CN113989765A - 一种轨道障碍物的检测方法、检测装置及可读存储介质 - Google Patents
一种轨道障碍物的检测方法、检测装置及可读存储介质 Download PDFInfo
- Publication number
- CN113989765A CN113989765A CN202010663884.4A CN202010663884A CN113989765A CN 113989765 A CN113989765 A CN 113989765A CN 202010663884 A CN202010663884 A CN 202010663884A CN 113989765 A CN113989765 A CN 113989765A
- Authority
- CN
- China
- Prior art keywords
- track
- detected
- point cloud
- fitting
- sub
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 80
- 230000008859 change Effects 0.000 claims abstract description 113
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 41
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000005192 partition Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了一种轨道障碍物的检测方法、检测装置及可读存储介质，通过从采集到的场景点云中分割出待检测区域内的待检测点云；基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。这样，以采集到的点云拟合出轨道高度变化曲线为基准，直接基于候选点云与轨道高度变化曲线之间的距离确定障碍物，有助于提高障碍物确定的准确性以及简便性。
Description
技术领域
本申请涉及轨道交通技术领域，尤其是涉及一种轨道障碍物的检测方法、检测装置及可读存储介质。
背景技术
在车辆行驶过程中，需要实时地获取路面信息，以此确定出更为合适的行驶方案，其中，对于障碍物的检测就是获取的路面信息中关键的一种，障碍物时常会影响车辆的行驶，尤其是在铁路运输过程中，铁轨上的障碍物会极大地影响列车的运行速度，甚至会对列车的运行带来危险。
目前，轨道交通领域对列车前方障碍物的检测方法主要是使用图像通过深度学习或传统特征提取的方式进行检测，对于未知障碍物的检测效果较差，且相机成像易受光线影响，在隧道、车库等光线较暗的场景中效果不稳定，对障碍物检测准确率低。
发明内容
有鉴于此，本申请的目的在于提供一种轨道障碍物的检测方法、检测装置及可读存储介质，以采集到的点云拟合出轨道高度变化曲线为基准，直接基于候选点云与轨道高度变化曲线之间的距离确定障碍物，有助于提高障碍物确定的准确性以及简便性。
本申请实施例提供了一种轨道障碍物的检测方法，所述检测方法包括：
从采集到的场景点云中分割出待检测区域内的待检测点云；
基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；
按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；
对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；
基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
进一步的，所述从采集到的场景点云中分割出待检测区域内的待检测点云，包括：
获取预先设置的两条边界线；
将两条边界线包围的区域确定为待检测区域；
将所述待检测区域内包括的场景点云，确定为待检测点云。
进一步的，所述基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线，包括：
基于所述场景图像中指示的轨道区域，确定出轨道在像素坐标系下对应的多个像素坐标；
将所述多个像素坐标转化到雷达坐标系下，确定出多个雷达坐标；
将位于雷达坐标指示的位置上的待检测点云确定为轨道点云；
基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线。
进一步的，所述基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线，包括：
按照预设距离间隔将所述轨道区域分段，确定出多个子拟合区域；
针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线；
拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线。
进一步的，所述拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线，包括：
将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序；
根据排序位于前方位置的子拟合区域的待拼接轨道高度曲线修正排序位于后方的子拟合区域的待拼接轨道高度曲线；
按照每个子拟合区域的排列顺序，拼接修正后的多个待拼接轨道高度曲线；
将拼接后得到的轨道变化曲线，确定为轨道高度变化曲线。
进一步的，所述针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线，包括：
按照所述子拟合区域内坡度高度变化，拟合出所述子拟合区域内的轨道坡度变化曲线；
基于所述轨道坡度变化曲线，将未在所述轨道坡度变化曲线上的轨道点云确定为异常点云，并将确定出多个异常点云从子拟合区域内的轨道点云中滤除；
连接滤除异常点云后的所述子拟合区域内的多个轨道点云，拟合出的待拼接轨道高度曲线。
进一步的，通过以下步骤确定多个划分栅格：
确定所述待检测区域中在所述轨道区域的延展方向上的待检测点云的密度变化趋势信息；
基于所述待检测点云的密度变化趋势信息，确定每个划分栅格的长度；
基于每个划分栅格的长度以及预设的栅格宽度，得到多个划分栅格。
进一步的，所述基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，包括：
确定每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云所在平面之间的标准距离；
将与轨道高度变化曲线上对应的轨道点云所在平面之间的距离大于对应的标准距离的候选点云，确定为障碍物。
进一步的，在所述基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物之后，所述检测方法还包括：
标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
本申请实施例还提供了一种轨道障碍物的检测装置，所述检测装置包括：
区域分割模块，用于从采集到的场景点云中分割出待检测区域内的待检测点云；
曲线拟合模块，用于基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；
栅格划分模块，用于按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；
点云聚类模块，用于对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；
障碍物确定模块，用于基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
进一步的，所述区域分割模块在用于从采集到的场景点云中分割出待检测区域内的待检测点云时，所述区域分割模块用于：
获取预先设置的两条边界线；
将两条边界线包围的区域确定为待检测区域；
将所述待检测区域内包括的场景点云，确定为待检测点云。
进一步的，所述曲线拟合模块在用于基于采集到的、与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线时，所述曲线拟合模块用于：
基于所述场景图像中指示的轨道区域，确定出轨道在像素坐标系下对应的多个像素坐标；
将所述多个像素坐标转化到雷达坐标系下，确定出多个雷达坐标；
将位于雷达坐标指示的位置上的待检测点云确定为轨道点云；
基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线。
进一步的，所述曲线拟合模块在用于基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线时，所述曲线拟合模块用于：
按照预设距离间隔将所述轨道区域分段，确定出多个子拟合区域；
针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线；
拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线。
进一步的，所述曲线拟合模块在用于拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线时，所述曲线拟合模块用于：
将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序；
根据排序位于前方位置的子拟合区域的待拼接轨道高度曲线修正排序位于后方的子拟合区域的待拼接轨道高度曲线；
按照每个子拟合区域的排列顺序，拼接修正后的多个待拼接轨道高度曲线；
将拼接后得到的轨道变化曲线，确定为轨道高度变化曲线。
进一步的，所述曲线拟合模块在用于针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线时，所述曲线拟合模块用于：
按照所述子拟合区域内坡度高度变化，拟合出所述子拟合区域内的轨道坡度变化曲线；
基于所述轨道坡度变化曲线，将未在所述轨道坡度变化曲线上的轨道点云确定为异常点云，并将确定出多个异常点云从子拟合区域内的轨道点云中滤除；
连接滤除异常点云后的所述子拟合区域内的多个轨道点云，拟合出的待拼接轨道高度曲线。
进一步的，所述栅格划分模块用于通过以下步骤确定多个划分栅格：
确定所述待检测区域中在所述轨道区域的延展方向上的待检测点云的密度变化趋势信息；
基于所述待检测点云的密度变化趋势信息，确定每个划分栅格的长度；
基于每个划分栅格的长度以及预设的栅格宽度，得到多个划分栅格。
进一步的，所述障碍物确定模块在用于基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物时，所述障碍物确定模块用于：
确定每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云所在平面之间的标准距离；
将与轨道高度变化曲线上对应的轨道点云所在平面之间的距离大于对应的标准距离的候选点云，确定为障碍物。
进一步的，所述检测装置还包括标注模块，所述标注模块用于：
标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的轨道障碍物的检测方法的步骤。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的轨道障碍物的检测方法的步骤。
本申请实施例提供的轨道障碍物的检测方法、检测装置及可读存储介质，从采集到的场景点云中分割出待检测区域内的待检测点云；基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
这样，从采集到的场景点云中分割出待检测区域内的待检测点云，并基于场景图像中轨道的位置，拟合出轨道高度变化曲线，并基于预设的多个划分栅格，将待检测区域划分成多个子检测区域，在每个子检测区域内对待检测点云聚类，确定出多个候选点云，并根据每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，有助于提高障碍物确定的准确性以及简便性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为一种可能的应用场景下的***结构图；
图2为本申请实施例所提供的一种轨道障碍物的检测方法的流程图；
图3为本申请另一实施例提供的一种轨道障碍物的检测方法的流程图；
图4为本申请实施例所提供的一种轨道障碍物的检测装置的结构示意图之一；
图5为本申请实施例所提供的一种轨道障碍物的检测装置的结构示意图之二；
图6为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于轨道交通技术领域，从采集到的场景点云中分割出待检测区域内的待检测点云，并基于场景图像中轨道的位置，拟合出轨道高度变化曲线，并基于预设的多个划分栅格，将待检测区域划分成多个子检测区域，在每个子检测区域内对待检测点云聚类，确定出多个候选点云，并根据每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，有助于提高障碍物确定的准确性以及简便性。请参阅图1，图1为一种可能的应用场景下的***结构图，如图1中所示，所述***包括采集装置和检测装置，采集装置采集列车行驶过程中，列车前方的场景点云，并将采集到的场景点云传输至检测装置，检测装置根据采集到的场景点云，在待检测区域内以待检测点云拟合出的轨道高度变化曲线为准线，确定出障碍物。
经研究发现，目前，轨道交通领域对列车前方障碍物的检测方法主要是使用图像通过深度学习或传统特征提取的方式进行检测，对于未知障碍物的检测效果较差，且相机成像易受光线影响，在隧道、车库等光线较暗的场景中效果不稳定，对障碍物检测准确率低。
基于此，本申请的目的在于提供一种轨道障碍物的检测方法，以采集到的点云拟合出轨道高度变化曲线为基准，直接基于候选点云与轨道高度变化曲线之间的距离确定障碍物，有助于提高障碍物确定的准确性以及简便性。
请参阅图2，图2为本申请实施例所提供的一种轨道障碍物的检测方法的流程图。如图2中所示，本申请实施例提供的轨道障碍物的检测方法，包括：
S201、从采集到的场景点云中分割出待检测区域内的待检测点云。
该步骤中，从采集到的当前场景点云中分割出待检测区域内的待检测点云。
其中，场景点云指的是当前列车行驶过程中，列车前方场景的点云。
这里，采集点云的装置可以是三维激光雷达，安装在列车的车头前方，实时采集列车前方的场景图像。
这样，通过从场景点云中分割出待检测区域，并在候选过程中针对于待检测区域内的待检测点云进行处理，可以有效减少后续点云处理量，有助于提高轨道障碍物的检测效率。
S202、基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线。
该步骤中，根据相机采集到的场景图像，在场景图像中指示的轨道区域，将轨道区域对标到雷达采集的场景点云中，确定出位于轨道区域内的轨道点云，并基于轨道点云拟合出轨道高度变化曲线。
这里，在雷达采集场景点云时，同时在列车上设置一相机，同步地采集与雷达采集的场景相同的场景图像，在场景图像中，会具体显示有列车所在的两条轨道的位置，将场景图像中的轨道对标到雷达坐标系下的三维空间中的位置，确定出在场景点云中的轨道区域。
这里，由于轨道在铺设时，路面并不是一直处于平坦的状态的，会存在一定的坡度起伏，需要拟合出轨道高度随坡度起伏的轨道高度变化曲线，以便于后续按照拟合出的轨道高度变化曲线确定障碍物的准确性。
S203、按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域。
该步骤中，按照预先划分出的多个宽度相等，长度不等的划分栅格，将待检测区域划分成多个子检测区域。
这里，每个划分栅格的宽度是一致的，对于划分栅格的长度，是由轨道延展方向上，点云的密度决定的，在点云密度大的区域，划分栅格的长度设置相对较短，在点云密度小的区域，划分栅格的长度设置相对较长，保证在每个栅格内包括的点云数量大致相同，以便后续对点云聚合时，每一个栅格内的点云是在一个数量级上的。
S204、对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云。
该步骤中，针对步骤S203划分出的每个子检测区域内包括的待检测点云按照对应的属性信息继续聚类，确定出多个候选点云。
这里，利用点云的特征属性进行聚类，特征属性可以包括纹理、法向量、颜色信息、欧式距离以及点密度等。
S205、基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
该步骤中，确定步骤S204中每个候选点云与轨道高度变化曲线上对应的点云所在平面之间的距离，将距离大于标准距离的候选点云，确定为障碍物点云，以此确定出障碍物。
这里，在确定出轨道高度变化曲线后，会在三维空间内中标示出轨道高度，轨道高度变化曲线将在后续作为基于距离差值确定障碍物的参考准线。
其中，针对于轨道环境来说，有的障碍物可能不一定位于轨道的正上方，可能是在两条铁轨之间，这时，单纯以轨道高度变化曲线作为参考将不再准确，需要确定在轨道高度变化曲线对应的点所在的平面，确定该障碍物与轨道所在高度的垂直距离，以此来确定障碍物与轨道高度平面之间的距离。
本申请实施例提供的轨道障碍物的检测方法，从采集到的场景点云中分割出待检测区域内的待检测点云；基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
这样，从采集到的场景点云中分割出待检测区域内的待检测点云，并基于场景图像中轨道的位置，拟合出轨道高度变化曲线，并基于预设的多个划分栅格，将待检测区域划分成多个子检测区域，在每个子检测区域内对待检测点云进行聚类，确定出多个候选点云，并根据每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，有助于提高障碍物确定的准确性以及简便性。
请参阅图3，图3为本申请另一实施例提供的一种轨道障碍物的检测方法的流程图。如图3中所示，本申请实施例提供的轨道障碍物的检测方法，包括：
S301、从采集到的场景点云中分割出待检测区域内的待检测点云。
S302、基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线。
S303、按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域。
S304、对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云。
S305、基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
S306、标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
该步骤中，在步骤S305确定出障碍物后，在雷达图像中将障碍物所在位置(障碍物点云)使用不同颜色进行标注，并将障碍物的属性信息标注在障碍物的预设位置处，以此标示障碍物的位置，提示列车驾驶员注意。
这里，在雷达图像中确定出障碍物后，将障碍物所在位置进行标注时，可以采用红色(或其他可以与点云进行区分的颜色)进行醒目标注，并在进行聚类已经明确了障碍物的属性信息，在对障碍物进行醒目标注后，将障碍物的属性信息标准在障碍物的预设位置，可以是在障碍物的四周(左上角、右下角等)，还可以是在障碍物本身上进行标准。
其中，障碍物的属性信息可以包括障碍物类型、障碍物的体积以及障碍物清理方式等。
其中，S301至S305的描述可以参照S201至S205的描述，并且能达到相同的技术效果，对此不做赘述。
进一步的，步骤S301包括：获取预先设置的两条边界线；将两条边界线包围的区域确定为待检测区域；将所述待检测区域内包括的场景点云，确定为待检测点云。
该步骤中，根据历史处理的过程中，待检测点云的集中所在区域，确定出两条边界线，将两条边界线包围形成的区域，确定为此次需要进行点云检测的待检测区域，并将确定出的待检测区域内包括的场景点云，确定为待检测点云。
这里，为了减少后续点云处理的数量，提高检测效率，需要在处理之前过滤掉一些无需进行处理的场景点云，确定出场景点云中的待检测区域，由于本实施例是对轨道障碍物的检测，因此，对于预先设置的两条边界线，可以设置为列车行驶的两条轨道所在的位置，将两条轨道上以及两条轨道包围的轨道中间部分确定为待检测区域。
其中，对于两条轨道在场景点云中的位置的确定，可以是通过相机采集列车前方的场景图像，将在场景图像中的轨道的多个像素坐标对标到雷达坐标下，确定出在雷达三维坐标下的两条轨道的位置，从而确定出由两条轨道包围的待检测区域。
这里，预先设置的两条边界线除了可以是列车行驶的两条轨道，还可以是两条轨道之外的预先设置的两条边界线，这样设置的原因是，在轨道***一定距离内的物体，也会在列车行驶过程中对列车产生一定的影响，也需要进行障碍物的鉴定。
进一步的，步骤S302包括：基于所述场景图像中指示的轨道区域，确定出轨道在像素坐标系下对应的多个像素坐标；将所述多个像素坐标转化到雷达坐标系下，确定出多个雷达坐标；将位于雷达坐标指示的位置上的待检测点云确定为轨道点云；基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线。
该步骤中，利用摄像装置采集到列车行驶过程中，列车前方的场景图像，并在场景图像中确定出两条轨道区域，在相机坐标下确定出轨道所在位置对应的多个像素坐标，将确定出的多个像素坐标转化到雷达坐标系下，确定出轨道对应的多个雷达坐标，将位于雷达坐标指示的位置上的待检测点云确定为轨道点云，根据确定出的多个轨道点云，拟合出轨道高度变化曲线。
这里，在雷达采集到的点云中，无法很精确地确定出轨道的具***置，需要通过相机采集场景图像来确定，并且相机采集的场景图像与雷达采集的场景应该是一致的，例如，雷达采集的是列车前方30米处的场景点云，那么在场景图像的采集的过程中，需要调整相机的焦距，同样采集列车前方30米处的场景图像。
进一步的，所述基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线，包括：按照预设距离间隔将所述轨道区域分段，确定出多个子拟合区域；针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线；拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线。
该步骤中，按照预设距离间隔将轨道区域进行分段，在轨道上确定出多个子拟合区域，在每一个子拟合区域中，根据每个子拟合区域内包括的轨道点云，拟合出在子拟合区域中该待拼接轨道高度曲线，在每一个子拟合区域拟合出待拼接轨道高度曲线后，拼接每个待拼接轨道高度曲线，形成整条轨道对应的轨道高度变化曲线。
这里，预设距离间隔的确定可以根据每个子拟合区域中包括的点云来确定，预设距离可以是相等的，也可以是不等的，在确定子拟合区域过程中，需要在每个子拟合区域内包括的轨道点云可以完整拟合出一条待拼接轨道高度曲线。
这里，在进行待拼接轨道高度曲线时，可以采用最小二乘法基于路面的坡度变化，拟合出待拼接轨道高度曲线。
其中，在轨道点云拟合待拼接轨道高度曲线的过程中，是对轨道点云代表的高度数据进行拟合，确定出的也是轨道高度曲线。
进一步的，所述拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线，包括：将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序；根据排序位于前方位置的子拟合区域的待拼接轨道高度曲线修正排序位于后方的子拟合区域的待拼接轨道高度曲线；按照每个子拟合区域的排列顺序，拼接修正后的多个待拼接轨道高度曲线；将拼接后得到的轨道变化曲线，确定为轨道高度变化曲线。
该步骤中，将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序，即子拟合区域在轨道位置上距离采集装置距离的远近进行排序，利用排序在前的子拟合区域对应的待拼接轨道高度曲线修正排序在后方的子拟合区域的待拼接轨道高度曲线，确定修正后的多个待拼接轨道高度曲线，拼接多个待拼接轨道高度曲线，拟合出轨道高度变化曲线。
这里，距离采集装置较远的子拟合区域内的点云数据密度会急剧减小，拟合出的待拼接轨道高度曲线，可能与实际的轨道走向存在一定的误差，这时，需要用点云密度较大的位于前方的子拟合区域内的待拼接轨道高度曲线，结合地面坡度起伏变化，确定出待拼接轨道高度曲线的大致走向，用确定出的大致走向，修正后方的待拼接轨道高度曲线，甚至可以拟合出采集装置的扫描线覆盖不到的位置处的轨道高度变化曲线。
这样，可以提高轨道拟合的精度，完整地补全激光采集装置的扫描线未扫描到区域的轨道高度。
进一步的，所述针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线，包括：按照所述子拟合区域内坡度高度变化，拟合出所述子拟合区域内的轨道坡度变化曲线；基于所述轨道坡度变化曲线，将未在所述轨道坡度变化曲线上的轨道点云确定为异常点云，并将确定出多个异常点云从子拟合区域内的轨道点云中滤除；连接滤除异常点云后的所述子拟合区域内的多个轨道点云，拟合出的待拼接轨道高度曲线。
该步骤中，在每个子拟合区域内，按照地面的坡度高度变化，大致拟合出该子拟合区域内的轨道坡度变化曲线，根据轨道坡度变化曲线，将子拟合区域内的未处于该轨道坡度变化曲线上的轨道点云确定为异常点云，并将异常点云过滤掉，利用剩余的轨道点云拟合出的待拼接轨道高度曲线。
这里，在点云的采集以及子拟合区域的划分过程中，可能会存在一些误采集或是误划分的点云，这些点云都会影响轨道高度变化曲线的拟合精度，需要结合实际路面的起伏高度，将异常点云进行滤除，以提高待拼接轨道高度曲线的拟合精度。
进一步的，通过以下步骤确定多个划分栅格：确定所述待检测区域中在所述轨道区域的延展方向上的待检测点云的密度变化趋势信息；基于所述待检测点云的密度变化趋势信息，确定每个划分栅格的长度；基于每个划分栅格的长度以及预设的栅格宽度，得到多个划分栅格。
该步骤中，确定出在列车行驶的轨道的延展方向上待检测点云的分布的密度，基于待检测点云的密度以及每个栅格中的点云的基础数量，确定每个划分栅格的长度与所述总长度的比例关系，并基于比例关系确定每一个划分栅格的长度，其中，每个划分栅格的栅格宽度一致，基于确定出的每个划分栅格的长度以及预设的栅格宽度，确定划分栅格。
这里，随着轨道的延展，采集装置的扫描线将越来越无法完整覆盖全部场景，点云密度也随着距离采集装置的距离的增加逐渐减少，因此，为了每个划分内包含的点云数量大致相同，拟合精度大致相似，需要适当增加划分栅格的长度，以此来保证划分栅格内的点云数量，以及轨道高度变化曲线的拟合精度。
进一步的，步骤S305包括：确定每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云所在平面之间的标准距离；将与轨道高度变化曲线上对应的轨道点云所在平面之间的距离大于对应的标准距离的候选点云，确定为障碍物。
这里，基于点云的属性信息以及在轨道上轨道部件的设置，确定出每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云平面之间的标准距离，将距离大于确定出的标准距离的候选点云，确定为障碍物。
这里，在轨道的设置过程中，会存在一些部件或是标志是高出轨道本身的，这些部件将不会影响列车的行驶，不会被认为是障碍物，所以在障碍物确定过程中，不能单纯地认为高于轨道高度的物体就一定是障碍物，需要根据对应的属性信息以及轨道本身的设置，确定每一个部位可以接受的物体高度，更精确地对障碍物进行排查。
本申请实施例提供的轨道障碍物的检测方法，从采集到的场景点云中分割出待检测区域内的待检测点云；基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物；标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
这样，从采集到的场景点云中分割出待检测区域内的待检测点云，并基于场景图像中轨道的位置，拟合出轨道高度变化曲线，并基于预设的多个划分栅格，将待检测区域划分成多个子检测区域，在每个子检测区域内对待检测点云聚类，确定出多个候选点云，并根据每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，并将障碍物进行标注，有助于提高障碍物确定的准确性以及简便性。
请参阅图4、图5，图4为本申请实施例所提供的一种轨道障碍物的检测装置的结构示意图之一，图5为本申请实施例所提供的一种轨道障碍物的检测装置的结构示意图之二。如图4中所示，所述检测装置400包括：
区域分割模块410，用于从采集到的场景点云中分割出待检测区域内的待检测点云。
曲线拟合模块420，用于基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线。
栅格划分模块430，用于按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域。
点云聚类模块440，用于对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云。
障碍物确定模块450，用于基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
进一步的，如图5所示，所述检测装置400还包括标注模块460，所述标注模块460用于：
标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
进一步的，所述区域分割模块410在用于从采集到的场景点云中分割出待检测区域内的待检测点云时，所述区域分割模块410用于：
获取预先设置的两条边界线；
将两条边界线包围的区域确定为待检测区域；
将所述待检测区域内包括的场景点云，确定为待检测点云。
进一步的，所述曲线拟合模块420在用于基于采集到的、与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线时，所述曲线拟合模块420用于：
基于所述场景图像中指示的轨道区域，确定出轨道在像素坐标系下对应的多个像素坐标；
将所述多个像素坐标转化到雷达坐标系下，确定出多个雷达坐标；
将位于雷达坐标指示的位置上的待检测点云确定为轨道点云；
基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线。
进一步的，所述曲线拟合模块420在用于基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线时，所述曲线拟合模块420用于：
按照预设距离间隔将所述轨道区域分段，确定出多个子拟合区域；
针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线；
拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线。
进一步的，所述曲线拟合模块420在用于拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线时，所述曲线拟合模块420用于：
将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序；
根据排序位于前方位置的子拟合区域的待拼接轨道高度曲线修正排序位于后方的子拟合区域的待拼接轨道高度曲线；
按照每个子拟合区域的排列顺序，拼接修正后的多个待拼接轨道高度曲线；
将拼接后得到的轨道变化曲线，确定为轨道高度变化曲线。
进一步的，所述曲线拟合模块420在用于针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线时，所述曲线拟合模块420用于：
按照所述子拟合区域内坡度高度变化，拟合出所述子拟合区域内的轨道坡度变化曲线；
基于所述轨道坡度变化曲线，将未在所述轨道坡度变化曲线上的轨道点云确定为异常点云，并将确定出多个异常点云从子拟合区域内的轨道点云中滤除；
连接滤除异常点云后的所述子拟合区域内的多个轨道点云，拟合出的待拼接轨道高度曲线。
进一步的，所述栅格划分模块430用于通过以下步骤确定多个划分栅格：
确定所述待检测区域中在所述轨道区域的延展方向上的待检测点云的密度变化趋势信息；
基于所述待检测点云的密度变化趋势信息，确定每个划分栅格的长度；
基于每个划分栅格的长度以及预设的栅格宽度，得到多个划分栅格。
进一步的，所述障碍物确定模块450在用于基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物时，所述障碍物确定模块450用于：
确定每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云所在平面之间的标准距离；
将与轨道高度变化曲线上对应的轨道点云所在平面之间的距离大于对应的标准距离的候选点云，确定为障碍物。
本申请实施例提供的轨道障碍物的检测装置，从采集到的场景点云中分割出待检测区域内的待检测点云；基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
这样，从采集到的场景点云中分割出待检测区域内的待检测点云，并基于场景图像中轨道的位置，拟合出轨道高度变化曲线，并基于预设的多个划分栅格，将待检测区域划分成多个子检测区域，在每个子检测区域内对待检测点云聚类，确定出多个候选点云，并根据每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，有助于提高障碍物确定的准确性以及简便性。
请参阅图6，图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。
所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图2以及图3所示方法实施例中的轨道障碍物的检测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时可以执行如上述图2以及图3所示方法实施例中的轨道障碍物的检测方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种轨道障碍物的检测方法，其特征在于，所述检测方法包括：
从采集到的场景点云中分割出待检测区域内的待检测点云；
基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；
按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；
对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；
基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
2.根据权利要求1所述的检测方法，其特征在于，所述从采集到的场景点云中分割出待检测区域内的待检测点云，包括：
获取预先设置的两条边界线；
将两条边界线包围的区域确定为待检测区域；
将所述待检测区域内包括的场景点云，确定为待检测点云。
3.根据权利要求1所述的检测方法，其特征在于，所述基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线，包括：
基于所述场景图像中指示的轨道区域，确定出轨道在像素坐标系下对应的多个像素坐标；
将所述多个像素坐标转化到雷达坐标系下，确定出多个雷达坐标；
将位于雷达坐标指示的位置上的待检测点云确定为轨道点云；
基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线。
4.根据权利要求3所述的检测方法，其特征在于，所述基于确定出的多个轨道点云，在所述待检测区域内拟合出轨道高度变化曲线，包括：
按照预设距离间隔将所述轨道区域分段，确定出多个子拟合区域；
针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线；
拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线。
5.根据权利要求4所述的检测方法，其特征在于，所述拼接每个子拟合区域内的待拼接轨道高度曲线，拟合出所述轨道高度变化曲线，包括：
将每个子拟合区域按照采集场景点云时，采集装置的扫描方向进行排序；
根据排序位于前方位置的子拟合区域的待拼接轨道高度曲线修正排序位于后方的子拟合区域的待拼接轨道高度曲线；
按照每个子拟合区域的排列顺序，拼接修正后的多个待拼接轨道高度曲线；
将拼接后得到的轨道变化曲线，确定为轨道高度变化曲线。
6.根据权利要求4所述的检测方法，其特征在于，所述针对于每个子拟合区域，基于每个子拟合区域内包括的至少一个轨道点云拟合出待拼接轨道高度曲线，包括：
按照所述子拟合区域内坡度高度变化，拟合出所述子拟合区域内的轨道坡度变化曲线；
基于所述轨道坡度变化曲线，将未在所述轨道坡度变化曲线上的轨道点云确定为异常点云，并将确定出多个异常点云从子拟合区域内的轨道点云中滤除；
连接滤除异常点云后的所述子拟合区域内的多个轨道点云，拟合出的待拼接轨道高度曲线。
7.根据权利要求1所述的检测方法，其特征在于，通过以下步骤确定多个划分栅格：
确定所述待检测区域中在所述轨道区域的延展方向上的待检测点云的密度变化趋势信息；
基于所述待检测点云的密度变化趋势信息，确定每个划分栅格的长度；
基于每个划分栅格的长度以及预设的栅格宽度，得到多个划分栅格。
8.根据权利要求1所述的检测方法，其特征在于，所述基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物，包括：
确定每个候选点云所在位置与所述轨道高度变化曲线上对应的轨道点云所在平面之间的标准距离；
将与轨道高度变化曲线上对应的轨道点云所在平面之间的距离大于对应的标准距离的候选点云，确定为障碍物。
9.根据权利要求1所述的检测方法，其特征在于，在所述基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物之后，所述检测方法还包括：
标注所述障碍物，并将所述障碍物的属性信息标注在所述障碍物的预设位置处。
10.一种轨道障碍物的检测装置，其特征在于，所述检测装置包括：
区域分割模块，用于从采集到的场景点云中分割出待检测区域内的待检测点云；
曲线拟合模块，用于基于采集到的与所述场景点云对应的场景图像中指示的轨道区域以及所述待检测点云，在所述待检测区域内拟合出轨道高度变化曲线；
栅格划分模块，用于按照确定出的多个划分栅格，将所述待检测区域划分成多个子检测区域；
点云聚类模块，用于对每个子检测区域内的待检测点云进行聚类，确定出多个候选点云；
障碍物确定模块，用于基于每个候选点云与轨道高度变化曲线上对应的轨道点云所在平面之间的距离，确定出障碍物。
11.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至9任一项所述的轨道障碍物的检测方法的步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至9任一项所述的轨道障碍物的检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010663884.4A CN113989765A (zh) | 2020-07-10 | 2020-07-10 | 一种轨道障碍物的检测方法、检测装置及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010663884.4A CN113989765A (zh) | 2020-07-10 | 2020-07-10 | 一种轨道障碍物的检测方法、检测装置及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113989765A true CN113989765A (zh) | 2022-01-28 |
Family
ID=79731276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010663884.4A Pending CN113989765A (zh) | 2020-07-10 | 2020-07-10 | 一种轨道障碍物的检测方法、检测装置及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113989765A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023155389A1 (zh) * | 2022-02-16 | 2023-08-24 | 中国第一汽车股份有限公司 | 三维物体检测方法、装置、存储介质、处理器及*** |
| CN116853320A (zh) * | 2023-09-05 | 2023-10-10 | 武汉和弦科技有限公司 | 一种基于背景学习算法的轨道巡检*** |
-
2020
- 2020-07-10 CN CN202010663884.4A patent/CN113989765A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023155389A1 (zh) * | 2022-02-16 | 2023-08-24 | 中国第一汽车股份有限公司 | 三维物体检测方法、装置、存储介质、处理器及*** |
| CN116853320A (zh) * | 2023-09-05 | 2023-10-10 | 武汉和弦科技有限公司 | 一种基于背景学习算法的轨道巡检*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10217007B2 (en) | Detecting method and device of obstacles based on disparity map and automobile driving assistance system | |
| US9846812B2 (en) | Image recognition system for a vehicle and corresponding method | |
| CN111179152B (zh) | 一种道路标识识别方法及装置、介质、终端 | |
| CN110705458B (zh) | 边界检测方法及装置 | |
| EP2372611A2 (en) | Scene matching reference data generation system and position measurement system | |
| CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
| US9396553B2 (en) | Vehicle dimension estimation from vehicle images | |
| CN107491065B (zh) | 利用障碍物的地面边界信息检测物体的侧面的方法和装置 | |
| CN109791607B (zh) | 借助单应矩阵从摄像机的一系列图像中探测和验证对象 | |
| CN111243003B (zh) | 车载双目摄像机及其检测道路限高杆的方法、装置 | |
| CN110341621B (zh) | 一种障碍物检测方法及装置 | |
| Petrovai et al. | A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices | |
| CN108399360B (zh) | 一种连续型障碍物检测方法、装置及终端 | |
| JP2020013573A (ja) | 車両の三次元画像再構成方法 | |
| CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 | |
| CN112964264A (zh) | 道路边沿检测方法、装置、高精度地图、车辆及存储介质 | |
| CN108319931B (zh) | 一种图像处理方法、装置及终端 | |
| EP2677462B1 (en) | Method and apparatus for segmenting object area | |
| CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、***、介质及设备 | |
| KR102100047B1 (ko) | 차선 끝점 검출 알고리즘을 이용한 차량 위치 인식 시스템 및 상기 차선 끝점 검출 알고리즘의 성능을 평가하는 방법 | |
| CN113658226B (zh) | 一种限高装置高度检测方法和*** | |
| CN111273314A (zh) | 点云数据处理方法、装置和存储介质 | |
| CN114120254A (zh) | 道路信息识别方法、装置及存储介质 | |
| US11443619B2 (en) | Vehicle recognition apparatus and vehicle recognition method | |
| CN111862206A (zh) | 一种视觉定位方法、装置、电子设备及可读存储介质 |
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: 20220222 Address after: 100191 0711, 7th floor, Shouxiang science and technology building, 51 Xueyuan Road, Haidian District, Beijing Applicant after: Watrix Technology (Beijing) Co.,Ltd. Address before: Building C6, Guishan Minbo Cultural Park, 39 Pingshan North Road, Gulou District, Xuzhou City, Jiangsu Province, 221000 Applicant before: Zhongke (Xuzhou) Artificial Intelligence Research Institute Co.,Ltd. |