CN110728693A - 大规模行车路面三维点云的生成方法及*** - Google Patents

大规模行车路面三维点云的生成方法及*** Download PDF

Info

Publication number
CN110728693A
CN110728693A CN201910931149.4A CN201910931149A CN110728693A CN 110728693 A CN110728693 A CN 110728693A CN 201910931149 A CN201910931149 A CN 201910931149A CN 110728693 A CN110728693 A CN 110728693A
Authority
CN
China
Prior art keywords
point cloud
cloud data
coordinate system
vehicle
data
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
Application number
CN201910931149.4A
Other languages
English (en)
Other versions
CN110728693B (zh
Inventor
戚明旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Tuqu Information Technology Co ltd
Original Assignee
Shanghai Tuqu Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Tuqu Information Technology Co Ltd filed Critical Shanghai Tuqu Information Technology Co Ltd
Priority to CN201910931149.4A priority Critical patent/CN110728693B/zh
Publication of CN110728693A publication Critical patent/CN110728693A/zh
Application granted granted Critical
Publication of CN110728693B publication Critical patent/CN110728693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明揭示了一种大规模行车路面三维点云的生成方法及***，所述生成***包括坐标系转换模块、点云数据截取模块、局部地面点云获取模块、位姿获取模块、第四点云获取模块、大规模地面点云获取模块。坐标系转换模块用以将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；点云数据截取模块用以从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；大规模地面点云获取模块用以根据第四点云获取模块获取的第四点云数据获得世界坐标系下的大规模地面点云数据。本发明提出的大规模行车路面三维点云的生成方法及***，可有效制作任意场景、任意规模的地面点云地图，可用于地图标注、无人车等领域。

Description

大规模行车路面三维点云的生成方法及***
技术领域
本发明属于无人驾驶技术领域，涉及一种点云生成方法，尤其涉及一种大规模行车路面三维点云的生成方法及***。
背景技术
随着无人驾驶技术的发展延伸，无人车相关技术与导航地图领域有了更为深入的结合。众所周知，车载激光已经成为无人车配置架构中的重要元素，作为一种高精度的、主动式传感器，激光雷在无人车技术中心的导航、定位、目标识别、避障等方面都有广泛应用。
对于无人驾驶汽车而言，因为行车路面包含大量语义信息，包括转向线、停止线、限速、车道线等，同时也包含地形地貌周围可通行区域状态，能够获取到路面地图的先验性信息对于导航、路径规划、定位等技术都是非常重要的。
目前地面点云生成的技术方法主要有三维点云向2.5D投影的栅格图类方法、基于平面模型拟合的方法、基于扫描线规则的提取方法等。
对于2.5D栅格图方法，有个明显缺陷就是该方法无法准确处理悬空物体，需要添加其他技术手段来弥补；
单纯基于平面拟合的方法无法做到任意场景、任意规模，在包含结构化道路和非结构化道路、上下坡道、城市立交、楼宇之间城市道路等场景中，单纯基于平面拟合是很难做到完整提取或避免提取到其他非路面的平面。
对于基于扫描线规则的路面激光点云生成方法，由于现实场景的纷繁复杂，扫描线规则的普适性并不强，只有在城市结构化道路中，依据扫描线规则进行提取才会比较稳定准确，另外其提取的鲁棒性也相对较差，会因为动态遮挡等问题影响效果。
有鉴于此，如今迫切需要设计一种新的三维点云生成方式，以便克服现有三维点云生成方式存在的上述缺陷。
发明内容
本发明提供一种大规模行车路面三维点云的生成方法及***，可有效地制作任意场景、任意规模的地面点云地图；同时可提高提取的效率及准确率。
为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：
一种大规模行车路面三维点云的生成方法，所述生成方法包括：
步骤S1、将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；
步骤S2、处理各个第二点云数据，从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；
步骤S3、处理各个第三点云数据，获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据；
步骤S4、对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿；
步骤S5、根据步骤S3获取的各个局部地面点云数据及步骤S4获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据；
步骤S6、根据所述步骤S5获取的各个第四点云数据，获得世界坐标系下的大规模地面点云数据。
作为本发明的一种实施方式，所述步骤S1中，将从激光坐标系中获得的原始点云数据通过标定矩阵转换为车辆坐标系的第二点云数据。
作为本发明的一种实施方式，所述步骤S1中，所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
作为本发明的一种实施方式，所述步骤S1中，所述原始点云数据Dl至少包含点坐标数据(xyz)。
作为本发明的一种实施方式，所述原始点云数据还可以包含色彩信息、强度信息。
作为本发明的一种实施方式，所述步骤S2中，对第二点云数据按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据。
作为本发明的一种实施方式，所述步骤S2中，所述第三点云数据Dc’中包含车辆附近的部分地面信息以及地面高度以上设定区域内的非地面点云。
作为本发明的一种实施方式，所述步骤S2中，车辆坐标系(OXYZ)c为Z轴向上X轴向前，Y轴向左，车辆质心为坐标系原点，则第二点云数据Dc除去掉高度大于0的点集，得到第三点云数据Dc’。
作为本发明的一种实施方式，所述步骤S3中，对第三点云数据拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
作为本发明的一种实施方式，所述步骤S3中，对第三点云数据Dc’采用随机抽样一致性算法，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
作为本发明的一种实施方式，所述步骤S4中，对于全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…。
根据本发明的另一个方面，采用如下技术方案：一种大规模行车路面三维点云的生成***，所述生成***包括：
坐标系转换模块，用以将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；
点云数据截取模块，用以从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；
局部地面点云获取模块，用以获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据；
位姿获取模块，用以对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿；
第四点云获取模块，用以根据所述局部地面点云获取模块获取的各个局部地面点云数据及所述位姿获取模块获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据；
大规模地面点云获取模块，用以根据所述第四点云获取模块获取的第四点云数据获得世界坐标系下的大规模地面点云数据。
作为本发明的一种实施方式，所述坐标系转换模块用以将激光坐标系中获得的原始点云数据Dl通过标定矩阵M转换为车辆坐标系的第二点云数据Dc。
作为本发明的一种实施方式，所述点云数据截取模块用以对第二点云数据Dc按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据Dc’；第三点云数据Dc’中包含车辆附近大部分地面信息以及地面高度以上设定区域内的非地面点云。
作为本发明的一种实施方式，所述局部地面点云获取模块用以对第三点云数据Dc’拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
作为本发明的一种实施方式，所述世界坐标系下点云获取模块用以对于全部地面点云数据序列Gci，i＝1,2,3,…；经处理得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到局部地面点云数据Gci在世界坐标系下的第四点云数据Gwi。
作为本发明的一种实施方式，所述大规模地面点云获取模块用以获得世界坐标系下的大规模地面点云数据
作为本发明的一种实施方式，所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
作为本发明的一种实施方式，所述原始点云数据至少包含点坐标数据(xyz)。
作为本发明的一种实施方式，所述原始点云数据还可以包含色彩信息、强度信息。
作为本发明的一种实施方式，所述局部地面点云获取模块用以对Dc’采用随机抽样一致性算法，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
作为本发明的一种实施方式，所述第四点云获取模块对全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据。
本发明的有益效果在于：本发明提出的大规模行车路面三维点云的生成方法及***，可以有效地制作任意场景、任意规模的地面点云地图，可用于地图标注、无人车等领域。
本发明可以适用于任意行车环境的路面提取；本发明所涉及的方法可以做增量地面点云生产，实现规模化作业；本发明对于路面点云提取的效率、准确率都很高，后处理过程一次成形；本发明简化了对路面提取算法的要求，仅仅使用RANSAC即可以做到简单、准确、高效。
附图说明
图1为本发明一实施例中大规模行车路面三维点云的生成方法的流程图。
图2为本发明一实施例中大规模行车路面三维点云的生成***的组成示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
该部分的描述只针对几个典型的实施例，本发明并不仅局限于实施例描述的范围。相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。
本发明揭示了一种大规模行车路面三维点云的生成方法，图1为本发明一实施例中大规模行车路面三维点云的生成方法的流程图；请参阅图1，在本发明的一实施例中，所述生成方法包括：
【步骤S1】将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；
【步骤S2】处理各个第二点云数据，从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；
【步骤S3】处理各个第三点云数据，获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据；
【步骤S4】对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿；
【步骤S5】根据步骤S3获取的各个局部地面点云数据及步骤S4获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据；
【步骤S6】根据所述步骤S5获取的各个第四点云数据，获得世界坐标系下的大规模地面点云数据。
在本发明的一实施例中，本发明为一种基于车载激光SLAM后处理的大规模行车路面三维点云的生成方法。本方法利用车载多线激光雷达对环境进行扫描获得车辆周围点云所述多线激光雷达与车体实行刚性固定，并且激光扫描视角之内可以扫描到车辆行驶的地面。
所述激光雷达相对于车辆位姿的标定矩阵(M)已知；本发明涉及三个坐标系：激光坐标系(OXYZ)l，车辆坐标系(OXYZ)c，世界坐标系(OXYZ)w。
本发明利用SLAM技术对车载激光的位姿进行后处理计算，该算法可以提供行车过程中所有位置车辆在世界坐标系中的位姿(S)；本发明所涉及的位姿的描述为空间位置姿态xyz，以及空间角度姿态用四元数(w,w_x,w_y,w_z)进行表示，或用空间欧拉角(roll,pitch,yaw)进行描述。
在本发明的一实施例中，所述步骤S1中，将从激光坐标系中获得的原始点云数据Dl通过标定矩阵M转换为车辆坐标系的第二点云数据Dc。在本发明的一实施例中，所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
在本发明的一实施例中，所述步骤S1中，所述原始点云数据Dl至少包含点坐标数据(xyz)；所述原始点云数据还包含色彩信息、强度信息。
在本发明的一实施例中，所述步骤S2中，对第二点云数据按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据Dc’。在本发明的一实施例中，所述第三点云数据Dc’中包含车辆附近的部分地面信息以及地面高度以上设定区域内的非地面点云。
在本发明的一实施例中，车辆坐标系(OXYZ)c为Z轴向上X轴向前，Y轴向左，车辆质心为坐标系原点，则第二点云数据Dc除去掉高度大于0的点集，得到第三点云数据Dc’。
在本发明的一实施例中，所述步骤S3中，为了进一步剥离开地面点云数据点和非地面的数据点，对第三点云数据拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。对第三点云数据Dc’采用随机抽样一致性算法(RANSAC)，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
在本发明的一实施例中，所述步骤S4中，对于全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…。
在本发明的一实施例中，所述步骤S5中，经过变换得到各个局部地面点云数据Gci在世界坐标系下的第四点云数据Gwi。
在本发明的一实施例中，所述步骤S6中，获得所述世界坐标系下的大规模地面点云
Figure BDA0002217730750000061
本发明还揭示一种大规模行车路面三维点云的生成***，所述生成***包括：坐标系转换模块1、点云数据截取模块2、局部地面点云获取模块3、位姿获取模块4、第四点云获取模块5、大规模地面点云获取模块6。
坐标系转换模块1用以将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据。点云数据截取模块2用以从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据。局部地面点云获取模块3用以获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据。位姿获取模块4用以对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿。第四点云获取模块5用以根据所述局部地面点云获取模块获取的各个局部地面点云数据及所述位姿获取模块获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据。大规模地面点云获取模块6用以根据所述第四点云获取模块获取的第四点云数据获得世界坐标系下的大规模地面点云数据。
在本发明的一实施例中，所述坐标系转换模块用以将激光坐标系中获得的原始点云数据Dl通过标定矩阵M转换为车辆坐标系的第二点云数据Dc。
在本发明的一实施例中，所述点云数据截取模块用以对第二点云数据Dc按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据Dc’；第三点云数据Dc’中包含车辆附近大部分地面信息以及地面高度以上设定区域内的非地面点云。
在本发明的一实施例中，所述局部地面点云获取模块用以对第三点云数据Dc’拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
在本发明的一实施例中，所述世界坐标系下点云获取模块用以对于全部地面点云数据序列Gci，i＝1,2,3,…；经处理得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到局部地面点云数据Gci在世界坐标系下的第四点云数据Gwi。
在本发明的一实施例中，所述大规模地面点云获取模块用以获得世界坐标系下的大规模地面点云数据
Figure BDA0002217730750000071
在本发明的一实施例中，所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
在本发明的一实施例中，所述原始点云数据至少包含点坐标数据(xyz)；所述原始点云数据还可以包含色彩信息、强度信息。
在本发明的一实施例中，所述局部地面点云获取模块用以对Dc’采用随机抽样一致性算法，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
在本发明的一实施例中，所述第四点云获取模块对全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据。
综上所述，本发明提出的大规模行车路面三维点云的生成方法及***，可以有效地制作任意场景、任意规模的地面点云地图，可用于地图标注、无人车等领域。
本发明可以适用于任意行车环境的路面提取；本发明所涉及的方法可以做增量地面点云生产，实现规模化作业；本发明对于路面点云提取的效率、准确率都很高，后处理过程一次成形；本发明简化了对路面提取算法的要求，仅仅使用RANSAC即可以做到简单、准确、高效。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。

Claims (19)

1.一种大规模行车路面三维点云的生成方法，其特征在于，所述生成方法包括：
步骤S1、将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；
步骤S2、处理各个第二点云数据，从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；
步骤S3、处理各个第三点云数据，获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据；
步骤S4、对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿；
步骤S5、根据步骤S3获取的各个局部地面点云数据及步骤S4获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据；
步骤S6、根据所述步骤S5获取的各个第四点云数据，获得世界坐标系下的大规模地面点云数据。
2.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S1中，将从激光坐标系中获得的原始点云数据通过标定矩阵转换为车辆坐标系的第二点云数据。
3.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S1中，所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
4.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S1中，所述原始点云数据至少包含点坐标数据(xyz)；
所述原始点云数据还包含色彩信息、强度信息。
5.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S2中，对第二点云数据按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据。
6.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S2中，所述第三点云数据Dc’中包含车辆附近的部分地面信息以及地面高度以上设定区域内的非地面点云。
7.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S2中，车辆坐标系(OXYZ)c为Z轴向上X轴向前，Y轴向左，车辆质心为坐标系原点，则第二点云数据Dc除去掉高度大于0的点集，得到第三点云数据Dc’。
8.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S3中，对第三点云数据Dc’采用随机抽样一致性算法，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
9.根据权利要求1所述的大规模行车路面三维点云的生成方法，其特征在于：
所述步骤S4中，对于全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…。
10.一种大规模行车路面三维点云的生成***，其特征在于，所述生成***包括：
坐标系转换模块，用以将从激光坐标系中获得的各个原始点云数据转换为车辆坐标系下对应的第二点云数据；
点云数据截取模块，用以从各个第二点云数据去除高度大于设定阈值的点云数据，得到对应的第三点云数据；
局部地面点云获取模块，用以获取各个第三点云数据在车辆坐标系下对应的局部地面点云数据；
位姿获取模块，用以对全部地面点云数据序列中的每个原始点云数据处理得到相应的车辆在世界坐标系的位姿；
第四点云获取模块，用以根据所述局部地面点云获取模块获取的各个局部地面点云数据及所述位姿获取模块获取的对应车辆在世界坐标系的位姿，经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据；
大规模地面点云获取模块，用以根据所述第四点云获取模块获取的第四点云数据获得世界坐标系下的大规模地面点云数据。
11.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述坐标系转换模块用以将激光坐标系中获得的原始点云数据Dl通过标定矩阵M转换为车辆坐标系的第二点云数据Dc。
12.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述点云数据截取模块用以对第二点云数据Dc按车辆高度方向进行切割，去除高度大于设定阈值的点云数据，得到第三点云数据Dc’；第三点云数据Dc’中包含车辆附近大部分地面信息以及地面高度以上设定区域内的非地面点云。
13.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述局部地面点云获取模块用以对第三点云数据Dc’拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
14.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述世界坐标系下点云获取模块用以对于全部地面点云数据序列Gci，i＝1,2,3,…；经处理得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到局部地面点云数据Gci在世界坐标系下的第四点云数据Gwi。
15.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述大规模地面点云获取模块用以获得世界坐标系下的大规模地面点云数据
Figure FDA0002217730740000031
16.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述原始点云数据Dl为多线激光单圈扫描得到的原始数据，或者为多帧数据累计的激光点云。
17.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述原始点云数据至少包含点坐标数据(xyz)；
所述原始点云数据还包含色彩信息、强度信息。
18.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述局部地面点云获取模块用以对Dc’采用随机抽样一致性算法，拟合得到满足平面方程ax+by+cz+d＝0的数量最多的三维点集，即为车载坐标系下的局部地面点云数据Gci，其中i表示第i个激光原始数据。
19.根据权利要求10所述的大规模行车路面三维点云的生成***，其特征在于：
所述第四点云获取模块对全部地面点云数据序列Gci，i＝1,2,3,…；根据SLAM后处理算法得到相应的车辆在世界坐标系(OXYZ)w的位姿Si，i＝1,2,3,…；进而经过变换得到各个局部地面点云数据在世界坐标系下的第四点云数据。
CN201910931149.4A 2019-09-27 2019-09-27 大规模行车路面三维点云的生成方法及*** Active CN110728693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910931149.4A CN110728693B (zh) 2019-09-27 2019-09-27 大规模行车路面三维点云的生成方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910931149.4A CN110728693B (zh) 2019-09-27 2019-09-27 大规模行车路面三维点云的生成方法及***

Publications (2)

Publication Number Publication Date
CN110728693A true CN110728693A (zh) 2020-01-24
CN110728693B CN110728693B (zh) 2022-12-23

Family

ID=69219602

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910931149.4A Active CN110728693B (zh) 2019-09-27 2019-09-27 大规模行车路面三维点云的生成方法及***

Country Status (1)

Country Link
CN (1) CN110728693B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112581579A (zh) * 2020-12-22 2021-03-30 同济大学 一种磁浮滑行面点云数据提取方法
CN113945219A (zh) * 2021-09-28 2022-01-18 武汉万集光电技术有限公司 动态地图生成方法、***、可读存储介质及终端设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106969763A (zh) * 2017-04-07 2017-07-21 百度在线网络技术（北京）有限公司 用于确定无人驾驶车辆的偏航角的方法和装置
CN107167090A (zh) * 2017-03-13 2017-09-15 深圳市速腾聚创科技有限公司 车辆外廓尺寸测量方法及***
CN108267141A (zh) * 2016-12-30 2018-07-10 乐视汽车（北京）有限公司 道路点云数据处理***
CN108871353A (zh) * 2018-07-02 2018-11-23 上海西井信息科技有限公司 路网地图生成方法、***、设备及存储介质
CN109297510A (zh) * 2018-09-27 2019-02-01 百度在线网络技术（北京）有限公司 相对位姿标定方法、装置、设备及介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108267141A (zh) * 2016-12-30 2018-07-10 乐视汽车（北京）有限公司 道路点云数据处理***
CN107167090A (zh) * 2017-03-13 2017-09-15 深圳市速腾聚创科技有限公司 车辆外廓尺寸测量方法及***
CN106969763A (zh) * 2017-04-07 2017-07-21 百度在线网络技术（北京）有限公司 用于确定无人驾驶车辆的偏航角的方法和装置
CN108871353A (zh) * 2018-07-02 2018-11-23 上海西井信息科技有限公司 路网地图生成方法、***、设备及存储介质
CN109297510A (zh) * 2018-09-27 2019-02-01 百度在线网络技术（北京）有限公司 相对位姿标定方法、装置、设备及介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN112581579A (zh) * 2020-12-22 2021-03-30 同济大学 一种磁浮滑行面点云数据提取方法
CN112581579B (zh) * 2020-12-22 2022-11-18 同济大学 一种磁浮滑行面点云数据提取方法
CN113945219A (zh) * 2021-09-28 2022-01-18 武汉万集光电技术有限公司 动态地图生成方法、***、可读存储介质及终端设备
CN113945219B (zh) * 2021-09-28 2024-06-11 武汉万集光电技术有限公司 动态地图生成方法、***、可读存储介质及终端设备

Also Published As

Publication number Publication date
CN110728693B (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN107505644B (zh) 基于车载多传感器融合的三维高精度地图生成***及方法
CN110728693B (zh) 大规模行车路面三维点云的生成方法及***
CN112162297B (zh) 一种剔除激光点云地图中动态障碍伪迹的方法
CN103542868A (zh) 基于角度和强度的车载激光点云噪点自动去除方法
CN113640822B (zh) 一种基于非地图元素过滤的高精度地图构建方法
CN114111775B (zh) 一种多传感器融合定位方法、装置、存储介质及电子设备
CN111354083B (zh) 一种基于原始激光点云的递进式建筑物提取方法
CN114323050A (zh) 车辆定位方法、装置和电子设备
CN110927762A (zh) 一种定位修正方法、装置及***
CN112859110B (zh) 一种基于三维激光雷达的定位导航方法
CN114485698B (zh) 一种交叉路口引导线生成方法及***
CN112014856A (zh) 一种适于交叉路段的道路边沿提取方法及装置
Kwak et al. Registration of aerial imagery and aerial LiDAR data using centroids of plane roof surfaces as control information
CN113240813A (zh) 三维点云信息确定方法及装置
CN114140533A (zh) 摄像头外参标定的方法与装置
CN114119682A (zh) 一种激光点云和图像配准方法及配准***
CN114283070A (zh) 融合无人机影像与激光点云的地形断面制作方法
CN112180396B (zh) 一种激光雷达定位及地图创建方法
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
Tahar et al. Capability of low cost digital camera for production of orthophoto and volume determination
Velat et al. Vision based vehicle localization for autonomous navigation
CN114897967A (zh) 一种面向挖掘装备自主作业的物料形态识别方法
CN114419118A (zh) 三维点云配准方法、移动设备及存储介质
Steinemann et al. Determining the outline contour of vehicles In 3D-LIDAR-measurements
Dai et al. Roadside Edge Sensed and Fused Three-dimensional Localization using Camera and LiDAR

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: 20201113

Address after: Unit 908, 9 / F, building 1, No. 58, Xiangke Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200123

Applicant after: Shanghai Zhizhuo Information Technology Co.,Ltd.

Address before: 200120 9 / F, building a, No. 58 Xiangke Road, Pudong New Area, Shanghai

Applicant before: SHANGHAI TUQU INFORMATION TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210331

Address after: 9 / F, building a, 58 Xiangke Road, Pudong New Area, Shanghai, 200120

Applicant after: SHANGHAI TUQU INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 200123 unit 908, 9 / F, building 1, 58 Xiangke Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai

Applicant before: Shanghai Zhizhuo Information Technology Co.,Ltd.

TA01 Transfer of patent application right
CB02 Change of applicant information

Address after: 9 / F, building a, 58 Xiangke Road, Pudong New Area, Shanghai, 200120

Applicant after: Shanghai Weizhi Zhuoxin Information Technology Co.,Ltd.

Address before: 9 / F, building a, 58 Xiangke Road, Pudong New Area, Shanghai, 200120

Applicant before: SHANGHAI TUQU INFORMATION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant