点:其一,透过高度基准线计算步骤的折线拟合演算法来提高障碍物信息与物体分类的准确度,而且利用点云非地面分析步骤侦测折点、断点及大坡度点的分布,然后进行去除杂讯并合成路缘线段及障碍物线段,可分析出较精确的路缘,使***适用在更广泛的情境及更复杂的路貌。其二,利用特定的分析步骤通过将折点、断点及大坡度点***性重组后判断路缘,可适应多变化路面以及车身动态变化情境。其三,所获得的准确地面区域不但可供自动驾驶决策运用,还可通过此地面区域的滤除来提高障碍误判断以及物体分类的准确率,进而大幅增加驾驶过程的安全性。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (18)
1.一种三维感测器的动态地面侦测方法,用以判断邻近一车辆的一路面,该路面包含一地面与一路缘,其特征在于,该三维感测器的动态地面侦测方法包含以下步骤:
一点云数据撷取步骤,是提供一三维感测器发射多个激光点至该路面,然后该三维感测器接收反射的所述多个激光点后输出多个三维感测器坐标系点信息,并传送所述多个三维感测器坐标系点信息至一点云接收处理模块;
一数据坐标转换步骤,是利用该点云接收处理模块将所述多个三维感测器坐标系点信息依据一坐标转换关系式转换成多个车身坐标系点信息,所述多个车身坐标系点信息分成多个侦测线,各该侦测线具有多个侦测点;
一高度基准线计算步骤,是利用该点云接收处理模块将所述多个车身坐标系点信息的多个车身坐标系点高度值进行一折线拟合演算法而拟合出一路面高度基准线;
一点云非地面分析步骤,包含:一连续性分析子步骤,是利用该点云接收处理模块分析各该侦测线上相邻的任二该侦测点的二侦测点高度值的一绝对差值,当该绝对差值大于一预设差值时,该二侦测点视为一断点处;以及
一路缘重建步骤,是利用该点云接收处理模块将对应多个该断点处的所述侦测点连线而形成该路缘。
2.根据权利要求1所述的三维感测器的动态地面侦测方法,其特征在于,该三维感测器包含一三维光达感测器,该三维光达感测器具有一水平视角、一垂直视角及一旋转频率,该水平视角等于360度,该垂直视角大于等于负15度且小于等于正15度,该旋转频率为10Hz,该三维光达感测器透过一乙太网络连接该点云接收处理模块。
3.根据权利要求1所述的三维感测器的动态地面侦测方法,其特征在于,该坐标转换关系式包含一垂直视角、一滚动角、一高度、所述三维感测器坐标系点信息及所述车身坐标系点信息,该垂直视角表示为θ,该滚动角表示为β,该高度为h,所述三维感测器坐标系点信息表示为(x’,y’,z’),所述车身坐标系点信息表示为(x,y,z),该坐标转换关系式符合下式:
4.根据权利要求1所述的三维感测器的动态地面侦测方法,其特征在于,该折线拟合演算法是将该路面的一区域沿一行进方向等距分割成多个窗格,部分所述窗格具有至少一该侦测点,该点云接收处理模块储存一有效窗格点数并计数位于各该窗格的所述车身坐标系点信息的一侦测点数量,然后该点云接收处理模块比较该有效窗格点数与该侦测点数量的大小;
其中,当该侦测点数量大于该有效窗格点数时,该点云接收处理模块将对应的该一窗格视为一有效窗格;
当该侦测点数量小于等于该有效窗格点数时,该点云接收处理模块将对应的该一窗格视为一无效窗格。
5.根据权利要求4所述的三维感测器的动态地面侦测方法,其特征在于,
在该折线拟合演算法中,该点云接收处理模块储存一参考地面斜率,且该点云接收处理模块从各该有效窗格内的多个该车身坐标系点信息中选取出一最小车身坐标系点高度值并将任相邻的二该有效窗格的该二最小车身坐标系点高度值所对应的二窗格中心点连线而产生一连线斜率,该点云接收处理模块比较该连线斜率与该参考地面斜率的大小;
其中,当该连线斜率大于该参考地面斜率时,该点云接收处理模块将相邻的该二有效窗格中距离该车辆较远的一该有效窗格视为一再审无效窗格,另一该有效窗格视为一再审有效窗格;
当该连线斜率小于等于该参考地面斜率时,该点云接收处理模块将相邻的该二有效窗格视为二该再审有效窗格。
6.根据权利要求5所述的三维感测器的动态地面侦测方法,其特征在于,
在该折线拟合演算法中,该点云接收处理模块依据所述再审有效窗格以一内插法填补邻近的各该无效窗格及各该再审无效窗格而拟合出该路面高度基准线。
7.根据权利要求1所述的三维感测器的动态地面侦测方法,还包含:
一点云过滤步骤,是利用该点云接收处理模块过滤所述多个车身坐标系点信息,且该点云接收处理模块储存一滤除高度并依据该滤除高度与该路面高度基准线运算而产生一滤除线,该滤除线具有一滤除线高度值,该点云接收处理模块将所述多个车身坐标系点信息中的所述车身坐标系点高度值大于该滤除线高度值的多个该侦测点予以滤除。
8.根据权利要求1所述的三维感测器的动态地面侦测方法,其特征在于,该点云非地面分析步骤还包含:
一平滑性分析子步骤,是利用该点云接收处理模块分析任一该侦测线中的所述多个侦测点而产生一平滑条件式,该平滑条件式包含一左方斜率与一右方斜率,该点云接收处理模块储存一折点条件值并比较该平滑条件式与该折点条件值的大小,该左方斜率表示为Si,k,left,该右方斜率表示为Si,k,right,该折点条件值表示为εs,该平滑条件式表示为SC,且该平滑条件式符合下式:
其中,当该平滑条件式大于该折点条件值时,所述侦测点视为一折点处。
9.根据权利要求1所述的三维感测器的动态地面侦测方法,其特征在于,该点云非地面分析步骤还包含:
一坡度分析子步骤,是利用该点云接收处理模块分析任一该侦测线中的所述多个侦测点而产生一坡度关系式,该点云接收处理模块储存一容忍地面起伏值并比较该坡度关系式与该容忍地面起伏值的大小,该坡度关系式表示为SR,该容忍地面起伏值表示为εr,各该侦测线中相邻的二该侦测点分别表示为(xθ,j,yθ,j,zθ,j)与(xθ,j+1,yθ,j+1,zθ,j+1),该坡度关系式符合下式:
其中,当该坡度关系式大于该容忍地面起伏值时,所述侦测点视为一大坡度处。
10.一种三维感测器的动态地面侦测方法,用以判断邻近一车辆的一路面,该路面包含一地面与一路缘,其特征在于,该三维感测器的动态地面侦测方法包含以下步骤:
一点云数据撷取步骤,是提供一三维感测器发射多个激光点至该路面,然后该三维感测器接收反射的所述多个激光点后输出多个三维感测器坐标系点信息,并传送所述多个三维感测器坐标系点信息至一点云接收处理模块;
一数据坐标转换步骤,是利用该点云接收处理模块将所述多个三维感测器坐标系点信息依据一坐标转换关系式转换成多个车身坐标系点信息,所述多个车身坐标系点信息分成多个侦测线,各该侦测线具有多个侦测点;
一高度基准线计算步骤,是利用该点云接收处理模块将所述多个车身坐标系点信息的多个车身坐标系点高度值进行一折线拟合演算法而拟合出一路面高度基准线;
一点云非地面分析步骤,包含:一平滑性分析子步骤,是利用该点云接收处理模块分析任一该侦测线的所述多个侦测点而产生一平滑条件式,该点云接收处理模块储存一折点条件值并比较该平滑条件式与该折点条件值的大小,当该平滑条件式大于该折点条件值时,所述侦测点视为一折点处;以及
一路缘重建步骤,是利用该点云接收处理模块将对应多个该折点处的所述侦测点连线而形成该路缘。
11.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,
在该平滑性分析子步骤中,该平滑条件式包含一左方斜率与一右方斜率,该左方斜率表示为Si,k,left,该右方斜率表示为Si,k,right,该平滑条件式表示为SC,且该平滑条件式符合下式:
12.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,该三维感测器包含一三维光达感测器,该三维光达感测器具有一水平视角、一垂直视角及一旋转频率,该水平视角等于360度,该垂直视角大于等于负15度且小于等于正15度,该旋转频率为10Hz,该三维光达感测器透过一乙太网络连接该点云接收处理模块。
13.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,该坐标转换关系式包含一垂直视角、一滚动角、一高度、所述三维感测器坐标系点信息及所述车身坐标系点信息,该垂直视角表示为θ,该滚动角表示为β,该高度为h,所述三维感测器坐标系点信息表示为(x’,y’,z’),所述车身坐标系点信息表示为(x,y,z),该坐标转换关系式符合下式:
14.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,该折线拟合演算法是将该路面的一区域沿一行进方向等距分割成多个窗格,部分所述窗格具有至少一该侦测点,该点云接收处理模块储存一有效窗格点数并计数位于各该窗格的所述车身坐标系点信息的一侦测点数量,然后该点云接收处理模块比较该有效窗格点数与该侦测点数量的大小;
其中,当该侦测点数量大于该有效窗格点数时,该点云接收处理模块将对应的该窗格视为一有效窗格;
当该侦测点数量小于等于该有效窗格点数时,该点云接收处理模块将对应的该窗格视为一无效窗格。
15.根据权利要求14所述的三维感测器的动态地面侦测方法,其特征在于,
在该折线拟合演算法中,该点云接收处理模块储存一参考地面斜率,且该点云接收处理模块从各该有效窗格内的多个该车身坐标系点信息中选取出一最小车身坐标系点高度值并将任相邻的二该有效窗格的该二最小车身坐标系点高度值所对应的二窗格中心点连线而产生一连线斜率,该点云接收处理模块比较该连线斜率与该参考地面斜率的大小;
其中,当该连线斜率大于该参考地面斜率时,该点云接收处理模块将相邻的该二有效窗格中距离该车辆较远的一该有效窗格视为一再审无效窗格,另一该有效窗格视为一再审有效窗格;
当该连线斜率小于等于该参考地面斜率时,该点云接收处理模块将相邻的该二有效窗格视为二该再审有效窗格。
16.根据权利要求15所述的三维感测器的动态地面侦测方法,其特征在于,
在该折线拟合演算法中,该点云接收处理模块依据所述再审有效窗格以一内插法填补邻近的各该无效窗格及各该再审无效窗格而拟合出该路面高度基准线。
17.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,还包含:
一点云过滤步骤,是利用该点云接收处理模块过滤所述多个车身坐标系点信息,且该点云接收处理模块储存一滤除高度并依据该滤除高度与该路面高度基准线运算而产生一滤除线,该滤除线具有一滤除线高度值,该点云接收处理模块将所述多个车身坐标系点信息中的所述车身坐标系点高度值大于该滤除线高度值的多个该侦测点予以滤除。
18.根据权利要求10所述的三维感测器的动态地面侦测方法,其特征在于,该点云非地面分析步骤还包含:
一坡度分析子步骤,是利用该点云接收处理模块分析任一该侦测线中的所述多个侦测点而产生一坡度关系式,该点云接收处理模块储存一容忍地面起伏值并比较该坡度关系式与该容忍地面起伏值的大小,该坡度关系式表示为SR,该容忍地面起伏值表示为εr,各该侦测线中相邻的二该侦测点分别表示为(xθ,j,yθ,j,zθ,j)与(xθ,j+1,yθ,j+1,zθ,j+1),该坡度关系式符合下式:
其中,当该坡度关系式大于该容忍地面起伏值时,所述侦测点视为一大坡度处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305765.6A CN109902542B (zh) | 2017-12-11 | 2017-12-11 | 三维感测器的动态地面侦测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711305765.6A CN109902542B (zh) | 2017-12-11 | 2017-12-11 | 三维感测器的动态地面侦测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109902542A true CN109902542A (zh) | 2019-06-18 |
CN109902542B CN109902542B (zh) | 2023-11-21 |
Family
ID=66941952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711305765.6A Active CN109902542B (zh) | 2017-12-11 | 2017-12-11 | 三维感测器的动态地面侦测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902542B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241224A (zh) * | 2020-01-10 | 2020-06-05 | 福瑞泰克智能***有限公司 | 目标距离估计的方法、***、计算机设备和存储介质 |
CN112232247A (zh) * | 2020-10-22 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 可行驶区域路面提取方法和装置 |
CN112348993A (zh) * | 2019-08-07 | 2021-02-09 | 财团法人车辆研究测试中心 | 可提供环境信息的动态图资建立方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110164037A1 (en) * | 2008-08-29 | 2011-07-07 | Mitsubishi Electric Corporaiton | Aerial image generating apparatus, aerial image generating method, and storage medium havng aerial image generating program stored therein |
WO2014043764A1 (en) * | 2012-09-21 | 2014-03-27 | Umwelt (Australia) Pty. Limited | On-ground or near-ground discrete object detection method and system |
GB201421329D0 (en) * | 2014-12-02 | 2015-01-14 | Nokia Corp | Objection recognition in a 3D scene |
US20160026184A1 (en) * | 2014-07-24 | 2016-01-28 | GM Global Technology Operations LLC | Curb detection using lidar with sparse measurements |
US9285230B1 (en) * | 2013-12-20 | 2016-03-15 | Google Inc. | Methods and systems for detecting road curbs |
US20160147915A1 (en) * | 2014-11-24 | 2016-05-26 | Google Inc. | Systems and Methods for Detecting and Modeling Curb Curves in Complex Urban Scenes |
US20160253566A1 (en) * | 2015-02-26 | 2016-09-01 | Mobileye Vision Technologies Ltd. | Road vertical contour detection using a stabilized coordinate frame |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
-
2017
- 2017-12-11 CN CN201711305765.6A patent/CN109902542B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110164037A1 (en) * | 2008-08-29 | 2011-07-07 | Mitsubishi Electric Corporaiton | Aerial image generating apparatus, aerial image generating method, and storage medium havng aerial image generating program stored therein |
WO2014043764A1 (en) * | 2012-09-21 | 2014-03-27 | Umwelt (Australia) Pty. Limited | On-ground or near-ground discrete object detection method and system |
US9285230B1 (en) * | 2013-12-20 | 2016-03-15 | Google Inc. | Methods and systems for detecting road curbs |
US20160026184A1 (en) * | 2014-07-24 | 2016-01-28 | GM Global Technology Operations LLC | Curb detection using lidar with sparse measurements |
US20160147915A1 (en) * | 2014-11-24 | 2016-05-26 | Google Inc. | Systems and Methods for Detecting and Modeling Curb Curves in Complex Urban Scenes |
GB201421329D0 (en) * | 2014-12-02 | 2015-01-14 | Nokia Corp | Objection recognition in a 3D scene |
US20160253566A1 (en) * | 2015-02-26 | 2016-09-01 | Mobileye Vision Technologies Ltd. | Road vertical contour detection using a stabilized coordinate frame |
CN106530380A (zh) * | 2016-09-20 | 2017-03-22 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
Non-Patent Citations (1)
Title |
---|
高灿 等: "基于机器视觉的路缘识别及距离测量方法研究", 《建设机械技术与管理》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112348993A (zh) * | 2019-08-07 | 2021-02-09 | 财团法人车辆研究测试中心 | 可提供环境信息的动态图资建立方法及*** |
CN111241224A (zh) * | 2020-01-10 | 2020-06-05 | 福瑞泰克智能***有限公司 | 目标距离估计的方法、***、计算机设备和存储介质 |
CN112232247A (zh) * | 2020-10-22 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 可行驶区域路面提取方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109902542B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI652449B (zh) | 三維感測器之動態地面偵測方法 | |
CN110780305B (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN106156748B (zh) | 基于车载双目相机的交通场景参与者识别方法 | |
CN109359409A (zh) | 一种基于视觉与激光雷达传感器的车辆可通过性检测*** | |
CN104268506B (zh) | 基于深度图像的客流计数检测方法 | |
DE102020112314A1 (de) | Verifizierung von fahrzeugbildern | |
CN109460709A (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN109738910A (zh) | 一种基于三维激光雷达的路沿检测方法 | |
CN108537197A (zh) | 一种基于深度学习的车道线检测预警装置及预警方法 | |
CN110211176A (zh) | 一种相机外参数校正***与方法 | |
CN106681353A (zh) | 基于双目视觉与光流融合的无人机避障方法及*** | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN105550665A (zh) | 一种基于双目视觉的无人驾驶汽车可通区域检测方法 | |
CN105404844A (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
CN104902261B (zh) | 用于低清晰度视频流中的路面识别的装置和方法 | |
CN104573646A (zh) | 基于激光雷达和双目相机的车前行人检测方法及*** | |
CN107392103A (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及*** | |
He et al. | Lane marking detection based on convolution neural network from point clouds | |
CN104005325A (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
CN109902542A (zh) | 三维感测器的动态地面侦测方法 | |
CN112149550A (zh) | 一种基于多传感器融合的自动驾驶车辆3d目标检测方法 | |
CN108876799A (zh) | 一种基于双目相机的实时台阶检测方法 | |
CN104063702A (zh) | 一种基于遮挡修复和局部相似性匹配的三维步态识别方法 | |
CN112800938B (zh) | 无人驾驶车辆检测侧面落石发生的方法及装置 |
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 |