CN110879399A - 处理点云数据的方法、装置、车辆、电子设备和介质 - Google Patents
处理点云数据的方法、装置、车辆、电子设备和介质 Download PDFInfo
- Publication number
- CN110879399A CN110879399A CN201910951275.6A CN201910951275A CN110879399A CN 110879399 A CN110879399 A CN 110879399A CN 201910951275 A CN201910951275 A CN 201910951275A CN 110879399 A CN110879399 A CN 110879399A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- point cloud
- cloud data
- point
- effective
- 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
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
-
- 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
- G01S7/4808—Evaluating distance, position or velocity data
-
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/4861—Circuits for detection, sampling, integration or read-out
-
- 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
- G01S7/491—Details of non-pulse systems
- G01S7/4912—Receivers
- G01S7/4913—Circuits for detection, sampling, integration or read-out
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开实施例提供一种处理点云数据的方法,该方法包括:获取点云数据;其中,所述点云数据包括多个采样点的位置信息;将参照面划分为多个栅格,确定各栅格对应的采样点;其中,所述参照面为与重力方向不平行的平面,所述栅格对应的采样点为正投影位于该栅格内的全部采样点;确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大;基于各有效点的位置信息确定点云数据对应的环境。本公开实施例还提供一种处理点云数据的装置、车辆、电子设备和计算机可读介质。
Description
技术领域
本公开实施例涉及点云数据处理技术领域,特别涉及处理点云数据的方法、装置、车辆、电子设备和计算机可读介质。
背景技术
自动驾驶车辆需要感知周边环境,以作为自动驾驶的决策依据。
而设于自动驾驶车辆上的车载激光雷达可获取周边的点云数据(激光点云数据),通过对激光点云数据进行分析处理,可获知自动驾驶车辆周边的环境,实现环境感知。
但是,现有处理激光点云数据的方法所需的运算量大,通过常规的车规级芯片(车载处理器)难以实现对处理激光点云数据的实时处理,从而无法实现实时地环境感知,影响自动驾驶的实现。
发明内容
本公开实施例提供一种处理点云数据的方法和装置、车辆、电子设备、计算机可读介质。
一个方面,本公开实施例提供一种处理点云数据的方法,其包括:
获取点云数据;其中,所述点云数据包括多个采样点的位置信息;
将参照面划分为多个栅格,确定各栅格对应的采样点;其中,所述参照面为与重力方向不平行的平面,所述栅格对应的采样点为正投影位于该栅格内的全部采样点;
确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大;
基于各有效点的位置信息确定点云数据对应的环境。
另一个方面,本公开实施例提供一种处理点云数据的装置,其包括:
获取模块,用于获取点云数据;其中,所述点云数据包括多个采样点的位置信息;
栅格模块,用于将参照面划分为多个栅格,确定各栅格对应的采样点;其中,所述参照面为与重力方向不平行的平面,所述栅格对应的采样点为正投影位于该栅格内的全部采样点;
有效点模块,用于确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大;
环境模块,用于基于各有效点的位置信息确定点云数据对应的环境。
另一个方面,本公开实施例提供一种车辆,其包括:
车载点云测量设备,用于测得原始点云数据;
车载计算单元,用于执行本公开实施例任意一项所述的处理点云数据的方法。
另一个方面,本公开实施例提供一种电子设备,其包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,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公开实施例任意一项所述的处理点云数据的方法;
一个或多个I/O接口,连接在所述处理器与存储器之间,用于实现所述处理器与存储器的信息交互。
另一个方面,本公开实施例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公开实施例任意一项所述的处理点云数据的方法。
本公开实施例中,在每个栅格中最多只取一个采样点(有效点)用于后续的计算,故其计算过程涉及的数据量大大降低,相应的运算量也大大降低,可实现更快的运算速度,并降低对所需处理器的要求,例如通过常规的车载计算单元(车规级芯片)即可实现实时地点云数据处理,满足自动驾驶的要求,提高车辆的环境感知能力。
附图说明
附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开的实施例一起用于解释本公开,并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述,以上和其它特征和优点对本领域技术人员将变得更加显而易见,在附图中:
图1为本公开实施例提供的一种处理点云数据的方法的流程图;
图2为本公开实施例提供的另一种处理点云数据的方法的流程图;
图3为本公开实施例提供的一种处理点云数据的方法中建立的车辆坐标系的示意图;
图4为本公开实施例提供的另一种处理点云数据的方法中部分步骤的流程图;
图5为本公开实施例提供的一种处理点云数据的装置的组成框图;
图6为本公开实施例提供的一种车辆的组成框图;
图7为本公开实施例提供的一种电子设备的组成框图;
图8为本公开实施例提供的一种计算机可读介质的组成框图。
具体实施方式
为使本领域的技术人员更好地理解本公开实施例的技术方案,下面结合附图对本公开实施例提供的处理点云数据的方法、装置、车辆、电子设备和计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例,但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本公开阐述的实施例。反之,提供这些实施例的目的在于使本公开透彻和完整,并将使本领域技术人员充分理解本公开的范围。
如本公开所使用的,术语“和/或”包括一个或多个相关列举条目的任何和全部组合。
本公开所使用的术语仅用于描述特定实施例,且不意欲限制本公开。如本公开所使用的,单数形式“一个”和“该”也意欲包括复数形式,除非上下文另外清楚指出。
当本公开中使用术语“包括”和/或“由……制成”时,指定存在所述特征、整体、步骤、操作、元件和/或组件,但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其群组。
本公开所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此,可根据制造技术和/或容限来修改示例图示。
除非另外限定,否则本公开所用的全部术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解,诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义,且将不解释为具有理想化或过度形式上的含义,除非本公开明确如此限定。
参照图1至图4,本公开实施例提供一种处理点云数据的方法。
其中,点云数据是一定范围内的物体外表面上的点(采样点)的位置数据(位置信息),通过对点云数据进行分析处理,可确定出一定范围内的物体的轮廓(2D或3D),也就是确定周边环境(如确定在什么位置有什么形状的物体)。
本公开实施例的方法用于对点云数据进行处理。
在一些实施例中,以上处理包括对点云数据进行实时处理,即通过点云测量设备(如激光雷达)实时检测得到周边环境的原始点云数据,并实时地对原始点云数据进行分析处理,以实时地确定周边环境,用于自动驾驶、辅助驾驶等的决策过程。
或者,在一些实施例中,以上处理也可包括对点云数据进行离线处理,即将点云测量设备(如激光雷达)检测得到的原始点云数据存储下来(并按照时间排序),之后,再通过其它设备(如非车载的电脑)对存储的数据进行分析处理,实现离线数据回放。
在一些实施例中,本公开实施例处理的原始点云数据是通过设在车辆上的车载点云测量设备测得的。
其中,车载点云测量设备是设于车辆(如自动驾驶车辆,尤其是自动驾驶等级L3以上的自动驾驶车辆)上的点云测量设备,其可实时采集车辆周边的原始点云数据。
也就是说,本公开实施例的方法可用于确定车辆的周边环境(如确定道路的路沿、道路上的障碍目标等),该周边环境可进一步用于自动驾驶、辅助驾驶等的决策过程中。
在一些实施例中,车载点云测量设备是车载激光雷达,即本公开实施例的方法可用于处理激光点云数据。
其中,车载激光雷达是车载点云测量设备的一种,其能以扫描的方式在一定范围内发射激光束(即依次向该范围内的不同方向发射激光束);同时,车载激光雷达还不断检测被物体反射回来的激光回波,以确定在相应方向(即发生反射的反向)上最接近的物体的位置,以得到原始点云数据,由此,原始点云数据包括物体表面的多个点(采样点)相对激光雷达的位置。
在一些实施例中,车载激光雷达可为单线、4线、16线、32线、64线、128线等不同形式。具体的,以上“线数”代表车载激光雷达能同时发出的激光束的数量,其中,不同激光束可分别对无重叠的不同范围进行扫描(如分别扫描车辆的前方、侧方、后方等);或者,不同激光束的扫描范围也可有部分重叠。
由于点云数据处理过程是对所有采样点的数据的综合处理,故随着车载激光雷达线数(也就是采样点数)的增加,其相应的运算量呈几何量级增加;由此,通常而言,当车载激光雷达的线数为4线或以上时,运算量已经很大,需要很强大的处理器才能实现对点云数据的实时处理,而这种实时处理很难通过常规的车规级芯片(即车载处理器)实现,从而对车辆的实时环境感知造成影响。
以下部分内容中,以点云数据通过车载激光雷达测量得到为例进行说明。
但应当理解,本公开实施例的方法也适用于处理来自其它来源的点云数据,例如,由其它车载点云测量设备测得的点云数据,或者是其它非车载的点云测量设备获得的点云数据(如用于构建地图的点云数据等)。
在一些实施例中,本公开实施例的处理点云数据的方法适用于车辆(如自动驾驶车辆)。参照图6,车辆包括车载点云测量设备(如激光雷达)和用于进行数据处理的车载计算单元(如车规级芯片)。
在一些实施例中,车辆还可包括路由单元(如路由器、交换机等)、存储单元(如笔记本电脑)、车辆总线(如CAN总线)等,后续再详细说明。
参照图1、图2,本公开实施例的处理点云数据的方法包括:
101、获取点云数据;其中,点云数据包括多个采样点的位置信息。
1011、通过设于车辆上的车载激光雷达测得原始点云数据。
参照图2,在车辆运行过程中(包括行驶或开机停泊),车载激光雷达实时地检测周边物体,以获得周边物体表面的多个点(采样点)的原始位置信息,而这些采样点的原始位置信息即构成原始点云数据。
在一些实施例中,采样点的原始位置信息可为采样点在车载激光雷达坐标系中的坐标,例如,由相对车载激光雷达的方向和距离限定的坐标。
1012、路由单元将以上测得的原始点云数据转发至车载计算单元和存储单元。
其中,路由单元是设于车辆上的、能够通过网络方式实现数据转发的单元,其具体可为路由器、交换机等。车载计算单元是能够进行数据处理的车载设备,其具体可为车规级芯片等。存储单元是能够存储数据的设备,其具体可为笔记本电脑等。
参照图2、图6,路由单元实时地接收车载激光雷达测得的原始点云数据,并同步地将原始点云数据转发至车载计算单元(如车规级芯片)和存储单元(如笔记本电脑),以供车载计算单元对原始点云数据进行实时处理,并让存储单元将原始点云数据存储下来。
其中,存储单元存储的原始点云数据可用于后续的离线处理。例如,在存储了足够的原始点云数据后,可通过非车载的设备(如电脑)进行离线数据回放,并与车辆总线数据(如车辆状态数据、车辆控制数据等)结合,复现车辆行驶过程中的真实场景,并据此调试点云数据处理算法、自动驾驶算法等,在此不再详细描述。
在一些实施例中,在以上离线处理过程中,还可将原始点云数据与摄像头、毫米波雷达等其它传感器采集的数据进行融合处理,以丰富车辆的环境感知能力。
1013、车载计算单元将原始点云数据的时间戳发送至车辆总线。
其中,车辆总线是车辆(如自动驾驶车辆)中用于传递各种信息的总线,其具体可为CAN(控制器局域网络,Controller Area Network)总线,而车辆总线中传递的数据即为车辆总线数据。
在一些实施例中,车辆总线数据可包括描述车辆定位、车速、车辆朝向等车辆状态数据,以及描述对车辆进行了何种控制的车辆控制数据等。
其中,原始点云数据显然自带时间戳(即根据车载激光雷达的时钟,该原始点云数据被采集的时间),故可参照图2、图6,车载计算单元在接收到原始点云数据后,即可将该原始点云数据的时间戳发送至车辆总线。
1014、车辆总线将车辆总线数据和以上原始点云数据的时间戳一起发送给存储单元。
参照图2、图6,车辆总线在接收到原始点云数据的时间戳后,即将同时产生的车辆总线数据与该时间戳一起发送至存储单元。其中,车辆总线数据也具有时间戳(即根据车辆的时钟,该车辆总线数据产生的时间)。由于时钟的不同,故以上车辆总线数据的时间戳与原始点云数据的时间戳有可能不同(即不对齐);但是,以上同时发送的车辆总线数据和原始点云数据的时间戳,应当是对应同一个实际时间的。
可见,通过以上方式,存储单元可同时获得原始点云数据(来自路由单元)和车辆总线数据(来自车辆总线),以及与车辆总线数据对应的原始点云数据的时间戳(来自车辆总线)。这样,在后续的离线处理过程中,可根据车辆总线数据对应的原始点云数据的时间戳查找相应的原始点云数据,而这样找到的原始点云数据与该车辆总线数据应当是对应同一个实际时间的数据。因此,可根据以上两个时间戳(原始点云数据的时间戳和车辆总线数据的时间戳)的差异,实现原始点云数据和车辆总线数据的时间对齐(当然如果两个时间戳相同,则直接将数据对应即可),也就是确定原始点云数据和车辆总线数据的对应关系(即确定周边环境与车辆状态、车辆控制的关系),便于进行离线分析。
当然,应当理解,如果不需要进行离线处理,也可仅将原始点云数据发送至车载计算单元进行处理,且车辆中也可不设置相应的路由单元、存储单元等。
1015、车载计算单元基于原始点云数据获取点云数据。
参照图2,车载计算单元在得到原始点云数据后,即开始对其进行处理,而为简化计算过程,可先将原始点云数据转变为点云数据。
在一些实施例中,车载计算单元的获取模块先判断原始点云数据的Ethernet数据包(其来自路由单元故叫Ethernet)是否完整,若数据包不完整则直接舍弃,若完整则继续;之后,可继续判断数据包是否是针对指定激光束(如指定序号的激光束)的,若否也可将数据包舍弃,若是则继续;之后,即可对符合要求的数据包进行解析,根据其中采样点在车载激光雷达坐标系的坐标,转换得到采样点在车辆坐标系下的坐标,也就是得到点云数据中各采样点的位置信息(即相对于车辆的位置)。
其中,若车载计算单元(如车规级芯片)为多核心的处理器,则可通过多核任务调度算法,将数据包同时分配给多个核心,而每个核心仅处理部分数据包。例如,每个核心可仅处理对应部分激光束的数据包(即以上仅处理指定序号的激光束的方式),或者是,每个核心可仅处理对应部分区域的数据包等。
其中,车辆坐标系的具体形式可根据需要设置。例如,可参照图3,以车辆前保险杠的中心为原点,以车辆行驶方向(如车辆正前方)为X轴、与重力平行的方向为Z轴建立右手坐标系,作为车辆坐标系。可以理解地,当车辆在水平路面行驶时,X轴和Y轴所在平面与车辆的底面平行。
当然,该车辆坐标系原点、坐标轴等也可根据需要设置为其它方式。
其中,车辆的底面是指由车辆的底部定义的一个面,其相对车辆具有确定的相对位置。例如,车辆的底面可为车辆的底盘的主体结构的底面所在的面;由于车辆的底面与各车轮的最底部间的垂直距离通常是相等且固定的,而各车轮的最底部所在的面通常就是车辆当前行驶的路面,故车辆的底面通常平行于车辆当前行驶的路面(包括该路面为上坡、下坡等时)。
102、将参照面划分为多个栅格,确定各栅格对应的采样点;其中,参照面为与重力方向不平行的平面,栅格对应的采样点为正投影位于该栅格内的全部采样点。
车载计算单元将参照面划分为多个栅格,并确定各栅格对应的采样点。
参照图2,车载计算单元将点云数据栅格化,以得到栅格地图,也就是将平面划分为栅格,并确定各栅格对应的采样点。
在一些实施例中,车载计算单元的栅格模块将预定的参照面划分为多个栅格(如划分为多个边长在十至二十厘米的正方形),并将点云数据的各采样点正投影至该参照面,其中,若某采样点的正投影位于某栅格内,则该采样点为该栅格对应的采样点(即栅格对应的采样点为正投影位于该栅格内的全部采样点)。
其中,对正投影正好位于两栅格边界线上的采样点,可采取不同的方式处理。例如,可认为两个栅格均对应该采样点,或者,也可根据预定方式(如随机选取)确定一个栅格对应该采样点。
可见,根据以上方式,每个栅格可能对应多个采样点,也可能仅对应一个采样点,也可能没有对应的采样点(即没有采样点的正投影落入该栅格中)。
其中,参照面是与重力方向不平行的预定的平面,其具体可根据需要选取。在一些实施例中,参照面可为平行于车辆的底面(或路面)的平面,或者,参照面也可为以上车辆坐标系中的X轴和Y轴所在的平面,以简化计算过程。
其中,以上参照面为“平面”的描述,只表示参照面是平整的,没有起伏,不是曲面,而并不代表参照面是一个“无限大”的面。相反,参照面可为相对车辆处于预定范围内的有限的面。例如,在以上车辆坐标系中,参照面可为由以下四个点围成的矩形面:(0,-a,0)、(0,a,0)、(b,a,0)、(b,-a,0)。其中,a、b的具体值可根据激光雷达的感知范围的变动,例如,a可为10米,b可为30米等。
相应的,X轴坐标值和Y轴坐标值中,有一者超出以上参照面的X轴坐标值和Y轴坐标值的范围的采样点,也可直接舍弃(因为其正投影必然不在参照面上)。
当然,参照面也可为其它的具体平面。例如,参照面可为路面(即供车辆行驶的道路的表面),或者,参照面也可为平行于路面的平面(但可比路面高或低),或者,参照面也可为垂直于重力方向的水平面(当路面倾斜时,该参照面不平行于路面)等。
103、确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大。
车载计算单元确定各栅格对应的有效点,并确定全部有效点对应的稀疏矩阵。
参照图2,车载计算单元继续在每个栅格中,以高度为依据确定最多一个采样点为该栅格的有效点。
在一些实施例中,车载计算单元的有效点模块确定每个栅格对应的各采样点的高度,之后,选出其中高度最大的一个采样点(若有多个采样点高度相同,可随机选择一个),并判断该采样点的高度是否大于预设的第一阈值:若是,则以其为该采样点为该栅格对应的有效点(即栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点);若否,则将该采样点舍弃。
由此,即可得到由栅格和对应的有效点构成的“栅格地图”。可见,根据以上方式,在栅格地图中,每个栅格可能有一个对应的有效点,也可能没有对应的有效点(即栅格没有对应的采样点,或者栅格对应的采样点高度均小于或等于第一阈值)。
在一些实施例中,车载计算单元还确定各栅格对应的全部有效点对应的稀疏矩阵,即以稀疏矩阵的形式将全部有效点保存下来以供后续使用(后续详细描述)。
其中,以上采样点的高度表示采样点的位置有“多高”。当然,根据0高度的基准面、高度值算法等的不同,同一个采样点的高度的具体值可能不同,但采样点的高度必然是沿背离重力的方向增大的。例如,可用路面为基准面,并以采样点与路面间沿重力方向上的距离为采样点的高度,当采用以上车辆坐标系时,该高度即为采样点与路面的相应点间的Z轴坐标值的差。再如,基准面也可为车辆的底面等其它的面。再如,高度也为其它形式,如为采样点与基准面间的垂直距离(当基准面不是水平面时,该距离与沿重力方向上的距离不同)。
当然,当采样点位于以上0高度的基准面以下时,其高度可能为负值。
其中,第一阈值的选取应以能将大部分对应路面(或低于路面)的采样点除去,同时能保留大部分明显高于路面的采样点为准。例如,当采用以上车辆坐标系时,可选取采样点中Z轴坐标值最小的点,以其Z轴坐标值为Za,之后取Z轴坐标值在Za和略大于Za的值的范围内的采样点,如选择Z轴坐标值在Za至(Za+0.5米)间的采样点,用这些采样点拟合出一个A*X+B*Y+C*Z+D=0平面方程(A、B、C、D均为计算得到的系数),该平面方程即代表当前的路面,因此,可用各采样点相对该路面的垂直距离(如Z轴坐标值)作为各采样点的高度。相应的,第一阈值的具体取值范围可在0.2米至0.5米之间,如为0.2米、0.3米、0.4米、0.5米等。
由此,以上选出的有效点,通常是高于路面的采样点,即它们对应相对路面凸出的物体(如其它车辆、建筑结构等),而这些物体才是比较需要关注的周边环境,故基于以上有效点计算周边环境。可很好的满足实际需求。
应当理解,对自动驾驶、辅助驾驶等而言,通常不必关注很高的结构(如不关注路边的楼有几层)。
在一些实施例中,本步骤中也可将高度大于或等于第三阈值(如为2米、3米、4米等)的采样点除去,即有效点的高度也要小于第三阈值。由此,栅格对应的有效点为该栅格对应的采样点中,高度最大、高度大于第一阈值,且高度小于第三阈值的至多一个采样点。
104、基于各有效点的位置信息确定点云数据对应的环境。
车载计算单元基于有效点的位置信息确定点云数据对应的环境。
参照图2,在得到各栅格以及对应的有效点(栅格地图)后,即可根据这些有效点,进一步实时地确定车辆周边的环境,以实现环境感知,并用于自动驾驶、辅助驾驶等的决策过程。
参照图4,在一些实施例中,车载计算单元的环境模块可通过以下方式确定点云数据对应的环境:
1041、车载计算单元确定部分有效点为路沿候选点。
参照图4,在一些实施例中,车载计算单元判断具有对应有效点的栅格在沿某方向两侧相邻的两个栅格中,是否只有一个栅格对应有效点,而另一个栅格则没有对应有效点:如果是,则以该栅格对应的有效点为路沿候选点;如果否,则以该栅格对应的有效点为非路沿候选点。由此,路沿候选点必然满足:在至少一个平行于参照面的方向上,位于路沿候选点所在栅格一侧的相邻栅格具有对应的有效点,位于路沿候选点所在栅格另一侧的相邻栅格无对应的有效点。
可见,对以上路沿候选点对应的栅格,其周边的栅格不是全部对应有效点,也不是全部不对应有效点;而是一侧的周边栅格对应有效点,另一侧的周边栅格不对应有效点。也就是说,以上路沿候选点对应的栅格,必然是一侧较高而另一侧较低的。
显然,路沿(道路的边沿)通常具有人行道、隔离护栏等相对路面较高的结构,即路沿通常比路面“更高”。由此,路沿处的栅格应该对应有效点,且其靠近道路侧的相邻栅格应当没有对应有效点,而其远离道路侧的相邻栅格中应当对应有效点。这样,通过对两侧相邻栅格对应有效点情况的分析,即可确定出有较大可能是路沿的有效点作为路沿候选点。
在一些实施例中,以上“至少一个平行于参照面的方向”为“垂直于车辆的行驶方向且平行于参照面的方向”。
车辆通常沿道路方向行驶,而路沿也平行于道路方向,因此在与行驶方向垂直的方向上,路沿通常是一侧(靠近道路一侧)高而另一侧(靠近路沿内部一侧)低,故可用与车辆的行驶方向垂直的方向作为判断路沿候选点所依据的方向。
在一些实施例中,可遍历稀疏矩阵中的每个有效点,判断其是否为路沿候选点,以确定路沿候选点。
显然,在确定路沿候选点时,实际只要对具有对应有效点的栅格是否符合以上条件进行判断即可。但是,栅格地图包括所有的栅格(其中有些栅格没有对应有效点),故若仅依据栅格地图,则通常需要对其中所有的栅格进行遍历才能完成以上路沿候选点判断,但这样会引入不必要的运算。为此,可对以上稀疏矩阵中的有效点进行遍历,并逐一判断其中各有效点在栅格地图中对应的栅格是否符合以上条件,由于稀疏矩阵仅包括有效点而不包括无对应有效点的栅格,故以上方式可减少运算量。
1042、车载计算单元对各路沿候选点进行聚类,将每组相对集中的路沿候选点分入一个路沿候选点集合。
显然,通常真实路沿对应的多个路沿候选点的分布应当是相对集中的,而相对离散(相对独立)的路沿候选点通常不代表真正的路沿,而是其它原因导致的(如测量误差,或纸片等小物体)。
为此,参照图4,可通过聚类算法,将路沿候选点聚为多个路沿候选点集合,每个路沿候选点集合代表一些相对集中分布的路沿候选点;而未被归入任何路沿候选点集合的离散路沿候选点,则可被改为非路沿候选点。
其中,以上聚类所采用的算法具体可为密度聚类、层次聚类以及网格聚类算法等,在此不再详细描述。
1043、车载计算单元判断每个路沿候选点集合中沿车辆的行驶方向相距最远的两个路沿候选点间的距离,并以该距离大于第二阈值的路沿候选点集合为路沿点集合。
参照图4,车载计算单元的环境模块计算每个路沿候选点集合中,沿车辆的行驶方向(也就是路沿延伸方向)相距最远的两个路沿候选点间的距离;之后,判断该距离是否大于一个预设的第二阈值:若是,则表明该路沿候选点集合中的路沿候选点在路沿延伸方向上分布在较长的范围内,故该路沿候选点集合应当确实对应路沿(因为路沿通常有较大的长度),应为路沿点集合;若否,则表明该路沿候选点集合实际对应的可能是车辆边缘等较短物体边缘,故其不是路沿点集合。
其中,以上两个路沿候选点间的距离可采用两点间的直线距离,因为即使对弯道、转弯等位置的路沿,其曲率半径相对于车辆边缘的长度等也是很大的,可近似为直线。
其中,第二阈值应取大于道路上的通常的其它物体的边缘长度的值。具体的,第二阈值的取值范围可在8米至12米,如为8米、9米、10米、11米、12米等。
1044、车载计算单元基于每个路沿点集合中的路沿候选点的位置信息确定一条路沿线。
参照图4,由于每个路沿点集合通常对应一条路沿,故车载计算单元的环境模块可对每个路沿点集合中的各路沿候选点进行曲线拟合,得到一条对应一条路沿线的曲线方程,并用于自动驾驶、辅助驾驶等的决策过程。
1045、车载计算单元确定最接近路沿线,并基于最接近路沿线确定行驶区域。
参照图4,车载计算单元的环境模块还确定在垂直于车辆的行驶方向且平行于参照面的方向上分别位于车辆两侧,且在两侧分别与车辆最接近的两条路沿线为最接近路沿线,该最接近路沿线就是车辆当前所在道路两侧的路沿线。
进而,车载计算单元的环境模块即可确定两条最接近路沿线之间的区域为行驶区域,也就是车辆当前可行驶的范围,作为自动驾驶、辅助驾驶等的依据。
1046、车载计算单元对行驶区域内的各有效点进行聚类,将每组相对集中的有效点分入一个障碍点集合。
可见,路面上会影响驾驶的宏观的障碍目标(如其它车辆、行人、大型异物等)通常对应很多相对集中的有效点,而相对离散(相对独立)的有效点通常不是真正的障碍目标,而是其它原因导致的(如测量误差,或纸片等小物体)。
为此,参照图4,可通过聚类将有较大可能对应障碍目标的有效点分入一个障碍点集合,用于后续计算。
其中,以上聚类所采用的算法具体可为密度聚类、层次聚类以及网格聚类算法等,在此不再详细描述。
1047、车载计算单元基于每个障碍点集合中的有效点的位置信息确定一个障碍目标。
参照图4,车载计算单元的环境模块可根据每个障碍点集合中的有效点进行建模,得到一个可能影响驾驶的障碍目标。
在一些实施例中,车载计算单元的环境模块可选择每个障碍点集合中距离车辆最近的点,作为该障碍目标的测量点,并进行卡尔曼滤波、分配ID(即给每个障碍目标分配编号)等处理,以确定障碍目标的形状、类型等,并通过持续的处理对障碍目标(如其它车辆)进行跟踪,确定障碍目标的位置、速度等运动状态信息,作为自动驾驶、辅助驾驶过程中的决策依据。
当然,应当理解,根据有效点确定环境的具体算法不限于以上确定路沿线、确定行驶区域、确定障碍目标的方式。
例如,路沿线、行驶区域、障碍目标等也可根据其它的算法确定;再如,还可根据有效点确定其它与环境相关的内容,如确定道路边的交通标志等。
本公开实施例中,在每个栅格中最多只取一个采样点(有效点)用于后续的计算,故其计算过程涉及的数据量大大降低,相应的运算量也大大降低,可实现更快的运算速度,并降低对所需处理器的要求,例如通过常规的车载计算单元(车规级芯片)即可实现实时地点云数据处理,满足自动驾驶的要求,提高车辆的环境感知能力。
另一个方面,参照图5,本公开实施例提供一种处理点云数据的装置,其包括:
获取模块,用于获取点云数据;其中,点云数据包括多个采样点的位置信息;
栅格模块,用于将参照面划分为多个栅格,确定各栅格对应的采样点;其中,参照面为与重力方向不平行的平面,栅格对应的采样点为正投影位于该栅格内的全部采样点;
有效点模块,用于确定各栅格对应的有效点;其中,栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,高度沿背离重力的方向增大;
环境模块,用于基于各有效点的位置信息确定点云数据对应的环境。
在一些实施例中,获取模块、栅格模块、有效点模块、环境模块集成在车载计算单元中;
获取模块用于基于设在车辆上的车载点云测量设备测得的原始点云数据获取点云数据。
本公开实施例的处理点云数据的装置能实现以上的处理点云数据的方法。
在一些实施例中,以上处理点云数据的装置具体为车载的装置,故其中的获取模块、栅格模块、有效点模块、环境模块等可为车载计算单元(如车规级芯片)。
在一些实施例中,本公开实施例的装置还包括路由单元、存储单元、车辆总线,其中,
路由单元用于将设在车辆上的车载点云测量设备测得的原始点云数据转发至车载计算单元和存储单元;
车载计算单元还用于将原始点云数据的时间戳发送至车辆总线;
车辆总线用于将原始点云数据的时间戳和车辆总线数据同步发送至存储单元。
当需要将原始点云数据保存下来以供后续的离线处理时,参照图5,本公开实施例的处理点云数据的装置还可包括以上存储单元(如笔记本)、路由单元(如路由器、交换机等)、车辆总线(如CAN总线)等。
另一个方面,参照图6,本公开实施例提供一种车辆,其包括:
车载点云测量设备,用于测得原始点云数据;
车载计算单元,用于执行本公开实施例任意一项的处理点云数据的方法。
本公开实施例的车辆能实现以上处理点云数据的方法,故其可为自动驾驶车辆,且其中包括车载点云测量设备(如车载激光雷达)、车载计算单元(如车规级芯片)等。
参照图6,本公开实施例的车辆还可包括以上的存储单元(如笔记本电脑)、路由单元(如路由器、交换机等)、车辆总线(如CAN总线)等,在此不再详细描述。
另一个方面,参照图7,本公开实施例提供一种电子设备,其包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器本公开实施例任意一项的处理点云数据的方法;
一个或多个I/O接口,连接在处理器与存储器之间,用于实现处理器与存储器的信息交互。
其中,处理器为具有数据处理能力的器件,其包括但不限于中央处理器(CPU)等;存储器为具有数据存储能力的器件,其包括但不限于随机存取存储器(RAM,更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH);I/O接口(读写接口)连接在处理器于存储器间,用于实现存储器与处理器的信息交互,其包括但不限于数据总线(Bus)等。
另一个方面,参照图8,本公开实施例提供一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本公开实施例任意一项的处理点云数据的方法。
本领域普通技术人员可以理解,上文中所公开的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。
某些物理组件或全部物理组件可以被实施为由处理器,如中央处理器(CPU)、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其它数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于随机存取存储器(RAM,更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH)或其它磁盘存储器;只读光盘(CD-ROM)、数字多功能盘(DVD)或其它光盘存储器;磁盒、磁带、磁盘存储或其它磁存储装置器;可以用于存储期望的信息并且可以被计算机访问的任何其它的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其它传输机制之类的调制数据信号中的其它数据,并且可包括任何信息递送介质。
本公开已经公开了示例实施例,并且虽然采用了具体术语,但它们仅用于并仅应当被解释为一般说明性含义,并且不用于限制的目的。在一些实例中,对本领域技术人员显而易见的是,除非另外明确指出,否则可单独使用与特定实施例相结合描述的特征、特性和/或元素,或可与其它实施例相结合描述的特征、特性和/或元件组合使用。因此,本领域技术人员将理解,在不脱离由所附的权利要求阐明的本公开的范围的情况下,可进行各种形式和细节上的改变。
Claims (19)
1.一种处理点云数据的方法,其包括:
获取点云数据;其中,所述点云数据包括多个采样点的位置信息;
将参照面划分为多个栅格,确定各栅格对应的采样点;其中,所述参照面为与重力方向不平行的平面,所述栅格对应的采样点为正投影位于该栅格内的全部采样点;
确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大;
基于各有效点的位置信息确定点云数据对应的环境。
2.根据权利要求1所述的方法,其中,
所述栅格对应的有效点为该栅格对应的采样点中,高度最大、高度大于第一阈值且小于第三阈值的至多一个采样点。
3.根据权利要求1所述的方法,其中,所述获取点云数据包括:
基于设在车辆上的车载点云测量设备测得的原始点云数据获取点云数据;其中,所述原始点云数据包括多个采样点的原始位置信息。
4.根据权利要求3所述的方法,其中,
所述车载点云测量设备包括车载激光雷达。
5.根据权利要求3所述的方法,其中,
所述参照面平行于车辆的底面。
6.根据权利要求3所述的方法,其中,
所述采样点的原始位置信息包括采样点在车载点云测量设备坐标系的坐标;
所述基于设在车辆上的车载点云测量设备测得的原始点云数据获取点云数据包括:基于采样点在车载点云测量设备坐标系的坐标,确定采样点在车辆坐标系下的坐标;其中,所述采样点的位置信息包括采样点在车辆坐标系下的坐标。
7.根据权利要求3所述的方法,其中,所述基于各有效点的位置信息确定点云数据对应的环境包括:
确定部分有效点为路沿候选点;其中,在至少一个平行于所述参照面的方向上,位于路沿候选点所在栅格一侧的相邻栅格具有对应的有效点,位于路沿候选点所在栅格另一侧的相邻栅格无对应的有效点;
基于所述路沿候选点的位置信息确定路沿线。
8.根据权利要求7所述的方法,其中,
在垂直于所述车辆的行驶方向且平行于参照面的方向上,位于路沿候选点所在栅格一侧的相邻栅格具有对应的有效点,位于路沿候选点所在栅格另一侧的相邻栅格无对应的有效点。
9.根据权利要求7所述的方法,其中,
在所述确定各栅格对应的有效点和所述确定部分有效点为路沿候选点之间,还包括:建立对应全部有效点的稀疏矩阵;
所述确定部分有效点为路沿候选点包括:遍历所述稀疏矩阵中的每个有效点,判断其是否为路沿候选点。
10.根据权利要求7所述的方法,其中,所述基于所述路沿候选点的位置信息确定路沿线包括:
对各路沿候选点进行聚类,得到至少一个路沿候选点集合;
确定每个路沿候选点集合中沿所述车辆的行驶方向相距最远的两个路沿候选点间的距离,确定该距离大于第二阈值的路沿候选点集合为路沿点集合;
基于每个路沿点集合中的路沿候选点的位置信息确定一条路沿线。
11.根据权利要求7所述的方法,其中,在所述基于所述路沿候选点的位置信息确定路沿线后,还包括:
基于最接近路沿线确定行驶区域;其中,最接近路沿线为在垂直于车辆的行驶方向且平行于参照面的方向上,分别位于所述车辆两侧且分别与车辆最接近的两条路沿线,所述行驶区域为两条所述最接近路沿线之间的区域。
12.根据权利要求11所述的方法,其中,在所述基于最接近路沿线确定行驶区域后,还包括:
对所述行驶区域内的各有效点进行聚类,得到至少一个障碍点集合;
基于每个障碍点集合中的有效点的位置信息确定一个障碍目标。
13.根据权利要求3所述的方法,其中,
所述基于设在车辆上的车载点云测量设备测得的原始点云数据获取点云数据包括:路由单元将设在车辆上的车载点云测量设备测得的原始点云数据转发至车载计算单元,以供所述车载计算单元基于原始点云数据获取点云数据;
所述方法还包括:
所述路由单元将原始点云数据转发至存储单元;
所述车载计算单元将原始点云数据的时间戳发送至车辆总线;
所述车辆总线将原始点云数据的时间戳和车辆总线数据同步发送至存储单元。
14.一种处理点云数据的装置,其包括:
获取模块,用于获取点云数据;其中,所述点云数据包括多个采样点的位置信息;
栅格模块,用于将参照面划分为多个栅格,确定各栅格对应的采样点;其中,所述参照面为与重力方向不平行的平面,所述栅格对应的采样点为正投影位于该栅格内的全部采样点;
有效点模块,用于确定各栅格对应的有效点;其中,所述栅格对应的有效点为该栅格对应的采样点中,高度最大且大于第一阈值的至多一个采样点,所述高度沿背离重力的方向增大;
环境模块,用于基于各有效点的位置信息确定点云数据对应的环境。
15.根据权利要求14所述的装置,其中,
所述获取模块、栅格模块、有效点模块、环境模块集成在车载计算单元中;
所述获取模块用于基于设在车辆上的车载点云测量设备测得的原始点云数据获取点云数据。
16.根据权利要求15所述的装置,其中,还包括路由单元、存储单元、车辆总线,其中,
所述路由单元用于将设在车辆上的车载点云测量设备测得的原始点云数据转发至车载计算单元和存储单元;
所述车载计算单元还用于将原始点云数据的时间戳发送至车辆总线;
所述车辆总线用于将原始点云数据的时间戳和车辆总线数据同步发送至存储单元。
17.一种车辆,其包括:
车载点云测量设备,用于测得原始点云数据;
车载计算单元,用于执行根据权利要求1至12中任意一项所述的处理点云数据的方法。
18.一种电子设备,其包括:
一个或多个处理器;
存储器,其上存储有一个或多个程序,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根据权利要求1至12中任意一项所述的处理点云数据的方法;
一个或多个I/O接口,连接在所述处理器与存储器之间,用于实现所述处理器与存储器的信息交互。
19.一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现根据权利要求1至12中任意一项所述的处理点云数据的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910951275.6A CN110879399B (zh) | 2019-10-08 | 2019-10-08 | 处理点云数据的方法、装置、车辆、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910951275.6A CN110879399B (zh) | 2019-10-08 | 2019-10-08 | 处理点云数据的方法、装置、车辆、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110879399A true CN110879399A (zh) | 2020-03-13 |
CN110879399B CN110879399B (zh) | 2023-04-11 |
Family
ID=69727856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910951275.6A Active CN110879399B (zh) | 2019-10-08 | 2019-10-08 | 处理点云数据的方法、装置、车辆、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879399B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239706A (zh) * | 2020-03-30 | 2020-06-05 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN111710039A (zh) * | 2020-06-03 | 2020-09-25 | 纵目科技(上海)股份有限公司 | 一种高精度地图的构建方法、***、终端和存储介质 |
CN113219446A (zh) * | 2021-04-30 | 2021-08-06 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN113971712A (zh) * | 2020-07-22 | 2022-01-25 | 上海商汤临港智能科技有限公司 | 一种点云数据的处理方法、装置、电子设备及存储介质 |
CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN114384492A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5566292A (en) * | 1992-04-17 | 1996-10-15 | International Business Machines Corporation | Methods for detecting the closest existing point on a spline or polyline |
US20140240690A1 (en) * | 2011-09-30 | 2014-08-28 | The Chancellor Masters And Scholars Of The University Of Oxford | Determining extrinsic calibration parameters for a sensor |
CN205246878U (zh) * | 2015-09-22 | 2016-05-18 | 南方电网科学研究院有限责任公司 | 一种激光雷达输电线路机巡辅助监测装置 |
CN106371104A (zh) * | 2016-08-16 | 2017-02-01 | 长春理工大学 | 多线点云数据机器学习的车辆目标识别方法及防撞装置 |
-
2019
- 2019-10-08 CN CN201910951275.6A patent/CN110879399B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5566292A (en) * | 1992-04-17 | 1996-10-15 | International Business Machines Corporation | Methods for detecting the closest existing point on a spline or polyline |
US20140240690A1 (en) * | 2011-09-30 | 2014-08-28 | The Chancellor Masters And Scholars Of The University Of Oxford | Determining extrinsic calibration parameters for a sensor |
CN205246878U (zh) * | 2015-09-22 | 2016-05-18 | 南方电网科学研究院有限责任公司 | 一种激光雷达输电线路机巡辅助监测装置 |
CN106371104A (zh) * | 2016-08-16 | 2017-02-01 | 长春理工大学 | 多线点云数据机器学习的车辆目标识别方法及防撞装置 |
Non-Patent Citations (1)
Title |
---|
赖祖龙等: "激光雷达在滩涂海岸地形测量中的应用" * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239706A (zh) * | 2020-03-30 | 2020-06-05 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN111239706B (zh) * | 2020-03-30 | 2021-10-01 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN111710039A (zh) * | 2020-06-03 | 2020-09-25 | 纵目科技(上海)股份有限公司 | 一种高精度地图的构建方法、***、终端和存储介质 |
CN113971712A (zh) * | 2020-07-22 | 2022-01-25 | 上海商汤临港智能科技有限公司 | 一种点云数据的处理方法、装置、电子设备及存储介质 |
CN113219446A (zh) * | 2021-04-30 | 2021-08-06 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
WO2022228150A1 (zh) * | 2021-04-30 | 2022-11-03 | 森思泰克河北科技有限公司 | 车内雷达占位识别方法、装置及车载雷达 |
CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN114279453B (zh) * | 2022-03-04 | 2022-07-19 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
CN114384492A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114384492B (zh) * | 2022-03-24 | 2022-06-24 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110879399B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879399B (zh) | 处理点云数据的方法、装置、车辆、电子设备和介质 | |
JP7488765B2 (ja) | センサーの誤較正の自動検出 | |
CN113792566B (zh) | 一种激光点云的处理方法及相关设备 | |
US12037015B2 (en) | Vehicle control device and vehicle control method | |
JP2021099793A (ja) | インテリジェント交通管制システム及びその制御方法 | |
KR20120103546A (ko) | 차량 부재 제어 방법 | |
WO2020145053A1 (ja) | 走行車線推定装置、走行車線推定方法、制御プログラム、およびコンピュータ読み出し可能持続的記録媒体 | |
US20190152487A1 (en) | Road surface estimation device, vehicle control device, and road surface estimation method | |
CN110807412B (zh) | 一种车辆激光定位的方法、车载设备和存储介质 | |
WO2020121133A1 (en) | Determination of an optimal spatiotemporal sensor configuration for navigation of a vehicle using simulation of virtual sensors | |
CN113743171A (zh) | 目标检测方法及装置 | |
US11035679B2 (en) | Localization technique | |
CN112744217B (zh) | 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质 | |
JP2021113816A (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
US20230349719A1 (en) | Map generation apparatus, map generation program and on-vehicle equipment | |
CN112660128A (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
CN109884616B (zh) | 一种雷达测量距离融合方法、装置及终端 | |
US11667304B2 (en) | Enhanced vehicle operation | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及*** | |
CN113386771A (zh) | 道路模型的生成方法及设备 | |
JP2022007526A (ja) | 周辺車両判別システム、周辺車両判別プログラム | |
CN114599567A (zh) | 车载集群跟踪*** | |
CN111709356B (zh) | 识别目标区域的方法、装置、电子设备和路侧设备 | |
JP7380705B2 (ja) | 情報生成装置、情報生成方法、及びコンピュータプログラム | |
JP7449497B2 (ja) | 障害物情報取得システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |