CN111696115B - 一种基于点云扫描线的斑马线角点提取方法及*** - Google Patents
一种基于点云扫描线的斑马线角点提取方法及*** Download PDFInfo
- Publication number
- CN111696115B CN111696115B CN202010356147.XA CN202010356147A CN111696115B CN 111696115 B CN111696115 B CN 111696115B CN 202010356147 A CN202010356147 A CN 202010356147A CN 111696115 B CN111696115 B CN 111696115B
- Authority
- CN
- China
- Prior art keywords
- zebra
- point cloud
- zebra crossing
- scanning lines
- scanning line
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于点云扫描线的斑马线角点提取方法及***,其技术方案为:包括提取包含完整斑马线的点云,统计每个点云的回波反射强度值,计算最优点云二值化强度分割阈值;计算同一扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;通过对边缘点进行直线拟合获取斑马线的长边直线方程;创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,通过对目标扫描线上点云进行直线拟合得到直线方程;根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。本发明实现斑马线点云与非斑马线点云的有效分离,克服了噪声点云干扰的问题。
Description
技术领域
本发明涉及路面标线检测技术领域,尤其涉及一种基于点云扫描线的斑马线角点提取方法及***。
背景技术
斑马线是城市管理与建设的重要基础设施,斑马线的自动识别与提取在城市基础地理信息更新中具有重要意义,可大幅提高数据更新效率,为智慧城市的管理奠定基础;同时随着无人驾驶技术的发展,道路标线的自动化识别与提取已成为刚需。考虑到斑马线的几何形状多为规则矩形,因此,斑马线角点的定位与识别就变得至关重要。
目前,国内外对于道路标线的检测正在实现由人工测量到车载移动测量的转变。这种转变大大减少了外业工作强度,可以在不影响行车安全的情况下快速获取海量路面点云数据,为公路养护管理提供数据支撑。
发明人在实现本发明的过程中,发现现有方法存在如下不足:斑马线信息的提取多采用图像法,此类方法结合数字图像处理技术分离出斑马线像元,从而对斑马线进行定位,但受制于图像自身的分辨率,且精度不高。此外,其他基于点云提取斑马线的方法也极易受到噪声点的干扰,影响提取结果。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种基于点云扫描线的斑马线角点提取方法及***,实现了斑马线点云与非斑马线点云的有效分离,以点云扫描线为基本研究单元,结合频率分布直方图进行统计分析,剔除了无效的扫描线,最终保留了位于斑马线长边之上的点云对其进行直线拟合成功定位斑马线长边,有效克服了噪声点云干扰的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明的实施例提供了一种基于点云扫描线的斑马线角点提取方法,包括:
提取包含完整斑马线的点云,统计每个点云的回波反射强度值,并计算最优点云二值化强度分割阈值,以区分斑马线点云与非斑马线点云;
计算同一条扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;通过对边缘点进行直线拟合获取斑马线的长边直线方程SL1、SL2;
创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,通过对目标扫描线上的点云进行直线拟合得到扫描线所在直线方程L1、L2;
根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。
作为进一步的实现方式,首先将所有点云的回波反射强度值归一化到设定强度区间内,统计强度区间中每个强度值在点云集合内出现的频数,同时计算每个强度值的频率;
然后遍历所述强度区间,将每次遍历结果作为临时分割阈值t;当分隔阈值为t时,计算类间方差g。
作为进一步的实现方式,当且仅当类间方差g取得最大值时,其对应的回波反射强度值即为最优二值化分割阈值T;当点云的回波反射强度值大于T时,则认为是斑马线点云,反之,认为是非斑马线点云。
作为进一步的实现方式,对目标点云采用RANSAC算法进行直线拟合,得到斑马线长边方程SL1、SL2;以斑马线长边为约束,创建包含k条相邻扫描线的移动判别窗口,窗口以k条扫描线为步长并沿着扫描线索引i d增大的方向移动。
作为进一步的实现方式,在遍历过程中计算位于窗口内的扫描线上斑马线点云所占的百分比,同时设定相应的判别条件,用于获取斑马线首尾边缘处的扫描线。
作为进一步的实现方式,在遍历扫描线过程中,当且仅当百分比ω的最大值与最小值之差近似为1时,表明该判别窗口已经移动至斑马线的短边边缘处。
作为进一步的实现方式,计算直线L1与斑马线长边直线SL1的两个交点P1、P2,计算直线L2与斑马线长边SL2的两个交点P3、P4;并计算P1和P2的中点P12、P3和P4的中点P34;分别过P12和P34作垂直于SL1的直线SS1、SS2,直线SS1、SS2、SL1、SL2的交点即为斑马线的角点。
第二方面,本发明实施例还提供了一种基于点云扫描线的斑马线角点提取***,包括:
点云区分模块,用于提取包含完整斑马线的点云,统计每个点云的回波反射强度值,并计算最优点云二值化强度分割阈值,以区分斑马线点云与非斑马线点云;
斑马线长边获取模块,用于计算同一条扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;并对边缘点进行直线拟合,计算斑马线的长边直线方程;
斑马线短边边缘处扫描线获取模块,用于创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,并对目标扫描线上的点云进行直线拟合,得到直线方程;
斑马线角点坐标计算模块,用于根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的基于点云扫描线的斑马线角点提取方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的基于点云扫描线的斑马线角点提取方法。
上述本发明的实施例的有益效果如下:
(1)本发明的一个或多个实施方式将OTSU算法引入到点云数据处理中,计算最优点云回波反射强度二值化分割阈值,实现斑马线点云与非斑马线点云的有效分离,克服了人工设定分割阈值造成分离结果不稳健的问题;
(2)本发明的一个或多个实施方式以点云扫描线为基本研究单元,结合频率分布直方图进行统计分析,剔除了无效的扫描线,最终保留了位于斑马线长边之上的点云对其进行直线拟合成功定位斑马线长边,有效克服了噪声点云干扰的问题;
(3)本发明的一个或多个实施方式结合所获取的目标直线的几何特征进行二次判定,可适应多种行车环境下的斑马线角点提取,适用于实际道路复杂多变的情况。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明根据一个或多个实施方式的流程图;
图2是本发明根据一个或多个实施方式的OTSU算法确定最优点云强度二值化分割阈值原理示意图;
图3为本发明根据一个或多个实施方式的斑马线点云初步分离结果图;
图4为本发明根据一个或多个实施方式的同一条扫描线上斑马线长度计算示意图;
图5(a)-图5(b)为本发明根据一个或多个实施方式的统计分析确定斑马线长边直线方程示意图;
图6(a)-图6(b)为本发明根据一个或多个实施方式的移动窗口法搜索斑马线短边边缘处扫描线示意图;
图7为本发明根据一个或多个实施方式的斑马线短边提取示意图;
图8为本发明根据一个或多个实施方式的斑马线角点坐标计算示意图;
图9为本发明根据一个或多个实施方式的斑马线角点提取结果图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合;
术语解释部分:本申请中的术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或为一体;可以是直接连接,也可以是通过中间媒介间接相连,可以是两个元件内部连接,或者两个元件的相互作用关系,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明的具体含义。
实施例一:
下面结合附图1-图9对本发明进行详细说明,具体的,结构如下:
本实施例提供了一种基于点云扫描线的斑马线角点提取方法,包括以下步骤:
1、人工交互提取一块包含完整斑马线的路面点云,结合OTSU算法计算最优点云回波反射强度二值化分割阈值,从而区分斑马线点云与非斑马线点云。
1)将所有点云的回波反射强度值(intensity)归一化到uint8(0~255)强度区间内,归一化公式如下:
其中,Ii表示第i个点云的回波反射强度值,Imax表示点云回波反射强度最大值,Imin表示点云回波反射强度最小值。
统计强度区间中每个强度值在点云集合内出现的频数Ij,同时计算每个强度值的频率η:
其中,M表示点云集合内的点云总数。
2)遍历[0,255]强度区间,将每次遍历结果作为临时分割阈值为t。点云集合中强度值小于t的点云个数记作N0,强度值大于t的点云个数记作N1,则可计算两者所占比例ω0、ω1与平均强度值δ1、δ2:
当分割阈值为t时,计算类间方差g:
δ=ω0×δ0+ω1×δ1 (7)
g=ω0×(δ-δ0)2+ω1×(δ-δ1)2 (8)
如图2所示,当且仅当类间方差g取得最大值时,其对应的回波反射强度值t即为所求最优二值化分割阈值T。实际情况下,斑马线为人工刷制的油漆,其点云的强度值普遍偏大,故对于目标点云集合而言,当某个点云的回波反射强度值大于T时,则认为是斑马线点云,反之,认为是非斑马线点云。图3为斑马线点云的初步分离结果。
2、以扫描线为研究对象,采用直方图统计分析与移动窗口法精确计算斑马线长边与短边所在的直线方程,可进一步计算短边与长边直线方程的交点,即为斑马线的4个角点。
1)获取斑马线长边。
遍历所有扫描线的id索引集合,对同一条扫描线上点云按照其X坐标或者Y坐标值升序排序。如图4所示,在排序的同时记录下同一条扫描线上相距最远的两个斑马线点云P1(x1,y1,z1)和P2(x2,y2,z2)的坐标以计算两者的水平距离d:
计算每条扫描线上相距最远的两个斑马线点云之间的水平距离d,若当前扫描线上不存在或仅有一个斑马线点云时,其对应的d值为0。扫描线遍历结束之后获取水平距离d的取值范围:[dmin,dmax],将上述区间等距划分为若干小区间,统计落入各个小区间内的扫描线条数。
如图5(a)-图5(b)所示,对数据进行直方图统计分析,生成“扫描线条数-水平距离”频率分布直方图。水平距离d在某个小区间内形成紧密聚类,获取位于该区间内所有扫描线的id索引,这些扫描线上首尾两端处的斑马线点云理论上分布于斑马线长边附近。对目标点云采用RANSAC算法进行直线拟合,得到斑马线长边方程SL1、SL2。
2)获取斑马线短边边缘处扫描线直线方程。
由于斑马线点云与非斑马线点云之间存在明确的边界,于是可以通过分析斑马线点云在相邻扫描线上的分布特征来提取斑马线短边。
c1)如图6(a)-图6(b)所示,以斑马线长边为约束,创建一个包含k条相邻扫描线的移动判别窗口,窗口以k条扫描线为步长并沿着扫描线索引id增大的方向移动。
c2)在移动过程中记录窗口内扫描线被两条斑马线长边所截取部分的点云总数n以及其中属于斑马线点云的个数m(m<n),从而计算每条扫描线上斑马线点云个数所占当前扫描线上点云总数的百分比ω:
c3)当扫描线被长边所截取部分的斑马线点云增多时,其ω值变大且无限趋近于1;反之,其ω值变小且无限趋近于0。在遍历扫描线的过程中,当且仅当百分比ω的最大值与最小值之差近似为1时,表明该判别窗口已经移动至斑马线的短边边缘处。
c4)随着判定窗口内扫描线编号i的增大,其对应的ω值在整体上呈单调递增或单调递减的变化趋势,故此处采用三次多项式曲线拟合算法对k个离散点进行拟合得到拟合曲线函数f(x):
f(x)=a1x3+a2x2+a3x+a4 (11)
c5)计算函数f(x)的拐点,求f(x)的二阶导函数f″(x),并令f″(x)=0得到拐点横坐标x:
f″(x)=6a1x+2a2=0
对拐点横坐标取整即可得到斑马线短边边缘处的扫描线索引id:
c6)移动判别窗口遍历结束之后理论上可以检索得到两条短边边缘处的扫描线,对这两条目标扫描线上点云采用RANSAC算法进行直线拟合得到直线方程L1、L2。
获取扫描线索引为id1和id2上的所有点云,分别使用RANSAC算法对其进行直线拟合,得到斑马线两条短边的直线方程SS1、SS2,提取结果如图7所示。
3)精确计算斑马线的角点坐标。
考虑到扫描线不完全是垂直于斑马线前进方向的,因此直线L3与L4不完全是与斑马线短边重合的,故需要结合上述4条直线的几何关系作进一步判断。
d1)如图8所示,计算直线L1与斑马线长边直线SL1的两个交点P1(x1,y1)、P2(x2,y2),计算直线L2与斑马线长边SL2的两个交点P3(x3,y3)、P4(x4,y4)。
d3)SS1与SS2均为斑马线短边直线方程,SL1与SL2均为斑马线长边直线方程,上述4条直线两两相交形成的4个交点即为斑马线的4个角点。
实施例二:
本实施例提供了一种基于点云扫描线的斑马线角点提取***,包括:
点云区分模块,用于提取包含完整斑马线的点云,统计每个点云的回波反射强度值,并计算最优点云二值化强度分割阈值,以区分斑马线点云与非斑马线点云;
斑马线长边获取模块,用于计算同一条扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;并对边缘点进行直线拟合,计算斑马线的长边直线方程;
斑马线短边边缘处扫描线获取模块,用于创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,并对目标扫描线上的点云进行直线拟合,得到直线方程;
斑马线角点坐标计算模块,用于根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。
实施例三:
本实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一所述的基于点云扫描线的斑马线角点提取方法。
实施例四:
本实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例一所述的基于点云扫描线的斑马线角点提取方法。
以上实施例二-四中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于点云扫描线的斑马线角点提取方法,其特征在于,包括:
提取包含完整斑马线的点云,统计每个点云的回波反射强度值,并计算最优点云二值化强度分割阈值,以区分斑马线点云与非斑马线点云;
计算同一条扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;通过对边缘点进行直线拟合获取斑马线的长边直线方程SL1、SL2;
创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,通过对目标扫描线上的点云进行直线拟合得到直线方程L1、L2;
根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。
2.根据权利要求1所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,首先将所有点云的回波反射强度值归一化到设定强度区间内,统计强度区间中每个强度值在点云集合内出现的频数,同时计算每个强度值的频率;
然后遍历所述强度区间,将每次遍历结果作为临时分割阈值t;当分隔阈值为t时,计算类间方差g。
3.根据权利要求2所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,当且仅当类间方差g取得最大值时,其对应的回波反射强度值即为最优二值化分割阈值T;当点云的回波反射强度值大于T时,则认为是斑马线点云,反之,认为是非斑马线点云。
4.根据权利要求1所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,对目标点云采用RANSAC算法进行直线拟合,得到斑马线长边方程SL1、SL2;以斑马线长边为约束,创建包含k条相邻扫描线的移动判别窗口,窗口以k条扫描线为步长并沿着扫描线索引id增大的方向移动。
5.根据权利要求4所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,在遍历过程中计算位于窗口内的扫描线上斑马线点云所占的百分比,同时设定相应的判别条件,用于获取斑马线首尾边缘处的扫描线。
6.根据权利要求5所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,在遍历扫描线过程中,当且仅当百分比ω的最大值与最小值之差近似为1时,表明该判别窗口已经移动至斑马线的短边边缘处。
7.根据权利要求1所述的一种基于点云扫描线的斑马线角点提取方法,其特征在于,计算直线L1与斑马线长边直线SL1的两个交点P1、P2,计算直线L2与斑马线长边SL2的两个交点P3、P4;并计算P1和P2的中点P12、P3和P4的中点P34;分别过P12和P34作垂直于SL1的直线SS1、SS2,直线SS1、SS2、SL1、SL2的交点即为斑马线的角点。
8.一种基于点云扫描线的斑马线角点提取***,其特征在于,包括:
点云区分模块,用于提取包含完整斑马线的点云,统计每个点云的回波反射强度值,并计算最优点云二值化强度分割阈值,以区分斑马线点云与非斑马线点云;
斑马线长边获取模块,用于计算同一条扫描线上相距最远的两个斑马线点云之间的水平距离,遍历所有扫描线以生成的频率分布直方图;滤除噪声点,获取位于斑马线长边附近的边缘点;并对边缘点进行直线拟合,计算斑马线的长边直线方程;
斑马线短边边缘处扫描线获取模块,用于创建扫描线移动判别窗口以遍历所有扫描线,获取斑马线首尾边缘处的扫描线,并对目标扫描线上的点云进行直线拟合,得到直线方程;
斑马线角点坐标计算模块,用于根据获取的直线结合斑马线的矩形特征,计算斑马线的角点坐标。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于点云扫描线的斑马线角点提取方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的基于点云扫描线的斑马线角点提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010356147.XA CN111696115B (zh) | 2020-04-29 | 2020-04-29 | 一种基于点云扫描线的斑马线角点提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010356147.XA CN111696115B (zh) | 2020-04-29 | 2020-04-29 | 一种基于点云扫描线的斑马线角点提取方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111696115A CN111696115A (zh) | 2020-09-22 |
CN111696115B true CN111696115B (zh) | 2023-04-14 |
Family
ID=72476828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010356147.XA Active CN111696115B (zh) | 2020-04-29 | 2020-04-29 | 一种基于点云扫描线的斑马线角点提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111696115B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528917A (zh) * | 2020-12-18 | 2021-03-19 | 深兰科技(上海)有限公司 | 斑马线区域识别方法、装置、电子设备和存储介质 |
Citations (11)
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 |
CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
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 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN109029253A (zh) * | 2018-06-29 | 2018-12-18 | 南京阿凡达机器人科技有限公司 | 一种包裹体积测量方法、***、储存介质及移动终端 |
CN109165549A (zh) * | 2018-07-09 | 2019-01-08 | 厦门大学 | 基于三维点云数据的道路标识获取方法、终端设备及装置 |
CN109522804A (zh) * | 2018-10-18 | 2019-03-26 | 汽-大众汽车有限公司 | 一种道路边沿识别方法及*** |
CN109903327A (zh) * | 2019-03-04 | 2019-06-18 | 西安电子科技大学 | 一种稀疏点云的目标物尺寸测量方法 |
CN110349260A (zh) * | 2019-07-11 | 2019-10-18 | 武汉中海庭数据技术有限公司 | 一种路面标线自动提取方法及装置 |
CN111046735A (zh) * | 2019-11-13 | 2020-04-21 | 武汉中海庭数据技术有限公司 | 一种车道线点云提取方法、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10482761B2 (en) * | 2018-04-18 | 2019-11-19 | Here Global B.V. | Lane-level geometry and traffic information |
-
2020
- 2020-04-29 CN CN202010356147.XA patent/CN111696115B/zh active Active
Patent Citations (11)
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 |
CN105678689A (zh) * | 2015-12-31 | 2016-06-15 | 百度在线网络技术(北京)有限公司 | 高精地图数据配准关系确定方法及装置 |
CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
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 |
CN107292899A (zh) * | 2017-05-05 | 2017-10-24 | 浙江大学 | 一种针对二维激光扫描仪的角点特征提取方法 |
CN109029253A (zh) * | 2018-06-29 | 2018-12-18 | 南京阿凡达机器人科技有限公司 | 一种包裹体积测量方法、***、储存介质及移动终端 |
CN109165549A (zh) * | 2018-07-09 | 2019-01-08 | 厦门大学 | 基于三维点云数据的道路标识获取方法、终端设备及装置 |
CN109522804A (zh) * | 2018-10-18 | 2019-03-26 | 汽-大众汽车有限公司 | 一种道路边沿识别方法及*** |
CN109903327A (zh) * | 2019-03-04 | 2019-06-18 | 西安电子科技大学 | 一种稀疏点云的目标物尺寸测量方法 |
CN110349260A (zh) * | 2019-07-11 | 2019-10-18 | 武汉中海庭数据技术有限公司 | 一种路面标线自动提取方法及装置 |
CN111046735A (zh) * | 2019-11-13 | 2020-04-21 | 武汉中海庭数据技术有限公司 | 一种车道线点云提取方法、电子设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Na Chen.Automatic extraction of blocks from 3D point clouds of fractured rock.Computers &Geosciences.2017,第109卷149-161. * |
王腾;兰青;杨默含;何陈;李得军;查剑锋.点云反射强度道路标识线角点提取方法.激光杂志.2020,(04),全文. * |
胡晓斌.基于机载点云数据的智能化成图方法研究.地理空间信息.2018,(05),全文. * |
蔡湛;李如仁;李新科;吴华意.一种基于激光点云数据的房屋轮廓线提取方法.地理与地理信息科学.2013,(05),全文. * |
陈朋;汤玉兵;孔庆珠;张以文.图像辅助激光点云的相似材料模型破裂边界提取.辽宁工程技术大学学报(自然科学版).2016,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111696115A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110320504B (zh) | 一种基于激光雷达点云统计几何模型的非结构化道路检测方法 | |
CN106022381B (zh) | 基于车载激光扫描点云的路灯杆自动提取方法 | |
WO2023216470A1 (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN111079611B (zh) | 一种道路面及其标志线的自动提取方法 | |
CN108681525B (zh) | 一种基于车载激光扫描数据的路面点云强度增强方法 | |
CN111192284A (zh) | 一种车载激光点云分割方法及*** | |
CN106156752B (zh) | 一种基于逆投影三视图的车型识别方法 | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN110136159B (zh) | 面向高分辨率遥感影像的线段提取方法 | |
CN110210377B (zh) | 一种用于三维户型重建的墙体及门窗信息获取方法 | |
CN112184736B (zh) | 一种基于欧式聚类的多平面提取方法 | |
CN102999886A (zh) | 图像边缘检测器及标尺光栅栅线精度检测*** | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN111696115B (zh) | 一种基于点云扫描线的斑马线角点提取方法及*** | |
CN115099304A (zh) | 一种建筑物立面点云提取方法 | |
CN114863376A (zh) | 一种基于车载激光点云数据的道路标线分割方法及*** | |
CN114067073B (zh) | 一种基于tls点云的矿区建筑物变形自动提取方法 | |
CN115115607A (zh) | 一种基于图像分析的图像形状特征提取识别方法 | |
CN115841633A (zh) | 一种电力塔和电力线关联矫正的电力塔和电力线检测方法 | |
CN114638934A (zh) | 一种3D激光slam建图中动态障碍物的后处理方法 | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN109271882A (zh) | 一种区分颜色的手写体汉字提取方法 | |
CN115291240B (zh) | 矿区场景内卸载点后方挡墙感知识别的检测方法及*** | |
CN116310317A (zh) | 面向点云目标包围框拟合的异形大目标点云切割方法 | |
CN114022857A (zh) | 一种杆状地物的提取分类方法、装置、设备和介质 |
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 |