CN110865394A - 一种基于激光雷达数据的目标分类***及其数据处理方法 - Google Patents
一种基于激光雷达数据的目标分类***及其数据处理方法 Download PDFInfo
- Publication number
- CN110865394A CN110865394A CN201910904542.4A CN201910904542A CN110865394A CN 110865394 A CN110865394 A CN 110865394A CN 201910904542 A CN201910904542 A CN 201910904542A CN 110865394 A CN110865394 A CN 110865394A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- computer
- laser radar
- data
- height
- 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.)
- Pending
Links
Images
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
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于水陆两栖无人平台技术中的监控与智能控制领域，涉及平台监控***的数据采集以及目标标注，尤其是一种基于激光雷达数据的目标分类***，包括一两栖平台，包括32线激光雷达、车载加固计算机、显示器以及车载电源，所述32线激光雷达安装在两栖平台的车顶上方，车载加固计算机、显示器和车载电源安装在两栖平台的车内；所述32线激光雷达的信号输出端与车载加固计算机相连接，车载加固计算机的数据输出端与显示器连接；所述32线激光雷达用于对两栖平台外部环境进行地面检测，车载加固计算机将上述信号进行处理并通过显示器进行表达。
Description
技术领域
本发明属于水陆两栖无人平台技术中的监控与智能控制领域，涉及平台监控***的数据采集以及目标标注，尤其是一种基于激光雷达数据的目标分类***。
背景技术
水陆两栖无人平台是一种兼具陆地行驶和水上航行的特殊运动平台，是对无人车和无人艇在功能上的整合，具有普通无人车及无人艇所不能及的行驶环境适应性。水陆两栖无人平台具有“水上快速而隐蔽、陆上机动而灵活，以及在水陆交界处独特通行性能”等特点，在安全保护、信息采集、补给作业、独立作战、水陆两栖一体化作战等军用和民用领域具有广泛的应用。水陆两栖无人平台与传统无人平台不同，作战环境除陆地外，还包括岛礁、水沿、界江、内河及海岸、浅滩等区域。
因此，水陆两栖环境感知是水陆两栖无人平台的感知***的重点任务之一。在各类用于感知***的传感器中，激光雷达具有测距精度高、实时性好、适用范围广等特点，因此在无人水陆两栖平台中用作主要的障碍物检测传感器。现基于激光雷达装置研制一种目标分类***，以确定水陆两栖平台四周障碍物的目标分类***。
发明内容
本发明提供一种基于32线雷达装置，用以判断并识别水陆两栖平台四周障碍物的目标分类***。
一种基于激光雷达数据的目标分类***，包括一两栖平台，其特征在于：包括32线激光雷达、车载加固计算机、显示器以及车载电源，所述32线激光雷达安装在两栖平台的车顶上方，车载加固计算机、显示器和车载电源安装在两栖平台的车内；所述32线激光雷达的信号输出端与车载加固计算机相连接，车载加固计算机的数据输出端与显示器连接；所述32线激光雷达用于对两栖平台外部环境进行地面检测，车载加固计算机将上述信号进行处理并通过显示器进行表达。
进一步的，所述车载加固计算机包括工控机1,、工控机2、工控机3、激光惯性导航***、卫星导航***和交换机，所述激光惯性导航***的信号输出端与工控机2相连接，工控机2用于对激光惯性导航输出数据进行预处理；所述卫星导航***的信号输出端和工控机3相连接，工控机3用于对卫星导航***进行预处理；所述工控机2和工控机3均与工控机1双向互通，工控机1、工控机2和工控机3均可与交换机连接实现与外部网络的数据交换。
进一步的，所述车载加固计算机基于RANSAC算法对点云数据进行地面检测。
进一步的，所述32线激光雷达优选安装在车顶上方30厘米位置，四周同一水平高度不存在遮挡物。
进一步的，所述显示器采用多线程接收方式。
进一步的，基于激光雷达数据的目标分类***的数据处理方法，其特征在于：
包括如下步骤：
步骤1：应用32线激光雷达进行栅格投影；
步骤2：载入多尺度地图，建立平面矩阵；
步骤3：在步骤2载入的多尺度地图基础上，配合步骤1的栅格投影分离平面块；
步骤4：对每个平面块进行判定，将地面块判定为路面块或障碍物层；
步骤5：针对步骤4中对判定的障碍物层，确定相应障碍物位置。
而且，所述步骤3中将步骤1栅格投影中位于同一栅格内的32线激光雷达产生的点云数据按照高度从小到大进行排序，进而得到数据点列表，依据相邻两数据点在垂直高度间隔的大小为判据判断两点是否属于同一个平面块。
而且，所述步骤3中通过载入的多尺度地图的场景，选取相应的高度阈值Hth，遍历整个栅格图，当上点与下点的间隔大于高度阈值时，两点分属不同的平面块，以此分割所有的平面块。
而且，对于步骤3中选取高度判定值的上限为Hb，下限为Ha；将选择垂直高度最小的平面块为地面候补平面块，得到最大最小高度得到平面块高度差ΔH，当ΔH>Hb；则判定该平面块为障碍物，当ΔH<Ha，则判定该平面块为路面；当Ha<ΔH<Hb时，则引入强度特征，当平面块强度均值在强度均值阈值Iamean和Ibmean之间，强度方差小于方差阈值Itvar时，判定为路面；将高度均值作为此栅格中路面层的高度Hg。
而且，测定两栖平台顶部激光雷达的高度为Hv，判定高度在Hg-Hg+Hv的区域为障碍物层并确定障碍物的竖直高度位置。
本发明的优点和积极效果是：
本发明中，32线激光雷达用于实时获取水陆两栖平台周边环境的点云信息，并通过网络及时发送到指定的IP地址中，车载加固计算机实时接收来自激光雷达的点云数据并对点云数据进行分割和处理，显示器内置的显示界面采用多线程接收，在CPU空闲时及时处理其他数据从而提升提高CPU的利用率以实现实时性，将32线激光雷达安装在两栖平台上方30公分位置，有助于减少雷达扫描的盲区。
本发明中，车载加固计算机包括工控机1,、工控机2、工控机3、激光惯性导航***、卫星导航***和交换机，工控机2和工控机3分别用于处理激光惯性导航***、卫星导航***输出的数据，经预处理之后的数据由工控机1进行分割和处理，之后通过显示器显示，并通过交换机实现与外部的通信。
应用本发明所述的基于激光雷达数据的目标分类***的数据处理方法包括：步骤1：应用32线激光雷达进行栅格投影；步骤2：载入多尺度地图，建立平面矩阵；步骤3：在步骤2载入的多尺度地图基础上，配合步骤1的栅格投影分离平面块；步骤4：对每个平面块进行判定，将地面块判定为路面块或障碍物层；步骤5：针对步骤4中对判定的障碍物层，确定相应障碍物位置。
在处理过程中，人工载入相应地理位置的多尺度地图，在该多尺度地图的基础上应用32线激光雷达进行栅格投影，将所在区域划分为多个平面块。通过32线激光雷达产生的点云数据按照高度从小到大进行排序，进而得到数据点列表，依据相邻两数据点在垂直高度间隔的大小为判据判断两点是否属于同一个平面块，进而将各个平面块进行分割。之后，对于每个平面块的竖直高度进行判断，划分为路面块，障碍物层，并最终判断障碍物层的高度位置。
附图说明
图1是本发明的结构示意图；
图2为本发明的模块连接图；
图3为车载加固计算机部分的模块图；
图4为本发明的算法流程图；
图5为激光雷达点云数据离线处理效果图。
具体实施方式
下面结合实施例，对本发明进一步说明，下述实施例是说明性的，不是限定性的，不能以下述实施例来限定本发明的保护范围。
一种基于激光雷达数据的目标分类***，包括一两栖平台，本发明的创新在于，包括32线激光雷达、车载加固计算机、显示器以及车载电源，所述32线激光雷达安装在两栖平台的车顶上方，车载加固计算机、显示器和车载电源安装在两栖平台的车内；所述32线激光雷达的信号输出端与车载加固计算机相连接，车载加固计算机的数据输出端与显示器连接；所述32线激光雷达用于对两栖平台外部环境进行地面检测，车载加固计算机将上述信号进行处理并通过显示器进行表达。
本实施例中，所述车载加固计算机包括工控机1,、工控机2、工控机3、激光惯性导航***、卫星导航***和交换机，所述激光惯性导航***的信号输出端与工控机2相连接，工控机2用于对激光惯性导航输出数据进行预处理；所述卫星导航***的信号输出端和工控机3相连接，工控机3用于对卫星导航***进行预处理；所述工控机2和工控机3均与工控机1双向互通，工控机1、工控机2和工控机3均可与交换机连接实现与外部网络的数据交换。
本实施例中，所述车载加固计算机基于RANSAC算法对点云数据进行地面检测。
本实施例中，所述32线激光雷达2优选安装在车顶3上方30厘米位置，四周同一水平高度不存在遮挡物，在车顶上方的车架内还安装有广角监控相机1用于对实际画面进行采集。
本实施例中，所述显示器采用多线程接收方式。
应用本发明所述的一种基于激光雷达数据的目标分类***的数据处理方法，包括如下步骤：
步骤1：应用32线激光雷达进行栅格投影；
步骤2：载入多尺度地图，建立平面矩阵；
步骤3：在步骤2载入的多尺度地图基础上，配合步骤1的栅格投影分离平面块；
步骤4：对每个平面块进行判定，将地面块判定为路面块或障碍物层；
步骤5：针对步骤4中对判定的障碍物层，确定相应障碍物位置。
本实施例中，所述步骤3中将步骤1栅格投影中位于同一栅格内的32线激光雷达产生的点云数据按照高度从小到大进行排序，进而得到数据点列表，依据相邻两数据点在垂直高度间隔的大小为判据判断两点是否属于同一个平面块。
本实施例中，所述步骤3中通过载入的多尺度地图的场景，选取相应的高度阈值Hth，遍历整个栅格图，当上点与下点的间隔大于高度阈值时，两点分属不同的平面块，以此分割所有的平面块。
本实施例中，对于步骤3中选取高度判定值的上限为Hb，下限为Ha；将选择垂直高度最小的平面块为地面候补平面块，得到最大最小高度得到平面块高度差ΔH，当ΔH>Hb；则判定该平面块为障碍物，当ΔH<Ha，则判定该平面块为路面；当Ha<ΔH<Hb时，则引入强度特征，当平面块强度均值在强度均值阈值Iamean和Ibmean之间，强度方差小于方差阈值Itvar时，判定为路面；将高度均值作为此栅格中路面层的高度Hg。
本实施例中，测定两栖平台顶部激光雷达的高度为Hv，判定高度在Hg-Hg+Hv的区域为障碍物层并确定障碍物的竖直高度位置。
本实施例中，基于欧几里德聚类是计算数据集中每个数据点的密度ρ(i)和距离δ(i)，ρ(i)为数据点m(i)到其余各点距离小于dc(截断距离)的个数，δ(i)为比其密度值大的数据点的距离最小值，最后选取密度和距离值都较大的数据点作为聚类中心点。
对于一个规模为N＝2^n的数据集M，利用欧几里德聚类的步骤如下：
1)对于所有的数据点m(i)∈M，计算每个点到其余各点的距离dij(i，j＝1，2，...，N)并保存；
2)对于所有数据点m(i)∈M，利用公式如下计算其密度
ρ(i)＝∑β(dij-dc)
其中为符号函数，当m＜0时β(m)＝1，当m≥0时β(m)＝0。
3)查找ρ(i)具有最大值的点，其距离dij利用一下公式计算：
δ(i)＝maxj(dij)
4)对于其他各数据点，其距离按照如下计算：
δ(i)＝minj，p(i)＞p(j)(dij)
5)将ρ(i)和d(i)值都比较大数据点判定为聚类中心点。
Claims (10)
1.一种基于激光雷达数据的目标分类***，包括一两栖平台，其特征在于：包括32线激光雷达、车载加固计算机、显示器以及车载电源，所述32线激光雷达安装在两栖平台的车顶上方，车载加固计算机、显示器和车载电源安装在两栖平台的车内；所述32线激光雷达的信号输出端与车载加固计算机相连接，车载加固计算机的数据输出端与显示器连接；所述32线激光雷达用于对两栖平台外部环境进行地面检测，车载加固计算机将上述信号进行处理并通过显示器进行表达。
2.根据权利要求1所述的一种基于激光雷达数据的目标分类***，其特征在于：所述车载加固计算机包括工控机1,、工控机2、工控机3、激光惯性导航***、卫星导航***和交换机，所述激光惯性导航***的信号输出端与工控机2相连接，工控机2用于对激光惯性导航输出数据进行预处理；所述卫星导航***的信号输出端和工控机3相连接，工控机3用于对卫星导航***进行预处理；所述工控机2和工控机3均与工控机1双向互通，工控机1、工控机2和工控机3均可与交换机连接实现与外部网络的数据交换。
3.根据权利要求1或2所述的一种基于激光雷达数据的目标分类***，其特征在于：所述车载加固计算机基于RANSAC算法对点云数据进行地面检测。
4.根据权利要求1所述的一种基于激光雷达数据的目标分类***，其特征在于：所述32线激光雷达优选安装在车顶上方30厘米位置，四周同一水平高度不存在遮挡物。
5.根据权利要求1所述的一种基于激光雷达数据的目标分类***，其特征在于：所述显示器采用多线程接收方式。
6.根据权利要求1-5中任一所述基于激光雷达数据的目标分类***的数据处理方法，其特征在于：包括如下步骤：
步骤1：应用32线激光雷达进行栅格投影；
步骤2：载入多尺度地图，建立平面矩阵；
步骤3：在步骤2载入的多尺度地图基础上，配合步骤1的栅格投影分离平面块；
步骤4：对每个平面块进行判定，将地面块判定为路面块或障碍物层；
步骤5：针对步骤4中对判定的障碍物层，确定相应障碍物位置。
7.根据权利要求6所述的一所述基于激光雷达数据的目标分类***的数据处理方法，其特征在于：所述步骤3中将步骤1栅格投影中位于同一栅格内的32线激光雷达产生的点云数据按照高度从小到大进行排序，进而得到数据点列表，依据相邻两数据点在垂直高度间隔的大小为判据判断两点是否属于同一个平面块。
8.根据权利要求7所述的一所述基于激光雷达数据的目标分类***的数据处理方法，其特征在于：所述步骤3中通过载入的多尺度地图的场景，选取相应的高度阈值Hth，遍历整个栅格图，当上点与下点的间隔大于高度阈值时，两点分属不同的平面块，以此分割所有的平面块。
9.根据权利要求8所述的一所述基于激光雷达数据的目标分类***的数据处理方法，其特征在于：对于步骤3中选取高度判定值的上限为Hb，下限为Ha；将选择垂直高度最小的平面块为地面候补平面块，得到最大最小高度得到平面块高度差ΔH，当ΔH>Hb；则判定该平面块为障碍物，当ΔH<Ha，则判定该平面块为路面；当Ha<ΔH<Hb时，则引入强度特征，当平面块强度均值在强度均值阈值Iamean和Ibmean之间，强度方差小于方差阈值Itvar时，判定为路面；将高度均值作为此栅格中路面层的高度Hg。
10.根据权利要求9所述的一所述基于激光雷达数据的目标分类***的数据处理方法，其特征在于：测定两栖平台顶部激光雷达的高度为Hv，判定高度在Hg-Hg+Hv的区域为障碍物层并确定障碍物的竖直高度位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910904542.4A CN110865394A (zh) | 2019-09-24 | 2019-09-24 | 一种基于激光雷达数据的目标分类***及其数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910904542.4A CN110865394A (zh) | 2019-09-24 | 2019-09-24 | 一种基于激光雷达数据的目标分类***及其数据处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110865394A true CN110865394A (zh) | 2020-03-06 |
Family
ID=69652083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910904542.4A Pending CN110865394A (zh) | 2019-09-24 | 2019-09-24 | 一种基于激光雷达数据的目标分类***及其数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110865394A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111427059A (zh) * | 2020-03-20 | 2020-07-17 | 燕山大学 | 一种车前地形检测方法及*** |
| CN111580131A (zh) * | 2020-04-08 | 2020-08-25 | 西安邮电大学 | 三维激光雷达智能车在高速公路上识别车辆的方法 |
| CN112882059A (zh) * | 2021-01-08 | 2021-06-01 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达的无人船内河障碍物感知方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和*** |
| CN103778681A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载高速公路巡检***及数据获取和处理方法 |
| CN105607637A (zh) * | 2016-01-25 | 2016-05-25 | 重庆德新机器人检测中心有限公司 | 一种无人车自主驾驶*** |
| CN105741635A (zh) * | 2016-03-01 | 2016-07-06 | 武汉理工大学 | 一种多功能道路实验车平台 |
| CN106991430A (zh) * | 2017-02-28 | 2017-07-28 | 浙江工业大学 | 一种基于临近点法的聚类个数自动确定谱聚类方法 |
| CN107203783A (zh) * | 2017-05-24 | 2017-09-26 | 西北工业大学 | 基于自适应卷积核卷积神经网络的遥感图像像素级分类方法 |
| CN108226951A (zh) * | 2017-12-23 | 2018-06-29 | 天津国科嘉业医疗科技发展有限公司 | 一种基于激光传感器的快速运动障碍物实时跟踪方法 |
| CN108845579A (zh) * | 2018-08-14 | 2018-11-20 | 苏州畅风加行智能科技有限公司 | 一种港口车辆的自动驾驶***及其方法 |
| CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
-
2019
- 2019-09-24 CN CN201910904542.4A patent/CN110865394A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102227612A (zh) * | 2008-10-24 | 2011-10-26 | 格瑞股份公司 | 自主驾驶车辆的控制和*** |
| CN103778681A (zh) * | 2014-01-24 | 2014-05-07 | 青岛秀山移动测量有限公司 | 一种车载高速公路巡检***及数据获取和处理方法 |
| CN105607637A (zh) * | 2016-01-25 | 2016-05-25 | 重庆德新机器人检测中心有限公司 | 一种无人车自主驾驶*** |
| CN105741635A (zh) * | 2016-03-01 | 2016-07-06 | 武汉理工大学 | 一种多功能道路实验车平台 |
| CN106991430A (zh) * | 2017-02-28 | 2017-07-28 | 浙江工业大学 | 一种基于临近点法的聚类个数自动确定谱聚类方法 |
| CN107203783A (zh) * | 2017-05-24 | 2017-09-26 | 西北工业大学 | 基于自适应卷积核卷积神经网络的遥感图像像素级分类方法 |
| CN108226951A (zh) * | 2017-12-23 | 2018-06-29 | 天津国科嘉业医疗科技发展有限公司 | 一种基于激光传感器的快速运动障碍物实时跟踪方法 |
| CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
| CN108845579A (zh) * | 2018-08-14 | 2018-11-20 | 苏州畅风加行智能科技有限公司 | 一种港口车辆的自动驾驶***及其方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郑正扬: "基于三维激光雷达的智能汽车障碍物检测与跟踪", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111427059A (zh) * | 2020-03-20 | 2020-07-17 | 燕山大学 | 一种车前地形检测方法及*** |
| CN111427059B (zh) * | 2020-03-20 | 2022-02-11 | 燕山大学 | 一种车前地形检测方法及*** |
| CN111580131A (zh) * | 2020-04-08 | 2020-08-25 | 西安邮电大学 | 三维激光雷达智能车在高速公路上识别车辆的方法 |
| CN112882059A (zh) * | 2021-01-08 | 2021-06-01 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达的无人船内河障碍物感知方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108802785B (zh) | 基于高精度矢量地图和单目视觉传感器的车辆自定位方法 | |
| CN108647646B (zh) | 基于低线束雷达的低矮障碍物的优化检测方法及装置 | |
| KR20220155559A (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
| CN108226951B (zh) | 一种基于激光传感器的快速运动障碍物实时跟踪方法 | |
| CN111326023A (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
| CN108509972A (zh) | 一种基于毫米波和激光雷达的障碍物特征提取方法 | |
| US11475678B2 (en) | Lane marker detection and lane instance recognition | |
| CN106257242A (zh) | 用于调节道路边界的单元和方法 | |
| US20220024549A1 (en) | System and method for measuring the distance to an object in water | |
| CN102222236A (zh) | 图像处理***及位置测量*** | |
| CN114442101B (zh) | 基于成像毫米波雷达的车辆导航方法、装置、设备及介质 | |
| CN110865394A (zh) | 一种基于激光雷达数据的目标分类***及其数据处理方法 | |
| CN111461048B (zh) | 基于视觉的停车场可行驶区域检测与局部地图构建方法 | |
| WO2022041706A1 (zh) | 一种定位方法、定位***和车辆 | |
| KR102466804B1 (ko) | 이미지 세그멘테이션을 이용한 자율 운항 방법 | |
| CN112674646B (zh) | 基于多算法融合的自适应贴边作业方法及机器人 | |
| CN102201054A (zh) | 一种基于鲁棒统计的行道线检测方法 | |
| CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
| US20230264715A1 (en) | Puddle occupancy grid for autonomous vehicles | |
| CN111089580B (zh) | 一种基于协方差交叉的无人战车同时定位与地图构建方法 | |
| CN114048536A (zh) | 一种基于多任务神经网络的道路结构预测与目标检测方法 | |
| EP4155759A1 (en) | Systems and method for lidar grid velocity estimation | |
| US20240151855A1 (en) | Lidar-based object tracking | |
| US11397439B1 (en) | System for tuning parameters of a thermal sensor to improve object detection | |
| WO2020244467A1 (zh) | 一种运动状态估计方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200306 |