CN110866449A - 识别道路中目标对象的方法和装置 - Google Patents

识别道路中目标对象的方法和装置 Download PDF

Info

Publication number
CN110866449A
CN110866449A CN201911001284.5A CN201911001284A CN110866449A CN 110866449 A CN110866449 A CN 110866449A CN 201911001284 A CN201911001284 A CN 201911001284A CN 110866449 A CN110866449 A CN 110866449A
Authority
CN
China
Prior art keywords
point cloud
dimensional
cloud data
target
plane
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
Application number
CN201911001284.5A
Other languages
English (en)
Inventor
***
赫桂望
蔡金华
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.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201911001284.5A priority Critical patent/CN110866449A/zh
Publication of CN110866449A publication Critical patent/CN110866449A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/251—Fusion techniques of input or preprocessed data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了识别道路中目标对象的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；在每个所述目标点云簇中识别目标对象。该实施方式无需样本学习及其他数据辅助配准，能够基于三维点云数据的空间特征全自动快速的识别目标对象，简化计算流程的同时降低硬件成本。

Description

识别道路中目标对象的方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种识别道路中目标对象的方法和装置。
背景技术
为了保障车辆行驶的安全性，需要快速提取并定位道路中的目标对象，例如井盖、交通标识牌等，为车端提供避障或通行的决策。目前针对目标对象提取定位主要有以下技术手段：
(1)基于大量正负样本采用机器学习或者深度学习进行模型训练，在学习训练模型的基础上进行预测识别；
(2)同时依赖于影像数据和点云数据，依照严格转换关系进行影像和点云数据配准，融合两者特征进行识别，达到提取定位井盖的目的。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
(1)基于样本学习并预测的方式前期需要大量人工标注正负样本；提取定位准确率受限于受正负样本的数量及样本所覆盖场景的影响，小数据样本或不均衡的正负样本会导致准确率下降。
(2)融合影像和点云数据特征的提取定位方式需要精确标定采集设备传感器之间外参转换关系，计算流程复杂；获取影像数据，需要架设相机传感器，增加硬件成本。
发明内容
有鉴于此，本发明实施例提供一种识别道路中目标对象的方法和装置，无需样本学习及其他数据辅助配准，能够基于三维点云数据的空间特征全自动快速的识别目标对象，简化计算流程的同时降低硬件成本。
为实现上述目的，根据本发明实施例的一个方面，提供了一种识别道路中目标对象的方法，包括：
采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；
基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；
在每个所述目标点云簇中识别目标对象。
可选地，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：按照时间戳将所述点云数据分割成多个单帧点云数据，采用特征平面滤波法对每个所述单帧点云数据进行滤波，将滤波后的所述多个单帧点云数据合并。
可选地，所述特征平面滤波法包括：根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，将所述单帧点云数据中到所述点云平面的距离满足第一滤波条件的点云数据滤除；
其中，所述目标对象为地面目标，第一滤波条件为：到所述点云平面的距离大于预设的距离阈值；或者，所述目标对象为非地面目标，第一滤波条件为：到所述点云平面的距离小于等于预设的距离阈值。
可选地，根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，包括：
基于高度特征对所述单帧点云数据进行滤波，将所述单帧点云数据中高度大于预设高度的点云数据滤除；在滤波后的点云中进行平面拟合，得到多个拟合平面；确定每个所述拟合平面的平面法线与高度方向之间的夹角角度，将夹角角度最小或平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面。
可选地，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：依据所述点云数据生成通行轨迹曲线，在所述轨迹曲线侧边形成平行于所述轨迹曲线的分割点云线，将所述点云数据中散落在各条所述分割点云线之间区域外的点云数据滤除。
可选地，采用K均值聚类法对所述四维语义目标进行聚类。
可选地，在每个所述目标点云簇中识别目标对象，包括：
将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，其中一个网格代表一个像素；采用霍夫算法检测所述二维特征图像中的目标对象区域；将所述目标对象区域在二维特征图像上的坐标逆向映射到三维空间的点云中，以确定所述目标对象的三维空间坐标。
可选地，将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，包括：
1)确定所述目标点云簇的点云范围，依据所述点云范围划分二维等间距格网，将所述目标点云簇投影到二维格网中，根据被投影格网个数确定所述目标点云簇所覆盖平面面积，由面积和所述目标点云簇的点个数计算点云平面密度；
2)由所述点云密度计算平均点间距，得到平面空间尺度；
3)依据所述平面空间尺度创建二维格网索引，将所述目标点云簇的点云范围划分为空间二维网格，记录每个格网中落入的点云索引；
4)将划分好的二维空间格网转换为二维特征图像；一个网格代表一个像素，每个网格所代表的像素值由落入所述网格内的点云所表达的强度信息计算。
根据本发明实施例的第二方面，提供一种识别道路中目标对象的装置，包括：
采集单元，采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；
聚类单元，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；
识别单元，在每个所述目标点云簇中识别目标对象。
可选地，本发明实施例的装置还包括第一过滤单元，用于：基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，按照时间戳将所述点云数据分割成多个单帧点云数据，采用特征平面滤波法对每个所述单帧点云数据进行滤波，将滤波后的所述多个单帧点云数据合并。
可选地，所述特征平面滤波法包括：根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，将所述单帧点云数据中到所述点云平面的距离满足第一滤波条件的点云数据滤除；
其中，所述目标对象为地面目标，第一滤波条件为：到所述点云平面的距离大于预设的距离阈值；或者，所述目标对象为非地面目标，第一滤波条件为：到所述点云平面的距离小于等于预设的距离阈值。
可选地，根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，包括：
基于高度特征对所述单帧点云数据进行滤波，将所述单帧点云数据中高度大于预设高度的点云数据滤除；在滤波后的点云中进行平面拟合，得到多个拟合平面；确定每个所述拟合平面的平面法线与高度方向之间的夹角角度，将夹角角度最小或平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面。
可选地，本发明实施例的装置还包括第二滤波单元，用于：基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，依据所述点云数据生成通行轨迹曲线，在所述轨迹曲线侧边形成平行于所述轨迹曲线的分割点云线，将所述点云数据中散落在各条所述分割点云线之间区域外的点云数据滤除。
可选地，所述聚类单元采用K均值聚类法对所述四维语义目标进行聚类。
可选地，所述识别单元在每个所述目标点云簇中识别目标对象，包括：
将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，其中一个网格代表一个像素；采用霍夫算法检测所述二维特征图像中的目标对象区域；将所述目标对象区域在二维特征图像上的坐标逆向映射到三维空间的点云中，以确定所述目标对象的三维空间坐标。
可选地，将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，包括：
1)确定所述目标点云簇的点云范围，依据所述点云范围划分二维等间距格网，将所述目标点云簇投影到二维格网中，根据被投影格网个数确定所述目标点云簇所覆盖平面面积，由面积和所述目标点云簇的点个数计算点云平面密度；
2)由所述点云密度计算平均点间距，得到平面空间尺度；
3)依据所述平面空间尺度创建二维格网索引，将所述目标点云簇的点云范围划分为空间二维网格，记录每个格网中落入的点云索引；
4)将划分好的二维空间格网转换为二维特征图像；一个网格代表一个像素，每个网格所代表的像素值由落入所述网格内的点云所表达的强度信息计算。
根据本发明实施例的第三方面，提供一种识别道路中目标对象的电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的方法。
根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明直接基于道路的点云数据进行处理，无需样本学习及其他数据辅助配准，能够基于三维点云数据的空间特征全自动快速的识别目标对象，简化计算流程的同时降低硬件成本。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明实施例的识别道路中目标对象的方法的主要流程的示意图；
图2是本发明可选实施例中识别道路中井盖的主要流程的示意图；
图3是本发明可选实施例中道路面宽度滤波的示意图；
图4是本发明实施例的识别道路中目标对象的装置的主要模块的示意图；
图5是本发明实施例可以应用于其中的示例性***架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机***的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
根据本发明实施例的一个方面，提供了一种识别道路中目标对象的方法。
图1是本发明实施例的识别道路中目标对象的方法的主要流程的示意图，如图1所示，识别道路中目标对象的方法包括：步骤S101、步骤S102和步骤S103。
步骤S101、采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息。
点云数据的获取方式可以根据实际情况进行选择，例如通过对道路扫描直接采集的，或者从其他***获取，本发明对此不作具体限定。
示例性地，可以通过车载移动激光扫描***获取点云数据。车载移动激光扫描***由激光扫描仪(LIDAR)、GNSS/INS组合惯导***、里程计等诸多传感器组成，并按照相对几何方式固定到载体上，在载体行进过程中动态采集道路及两侧目标地物表面三维信息。
LDIAR是数据采集的主要传感器，精确记录目标在三维空间中的坐标信息，GNSS/INS和里程计通过紧耦合的方式，实时获取采集***的位置和姿态信息。生成高精度点云流程为：将LIDAR记录的局部坐标系点云，按照LIDAR到惯导的外参进行旋转和平移变换，将局部点云变换到以惯导为中心坐标系点云，再按照惯导记录的实时位姿将点云旋转和平移变换到全局点云，生成真实世界尺度的高精度点云。
需要说明的是，除了车载移动激光扫描***之外，本发明也可以通过其他方式设备采集道路的点云数据，例如手机、笔记本等移动通讯设备。
采集的点云数据除了包含空间三维坐标信息，还具有反射强度信息。反射强度受扫描距离、扫描角度和目标材质等因素影响呈现不同值。不同的材质会有不同的反射强度，且每类材质都具有相近的反射强度值。
步骤S102、基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇。
由于目标对象的各个部分是紧邻的，因此，目标对象的点云在三维空间中的距离较近。另外，目标对象中材质相同的部分材质都具有相近的反射强度值。因此，基于每个点云的三维空间坐标信息和反射强度信息将点云数据转换为四维语义目标，并对四维语义目标进行聚类，能够有效筛选出目标对象对应的目标点云簇。
聚类的方法可以根据实际情况进行选择性确定，例如采用欧式距离法、K均值聚类法(k-means clustering algorithm，一种迭代求解的聚类分析算法)等。
步骤S103、在每个所述目标点云簇中识别目标对象。
目标点云簇中包含密集分布的大量点云，根据点云的分布情况可以确定目标对象的形状，根据点云的三维坐标可以准确确定目标对象的位置、大小和轮廓等。
在一些实施例中，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：按照时间戳将所述点云数据分割成多个单帧点云数据，采用特征平面滤波法对每个所述单帧点云数据进行滤波，将滤波后的所述多个单帧点云数据合并。所述特征平面滤波法包括：根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，将所述单帧点云数据中到所述点云平面的距离满足第一滤波条件的点云数据滤除。其中，所述目标对象为地面目标，第一滤波条件为：到所述点云平面的距离大于预设的距离阈值；或者，所述目标对象为非地面目标，第一滤波条件为：到所述点云平面的距离小于等于预设的距离阈值。
地面目标是指位于地面上或者与地面的距离较小的目标，例如井盖、地面行车线等。非地面目标是指位于地面上方或者位于地面上但与地面的距离较大的目标，例如竖立在道路侧边的广告牌、位于道路上方的交通标识牌等。
示例性地，若目标对象是井盖，由于定位目标井盖是在地面点云中，因此第一滤波条件可以设置为到点云平面的距离大于预设的距离阈值，以便将大于预设的距离阈值的点云数据滤除。距离阈值的取值可以根据实际情况进行选择性确定。以目标对象是井盖为例，由于井盖一般位于地面上、且高度一般不高于地面上的路牙，因此可以根据路牙的高度设置距离阈值(例如为0.15m)，在滤波时将高度大于0.15m的点云滤除。
通过特征平面滤波，能够将大量与目标对象无关的点云数据滤除，提高减少后续步骤的处理时间，提高识别目标对象的效率。
在拟合单帧点云数据的点云平面时，可以以能够包含单帧点云数据中最多点云的平面作为单帧点云数据的点云平面，也可以以单帧点云数据中所有点云到平面的距离之和最小的平面作为单帧点云数据的点云平面。可选地，根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，包括：基于高度特征对所述单帧点云数据进行滤波，将所述单帧点云数据中高度大于预设高度的点云数据滤除；在滤波后的点云中进行平面拟合，得到多个拟合平面；确定每个所述拟合平面的平面法线与高度方向之间的夹角角度，将夹角角度最小或平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面。当将夹角角度最小的拟合平面作为所述单帧点云数据的点云平面、但是夹角角度最小的平面拟合平面不止一个时，可以选择其中点云数量最多的拟合平面。当将平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面、但是点云数量最多的拟合平面不止一个时，可以选择其中夹角角度最小的平面拟合平面。本例中，高度方向是指垂直于道路向上的方向，点云数据的高度是指点云在垂直于道路向上方向上与路面之间的距离。选择夹角角度小的拟合平面作为点云平面，能够保证所选平面与道路之间尽量平行，进而最真实地反映道路路况，提高识别结果的准确性。选择点云数量多的平面，能够避免由于点云数量较少导致的误差大，提高识别结果的准确性。
可选地，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：依据所述点云数据生成通行轨迹曲线，在所述轨迹曲线侧边形成平行于所述轨迹曲线的分割点云线，将所述点云数据中散落在各条所述分割点云线之间区域外的点云数据滤除。本例中，基于道路面宽度对点云数据进行滤波，能够将道路面之外的点云滤除，提高识别效率。
可选地，在每个所述目标点云簇中识别目标对象，包括：将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，其中一个网格代表一个像素；采用霍夫算法检测所述二维特征图像中的目标对象区域；将所述目标对象区域在二维特征图像上的坐标逆向映射到三维空间的点云中，以确定所述目标对象的三维空间坐标。将三维点云数据投影到二维格网中锁定目标对象区域之后再逆投影到三维空间中，识别方法简便、准确性和识别效率高。
可选地，将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，包括：
1)确定所述目标点云簇的点云范围，依据所述点云范围划分二维等间距格网，将所述目标点云簇投影到二维格网中，根据被投影格网个数确定所述目标点云簇所覆盖平面面积，由面积和所述目标点云簇的点个数计算点云平面密度；
2)由所述点云密度计算平均点间距，得到平面空间尺度；
3)依据所述平面空间尺度创建二维格网索引，将所述目标点云簇的点云范围划分为空间二维网格，记录每个格网中落入的点云索引；
4)将划分好的二维空间格网转换为二维特征图像；一个网格代表一个像素，每个网格所代表的像素值由落入所述网格内的点云所表达的强度信息计算。
二维格网索引即对二维平面进行网格划分，划分成大小相同的网格，每个网格对应着一块存储空间，索引项登记上落入该网格的空间对象。采用这种方式生成二维特征图像，方法简单、准确性好。
以下以井盖作为目标对象，结合图2对本发明实施例的方法进行详细说明。如图2所示，识别道路中井盖的主要流程包括：
步骤S201、获取道路的点云数据。
本例中采用车载移动激光扫描***获取道路的点云数据。车载移动激光扫描***由激光扫描仪(LIDAR)、GNSS/INS组合惯导***、里程计等诸多传感器组成，并按照相对几何方式固定到载体上，在载体行进过程中动态采集道路及两侧目标地物表面三维信息。
LDIAR是数据采集的主要传感器，精确记录目标在三维空间中的坐标信息，GNSS/INS和里程计通过紧耦合的方式，实时获取采集***的位置和姿态信息。生成高精度点云图流程：将LIDAR记录的局部坐标系点云，按照LIDAR到惯导的外参进行旋转和平移变换，将局部点云变换到以惯导为中心坐标系点云，再按照惯导记录的实时位姿将点云旋转和平移变换到全局点云，生成真实世界尺度的高精度点云。
步骤S202、非地面点云滤波。
车载移动激光扫描***采集的高精度三维点云数据包含大量的高密度的非地面点。由于定位目标井盖是在地面点云中，为后续高效提取井盖位置，先对点云数据进行预处理，去除非地面点云。
基于特征平面的非地面点云滤除方法，城市道路局部范围内坡度变化率较小近似平面，可依据局部范围平面特征达到滤波非地面点目的，具体步骤如下：
1)分割单帧数据。高精度点云是由激光扫描仪采集的单帧点云依照建图原理通过不同坐标系之间的变换拼接而成，激光扫描仪每帧数据都具有不同的时间戳。由此按照时间戳不相等特性做点云分割，可分离出原始单帧点云结构。
2)点云平面提取。单帧点云数据表达采集时刻所处位置扫描的局部范围内真实世界三维信息，其中道路面近似平面。按照采集***在载体上的架设高度h，以此高度做Z方向滤波，只保留h高度以下点云；在滤波后的点云中进行平面拟合，提取所有平面信息，并计算各平面法线方向与Z轴夹角，只保留角度较小且平面内点云数量最多的平面。
3)距离滤波。计算单帧点云数据内，所有点到平面的距离，按照0.15的阈值，滤除所有大于0.15m的点云，剩余的点均为地面点云。(此阈值取决于城区大部分马路牙高度为0.15m左右)。
按照步骤2)-3)处理所有单帧点云数据，最终滤波所有点云中非地面点云。
步骤S203、道路面宽度滤波。
数据采集过程中依据行车轨迹，在高精度点云中可形成一条行车轨迹曲线，按照行车垂直方向(垂直于轨迹曲线)做宽度阈值滤波，在行车方向两侧形成平行于轨迹曲线的两条分割点云线，最大化保留道路面点云，滤波非道路面的其他地面点点云。宽度阈值可依据具体采集的市政道路等级及道路信息设置。
如图3所示，中间实线是行车轨迹，虚线是按照固定阈值，在轨迹曲线左右侧形成的平行轨迹曲线的分割点云线，两条分割点云线之间区域内的点云保留，两条分割点云线之间区域外的点云滤除。
步骤S204、K均值聚类。
空间三维点云具有空间几何信息和强度信息。空间几何由三维坐标XYZ坐标表达，强度由激光扫描仪依据不同物体材质反射信息表达。依据步骤S203得到的道路地面点云数据，用XYZ强度等四维特征做K均值聚类，可将道路地面点云分成很多簇点云。将每簇点云分别进行如下步骤S205至步骤S208，在每簇点云中提取井盖位置。
步骤S205、三维点云生成二维特征图像，步骤如下：
1)计算每个点云簇的点云范围，依据点云范围划分二维等间距格网，格网长宽均为1米，将三维点云投影到二维格网中，计算被投影格网个数，一个格网是1平方米，以此计算点云所覆盖平面面积，由面积和点个数计算点云平面密度；
2)由点云密度计算平均点间距，其表达点云平面空间尺度；
3)依据平面空间尺度创建二维格网索引。二维格网索引即是将点云所表达的范围划分为空间二维网格，记录每个格网中落入的点云索引；
4)将划分好的二维空间格网转换为二维特征图像，一个网格代表一个像素；
5)每个网格所代表的像素值，由落入网格内的点云所表达的强度信息计算。
步骤S206、圆形区域检测。
从二维特征图像上基于霍夫(Hough)算法(一种图像处理算法)变换检测圆形，提取存在的圆形区域。获取圆形区域后，计算圆心及半径。
Hough算法的基本思想是将图像从空间域变换到参数空间，用大多数边界点满足的某种参数形式来描述图像中的曲线。假设在x-y平面检测并确定一个圆的参数，图像中待检测圆周点的集合为{(xi，yi)，i＝1，2，3，…，n}，(x，y)为该集合中的一点，其在参数坐标系(a，b，r)中解析式为：
(a-xi)2+(b-yi)2＝r2
该解析式对应的曲面为三维锥面。图像中任意确定的一点均有参数空间的一个三维锥面与之对应。对于圆周上的任一点{(xi,yi)，i＝1，2，3，…，n}，这些三维锥面构成圆锥面簇。若集合中的点均在同一个圆周上，则这些圆锥面簇相交于参数空间上某一点，该参数空间的点参数恰好对应于图像平面的圆心坐标及圆的半径。
步骤S207、逆映射三维空间。
将圆心在二维图像上的坐标逆向映射到三维点云中，获取空间三维坐标位置及半径。
步骤S208、井盖位置结果，包括井盖圆心及半径。
本发明直接基于道路的点云数据进行处理，无需样本学习及其他数据辅助配准，能够基于三维点云数据的空间特征全自动快速的识别道路中的井盖，简化计算流程的同时降低硬件成本。
根据本发明实施例的第二方面，提供一种实现上述方法的装置。
图4是本发明实施例的识别道路中目标对象的装置的主要模块的示意图。如图4所示，识别道路中目标对象的装置400包括：
采集单元401，采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；
聚类单元402，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；
识别单元403，在每个所述目标点云簇中识别目标对象。
可选地，本发明实施例的装置还包括第一过滤单元(图中未示出)，用于：基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，按照时间戳将所述点云数据分割成多个单帧点云数据，采用特征平面滤波法对每个所述单帧点云数据进行滤波，将滤波后的所述多个单帧点云数据合并；
所述特征平面滤波法包括：根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，将所述单帧点云数据中到所述点云平面的距离满足第一滤波条件的点云数据滤除；
其中，所述目标对象为地面目标，第一滤波条件为：到所述点云平面的距离大于预设的距离阈值；或者，所述目标对象为非地面目标，第一滤波条件为：到所述点云平面的距离小于等于预设的距离阈值。
可选地，根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，包括：
基于高度特征对所述单帧点云数据进行滤波，将所述单帧点云数据中高度大于预设高度的点云数据滤除；在滤波后的点云中进行平面拟合，得到多个拟合平面；确定每个所述拟合平面的平面法线与高度方向之间的夹角角度，将夹角角度最小或平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面。
可选地，本发明实施例的装置还包括第二滤波单元(图中未示出)，用于：基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，依据所述点云数据生成通行轨迹曲线，在所述轨迹曲线侧边形成平行于所述轨迹曲线的分割点云线，将所述点云数据中散落在各条所述分割点云线之间区域外的点云数据滤除。
可选地，所述聚类单元采用K均值聚类法对所述四维语义目标进行聚类。
可选地，所述识别单元在每个所述目标点云簇中识别目标对象，包括：
将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，其中一个网格代表一个像素；采用霍夫算法检测所述二维特征图像中的目标对象区域；将所述目标对象区域在二维特征图像上的坐标逆向映射到三维空间的点云中，以确定所述目标对象的三维空间坐标。
根据本发明实施例的第三方面，提供一种识别道路中目标对象的电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例第一方面提供的方法。
根据本发明实施例的第四方面，提供一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例第一方面提供的方法。
图5示出了可以应用本发明实施例的识别道路中目标对象的方法或识别道路中目标对象的装置的示例性***架构500。
如图5所示，***架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的定位导航等请求等数据进行分析等处理，并将处理结果(例如定位结果信息、路面目标对象识别结果信息等--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的识别道路中目标对象的方法一般由服务器505执行，相应地，识别道路中目标对象的装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机***600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机***600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的***中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：采集单元，采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；聚类单元，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；识别单元，在每个所述目标点云簇中识别目标对象。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采集单元还可以被描述为“在每个所述目标点云簇中识别目标对象的单元”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；在每个所述目标点云簇中识别目标对象。
根据本发明实施例的技术方案，直接基于道路的点云数据进行处理，无需样本学习及其他数据辅助配准，能够基于三维点云数据的空间特征全自动快速的识别目标对象，简化计算流程的同时降低硬件成本。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种识别道路中目标对象的方法，其特征在于，包括：
采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；
基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；
在每个所述目标点云簇中识别目标对象。
2.如权利要求1所述的方法，其特征在于，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：按照时间戳将所述点云数据分割成多个单帧点云数据，采用特征平面滤波法对每个所述单帧点云数据进行滤波，将滤波后的所述多个单帧点云数据合并。
3.如权利要求2所述的方法，其特征在于，所述特征平面滤波法包括：根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，将所述单帧点云数据中到所述点云平面的距离满足第一滤波条件的点云数据滤除；
其中，所述目标对象为地面目标，第一滤波条件为：到所述点云平面的距离大于预设的距离阈值；或者，所述目标对象为非地面目标，第一滤波条件为：到所述点云平面的距离小于等于预设的距离阈值。
4.如权利要求2所述的方法，其特征在于，根据所述单帧点云数据中所有点云的空间几何信息拟合所述单帧点云数据的点云平面，包括：
基于高度特征对所述单帧点云数据进行滤波，将所述单帧点云数据中高度大于预设高度的点云数据滤除；在滤波后的点云中进行平面拟合，得到多个拟合平面；确定每个所述拟合平面的平面法线与高度方向之间的夹角角度，将夹角角度最小或平面内点云数量最多的拟合平面作为所述单帧点云数据的点云平面。
5.如权利要求1所述的方法，其特征在于，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标之前，还包括：依据所述点云数据生成通行轨迹曲线，在所述轨迹曲线侧边形成平行于所述轨迹曲线的分割点云线，将所述点云数据中散落在各条所述分割点云线之间区域外的点云数据滤除。
6.如权利要求1所述的方法，其特征在于，在每个所述目标点云簇中识别目标对象，包括：
将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，其中一个网格代表一个像素；采用霍夫算法检测所述二维特征图像中的目标对象区域；将所述目标对象区域在二维特征图像上的坐标逆向映射到三维空间的点云中，以确定所述目标对象的三维空间坐标。
7.如权利要求6所述的方法，其特征在于，将所述目标点云簇投影到二维格网中，然后将所述二维格网转换为二维特征图像，包括：
1)确定所述目标点云簇的点云范围，依据所述点云范围划分二维等间距格网，将所述目标点云簇投影到二维格网中，根据被投影格网个数确定所述目标点云簇所覆盖平面面积，由面积和所述目标点云簇的点个数计算点云平面密度；
2)由所述点云密度计算平均点间距，得到平面空间尺度；
3)依据所述平面空间尺度创建二维格网索引，将所述目标点云簇的点云范围划分为空间二维网格，记录每个格网中落入的点云索引；
4)将划分好的二维空间格网转换为二维特征图像；一个网格代表一个像素，每个网格所代表的像素值由落入所述网格内的点云所表达的强度信息计算。
8.一种识别道路中目标对象的装置，其特征在于，包括：
采集单元，采集道路的点云数据；所述点云数据包括：每个点云的三维空间坐标信息和反射强度信息；
聚类单元，基于每个点云的三维空间坐标信息和反射强度信息将所述点云数据转换为四维语义目标，对所述四维语义目标进行聚类，得到目标点云簇；
识别单元，在每个所述目标点云簇中识别目标对象。
9.一种识别道路中目标对象的电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201911001284.5A 2019-10-21 2019-10-21 识别道路中目标对象的方法和装置 Pending CN110866449A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911001284.5A CN110866449A (zh) 2019-10-21 2019-10-21 识别道路中目标对象的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911001284.5A CN110866449A (zh) 2019-10-21 2019-10-21 识别道路中目标对象的方法和装置

Publications (1)

Publication Number Publication Date
CN110866449A true CN110866449A (zh) 2020-03-06

Family

ID=69652223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911001284.5A Pending CN110866449A (zh) 2019-10-21 2019-10-21 识别道路中目标对象的方法和装置

Country Status (1)

Country Link
CN (1) CN110866449A (zh)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383337A (zh) * 2020-03-20 2020-07-07 北京百度网讯科技有限公司 用于识别对象的方法和装置
CN111611900A (zh) * 2020-05-15 2020-09-01 北京京东乾石科技有限公司 一种目标点云识别方法、装置、电子设备和存储介质
CN111950589A (zh) * 2020-07-02 2020-11-17 东华理工大学 结合K-means聚类的点云区域生长优化分割方法
CN112070838A (zh) * 2020-09-07 2020-12-11 洛伦兹（北京）科技有限公司 基于二维-三维融合特征的对象识别与定位方法及装置
CN112132108A (zh) * 2020-10-09 2020-12-25 安徽江淮汽车集团股份有限公司 地面点云数据的提取方法、装置、设备及存储介质
CN112215952A (zh) * 2020-10-26 2021-01-12 湖北亿咖通科技有限公司 曲线绘制方法、计算机存储介质及电子设备
CN112258646A (zh) * 2020-10-26 2021-01-22 上海汽车集团股份有限公司 一种三维线地标构建方法及装置
CN112435336A (zh) * 2020-11-13 2021-03-02 武汉中海庭数据技术有限公司 一种弯道类型识别方法、装置、电子设备及存储介质
CN112710313A (zh) * 2020-12-31 2021-04-27 广州极飞科技股份有限公司 覆盖路径生成方法、装置、电子设备和存储介质
CN112907421A (zh) * 2021-02-24 2021-06-04 中煤科工集团重庆智慧城市科技研究院有限公司 基于空间分析的业务场景采集***及方法
CN112907739A (zh) * 2021-01-22 2021-06-04 中北大学 一种井盖高程差信息获取方法、装置及***
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN113155027A (zh) * 2021-04-27 2021-07-23 中铁工程装备集团有限公司 一种隧道岩壁特征物识别方法
CN113255609A (zh) * 2021-07-02 2021-08-13 智道网联科技(北京)有限公司 基于神经网络模型的交通标识识别方法及装置
CN113343840A (zh) * 2021-06-02 2021-09-03 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN113379923A (zh) * 2021-06-22 2021-09-10 北醒（北京）光子科技有限公司 轨道识别方法、装置、存储介质及设备
CN113536850A (zh) * 2020-04-20 2021-10-22 长沙莫之比智能科技有限公司 基于77g毫米波雷达的目标物体大小测试方法和装置
CN113607185A (zh) * 2021-10-08 2021-11-05 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质
WO2021227797A1 (zh) * 2020-05-13 2021-11-18 长沙智能驾驶研究院有限公司 道路边界检测方法、装置、计算机设备和存储介质
CN115980702A (zh) * 2023-03-10 2023-04-18 安徽蔚来智驾科技有限公司 目标防误检方法、设备、驾驶设备和介质
CN117274651A (zh) * 2023-11-17 2023-12-22 北京亮道智能汽车技术有限公司 基于点云的物体检测方法、装置及计算机可读存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500338A (zh) * 2013-10-16 2014-01-08 厦门大学 基于车载激光扫描点云的道路斑马线自动提取方法
CN104197897A (zh) * 2014-04-25 2014-12-10 厦门大学 一种基于车载激光扫描点云的城区道路标线自动分类方法
CN105184852A (zh) * 2015-08-04 2015-12-23 百度在线网络技术（北京）有限公司 一种基于激光点云的城市道路识别方法及装置
CN105260988A (zh) * 2015-09-09 2016-01-20 百度在线网络技术（北京）有限公司 一种高精地图数据的处理方法和装置
CN105423915A (zh) * 2015-11-16 2016-03-23 天津师范大学 用于地面激光扫描数据配准的平面靶标的精确定位方法
CN105528588A (zh) * 2015-12-31 2016-04-27 百度在线网络技术（北京）有限公司 一种车道线识别方法及装置
CN105574929A (zh) * 2015-12-15 2016-05-11 电子科技大学 一种基于地面LiDAR点云数据的单株植被三维建模方法
CN108171131A (zh) * 2017-12-15 2018-06-15 湖北大学 基于改进MeanShift的Lidar点云数据道路标识线提取方法及***
CN108898672A (zh) * 2018-04-27 2018-11-27 厦门维斯云景信息科技有限公司 一种制作三维高清道路图车道线的半自动点云方法
CN109711242A (zh) * 2018-10-31 2019-05-03 百度在线网络技术（北京）有限公司 车道线的修正方法、装置和存储介质
CN109858460A (zh) * 2019-02-20 2019-06-07 重庆邮电大学 一种基于三维激光雷达的车道线检测方法
CN110111378A (zh) * 2019-04-04 2019-08-09 贝壳技术有限公司 一种基于室内三维数据的点云配准优化方法和装置
CN110335295A (zh) * 2019-06-06 2019-10-15 浙江大学 一种基于tof相机的植物点云采集配准与优化方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103500338A (zh) * 2013-10-16 2014-01-08 厦门大学 基于车载激光扫描点云的道路斑马线自动提取方法
CN104197897A (zh) * 2014-04-25 2014-12-10 厦门大学 一种基于车载激光扫描点云的城区道路标线自动分类方法
CN105184852A (zh) * 2015-08-04 2015-12-23 百度在线网络技术（北京）有限公司 一种基于激光点云的城市道路识别方法及装置
CN105260988A (zh) * 2015-09-09 2016-01-20 百度在线网络技术（北京）有限公司 一种高精地图数据的处理方法和装置
CN105423915A (zh) * 2015-11-16 2016-03-23 天津师范大学 用于地面激光扫描数据配准的平面靶标的精确定位方法
CN105574929A (zh) * 2015-12-15 2016-05-11 电子科技大学 一种基于地面LiDAR点云数据的单株植被三维建模方法
CN105528588A (zh) * 2015-12-31 2016-04-27 百度在线网络技术（北京）有限公司 一种车道线识别方法及装置
CN108171131A (zh) * 2017-12-15 2018-06-15 湖北大学 基于改进MeanShift的Lidar点云数据道路标识线提取方法及***
CN108898672A (zh) * 2018-04-27 2018-11-27 厦门维斯云景信息科技有限公司 一种制作三维高清道路图车道线的半自动点云方法
CN109711242A (zh) * 2018-10-31 2019-05-03 百度在线网络技术（北京）有限公司 车道线的修正方法、装置和存储介质
CN109858460A (zh) * 2019-02-20 2019-06-07 重庆邮电大学 一种基于三维激光雷达的车道线检测方法
CN110111378A (zh) * 2019-04-04 2019-08-09 贝壳技术有限公司 一种基于室内三维数据的点云配准优化方法和装置
CN110335295A (zh) * 2019-06-06 2019-10-15 浙江大学 一种基于tof相机的植物点云采集配准与优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
张国良: "《移动机器人的SLAM与VSLAM方法》", 31 October 2018 *
樊丽 等: "基于特征融合的林下环境点云分割", 《北京林业大学学报》 *
胡啸: "基于车载激光扫描数据的道路要素提取方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
胡文庆 等: "模糊C-均值聚类对点云数据的分割", 《安徽农业科学》 *
魏占营 等: "《车载激光测量数据智能后处理技术 SWDY深入解析与应用》", 30 November 2018 *

Cited By (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383337A (zh) * 2020-03-20 2020-07-07 北京百度网讯科技有限公司 用于识别对象的方法和装置
CN113536850A (zh) * 2020-04-20 2021-10-22 长沙莫之比智能科技有限公司 基于77g毫米波雷达的目标物体大小测试方法和装置
WO2021227797A1 (zh) * 2020-05-13 2021-11-18 长沙智能驾驶研究院有限公司 道路边界检测方法、装置、计算机设备和存储介质
CN111611900A (zh) * 2020-05-15 2020-09-01 北京京东乾石科技有限公司 一种目标点云识别方法、装置、电子设备和存储介质
CN111611900B (zh) * 2020-05-15 2023-06-30 北京京东乾石科技有限公司 一种目标点云识别方法、装置、电子设备和存储介质
CN111950589B (zh) * 2020-07-02 2022-09-30 东华理工大学 结合K-means聚类的点云区域生长优化分割方法
CN111950589A (zh) * 2020-07-02 2020-11-17 东华理工大学 结合K-means聚类的点云区域生长优化分割方法
CN112070838B (zh) * 2020-09-07 2024-02-02 洛伦兹（北京）科技有限公司 基于二维-三维融合特征的对象识别与定位方法及装置
CN112070838A (zh) * 2020-09-07 2020-12-11 洛伦兹（北京）科技有限公司 基于二维-三维融合特征的对象识别与定位方法及装置
CN112132108A (zh) * 2020-10-09 2020-12-25 安徽江淮汽车集团股份有限公司 地面点云数据的提取方法、装置、设备及存储介质
CN112258646A (zh) * 2020-10-26 2021-01-22 上海汽车集团股份有限公司 一种三维线地标构建方法及装置
CN112215952A (zh) * 2020-10-26 2021-01-12 湖北亿咖通科技有限公司 曲线绘制方法、计算机存储介质及电子设备
CN112258646B (zh) * 2020-10-26 2024-03-12 上海汽车集团股份有限公司 一种三维线地标构建方法及装置
CN112215952B (zh) * 2020-10-26 2021-08-13 湖北亿咖通科技有限公司 曲线绘制方法、计算机存储介质及电子设备
CN112435336A (zh) * 2020-11-13 2021-03-02 武汉中海庭数据技术有限公司 一种弯道类型识别方法、装置、电子设备及存储介质
CN112435336B (zh) * 2020-11-13 2022-04-19 武汉中海庭数据技术有限公司 一种弯道类型识别方法、装置、电子设备及存储介质
CN112710313A (zh) * 2020-12-31 2021-04-27 广州极飞科技股份有限公司 覆盖路径生成方法、装置、电子设备和存储介质
CN112907739A (zh) * 2021-01-22 2021-06-04 中北大学 一种井盖高程差信息获取方法、装置及***
CN112907739B (zh) * 2021-01-22 2022-10-04 中北大学 一种井盖高程差信息获取方法、装置及***
CN112964264B (zh) * 2021-02-07 2024-03-26 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN112907421A (zh) * 2021-02-24 2021-06-04 中煤科工集团重庆智慧城市科技研究院有限公司 基于空间分析的业务场景采集***及方法
CN112907421B (zh) * 2021-02-24 2023-08-01 中煤科工集团重庆智慧城市科技研究院有限公司 基于空间分析的业务场景采集***及方法
CN113155027A (zh) * 2021-04-27 2021-07-23 中铁工程装备集团有限公司 一种隧道岩壁特征物识别方法
CN113343840A (zh) * 2021-06-02 2021-09-03 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN113343840B (zh) * 2021-06-02 2022-03-08 合肥泰瑞数创科技有限公司 基于三维点云的对象识别方法及装置
CN113379923A (zh) * 2021-06-22 2021-09-10 北醒（北京）光子科技有限公司 轨道识别方法、装置、存储介质及设备
CN113255609B (zh) * 2021-07-02 2021-10-29 智道网联科技(北京)有限公司 基于神经网络模型的交通标识识别方法及装置
CN113255609A (zh) * 2021-07-02 2021-08-13 智道网联科技(北京)有限公司 基于神经网络模型的交通标识识别方法及装置
CN113607185B (zh) * 2021-10-08 2022-01-04 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质
CN113607185A (zh) * 2021-10-08 2021-11-05 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质
CN115980702A (zh) * 2023-03-10 2023-04-18 安徽蔚来智驾科技有限公司 目标防误检方法、设备、驾驶设备和介质
CN117274651A (zh) * 2023-11-17 2023-12-22 北京亮道智能汽车技术有限公司 基于点云的物体检测方法、装置及计算机可读存储介质
CN117274651B (zh) * 2023-11-17 2024-02-09 北京亮道智能汽车技术有限公司 基于点云的物体检测方法、装置及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110866449A (zh) 识别道路中目标对象的方法和装置
CN106997466B (zh) 用于检测道路的方法和装置
CN110632608B (zh) 一种基于激光点云的目标检测方法和装置
CN110533055B (zh) 一种点云数据的处理方法和装置
CN115540896B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN110390706B (zh) 一种物体检测的方法和装置
CN112258519B (zh) 一种高精度地图制作中道路的让行线自动化提取方法及装置
CN112132108A (zh) 地面点云数据的提取方法、装置、设备及存储介质
CN113761999A (zh) 一种目标检测方法、装置、电子设备和存储介质
CN111784774A (zh) 目标检测方法、装置、计算机可读介质及电子设备
CN112258568B (zh) 一种高精度地图要素的提取方法及装置
CN111563398A (zh) 用于确定目标物的信息的方法和装置
CN116520353B (zh) 基于激光点云的地面检测方法、装置、存储介质及设备
CN115115655A (zh) 目标分割方法、装置、电子设备、存储介质及程序产品
CN114882316A (zh) 目标检测模型训练方法、目标检测方法及装置
Sameen et al. A simplified semi-automatic technique for highway extraction from high-resolution airborne LiDAR data and orthophotos
CN116071729A (zh) 可行驶区域和路沿的检测方法、装置及相关设备
CN115240154A (zh) 停车场的点云特征提取方法、装置、设备及介质
CN114550117A (zh) 一种图像检测方法和装置
CN114219770A (zh) 地面检测方法、装置、电子设备及存储介质
CN110363847B (zh) 一种基于点云数据的地图模型构建方法和装置
CN114004740B (zh) 基于无人机激光雷达点云的建筑物墙线提取方法
CN115331214A (zh) 用于目标检测的感知方法及***
Zhang et al. Efficient approach to automated pavement manhole cover detection with modified faster R-CNN
CN111383337B (zh) 用于识别对象的方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210226

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100086 8th Floor, 76 Zhichun Road, Haidian District, Beijing

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210226

Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

TA01 Transfer of patent application right
RJ01 Rejection of invention patent application after publication

Application publication date: 20200306

RJ01 Rejection of invention patent application after publication