CN114322856B - 矿区路面平整度的检测方法、装置、存储介质及设备 - Google Patents
矿区路面平整度的检测方法、装置、存储介质及设备 Download PDFInfo
- Publication number
- CN114322856B CN114322856B CN202111543586.2A CN202111543586A CN114322856B CN 114322856 B CN114322856 B CN 114322856B CN 202111543586 A CN202111543586 A CN 202111543586A CN 114322856 B CN114322856 B CN 114322856B
- Authority
- CN
- China
- Prior art keywords
- elevation
- variance
- value
- grid
- laser radar
- 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
Links
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种矿区路面平整度的检测方法、装置、存储介质及设备。其中方法包括:基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。上述方法可以提高路面平整度的检测精度以及检测速度。
Description
技术领域
本发明涉及矿区路面检测技术领域,尤其是涉及一种矿区路面平整度的检测方法、装置、存储介质及设备。
背景技术
路面平整度通常用来表示道路表面高度上的凹凸起伏程度,是影响矿车在道路上行驶的重要因素之一,不平整的行驶路面对于轮胎磨损、矿车控制以及行驶安全等方面都会造成不必要的成本损耗,无论对于无人驾驶还是正常有人驾驶的情况,路面的平整度直接关系到了矿车的控制难度、乘客的舒适体验以及人身安全等诸多问题。
传统的路面平整度测量方法通常利用人力,并借助直尺、平整度仪、断面仪等工具进行定期测量,不仅耗时耗力,同时测量精度还受限于许多影响因素,尤其在矿区等应用场景内,很难利用人力进行路面平整度检测。
现有的路面平整度检测方法主要是基于激光雷达或者相机等设备获取待测路面的高程值,通过检测高程值的变化来判定待测路面的平整度,这种方法应用于城市道路时,检测效果较好,而应用在矿区的土路等复杂路况上则检测精度较低。
发明内容
有鉴于此,本申请提供了一种矿区路面平整度的检测方法、装置、存储介质及设备,主要目的在于解决现有的平整度检测方法在矿区的土路等复杂路况上检测精度较低的问题。
根据本发明的第一个方面,提供了一种矿区路面平整度的检测方法,该方法包括:
基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;
将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;
遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;
根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。
可选的,目标检测区域包括:
以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;
从车头向前延伸第二预设距离构建第二延伸区域,其中,第二预设距离大于第一预设距离;
将第一延伸区域和第二延伸区域的交集作为目标检测区域。
可选的,获取每个点的高程值和方差值包括:
应用组合惯导获取车体后轴中心的定位信息,并根据定位信息确定车体坐标系到全局坐标系的转换矩阵;
获取激光雷达和车体后轴中心之间的外参,并根据外参确定激光雷达坐标系到车体坐标系的转换矩阵;
根据激光雷达坐标系到车体坐标系的转转变换矩阵以及车体坐标系到全局坐标系的转换矩阵,确定激光雷达坐标系到全局坐标系的转换矩阵;
根据激光雷达坐标系到全局坐标系的转换矩阵确定激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;
根据激光雷达坐标系到全局坐标系的转换矩阵、激光雷达采集的点云数据和组合惯导采集的定位信息确定每个点的高程值;
根据激光雷达的雅可比矩阵和激光雷达的协方差矩阵确定每个点的方差值。
可选的,遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值包括:
应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
可选的,卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中一种。
可选的,应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值包括:
应用卡尔曼滤波器构建下述公式以计算单个网格的高程值和方差值:
其中,h-为单个网格内前一个点的高程值,h+为单个网格内与前一个点相邻的后一个点的高程值,为单个网格内前一个点的方差值,/>为单个网格内后一个点的方差值,hp为激光雷达点云数据中单个点的高程值,/>为激光雷达点云数据中单个点的方差值;
假设单个网格中有N个点,将单个网格中的第一个点的高程值和方差作为单个网格的高程值和方差的初始值,用上述公式遍历单个网格内每一个点,迭代N次后得到单个网格的高程值和方差值,N为大于等于1的正整数。
可选的,根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度包括:
根据预设的置信区间确定边界方差系数,并根据边界方差系数和每个网格的方差值的乘积,得到每个网格的边界方差值;
根据每个网格的高程值和边界方差值之和,得到每个网格的上边界高程值;
根据每个网格的高程值和边界方差值之差,得到每个网格的下边界高程值;
根据上边界高程值与下边界高程值之差确定单个网格的平整度。
根据本发明的第二个方面,提供了一种矿区路面平整度的检测装置,该装置包括:
区域构建模块,用于基于激光雷达的目标检测区域构建包括多个预设尺寸的网格的网格高程图;
数据映射模块,用于将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;
数据计算模块,用于遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;
结果输出模块,用于根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。
可选的,区域构建模块,具体用于以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;从车头向前延伸第二预设距离构建第二延伸区域,其中,第二预设距离大于第一预设距离;将第一延伸区域和第二延伸区域的交集作为目标检测区域。
可选的,数据映射模块,具体用于应用组合惯导获取车体后轴中心的定位信息,并根据定位信息确定车体坐标系到全局坐标系的转换矩阵;获取激光雷达和车体后轴中心之间的外参,并根据外参确定激光雷达坐标系到车体坐标系的转换矩阵;根据激光雷达坐标系到车体坐标系的转转变换矩阵以及车体坐标系到全局坐标系的转换矩阵,确定激光雷达坐标系到全局坐标系的转换矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵确定激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵、激光雷达采集的点云数据和组合惯导采集的定位信息确定每个点的高程值;根据激光雷达的雅可比矩阵和激光雷达的协方差矩阵确定每个点的方差值。
可选的,数据计算模块,具体用于应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
可选的,卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中一种。
可选的,数据计算模块,具体还用于应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值包括:应用卡尔曼滤波器构建下述公式以计算单个网格的高程值和方差值:
其中,h-为单个网格内前一个点的高程值,h+为单个网格内与前一个点相邻的后一个点的高程值,为单个网格内前一个点的方差值,/>为单个网格内后一个点的方差值,hp为激光雷达点云数据中单个点的高程值,/>为激光雷达点云数据中单个点的方差值;假设单个网格中有N个点,将单个网格中的第一个点的高程值和方差作为单个网格的高程值和方差的初始值,用上述公式遍历单个网格内每一个点,迭代N次后得到单个网格的高程值和方差值,N为大于等于1的正整数。
可选的,结果输出模块,具体用于根据预设的置信区间确定边界方差系数,并根据边界方差系数和每个网格的方差值的乘积,得到每个网格的边界方差值;根据每个网格的高程值和边界方差值之和,得到每个网格的上边界高程值;根据每个网格的高程值和边界方差值之差,得到每个网格的下边界高程值;根据上边界高程值与下边界高程值之差确定单个网格的平整度。
根据本发明的第三个方面,提供了一种存储介质,其上存储有计算机程序,程序被处理器执行时实现上述矿区路面平整度的检测方法。
根据本发明的第四个方面,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述矿区路面平整度的检测方法。
根据本发明的第五个方面,提供了一种芯片,包括至少一个处理器和通信接口,所述通信接口和所述至少一个处理器耦合,所述至少一个处理器用于运行计算机程序或指令,以实现上述矿区路面平整度的检测方法。
根据本发明的第六个方面,提供了一种终端,包括上述的矿区路面平整度的检测装置。
本发明提供的一种路面平整度的检测方法、装置、存储介质及设备,首先基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;其次将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;然后遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;最后根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。上述方法通过选取目标检测区域,可以提高路面平整度的检测速度,通过建立网格高程图,并计算单个网格的高程值和方差值,以确定单个网格的点云高程值分布的上下边界,进而判别单个网格的平整度情况,可以有效的优化目标检测区域各网格内的点云高程特征,从而提高路面平整度检测的准确度。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本发明实施例提供的一种矿区路面平整度的检测方法的流程示意图;
图2示出了本发明实施例提供的一种矿区路面平整度的检测装置的结构示意图;
图3示出了本发明实施例提供的一种矿区路面平整度的检测存储介质的结构示意图;
图4示出了本发明实施例提供的一种矿区路面平整度的检测计算机设备的结构示意图;
图5示出了本发明实施例提供的一种矿区路面平整度的检测芯片的结构示意图;
图6示出了本发明实施例提供的一种矿区路面平整度的检测终端的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。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。
路面平整度反应了道路表面高度上的凹凸起伏程度,是影响矿车在道路上行驶的重要因素之一,不平整的行驶路面对于轮胎磨损、矿车控制以及行驶安全等方面造成不必要的成本损耗,无论对于无人驾驶还是有人驾驶的情况,路面的平整度直接关系到了矿车的控制难度、乘客的舒适体验以及人身安全等。传统的测量方法通常利用人力,并借助测量工具进行定期测量,耗时耗力且测量精度受限于许多影响因素,而在矿区的应用场景内,很难利用人力进行路面平整度检测。目前现有的平整度检测方法主要是基于激光雷达或者相机等设备直接获取待测路面的高程值,通过检测高程值的变化来判定待测路面的平整度,但是申请人认识到,这种方法应用于城市道路时,检测效果好,但相较于在矿区的土路以及其他复杂地形、路况上则实用性低,判别精度较低。
在一个实施例中,提供了一种路面平整度的检测方法,如图1所示,以该方法应用于计算机设备为例,该方法包括一下步骤:
101、基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图。
激光雷达扫描的区域既包括矿车的行驶路面信息,又包括矿车周边的障碍物信息,其中,目标检测区域指的是矿车的行驶路面信息,划分出目标检测区域可以提升计算速度,在完成选定目标检测区域后,可根据目标检测区域的范围大小以及自定义网格的大小构建网格高程图初始状态,网格大小根据矿车行驶的路面状况进行设定,例如单个网格的尺寸为1平方米,网格划分越精细,计算准确度越高,计算耗时越长,网格划分完成后,构建网格高程图。
102、将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值。
具体的,在对目标检测区域的网格划分完成并构建网格高程图后,再将激光雷达点云数据映射到相应的网格内,对获取到的激光雷达点云数据、组合惯导定位数据和全局坐标转换矩阵进行处理,确定在检测范围内激光雷达点云数据中每个点的高程值和方差值。
103、遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
具体的,通过对单个网格进行分析实现局部地形分析,而非对全局地图进行平面拟合,可以提高对于检测区域内平整度的判别精度。利用得到的激光雷达点云数据中每个点的高程值和方差值对网格高程图的每一个网格的激光雷达点云依次进行迭代计算,进而得到每个网格内的高程值与方差值。
104、根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。
具体的,通过对单个网格内的高程值与方差值进行计算,可得到网格高程图中每一个网格的上边界高程值和下边界高程值,使得网格高程图中每个网格内的各个点的高程值均位于上边界高程值和下边界高程值之间,依据不同的复杂路况以及矿车的行驶需求,通过预设的计算方式对网格高程图的每个网格的上边界高程值和下边界高程值进行运算,可得到目标检测区域的每个网格的平整度检测值,具体计算方式可根据具体行驶情况来做出调整,计算得到的平整度检测值越大代表着该网格区域的网格内路面越颠簸,而平整度检测值越小代表着该网格区域内路面越平缓,便于进行驾驶。当矿车在复杂地形行驶时,通过读取目标检测区域的每个网格的平整度检测值,即可对不同区域的地形做出判断,并可选择平整度检测值较小的区域进行行驶,避免对矿车造成不必要的损坏。
本实施例提供的一种矿区路面平整度的检测方法,首先基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;其次将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;然后遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;最后根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。上述方法通过选取目标检测区域,可以提高路面平整度的检测速度,通过建立网格高程图,并计算单个网格的高程值和方差值,以确定单个网格的点云高程值分布的上下边界,进而判别单个网格的平整度情况,可以有效的优化目标检测区域各网格内的点云高程特征,从而提高路面平整度检测的准确度。
在一个实施例中,上述步骤101中的目标检测区域可以通过以下方式实现:以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;从车头向前延伸第二预设距离构建第二延伸区域,其中,第二预设距离大于第一预设距离;将第一延伸区域和第二延伸区域的交集作为目标检测区域。
在上述实施例中,矿车在行驶道路上采集一段了行驶距离,此段行驶距离作为矿车检测的预设区域,在预设区域内选取一定区域作为感兴趣区域(ROI区域),即为目标检测区域,例如:以矿车车体的后轴中心左右各扩充4-5米,并构建出第一延伸区域,以车前30米构建第二延伸区域,第一延伸区域与第二延伸区域之间的交集作为目标检测区域,通过选取所在的预设检测范围内两块预设区域之间的交集作为目标检测区域,在矿车前进的过程中完成对目标检测区域检测,并实时获取矿车行驶前方的平整度数据,并将平整度数据反馈给矿车,以便于矿车根据矿车前方的路面情况做出应对,通过在预设区域内划分目标检测区域可以提升对于平整度的计算速度,更快捷的计算出单个网格内平整度数值,并且提升了计算平整度的计算精度。
在一个实施例中,上述步骤102中的获取每个点的高程值和方差值可以通过以下方式实现:应用组合惯导获取车体后轴中心的定位信息,并根据定位信息确定车体坐标系到全局坐标系的转换矩阵;获取激光雷达和车体后轴中心之间的外参,并根据外参确定激光雷达坐标系到车体坐标系的转换矩阵;根据激光雷达坐标系到车体坐标系的转转变换矩阵以及车体坐标系到全局坐标系的转换矩阵,确定激光雷达坐标系到全局坐标系的转换矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵确定激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵、激光雷达采集的点云数据和组合惯导采集的定位信息确定每个点的高程值;根据激光雷达的雅可比矩阵和激光雷达的协方差矩阵确定每个点的方差值。
其中,激光雷达点云数据是通过激光雷达进行扫描而获取的,具有分辨率高、隐蔽性好、抗有源干扰能力强、探测性能好和应用范围广的优点。组合惯导通过测量运载体的加速度,并自动进行积分运算,获得运载体的瞬时速度和瞬时位置数据,由于组成组合惯导***的设备都安装在运载体内,因此组合惯导在工作时不依赖外界信息,也不向外界辐射能量,不易受到干扰,可自主进行导航。全局坐标转换矩阵又可称为TF(TransformationsFrames)数据,用于提供激光雷达坐标系,车体坐标系,全局地图坐标系三者之间的转换关系。激光雷达传感器模型包括激光雷达(Lidar)的一些基本模型参数,例如光束方向的标准偏差,光束常量,光束角等,以上参数可以通过查阅相关激光雷达的模型参数得到。高程值是指用数值指代某点沿铅垂线方向到绝对基面的距离,绝对高程值越大代表测量点相对于基准面越高。
在上述实施例中,矿车在行驶道路上采集一段行驶距离,通过矿车搭载的激光雷达传感器可获取预设区域内的矿车的激光雷达点云数据,通过矿车搭载的应用组合惯导获取车体后轴中心的定位信息,定位信息提供了车体坐标系到全局地图坐标系的角度旋转矩阵以及车体坐标系到全局地图坐标系的平移矩阵,并根据定位信息获得车体坐标系到全局坐标系的转换矩阵,该矩阵表示为:
φPM(RPM,TPM)
其中,φPM为车体坐标系到全局地图坐标系的转换矩阵,RPM为车体坐标系到全局地图坐标系的角度旋转矩阵,TPM为车体坐标系到全局地图坐标系的平移矩阵。利用标定法获取激光雷达和车体后轴中心之间的外参,并根据外参确定激光雷达坐标系到车体坐标系的角度旋转矩阵以及激光雷达坐标系到车体的坐标平移矩阵,进而得到激光雷达坐标系到车体坐标系的转换矩阵,该矩阵表示为:
φSP(RSP,TSP)
其中,φSP为激光雷达坐标系到车体坐标系的转换矩阵,RSP为激光雷达坐标系到车体坐标系的角度旋转矩阵,TSP为激光雷达坐标系到车体的坐标平移矩阵。其中,采用标定法具体实施方式为设定用于检测的矿车的后轴中心作为原始点,测量激光雷达相对于矿车后轴中心点在横轴、纵轴和竖直轴三个方向的偏移量,并且在水平路面上激光雷达采集点云数据,在预设的标定工具中调整激光雷达点云的俯仰角(pitch)、偏航角(yaw)以及翻滚角(roll)三个角度使得激光雷达点云能保持水平,测得的激光雷达点云在横纵竖三个方向的偏移量以及俯仰角、偏航角以及翻滚角构成了激光雷达坐标系到车体坐标系的角度旋转矩阵和激光雷达坐标系到车体坐标系的坐标平移矩阵。将获取到的激光雷达坐标系到车体坐标系的转换矩阵和车体坐标系到全局地图坐标系的转换矩阵相乘,所得到的乘积,即为激光雷达坐标系到全局坐标系的转换矩阵,该矩阵表示为:
φSM(RSM,TSM)=φPM*φSP
其中,φSM为激光雷达坐标系到全局坐标系的转换矩阵,RSM为激光雷达坐标系到全局地图坐标系的角度旋转矩阵,TSM为激光雷达坐标系到全局地图坐标系的平移矩阵。之后对激光雷达点云数据、组合惯导定位数据以及全局坐标转换矩阵,通过预设的高程值计算模型进行计算,可得到激光雷达点云数据中每个点的高程值,计算公式如下:
其中,hp为激光雷达点云数据中单个点的高程值,P为方向向量,P=(0,0,1),posS为激光雷达点云坐标,posM为组合惯导获取的全局坐标系下的车体后轴中心的位置坐标,φSM为激光雷达坐标系到全局坐标系的转换矩阵。其次,根据激光雷达坐标系到全局坐标系的转换矩阵,得到激光雷达平移量的雅可比矩阵,计算公式如下:
JS=P(φSM)T
其中,JS为激光雷达平移量的雅可比矩阵,而根据激光雷达坐标系到全局坐标系的转换矩阵和激光雷达点云坐标,可到激光雷达旋转量的雅可比矩阵,计算公式如下:
Jφ=P(φSM)TposS
其中,Jφ激光雷达旋转量的雅可比矩阵,利用预设的激光雷达传感器模型中噪声模型,通过先验值能够得到激光雷达传感器模型的协方差矩阵,而对组合惯导定位数据进行卡尔曼滤波计算得到***状态下计算误差的协方差矩阵,并可在矩阵中获取激光雷达传感器旋转的协方差矩阵,再借助通过计算得到的激光雷达平移量的雅可比矩阵以及激光雷达旋转量的雅可比矩阵,能够计算出激光雷达点云数据中每个点的方差值,计算公式如下:
其中,为激光雷达点云数据中单个点的方差值,∑S表示激光雷达传感器模型的协方差矩阵、∑φS是激光雷达传感器旋转的协方差矩阵。通过上述计算过程能够得到激光雷达点云数据中每个点的高程值和方差值。通过矿车自身搭载的传感器即可获取到激光雷达坐标系到全局坐标系之间变换关系的矩阵,获取方式简单,获取的数据具有较高的准确度。
在一个实施例中,上述步骤103中遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值可以通过以下方式实现:应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
在上述实施例中,卡尔曼滤波器在测量方差已知的情况下能够从一系列存在测量数据中估计动态***的状态,且便于计算机编程实现,并能够对现场采集的数据进行实时的更新和处理,卡尔曼滤波器是目前应用最为广泛的滤波方法。
在一个实施例中,卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中一种。
在上述实施例中,可根据实际情况,选择合适维度的卡尔曼滤波器对网格的高程值进行更新,得出的计算结果可以更好的代表单个网格内的点云高程特征。
在一个实施例中,上述步骤103还可以通过以下方式实现:应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值包括:
应用卡尔曼滤波器构建下述公式以计算单个网格的高程值和方差值:
其中,h-为单个网格内前一个点的高程值,h+为单个网格内与前一个点相邻的后一个点的高程值,为单个网格内前一个点的方差值,/>为单个网格内后一个点的方差值,hp为激光雷达点云数据中单个点的高程值,/>为激光雷达点云数据中单个点的方差值;
假设单个网格中有N个点,将单个网格中的第一个点的高程值和方差作为单个网格的高程值和方差的初始值,用上述公式遍历单个网格内每一个点,迭代N次后得到单个网格的高程值和方差值,N为大于等于1的正整数。
在上述实施例中,并且通过卡尔曼滤波器,对网格高程图内每一个网格的激光雷达点云数据中每个点的高程值和方差值进行计算,具体可理解为,将激光雷达点云数据映射到相应的网格内,每个网格内有若干个点,对于激光雷达点云数据中每个点的高程值和方差值进行计算的过程是个迭代的过程,需要遍历网格内的所有点,依次进行公式的更新迭代,更新前和更新后指的是一次迭代的前后,以网格内的第一个点的高程值和方差作为公式中的高程值和方差的初始值,卡尔曼滤波器计算公式为:
其中,h-为单个网格内前一个点的高程值,h+为单个网格内与前一个点相邻的后一个点的高程值,为单个网格内前一个点的方差值,/>为单个网格内后一个点的方差值,hp为激光雷达点云数据中单个点的高程值,/>为激光雷达点云数据中单个点的方差值。假设一个网格中有N个点,将每个网格中的第一个点的高程值和方差作为网格的高程值和方差的初始值,用上述公式遍历网格内每一个点进行计算,最后经过计算N次可得到该网格的高程值和方差,利用卡尔曼滤波器对网格的高程值进行更新,能够更好的代表该网格内的点云高程特征。
在一个实施例中,上述步骤104还可以通过以下方式实现:根据预设的置信区间确定边界方差系数,并根据边界方差系数和每个网格的方差值的乘积,得到每个网格的边界方差值;根据每个网格的高程值和边界方差值之和,得到每个网格的上边界高程值;根据每个网格的高程值和边界方差值之差,得到每个网格的下边界高程值;根据上边界高程值与下边界高程值之差确定单个网格的平整度。
在上述实施例中,预设的置信区间优选为95%,选取在95%的置信区间内的最大高度值和最小高度值作为当前网格中点云高程值分布的上下界,确定边界方差系数后根据边界方差系数和每个网格的方差值的乘积,得到每个网格的边界方差值,在通过网格的高程值与边界方差值之间的运算得到网格的上边界高程值和下边界高程值,计算公式为:
hmax=h+2*δ
hmin=h-2*δ
其中,hmax为网格高程值中的最大值,hmin为网格高程值中的最小值,边界方差系数取为2,完成计算之后每个网格的高程值有95%的概率是在计算的上下边界内,通过设定置信区间更能减少异常点和噪点对计算结果的影响。根据求得目标检测区域的每个网格的上边界高程值和下边界高程值,对目标检测区域的每个网格的平整度检测值进行计算,依据公式:
Δh=hmax-hmin
其中,Δh为目标检测区域的每个网格的平整度检测值,通过最基本的将上边界高程值与下边界高程值作差运算,计算获得的最大高程差,作为当前所在目标检测区域的网格平整度数值,平整度数值越大代表检测网格内的路面越颠簸,平整度数值越大代表检测网格内的路面越平缓,当使用场景为无人驾驶的情况下,矿车获取目标检测区域的每个网格的平整度检测值,并根据平整度检测值的大小作出判断,规划行驶路线;当使用场景为有人驾驶的情况下,驾驶人员能够根据平整度检测值自行决定行驶路线,规避颠簸路面。在矿区作业等复杂路面的情况下,矿车等工程车辆利用平整度检测值可以更加精准的判别路面的情况。
具体的,作为图1所示方法的具体实现,本实施例提供了一种路面平整度的检测装置,如图2所示,该装置包括:区域构建模块21、数据映射模块22、数据计算模块23和结果输出模块24。
区域构建模块21,可用于基于激光雷达的目标检测区域构建包括多个预设尺寸的网格的网格高程图;
数据映射模块22,可用于将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;
数据计算模块23,可用于遍历单个网格内所有点的高程值和方差值,估计单个网格的高程值和方差值;
结果输出模块24,可用于根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。
在具体的应用场景中,区域构建模块21,具体可用于以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;从车头向前延伸第二预设距离构建第二延伸区域,其中,第二预设距离大于第一预设距离;将第一延伸区域和第二延伸区域的交集作为目标检测区域。
在具体的应用场景中,数据映射模块22,具体可用于应用组合惯导获取车体后轴中心的定位信息,并根据定位信息确定车体坐标系到全局坐标系的转换矩阵;获取激光雷达和车体后轴中心之间的外参,并根据外参确定激光雷达坐标系到车体坐标系的转换矩阵;根据激光雷达坐标系到车体坐标系的转换矩阵以及车体坐标系到全局坐标系的转换矩阵,确定激光雷达坐标系到全局坐标系的转换矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵确定激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;根据激光雷达坐标系到全局坐标系的转换矩阵、激光雷达采集的点云数据和组合惯导采集的定位信息确定每个点的高程值;根据激光雷达的雅可比矩阵和激光雷达的协方差矩阵确定每个点的方差值。
在具体的应用场景中,数据计算模块22,具体可用于应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
在具体的应用场景中,卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中之一。
在具体的应用场景中,网格构建模块23,具体还用于应用卡尔曼滤波器构建下述公式以计算单个网格的高程值和方差值:
/>
其中,h-为单个网格内前一个点的高程值,h+为单个网格内与前一个点相邻的后一个点的高程值,为单个网格内前一个点的方差值,/>为单个网格内后一个点的方差值,hp为激光雷达点云数据中单个点的高程值,/>为激光雷达点云数据中单个点的方差值;假设单个网格中有N个点,将单个网格中的第一个点的高程值和方差作为单个网格的高程值和方差的初始值,用上述公式遍历单个网格内每一个点,迭代N次后得到单个网格的高程值和方差值,N为大于等于1的正整数。
在具体的应用场景中,结果输出模块24,具体可用于根据预设的置信区间确定边界方差系数,并根据边界方差系数和每个网格的方差值的乘积,得到每个网格的边界方差值;根据每个网格的高程值和边界方差值之和,得到每个网格的上边界高程值;根据每个网格的高程值和边界方差值之差,得到每个网格的下边界高程值;根据上边界高程值与下边界高程值之差确定单个网格的平整度。
需要说明的是,本实施例提供的一种路面平整度的检测装置所涉及各功能单元的其它相应描述,可以参考图1中的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,如图3所示,本实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1所示的矿区路面平整度的检测方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该待识别软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)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场景的方法。
基于上述如图1所示的方法,为了实现上述目的,如图4所示本实施例还提供了一种矿区路面平整度的检测的实体设备,具体可以为个人计算机、服务器、智能手机、平板电脑、智能手表、或者其它网络设备等,该实体设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1所示的方法。
可选的,该实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
基于上述如图1所示方法,相应的,本申请实施例提供的一种芯片的结构示意图,如图5所示,芯片500包括一个或两个以上(包括两个)处理器510和通信接口530。通信接口530和至少一个处理器510耦合,至少一个处理器510用于运行计算机程序或指令,以实现如上述的矿区平面度的检测方法。
优选地,存储器540存储了如下的元素:可执行模块或者数据结构,或者他们的子集,或者他们的扩展集。
本申请实施例中,存储器540可以包括只读存储器和随机存取存储器,并向处理器510提供指令和数据。存储器540的一部分还可以包括非易失性随机存取存储器(non-volatile random access memory,NVRAM)。
本申请实施例中,存储器540、通信接口530以及存储器540通过总线***520耦合在一起。其中,总线***520除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。为了便于描述,在图5中将各种总线都标为总线***520。
上述本申请实施例描述的方法可以应用于处理器510中,或者由处理器510实现。处理器510可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器510中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器510可以是通用处理器(例如,微处理器或常规处理器)、数字信号处理器(digitalsignal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门、晶体管逻辑器件或分立硬件组件,处理器510可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。
图6为本发明实施例提供的一种终端的结构示意图,终端600包括如上述的矿区路面平整度的检测装置100。
上述终端600可以通过矿区路面平整度的检测装置100执行上述实施例所描述的方法。可以理解,终端600对矿区路面平整度的检测装置100进行控制的实现方式,可以根据实际应用场景设定,本申请实施例不作具体限定。
终端600包括但不限于:车辆、车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或车载摄像头等其他传感器,车辆可通过该车载终端、车载控制器、车载模块、车载模组、车载部件、车载芯片、车载单元、车载雷达或摄像头,实施本申请提供的方法。
本领域技术人员可以理解,本实施例提供的一种矿区路面平整度的检测的实体设备结构并不构成对该实体设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作***、网络通信模块。操作***是管理上述实体设备硬件和待识别软件资源的程序,支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。通过应用本申请的技术方案,首先基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;其次将激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;然后遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值;最后根据单个网格的高程值和方差值确定单个网格中点云高程值分布的上下边界,并根据上下边界确定单个网格的平整度。上述方法通过选取目标检测区域,可以提高路面平整度的检测速度,通过建立网格高程图,并计算单个网格的高程值和方差值,以确定单个网格的点云高程值分布的上下边界,进而判别单个网格的平整度情况,可以有效的优化目标检测区域各网格内的点云高程特征,从而提高路面平整度检测的准确度。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (14)
1.一种矿区路面平整度的检测方法,其特征在于,所述方法包括:
基于激光雷达的目标检测区域构建包括多个预设尺寸网格的网格高程图;
将所述激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;
遍历单个网格内所有点的高程值和方差值,计算所述单个网格的高程值和方差值;
根据所述单个网格的高程值和方差值确定所述单个网格中点云高程值分布的上下边界,并根据所述上下边界确定所述单个网格的平整度;
所述目标检测区域包括:
以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;
从车头向前延伸第二预设距离构建第二延伸区域,其中,所述第二预设距离大于所述第一预设距离;
将所述第一延伸区域和所述第二延伸区域的交集作为所述目标检测区域;
所述获取每个点的高程值和方差值包括:
应用组合惯导获取车体后轴中心的定位信息,并根据所述定位信息确定车体坐标系到全局坐标系的转换矩阵;
获取激光雷达和车体后轴中心之间的外参,并根据所述外参确定激光雷达坐标系到所述车体坐标系的转换矩阵;
根据所述激光雷达坐标系到所述车体坐标系的转换矩阵以及所述车体坐标系到所述全局坐标系的转换矩阵,确定所述激光雷达坐标系到所述全局坐标系的转换矩阵;
根据所述激光雷达坐标系到所述全局坐标系的转换矩阵确定所述激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;
根据所述激光雷达坐标系到所述全局坐标系的转换矩阵、所述激光雷达采集的点云数据和所述组合惯导采集的定位信息确定每个点的高程值;
根据所述激光雷达的雅可比矩阵和所述激光雷达的协方差矩阵确定每个点的方差值。
2.根据权利要求1所述的方法,其特征在于,所述遍历单个网格内所有点的高程值和方差值,计算所述单个网格的高程值和方差值包括:
应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算所述单个网格的高程值和方差值。
3.根据权利要求2所述的方法,其特征在于,所述卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中一种。
4.根据权利要求3所述的方法,其特征在于,所述应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算所述单个网格的高程值和方差值包括:
应用卡尔曼滤波器构建下述公式以计算所述单个网格的高程值和方差值:
其中,h-为所述单个网格内前一个点的高程值,h+为所述单个网格内与所述前一个点相邻的后一个点的高程值,为所述单个网格内所述前一个点的方差值,/>为所述单个网格内所述后一个点的方差值,hp为所述激光雷达点云数据中单个点的高程值,/>为所述激光雷达点云数据中单个点的方差值;
假设所述单个网格中有N个点,将所述单个网格中的第一个点的高程值和方差作为所述单个网格的高程值和方差的初始值,用上述公式遍历所述单个网格内每一个点,迭代N次后得到所述单个网格的高程值和方差值,N为大于等于1的正整数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述单个网格的高程值和方差值确定所述单个网格中点云高程值分布的上下边界,并根据所述上下边界确定所述单个网格的平整度包括:
根据预设的置信区间确定边界方差系数,并根据所述边界方差系数和每个所述网格的方差值的乘积,得到每个所述网格的边界方差值;
根据每个所述网格的高程值和边界方差值之和,得到每个所述网格的上边界高程值;
根据每个所述网格的高程值和边界方差值之差,得到每个所述网格的下边界高程值;
根据所述上边界高程值与所述下边界高程值之差确定所述单个网格的平整度。
6.一种矿区路面平整度的检测装置,其特征在于,所述装置包括:
区域构建模块,用于基于激光雷达的目标检测区域构建包括多个预设尺寸的网格的网格高程图;
数据映射模块,用于将所述激光雷达采集的点云数据中的点映射到相应的网格中,并获取每个点的高程值和方差值;
数据计算模块,用于遍历单个网格内所有点的高程值和方差值,计算所述单个网格的高程值和方差值;
结果输出模块,用于根据所述单个网格的高程值和方差值确定所述单个网格中点云高程值分布的上下边界,并根据所述上下边界确定所述单个网格的平整度;
所述区域构建模块具体用于:
以车体后轴中心为中心向左右各延伸第一预设距离构建第一延伸区域;
从车头向前延伸第二预设距离构建第二延伸区域,其中,所述第二预设距离大于所述第一预设距离;
将所述第一延伸区域和所述第二延伸区域的交集作为所述目标检测区域;
所述数据映射模块具体用于:
应用组合惯导获取车体后轴中心的定位信息,并根据所述定位信息确定车体坐标系到全局坐标系的转换矩阵;
获取激光雷达和车体后轴中心之间的外参,并根据所述外参确定激光雷达坐标系到所述车体坐标系的转换矩阵;
根据所述激光雷达坐标系到所述车体坐标系的转换矩阵以及所述车体坐标系到所述全局坐标系的转换矩阵,确定所述激光雷达坐标系到所述全局坐标系的转换矩阵;
根据所述激光雷达坐标系到所述全局坐标系的转换矩阵确定所述激光雷达的雅可比矩阵,并根据激光雷达传感器模型确定激光雷达的协方差矩阵;
根据所述激光雷达坐标系到所述全局坐标系的转换矩阵、所述激光雷达采集的点云数据和所述组合惯导采集的定位信息确定每个点的高程值;
根据所述激光雷达的雅可比矩阵和所述激光雷达的协方差矩阵确定每个点的方差值。
7.根据权利要求6所述的装置,其特征在于,所述数据计算模块具体用于:
应用卡尔曼滤波器遍历单个网格内所有点的高程值和方差值,计算单个网格的高程值和方差值。
8.根据权利要求7所述的装置,其特征在于,所述卡尔曼滤波器为一维卡尔曼滤波器、二维卡尔曼滤波器和三维卡尔曼滤波器的其中一种。
9.根据权利要求8所述的装置,其特征在于,所述数据计算模块具体还用于:
应用卡尔曼滤波器构建下述公式以计算所述单个网格的高程值和方差值:
其中,h-为所述单个网格内前一个点的高程值,h+为所述单个网格内与所述前一个点相邻的后一个点的高程值,为所述单个网格内所述前一个点的方差值,/>为所述单个网格内所述后一个点的方差值,hp为所述激光雷达点云数据中单个点的高程值,/>为所述激光雷达点云数据中单个点的方差值;
假设所述单个网格中有N个点,将所述单个网格中的第一个点的高程值和方差作为所述单个网格的高程值和方差的初始值,用上述公式遍历所述单个网格内每一个点,迭代N次后得到所述单个网格的高程值和方差值,N为大于等于1的正整数。
10.根据权利要求6所述的装置,其特征在于,所述结果输出模块具体用于:
根据预设的置信区间确定边界方差系数,并根据所述边界方差系数和每个所述网格的方差值的乘积,得到每个所述网格的边界方差值;
根据每个所述网格的高程值和边界方差值之和,得到每个所述网格的上边界高程值;
根据每个所述网格的高程值和边界方差值之差,得到每个所述网格的下边界高程值;
根据所述上边界高程值与所述下边界高程值之差确定所述单个网格的平整度。
11.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
12.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
13.一种芯片,其特征在于,所述芯片包括至少一个处理器和通信接口,所述通信接口和所述至少一个处理器耦合,所述至少一个处理器用于运行计算机程序或指令,以实现如权利要求1至5中任一项所述的矿区路面平整度的检测方法。
14.一种终端,其特征在于,所述终端包括如权利要求6至10中任一项所述的矿区路面平整度的检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111543586.2A CN114322856B (zh) | 2021-12-16 | 2021-12-16 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111543586.2A CN114322856B (zh) | 2021-12-16 | 2021-12-16 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114322856A CN114322856A (zh) | 2022-04-12 |
CN114322856B true CN114322856B (zh) | 2023-09-15 |
Family
ID=81052174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111543586.2A Active CN114322856B (zh) | 2021-12-16 | 2021-12-16 | 矿区路面平整度的检测方法、装置、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114322856B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115287984B (zh) * | 2022-07-07 | 2023-09-26 | 同济大学 | 基于星载InSAR的道面平整度评价方法及*** |
CN115841766B (zh) * | 2023-02-22 | 2023-07-04 | 青岛慧拓智能机器有限公司 | 一种矿区作业区域停靠点车位推荐方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2402037C1 (ru) * | 2009-02-18 | 2010-10-20 | Валерий Георгиевич Бондарев | Способ определения неровностей поверхности автодороги и устройство для его осуществления |
CN104359430A (zh) * | 2014-10-14 | 2015-02-18 | 华南农业大学 | 一种基于激光测距的动态水田平整度检测装置及方法 |
US9110170B1 (en) * | 2014-08-29 | 2015-08-18 | Raytheon Company | Terrain aided navigation using multi-channel monopulse radar imaging |
CN110084116A (zh) * | 2019-03-22 | 2019-08-02 | 深圳市速腾聚创科技有限公司 | 路面检测方法、装置、计算机设备和存储介质 |
CN110207721A (zh) * | 2019-06-06 | 2019-09-06 | 哈尔滨工程大学 | 一种考虑残差分布的无效地形匹配结果识别方法 |
CN110221616A (zh) * | 2019-06-25 | 2019-09-10 | 清华大学苏州汽车研究院(吴江) | 一种地图生成的方法、装置、设备及介质 |
CN110795978A (zh) * | 2019-04-29 | 2020-02-14 | 当家移动绿色互联网技术集团有限公司 | 路面点云数据提取方法、装置、存储介质及电子设备 |
CN111021207A (zh) * | 2019-11-26 | 2020-04-17 | 东南大学 | 一种基于绝对高程的路面超薄层段落划分***及划分方法 |
CN111424499A (zh) * | 2020-04-01 | 2020-07-17 | 宁夏三聚阳光新能源科技有限公司 | 一种热塑道路整平施工自反馈智能压路设备 |
CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
CN112801022A (zh) * | 2021-02-09 | 2021-05-14 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 |
CN113050103A (zh) * | 2021-02-05 | 2021-06-29 | 上海擎朗智能科技有限公司 | 一种地面检测方法、装置、电子设备、***及介质 |
CN113496491A (zh) * | 2020-03-19 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的路面分割方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8332134B2 (en) * | 2008-04-24 | 2012-12-11 | GM Global Technology Operations LLC | Three-dimensional LIDAR-based clear path detection |
PL2418510T3 (pl) * | 2010-07-30 | 2014-07-31 | Eads Deutschland Gmbh | Sposób oceny powierzchni podłoża pod względem jego przydatności jako strefa lądowania lub powierzchnia kołowania dla statków powietrznych |
US10101454B2 (en) * | 2014-01-15 | 2018-10-16 | University of Pittsburgh—of the Commonwealth System of Higher Education | Pathway measurement devices, systems and methods |
CZ305470B6 (cs) * | 2014-07-15 | 2015-10-14 | R.O.G. S.R.O. | Způsob měření, zpracování a využívání dat digitálního modelu terénu pro objektivní hodnocení geometrických parametrů měřených objektů a měřící zařízení pro provádění uvedeného způsobu |
US10488188B2 (en) * | 2017-04-13 | 2019-11-26 | Fractilia, Llc | System and method for removing noise from roughness measurements |
US10648801B2 (en) * | 2017-04-13 | 2020-05-12 | Fractilia, Llc | System and method for generating and analyzing roughness measurements and their use for process monitoring and control |
-
2021
- 2021-12-16 CN CN202111543586.2A patent/CN114322856B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2402037C1 (ru) * | 2009-02-18 | 2010-10-20 | Валерий Георгиевич Бондарев | Способ определения неровностей поверхности автодороги и устройство для его осуществления |
US9110170B1 (en) * | 2014-08-29 | 2015-08-18 | Raytheon Company | Terrain aided navigation using multi-channel monopulse radar imaging |
CN104359430A (zh) * | 2014-10-14 | 2015-02-18 | 华南农业大学 | 一种基于激光测距的动态水田平整度检测装置及方法 |
CN110084116A (zh) * | 2019-03-22 | 2019-08-02 | 深圳市速腾聚创科技有限公司 | 路面检测方法、装置、计算机设备和存储介质 |
CN110795978A (zh) * | 2019-04-29 | 2020-02-14 | 当家移动绿色互联网技术集团有限公司 | 路面点云数据提取方法、装置、存储介质及电子设备 |
CN110207721A (zh) * | 2019-06-06 | 2019-09-06 | 哈尔滨工程大学 | 一种考虑残差分布的无效地形匹配结果识别方法 |
CN110221616A (zh) * | 2019-06-25 | 2019-09-10 | 清华大学苏州汽车研究院(吴江) | 一种地图生成的方法、装置、设备及介质 |
CN111021207A (zh) * | 2019-11-26 | 2020-04-17 | 东南大学 | 一种基于绝对高程的路面超薄层段落划分***及划分方法 |
CN113496491A (zh) * | 2020-03-19 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的路面分割方法及装置 |
CN111424499A (zh) * | 2020-04-01 | 2020-07-17 | 宁夏三聚阳光新能源科技有限公司 | 一种热塑道路整平施工自反馈智能压路设备 |
CN112051590A (zh) * | 2020-08-31 | 2020-12-08 | 广州文远知行科技有限公司 | 激光雷达与惯性测量单元的检测方法及相关装置 |
CN113050103A (zh) * | 2021-02-05 | 2021-06-29 | 上海擎朗智能科技有限公司 | 一种地面检测方法、装置、电子设备、***及介质 |
CN112801022A (zh) * | 2021-02-09 | 2021-05-14 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 |
Non-Patent Citations (3)
Title |
---|
一种车载激光扫描点云中路面坑槽自动提取方法;杨雷 等;测绘工程(第01期);70-75 * |
农田土地精细平整施工测量网格间距的适宜性分析;许迪 等;农业工程学报;21(第02期);51-55 * |
基于3D LiDAR的矿山无人驾驶车行驶边界检测;陈龙 等;《煤炭学报》;第45卷(第6期);2140-2146 * |
Also Published As
Publication number | Publication date |
---|---|
CN114322856A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
CN114322856B (zh) | 矿区路面平整度的检测方法、装置、存储介质及设备 | |
CN109215083B (zh) | 车载传感器的外部参数标定的方法和设备 | |
CN108216242B (zh) | 用于控制车辆的狭窄道路行驶的装置和方法 | |
CN110555884B (zh) | 一种车载双目相机的标定方法、装置及终端 | |
CN102248947B (zh) | 使用3-d激光测距仪的目标和车辆检测及跟踪 | |
CN111656136A (zh) | 使用激光雷达的车辆定位*** | |
WO2017119517A1 (ja) | 作業機械の制御システム、作業機械及び作業機械の制御方法 | |
US11255661B2 (en) | Columnar-object-state detection device, columnar-object-state detection method, and columnar-object-state detection processing program | |
CN104677361B (zh) | 一种综合定位的方法 | |
WO2018221455A1 (ja) | 更新装置、制御方法、プログラム及び記憶媒体 | |
JP2023153955A (ja) | 地図作成装置、制御方法、プログラム及び記憶媒体 | |
CN112815907B (zh) | 车辆涉水监测方法、装置、***、计算机设备和存储介质 | |
WO2022179094A1 (zh) | 车载激光雷达外参数联合标定方法、***、介质及设备 | |
CN110555885A (zh) | 一种车载相机的标定方法、装置及终端 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
CN114283070B (zh) | 融合无人机影像与激光点云的地形断面制作方法 | |
CN115063465A (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
CN113935904A (zh) | 激光里程计误差修正方法、***、存储介质及计算设备 | |
CN113376643A (zh) | 距离检测方法、装置及电子设备 | |
US10914840B2 (en) | Self position estimation apparatus | |
WO2019188704A1 (ja) | 自己位置推定装置、自己位置推定方法、プログラム及び記憶媒体 | |
US11747454B2 (en) | Granularity-flexible existence-based object detection | |
CN114399399B (zh) | 矿区车辆的卸载停靠方法、装置、计算机设备及存储介质 | |
CN105783873A (zh) | 目标物的测量方法、高精度地图生成方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |