CN112733817A - 一种高精度地图中点云图层精度的测量方法及电子设备 - Google Patents
一种高精度地图中点云图层精度的测量方法及电子设备 Download PDFInfo
- Publication number
- CN112733817A CN112733817A CN202110337033.5A CN202110337033A CN112733817A CN 112733817 A CN112733817 A CN 112733817A CN 202110337033 A CN202110337033 A CN 202110337033A CN 112733817 A CN112733817 A CN 112733817A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- ground
- local
- layer
- cloud layer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000013136 deep learning model Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明实施例提供了一种高精度地图中点云图层精度的测量方法及电子设备,所述方法包括:对高精度地图中的点云图层进行分割,得到各局部点云图层;针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云;针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度;针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度。本发明,能够提高点云图层精度的测量效率。
Description
技术领域
本发明涉及无人驾驶技术领域,特别是涉及一种高精度地图中点云图层精度的测量方法及电子设备。
背景技术
在自动驾驶领域,自动驾驶车辆需要精确的知道其在路上的位置,进而会使用到高精度地图。高精度地图不仅有高精度的坐标,同时还有准确的道路形状等。点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合。图层就像是含有文字或图形等元素的胶片,一张张按顺序叠放在一起,组合起来形成页面的最终效果,图层可以将页面上的元素精确定位。点云图层作为高精度地图的一个图层,其精度对车辆定位的准确性影响很大。现有大多使用点云图层的地面厚度和指示牌厚度,作为衡量高精度地图中点云图层精度的指标。
相关技术中,测量高精度地图中点云图层精度使用的方法为:利用软件例如QTM8100_UX_TRIAL,CloudCompare等,人工对待测量高精度地图点云图层数据中的地面厚度和指示牌厚度进行测量。而实际应用中高精度地图的点云图层规模一般相对较大,使得人工测量点云图层精度比较耗时,且效率较低。
发明内容
本发明实施例的目的在于提供一种高精度地图中点云图层精度的测量方法及电子设备,以提高高精度地图中点云图层精度的测量效率。具体技术方案如下:
第一方面,本发明实施例提供了一种高精度地图中点云图层精度的测量方法,所述方法包括:
对高精度地图中的点云图层进行分割,得到各局部点云图层;
针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云;
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度;
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度。
可选地,所述针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,包括:
针对每一局部点云图层,对该局部点云图层的地面点云和指示牌点云进行语义要素提取,得到该局部点云图层中的地面点云和指示牌点云。
可选地,所述针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,包括:
针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格;
针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云;
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从所述非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云。
可选地,所述针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格,包括:
针对每一局部点云图层,计算该局部点云图层所包含空间点对应的边界坐标;
根据预设的边长和所述边界坐标,分别计算沿不同坐标轴所需划分第二体素网格的个数;
根据每个坐标轴所需划分的所述第二体素网格的个数,将所述局部点云图层划分成多个第二体素网格。
可选地,所述针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云,包括:
针对每一局部点云图层,计算该局部点云图层沿Z轴方向每一第二体素网格中包含的空间点Z坐标的最大值和最小值;
基于所述最大值和最小值,计算沿Z轴方向每一第二体素网格的厚度;
根据地面厚度阈值和所述每一第二体素网格的厚度的大小关系,确定包含地面点云的第二体素网格;
将所述包含地面点云的第二体素网格确定为地面体素网格,并对每一所述地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云。
可选地,所述对每一所述地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云,包括:
将各所述地面体素网格中的地面点云,确定为第一地面点云;
在所述第一地面点云中选择多个不在一条直线上的空间点,作为第一空间点,并计算经过所述第一空间点的第一平面,得到多个第一平面;
针对每一第一平面,遍历所述第一地面点云中除所述第一空间点之外的第二空间点,计算各所述第二空间点到该第一平面的距离;
根据所述距离与预设阈值的关系,确定属于每一第一平面的第二空间点,并统计每一第一平面上所包含空间点的数目;
将包含空间点的数目最多的第一平面,确定为第二平面;
基于所述第二平面中的空间点,得到该局部点云图层的地面点云。
可选地,所述基于所述第二平面中的空间点,得到该局部点云图层的地面点云,包括:
将所述第二平面中的空间点,确定为第二地面点云;
在所述第二地面点云中选择一个空间点作为种子点,并基于预设半径,寻找所述种子点的连通域,得到多个连通域;
遍历所述第二地面点云中所有空间点,将包含空间点的数目最多的连通域确定为目标连通域;
将所述目标连通域中的空间点,确定为该局部点云图层的地面点云。
可选地,所述针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从所述非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云,包括:
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云;
将所述非地面点云划分成多个第三体素网格;
针对每一第三体素网格,计算该第三体素网格中空间点的第二协方差矩阵,并对所述第二协方差矩阵进行奇异值分解,得到多个第一奇异值;
基于各所述第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌;
对各包含指示牌的第三体素网格中的空间点按照距离进行聚类,得到该局部点云图层的各指示牌点云。
可选地,所述第一奇异值的数量为三个,所述基于各所述第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌,包括:
如果任意两个第一奇异值之间的差异小于第一阈值,且所述两个第一奇异值分别与另一第一奇异值之间的差异均大于第二阈值,则确定该第三体素网格包含指示牌。
可选地,所述针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,包括:
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格;
针对每一第一体素网格,计算该第一体素网格的厚度,并计算各第一体素网格厚度的标准差和均值;
基于所述标准差和均值,确定满足条件的第一体素网格的厚度;
基于所述满足条件的第一体素网格的厚度,计算该局部点云图层的地面厚度。
可选地,所述针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,包括:
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,得到该指示牌点云空间点的第一协方差矩阵;
对该指示牌点云空间点的第一协方差矩阵进行奇异值分解,得到多个第二奇异值;
将各所述第二奇异值中最小第二奇异值对应的特征向量,确定为该指示牌点云的法向量;
将该指示牌点云中的每个空间点,投影到该指示牌点云的法向量上,得到该指示牌点云的投影坐标;
将该指示牌点云的投影坐标中的最大值与最小值的差值,确定为该指示牌点云对应的指示牌厚度。
第二方面,本发明实施例提供了一种服务器设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的方法步骤。
第三方面,本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现实现上述第一方面所述的方法步骤。
本发明实施例有益效果:
本发明实施例提供的一种高精度地图中点云图层精度的测量方法及电子设备,可以将高精度地图中的点云图层分割成多个局部点云图层,针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,进一步针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,以及计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,进而基于计算得到的每一局部点云图层的地面厚度和指示牌厚度,衡量高精度地图中的点云图层精度,避免了人工测量点云图层精度所导致的耗时长、效率低的问题,能够减少点云图层精度测量的时间,提高点云图层精度测量的效率。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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,下面将对实施例或现有技术描述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的前提下,还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的一种高精度地图中点云图层精度测量方法的流程示意图;
图2为本发明实施例提供的一种局部点云图层示意图;
图3为本发明实施例提供的提取到的第一种局部点云图层的地面点云示意图;
图4为本发明实施例提供的提取到的第二种局部点云图层的地面点云示意图;
图5为本发明实施例提供的提取到的第三种局部点云图层的地面点云示意图;
图6为本发明实施例提供的提取到的一种局部点云图层的指示牌点云示意图;
图7为本发明实施例提供的一种电子设备的结构示意图。
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基于本发明所获得的所有其他实施例,都属于本发明保护的范围。
为了解决现有测量高精度地图中点云图层精度所存在的问题,本发明实施例提供了一种高精度地图中点云图层精度的测量方法及电子设备。本发明实施例提供的一种高精度地图中点云图层精度的测量方法,可以包括:
对高精度地图中的点云图层进行分割,得到各局部点云图层;
针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云;
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度;
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度。
本发明实施例提供的一种高精度地图中点云图层精度的测量方法,可以将高精度地图中的点云图层分割成多个局部点云图层,针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,进一步针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,以及计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,进而基于计算得到的每一局部点云图层的地面厚度和指示牌厚度,衡量高精度地图中的点云图层精度,避免了人工测量点云图层精度所导致的耗时长、效率低的问题,能够减少点云图层精度测量的时间,提高点云图层精度测量的效率。
下面对本发明实施例提供的高精度地图中点云图层精度的测量方法进行详细说明。
图1为本发明实施例所提供的一种高精度地图中点云图层精度的测量方法的流程示意图,该方法可以包括:
S101,对高精度地图中的点云图层进行分割,得到各局部点云图层。
本发明实施例中,所针对的高精度地图可以是应用于自动驾驶等领域的高精度地图。可以理解的,实际应用中高精度地图的点云图层规模一般相对较大,故而可以对高精度地图中的点云图层进行分割,得到多个局部点云图层,进而对每一局部点云图层的精度进行测量,以衡量高精度地图中的点云图层的精度。
实际应用中,可以通过雷达扫描等方式获取待测量高精度地图中的点云图层。作为本发明实施例一种可选的实施方式,可以按照距离将高精度地图中的点云图层分割成多个局部点云图层,也可以按照其他方式对高精度地图中的点云图层进行分割。示例性的,如图2所示,图2为本发明实例中,按照距离对高精度地图中的点云图层进行分割,得到的一高架桥路段对应的局部点云图层。该距离例如可以是一百米,五百米,一千米等等。
S102,针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云。
实际应用中,局部点云图层中可以包含地面、指示牌等语义,本发明实施例,在分割得到多个局部点云图层后,可以针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云。
作为本发明实施例一种可选的实施方式,可以针对每一局部点云图层,对该局部点云图层的地面点云和指示牌点云进行语义要素提取,得到该局部点云图层中的地面点云和指示牌点云。
具体的,可以针对每一局部点云图层,使用预先训练好的深度学习模型,对该局部点云图层的地面点云和指示牌点云进行语义要素提取,得到该局部点云图层中的地面点云和指示牌点云。其中,该预先训练好的深度学习模型可以是根据样本局部点云图层,以及样本局部点云图层的地面点云和指示牌点云训练得到的。
实际应用中,可以先使用样本局部点云图层,以及样本局部点云图层的地面点云和指示牌点云,训练用于提取地面点云和指示牌点云的深度学习模型,进而在需要对地面点云和指示牌点云进行语义要素提取时,直接使用预先训练好的深度学习模型,对局部点云图层的地面点云和指示牌点云进行语义要素提取。
作为本发明实施例一种可选的实施方式,还可以使用如下方式对局部点云图层的地面点云和指示牌点云进行提取:
针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格;
针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云;
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云。
进一步的,针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格的实施方式,可以包括:
针对每一局部点云图层,计算该局部点云图层所包含空间点对应的边界坐标,其中,每一空间点所在坐标系的Z轴为垂直地平面朝上的;
根据预设的边长和边界坐标,分别计算沿不同坐标轴所需划分第二体素网格的个数;
根据每个坐标轴所需划分的第二体素网格的个数,将局部点云图层划分成多个第二体素网格。
因局部点云图层是由空间点组成的,一个体素网格可以表示包含多个空间点的立方体,进而可以将局部点云图层划分成多个第二体素网格。具体的,可以针对每一局部点云图层,根据该局部点云图层所包含的所有空间点的坐标,计算每一坐标的最大和最小值,即可以计算出该局部点云图层所包含的所有空间点对应的边界坐标,示例性的,该边界坐标可以表示为:,,,,,和分别表示局部点云图层所包含的所有空间点沿X,Y,Z坐标轴的最小值和最大值。
本发明实施例,可以预先设置所需要划分的第二体素网格的边长,得到预设的边长W,该预设的边长可以根据实际需求进行设置。进而基于计算得到的局部点云图层所包含空间点对应的边界坐标,分别计算沿不同坐标轴所需划分第二体素网格的个数。示例性的,可以使用如下表达式分别计算沿X,Y,Z坐标轴所需划分第二体素网格的个数:
进一步,可以根据计算得到的沿X,Y,Z坐标轴所需划分第二体素网格的个数,将局部点云图层划分成多个第二体素网格。可以理解的,局部点云图层所需划分第二体素网格的个数即为**,每一第二体素网格都是边长为W的立方体。
进而,可以针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云,以及将该局部点云图层中地面点云之外的部分确定为非地面点云,并从非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云。
参见图1,S103,针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度。
本发明实施例中,在提取到每一局部点云图层的地面点云和指示牌点云后,可以利用地面点云和指示牌点云,对每一局部点云图层的地面厚度和各指示牌厚度进行计算。本发明实施例中,以一个局部点云图层的地面厚度和指示牌厚度计算过程为例进行说明,其他局部点云图层的地面厚度和指示牌厚度计算过程相同。
作为本发明实施例一种可选的实施方式,针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度的实施方式,可以包括:
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格;
针对每一第一体素网格,计算该第一体素网格的厚度,并计算各第一体素网格厚度的标准差和均值;
基于标准差和均值,确定满足条件的第一体素网格的厚度;
基于满足条件的第一体素网格的厚度,计算该局部点云图层的地面厚度。
具体的,针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,可以参照上述针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格的过程,本发明实施例在此不再赘述。
本发明实施例中,体素网格表示包含多个空间点的立方体,而每一空间点所在坐标系的Z轴为垂直地平面朝上的,故而,可以计算每一第一体素网格沿Z坐标轴的最大值和最小值,即可求得每一第一体素网格的厚度。示例性的,可以使用如下表达式计算第一体素网格的厚度:
进一步计算该局部点云图层的地面点云对应的所有第一体素网格厚度的标准差和均值,根据设定的条件:和均值之间的距离小于1倍标准差,判断各第一体素网格的厚度是否满足该条件。即,判断各第一体素网格厚度和均值之间的距离是否在1倍标准差范围内,如果不是,则确定该第一体素网格厚度为异常,如果是,则确定该第一体素网格厚度为正常,保留所有正常的第一体素网格厚度,进而对该局部点云图层的地面点云中满足条件的所有正常的第一体素网格厚度求平均厚度,将该平均厚度作为该局部点云图层的地面厚度。
S104,针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度。
作为本发明实施例一种可选的实施方式,可以通过如下方式,计算每一指示牌点云对应的指示牌厚度:
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,得到该指示牌点云空间点的第一协方差矩阵;
对该指示牌点云空间点的第一协方差矩阵进行奇异值分解,得到多个第二奇异值;
将各第二奇异值中最小第二奇异值对应的特征向量,确定为该指示牌点云的法向量;
将该指示牌点云中的每个空间点,投影到该指示牌点云的法向量上,得到该指示牌点云的投影坐标;
将该指示牌点云的投影坐标中的最大值与最小值的差值,确定为该指示牌点云对应的指示牌厚度。
进而,在针对每一指示牌点云,得到该指示牌点云对应的多个第二奇异值之后,将最小第二奇异值对应的特征向量,确定为该指示牌点云的法向量。进一步,将该指示牌点云中的每个空间点投影到该指示牌点云的法向量上,得到该指示牌点云对应的投影坐标,将该指示牌点云的投影坐标中的最大值与最小值的差值,确定为该指示牌点云对应的指示牌厚度,即可得到每一指示牌点云对应的指示牌厚度。
本发明实施例中,使用点云图层的地面厚度和指示牌厚度,作为衡量高精度地图中点云图层精度的指标,而局部点云图层的地面厚度和每一指示牌点云对应的指示牌厚度,可以反映高精度地图中的点云图层精度。故而,本发明实施例中,在计算得到每一局部点云图层的地面厚度,以及每一局部点云图层中每一指示牌点云对应的指示牌厚度之后,可以直接基于每一局部点云图层的地面厚度和每一指示牌点云对应的指示牌厚度,来衡量高精度地图中的点云图层精度。优选地,局部点云图层的地面厚度越小,则该局部点云图层的精度越高,局部点云图层中的指示牌厚度越小,则该局部点云图层的精度越高,局部点云图层的地面厚度越小指示牌厚度越大,则反映了该局部点云图层的空中要素精度低,局部点云图层的地面厚度越大指示牌厚度越小,则反映了该局部点云图层的地面精度低,局部点云图层的地面厚度越小指示牌厚度越小,则反映了该局部点云图层的整体精度越高,即可以通过局部点云图层的精度确定高精度地图中的点云图层局部位置的精度。
本本发明实施例提供的一种高精度地图中点云图层精度的测量方法,可以将高精度地图中的点云图层分割成多个局部点云图层,针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,进一步针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,以及计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,进而基于计算得到的每一局部点云图层的地面厚度和指示牌厚度,衡量高精度地图中的点云图层精度,避免了人工测量点云图层精度所导致的耗时长、效率低的问题,能够减少点云图层精度测量的时间,提高点云图层精度测量的效率。
作为本发明实施例一种可选的实施方式,上述针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云的实施方式,可以包括:
针对每一局部点云图层,计算该局部点云图层沿Z轴方向每一第二体素网格中包含的空间点Z坐标的最大值和最小值;
基于最大值和最小值,计算沿Z轴方向每一第二体素网格的厚度;
根据地面厚度阈值和每一第二体素网格的厚度的大小关系,确定包含地面点云的第二体素网格;
将包含地面点云的第二体素网格确定为地面体素网格,并对每一地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云。
本发明实施例中,在将每一局部点云图层划分成多个第二体素网格之后,可以针对每一局部点云图层,计算该局部点云图层沿Z轴方向每一第二体素网格中包含的空间点Z坐标的最大值和最小值,进而计算得到沿Z轴方向每一第二体素网格的厚度,具体的,计算第二体素网格的厚度的实施方式可以参照上述计算第一体素网格厚度的实施方式。
在得到第二体素网格的厚度后,可以将每一第二体素网格的厚度与预设的地面厚度阈值进行比较,该预设的地面厚度阈值可以根据实际对点云图层精度的需求进行设置,例如,可以设置为3公分、5公分、或10公分等。当第二体素网格的厚度小于地面厚度阈值时,则认为该第二体素网格内包含地面点云,进而确定出所有包含地面点云第二体素网格。进一步,将所有包含地面点云的第二体素网格确定为地面体素网格,并将地面体素网格内包含的地面点云确定为该局部点云图层的地面点云,实现对该局部点云图层地面点云的粗提取,或者也可以对每一地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云。示例性的,如图3所示,图3为通过将地面体素网格内包含的地面点云确定为该局部点云图层的地面点云,得到的粗提取局部点云图层的地面点云示意图。
作为本发明实施例一种可选的实施方式,对每一地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云的实施方式,可以包括:
将各地面体素网格中的地面点云,确定为第一地面点云;
在第一地面点云中选择多个不在一条直线上的空间点,作为第一空间点,并计算经过第一空间点的第一平面,得到多个第一平面;
针对每一第一平面,遍历第一地面点云中除第一空间点之外的第二空间点,计算各第二空间点到该第一平面的距离;
根据距离与预设阈值的关系,确定属于每一第一平面的第二空间点,并统计每一第一平面上所包含空间点的数目;
将包含空间点的数目最多的第一平面,确定为第二平面;
基于第二平面中的空间点,得到该局部点云图层的地面点云。
本发明实施例中,还可以对上述粗提取的地面体素网格中的地面点云,使用RANSAC (Random Sample Consensus, 随机抽样一致算法),进一步进行去噪处理,得到更为准确的地面点云。具体的,可以将各地面体素网格中的地面点云,确定为第一地面点云,进而,在第一地面点云中随机选择3个不在一条直线上的空间点,作为第一空间点,然后,计算得到经过第一空间点的第一平面,得到多个第一平面。进一步,针对每一第一平面,均遍历第一地面点云中除第一空间点之外的第二空间点,计算各第二空间点到该第一平面的距离,该第二空间点可以为第一地面点云中除第一空间点之外的所有空间点。
在距离小于预设阈值的情况下,确定第二空间点在第一平面上,并进一步统计每一第一平面上所包含空间点的数目,该预设阈值可以根据实际需求进行设置。将包含空间点的数目最多的第一平面,确定为第二平面,该第二平面中包含的空间点即为使用RANSAC去噪处理后得到的地面点云。
进一步基于第二平面中的空间点,得到该局部点云图层的地面点云。具体的,可以将第二平面中的空间点确定为该局部点云图层的地面点云,实现对该局部点云图层地面点云的一次去噪提取,或者还可以对第二平面中的空间点进行二次去噪,得到该局部点云图层的地面点云。示例性的,如图4所示,图4为使用RANSAC去噪处理后,得到的局部点云图层的地面点云示意图。
作为本发明实施例一种可选的实施方式,基于第二平面中的空间点,得到该局部点云图层的地面点云的实施方式,可以包括:
将第二平面中的空间点,确定为第二地面点云;
在第二地面点云中选择一个空间点作为种子点,并基于预设半径,寻找种子点的连通域,得到多个连通域;
遍历第二地面点云中所有空间点,将包含空间点的数目最多的连通域确定为目标连通域;
将目标连通域中的空间点,确定为该局部点云图层的地面点云。
如图4所示,上述一次去噪提取得到的局部点云图层的地面点云(即第二平面中的空间点),在空间上是不连续的,进而还可以根据连通阈算法,对第二平面中的空间点进行二次去噪得到更为准确的地面点云。
具体的,可以将第二平面中的空间点,确定为第二地面点云,在第二地面点云中随机选择一个空间点作为种子点,寻找距离该种子点预设半径范围内的空间点,将该种子点预设半径范围内的空间点加入到一个待连通平面中,进而以该待连通平面内任一空间点为新种子点,寻找该新种子点预设半径范围内的空间点加入到该待连通平面,至第二平面内没有空间点能够加入到该待连通平面为止,得到一个连通平面,即所选取种子点对应的连通域,使用该寻找连通域的方式,可以得到多个连通域。该预设半径可根据实际需求进行设置。
遍历第二地面点云中所有空间点,将包含空间点的数目最多的连通域确定为目标连通域,并将该目标连通域中的空间点,确定为该局部点云图层的地面点云,实现对上述一次去噪后得到的第二平面中的空间点的二次去噪处理,得到更为准确的该局部点云图层的地面点云。示例性的,如图5所示,图5为使用连通域算法进行二次去噪处理后,得到的局部点云图层的地面点云示意图。
作为本发明实施例一种可选的实施方式,上述针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云的实施方式,可以包括:
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云;
将非地面点云划分成多个第三体素网格;
针对每一第三体素网格,计算该第三体素网格中空间点的第二协方差矩阵,并对第二协方差矩阵进行奇异值分解,得到多个第一奇异值;
基于各第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌;
对各包含指示牌的第三体素网格中的空间点按照距离进行聚类,得到该局部点云图层的各指示牌点云。
本发明实施例中,在对局部点云图层中的地面点云进行提取,得到每一局部点云图层的地面点云之后,可以针对每一局部点云图层,将该局部点云图层中地面点云之外的部分,确定为非地面点云,并将非地面点云划分成多个第三体素网格。
针对每一第三体素网格,计算该第三体素网格中空间点的第二协方差矩阵,对第二协方差矩阵进行奇异值分解,得到多个第一奇异值的实施方式,可参见上述得到多个第二奇异值的实施方式,本发明实施例在此不再赘述。
作为本发明实施例一种可选的实施方式,针对每一第三体素网格,计算得到的第一奇异值的数量可以为三个,相应的,基于各第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌的实施方式,可以包括:
如果任意两个第一奇异值之间的差异小于第一阈值,且上述两个第一奇异值分别与另一第一奇异值之间的差异均大于第二阈值,则确定该第三体素网格包含指示牌。
可以理解的,任意两个第一奇异值之间的差异可以是差值或比值都是可以的,第一阈值和第二阈值可根据实际需求进行设置,可选地,第一阈值可以小于第二阈值。
在任意两个第一奇异值之间的差异小于第一阈值,且上述两个第一奇异值分别与另一第一奇异值之间的差异均大于第二阈值的情况下,确定该第三体素网格包含指示牌,否则,该第三体素网格不包含指示牌。
示例性的,在得到一个第三体素网格对应的第一奇异值,,之后,可以计算和,并分别判断和的值是否均大于,在和的值均大于的情况下,进一步判断的值是否小于,如果小于,则表示该第三体素网格中的空间点为指示牌点云,即该第三体素网格中包含指示牌,如果不小于,则该第三体素网格中不包含指示牌,如果和的值不是均大于,则该第三体素网格中也不包含指示牌,其中,和的值可根据实际需求进行设置。
保留上述确定的包含指示牌的第三体素网格中的空间点,这些空间点是离散的,进而可以对各包含指示牌的第三体素网格中的空间点按照距离进行聚类,得到该局部点云图层的各指示牌点云。示例性的,如图6所示,图6为提取到的局部点云图层的指示牌点云示意图。
本发明实施例中,使用上述几何的方法,提取局部点云图层的地面点云和指示牌点云,进一步计算局部点云图层的地面厚度和每一指示牌厚度,进而基于计算得到的局部点云图层的地面厚度和指示牌厚度,衡量高精度地图中的点云图层精度,避免了人工测量点云图层精度所导致的耗时长、效率低的问题,能够减少点云图层精度测量的时间,提高点云图层精度测量的效率。且,使用几何的方法对地面点云和指示牌点云进行提取,对硬件平台和硬件部署的要求也低。
本发明实施例还提供了一种电子设备,如图7所示,包括处理器201、通信接口202、存储器203和通信总线204,其中,处理器201,通信接口202,存储器203通过通信总线204完成相互间的通信,
存储器203,用于存放计算机程序;
处理器201,用于执行存储器203上所存放的程序时,实现上述任一种高精度地图中点云图层精度的测量方法的步骤。
本发明实施例提供的一种电子设备,可以将高精度地图中的点云图层分割成多个局部点云图层,针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,进一步针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,以及计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,进而基于计算得到的每一局部点云图层的地面厚度和指示牌厚度,衡量高精度地图中的点云图层精度,避免了人工测量点云图层精度所导致的耗时长、效率低的问题,能够减少点云图层精度测量的时间,提高点云图层精度测量的效率。
上述电子设备提到的通信总线可以是PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括RAM(Random Access Memory,随机存取存储器),也可以包括NVM(Non-Volatile Memory,非易失性存储器),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括CPU(Central Processing Unit,中央处理器)、NP(Network Processor,网络处理器)等;还可以是DSP(Digital Signal Processing,数字信号处理器)、ASIC(Application Specific Integrated Circuit,专用集成电路)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一一种高精度地图中点云图层精度的测量方法的步骤,以达到相同的技术效果。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一一种高精度地图中点云图层精度的测量方法的步骤,以达到相同的技术效果。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、DSL(Digital Subscriber Line,数字用户线))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD(Digital Versatile Disc,数字多功能光盘))、或者半导体介质(例如SSD(Solid StateDisk,固态硬盘 ))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (12)
1.一种高精度地图中点云图层精度的测量方法,其特征在于,所述方法包括:
对高精度地图中的点云图层进行分割,得到各局部点云图层;
针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云;
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度;
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度。
2.根据权利要求1所述的方法,其特征在于,所述针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,包括:
针对每一局部点云图层,对该局部点云图层的地面点云和指示牌点云进行语义要素提取,得到该局部点云图层中的地面点云和指示牌点云。
3.根据权利要求1所述的方法,其特征在于,所述针对每一局部点云图层,提取该局部点云图层的地面点云和指示牌点云,包括:
针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格;
针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云;
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从所述非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云。
4.根据权利要求3所述的方法,其特征在于,所述针对每一局部点云图层,将该局部点云图层划分成多个第二体素网格,包括:
针对每一局部点云图层,计算该局部点云图层所包含空间点对应的边界坐标;
根据预设的边长和所述边界坐标,分别计算沿不同坐标轴所需划分第二体素网格的个数;
根据每个坐标轴所需划分的所述第二体素网格的个数,将所述局部点云图层划分成多个第二体素网格。
5.根据权利要求3所述的方法,其特征在于,所述针对每一局部点云图层,根据该局部点云图层中各第二体素网格的厚度从该局部点云图层中提取地面点云,得到该局部点云图层的地面点云,包括:
针对每一局部点云图层,计算该局部点云图层沿Z轴方向每一第二体素网格中包含的空间点Z坐标的最大值和最小值;
基于所述最大值和最小值,计算沿Z轴方向每一第二体素网格的厚度;
根据地面厚度阈值和所述每一第二体素网格的厚度的大小关系,确定包含地面点云的第二体素网格;
将所述包含地面点云的第二体素网格确定为地面体素网格,并对每一所述地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云。
6.根据权利要求5所述的方法,其特征在于,所述对每一所述地面体素网格中的地面点云进行去噪处理,得到该局部点云图层的地面点云,包括:
将各所述地面体素网格中的地面点云,确定为第一地面点云;
在所述第一地面点云中选择多个不在一条直线上的空间点,作为第一空间点,并计算经过所述第一空间点的第一平面,得到多个第一平面;
针对每一第一平面,遍历所述第一地面点云中除所述第一空间点之外的第二空间点,计算各所述第二空间点到该第一平面的距离;
根据所述距离与预设阈值的关系,确定属于每一第一平面的第二空间点,并统计每一第一平面上所包含空间点的数目;
将包含空间点的数目最多的第一平面,确定为第二平面;
基于所述第二平面中的空间点,得到该局部点云图层的地面点云。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第二平面中的空间点,得到该局部点云图层的地面点云,包括:
将所述第二平面中的空间点,确定为第二地面点云;
在所述第二地面点云中选择一个空间点作为种子点,并基于预设半径,寻找所述种子点的连通域,得到多个连通域;
遍历所述第二地面点云中所有空间点,将包含空间点的数目最多的连通域确定为目标连通域;
将所述目标连通域中的空间点,确定为该局部点云图层的地面点云。
8.根据权利要求3所述的方法,其特征在于,所述针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云,并从所述非地面点云中提取指示牌点云,得到该局部点云图层中的各指示牌点云,包括:
针对每一局部点云图层,将该局部点云图层中地面点云之外的部分确定为非地面点云;
将所述非地面点云划分成多个第三体素网格;
针对每一第三体素网格,计算该第三体素网格中空间点的第二协方差矩阵,并对所述第二协方差矩阵进行奇异值分解,得到多个第一奇异值;
基于各所述第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌;
对各包含指示牌的第三体素网格中的空间点按照距离进行聚类,得到该局部点云图层的各指示牌点云。
9.根据权利要求8所述的方法,其特征在于,所述第一奇异值的数量为三个,所述基于各所述第一奇异值之间的大小关系,确定该第三体素网格是否包含指示牌,包括:
如果任意两个第一奇异值之间的差异小于第一阈值,且所述两个第一奇异值分别与另一第一奇异值之间的差异均大于第二阈值,则确定该第三体素网格包含指示牌。
10.根据权利要求1所述的方法,其特征在于,所述针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格,并根据每一第一体素网格的厚度,计算该局部点云图层的地面厚度,包括:
针对每一局部点云图层,将该局部点云图层的地面点云划分成多个第一体素网格;
针对每一第一体素网格,计算该第一体素网格的厚度,并计算各第一体素网格厚度的标准差和均值;
基于所述标准差和均值,确定满足条件的第一体素网格的厚度;
基于所述满足条件的第一体素网格的厚度,计算该局部点云图层的地面厚度。
11.根据权利要求1所述的方法,其特征在于,所述针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,并基于各第一协方差矩阵,计算每一指示牌点云对应的指示牌厚度,包括:
针对每一局部点云图层,计算该局部点云图层中每一指示牌点云空间点的第一协方差矩阵,得到该指示牌点云空间点的第一协方差矩阵;
对该指示牌点云空间点的第一协方差矩阵进行奇异值分解,得到多个第二奇异值;
将各所述第二奇异值中最小第二奇异值对应的特征向量,确定为该指示牌点云的法向量;
将该指示牌点云中的每个空间点,投影到该指示牌点云的法向量上,得到该指示牌点云的投影坐标;
将该指示牌点云的投影坐标中的最大值与最小值的差值,确定为该指示牌点云对应的指示牌厚度。
12.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-11任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110337033.5A CN112733817B (zh) | 2021-03-30 | 2021-03-30 | 一种高精度地图中点云图层精度的测量方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110337033.5A CN112733817B (zh) | 2021-03-30 | 2021-03-30 | 一种高精度地图中点云图层精度的测量方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733817A true CN112733817A (zh) | 2021-04-30 |
CN112733817B CN112733817B (zh) | 2021-06-04 |
Family
ID=75595963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110337033.5A Active CN112733817B (zh) | 2021-03-30 | 2021-03-30 | 一种高精度地图中点云图层精度的测量方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733817B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN108320329A (zh) * | 2018-02-02 | 2018-07-24 | 维坤智能科技(上海)有限公司 | 一种基于3d激光的3d地图创建方法 |
CN109993780A (zh) * | 2019-03-07 | 2019-07-09 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN111208530A (zh) * | 2020-01-15 | 2020-05-29 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
US20200218278A1 (en) * | 2018-04-26 | 2020-07-09 | Zoox, Inc. | Data segmentation using masks |
CN111445472A (zh) * | 2020-03-26 | 2020-07-24 | 达闼科技成都有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN111694903A (zh) * | 2019-03-11 | 2020-09-22 | 北京地平线机器人技术研发有限公司 | 地图构建方法、装置、设备以及可读存储介质 |
CN112446907A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 一种单线点云与多线点云配准的方法及装置 |
-
2021
- 2021-03-30 CN CN202110337033.5A patent/CN112733817B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN108320329A (zh) * | 2018-02-02 | 2018-07-24 | 维坤智能科技(上海)有限公司 | 一种基于3d激光的3d地图创建方法 |
CN108320329B (zh) * | 2018-02-02 | 2020-10-09 | 维坤智能科技(上海)有限公司 | 一种基于3d激光的3d地图创建方法 |
US20200218278A1 (en) * | 2018-04-26 | 2020-07-09 | Zoox, Inc. | Data segmentation using masks |
CN109993780A (zh) * | 2019-03-07 | 2019-07-09 | 深兰科技(上海)有限公司 | 一种三维高精度地图生成方法及装置 |
CN111694903A (zh) * | 2019-03-11 | 2020-09-22 | 北京地平线机器人技术研发有限公司 | 地图构建方法、装置、设备以及可读存储介质 |
CN111208530A (zh) * | 2020-01-15 | 2020-05-29 | 北京四维图新科技股份有限公司 | 定位图层生成方法、装置、高精度地图及设备 |
CN111445472A (zh) * | 2020-03-26 | 2020-07-24 | 达闼科技成都有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN112446907A (zh) * | 2020-11-19 | 2021-03-05 | 武汉中海庭数据技术有限公司 | 一种单线点云与多线点云配准的方法及装置 |
Non-Patent Citations (2)
Title |
---|
FLORENT GUIOTTE.ET AL: ""VOXEL-BASED ATTRIBUTE PROFILES ON LIDAR DATA FOR LAND COVER MAPPING"", 《IEEE》 * |
韩友美,杨伯钢: ""车载LiDAR技术市政道路测量高程精度控制"", 《测绘通报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112733817B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228798B (zh) | 确定点云数据之间的匹配关系的方法和装置 | |
Yokoyama et al. | Detection and classification of pole-like objects from mobile laser scanning data of urban environments | |
US9495596B2 (en) | Systems and method for identifying locations of infrastructure assets using aerial imagery | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN111007485B (zh) | 一种图像处理方法、装置、以及计算机存储介质 | |
CN110458083B (zh) | 一种车道线矢量化方法、装置及存储介质 | |
JP2014153336A (ja) | 点群解析処理装置及び点群解析処理プログラム | |
CN111707279B (zh) | 一种激光点云与地图的匹配评价方法、介质、终端和装置 | |
CN110363054B (zh) | 道路标识线识别方法、装置和*** | |
CN114387319B (zh) | 点云配准方法、装置、设备以及存储介质 | |
CN110704652A (zh) | 基于多重注意力机制的车辆图像细粒度检索方法及装置 | |
CN114120149B (zh) | 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质 | |
CN114677435A (zh) | 一种点云全景融合要素提取方法和*** | |
CN111144109B (zh) | 文本相似度确定方法和装置 | |
CN116051822A (zh) | 凹障碍的识别方法和装置、处理器及电子设备 | |
JP6673504B2 (ja) | 情報処理装置、データベース生成装置、方法、プログラム、及び記憶媒体 | |
CN112733817B (zh) | 一种高精度地图中点云图层精度的测量方法及电子设备 | |
CN116246069B (zh) | 自适应地形点云滤波的方法、装置、智能终端及存储介质 | |
CN117197639A (zh) | 真值获取方法、装置、电子设备及存储介质 | |
CN115983007A (zh) | 一种重合轨迹提取方法、装置、电子设备及存储介质 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN114565683B (zh) | 一种精度确定方法、装置、设备、介质及产品 | |
CN114910892A (zh) | 一种激光雷达的标定方法、装置、电子设备及存储介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
CN114004740A (zh) | 基于无人机激光雷达点云的建筑物墙线提取方法 |
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 |