CN112578405A - 一种基于激光雷达点云数据去除地面的方法及*** - Google Patents
一种基于激光雷达点云数据去除地面的方法及*** Download PDFInfo
- Publication number
- CN112578405A CN112578405A CN202011179679.7A CN202011179679A CN112578405A CN 112578405 A CN112578405 A CN 112578405A CN 202011179679 A CN202011179679 A CN 202011179679A CN 112578405 A CN112578405 A CN 112578405A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser radar
- ground
- cloud data
- image data
- 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
- G01S17/88—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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于激光雷达点云数据去除地面的方法,其先采用激光雷达采集激光雷达点云数据,将其从激光雷达坐标系内转换到车辆坐标系内;而后构建具有网格结构的激光雷达点云数据,并利用摄像头采集图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据。然后标定激光雷达点云数据投影到图像数据的转换矩阵,由转换矩阵将激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格;遍历激光雷达点云数据,从中筛选出地面点云候选点;由分布于地面网格内的地面点云候选点获得与其对应的拟合平面;遍历激光雷达点云数据,获取其与对应地面网格的拟合平面距离,若距离小于设定距离阈值,则去除该点云数据。
Description
技术领域
本发明涉及一种图像处理方法,尤其涉及一种用于车辆智能驾驶的图像处理方法。
背景技术
三维激光雷达与传统的微波雷达相比,具有较高的工作频率,所以其可以用于提供实时的环境信息。同时,三维激光雷达也具有很高的角度距离和速度的分辨率,因此其也被广泛应用在自动驾驶车辆环境感知中。
但是,当三维激光雷达应用于自动驾驶车辆环境感知中时,三维激光雷达感知自身返回的点云中包含障碍物,地面等信息,所以要将障碍物信息提取出来,需要先将地面点云去除。
现有的传统地面点云检测算法包括:栅格高度差方法和平面模型拟合方法。这两种方法具体如下所述:
栅格高度差方法:依据对每个栅格的高度差的大小进行分类,栅格高度差方法依赖于点云数据。栅格内地面点高度差特征符合栅格高度差方法,但是对于高平台仍然符合该特征,所以对于进行栅格化之后的高平台点仍然被分类为地面点。但是,该方法的分类出的地面点包含真实的地面点。当栅格内同时具有地面点云和其他障碍物时,无法区分出地面点云。
平面模型拟合方法:依据栅格内地面点云候选点进行平面拟合。如果栅格内含有较多高平台或房顶的点云,而地面点云很少,此种方法会将高平台或房顶当作地面去掉。
基于此,针对现有技术中存在的缺陷,本发明期望获得一种基于激光雷达点云数据去除地面的方法及***,其可以有效利用图像信息,去除环视摄像头探测范围内的高平台和房顶的地面误检,具有良好的推广前景和应用价值。
发明内容
本发明的目的之一在于提供一种基于激光雷达点云数据去除地面的方法,该方法针对现有技术中存在的缺陷,可以有效利用图像信息,去除环视摄像头探测范围内的高平台和房顶的地面误检,具有良好的推广前景和应用价值。
为了实现上述目的,本发明提出了一种基于激光雷达点云数据去除地面的方法,其包括步骤:
(1)采用设置在车辆上的激光雷达采集激光雷达点云数据,并将其从激光雷达坐标系内转换到车辆坐标系内;
(2)构建具有网格结构的激光雷达点云数据,所述具有网格结构的激光雷达点云数据具有设定的网格;
(3)采用摄像头采集图像数据,并且对采集的图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据;
(4)标定激光雷达点云数据投影到所述图像数据的转换矩阵;
(5)基于所述转换矩阵将具有网格结构的激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格;
(6)遍历步骤(2)中的激光雷达点云数据,根据其投影至所述图像数据中的像素位置是否落于所述可行驶区域内,以从中筛选出地面点云候选点;
(7)对于每一个所述地面网格,基于分布于其内的地面点云候选点获得与其对应的拟合平面;
(8)遍历步骤(2)中的激光雷达点云数据,获取其与对应的地面网格的拟合平面的距离,若距离小于设定的距离阈值,则判断该点云数据表征地面,并将其去除。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的方法中,所述步骤(1)还包括:对采集的激光雷达点云数据进行滤点预处理。
在上述技术方案中,在某些实施方式中,在上述步骤(1)中还可以根据感兴趣范围对采集的激光雷达点云数据进行x,y,z方向的滤点预处理。通常激光雷达点云数据十分庞大,有些范围的激光雷达点云数据并不是车辆行驶中需要关注的,如高度过高的点云、和较远处的点云。因此,可以对激光雷达点云数据进行x,y,z方向的过滤,只保留感兴趣范围内的激光雷达点云数据进行后续处理。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的方法中,在步骤(3)中,通过深度卷积神经网络对采集的图像数据进行可行驶区域识别。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的方法中,所述步骤(6)包括预筛选步骤:基于高精地图中已知的可行驶区域范围,初步判断激光雷达点云数据中每一个点云是否作为地面点云候选点,如果点云落于高精地图中已知的可行驶区域范围内,则进一步判断其投影至所述图像数据中的像素位置是否落于所述图像数据的可行驶区域内;如果点云未落于高精地图中已知的可行驶区域范围内,则将该点云筛除。
更进一步地,在本发明所述的基于激光雷达点云数据去除地面的方法中,所述步骤(7)包括步骤:
(a)在每个地面网格的范围内随机抽取三个地面点云候选点构建初步拟合平面;
(b)判断该地面网格内剩余地面点云候选点到该初步拟合平面的绝对距离是否满足平面拟合条件,若满足,则将该初步拟合平面作为该地面网格的拟合平面,结束该步骤;若不满足,则重新返回步骤(a)。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的方法中,所述平面拟合条件为该地面网格内至少99%的点到初步拟合平面的距离小于设定的阈值。
相应地,本发明的另一目的在于提供一种基于激光雷达点云数据去除地面的***,该***可以有效利用图像信息,去除环视摄像头探测范围内的高平台和房顶的地面误检,其具有良好的推广前景和应用价值。
根据上述目的,本发明提供了一种基于激光雷达点云数据去除地面的***,其包括:
设置在车辆上的激光雷达,其采集激光雷达点云数据;
设置在车辆上的摄像头,其采集图像数据;
处理模块,其与所述激光雷达和摄像头分别数据连接,其中所述处理模块基于传输自激光雷达的激光雷达点云数据和传输自摄像头的图像数据,执行以下步骤:
(1)将激光雷达点云数据从激光雷达坐标系内转换到车辆坐标系内;
(2)构建具有网格结构的激光雷达点云数据,所述具有网格结构的激光雷达点云数据具有设定的网格;
(3)对所述图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据;
(4)标定激光雷达点云数据投影到所述图像数据的转换矩阵;
(5)基于所述转换矩阵将具有网格结构的三维激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格;
(6)遍历步骤(2)中的激光雷达点云数据,根据其投影至所述图像数据中的像素位置是否落于所述可行驶区域内,以从中筛选出地面点云候选点;
(7)对于每一个所述地面网格,基于分布于其内的地面点云候选点获得与其对应的拟合平面;
(8)遍历步骤(2)中的激光雷达点云数据,获取其与对应的地面网格的拟合平面的距离,若距离小于设定的距离阈值,则判断该点云数据表征地面,并将其去除。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的***中,所述处理模块还对采集的激光雷达点云数据进行滤点预处理。
更进一步地,在本发明所述的基于激光雷达点云数据去除地面的***中,所述处理模块通过深度卷积神经网络对所述图像数据进行可行驶区域识别。
进一步地,在本发明所述的基于激光雷达点云数据去除地面的***中,所述步骤(6)包括预筛选步骤:基于高精地图中已知的可行驶区域范围,初步判断激光雷达点云数据中每一个点云是否作为地面点云候选点,如果点云落于高精地图中已知的可行驶区域范围内,则进一步判断其投影至所述图像数据中的像素位置是否落于所述图像数据的可行驶区域内;如果点云未落于高精地图中已知的可行驶区域范围内,则将该点云筛除;并且/或者
所述步骤(7)包括步骤:(a)在每个地面网格的范围内随机抽取三个地面点云候选点构建初步拟合平面;(b)判断该地面网格内剩余地面点云候选点到该初步拟合平面的绝对距离是否满足平面拟合条件,若满足,则将该初步拟合平面作为该地面网格的拟合平面,结束该步骤;若不满足,则重新返回步骤(a)。
本发明所述的基于激光雷达点云数据去除地面的方法,可以有效利用图像信息,去除环视摄像头探测范围内的高平台和房顶的地面误检,其具有良好的推广前景和应用价值。
相应地,本发明所述的基于激光雷达点云数据去除地面的***可以用于实施上述方法,其同样具有上述优点以及有益效果。
附图说明
图1示意性地显示本发明所述的基于激光雷达点云数据去除地面的方法在一种实施方式下的步骤流程图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的基于激光雷达点云数据去除地面的方法及***做进一步的解释和说明,然而该解释和说明并不对本发明的技术方案构成不当限定。
在本发明中,本发明公开了一种基于激光雷达点云数据去除地面的***,该***可以用于实施本发明所述的基于激光雷达点云数据去除地面的方法。
在本发明所述的***中,可以包括:激光雷达、摄像头和处理模块。其中,激光雷达和摄像头均设置在车辆上,激光雷达用于采集激光雷达点云数据,摄像头用于采集图像数据。处理模块与所述激光雷达和摄像头分别数据连接,其中处理模块可以基于传输自激光雷达的激光雷达点云数据和传输自摄像头的图像数据,执行本发明所述基于激光雷达点云数据去除地面的方法中的步骤,其具体步骤,如图1所示。
图1示意性地显示本发明所述的基于激光雷达点云数据去除地面的方法在一种实施方式下的步骤流程图。
如图1所示,在本实施方式中,本发明所述的基于激光雷达点云数据去除地面的方法包括步骤(1)-步骤(8):
(1)采用设置在车辆上的激光雷达采集激光雷达点云数据,并将其从激光雷达坐标系内转换到车辆坐标系内。
在本发明上述步骤(1)中,激光雷达采集的激光雷达点云数据是以激光雷达自身为坐标系原点的三维坐标点集,并通过激光雷达标定的外参可以将激光雷达点云数据从激光雷达坐标系转换到车辆坐标系。
需要说明的是,在本实施方式中,在上述步骤(1)中还可以根据感兴趣范围对采集的激光雷达点云数据进行x,y,z方向的滤点预处理。通常激光雷达点云数据十分庞大,有些范围的激光雷达点云数据并不是车辆行驶中需要关注的,如高度过高的点云、和较远处的点云。因此,需要对激光雷达点云数据进行x,y,z方向的过滤,只保留感兴趣范围内的激光雷达点云数据进行后续处理。
(2)构建具有网格结构的激光雷达点云数据,所述具有网格结构的激光雷达点云数据具有设定的网格。
在本实施方式中,可以将上述得到的过滤后的激光雷达点云数据在x,y方向进行栅格划分,将属于各个网格内的激光雷达点云数据储存在对应空间内,便于后续的便利查找。网格大小可根据实际情况进行调整,通常选取20cm*20cm大小的网格。此时,便可得到本发明上述步骤(2)中的具有网格结构的激光雷达点云数据。
(3)采用摄像头采集图像数据,并且对采集的图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据。
需要注意的是,在本实施方式中,在本发明所述的步骤(3)中,可以采用摄像头采集图像数据,并通过深度卷积神经网络对采集的图像数据进行可行驶区域识别。此方法可以输出得到有可行驶区域标识的图像数据,并判断出摄像头采集的前视图像每一个像素点是否为可行驶区域。
(4)标定激光雷达点云数据投影到所述图像数据的转换矩阵。
在本发明步骤(4)中,需要标定激光雷达点云数据投影到所述图像数据的转换矩阵。但激光雷达点云数据为3d坐标点,而摄像头采集的图像数据为2d坐标点。可以通过现有标定工具实现3d激光雷达点云数据到2d图像像素点的投影。由于是3d投影到2d,同一2d图像像素点会对应多个3d激光雷达点云坐标。
(5)基于所述转换矩阵将具有网格结构的激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格。
在本发明的步骤(5)中,需要将上述步骤(2)中具有网格结构的激光雷达点云数据中的网格投影到上述步骤(3)中得到的有可行驶区域标识的图像数据中,获得在图像数据上的地面网格。
(6)遍历步骤(2)中的激光雷达点云数据,根据其投影至所述图像数据中的像素位置是否落于所述可行驶区域内,以从中筛选出地面点云候选点。
需要说明的是,在本实施方式中,本发明所述的步骤(6)可以包括预筛选步骤:基于高精地图中已知的可行驶区域范围,初步判断激光雷达点云数据中每一个点云是否作为地面点云候选点,如果点云落于高精地图中已知的可行驶区域范围内,则进一步判断其投影至所述图像数据中的像素位置是否落于上述步骤(3)中得到的图像数据的可行驶区域内;如果点云未落于高精地图中已知的可行驶区域范围内,则将该点云筛除。
如果经过预筛选步骤的激光雷达点云数据投影至所述图像数据中的像素位置落于所述可行驶区域内,则将其储存到该网格内地面点云候选点中;如果不在所述可行驶区域内,则将该点云筛除,继续下一个点云。
(7)对于每一个所述地面网格,基于分布于其内的地面点云候选点获得与其对应的拟合平面。
相应地,在本实施方式中,本发明所述的步骤(7)还可以包括步骤:
(a)在每个地面网格的范围内随机抽取三个地面点云候选点构建初步拟合平面;
(b)判断该地面网格内剩余地面点云候选点到该初步拟合平面的绝对距离是否满足平面拟合条件,若满足,则将该初步拟合平面作为该地面网格的拟合平面,结束该步骤;若不满足,则重新返回步骤(a)。
此外,在本发明所述的基于激光雷达点云数据去除地面的方法中,所述平面拟合条件可以为该地面网格内至少99%的点到初步拟合平面的距离小于设定的阈值。此阈值可以通常选取20cm。
(8)遍历步骤(2)中的激光雷达点云数据,获取其与对应的地面网格的拟合平面的距离,若距离小于设定的距离阈值,则判断该点云数据表征地面,并将其去除。此处距离阈值可以通常选取15cm。
综上所述可以看出,本发明所述的基于激光雷达点云数据去除地面的方法,可以有效利用图像信息,去除环视摄像头探测范围内的高平台和房顶的地面误检,其具有良好的推广前景和应用价值。
相应地,本发明所述的基于激光雷达点云数据去除地面的***可以用于实施上述方法,其同样具有上述优点以及有益效果。
需要说明的是,本发明的保护范围中现有技术部分并不局限于本申请文件所给出的实施例,所有不与本发明的方案相矛盾的现有技术,包括但不局限于在先专利文献、在先公开出版物,在先公开使用等等,都可纳入本发明的保护范围。
此外,本案中各技术特征的组合方式并不限本案权利要求中所记载的组合方式或是具体实施例所记载的组合方式,本案记载的所有技术特征可以以任何方式进行自由组合或结合,除非相互之间产生矛盾。
还需要注意的是,以上所列举的实施例仅为本发明的具体实施例。显然本发明不局限于以上实施例,随之做出的类似变化或变形是本领域技术人员能从本发明公开的内容直接得出或者很容易便联想到的,均应属于本发明的保护范围。
Claims (10)
1.一种基于激光雷达点云数据去除地面的方法,其特征在于,包括步骤:
(1)采用设置在车辆上的激光雷达采集激光雷达点云数据,并将其从激光雷达坐标系内转换到车辆坐标系内;
(2)构建具有网格结构的激光雷达点云数据,所述具有网格结构的激光雷达点云数据具有设定的网格;
(3)采用摄像头采集图像数据,并且对采集的图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据;
(4)标定激光雷达点云数据投影到所述图像数据的转换矩阵;
(5)基于所述转换矩阵将具有网格结构的激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格;
(6)遍历步骤(2)中的激光雷达点云数据,根据其投影至所述图像数据中的像素位置是否落于所述可行驶区域内,以从中筛选出地面点云候选点;
(7)对于每一个所述地面网格,基于分布于其内的地面点云候选点获得与其对应的拟合平面;
(8)遍历步骤(2)中的激光雷达点云数据,获取其与对应的地面网格的拟合平面的距离,若距离小于设定的距离阈值,则判断该点云数据表征地面,并将其去除。
2.如权利要求1所述的基于激光雷达点云数据去除地面的方法,其特征在于,所述步骤(1)还包括:对采集的激光雷达点云数据进行滤点预处理。
3.如权利要求1所述的基于激光雷达点云数据去除地面的方法,其特征在于,在步骤(3)中,通过深度卷积神经网络对采集的图像数据进行可行驶区域识别。
4.如权利要求1所述的基于激光雷达点云数据去除地面的方法,其特征在于,所述步骤(6)包括预筛选步骤:基于高精地图中已知的可行驶区域范围,初步判断激光雷达点云数据中每一个点云是否作为地面点云候选点,如果点云落于高精地图中已知的可行驶区域范围内,则进一步判断其投影至所述图像数据中的像素位置是否落于所述图像数据的可行驶区域内;如果点云未落于高精地图中已知的可行驶区域范围内,则将该点云筛除。
5.如权利要求1所述的基于激光雷达点云数据去除地面的方法,其特征在于,所述步骤(7)包括步骤:
(a)在每个地面网格的范围内随机抽取三个地面点云候选点构建初步拟合平面;
(b)判断该地面网格内剩余地面点云候选点到该初步拟合平面的绝对距离是否满足平面拟合条件,若满足,则将该初步拟合平面作为该地面网格的拟合平面,结束该步骤;若不满足,则重新返回步骤(a)。
6.如权利要求5所述的基于激光雷达点云数据去除地面的方法,其特征在于,所述平面拟合条件为该地面网格内至少99%的点到初步拟合平面的距离小于设定的阈值。
7.一种基于激光雷达点云数据去除地面的***,其特征在于,包括:
设置在车辆上的激光雷达,其采集激光雷达点云数据;
设置在车辆上的摄像头,其采集图像数据;
处理模块,其与所述激光雷达和摄像头分别数据连接,其中所述处理模块基于传输自激光雷达的激光雷达点云数据和传输自摄像头的图像数据,执行以下步骤:
(1)将激光雷达点云数据从激光雷达坐标系内转换到车辆坐标系内;
(2)构建具有网格结构的激光雷达点云数据,所述具有网格结构的激光雷达点云数据具有设定的网格;
(3)对所述图像数据进行可行驶区域识别,得到有可行驶区域标识的图像数据;
(4)标定激光雷达点云数据投影到所述图像数据的转换矩阵;
(5)基于所述转换矩阵将具有网格结构的三维激光雷达点云数据投影到有可行驶区域标识的图像数据中,获得在图像数据上的地面网格;
(6)遍历步骤(2)中的激光雷达点云数据,根据其投影至所述图像数据中的像素位置是否落于所述可行驶区域内,以从中筛选出地面点云候选点;
(7)对于每一个所述地面网格,基于分布于其内的地面点云候选点获得与其对应的拟合平面;
(8)遍历步骤(2)中的激光雷达点云数据,获取其与对应的地面网格的拟合平面的距离,若距离小于设定的距离阈值,则判断该点云数据表征地面,并将其去除。
8.如权利要求7所述的基于激光雷达点云数据去除地面的***,其特征在于,所述处理模块还对采集的激光雷达点云数据进行滤点预处理。
9.如权利要求7所述的基于激光雷达点云数据去除地面的***,其特征在于,所述处理模块通过深度卷积神经网络对所述图像数据进行可行驶区域识别。
10.如权利要求7所述的基于激光雷达点云数据去除地面的***,其特征在于,所述步骤(6)包括预筛选步骤:基于高精地图中已知的可行驶区域范围,初步判断激光雷达点云数据中每一个点云是否作为地面点云候选点,如果点云落于高精地图中已知的可行驶区域范围内,则进一步判断其投影至所述图像数据中的像素位置是否落于所述图像数据的可行驶区域内;如果点云未落于高精地图中已知的可行驶区域范围内,则将该点云筛除;并且/或者
所述步骤(7)包括步骤:(a)在每个地面网格的范围内随机抽取三个地面点云候选点构建初步拟合平面;(b)判断该地面网格内剩余地面点云候选点到该初步拟合平面的绝对距离是否满足平面拟合条件,若满足,则将该初步拟合平面作为该地面网格的拟合平面,结束该步骤;若不满足,则重新返回步骤(a)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011179679.7A CN112578405B (zh) | 2020-10-29 | 2020-10-29 | 一种基于激光雷达点云数据去除地面的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011179679.7A CN112578405B (zh) | 2020-10-29 | 2020-10-29 | 一种基于激光雷达点云数据去除地面的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112578405A true CN112578405A (zh) | 2021-03-30 |
CN112578405B CN112578405B (zh) | 2023-03-10 |
Family
ID=75120030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011179679.7A Active CN112578405B (zh) | 2020-10-29 | 2020-10-29 | 一种基于激光雷达点云数据去除地面的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112578405B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537049A (zh) * | 2021-07-14 | 2021-10-22 | 广东汇天航空航天科技有限公司 | 地面点云数据处理方法、装置、终端设备及存储介质 |
CN116229405A (zh) * | 2023-05-05 | 2023-06-06 | 倍基智能科技(四川)有限公司 | 一种从点云数据中检测地面的方法 |
TWI838022B (zh) * | 2022-12-19 | 2024-04-01 | 鴻海精密工業股份有限公司 | 地面平面擬合方法、車載裝置及儲存介質 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011145156A (ja) * | 2010-01-14 | 2011-07-28 | Ihi Aerospace Co Ltd | 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 |
CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
EP2738570A1 (en) * | 2012-11-29 | 2014-06-04 | BAE Systems PLC | Controlling laser trackers |
CN107330925A (zh) * | 2017-05-11 | 2017-11-07 | 北京交通大学 | 一种基于激光雷达深度图像的多障碍物检测和跟踪方法 |
US20180211119A1 (en) * | 2017-01-23 | 2018-07-26 | Ford Global Technologies, Llc | Sign Recognition for Autonomous Vehicles |
CN108427124A (zh) * | 2018-02-02 | 2018-08-21 | 北京智行者科技有限公司 | 一种多线激光雷达地面点分离方法及装置、车辆 |
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 |
CN109543600A (zh) * | 2018-11-21 | 2019-03-29 | 成都信息工程大学 | 一种实现可行驶区域检测方法及***和应用 |
CN109961440A (zh) * | 2019-03-11 | 2019-07-02 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
CN110705458A (zh) * | 2019-09-29 | 2020-01-17 | 北京智行者科技有限公司 | 边界检测方法及装置 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
CN111414848A (zh) * | 2020-03-19 | 2020-07-14 | 深动科技(北京)有限公司 | 一种全类别3d障碍物检测方法、***和介质 |
CN111665524A (zh) * | 2020-04-29 | 2020-09-15 | 武汉光庭科技有限公司 | 一种利用多线激光雷达进行地面剔除的方法及*** |
-
2020
- 2020-10-29 CN CN202011179679.7A patent/CN112578405B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011145156A (ja) * | 2010-01-14 | 2011-07-28 | Ihi Aerospace Co Ltd | 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 |
EP2738570A1 (en) * | 2012-11-29 | 2014-06-04 | BAE Systems PLC | Controlling laser trackers |
CN103645480A (zh) * | 2013-12-04 | 2014-03-19 | 北京理工大学 | 基于激光雷达和图像数据融合的地形地貌特征构建方法 |
US20180211119A1 (en) * | 2017-01-23 | 2018-07-26 | Ford Global Technologies, Llc | Sign Recognition for Autonomous Vehicles |
CN107330925A (zh) * | 2017-05-11 | 2017-11-07 | 北京交通大学 | 一种基于激光雷达深度图像的多障碍物检测和跟踪方法 |
CN108427124A (zh) * | 2018-02-02 | 2018-08-21 | 北京智行者科技有限公司 | 一种多线激光雷达地面点分离方法及装置、车辆 |
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 |
CN109543600A (zh) * | 2018-11-21 | 2019-03-29 | 成都信息工程大学 | 一种实现可行驶区域检测方法及***和应用 |
CN109961440A (zh) * | 2019-03-11 | 2019-07-02 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
CN110705458A (zh) * | 2019-09-29 | 2020-01-17 | 北京智行者科技有限公司 | 边界检测方法及装置 |
CN111160302A (zh) * | 2019-12-31 | 2020-05-15 | 深圳一清创新科技有限公司 | 基于自动驾驶环境的障碍物信息识别方法和装置 |
CN111414848A (zh) * | 2020-03-19 | 2020-07-14 | 深动科技(北京)有限公司 | 一种全类别3d障碍物检测方法、***和介质 |
CN111665524A (zh) * | 2020-04-29 | 2020-09-15 | 武汉光庭科技有限公司 | 一种利用多线激光雷达进行地面剔除的方法及*** |
Non-Patent Citations (6)
Title |
---|
KATSUYA OGURA: "Ground Object Recognition from Aerial Image-based 3D Point Cloud", 《2018 ELEVENTH INTERNATIONAL CONFERENCE ON MOBILE COMPUTING AND UBIQUITOUS NETWORK (ICMU)》 * |
XIN ZHOU: "An Analysis of a Hail Cloud Process and It’s Hail Suppression Operation", 《2011 INTERNATIONAL CONFERENCE ON ELECTRONICS, COMMUNICATIONS AND CONTROL (ICECC)》 * |
周欣: "面阵摆扫航空相机序列图像的大区域无缝拼接", 《测绘科学》 * |
王晨捷等: "无人机视觉SLAM协同建图与导航", 《测绘学报》 * |
蒋剑飞: "基于三维激光雷达的障碍物及可通行区域实时检测", 《激光与光电子学进展》 * |
邢亚蒙等: "基于改进Hough变换的激光雷达点云特征提取方法研究", 《制造业自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537049A (zh) * | 2021-07-14 | 2021-10-22 | 广东汇天航空航天科技有限公司 | 地面点云数据处理方法、装置、终端设备及存储介质 |
TWI838022B (zh) * | 2022-12-19 | 2024-04-01 | 鴻海精密工業股份有限公司 | 地面平面擬合方法、車載裝置及儲存介質 |
CN116229405A (zh) * | 2023-05-05 | 2023-06-06 | 倍基智能科技(四川)有限公司 | 一种从点云数据中检测地面的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112578405B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112578405B (zh) | 一种基于激光雷达点云数据去除地面的方法及*** | |
CN110988912B (zh) | 自动驾驶车辆的道路目标与距离检测方法、***、装置 | |
CN108319655B (zh) | 用于生成栅格地图的方法和装置 | |
CN111291708B (zh) | 融合深度相机的变电站巡检机器人障碍物检测识别方法 | |
CN112581612B (zh) | 基于激光雷达和环视摄像头融合的车载栅格地图生成方法及*** | |
CN110979321B (zh) | 一种用于无人驾驶车辆的障碍物躲避方法 | |
CN111160302A (zh) | 基于自动驾驶环境的障碍物信息识别方法和装置 | |
CN105160702B (zh) | 基于LiDAR点云辅助的立体影像密集匹配方法及*** | |
CN113657224B (zh) | 车路协同中用于确定对象状态的方法、装置、设备 | |
CN113111887A (zh) | 一种基于相机和激光雷达信息融合的语义分割方法及*** | |
CN111699410B (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
CN112740225B (zh) | 一种路面要素确定方法及装置 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及*** | |
CN109213138B (zh) | 一种避障方法、装置及*** | |
CN113267761B (zh) | 激光雷达目标检测识别方法、***及计算机可读存储介质 | |
CN111880195A (zh) | 基于激光雷达的塔吊防碰撞方法及其*** | |
CN115240094A (zh) | 一种垃圾检测方法和装置 | |
CN115588047A (zh) | 一种基于场景编码的三维目标检测方法 | |
CN115731545A (zh) | 一种基于融合感知的电缆隧道巡检方法及装置 | |
CN114910891A (zh) | 一种基于非重叠视野的多激光雷达外参标定方法 | |
CN115097419A (zh) | 一种激光雷达到imu的外参标定方法及装置 | |
EP2772801A1 (en) | Matching procedure and device for the digital modelling of objects by stereoscopic images | |
CN113219472B (zh) | 一种测距***和方法 | |
CN117970341A (zh) | 一种基于多数据融合的矿区电铲电缆检测方法及*** | |
CN113624223B (zh) | 一种室内停车场地图构建方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |