CN113379923A - 轨道识别方法、装置、存储介质及设备 - Google Patents

轨道识别方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN113379923A
CN113379923A CN202110694142.2A CN202110694142A CN113379923A CN 113379923 A CN113379923 A CN 113379923A CN 202110694142 A CN202110694142 A CN 202110694142A CN 113379923 A CN113379923 A CN 113379923A
Authority
CN
China
Prior art keywords
point cloud
track
cloud data
model
preset
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.)
Pending
Application number
CN202110694142.2A
Other languages
English (en)
Inventor
冯强
刘行健
张海武
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.)
Benewake Beijing Co Ltd
Original Assignee
Benewake 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 Benewake Beijing Co Ltd filed Critical Benewake Beijing Co Ltd
Priority to CN202110694142.2A priority Critical patent/CN113379923A/zh
Publication of CN113379923A publication Critical patent/CN113379923A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明一个或多个实施例提供了一种轨道识别方法、装置、存储介质及设备，其中，轨道识别方法可包括：获取轨道周围的第一点云数据；将所述第一点云数据转换到X‑Y平面；根据转换后的第一点云数据的几何特征建立第一模型；将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；根据所述目标点云识别所述轨道，可提高轨道识别精度。

Description

轨道识别方法、装置、存储介质及设备
技术领域
本发明涉及图像处理技术领域，尤其涉及一种轨道识别方法、装置、存储介质及设备。
背景技术
目前，基于视觉的轨道提取无法体现三维的轨道信息，且在光线较弱的情况下难以识别提取轨道。而基于三维点云的轨道提取方式通常基于边缘特征，会先计算法向量，根据法向量来提取边缘，这样会提取出较多的边缘线特征，且对于距离较远处的轨道，通常会由于一点斜率的变化导致轨道提取误差较大。故，一种轨道识别方法有待被提出。
发明内容
有鉴于此，本发明一个或多个实施例提供了一种轨道识别方法、装置、存储介质及设备，可以有效提高轨道识别精度。
本发明一个或多个实施例提供了一种轨道识别方法，包括：获取轨道周围的第一点云数据；将所述第一点云数据转换到X-Y平面；根据转换后的第一点云数据的几何特征建立第一模型；将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；根据所述目标点云识别所述轨道。
可选的，根据转换后的第一点云数据的几何特征建立第一模型，包括：将转换后的第一点云数据划分为多个网格；根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。
可选的，根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型，包括：计算所述各网格中的点云在Z轴的最大值；将所述各网格中的点云在Z轴的最大值进行归一化，得到对应于所述各网格的点云的所述第一模型。
可选的，所述方法还包括：在获取轨道周围的第一点云数据之前，获取第二点云数据，其中，所述第二点云数据中的各点云均为所述轨道的点云；计算所述第二点云数据在Y轴的最大值以及最小值，以及所述第二点云数据在Z轴的最大值；根据所述第二点云数据在Y轴的最大值以及最小值以预设单位长度将所述第二点云数据在Y轴方向分为多个区间，每个所述区间取该区间内的点云在Z轴的最大值进行归一化，得到对应于该区间的所述预设轨道模型。
可选的，根据所述目标点云识别所述轨道，包括：确定所述目标点云的中心点；对所述中心点进行滤波，得到滤波后的中心点；根据滤波后的中心点确定所述轨道的中心线的表达式。
可选的，所述方法还包括：在得到所述轨道的中心线的表达式之后，根据所述表达式确定所述轨道的避障区域。
本发明一个或多个实施例还提供了一种轨道识别装置，包括：第一获取模块，被配置为获取轨道周围的第一点云数据；转换模块，被配置为将所述第一点云数据转换到X-Y平面；建立模块，被配置为根据转换后的第一点云数据的几何特征建立第一模型；第一确定模块，被配置为将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；识别模块，被配置为根据所述目标点云识别所述轨道。
可选的，所述建立模块具体被配置为：将转换后的第一点云数据划分为多个网格；根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。
本发明一个或多个实施例还提供了一种电子设备，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为所述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行上述任意一种轨道识别方法。
本发明一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任意一种轨道识别方法。
本发明一个或多个实施例的轨道识别方法，先获取在轨道周围采集的第一点云数据，将该点云数据转换到X-Y平面，根据转换后的第一点云数据的几何特征建立第一模型，通过将该第一模型与基于轨道的点云的几何特征预先建立的预设轨道模型进行对比，以确定出与预设轨道模型匹配的目标点云，由于该目标点云与预设轨道模型匹配，故基于该目标点云识别出轨道，可提高轨道识别精度。
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它的附图。
图1是根据本发明一个或多个实施例示出的一种轨道识别方法的流程图。
图2是根据本发明一个或多个实施例示出的一种预设轨道模型的示意图。
图3是根据本发明一个或多个实施例示出的经过预判得出的轨道区域的示意图。
图4是根据本发明一个或多个实施例示出对图3所示的轨道区域中的点云进行半径滤波后得到的轨道区域的示意图。
图5是根据本发明一个或多个实施例示出的通过线性拟合得到的轨道的中心线的示意图。
图6是根据本发明一个或多个实施例示出的一种轨道识别装置的结构示意图。
图7是根据本发明一个或多个实施例示出的一种电子设备的结构示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1是根据本发明一个或多个实施例示出的一种轨道识别方法的流程图，如图1所示，该方法包括：
步骤101：获取轨道周围的第一点云数据；
例如，可以在激光雷达对轨道进行探测时逐块提取点云数据，作为上述第一点云数据，或者，还可以待激光雷达对轨道完成探测后，获取整个轨道的点云数据，作为上述第一点云数据。
步骤102：将所述第一点云数据转换到X-Y平面；
例如，可基于第一点云数据进行平面拟合，得到一个平面的法向量，将该法向量旋转至(0，0，1)向量，即实现了将第一点云数据转换至X-Y平面。
步骤103：根据转换后的第一点云数据的几何特征建立第一模型；
例如，若在上述步骤101中，是在激光雷达完成对轨道的探测后获取整个轨道周围的所有点云数据作为第一点云数据，则在上述步骤103中，可将转换后的点云数据划分为多个部分，再依次基于各部分的点云的几何特征建立上述第一模型，得到对应于各部分点云的第一模型。
若在上述步骤101中，是在激光雷达采集轨道周围的点云数据时逐块提取点云，可将每次提取的点云数据作为上述第一点云数据，则在上述步骤103中，可基于转换后的点云数据的几何特征建立上述第一模型。
步骤104：将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云；
在上述步骤101中是逐块提取得到第一点云数据时，可在每次基于提取到的第一点云数据的几何特征建立的第一模型与预先设置的预设轨道模型进行对比，确定当前采集到的第一点云数据是否为属于轨道区域的点云数据。
在上述步骤101中的第一点云数据是对轨道完整检测后获取的整个轨道周围的点云数据时，可将该第一点云数据进行分块，得到多块点云，在基于各块点云的几何特征建立上述第一模型，可将各块点云对应的第一模型与预设轨道模型进行对比，以根据二者之间的几何特征的相似性确定各块点云是否属于轨道区域。
在执行上述步骤104之后，为了提高轨道识别的精度，可剔除确定出的不属于轨道区域的点云，而初步确定出的属于轨道区域的点云可作为目标点云，用于进行的后续轨道识别处理。
步骤105：根据所述目标点云识别所述轨道。
本发明一个或多个实施例的轨道识别方法，先获取在轨道周围采集的第一点云数据，将该点云数据转换到X-Y平面，根据转换后的第一点云数据的几何特征建立第一模型，通过将该第一模型与基于轨道的点云的几何特征预先建立的预设轨道模型进行对比，以确定出与预设轨道模型匹配的目标点云，由于该目标点云与预设轨道模型匹配，故基于该目标点云识别出轨道，可提高轨道识别精度。
在本发明的一个或多个实施例中，在将获取到的整个轨道周围的点云数据作为上述第一点云数据的情况下，在将该第一点云数据转换至X-Y平面后，可对转换后的第一点云数据进行分块，再提取各分块中的点云的几何特征，基于各分块中的点云的几何特征建立几何特征模型，即能到上述第一模型，从而可在更小的单位上识别轨道数据，基于此，根据转换后的第一点云数据的几何特征建立第一模型，可包括：将转换后的第一点云数据划分为多个网格(为上述多块点云的一个示例)；根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。基于此，上述步骤104中将所述第一模型与预设轨道模型进行对比可基于如下公式进行计算：
Figure BDA0003127720650000051
上式中，shape_scencei表示基于上述第一点云数据中的第i个网格的几何特征建立的第一模型，shape_modeli表示基于上述第二点云数据中的第i个区域的几何特征建立的预设轨道模型，match_value用以表征转换后的第一点云数据中的第i个网格的第一模型与第二点云数据中第i个区域的预设轨道模型之间的相似度，在计算得到的match_value小于一个阈值时，初步确定第一点云数据中的第i个网格中的点云属于轨道区域内的点云，否则确定第一点云数据中的第i个网格不属于轨道区域的点云。
在本发明的一个或多个实施例中，上述轨道识别方法还可包括：在获取轨道周围的第一点云数据之前，获取第二点云数据，其中，所述第二点云数据中的各点云均为所述轨道的点云；计算所述第二点云数据在Y轴的最大值以及最小值，以及所述第二点云数据在Z轴的最大值；在计算出第二点云数据在Y轴的最小值以及最小值后，即可确定出第二点云数据在Y轴的整个区间范围，可以预设单位长度将第二点云数据在Y轴的整个区间范围划分为上述多个区间。根据所述第二点云数据在Y轴的最大值以及最小值以预设单位长度将所述第二点云数据在Y轴方向分为多个区间，每个所述区间取该区间内的点云在Z轴的最大值进行归一化，得到对应于该区间的所述预设轨道模型。例如，可在Y轴方向分为6个区间(为上述多个区间的一个示例)，在每个区间取该区间内点云的Z轴最大值并归一化，得到的预设轨道模型例如可以如图2所示。其中，图中所示的BIN1-BIN6表示6个不同的区间，BIN1和BIN6表示两个轨道沿，其相对地面会有一定凸起，BIN2-BIN5表示轨道的中心处地面，其相对轨道沿低一些。
在本发明的一个或多个实施例中，基于第一点云数据建立上述第一模型与根据上文中基于第二点云数据建立预设轨道模型的方式一致，基于此，根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型，可包括：计算所述各网格中的点云在Z轴的最大值；将所述各网格中的点云在Z轴的最大值进行归一化，得到对应于所述各网格的点云的所述第一模型。
在本发明的一个或多个实施例中，根据所述目标点云识别所述轨道，可包括：计算所述目标点云的中心点；例如，计算预判为属于轨道区域的目标点云的中心点，经过该步骤处理后判断为轨道区域的如图3所示，图3中S区域的点云为预判为轨道的点云，这里可能包含有一些被误判为属于轨道区域的点云存在。对所述中心点进行滤波，得到滤波后的中心点；根据滤波后的中心点确定所述轨道的中心线的表达式。例如，可以对目标点云的中心点进行半径滤波，以消除被误判为属于轨道区域的点云对后续点云数据拟合的影响，在图3所示的轨道的区域的基础上，经过半径滤波处理后的中心点的分布可如图4所示，其中，标示为G的点为轨道区域的中心点，离散的预判为轨道的点云已在半径滤波过程中被过滤掉，故，图4中标示出的轨道区域的中心点中并不包括这些点云。根据滤波后的中心点，可通过线性拟合公式得到轨道的中心线的表达式，如图5所示，标示为L的线条即为图像中满足根据滤波后的中心点拟合得到的轨道的中心线公式的线条，从图5中可以看出，通过线性拟合得到的轨道的中心线与实际轨道的情况较为匹配，即使在较远处也并未出现较大的误差。
在本发明的一个或多个实施例中，上述轨道提取方法还可包括：在得到所述轨道的中心线的表达式之后，根据所述表达式确定所述轨道的避障区域。例如，根据轨道的中心线的表达式判断待检测区域是否轨道的避障区域内，从而实现对避障物的检测。
图6是根据本发明一个或多个实施例示出的一种轨道识别装置的结构示意图，如图6所示，该装置60包括：
第一获取模块61，被配置为获取轨道周围的第一点云数据；
转换模块62，被配置为将所述第一点云数据转换到X-Y平面；
建立模块63，被配置为根据转换后的第一点云数据的几何特征建立第一模型；
第一确定模块64，被配置为将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；
识别模块65，被配置为根据所述目标点云识别所述轨道。
在本发明的一个或多个实施例中，所述建立模块具体可被配置为：将转换后的第一点云数据划分为多个网格；根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。
在本发明的一个或多个实施例中，所述建立模块具体被配置为：将所述各网格中的点云在Z轴的最大值进行归一化，得到对应于所述各网格的点云的所述第一模型。
在本发明的一个或多个实施例中，上述轨道识别装置还可包括：
第二获取模块，被配置为在获取轨道周围的第一点云数据之前，获取第二点云数据，其中，所述第二点云数据中的各点云均为所述轨道的点云；
计算模块，被配置为计算所述第二点云数据在Y轴的最大值以及最小值，以及所述第二点云数据在Z轴的最大值；
划分模块，被配置为根据所述第二点云数据在Y轴的最大值以及最小值以预设单位长度将所述第二点云数据在Y轴方向分为多个区间，每个所述区间取该区间内的点云在Z轴的最大值进行归一化，得到对应于该区间的所述预设轨道模型。
在本发明的一个或多个实施例中，上述识别模块具体被配置为：确定所述目标点云的中心点；对所述中心点进行滤波，得到滤波后的中心点；根据滤波后的中心点确定所述轨道的中心线的表达式。
在本发明的一个或多个实施例中，上述轨道识别装置还可包括：第二确定模块，被配置为在得到所述轨道的中心线的表达式之后，根据所述表达式确定所述轨道的避障区域。
本发明一个或多个实施例还提供了一种电子设备，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为所述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行上述任意一种轨道识别方法。
本发明一个或多个实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述任意一种轨道识别方法。
相应的，如图7所示，本发明的实施例提供的服务器，可以包括：壳体71、处理器72、存储器73、电路板74和电源电路75，其中，电路板74安置在壳体71围成的空间内部，处理器72和存储器73设置在电路板74上；电源电路75，用于为所述服务器的各个电路或器件供电；存储器73用于存储可执行程序代码；处理器72通过读取存储器73中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述实施例提供的任一种轨道识别方法。
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，对于装置实施例而言，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。
为了描述的方便，描述以上装置是以功能分为各种单元/模块分别描述。当然，在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种轨道识别方法，其特征在于，包括：
获取轨道周围的第一点云数据；
将所述第一点云数据转换到X-Y平面；
根据转换后的第一点云数据的几何特征建立第一模型；
将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；
根据所述目标点云识别所述轨道。
2.根据权利要求1所述的方法，其特征在于，根据转换后的第一点云数据的几何特征建立第一模型，包括：
将转换后的第一点云数据划分为多个网格；
根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。
3.根据权利要求2所述的方法，其特征在于，根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型，包括：
计算所述各网格中的点云在Z轴的最大值；
将所述各网格中的点云在Z轴的最大值进行归一化，得到对应于所述各网格的点云的所述第一模型。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在获取轨道周围的第一点云数据之前，获取第二点云数据，其中，所述第二点云数据中的各点云均为所述轨道的点云；
计算所述第二点云数据在Y轴的最大值以及最小值，以及所述第二点云数据在Z轴的最大值；
根据所述第二点云数据在Y轴的最大值以及最小值以预设单位长度将所述第二点云数据在Y轴方向分为多个区间，每个所述区间取该区间内的点云在Z轴的最大值进行归一化，得到对应于该区间的所述预设轨道模型。
5.根据权利要求1所述的方法，其特征在于，根据所述目标点云识别所述轨道，包括：
确定所述目标点云的中心点；
对所述中心点进行滤波，得到滤波后的中心点；
根据滤波后的中心点确定所述轨道的中心线的表达式。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在得到所述轨道的中心线的表达式之后，根据所述表达式确定所述轨道的避障区域。
7.一种轨道识别装置，其特征在于，包括：
第一获取模块，被配置为获取轨道周围的第一点云数据；
转换模块，被配置为将所述第一点云数据转换到X-Y平面；
建立模块，被配置为根据转换后的第一点云数据的几何特征建立第一模型；
第一确定模块，被配置为将所述第一模型与预设轨道模型进行对比，确定所述第一点云数据中与所述预设轨道模型匹配的目标点云，其中，预设轨道模型基于所述轨道的点云的几何特征建立；
识别模块，被配置为根据所述目标点云识别所述轨道。
8.根据权利要求7所述的装置，其特征在于，所述建立模块具体被配置为：
将转换后的第一点云数据划分为多个网格；
根据所述多个网格中各网格的几何特征建立对应于所述各网格的所述第一模型。
9.一种电子设备，其特征在于，所述电子设备包括：壳体、处理器、存储器、电路板和电源电路，其中，电路板安置在壳体围成的空间内部，处理器和存储器设置在电路板上；电源电路，用于为所述电子设备的各个电路或器件供电；存储器用于存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，用于执行前述权利要求1至6中任一项所述的轨道识别方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至6任一项所述的轨道识别方法。
CN202110694142.2A 2021-06-22 2021-06-22 轨道识别方法、装置、存储介质及设备 Pending CN113379923A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110694142.2A CN113379923A (zh) 2021-06-22 2021-06-22 轨道识别方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110694142.2A CN113379923A (zh) 2021-06-22 2021-06-22 轨道识别方法、装置、存储介质及设备

Publications (1)

Publication Number Publication Date
CN113379923A true CN113379923A (zh) 2021-09-10

Family

ID=77578414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110694142.2A Pending CN113379923A (zh) 2021-06-22 2021-06-22 轨道识别方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN113379923A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115824237A (zh) * 2022-11-29 2023-03-21 重庆赛迪奇智人工智能科技有限公司 轨道路面识别方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225515A1 (en) * 2015-08-04 2018-08-09 Baidu Online Network Technology (Beijing) Co. Ltd. Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
CN108898662A (zh) * 2018-05-30 2018-11-27 中国人民解放军陆军勤务学院 基于点云数据的管线设施bim模型自动化重建方法
US20190258225A1 (en) * 2017-11-17 2019-08-22 Kodak Alaris Inc. Automated 360-degree dense point object inspection
CN110793501A (zh) * 2019-11-19 2020-02-14 上海勘察设计研究院(集团)有限公司 一种地铁隧道限界检测方法
CN110866449A (zh) * 2019-10-21 2020-03-06 北京京东尚科信息技术有限公司 识别道路中目标对象的方法和装置
CN112733885A (zh) * 2020-12-23 2021-04-30 西人马帝言(北京)科技有限公司 点云识别模型的确定方法、点云识别的方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180225515A1 (en) * 2015-08-04 2018-08-09 Baidu Online Network Technology (Beijing) Co. Ltd. Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
US20190258225A1 (en) * 2017-11-17 2019-08-22 Kodak Alaris Inc. Automated 360-degree dense point object inspection
CN108898662A (zh) * 2018-05-30 2018-11-27 中国人民解放军陆军勤务学院 基于点云数据的管线设施bim模型自动化重建方法
CN110866449A (zh) * 2019-10-21 2020-03-06 北京京东尚科信息技术有限公司 识别道路中目标对象的方法和装置
CN110793501A (zh) * 2019-11-19 2020-02-14 上海勘察设计研究院(集团)有限公司 一种地铁隧道限界检测方法
CN112733885A (zh) * 2020-12-23 2021-04-30 西人马帝言(北京)科技有限公司 点云识别模型的确定方法、点云识别的方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115824237A (zh) * 2022-11-29 2023-03-21 重庆赛迪奇智人工智能科技有限公司 轨道路面识别方法及装置
CN115824237B (zh) * 2022-11-29 2023-09-26 重庆赛迪奇智人工智能科技有限公司 轨道路面识别方法及装置

Similar Documents

Publication Publication Date Title
CA2717612C (en) Fingerprint representation using gradient histograms
CN112883878B (zh) 一种基于三维格网的变电站场景下的点云自动分类方法
CN112102226A (zh) 数据处理方法、图案检测方法及晶圆缺陷图案检测方法
CN111144325A (zh) 变电站电力设备的故障识别定位方法、装置及设备
CN114419085A (zh) 建筑物轮廓线自动提取方法、装置、终端设备及存储介质
CN112860952B (zh) 巡检机器人定位检修部件的方法及***
CN108562885B (zh) 一种高压输电线路机载LiDAR点云提取方法
JP2009199575A (ja) 画像マッチング方法、プログラムおよび応用装置
CN110907947A (zh) 一种移动机器人slam问题中的实时回环检测方法
CN110796135A (zh) 目标的定位方法及装置、计算机设备、计算机存储介质
CN111275821A (zh) 一种电力线拟合方法、***及终端
CN116051822A (zh) 凹障碍的识别方法和装置、处理器及电子设备
CN113379923A (zh) 轨道识别方法、装置、存储介质及设备
CN115115607A (zh) 一种基于图像分析的图像形状特征提取识别方法
CN117928385A (zh) 一种基于远程无人机和传感器的工程施工智能测量方法
CN117495891A (zh) 点云边缘检测方法、装置和电子设备
CN116363319B (zh) 一种建筑物屋顶的建模方法、建模装置、设备及介质
CN112733971A (zh) 扫描设备的位姿确定方法、装置、设备及存储介质
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
CN114742868A (zh) 一种点云配准的方法、装置以及电子设备
CN112907574B (zh) 一种飞行器的降落点寻找方法、装置、***及存储介质
CN111194004B (zh) 基站指纹定位方法、装置和***、计算机可读存储介质
CN113051976A (zh) 指纹定位方法、装置、电子设备及存储介质
CN113393450B (zh) 用于数字线划图的数据质检方法、***及可读存储介质
CN104282016B (zh) 嵌入式图像数据处理方法

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