CN112634181B - 用于检测地面点云点的方法和装置 - Google Patents

用于检测地面点云点的方法和装置 Download PDF

Info

Publication number
CN112634181B
CN112634181B CN201910903363.9A CN201910903363A CN112634181B CN 112634181 B CN112634181 B CN 112634181B CN 201910903363 A CN201910903363 A CN 201910903363A CN 112634181 B CN112634181 B CN 112634181B
Authority
CN
China
Prior art keywords
point cloud
ground
plane
sub
distance
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
Application number
CN201910903363.9A
Other languages
English (en)
Other versions
CN112634181A (zh
Inventor
刘祥
张双
高斌
朱晓星
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing Co 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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN201910903363.9A priority Critical patent/CN112634181B/zh
Priority to US16/807,936 priority patent/US11328429B2/en
Priority to JP2020036468A priority patent/JP6967621B2/ja
Priority to EP20164924.1A priority patent/EP3798974B1/en
Publication of CN112634181A publication Critical patent/CN112634181A/zh
Application granted granted Critical
Publication of CN112634181B publication Critical patent/CN112634181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请实施例公开了用于检测地面点云点的方法和装置。该方法的一具体实施方式包括：基于激光雷达采集的点云确定分割面和地面；基于分割面将点云分割为第一子点云和第二子点云，其中，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离，第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离；将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点，其中，第一距离阈值小于第二距离阈值。该实施方式提高了地面点云点的检测准确度。

Description

用于检测地面点云点的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于检测地面点云点的方法和装置。
背景技术
无人驾驶汽车是一种新型的智能汽车，也称之为“轮式移动机器人”，主要通过传感器(激光雷达、摄像头等)来获取其周边环境数据，并对这些数据进行综合分析运算后，发出指令来分别控制无人驾驶汽车中的不同设备，从而实现汽车的全自动运行，达到汽车无人驾驶的目的。
然而，在激光雷达采集的点云中检测障碍物时，很容易将地面误检为障碍物。为了降低障碍物的误检率，通常会先检测出点云中的地面点云点，再从点云中过滤掉地面点云点，最后基于过滤后的点云进行障碍物检测。
目前，常用的地面点云点检测方法是首先以高度区间为横坐标，以数目为纵坐标，绘制点云的分布直方图，然后将点云中的落入分布直方图的峰值区间的点云点确定为地面点云点。
发明内容
本申请实施例提出了用于检测地面点云点的方法和装置。
第一方面，本申请实施例提供了一种用于检测地面点云点的方法，包括：基于激光雷达采集的点云确定分割面和地面；基于分割面将点云分割为第一子点云和第二子点云，其中，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离，第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离；将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点，其中，第一距离阈值小于第二距离阈值。
在一些实施例中，基于激光雷达采集的点云确定分割面和地面，包括：确定点云中的点云点的密集度；生成点云中的点云点的密集度和与激光雷达的距离的对应关系；基于预先设置的分割密集度查询对应关系，得到分割面。
在一些实施例中，确定点云中的点云点的密集度，包括：对于点云中的同一线束的点云点，计算相邻点云点之间的距离；基于相邻点云点之间的距离确定该线束的点云点的密集度。
在一些实施例中，确定点云中的点云点的密集度，包括：若点云中包括至少两个线束的点云点，计算点云中的相邻线束的点云点之间的距离；基于相邻线束之间的距离确定相邻线束的点云点的密集度。
在一些实施例中，基于激光雷达采集的点云确定分割面和地面，包括：以高度区间为横坐标，以数目为纵坐标，绘制点云的分布直方图；基于分布直方图中落入峰值区间的点云点拟合地面。
在一些实施例中，基于激光雷达采集的点云确定分割面和地面，包括：从点云中选取预估地面点云；将预估地面点云所处的第一立体空间划分为多个第二立体空间；对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面；基于多个地面子平面生成地面。
在一些实施例中，对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面，包括：基于多个第二立体空间内的预估地面点云点拟合多个第一平面；对于每个第一平面，执行以下拟合步骤：从该第一平面所处的第二立体空间内选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点；利用该候选地面点云点拟合第二平面；确定该第二平面是否稳定；若该第二平面稳定，将该第二平面作为地面子平面。
在一些实施例中，对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面，还包括：响应于确定该第二平面不稳定，利用该第二平面替换该第一平面，并继续执行拟合步骤。
在一些实施例中，确定该第二平面是否稳定，包括：若拟合步骤的执行次数小于次数阈值，确定该第二立体空间内的预估地面点云点到该第二平面的距离之和是否小于第二距离阈值；若小于第二距离阈值，则确定该第二平面稳定；若不小于第二距离阈值，则确定该第二平面不稳定。
在一些实施例中，基于多个地面子平面生成地面，包括：对于每个地面子平面，计算该地面子平面的角度和该地面子平面相邻的地面子平面的角度的加权平均值；基于该加权平均值调整该地面子平面的角度。
第二方面，本申请实施例提供了一种用于检测地面点云的装置，包括：第一确定单元，被配置成基于激光雷达采集的点云确定分割面和地面；分割单元，被配置成基于分割面将点云分割为第一子点云和第二子点云，其中，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离，第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离；第二确定单元，被配置成将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点，其中，第一距离阈值小于第二距离阈值。
在一些实施例中，第一确定单元包括：确定子单元，被配置成确定点云中的点云点的密集度；第一生成子单元，被配置成生成点云中的点云点的密集度和与激光雷达的距离的对应关系；查询子单元，被配置成基于预先设置的分割密集度查询对应关系，得到分割面。
在一些实施例中，确定子单元进一步被配置成：对于点云中的同一线束的点云点，计算相邻点云点之间的距离；基于相邻点云点之间的距离确定该线束的点云点的密集度。
在一些实施例中，确定子单元进一步被配置成：若点云中包括至少两个线束的点云点，计算点云中的相邻线束的点云点之间的距离；基于相邻线束之间的距离确定相邻线束的点云点的密集度。
在一些实施例中，第一确定单元包括：绘制子单元，被配置成以高度区间为横坐标，以数目为纵坐标，绘制点云的分布直方图；拟合子单元，被配置成基于分布直方图中落入峰值区间的点云点拟合地面。
在一些实施例中，第一确定单元包括：选取子单元，被配置成从点云中选取预估地面点云；划分子单元，被配置成将预估地面点云所处的第一立体空间划分为多个第二立体空间；估计子单元，被配置成对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面；第二生成子单元，被配置成基于多个地面子平面生成地面。
在一些实施例中，估计子单元包括：第一拟合模块，被配置成基于多个第二立体空间内的预估地面点云点拟合多个第一平面；第二拟合模块，被配置成对于每个第一平面，执行以下拟合步骤：从该第一平面所处的第二立体空间内选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点；利用该候选地面点云点拟合第二平面；确定该第二平面是否稳定；若该第二平面稳定，将该第二平面作为地面子平面。
在一些实施例中，估计子单元还包括：替换模块，被配置成响应于确定该第二平面不稳定，利用该第二平面替换该第一平面，并继续执行拟合步骤。
在一些实施例中，第二拟合子单元进一步被配置成：若拟合步骤的执行次数小于次数阈值，确定该第二立体空间内的预估地面点云点到该第二平面的距离之和是否小于第二距离阈值；若小于第二距离阈值，则确定该第二平面稳定；若不小于第二距离阈值，则确定该第二平面不稳定。
在一些实施例中，第二生成子单元进一步被配置成：对于每个地面子平面，计算该地面子平面的角度和该地面子平面相邻的地面子平面的角度的加权平均值；基于该加权平均值调整该地面子平面的角度。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，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实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于检测地面点云点的方法和装置，首先基于激光雷达采集的点云确定分割面和地面；然后基于分割面将点云分割为第一子点云和第二子点云；最后将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点。距离激光雷达较近的点云较密集，确定地面点云点的阈值较低；距离激光雷达较远的点云较稀疏，确定地面点云点的阈值较高。基于点云点与激光雷达的距离对地面点云点的阈值阶梯化，提高了地面点云点的检测准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性***架构；
图2是根据本申请的用于检测地面点云点的方法的一个实施例的流程图；
图3是根据本申请的用于检测地面点云点的方法的又一个实施例的流程图；
图4是根据本申请的用于检测地面点云点的方法的另一个实施例的流程图；
图5是根据本申请的用于检测地面点云点的装置的一个实施例的结构示意图；
图6是适于用来实现本申请实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于检测地面点云点的方法或用于检测地面点云点的装置的实施例的示例性***架构100。
如图1所示，***架构100中可以包括无人驾驶汽车101。无人驾驶汽车101上可以安装有激光雷达1011、1012、1013，网络1014和驾驶控制设备1015。网络1014用以在激光雷达1011、1012、1013和驾驶控制设备1015之间提供通信链路的介质。网络1014可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
激光雷达1011、1012、1013可以通过网络1014与驾驶控制设备1015交互，以接收或发送消息等。
激光雷达1011、1012、1013可以是以发射激光束探测目标的位置、速度等特征量的雷达***。具体地，当激光雷达1011、1012、1013发射的激光束照射到目标表面时，所反射的激光会携带方位、距离等信息。若激光雷达1011、1012、1013发射的激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成点云。
驾驶控制设备1015，又称为车载大脑，负责无人驾驶汽车101的智能控制。驾驶控制设备1015可以是单独设置的控制器，例如可编程逻辑控制器、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆驾驶控制类应用的计算机设备。
需要说明的是，本申请实施例所提供的用于检测地面点云点的方法一般由驾驶控制设备1015执行，相应地，用于检测地面点云点的装置一般设置于驾驶控制设备1015中。
应该理解，图1中的驾驶控制设备、网络和激光雷达的数目仅仅是示意性的。根据实现需要，可以具有任意数目的驾驶控制设备、网络和激光雷达。
继续参考图2，其示出了根据本申请的用于检测地面点云点的方法的一个实施例的流程200。该用于检测地面点云点的方法包括以下步骤：
步骤201，基于激光雷达采集的点云确定分割面和地面。
在本实施例中，用于检测地面点云点的方法的执行主体(例如图1所示的驾驶控制设备1015)可以接收激光雷达(例如图1所示的激光雷达1011、1012、1013)采集的点云，并基于点云确定分割面和地面。
实践中，激光雷达可以安装在无人驾驶汽车(例如图1所示的无人驾驶汽车101)的车顶，用于采集无人驾驶汽车周围的物体的点云。当采集到点云时，激光雷达会将采集到的该帧点云实时发送至上述执行主体。其中，激光雷达采集的点云可以由大量点云点(激光点)组成，每个点云点可以包括三维坐标和激光反射强度。这里，通常会预先选定坐标系，而激光雷达采集的点云中的点云点的三维坐标均是在预先选定的坐标系中的坐标。预先选定坐标系可以例如是车辆坐标系、IMU(Inertial measurement unit，惯性测量单元)坐标系等。
这里，分割面可以用于对点云进行分割。对于不同型号的无人驾驶汽车、不同线束的激光雷达，其分割面的位置不同。例如，对于安装16线激光雷达的微型车(MicroCar)，其分割面大约位于距离激光雷达3米处的位置。实际上，分割面的位置与点云中的点云点的密集度有关。而点云点的密集度和点云点与激光雷达的距离有关。通常，距离激光雷达越近的点云点越密集；距离激光雷达越远的点云点越稀疏。可选地，上述执行主体可以首先确定点云中的点云点的密集度；然后生成点云中的点云点的密集度和与激光雷达的距离的对应关系；最后基于预先设置的分割密集度查询对应关系，得到分割面。通常，确定点云点的密集度的方法可以包括以下两种。其一，对于点云中的同一线束的点云点，上述执行主体可以首先计算相邻点云点之间的距离；然后基于相邻点云点之间的距离确定该线束的点云点的密集度。通常，同一线束的相邻点云点之间的间隔越小，该位置处的点云点越密集；同一线束的相邻点云点之间的间隔越大，该位置处的点云点越稀疏。应当理解的是，该方法可以应用于确定任意线束的激光雷达采集的点云中的点云点的密集度。其二，上述执行主体可以首先计算点云中的相邻线束的点云点之间的距离；然后基于相邻线束之间的距离确定相邻线束的点云点的密集度。通常，相邻线束的夹角越小，该相邻线束的点云点越密集；相邻线束的夹角越小，该相邻线束的点云点越稀疏。应当理解的是，该方法可以仅能应用于确定包括至少两个线束的激光雷达采集的点云中的点云点的密集度。
这里，无人驾驶汽车上安装的激光雷达发射的激光束大都会照射到地面上。地面通常是通过点云中属于地面的概率较高的点云点生成的。例如，上述执行主体可以首先以高度区间为横坐标，以数目为纵坐标，绘制点云的分布直方图；然后基于点云中的落入分布直方图的峰值区间的点云点拟合地面。其中，点云中的点云点的高度可以等于该点云点的三维坐标中的Z坐标的值。这里，上述执行主体可以将高度划分为多个细粒度区间，例如，高度区间可以包括0-0.1米、0.1-0.2米、0.2-0.3米等等。随后，上述执行主体可以统计落入到每个高度区间的点云点的数目，并绘制出点云的分布直方图。最后，上述执行主体可以确定分布直方图的峰值区间，并利用落入峰值区间的至少部分点云点拟合出平面作为地面。通常，分布直方图可以呈正态分布。也就是说，落入分布直方图的峰值区间的点云点的数目明显高于落入其他区间的点云点的数目。
步骤202，基于分割面将点云分割为第一子点云和第二子点云。
在本实施例中，上述执行主体可以基于分割面将点云分割为第一子点云和第二子点云。通常，第一子点云位于分割面与激光雷达之间，其距离激光雷达较近。第二子点云位于分割面的另一边，其距离激光雷达较远。也就是说，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离。第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离。
步骤203，将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点。
在本实施例中，上述执行主体可以将第一子点云中距离地面小于第一距离阈值(例如0.1米)的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值(例如0.3米)的点云点确定为地面点云点。由于第一子点云距离激光雷达较近，其点云点较密集，而第二子点云距离激光雷达较远，其点云点较稀疏，因此，第一距离阈值通常小于第二距离阈值。
在本实施例的一些可选的实现方式中，上述执行主体可以过滤点云中的地面点云点，并基于过滤后的点云进行障碍物检测。这样，就有效降低了将地面误检为障碍物的概率。
本申请实施例提供的用于检测地面点云点的方法，首先基于激光雷达采集的点云确定分割面和地面；然后基于分割面将点云分割为第一子点云和第二子点云；最后将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点。距离激光雷达较近的点云较密集，确定地面点云点的阈值较低；距离激光雷达较远的点云较稀疏，确定地面点云点的阈值较高。基于点云点与激光雷达的距离对地面点云点的阈值阶梯化，提高了地面点云点的检测准确度。
进一步参考图3，其示出了根据本申请的用于检测地面点云点的方法的又一个实施例的流程300。该用于检测地面点云点的方法包括以下步骤：
步骤301，基于激光雷达采集的点云确定分割面。
在本实施例中，步骤301的具体操作已在图2所示的实施例中步骤201中进行了详细的介绍，在此不再赘述。
步骤302，从点云中选取预估地面点云。
在本实施例中，用于估计地面的方法的执行主体(例如图1所示的驾驶控制设备1015)可以从激光雷达刺激的点云中选取预估地面点云。
通常，预估地面点云可以是激光雷达采集的点云的至少部分，由激光雷达采集的点云中的属于地面的概率较高的点云点组成。
在本实施例的一些可选的实现方式中，无人驾驶汽车上安装的激光雷达发射的激光束大都会照射到地面上。也就是说，激光雷达采集的点云中会有很大部分点云点属于地面。因此，上述执行主体可以将激光雷达采集的点云直接作为预估地面点云，以进行后续地面估计。
在本实施例的一些可选的实现方式中，地面不是完全平整的，地面点云点也不是完全在同一个平面上的，因此选取出的预估地面点云也应当是立体的。具体地，上述执行主体可以从激光雷达采集的点云中选取距离预估地面预设高度范围内的点云点，得到预估地面点云。其中，预估地面可以是预估出的一个接近于地面的平面。例如，预估地面可以是无人驾驶汽车的车轮与地面的四个接触点确定的平面。具体地，上述执行主体可以首先将激光雷达采集的点云中的位于预估地面上方、且与预估地面的距离不大于第一高度阈值(例如50厘米)的点云点确定为预估地面点云点，同时将位于预估地面下方、且与预估地面的距离不大于第二高度阈值(例如30厘米)的点云点确定为预估地面点云点；然后基于确定出的预估地面点云点形成预估地面点云。应当理解的是，在实际场景下，激光雷达采集的点云中会有很大部分点云点都位于预估地面的上方，因此，第二高度阈值通常不会大于第一高度阈值。
步骤303，将预估地面点云所处的第一立体空间划分为多个第二立体空间。
在本实施例中，上述执行主体可以将预估地面点云所处的第一立体空间划分为多个第二立体空间。通常，预估地面点云所处的第一立体空间是包围预估地面点云的立方体。这里，将包围预估地面点云的立方体划分为多个小立方体，每个小立方体是一个第二立体空间。
在本实施例的一些可选的实现方式中，上述执行主体可以首先将预估地面划分为多个网格(例如8×8的64个网格)；然后基于多个网格对第一立体空间进行分割，得到多个第二立体空间。应当理解的是，上述执行主体仅将预估地面上属于激光雷达的探测范围的区域划分网格，然后利用网格将第一立体空间切分为多个小的立体空间，即，第二立体空间。
步骤304，对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面。
在本实施例中，对于每个第二立体空间，上述执行主体可以对该第二立体空间内的预估地面点云点进行地面估计，以得到一个地面子平面。具体地，上述执行主体可以选取该第二立体空间内的至少部分预估地面点云点拟合平面，并将拟合出的平面作为地面子平面。
步骤305，基于多个地面子平面生成地面。
在本实施例中，上述执行主体可以基于多个地面子平面生成地面。例如，上述执行主体可以对多个地面子平面中的相邻地面子平面进行连接，以生成地面。
在本实施例的一些可选的实现方式中，上述执行主体可以对多个地面子平面进行平滑，生成地面。可选地，对于每个地面子平面，上述执行主体可以利用该地面子平面相邻的地面子平面对该地面子平面进行平滑。例如，上述执行主体可以首先计算该地面子平面的角度和该地面子平面相邻的地面子平面的角度的加权平均值；然后基于该加权平均值调整该地面子平面的角度。其中，对于每个地面子平面，该地面子平面的角度的权重通常大于该地面子平面相邻的地面子平面的角度的权重。此时，计算出的加权平均值通常小于该地面子平面的角度。这里，利用加权平均值调整该地面子平面的角度，可以使该地面子平面与其相邻的地面子平面之间的钝角夹角更大，即，使该地面子平面与其相邻的地面子平面之间的过渡更加平滑。此外，由于每个地面子平面是局部信息，利用该地面子平面相邻的地面子平面对该地面子平面进行平滑，可以在该地面子平面中增加全局信息，这样，能使得到的地面更加平滑、真实。
步骤306，基于分割面将点云分割为第一子点云和第二子点云。
步骤307，将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点。
在本实施例中，步骤306-307的具体操作已在图2所示的实施例中步骤202-203中进行了详细的介绍，在此不再赘述。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于检测地面点云点的方法的流程300突出了估计地面的步骤。由此，本实施例描述的方案对预估地面点云进行划分后分别进行地面估计，提高了估计出的地面的真实度。
进一步参考图4，其示出了根据本申请的用于检测地面点云点的方法的另一个实施例的流程400。该用于检测地面点云点的方法包括以下步骤：
步骤401，基于激光雷达采集的点云确定分割面。
步骤402，从点云中选取预估地面点云。
步骤403，将预估地面点云所处的第一立体空间划分为多个第二立体空间。
在本实施例中，步骤401-403的具体操作已在图3所示的实施例中步骤301-303中进行了详细的介绍，在此不再赘述。
步骤404，基于多个第二立体空间内的预估地面点云点拟合多个第一平面。
在本实施例中，对于每个第二立体空间，用于估计地面的方法的执行主体(例如图1所示的驾驶控制设备1015)可以基于该第二立体空间内的预估地面点云点拟合一个第一平面。具体地，上述执行主体可以选取该第二立体空间内的至少部分预估地面点云点拟合一个第一平面。
在本实施例的一些可选的实现方式中，对于每个第二立体空间，上述执行主体可以首先对该第二立体空间内的预估地面点云点进行采样，得到采样地面点云点；然后利用该采样地面点云点拟合第一平面。可选地，上述执行主体可以对该第二立体空间内的预估地面点云点进行随机采样。这里，先采样再拟合，有效降低了拟合平面的计算量。
在本实施例的一些可选的实现方式中，上述执行主体可以首先将该第二立体空间划分为多个第三立体空间；然后对每个第三立体空间内的预估地面点云点进行采样。可选地，上述执行主体可以对每个第三立体空间内的预估地面点云点进行随机采样。这样，先划分小立体空间再对每个小立体空间采样，确保采样到的点云点均匀分布在整个第二立体空间中。
步骤405，对于每个第一平面，从该第一平面所处的第二立体空间内选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点。
在本实施例中，对于每个第一平面，上述执行主体可以计算该第一平面所处的第二立体空间内的每个预估地面点云点与该第一平面的距离，并选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点。其中，与该第一平面的距离小于第一距离阈值的预估地面点云点可以认为是第一平面上的点云点。与该第一平面的距离不小于第一距离阈值的预估地面点云点可以认为不是第一平面上的点云点。
步骤406，利用该候选地面点云点拟合第二平面。
在本实施例中，上述执行主体可以利用从该第一平面所处的第二立体空间内选取出的候选地面点云点拟合第二平面。
步骤407，确定该第二平面是否稳定。
在本实施例中，上述执行主体可以确定该第二平面是否稳定；若该第二平面稳定，执行步骤408；若该第二平面不稳定，执行步骤409。通常，当第二平面满足一定的条件时，确定第二平面稳定。
在本实施例的一些可选的实现方式中，若拟合步骤的执行次数小于次数阈值(例如3次)，上述执行主体可以确定该第二立体空间内的预估地面点云点到该第二平面的距离之和是否小于第二距离阈值；若小于第二距离阈值，则确定该第二平面稳定；若不小于第二距离阈值，则确定该第二平面不稳定。此外，若拟合步骤的执行次数不小于次数阈值，或者拟合步骤的执行次数不小于次数阈值，且该第二平面的角度大于角度阈值(例如6度)，上述执行主体可以确定该第二立体空间内不存在地面点云点。其中，拟合步骤可以包括步骤405-409。
步骤408，将该第二平面作为地面子平面。
在本实施例中，在该第二平面稳定的情况下，上述执行主体可以将该第二平面作为地面子平面。
步骤409，利用该第二平面替换该第一平面。
在本实施例中，在该第二平面不稳定的情况下，上述执行主体可以利用该第二平面替换该第一平面，并返回继续执行步骤405。
步骤410，基于多个地面子平面生成地面。
步骤411，基于分割面将点云分割为第一子点云和第二子点云。
步骤412，将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点。
在本实施例中，步骤410-412的具体操作已在图3所示的实施例中步骤305-307中进行了详细的介绍，在此不再赘述。
从图4中可以看出，与图3对应的实施例相比，本实施例中的用于检测地面点云点的方法的流程400突出了迭代计算平面的步骤。由此，本实施例描述的方案通过多次迭代计算第二平面，使第二平面更加趋近于真实的地面，进一步提高了估计出的地面的真实度。
进一步参考图5，作为对上述各图所示的方法的实现，本申请提供了一种用于检测地面点云点的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于检测地面点云点的装置500可以包括：第一确定单元501、分割单元502和第二确定单元503。其中，第一确定单元501，被配置成基于激光雷达采集的点云确定分割面和地面；分割单元502，被配置成基于分割面将点云分割为第一子点云和第二子点云，其中，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离，第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离；第二确定单元503，被配置成将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点，其中，第一距离阈值小于第二距离阈值。
在本实施例中，用于检测地面点云点的装置500中：第一确定单元501、分割单元502和第二确定单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，第一确定单元501包括：确定子单元(图中未示出)，被配置成确定点云中的点云点的密集度；第一生成子单元(图中未示出)，被配置成生成点云中的点云点的密集度和与激光雷达的距离的对应关系；查询子单元(图中未示出)，被配置成基于预先设置的分割密集度查询对应关系，得到分割面。
在本实施例的一些可选的实现方式中，确定子单元进一步被配置成：对于点云中的同一线束的点云点，计算相邻点云点之间的距离；基于相邻点云点之间的距离确定该线束的点云点的密集度。
在本实施例的一些可选的实现方式中，确定子单元进一步被配置成：若点云中包括至少两个线束的点云点，计算点云中的相邻线束的点云点之间的距离；基于相邻线束之间的距离确定相邻线束的点云点的密集度。
在本实施例的一些可选的实现方式中，第一确定单元501包括：绘制子单元(图中未示出)，被配置成以高度区间为横坐标，以数目为纵坐标，绘制点云的分布直方图；拟合子单元(图中未示出)，被配置成基于分布直方图中落入峰值区间的点云点拟合地面。
在本实施例的一些可选的实现方式中，第一确定单元501包括：选取子单元(图中未示出)，被配置成从点云中选取预估地面点云；划分子单元(图中未示出)，被配置成将预估地面点云所处的第一立体空间划分为多个第二立体空间；估计子单元(图中未示出)，被配置成对多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面；第二生成子单元(图中未示出)，被配置成基于多个地面子平面生成地面。
在本实施例的一些可选的实现方式中，估计子单元包括：第一拟合模块(图中未示出)，被配置成基于多个第二立体空间内的预估地面点云点拟合多个第一平面；第二拟合模块(图中未示出)，被配置成对于每个第一平面，执行以下拟合步骤：从该第一平面所处的第二立体空间内选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点；利用该候选地面点云点拟合第二平面；确定该第二平面是否稳定；若该第二平面稳定，将该第二平面作为地面子平面。
在本实施例的一些可选的实现方式中，估计子单元还包括：替换模块(图中未示出)，被配置成响应于确定该第二平面不稳定，利用该第二平面替换该第一平面，并继续执行拟合步骤。
在本实施例的一些可选的实现方式中，第二拟合子单元进一步被配置成：若拟合步骤的执行次数小于次数阈值，确定该第二立体空间内的预估地面点云点到该第二平面的距离之和是否小于第二距离阈值；若小于第二距离阈值，则确定该第二平面稳定；若不小于第二距离阈值，则确定该第二平面不稳定。
在本实施例的一些可选的实现方式中，第二生成子单元进一步被配置成：对于每个地面子平面，计算该地面子平面的角度和该地面子平面相邻的地面子平面的角度的加权平均值；基于该加权平均值调整该地面子平面的角度。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的驾驶控制设备1015)的计算机***600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示，计算机***600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或电子设备上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、分割单元和第二确定单元。其中，这些单元的名称在种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“基于激光雷达采集的点云确定分割面和地面的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于激光雷达采集的点云确定分割面和地面；基于分割面将点云分割为第一子点云和第二子点云，其中，第一子点云的点云点与激光雷达的距离小于分割面与激光雷达的距离，第二子点云的点云点与激光雷达的距离不小于分割面与激光雷达的距离；将第一子点云中距离地面小于第一距离阈值的点云点确定为地面点云点，以及将第二子点云中距离地面小于第二距离阈值的点云点确定为地面点云点，其中，第一距离阈值小于第二距离阈值。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种用于检测地面点云点的方法，包括：
基于激光雷达采集的点云确定分割面和地面；
基于所述分割面将所述点云分割为第一子点云和第二子点云，其中，所述第一子点云的点云点与所述激光雷达的距离小于所述分割面与所述激光雷达的距离，所述第二子点云的点云点与所述激光雷达的距离不小于所述分割面与所述激光雷达的距离；
将所述第一子点云中距离所述地面小于第一距离阈值的点云点确定为地面点云点，以及将所述第二子点云中距离所述地面小于第二距离阈值的点云点确定为地面点云点，其中，所述第一距离阈值小于所述第二距离阈值；
其中，所述基于激光雷达采集的点云确定分割面和地面，包括：
确定所述点云中的点云点的密集度；生成所述点云中的点云点的密集度和与所述激光雷达的距离的对应关系；基于预先设置的分割密集度查询所述对应关系，得到分割面；
从所述点云中选取预估地面点云；将所述预估地面点云所处的第一立体空间划分为多个第二立体空间；对所述多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面；基于所述多个地面子平面生成地面。
2.根据权利要求1所述的方法，其中，所述确定所述点云中的点云点的密集度，包括：
对于所述点云中属于所述激光雷达的同一线束的点云点，计算相邻点云点之间的距离；
基于所述相邻点云点之间的距离确定该线束的点云点的密集度。
3.根据权利要求1所述的方法，其中，所述确定所述点云中的点云点的密集度，包括：
若所述点云中包括所述激光雷达的至少两个线束的点云点，计算所述点云中的相邻线束的点云点之间的距离；
基于所述相邻线束之间的距离确定所述相邻线束的点云点的密集度。
4.根据权利要求1所述的方法，其中，所述基于激光雷达采集的点云确定分割面和地面，包括：
以高度区间为横坐标，以数目为纵坐标，绘制所述点云的分布直方图；
基于所述分布直方图中落入峰值区间的点云点拟合地面。
5.根据权利要求1所述的方法，其中，所述对所述多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面，包括：
基于所述多个第二立体空间内的预估地面点云点拟合多个第一平面；
对于每个第一平面，执行以下拟合步骤：从该第一平面所处的第二立体空间内选取与该第一平面的距离小于第一距离阈值的预估地面点云点，作为候选地面点云点；利用该候选地面点云点拟合第二平面；确定该第二平面是否稳定；若该第二平面稳定，将该第二平面作为地面子平面；
其中，所述确定该第二平面是否稳定，包括：
若所述拟合步骤的执行次数小于次数阈值，确定该第二立体空间内的预估地面点云点到该第二平面的距离之和是否小于第二距离阈值；
若小于所述第二距离阈值，则确定该第二平面稳定；
若不小于所述第二距离阈值，则确定该第二平面不稳定。
6.根据权利要求5所述的方法，其中，所述对所述多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面，还包括：
响应于确定该第二平面不稳定，利用该第二平面替换该第一平面，并继续执行所述拟合步骤。
7.根据权利要求1-6之一所述的方法，其中，所述基于所述多个地面子平面生成地面，包括：
对于每个地面子平面，计算该地面子平面的角度和该地面子平面相邻的地面子平面的角度的加权平均值；
基于该加权平均值调整该地面子平面的角度。
8.一种用于检测地面点云点的装置，包括：
第一确定单元，被配置成基于激光雷达采集的点云确定分割面和地面；
分割单元，被配置成基于所述分割面将所述点云分割为第一子点云和第二子点云，其中，所述第一子点云的点云点与所述激光雷达的距离小于所述分割面与所述激光雷达的距离，所述第二子点云的点云点与所述激光雷达的距离不小于所述分割面与所述激光雷达的距离；
第二确定单元，被配置成将所述第一子点云中距离所述地面小于第一距离阈值的点云点确定为地面点云点，以及将所述第二子点云中距离所述地面小于第二距离阈值的点云点确定为地面点云点，其中，所述第一距离阈值小于所述第二距离阈值；
其中，所述第一确定单元进一步被配置成：
确定所述点云中的点云点的密集度；生成所述点云中的点云点的密集度和与所述激光雷达的距离的对应关系；基于预先设置的分割密集度查询所述对应关系，得到分割面；
从所述点云中选取预估地面点云；将所述预估地面点云所处的第一立体空间划分为多个第二立体空间；对所述多个第二立体空间内的预估地面点云点进行地面估计，得到多个地面子平面；基于所述多个地面子平面生成地面。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，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如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201910903363.9A 2019-09-24 2019-09-24 用于检测地面点云点的方法和装置 Active CN112634181B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910903363.9A CN112634181B (zh) 2019-09-24 2019-09-24 用于检测地面点云点的方法和装置
US16/807,936 US11328429B2 (en) 2019-09-24 2020-03-03 Method and apparatus for detecting ground point cloud points
JP2020036468A JP6967621B2 (ja) 2019-09-24 2020-03-04 地面点群ポイントを検出するための方法および装置
EP20164924.1A EP3798974B1 (en) 2019-09-24 2020-03-23 Method and apparatus for detecting ground point cloud points

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910903363.9A CN112634181B (zh) 2019-09-24 2019-09-24 用于检测地面点云点的方法和装置

Publications (2)

Publication Number Publication Date
CN112634181A CN112634181A (zh) 2021-04-09
CN112634181B true CN112634181B (zh) 2024-06-14

Family

ID=69953891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910903363.9A Active CN112634181B (zh) 2019-09-24 2019-09-24 用于检测地面点云点的方法和装置

Country Status (4)

Country Link
US (1) US11328429B2 (zh)
EP (1) EP3798974B1 (zh)
JP (1) JP6967621B2 (zh)
CN (1) CN112634181B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7425207B2 (ja) 2020-01-07 2024-01-30 エルジー エレクトロニクス インコーポレイティド ポイントクラウドデータ送信装置、ポイントクラウドデータ送信方法、ポイントクラウドデータ受信装置及びポイントクラウドデータ受信方法
US11521394B2 (en) * 2020-10-09 2022-12-06 Motional Ad Llc Ground plane estimation using LiDAR semantic network
TWI802827B (zh) * 2020-12-01 2023-05-21 財團法人國家實驗研究院 校正異常點雲資料之方法
EP4020391A1 (en) 2020-12-24 2022-06-29 Applications Mobiles Overview Inc. Method and system for automatic characterization of a three-dimensional (3d) point cloud
US20240139826A1 (en) 2021-03-25 2024-05-02 Kyocera Corporation Cemented carbide and cutting tool
CN112946612B (zh) * 2021-03-29 2024-05-17 上海商汤临港智能科技有限公司 外参标定方法、装置、电子设备及存储介质
CN113759385A (zh) * 2021-08-12 2021-12-07 江苏徐工工程机械研究院有限公司 一种激光雷达和相机融合测距方法及***
US20230092198A1 (en) * 2021-09-23 2023-03-23 Aeye, Inc. Systems and methods of real-time detection of and geometry generation for physical ground planes
CN116309199A (zh) * 2021-12-03 2023-06-23 咪咕文化科技有限公司 一种点云处理方法、装置及电子设备
CN114119606B (zh) * 2022-01-20 2022-05-10 国网江西省电力有限公司电力科学研究院 基于可见光照片电力线着色的智能化树障隐患分析方法
CN116679315A (zh) * 2022-02-23 2023-09-01 北京百度网讯科技有限公司 作业地形检测方法、装置及用于检测作业地形的工程设备
CN114386293B (zh) * 2022-03-22 2022-07-08 之江实验室 一种虚实合成的激光雷达点云生成方法和装置
CN114571467B (zh) * 2022-04-07 2022-09-13 赛那德科技有限公司 一种机械臂控制方法及***
CN115311457B (zh) * 2022-10-09 2023-03-24 广东汇天航空航天科技有限公司 点云数据处理方法、计算设备、飞行装置及存储介质
CN116958303A (zh) * 2023-09-19 2023-10-27 山东博昂信息科技有限公司 一种基于室外激光雷达的智能建图方法及***
CN117111089B (zh) * 2023-10-24 2024-02-02 青岛慧拓智能机器有限公司 矿卡卸载点可用状态识别方法、***、设备和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101319471B1 (ko) 2008-08-29 2013-10-17 미쓰비시덴키 가부시키가이샤 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체
EP2574207A1 (en) * 2010-03-31 2013-04-03 Ambercore Software Inc. System and method for extracting features from data having spatial coordinates
US9396545B2 (en) * 2010-06-10 2016-07-19 Autodesk, Inc. Segmentation of ground-based laser scanning points from urban environment
JP5822255B2 (ja) 2011-04-14 2015-11-24 株式会社豊田中央研究所 対象物識別装置及びプログラム
WO2014178051A2 (en) * 2013-04-30 2014-11-06 Mantisvision Ltd. Selective 3d registration
US20150120244A1 (en) * 2013-10-31 2015-04-30 Here Global B.V. Method and apparatus for road width estimation
JP6320016B2 (ja) 2013-12-13 2018-05-09 株式会社デンソーアイティーラボラトリ 対象物検出装置、対象物検出方法およびプログラム
GB2532948B (en) * 2014-12-02 2021-04-14 Vivo Mobile Communication Co Ltd Object Recognition in a 3D scene
CN105184852B (zh) 2015-08-04 2018-01-30 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
US10156441B2 (en) * 2016-01-05 2018-12-18 Texas Instruments Incorporated Ground plane estimation in a computer vision system
US10031231B2 (en) * 2016-09-12 2018-07-24 Delphi Technologies, Inc. Lidar object detection system for automated vehicles
CN107918753B (zh) * 2016-10-10 2019-02-22 腾讯科技（深圳）有限公司 点云数据处理方法及装置
CN107945198B (zh) * 2016-10-13 2021-02-23 北京百度网讯科技有限公司 用于标注点云数据的方法和装置
US10663584B2 (en) * 2017-05-26 2020-05-26 Toyota Motor Engineering & Manufacturing North America, Inc. Publishing LIDAR cluster data
US20190005667A1 (en) * 2017-07-24 2019-01-03 Muhammad Zain Khawaja Ground Surface Estimation
CN108427124B (zh) 2018-02-02 2020-05-12 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
CN108917761B (zh) 2018-05-07 2021-01-19 西安交通大学 一种无人车在地下车库中的精确定位方法
CN108732586A (zh) 2018-05-31 2018-11-02 山东理工大学 一种超大地面三维激光扫描原始点云空间规则化方法
CN110148144B (zh) * 2018-08-27 2024-02-13 腾讯大地通途（北京）科技有限公司 点云数据的分割方法和装置、存储介质、电子装置
CN109188448B (zh) * 2018-09-07 2020-03-06 百度在线网络技术（北京）有限公司 点云非地面点过滤方法、装置及存储介质
CN109359614B (zh) * 2018-10-30 2021-06-11 百度在线网络技术（北京）有限公司 一种激光点云的平面识别方法、装置、设备和介质
CN109872329A (zh) * 2019-01-28 2019-06-11 重庆邮电大学 一种基于三维激光雷达的地面点云快速分割方法
CN109766404B (zh) 2019-02-12 2020-12-15 湖北亿咖通科技有限公司 点云处理方法、装置及计算机可读存储介质
CN110009029B (zh) * 2019-03-28 2021-02-12 北京智行者科技有限公司 基于点云分割的特征匹配方法
CN110031824B (zh) * 2019-04-12 2020-10-30 杭州飞步科技有限公司 激光雷达联合标定方法及装置
CN110244322B (zh) * 2019-06-28 2023-04-18 东南大学 基于多源传感器的路面施工机器人环境感知***及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于三维激光雷达的障碍物及可通行区域实时检测;蒋剑飞;李其仲;黄妙华;龚杰;;激光与光电子学进展(第24期);249-258 *

Also Published As

Publication number Publication date
CN112634181A (zh) 2021-04-09
JP2021051057A (ja) 2021-04-01
US20210090263A1 (en) 2021-03-25
EP3798974B1 (en) 2023-05-10
EP3798974A1 (en) 2021-03-31
JP6967621B2 (ja) 2021-11-17
US11328429B2 (en) 2022-05-10

Similar Documents

Publication Publication Date Title
CN112634181B (zh) 用于检测地面点云点的方法和装置
CN110687549B (zh) 障碍物检测方法和装置
CN109188457B (zh) 物体检测框的生成方法、装置、设备、存储介质及车辆
CN109459734B (zh) 一种激光雷达定位效果评估方法、装置、设备及存储介质
CN109284348B (zh) 一种电子地图的更新方法、装置、设备和存储介质
CN109521756B (zh) 用于无人驾驶车辆的障碍物运动信息生成方法和装置
US11506769B2 (en) Method and device for detecting precision of internal parameter of laser radar
CN109901567B (zh) 用于输出障碍物信息的方法和装置
CN108629231B (zh) 障碍物检测方法、装置、设备及存储介质
EP3624055B1 (en) Ground detection method, apparatus, electronic device, vehicle and storage medium
CN108734780B (zh) 用于生成地图的方法、装置和设备
CN109558854B (zh) 障碍物感知方法、装置、电子设备及存储介质
CN109444904B (zh) 定位测试数据的生成方法、装置、设备及存储介质
CN112622923B (zh) 用于控制车辆的方法和装置
CN112558035B (zh) 用于估计地面的方法和装置
CN115406457A (zh) 一种可行驶区域检测方法、***、设备及存储介质
CN110426714B (zh) 一种障碍物识别方法
CN110618413A (zh) 基于多线激光雷达的可通行区域检测方法和装置
CN112630798B (zh) 用于估计地面的方法和装置
CN113177980B (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN109827610B (zh) 用于校验传感器融合结果的方法和装置
CN112558036A (zh) 用于输出信息的方法和装置
CN112630749B (zh) 用于输出提示信息的方法和装置
CN110363834B (zh) 一种点云数据的分割方法和装置
CN113313654A (zh) 激光点云滤波去噪方法、***、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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211013

Address after: 100085 Beijing Haidian Apollo Intelligent Technology (Beijing) Co.,Ltd.

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, *** building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant