CN111427059B - 一种车前地形检测方法及*** - Google Patents
一种车前地形检测方法及*** Download PDFInfo
- Publication number
- CN111427059B CN111427059B CN202010201002.2A CN202010201002A CN111427059B CN 111427059 B CN111427059 B CN 111427059B CN 202010201002 A CN202010201002 A CN 202010201002A CN 111427059 B CN111427059 B CN 111427059B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- point
- distance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种车前地形检测方法及***,所述方法包括:获取激光雷达的点云数据集;对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;根据所述种子点集确定平面模型;根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。本发明充分考虑可通过的斜坡点云,以提高车前地形检测的准确性。
Description
技术领域
本发明涉及车前地形扫描技术领域,特别是涉及一种车前地形检测方法及***。
背景技术
随着自动驾驶和辅助驾驶的快速发展,环境感知显得至关重要。针对应急救援车辆(包含无人车)的车前地形快速测量,斜面能被检测为可通过的地面点有着非常重要的意义。
目前,车前地形的检测主要内容是检测车辆前方的路面障碍物信息,然而非地面点针对检测车辆前方的路面障碍物信息可以提供有用的信息,所以在检测车辆前方的路面障碍物信息的第一步是去除地面点,留下非地面点。现有对车前地形检测区分地面点和非地面点都是针对没有斜坡的地形中进行研究的,对于存在可通过的斜坡的地形无法进行判断,因此存在对车前地形检测不准确的问题。
发明内容
基于此,本发明的目的是提供一种车前地形检测方法及***,充分考虑可通过的斜坡点云,以提高车前地形检测的准确性。
为实现上述目的,本发明提供了一种车前地形检测方法,所述方法包括:
步骤S1:获取激光雷达的点云数据集;
步骤S2:对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;
步骤S3:将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;
步骤S4:选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;
步骤S5:根据所述种子点集确定平面模型;
步骤S6:根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。
可选的,所述对所述点云数据集进行剪裁和过滤处理,获得预处理数据集,具体步骤包括:
步骤S21:将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离;
步骤S22:将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
可选的,所述根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点,具体步骤包括:
步骤S61:判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行步骤S62;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行步骤S62;
步骤S62:判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回步骤S5。
可选的,所述各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:
h=|(x,y,z)*n|;
其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)为各点云数据的三维坐标,n为平面的法向量。
可选的,确定平面距离阈值,具体步骤包括:
步骤S71:根据所述种子点集内的多个点云数据的高度求取高度平均值;
步骤S72:获取种子高度阈值;
步骤S73:根据所述高度平均值和所述高度阈值确定平面距离阈值。
本发明还公开一种车前地形检测***,所述***包括:
获取模块,用于获取激光雷达的点云数据集;
预处理模块,用于对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;
分割模块,用于将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;
种子点集确定模块,用于选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;
平面模型确定模块,用于根据所述种子点集确定平面模型;
地面点和非地面点确定模块,用于根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。
可选的,所述预处理模块,具体包括:
裁剪单元,用于将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离;
过滤单元,用于将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
可选的,所述地面点和非地面点确定模块,具体包括:
第一判断单元,用于判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行“第二判断单元”;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行“第二判断单元”;
第二判断单元,用于判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回“平面模型确定模块”。
可选的,所述各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:
h=|(x,y,z)*n|;
其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)为各点云数据的三维坐标,n为平面的法向量。
可选的,所述***还包括:平面距离阈值确定模块,用于确定平面距离阈值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种车前地形检测方法及***,所述方法包括:获取激光雷达的点云数据集;对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;根据所述种子点集确定平面模型;根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。本发明充分考虑可通过的斜坡点云,以提高车前地形检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例车前地形检测方法流程图;
图2为本发明实施例空间分割的示意图;
图3为本发明实施例空间分割的俯视示意图;
图4为本发明实施例点云分类判断示意图
图5为本发明实施例车前地形检测***结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种车前地形检测方法及***,充分考虑可通过的斜坡点云,以提高车前地形检测的准确性。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明将雷达置于车头车头中央,更好的扫描车前地形。本发明实例中,是放置在车头中央,高度为2米。用户可以根据自己的需求放置雷达。
图1为本发明实施例车前地形检测方法流程图,如图1所示,本发明提供了一种车前地形检测方法,所述方法包括:
步骤S1:获取激光雷达的点云数据集;所述点云数据集包括多个点云数据。
步骤S2:对所述点云数据集进行剪裁和过滤处理,获得预处理数据集。
步骤S3:将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序。
步骤S4:选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集。
步骤S5:根据所述种子点集确定平面模型。
步骤S6:根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。
下面对各个步骤进行详细论述:
步骤S2:对所述点云数据集进行剪裁和过滤处理,获得预处理数据集,具体步骤包括:
步骤S21:将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离。
步骤S22:将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
用户可以根据雷达放置的高度和车辆的大小以及感兴趣的区域对点云数据集进行裁剪和过滤,因此第一设定距离和第二设定距离不是固定的数值,将第一设定距离设置为5米,将第二设定距离设置为1米。
步骤S3:将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序。
参见图2和图3,本发明实例中是按照分割距离为4米,将车头前进方向进行分割。用户可以根据车辆通过斜坡的大小,设置空间分割的距离。分割完成后,将每组点云数据按照z方向即高度进行排序。
步骤S5:根据所述种子点集确定平面模型;所述平面模型表示为:
ax+by+cz+d=0;
其中,协方差矩阵C描述了种子点集的散步情况,其协方差矩阵为其中,为所有点云数据的平均值,s∈R3x3为种子点集,a,b,c为三个奇异向量,可以通过奇异值分解(Singular Value Decomposition,SVD)求得,这三个奇异向量描述了点云数据在三个主要方向的散布情况。由于是平面模型,垂直于平面的法向量n表示具有最小方差的方向,可以通过计算具有最小奇异值的奇异向量来求得,即n=[a,b,c]T。d可以通过代入种子点集的平均值来确定。
步骤S6:根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点,具体步骤包括:
步骤S61:判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行步骤S62;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行步骤S62,具体详见图4。
各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:h=|(x,y,z)*n|;其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)分别为各点云数据的三维坐标,n=[a,b,c]T,a,b,c为平面模型的三个奇异向量。
步骤S62:判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回步骤S5;所述地面点包括可通过斜坡的斜坡点云;所述非地面点为不可通过的障碍物点。
图5为本发明实施例车前地形检测***结构图,如图5所示,本发明还公开一种车前地形检测***,所述***包括:
获取模块1,用于获取激光雷达的点云数据集;
预处理模块2,用于对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;
分割模块3,用于将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;
种子点集确定模块4,用于选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;
平面模型确定模块5,用于根据所述种子点集确定平面模型;
地面点和非地面点确定模块6,用于根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点。
作为一种实施方式,本发明所述预处理模块2,具体包括:
裁剪单元,用于将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离。
过滤单元,用于将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
作为一种实施方式,本发明所述地面点和非地面点确定模块6,具体包括:
第一判断单元,用于判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行“第二判断单元”;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行“第二判断单元”。
第二判断单元,用于判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回“平面模型确定模块”。
作为一种实施方式,本发明所述各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:
h=|(x,y,z)*n|;
其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)为各点云数据的三维坐标,n为平面的法向量。
作为一种实施方式,本发明所述***还包括:平面距离阈值确定模块,用于确定平面距离阈值。
平面距离阈值确定模块,具体包括:
高度平均值求取单元,用于根据所述种子点集内的多个点云数据的高度求取高度平均值。
获取单元,用于获取种子高度阈值。
平面距离阈值确定单元,用于根据所述高度平均值和所述高度阈值确定平面距离阈值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种车前地形检测方法,其特征在于,所述方法包括:
步骤S1:获取激光雷达的点云数据集;
步骤S2:对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;
步骤S3:将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;
步骤S4:选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;
步骤S5:根据所述种子点集确定平面模型;
步骤S6:根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点
步骤S6:根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点,具体步骤包括:
步骤S61:判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行步骤S62;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行步骤S62;
步骤S62:判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回步骤S5。
2.根据权利要求1所述的车前地形检测方法,其特征在于,所述对所述点云数据集进行剪裁和过滤处理,获得预处理数据集,具体步骤包括:
步骤S21:将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离;
步骤S22:将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
3.根据权利要求1所述的车前地形检测方法,其特征在于,所述各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:
h=|(x,y,z)*n|;
其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)为各点云数据的三维坐标,n为平面的法向量。
4.根据权利要求3所述的车前地形检测方法,其特征在于,确定平面距离阈值,具体步骤包括:
步骤S71:根据所述种子点集内的多个点云数据的高度求取高度平均值;
步骤S72:获取种子高度阈值;
步骤S73:根据所述高度平均值和所述高度阈值确定平面距离阈值。
5.一种车前地形检测***,其特征在于,所述***包括:
获取模块,用于获取激光雷达的点云数据集;
预处理模块,用于对所述点云数据集进行剪裁和过滤处理,获得预处理数据集;
分割模块,用于将所述预处理数据集按照车头前进的方向以第三设定距离进行空间分割成多组数据集合,并对各组数据集合中的多个点云数据的高度进行排序;
种子点集确定模块,用于选取各组数据集合中点云数据的高度小于平面距离阈值的点云数据作为种子点集;
平面模型确定模块,用于根据所述种子点集确定平面模型;
地面点和非地面点确定模块,用于根据所述平面模型确定各组数据集合中各点云数据为地面点或非地面点;所述地面点包括可通过斜坡的斜坡点;所述非地面点为不可通过的障碍物点;
所述地面点和非地面点确定模块,具体包括:
第一判断单元,用于判断各组数据集合中各点云数据到所述平面模型的正交投影的距离是否小于平面距离阈值;如果小于平面距离阈值,则该点云数据为地面点,执行“第二判断单元”;如果大于或等于平面距离阈值,则该点云数据为非地面点,执行“第二判断单元”;
第二判断单元,用于判断迭代次数是否大于设定阈值;如果迭代次数大于或等于设定阈值,则输出地面点和非地面点;如果迭代次数小于设定阈值,则迭代次数加一,并将该点云数据加入种子点集,并返回“平面模型确定模块”。
6.根据权利要求5所述的车前地形检测***,其特征在于,所述预处理模块,具体包括:
裁剪单元,用于将所述点云数据集中大于第一设定距离处的点云数据进行裁剪,获得裁剪数据集;所述第一设定距离为距离所述激光雷达的距离;
过滤单元,用于将所述裁剪数据集中小于第二设定距离处的点云数据进行滤除,获得预处理数据集;所述第二设定距离为距离所述激光雷达的距离。
7.根据权利要求6所述的车前地形检测***,其特征在于,所述各组数据集合中各点云数据到所述平面模型的正交投影的距离的公式为:
h=|(x,y,z)*n|;
其中,h为各点云数据到所述平面模型的正交投影的距离,(x,y,z)为各点云数据的三维坐标,n为平面的法向量。
8.根据权利要求7所述的车前地形检测***,其特征在于,所述***还包括:平面距离阈值确定模块,用于确定平面距离阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010201002.2A CN111427059B (zh) | 2020-03-20 | 2020-03-20 | 一种车前地形检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010201002.2A CN111427059B (zh) | 2020-03-20 | 2020-03-20 | 一种车前地形检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111427059A CN111427059A (zh) | 2020-07-17 |
CN111427059B true CN111427059B (zh) | 2022-02-11 |
Family
ID=71548367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010201002.2A Active CN111427059B (zh) | 2020-03-20 | 2020-03-20 | 一种车前地形检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111427059B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508970B (zh) * | 2020-12-16 | 2023-08-25 | 北京超星未来科技有限公司 | 一种点云数据分割方法及装置 |
CN113239726B (zh) * | 2021-04-06 | 2022-11-08 | 北京航空航天大学杭州创新研究院 | 基于着色点云的目标检测方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN108189637A (zh) * | 2017-12-29 | 2018-06-22 | 燕山大学 | 一种应急救援车辆主动悬挂作动器控制量的数据融合方法 |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
WO2019162327A2 (de) * | 2018-02-23 | 2019-08-29 | Audi Ag | Verfahren zur ermittlung einer entfernung zwischen einem kraftfahrzeug und einem objekt |
CN110335352A (zh) * | 2019-07-04 | 2019-10-15 | 山东科技大学 | 一种机载激光雷达点云的双基元多分辨率层次滤波方法 |
CN110782472A (zh) * | 2019-09-05 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 点云地面点的识别方法及装置 |
CN110865394A (zh) * | 2019-09-24 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达数据的目标分类***及其数据处理方法 |
-
2020
- 2020-03-20 CN CN202010201002.2A patent/CN111427059B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488770A (zh) * | 2015-12-11 | 2016-04-13 | 中国测绘科学研究院 | 一种面向对象的机载激光雷达点云滤波方法 |
CN108189637A (zh) * | 2017-12-29 | 2018-06-22 | 燕山大学 | 一种应急救援车辆主动悬挂作动器控制量的数据融合方法 |
WO2019162327A2 (de) * | 2018-02-23 | 2019-08-29 | Audi Ag | Verfahren zur ermittlung einer entfernung zwischen einem kraftfahrzeug und einem objekt |
CN108873013A (zh) * | 2018-06-27 | 2018-11-23 | 江苏大学 | 一种采用多线激光雷达的道路可通行区域获取方法 |
CN110335352A (zh) * | 2019-07-04 | 2019-10-15 | 山东科技大学 | 一种机载激光雷达点云的双基元多分辨率层次滤波方法 |
CN110782472A (zh) * | 2019-09-05 | 2020-02-11 | 腾讯科技(深圳)有限公司 | 点云地面点的识别方法及装置 |
CN110865394A (zh) * | 2019-09-24 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达数据的目标分类***及其数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111427059A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110992683B (zh) | 一种基于动态图像感知的交叉口盲区预警方法及*** | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、***、装置 | |
CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
CN110531376B (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
CN107341453B (zh) | 一种车道线提取方法及装置 | |
Oniga et al. | Processing dense stereo data using elevation maps: Road surface, traffic isle, and obstacle detection | |
CN101975951B (zh) | 一种融合距离和图像信息的野外环境障碍检测方法 | |
JP5157067B2 (ja) | 自動走行用マップ作成装置、及び自動走行装置。 | |
CN111179300A (zh) | 障碍物检测的方法、装置、***、设备以及存储介质 | |
CN111427059B (zh) | 一种车前地形检测方法及*** | |
Kowol et al. | Yodar: Uncertainty-based sensor fusion for vehicle detection with camera and radar sensors | |
CN113176585A (zh) | 一种基于三维激光雷达的路面异常检测方法 | |
CN101408978B (zh) | 一种基于单目视觉的障碍物检测方法及装置 | |
KR101822373B1 (ko) | 물체 탐지 장치 및 방법 | |
CN115032651A (zh) | 一种基于激光雷达与机器视觉融合的目标检测方法 | |
CN111553252A (zh) | 一种基于深度学习及u-v视差算法的道路行人自动识别定位方法 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
Kellner et al. | Road curb detection based on different elevation mapping techniques | |
CN113238209B (zh) | 基于毫米波雷达的道路感知方法、***、设备及存储介质 | |
JP2009175932A (ja) | 移動ロボットの走行領域判別装置及び走行領域判別方法 | |
DE102011078615A1 (de) | Objekterfassungsvorrichtung und objekterfassungsprogramm | |
CN115331191B (zh) | 车型识别方法、装置、***和存储介质 | |
Kellner et al. | Multi-cue, model-based detection and mapping of road curb features using stereo vision | |
CN112464889A (zh) | 道路车辆姿态和运动信息检测方法 | |
CN116611603B (zh) | 一种车辆路径调度方法、装置、计算机及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |