CN111175775A - 定位数据生成方法、装置以及电子设备 - Google Patents

定位数据生成方法、装置以及电子设备 Download PDF

Info

Publication number
CN111175775A
CN111175775A CN201811332366.3A CN201811332366A CN111175775A CN 111175775 A CN111175775 A CN 111175775A CN 201811332366 A CN201811332366 A CN 201811332366A CN 111175775 A CN111175775 A CN 111175775A
Authority
CN
China
Prior art keywords
laser point
data
road
laser
point 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.)
Pending
Application number
CN201811332366.3A
Other languages
English (en)
Inventor
陈成
周帅
徐强
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201811332366.3A priority Critical patent/CN111175775A/zh
Priority to PCT/CN2019/115309 priority patent/WO2020093966A1/zh
Publication of CN111175775A publication Critical patent/CN111175775A/zh
Priority to US17/314,809 priority patent/US20210263135A1/en
Pending legal-status Critical Current

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
    • G01S17/46—Indirect determination of position 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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • 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
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/2163—Partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/245—Classification techniques relating to the decision surface
    • 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
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Traffic Control Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例提供一种定位数据生成方法、装置以及电子设备，其中，方法包括：获取道路和/或道路两侧在预设区域范围内的激光点云数据；从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，所述目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；将所述提取出的关键点的激光点数据作为所述道路的定位数据存储。本发明实施例的方案，能够生成用于高精定位且数据量不大的定位数据。

Description

定位数据生成方法、装置以及电子设备
技术领域
本申请涉及电子地图技术领域，尤其涉及一种定位数据生成方法、装置以及电子设备。
背景技术
传统的车辆定位方法，一般基于车辆上搭载的全球导航卫星***(GlobalNavigation Satellite System，GNSS)接收机，获取车辆的实时位置，位置精度一般在米级。在高精地图产生之后，出现了基于高精地图的定位方法，即在车辆行驶过程中实时获取车辆周边的环境信息，通过将该环境信息与预先制作的高精定位数据的匹配，获取车辆的高精定位结果，高精定位结果的定位精度一般在厘米级，可以满足自动驾驶的需求。发明人在对现有基于高精地图的定位方法进行研究的过程中发现，基于激光点云数据生成适用于高精定位的定位数据，对于高精定位的实现起到至关重要的作用，但是现有技术提供的适用于高精定位的定位数据的数据量较大，不利于存储利用。
发明内容
本发明提供了一种定位数据生成方法、装置以及电子设备，能够生成用于高精定位且数据量不大的定位数据。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，提供了一种定位数据生成方法，包括：
获取道路和/或道路两侧在预设区域范围内的激光点云数据；
从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，所述目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
将所述提取出的关键点的激光点数据作为所述道路的定位数据存储。
第二方面，提供了一种定位数据生成装置，包括：
点云获取模块，用于获取道路和/或道路两侧在预设区域范围内的激光点云数据；
数据提取模块，用于从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，所述目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
数据存储模块，用于将所述提取出的关键点的激光点数据作为所述道路的定位数据存储。
第三方面，提供了一种电子设备，包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于执行程序，所述程序运行时执行本发明提供的定位数据生成方法。
本发明提供了一种定位数据生成方法、装置以及电子设备，从获取的道路和/或道路两侧在预设区域范围内的激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据作为道路的定位数据进行存储，由于本发明的目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象，这些道路对象一般不会因为环境变化或者随着时间的推移而发生变化，而定位是将车辆行驶过程实时获取的环境信息与定位数据进行匹配，从而确定车辆的位置，因此，提取道路上和/或道路两侧易于识别且属性稳定的道路对象的关键点的激光点数据作为定位数据能够保证定位成功率。同时，本发明仅提取关键点的激光点数据，所以数据量较少，方便存储和传输。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1a为本发明实施例的激光点云数据采集装置结构示意图；
图1b为本发明实施例的定位数据生成的技术方案示意图；
图2为本发明实施例的定位数据生成***结构图；
图3a为本发明实施例的定位数据生成方法流程图一；
图3b为本发明实施例的激光点云示意图；
图4a为本发明实施例的定位数据生成方法流程图二；
图4b为本发明实施例的原始激光点云扫描线图；
图5为本发明实施例的定位数据生成方法流程图三；
图6为本发明实施例的定位数据生成方法流程图四；
图7a为本发明实施例的定位数据生成方法流程图五；
图7b为本发明实施例的道路两侧区域的原始激光点云图；
图8a为本发明实施例的定位数据生成方法流程图六；
图8b为本发明实施例的道路两侧直立物体点的激光点云图；
图9a为本发明实施例的定位数据生成方法流程图七；
图9b为本发明实施例的地面标记点、道路两侧边缘点、道路两侧直立物体点的激光点云图；
图10为本发明实施例的定位数据生成装置结构图一；
图11为本发明实施例的定位数据生成装置结构图二；
图12为本发明实施例的定位数据生成装置结构图三；
图13为本发明实施例的定位数据生成装置结构图四；
图14为本发明实施例的定位数据生成装置结构图五；
图15为本发明实施例的定位数据生成装置结构图六；
图16为本发明实施例的定位数据生成装置结构图七；
图17为本发明实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了实现汽车的高精定位，需要生成用于高精定位场景的定位数据，该定位数据需要满足以下几个要求：
信息量：定位数据的信息量应足够丰富，尽可能真实的表征汽车行驶的道路及其周边的环境；
数据量：定位数据的数据量应尽量小，以便于存储和传输；
鲁棒性：定位数据对光照、时间、季节、气候、路况等外部环境足够鲁棒，不易受到外部环境变化的影响；
综合考虑以上几个要求，本发明提出了一种定位数据生成方法，该方法包括：
获取道路和/或道路两侧在预设区域范围内的激光点云数据；
从激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，该目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
将提取出的关键点的激光点数据作为道路的定位数据存储。
在实际应用中，前述道路上或道路两侧易于识别且属性稳定的道路对象可以是地面标记、道路边缘、道路侧直立物体。
其中，地面标记可以是道路面上涂画的任何标记，比如，车道线、行驶方向箭头、人行横道等；道路边缘可以由路沿石、防护栏、绿化带等构成；道路侧直立物体是指道路两侧的直立物体，比如，道路两侧的杆(路牌、照明灯、红绿灯等的支持杆)、树干、墙体等。
由于地面标记、道路边缘、道路侧直立物体，这些目标对象不易受到光照、时间、季节、气候以及路况等外部环境的影响，而定位是将车辆行驶过程实时获取的环境信息与定位数据进行匹配，从而确定车辆的位置，因此，提取道路上和/或道路两侧易于识别且属性稳定的道路对象的关键点的激光点数据作为定位数据能够保证定位成功率。同时，本发明仅提取关键点的激光点数据，所以数据量较少，方便存储和传输。
如图1a所示，为本发明实施例中的激光点云数据采集装置结构示意图，包括：采集车辆本体11、安装有轮数计的车轮12、集成有惯性测量单元(Inertial measurement unit，IMU)和全球导航卫星***的组合定位***13和用于采集激光点云的激光雷达14。图1a中所示装置结构能够采集到采集车行驶过的道路及道路两侧的所有对象的激光点云数据。将采集到的激光点云数据经图1b所示的定位数据生成的技术方案进行处理，可以得到数据量较少，且定位成功率高的定位数据。
如图1b所示，上述定位数据生成的技术方案包括如下技术特征：
S110，获取道路的激光点云数据。该激光点云数据包括道路和/或道路两侧在预设区域范围内的激光点数据。
S120，将激光点云数据划分为道路面激光点云数据、道路侧激光点云数据。
将激光点云数据划分为位于道路面、道路左侧、道路右侧的激光点云数据，具体划分过程可基于激光雷达扫描时得到的激光点的扫描线上所对应的地面突变点，通过这些突变点来区分道路面、道路两侧的激光点云的边界位置。可以理解的是，步骤S110获取的激光点云数据中如果同时包括道路和道路两侧在预设区域范围内的激光点数据，则步骤S120可以得到道路面激光点云数据和道路侧激光点云数据，步骤S110获取的激光点云数据中如果只包括道路和道路两侧在预设区域范围内的激光点数据中的一种，则步骤S120可以得到道路面激光点云数据或道路侧激光点云数据。
S130，拟合道路面。针对道路面激光点云数据采用随机抽样一致算法(RANdomSAmple Consensus，RANSAC)进行平面拟合得到道路面。
S140，基于拟合出的道路面，将道路面激光点云数据和/或道路侧激光点云数据的高度值修正为相对于道路面的高度值。
当然，如果输入的激光点云数据中每个激光点的高度坐标Z值本身已经是相对于道路面的Z值，则步骤130～140可以省略。然后，从道路面激光点云数据和/或道路侧激光点云数据中，对应提取道路和/或道路两侧的目标对象的关键点的激光点数据。
其中，提取道路和/或道路两侧的目标对象的关键点的激光点数据包括：
S150，提取地面标记的关键点的激光点数据。从道路面激光点云数据中提取地面标记的关键点的激光点数据。
S160，提取道路边缘的关键点的激光点数据。从道路侧激光点云数据中提取道路边缘的关键点的激光点数据。
S170，提取道路侧直立物体的关键点的激光点数据。从道路侧激光点云数据中，提取道路侧直立物体的关键点的激光点数据。
S180，将提取出的关键点的激光点数据作为道路的定位数据存储。
将上述从激光点云数据中提取出的地面标记关键点、道路边缘关键点、位于道路侧的直立物体关键点的激光点云数据作为定位数据进行存储。本发明存储的定位数据可以包括地面标记关键点、道路边缘关键点、位于道路侧的直立物体关键点的激光点云数据中的任意一种、任意两种或三种。
基于图1b所示的定位数据生成的技术方案，图2为本发明实施例提供的定位数据生成***结构图。如图2所示，该***包括：激光点云数据采集装置210和定位数据生成装置220。其中：
激光点云数据采集装置210，可以但不限于为如图1a所示的装置结构，用于采集道路及道路两侧的激光点云数据。
定位数据生成装置220，用于从激光点云数据采集装置210采集的激光点云数据中，获取道路和/或道路两侧在预设区域范围内的激光点云数据并从中提取道路和/或道路两侧的目标对象的关键点的激光点数据，以作为道路的定位数据存储。其中，目标对象为道路上和/或道路两侧易于识别且属性稳定的道路对象。比如，目标对象可以是道路上的地面标记、道路边缘以及位于道路侧的直立物体中的至少一个道路对象，这些道路对象一般不会因为环境变化或者随着时间的推移而发生变化，以这些目标对象的关键点的激光点数据作为道路的定位数据，既可以保证定位成功率，同时，本发明仅提取关键点的激光点数据，所以数据量较少，方便存储和传输。下面通过多个实施例来进一步说明本申请的技术方案。
实施例一
基于上述定位数据生成的方案思想，如图3a所示，其为本发明实施例示出的定位数据生成方法流程图一，该方法的执行主体可为图2中所示的定位数据生成装置220。如图3a所示，该定位数据生成方法包括如下步骤：
S310，获取道路和/或道路两侧在预设区域范围内的激光点云数据。
从如上述激光点云数据采集装置210采集的激光点云数据中获取道路和/或道路两侧预设区域范围内的激光点云数据。
需要说明的是，通常在实际通过激光雷达扫描可以扫描得到很远位置处的激光点云(几十米到上百米的)，距离采集点较远的激光点云精度较低，并且通常不是道路位置处的激光点。因此，在采集激光点云数据时可以采集车辆本体为中心，将采集到的距离采集车辆本体较远的激光点云直接滤除。该滤除仅仅只做范围限定，以减少冗余的激光点云数据量。然后将获取的沿道路行驶方向连续且不冗余的激光点云拼接到一起，构成了本申请步骤S310处理的激光点云数据。这时的激光点云数据不区分是地面还是非地面。
在实际处理激光点云数据时，可以预先将一条道路及道路两侧的激光点云数据沿道路方向，按照预设的区域范围划分为若干区域，然后，每次获取其中一个区域范围内的激光点云数据作为处理对象进行后续的数据处理。如图3b所示，为激光点云数据中位于一个预设区域范围内的激光点云图，图中每个激光点数据包括x，y，z三维坐标，每个激光点的明暗程度表征该激光点的反射率，其中位于中间区域的道路面上的激光点的反射率相对于道路两侧的激光点的反射率较高。
S320，从激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象。
其中，目标对象可以包括但不限于：地面标记、道路边缘和位于道路侧的直立物体。相应的，目标对象的关键点的激光点数据可以为从这些目标对象的激光点云数据中提取的最能体现目标对象形态特征的关键点的激光点数据。
具体地，可以利用激光点的反射率与三维坐标值(特别是激光点的高度值)相结合，可以从道路和/或道路两侧在预设区域范围内的激光点云数据中提取如地面标记、道路边缘和位于道路侧的直立物体的关键点的激光点数据。
S330，将提取出的关键点的激光点数据作为道路的定位数据存储。
在从激光点云数据中，提取出道路和/或道路两侧的目标对象(如地面标记、道路边缘、位于道路侧的直立物体)的关键点的激光点数据后，可将这些激光点数据作为该预设区域范围内道路的定位数据进行存储。
实施例二
如图4a所示，为本发明实施例的定位数据生成方法流程图二。本实施例与图3a所示方法的区别在于，本实施例采用了从激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据的一个优选实施方案。如图4a所示，在本实施例步骤S310之后，执行如下步骤：
S410，将激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据。
具体地，将上述预设区域范围内的激光点云数据按三维坐标值的位置和高度值(三维坐标中的Z值)变化特点划分为道路面激光点云数据和/或道路侧(包括道路左侧和右侧)激光点云数据。
在实际应用场景中，从每一条激光雷达扫描线中找到激光点云的高度突变点。例如，在一个网格内的激光点云数据中，当同一扫描线上的激光点云中最高点和最低点的激光点高度差大于一定阈值，例如0.1m，则认为该网格中存在关于该扫描线上的激光点云的高度突变点。又例如，相邻两个网格中的激光点云数据中，当同一扫描线上的激光点云中最高点和最低点高度差大于一定阈值，也可认为这两个网格中存在关于该扫描线上的激光点云的高度突变点。通过对从预设区域范围内的激光点云数据对应的扫描线的中间位置向两侧延展，识别扫描线上的激光点云中的高度突变点，进一步可将一条扫描线上的激光点云数据分割为道路面激光点云数据、道路侧激光点云数据。
需要说明的是，对于每一条扫描线，扫描线与车辆行驶方向近似垂直，从扫描线中心分别向左右两侧扩张，找到左右两侧扫描线上的激光点云中的高度突变点，实现将一条扫描线分割为道路面激光点云数据、道路侧激光点云数据。对多条扫描线都进行同样的操作，实现对预设区域范围内的激光点云数据分割为道路面激光点云数据、道路侧激光点云数据。
如图4b所示，从左到右可以看到每一条扫描线近似为圆弧线，扫描线最中间的位置点为车辆已经/即将走过的激光点的位置，该激光点一定是道路面上的激光点。从扫描线的中间向两侧扩张，若相邻两个激光点的高度变化大于指定高度阈值，则认为该激光点的位置达道路边缘，停止扩张，并从该道路边缘的位置对扫描线上的激光点云进行分割。对预设区域范围内的所有激光点云的扫描线进行分割，即可得到图4b所示的三个区域的激光点云数据，从左到右依次为道路左侧激光点云数据、道路面激光点云数据和道路右侧激光点云数据。
S420，从道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据。
完成激光点云数据的区域划分后，可在不同区域对应的激光点云数据中提取目标对象的关键点的激光点数据，如在道路面激光点云数据中提取地面标记的关键点的激光点数据、在道路侧激光点云数据中提取道路边缘和直立物体的关键点的激光点数据。
另外，如图5所示，在执行步骤S420之前，还可以执行如下步骤，以便将激光点云数据相对于拟合后的道路面进行高度修正。
S510，根据道路面激光点云数据，拟合出道路的道路面。
例如，可采用随机抽样一致算法对道路面激光点云数据进行平面拟合得到道路的道路面。
具体地，可针对道路面激光点云数据采用RANSAC平面拟合算法拟合出地平面，该地平面位于道路区域的部分即为道路面。具体拟合步骤如下：
a)随机从道路面激光点云数据中抽取3个数据点P1，P2，P3；
b)由这3个数据点生成平面，计算所有道路面激光点数据距离该平面的距离，统计距离在一定范围(如5cm)内的激光点数目。
c)重复以上步骤若干次，距离3点构成的平面一定范围内道路面激光点数据的数量最多的三个点构成的平面确定为地平面。该地平面位于道路区域的部分即为道路面。
S520，基于拟合出的道路面，将道路面激光点云数据和道路侧激光点云数据的高度值修正为相对于道路面的高度值。
例如，将道路面对应的高度值设置为高度0，那么可将道路面激光点云数据和道路侧激光点云数据的高度值修正为该相应激光点到该道路面的距离。
另外，需要补充说明的是，如果输入的激光点云数据中Z值本身已经是相对于道路面的Z值，则不需要额外执行步骤S510～S520。
该实施例在图3a所示实施例基础上，进一步地，通过将激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据；然后，从道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，从而实现方便、快速的获取目标对象的关键点的激光点数据。
另外，在提取道路和/或道路两侧的目标对象的关键点的激光点数据之前，通过根据道路面激光点云数据，拟合出道路的道路面；并基于拟合出的道路面，将道路面激光点云数据和道路侧激光点云数据的高度值修正为相对于道路面的高度值，从而保证激光点云数据的高度位置的准确性。
实施例三
如图6所示，为本发明实施例的定位数据生成方法流程图四。本实施例与图4a所示方法的区别在于，本实施例采用了当目标对象是道路上的地面标记时，从道路面激光点云数据中，提取道路的目标对象的关键点的激光点数据的一个优选实施方案。如图6所示，在本实施例步骤S310之后，执行如下步骤：
S411，将激光点云数据划分为道路面激光点云数据。
本步骤可以为步骤S410中，划分激光点云数据的一种具体划分方式。
S610，按照预设的网格大小，将道路面激光点云数据划分到网格中。
其中，预设的网格可以是设置在水平面上的二维网格，根据道路面激光点云数据与网格的投影关系，可以将所有道路面激光点云数据划分到不同网格中。
S620，若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据。
道路面激光点云数据中，地面标记的激光点云与非地面标记的激光点云之间其反射率区别性比较明显。一般在有地面标记的地面区域通常对应为道路上的车道线、箭头、人行横道等，所以较其他非地面标记的地面区域的激光点云的相比，这部分地面区域的激光点云其反射率偏大。基于这个特点可以从道路面激光点云数据中提取地面标记的激光点数据。
例如，可以统计各网格中的激光点的数目、激光点的反射率的均值和方差；然后，将满足预设条件中规定的数目阈值、反射率的均值阈值和方差阈值的激光点数据确定为地面标记的激光点数据。
具体地，可以根据预先学习或者经验得到包含地面标记的网格中的激光点的特点设定预设条件，该预设条件中可规定包含地面标记的网格中激光点的数目阈值、反射率的均值阈值和方差阈值等指标，当待处理的网格中的激光点满足预设条件的规定时，则确定对应的激光点为地面标记的激光点。例如，若网格内激光点数目、激光点的反射率均值及方差均达到规定预置，且当前激光点的反射率大于均值指定超出值则可判定该激光点为地面标记的激光点。
如果一个网格中的道路面激光点云数据包含地面标记的激光点数据，则可以基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据。例如，当一个网格中的地面标记的激光点数据有多个，则可基于这多个激光点数据的均值得到地面标记的一个关键点的激光点数据。比如计算这些激光点数据中坐标(xyz)的均值，然后以得到的坐标均值作为地面标记的关键点的激光点数据的坐标。
该实施例在图4a所示实施例基础上，进一步地，通过将目标对象确定为道路上的地面标记，并按照预设的网格大小，将道路面激光点云数据划分到网格中；当判断一个网格中的道路面激光点云数据包含地面标记的激光点数据时，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据，从而实现方便、快速的获取地面标记的关键点的激光点数据。
实施例四
如图7a所示，为本发明实施例的定位数据生成方法流程图五。本实施例与图4a所示方法的区别在于，本实施例采用了当目标对象是道路边缘时，从道路侧激光点云数据中，提取道路两侧的目标对象的关键点的激光点数据的一个优选实施方案。如图7a所示，在本实施例步骤S310之后，执行如下步骤：
S412，将激光点云数据划分为道路侧激光点云数据。
本步骤可以为步骤S410中，划分激光点云数据的一种具体划分方式。
S710，将道路侧激光点云数据，按照预设的网格大小划分到网格中。
其中，预设的网格可以是设置在水平面上的二维网格，根据道路侧激光点云数据与网格的投影关系，可以将所有道路侧激光点云数据划分到不同网格中。
S720，若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序。
其中，可将道路左侧激光点云数据中与道路衔接的区域附近的激光点数据记为道路左侧边缘的激光点数据，将道路右侧激光点云数据中与道路衔接的区域附近的激光点数据记为道路右侧边缘的激光点数据。
在实际应用场景中，也可分别从道路左侧和道路右侧中获取距离采集车辆行驶轨迹最近的区域附近的激光点数据作为道路边缘的激光点数据。
如图7b所示，为道路两侧的激光点云数据，可从这两侧区域中提取靠近道路最近的边界点附近的激光点数据作为道路边缘的激光点数据。
当一个网格中的道路侧激光点云数据中包含道路边缘的激光点数据时，将这些道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序。在排序过程中，可将道路边缘的激光点数据按其对应的左侧道路边缘和右侧道路边缘分别排序，也可以放在一起统一排序。
S730，若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点。
在实际应用场景中，如果上述排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则表征这两个激光点所在位置很可能为道路和道路两侧区域之间的边界，而其中排序在后的激光点及其之后的激光点很可能对应为道路两侧的路沿石、防护栏、绿化带等高度突发变化的边缘位置，又或者是悬空点。此时可以删除掉相邻两个激光点中排序在后的激光点及其之后的激光点，即距离道路较远的那部分道路边缘的激光点数据，保留相邻两个激光点中排序在前及之前的激光点，即距离道路较近的那部分道路边缘的激光点数据，以保证后续处理的数据的质量，同时减少待处理的数据量。
S740，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
例如，可从该网格中保留的道路边缘的激光点数据中任选一个激光点数据作为关键点的激光点数据，或者当一个网格中被保留的道路边缘的激光点数据有多个时，可基于这多个激光点数据的均值得到道路边缘的一个关键点的激光点数据。比如计算这些激光点数据中坐标(xyz)的均值，然后以得到的坐标均值作为道路边缘的关键点的激光点数据的坐标。
该实施例在图4a所示实施例基础上，进一步地，通过将目标对象确定为道路边缘，并将道路侧激光点云数据，按照预设的网格大小划分到网格中；当判断一个网格中的道路侧激光点云数据包含道路边缘的激光点数据时，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；最后，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据，从而实现方便、快速的获取道路边缘的关键点的激光点数据。
实施例五
如图8a所示，为本发明实施例的定位数据生成方法流程图六。本实施例与图4a所示方法的区别在于，本实施例采用了当目标对象是位于道路侧的直立物体时，从道路侧激光点云数据中，提取道路两侧的目标对象的关键点的激光点数据的一个优选实施方案。如图8a所示，在本实施例步骤S310之后，执行如下步骤：
S412，将激光点云数据划分为道路侧激光点云数据。
本步骤可以为步骤S410中，划分激光点云数据的一种具体划分方式。
S710，将道路侧激光点云数据，按照预设的网格大小划分到网格中。
其中，预设的网格可以是设置在水平面上的二维网格，根据道路侧激光点云数据与网格的投影关系，可以将所有道路侧激光点云数据划分到不同网格中。
S810，若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序。
具体地，可从道路左侧和道路右侧的激光点云数据中提取高度满足预置高度范围内的激光点数据作为道路侧直立物体的激光点数据。
例如，可预先设定一个高度阈值(如大于0.5m且小于2.5m)，以清空道路两侧位于该高度阈值以外的激光点云数据，最终剩下的激光点云数据即为挑选出的位于道路侧直立物体的激光点数据。
如图8b所示，为从道路两侧提取的道路两侧直立物体的激光点云数据。
当一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据时，将这些道路侧直立物体的激光点数据按照激光点数据中的高度值由小到大的顺序排序。在排序过程中，可将道路侧直立物体的激光点数据按其对应的道路左侧直立物体和道路右侧直立物体分别排序，也可以放在一起统一排序。
S820，若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点。
在实际应用场景中，如果上述排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则表征这两个激光点所在位置很可能为道路侧区域中两个直立物体的边缘，而其中排序在后的激光点及其之后的激光点很可能对应为杆(路牌、照明灯、红绿灯等的支持杆)、树干、墙体等高度发生突变的位置，又或者是悬空点。此时可以删除掉相邻两个激光点中排序在后的激光点及其之后的激光点，保留相邻两个激光点中排序在前及之前的激光点，以保证后续处理的数据的质量，同时减少待处理的数据量。
S830，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
其中，第一高度阈值小于第二高度阈值。
本步骤是在保留的直立物体的激光点数据中进一步判断这些数据是否满足对应的直立物体仍满足一定高度范围。如果满足，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
例如，可从该网格中保留的直立物体的激光点数据中任选一个激光点数据作为关键点的激光点数据，或者当一个网格中被保留的直立物体的激光点数据有多个时，可基于这多个激光点数据的均值得到直立物体的一个关键点的激光点数据。比如计算这些激光点数据中坐标(xyz)的均值，然后以得到的坐标均值作为直立物体的关键点的激光点数据的坐标。
该实施例在图4a所示实施例基础上，进一步地，通过将目标对象确定为位于道路侧的直立物体，并将道路侧激光点云数据，按照预设的网格大小划分到网格中；当判断一个网格中的道路侧激光点云数据包含道路侧直立物体的激光点数据时，则将道路侧直立物体的激光点数据按照激光点数据中的高度值由小到大的顺序排序；若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；最后，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据，从而实现方便、快速的获取道路侧直立物体的关键点的激光点数据。
实施例六
如图9a所示，为本发明实施例的定位数据生成方法流程图七。本实施例与图4a所示方法的区别在于，本实施例采用了当目标对象包括地面标记、道路边缘和位于道路侧的直立物体时，从道路面激光点云数据和道路侧激光点云数据中，提取道路和道路两侧的目标对象的关键点的激光点数据的一个优选实施方案。如图9a所示，在本实施例步骤S310之后，执行如下步骤：
S413，将激光点云数据划分为道路面激光点云数据和道路侧激光点云数据。
本步骤可以为步骤S410中，划分激光点云数据的一种具体划分方式。
S910，将道路面激光点云数据和道路侧激光点云数据，按照预设的网格大小划分到网格中。
S920，若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据。
S930，若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；
S940，若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点。
S950，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
S960，若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序。
S970，若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点。
S980，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
步骤S910～S960的具体内容可参见图6、图7a、图8a中相似步骤的内容，在此不做赘述。
在实际应用场景中，为了减少所提取的道路面激光点云数据和道路侧激光点云数据中的悬空点、杂散点，可以在得到激光点云数据后，先滤除这些激光点云数据中的悬空点，以使滤除后的激光点云数据尽可能对应的都是真实有效的环境数据。例如，可将道路面激光点云数据和道路侧激光点云数据划分到网格中后按激光点的高度值进行排序，滤除网格内的悬空点，仅保留从道路面连续向上的实体点。该处理过程可有效滤除如树木主杆之外的树枝等悬空物的激光点数据。.
综上，如图9b所示，为从预设区域范围内提取出的地面标记、道路边缘以及位于道路侧直立物体的关键点的激光点云示意图。
该实施例在图4a所示实施例基础上，进一步地，通过将目标对象确定为道路上的地面标记、道路边缘和位于道路侧的直立物体，将道路面激光点云数据和道路侧激光点云数据，按照预设的网格大小划分到网格中；并基于网格中的地面标记的激光点数据、道路边缘的激光点数据，位于道路侧的直立物体的激光点数据分别获取相应目标对象的一个关键点的激光点数据，从而实现方便、快速的获取地面标记、道路边缘和位于道路侧的直立物体的关键点的激光点数据。
传统的基于激光点云的定位数据生成方法主要包括：
激光点云三维空间抽稀：原始的激光点云数据量较大，通过将三维空间划分为若干大小的栅格(如10x10x10cm)，在每个栅格内存储一个激光点实现降低激光点云数据量；
激光点云地面抽稀：首先从原始点云中提取地面，再将地面点云在二维空间栅格化，每个栅格内仅存储地面点云反射率的统计信息；
激光点云道路两侧抽稀：首先生成道路参考线，然后将激光点云垂直于参考线向道路两侧投影，在一定高度范围内仅保留距离参考线最近的激光点，对激光点进行栅格化后在定位图层中存储每个栅格。
但是这些方法都存在一定缺陷：
第一种方案数据量过大，不利于存储及匹配定位；环境中的某些数据(如灌木，树枝等)会随着时间、季节及气候变化，难以有效定位。
第二种方案仅保留地面激光点云反射率，在地面有积水或积雪的情况下，难以精准的获取地面反射率，无法进行匹配定位。
第二种方案依赖于参考线，生成地图环节过多；道路两侧部分激光点云(如灌木，树枝等)会随时间、季节及气候变化，难以有效定位；同时由于该方案仅存储道路两侧数据，若自动驾驶汽车两侧有其他车辆会对定位结果产生影响。
本发明提供的定位数据生成方法，弥补了现有方法中的缺陷，采用道路上和/或道路两侧易于识别且属性稳定的道路对象作为目标对象，并提取这些目标对象的关键点的激光点数据作为道路的定位数据。这些道路对象一般不会因为环境变化或者随着时间的推移而发生变化，而定位是将车辆行驶过程实时获取的环境信息与定位数据进行匹配，从而确定车辆的位置，因此，提取道路上和/或道路两侧易于识别且属性稳定的道路对象的关键点的激光点数据作为定位数据能够保证定位成功率。同时，本发明仅提取关键点的激光点数据，所以数据量较少，方便存储和传输。
实施例七
如图10所示，为本发明实施例的定位数据生成装置结构图一，该定位数据生成装置可设置在图2所示的定位数据生成***中，用于执行如图3a所示的方法步骤，其包括：
点云获取模块101，用于获取道路和/或道路两侧在预设区域范围内的激光点云数据；
数据提取模块102，用于从激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
数据存储模块103，用于将提取出的关键点的激光点数据作为道路的定位数据存储。
进一步地，如图11所示，在图10所示定位数据生成装置中，上述数据提取模块102可包括：
数据划分单元111，用于将激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据；
数据提取单元112，用于从道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据。
进一步地，如图12所示，在图11所示定位数据生成装置中，还可包括：
路面拟合模块121，用于根据道路面激光点云数据，拟合出道路的道路面；
数据修正模块122，用于基于拟合出的道路面，将道路面激光点云数据和/或道路侧激光点云数据的高度值修正为相对于道路面的高度值。
图11、图12所示的定位数据生成装置可对应执行图4a、图5所示的方法步骤。
进一步地，如图13所示，上述目标对象可以是道路上的地面标记，则数据提取模块102可包括：
路面数据划分单元131，用于按照预设的网格大小，将道路面激光点云数据划分到网格中；
路面数据获取单元132，用于若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据。
图13所示的定位数据生成装置可执行图6所示的方法步骤。
进一步地，如图14所示，上述目标对象可以是道路边缘，则数据提取模块102可包括：
道路侧数据划分单元141，用于将道路侧激光点云数据，按照预设的网格大小划分到网格中；
道路边缘数据排序单元142，用于若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；
道路边缘数据删除单元143，用于若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
道路边缘数据获取单元144，用于基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
图14所示的定位数据生成装置可执行图7a所示的方法步骤。
进一步地，如图15所示，上述目标对象可以是位于道路侧的直立物体，则数据提取模块102可包括：
道路侧数据划分单元141，用于将道路侧激光点云数据，按照预设的网格大小划分到网格中；
直立物体数据排序单元151，用于若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序；
直立物体数据删除单元152，用于若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
直立物体数据获取单元153，用于判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
图15所示的定位数据生成装置可执行图8a所示的方法步骤。
进一步地，如图16所示，上述目标对象可以包括地面标记、道路边缘和位于道路侧的直立物体，则数据提取模块102可包括：
道路面及道路侧数据划分单元161，用于将道路面激光点云数据和道路侧激光点云数据，按照预设的网格大小划分到网格中；
路面数据单元162，用于若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据；
道路边缘数据单元163，用于若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据；
直立物体数据单元164，用于若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
图16所示的定位数据生成装置可执行图9a所示的方法步骤。
本发明提供的定位数据生成装置，从获取的道路和/或道路两侧在预设区域范围内的激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据作为道路的定位数据进行存储，由于本发明的目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象，这些道路对象一般不会因为环境变化或者随着时间的推移而发生变化，而定位是将车辆行驶过程实时获取的环境信息与定位数据进行匹配，从而确定车辆的位置，因此，提取道路上和/或道路两侧易于识别且属性稳定的道路对象的关键点的激光点数据作为定位数据能够保证定位成功率。同时，本发明仅提取关键点的激光点数据，所以数据量较少，方便存储和传输。
进一步地，通过将激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据；然后，从道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，从而实现方便、快速的获取目标对象的关键点的激光点数据。
另外，在提取道路和/或道路两侧的目标对象的关键点的激光点数据之前，通过根据道路面激光点云数据，拟合出道路的道路面；并基于拟合出的道路面，将道路面激光点云数据和道路侧激光点云数据的高度值修正为相对于道路面的高度值，从而保证激光点云数据的高度位置的准确性。
进一步地，通过将目标对象确定为道路上的地面标记，并按照预设的网格大小，将道路面激光点云数据划分到网格中；当判断一个网格中的道路面激光点云数据包含地面标记的激光点数据时，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据，从而实现方便、快速的获取地面标记的关键点的激光点数据。
进一步地，通过将目标对象确定为道路边缘，并将道路侧激光点云数据，按照预设的网格大小划分到网格中；当判断一个网格中的道路侧激光点云数据包含道路边缘的激光点数据时，则将道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；最后，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据，从而实现方便、快速的获取道路边缘的关键点的激光点数据。
进一步地，通过将目标对象确定为位于道路侧的直立物体，并将道路侧激光点云数据，按照预设的网格大小划分到网格中；当判断一个网格中的道路侧激光点云数据包含道路侧直立物体的激光点数据时，则将道路侧直立物体的激光点数据按照激光点数据中的高度值由小到大的顺序排序；若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；最后，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据，从而实现方便、快速的获取道路侧直立物体的关键点的激光点数据。
进一步地，通过将目标对象确定为道路上的地面标记、道路边缘和位于道路侧的直立物体，并按照预设的网格大小，将道路面激光点云数据划分到网格中；当判断一个网格中的道路面激光点云数据包含地面标记的激光点数据时，则基于该网格中的地面标记的激光点数据，获取地面标记的一个关键点的激光点数据，从而实现方便、快速的获取地面标记的关键点的激光点数据。
实施例八
前面描述了定位数据生成装置的整体架构，该装置的功能可借助一种电子设备实现完成，如图17所示，其为本发明实施例的电子设备的结构示意图，具体包括：存储器171和处理器172。
存储器171，用于存储程序。
除上述程序之外，存储器171还可被配置为存储其它各种数据以支持在电子设备上的操作。这些数据的示例包括用于在电子设备上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。
存储器171可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
处理器172，耦合至存储器171，用于执行存储器171中的程序，所述程序运行时执行图3a、图4a、图5、图6、图7a、图8a、图9a中任一种所述的定位数据生成方法。
上述的具体处理操作已经在前面实施例中进行了详细说明，在此不再赘述。
进一步，如图17所示，电子设备还可以包括：通信组件173、电源组件174、音频组件175、显示器176等其它组件。图17中仅示意性给出部分组件，并不意味着电子设备只包括图17所示组件。
通信组件173被配置为便于电子设备和其他设备之间有线或无线方式的通信。电子设备可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件173经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，通信组件173还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
电源组件174，为电子设备的各种组件提供电力。电源组件174可以包括电源管理***，一个或多个电源，及其他与为电子设备生成、管理和分配电力相关联的组件。
音频组件175被配置为输出和/或输入音频信号。例如，音频组件175包括一个麦克风(MIC)，当电子设备处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器171或经由通信组件173发送。在一些实施例中，音频组件175还包括一个扬声器，用于输出音频信号。
显示器176包括屏幕，其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (15)

1.一种定位数据生成方法，其特征在于，包括：
获取道路和/或道路两侧在预设区域范围内的激光点云数据；
从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，所述目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
将所述提取出的关键点的激光点数据作为所述道路的定位数据存储。
2.根据权利要求1所述的方法，其特征在于，所述从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据具体包括：
将所述激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据；
从所述道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据。
3.根据权利要求2所述的方法，其特征在于，所述方法在提取关键点的激光点数据之前，所述方法进一步包括：
根据所述道路面激光点云数据，拟合出所述道路的道路面；
基于拟合出的道路面，将所述道路面激光点云数据和/或道路侧激光点云数据的高度值修正为相对于所述道路面的高度值。
4.根据权利要求2或3所述的方法，其特征在于，所述目标对象是道路上的地面标记，则从所述道路面激光点云数据中，提取道路的目标对象的关键点的激光点数据具体包括：
按照预设的网格大小，将所述道路面激光点云数据划分到网格中；
若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取所述地面标记的一个关键点的激光点数据。
5.根据权利要求2或3所述的方法，其特征在于，所述目标对象是道路边缘，则从所述道路侧激光点云数据中，提取道路两侧的目标对象的关键点的激光点数据具体包括：
将所述道路侧激光点云数据，按照预设的网格大小划分到网格中；
若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将所述道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；
若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
6.根据权利要求2或3所述的方法，其特征在于，所述目标对象是位于道路侧的直立物体，则从所述道路侧激光点云数据中，提取道路两侧的目标对象的关键点的激光点数据具体包括：
将所述道路侧激光点云数据，按照预设的网格大小划分到网格中；
若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将所述道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序；
若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
7.根据权利要求2或3所述的方法，其特征在于，所述目标对象包括地面标记、道路边缘和位于道路侧的直立物体，则从所述道路面激光点云数据和道路侧激光点云数据中，提取道路和道路两侧的目标对象的关键点的激光点数据具体包括：
将所述道路面激光点云数据和道路侧激光点云数据，按照预设的网格大小划分到网格中；
若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取所述地面标记的一个关键点的激光点数据；
若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将所述道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将所述道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
8.一种定位数据生成装置，其特征在于，包括：
点云获取模块，用于获取道路和/或道路两侧在预设区域范围内的激光点云数据；
数据提取模块，用于从所述激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据，所述目标对象是道路上和/或道路两侧易于识别且属性稳定的道路对象；
数据存储模块，用于将所述提取出的关键点的激光点数据作为所述道路的定位数据存储。
9.根据权利要求8所述的装置，其特征在于，所述数据提取模块包括：
数据划分单元，用于将所述激光点云数据划分为道路面激光点云数据和/或道路侧激光点云数据；
数据提取单元，用于从所述道路面激光点云数据和/或道路侧激光点云数据中，提取道路和/或道路两侧的目标对象的关键点的激光点数据。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
路面拟合模块，用于根据所述道路面激光点云数据，拟合出所述道路的道路面；
数据修正模块，用于基于拟合出的道路面，将所述道路面激光点云数据和/或道路侧激光点云数据的高度值修正为相对于所述道路面的高度值。
11.根据权利要求9或10所述的装置，其特征在于，所述目标对象是道路上的地面标记，则所述数据提取模块包括：
路面数据划分单元，用于按照预设的网格大小，将所述道路面激光点云数据划分到网格中；
路面数据获取单元，用于若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取所述地面标记的一个关键点的激光点数据。
12.根据权利要求9或10所述的装置，其特征在于，所述目标对象是道路边缘，则所述数据提取模块包括：
道路侧数据划分单元，用于将所述道路侧激光点云数据，按照预设的网格大小划分到网格中；
道路边缘数据排序单元，用于若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将所述道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序；
道路边缘数据删除单元，用于若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
道路边缘数据获取单元，用于基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据。
13.根据权利要求9或10所述的装置，其特征在于，所述目标对象是位于道路侧的直立物体，则所述数据提取模块包括：
道路侧数据划分单元，用于将所述道路侧激光点云数据，按照预设的网格大小划分到网格中；
直立物体数据排序单元，用于若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将所述道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序；
直立物体数据删除单元，用于若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点；
直立物体数据获取单元，用于判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
14.根据权利要求9或10所述的装置，其特征在于，所述目标对象包括地面标记、道路边缘和位于道路侧的直立物体，则所述数据提取模块包括：
道路面及道路侧数据划分单元，用于将所述道路面激光点云数据和道路侧激光点云数据，按照预设的网格大小划分到网格中；
路面数据单元，用于若一个网格中的道路面激光点云数据包含地面标记的激光点数据，则基于该网格中的地面标记的激光点数据，获取所述地面标记的一个关键点的激光点数据；
道路边缘数据单元，用于若一个网格中的道路侧激光点云数据包含道路边缘的激光点数据，则将所述道路边缘的激光点数据按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度值的差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，基于该网格中保留的道路边缘的激光点数据，获取道路边缘的一个关键点的激光点数据；
直立物体数据单元，用于若一个网格中的道路侧激光点云数据中包含道路侧直立物体的激光点数据，则将所述道路侧直立物体的激光点数据，按照激光点数据中的高度值由小到大的顺序排序，若排序后相邻两个激光点的高度差值大于预设的差值阈值，则删除相邻两个激光点中排序在后的激光点及其之后的激光点，判断保留的直立物体的激光点数据中的最低高度值是否小于预设的第一高度阈值，最高高度值是否大于预设的第二高度阈值，如果是，则基于该网格中保留的直立物体的激光点数据，获取直立物体的一个关键点的激光点数据。
15.一种电子设备，其特征在于，包括：
存储器，用于存储程序；
处理器，耦合至所述存储器，用于执行程序，所述程序运行时执行权利要求1-7中任意一项权利要求所述的定位数据生成方法。
CN201811332366.3A 2018-11-09 2018-11-09 定位数据生成方法、装置以及电子设备 Pending CN111175775A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201811332366.3A CN111175775A (zh) 2018-11-09 2018-11-09 定位数据生成方法、装置以及电子设备
PCT/CN2019/115309 WO2020093966A1 (zh) 2018-11-09 2019-11-04 定位数据生成方法、装置以及电子设备
US17/314,809 US20210263135A1 (en) 2018-11-09 2021-05-07 Positioning data generation method, apparatus, and electronic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811332366.3A CN111175775A (zh) 2018-11-09 2018-11-09 定位数据生成方法、装置以及电子设备

Publications (1)

Publication Number Publication Date
CN111175775A true CN111175775A (zh) 2020-05-19

Family

ID=70611207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811332366.3A Pending CN111175775A (zh) 2018-11-09 2018-11-09 定位数据生成方法、装置以及电子设备

Country Status (3)

Country Link
US (1) US20210263135A1 (zh)
CN (1) CN111175775A (zh)
WO (1) WO2020093966A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950708A (zh) * 2021-02-05 2021-06-11 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN114252883A (zh) * 2020-09-24 2022-03-29 北京万集科技股份有限公司 目标检测方法、装置、计算机设备和介质
CN114359863A (zh) * 2021-12-23 2022-04-15 深圳优地科技有限公司 激光雷达数据处理方法、装置及计算机可读存储介质
CN117036430A (zh) * 2023-08-18 2023-11-10 芯瑞微(上海)电子科技有限公司 基于关键点将fdtd网格与物体边界对齐的方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11460581B2 (en) * 2019-06-10 2022-10-04 Toyota Research Institute, Inc. Systems and methods for reducing LiDAR points
CN111144211B (zh) * 2019-08-28 2023-09-12 华为技术有限公司 点云显示方法和装置
US11668799B2 (en) * 2020-03-20 2023-06-06 Aptiv Technologies Limited Histogram based L-shape detection of target objects
CN111681172A (zh) * 2020-06-17 2020-09-18 北京京东乾石科技有限公司 协同构建点云地图的方法、设备和***
CN117710590A (zh) * 2022-09-06 2024-03-15 北京图森智途科技有限公司 点云数据的参数化及地图构建方法
CN116449335B (zh) * 2023-06-14 2023-09-01 上海木蚁机器人科技有限公司 可行驶区域检测方法、装置、电子设备以及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
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
US20170227647A1 (en) * 2016-02-05 2017-08-10 Samsung Electronics Co., Ltd. Vehicle and method of recognizing position of vehicle based on map
CN107451526A (zh) * 2017-06-09 2017-12-08 蔚来汽车有限公司 地图的构建及其应用
CN107918753A (zh) * 2016-10-10 2018-04-17 腾讯科技（深圳）有限公司 点云数据处理方法及装置
CN108267747A (zh) * 2017-01-03 2018-07-10 中交宇科（北京）空间信息技术有限公司 基于激光点云的道路特征提取方法和装置
CN108334802A (zh) * 2017-01-20 2018-07-27 腾讯科技（深圳）有限公司 道路特征物的定位方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850834A (zh) * 2015-05-11 2015-08-19 中国科学院合肥物质科学研究院 基于三维激光雷达的道路边界检测方法
CN113342038A (zh) * 2016-02-29 2021-09-03 星克跃尔株式会社 为无人飞行器的飞行生成地图的方法和***
KR102671067B1 (ko) * 2016-04-08 2024-05-30 팅크웨어(주) 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체
CN106022259B (zh) * 2016-05-20 2019-04-12 江苏得得空间信息科技有限公司 一种基于激光点云三维特征描述模型的山区道路提取方法
CN106503678A (zh) * 2016-10-27 2017-03-15 厦门大学 基于移动激光扫描点云的道路标线自动检测和分类方法
JP6871782B2 (ja) * 2017-03-31 2021-05-12 株式会社パスコ 道路標示検出装置、道路標示検出方法、プログラム、及び道路面検出装置
CN107169464B (zh) * 2017-05-25 2019-04-09 中国农业科学院农业资源与农业区划研究所 一种基于激光点云的道路边界检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103778429A (zh) * 2014-01-24 2014-05-07 青岛秀山移动测量有限公司 一种车载激光扫描点云中道路信息自动提取方法
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
US20180225515A1 (en) * 2015-08-04 2018-08-09 Baidu Online Network Technology (Beijing) Co. Ltd. Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
US20170227647A1 (en) * 2016-02-05 2017-08-10 Samsung Electronics Co., Ltd. Vehicle and method of recognizing position of vehicle based on map
CN107918753A (zh) * 2016-10-10 2018-04-17 腾讯科技（深圳）有限公司 点云数据处理方法及装置
CN108267747A (zh) * 2017-01-03 2018-07-10 中交宇科（北京）空间信息技术有限公司 基于激光点云的道路特征提取方法和装置
CN108334802A (zh) * 2017-01-20 2018-07-27 腾讯科技（深圳）有限公司 道路特征物的定位方法及装置
CN107451526A (zh) * 2017-06-09 2017-12-08 蔚来汽车有限公司 地图的构建及其应用

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙朋朋;闵海根;徐志刚;赵祥模;: "采用延伸顶点的地面点云实时提取算法", 计算机工程与应用, no. 24, pages 6 - 10 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114252883A (zh) * 2020-09-24 2022-03-29 北京万集科技股份有限公司 目标检测方法、装置、计算机设备和介质
CN114252883B (zh) * 2020-09-24 2022-08-23 北京万集科技股份有限公司 目标检测方法、装置、计算机设备和介质
CN112950708A (zh) * 2021-02-05 2021-06-11 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN112950708B (zh) * 2021-02-05 2023-12-15 深圳市优必选科技股份有限公司 一种定位方法、定位装置及机器人
CN114359863A (zh) * 2021-12-23 2022-04-15 深圳优地科技有限公司 激光雷达数据处理方法、装置及计算机可读存储介质
CN117036430A (zh) * 2023-08-18 2023-11-10 芯瑞微(上海)电子科技有限公司 基于关键点将fdtd网格与物体边界对齐的方法

Also Published As

Publication number Publication date
WO2020093966A1 (zh) 2020-05-14
US20210263135A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
CN111175775A (zh) 定位数据生成方法、装置以及电子设备
CN111174777A (zh) 定位方法、装置以及电子设备
JP7155321B2 (ja) ひび割れ解析データ編集装置、ひび割れ解析データ編集方法、及び、ひび割れ解析データの編集プログラム
CN111462275B (zh) 一种基于激光点云的地图生产方法和装置
KR102362714B1 (ko) 경로 데이터를 생성하는 방법들 및 시스템들
US10223829B2 (en) Method and apparatus for generating a cleaned object model for an object in a mapping database
CN105551016B (zh) 一种基于激光点云的路沿识别方法及装置
US9797733B2 (en) Navigation system and method of determining a vehicle position
KR102035030B1 (ko) 차선 정보를 이용한 자동 도화 방법
CN113252053B (zh) 高精度地图生成方法、装置和电子设备
CN105844629A (zh) 一种大场景城市建筑物立面点云自动分割方法
CN109839119B (zh) 跨路桥梁桥面区域的获取方法及装置
CN109271861B (zh) 多尺度融合的点云交通标识牌自动提取方法
CN111179152A (zh) 一种道路标识识别方法及装置、介质、终端
CN105701798A (zh) 柱状物体的点云提取方法及装置
CN112258568B (zh) 一种高精度地图要素的提取方法及装置
CN115240094A (zh) 一种垃圾检测方法和装置
CN112418081B (zh) 一种空地联合快速勘察交通事故的方法及***
CN115631356A (zh) 道路设施缺失识别方法、装置、存储介质及电子装置
CN112270272A (zh) 高精度地图制作中道路路口提取方法及***
CN109696173A (zh) 一种车体导航方法和装置
JP2023068010A (ja) 自己位置推定装置
CN115424263A (zh) 交通灯的标注方法、车载设备和存储介质
WO2018151629A1 (ru) Способ и система автоматического построения трехмерных моделей городов
CN113112597A (zh) 交通元素的显示方法、装置、电子设备及存储介质

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