CN116304142A - 点云数据获取方法、装置、设备及存储介质 - Google Patents
点云数据获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116304142A CN116304142A CN202310530740.5A CN202310530740A CN116304142A CN 116304142 A CN116304142 A CN 116304142A CN 202310530740 A CN202310530740 A CN 202310530740A CN 116304142 A CN116304142 A CN 116304142A
- Authority
- CN
- China
- Prior art keywords
- data
- range
- point
- lane line
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004927 fusion Effects 0.000 abstract description 24
- 230000008569 process Effects 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000002085 persistent effect Effects 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种点云数据获取方法、装置、设备及存储介质。该方法包括:在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;分别获取与所述车辆位置距离最小的、在所述两侧车道线的第一类数据点;分别获取与所述目标点距离最小的、在所述两侧车道线的第二类数据点;根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围;根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据。本申请提供的方案,能够准确地获取车辆和目标点之间的点云数据,减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
Description
技术领域
本申请涉及高精地图数据获取及处理技术领域,尤其涉及一种点云数据获取方法、装置、设备及存储介质。
背景技术
环境感知是自动驾驶的首要环节,是自动驾驶车辆能够安全行驶在路上的前提。传感器如摄像头、激光雷达等是自动驾驶车辆感知周围环境的主流手段。然而通过传感器来进行感知周围环境,在成本上存在着巨大的挑战。高精地图作为新兴的感知手段很好地弥补了传感器的成本过高的缺点。
相关技术为了提高高精地图相关数据的精度,在对视觉采集数据进行解算、制作过程中,通过匹配的点云数据对视觉采集数据的精度进行纠正,以使高精地图相关数据拥有更高精度。在进行视觉采集数据和点云数据的数据融合匹配过程中,需要精确地找到相关视觉图像所在道路的点云数据。
相关技术中,通过拓扑关系获取点云数据,但获取的点云数据有些并不匹配当前的场景,有些并没有所需要的数据内容,导致在数据融合匹配过程中产生很多无效计算,耗费大量计算时间,数据融合匹配的效率低下。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种点云数据获取方法、装置、设备及存储介质,能够准确地获取车辆和目标点之间的点云数据,减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
本申请第一方面提供一种点云数据获取方法,所述方法包括:
在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;
分别获取与所述车辆位置距离最小的、在所述两侧车道线的第一类数据点;
分别获取与所述目标点距离最小的、在所述两侧车道线的第二类数据点;
根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围;
根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据。
优选的,所述在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线,之前包括:如果所述车辆位置与所述目标点的第一距离小于或等于第一设定距离阈值,则将所述目标点周围距离为所述第一设定距离阈值的空间范围确定为所述设定车道线查询范围;或,
如果所述第一距离大于所述第一设定距离阈值,则将所述目标点周围距离为所述第一距离的空间范围确定为所述设定车道线查询范围。
优选的,所述在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线,包括:
在所述设定车道线查询范围的车道线数据中获取所述车辆位置所在的车道线;
在所述设定车道线查询范围的车道线数据中获取所述车辆位置所在的车道线的道路面;
在所述设定车道线查询范围的车道线数据中获取所述道路面的两侧车道线,其中所述两侧车道线包括车辆一侧的第一侧车道线、车辆另一侧的第二侧车道线。
优选的,所述第一类数据点包括第一数据点、第二数据点;所述第二类数据点包括第三数据点、第四数据点;
所述分别获取与所述车辆位置距离最小的、在所述两侧车道线的第一类数据点,包括:获取与所述车辆位置距离最小的、在所述第一侧车道线的所述第一数据点,以及获取与所述车辆位置距离最小的、在所述第二侧车道线的所述第二数据点;
所述分别获取与所述目标点距离最小的、在所述两侧车道线的第二类数据点,包括:获取与所述目标点距离最小的、在所述第一侧车道线的所述第三数据点,以及获取与所述目标点距离最小的、在所述第二侧车道线的所述第四数据点。
优选的,所述根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围,包括:根据所述第一数据点、所述第二数据点、所述第三数据点和所述第四数据点,以及所述第一侧车道线和所述第二侧车道线,获得查询区域范围。
优选的,所述根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围,包括:以所述第一数据点、所述第二数据点和所述车辆位置所在的横截面为起始横截面,以所述第三数据点、所述第四数据点和所述目标点所在的横截面为截止横截面,将所述起始横截面、所述截止横截面、所述第一侧车道线和所述第二侧车道线围成的空间范围确定为查询区域范围。
优选的,所述根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据,之前包括:如果所述车辆位置与所述目标点的第一距离小于或等于第二设定距离阈值,将所述目标点周围距离为所述第二设定距离阈值的空间范围确定为所述设定点云数据查询范围;或,
如果所述第一距离大于所述第二设定距离阈值,将所述目标点周围距离为所述第一距离的空间范围确定为所述设定点云数据查询范围。
本申请第二方面提供一种点云数据获取装置,所述装置包括:
车道线获取模块,用于在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;
数据点获取模块,用于分别获取与所述车辆位置距离最小的、在所述车道线获取模块获取的两侧车道线的第一类数据点,以及分别获取与所述目标点距离最小的、在所述车道线获取模块获取的两侧车道线的第二类数据点;
范围获取模块,用于根据所述数据点获取模块获取的第一类数据点、所述第二类数据点,以及所述车道线获取模块获取的两侧车道线,获得查询区域范围;
数据获取模块,用于根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据。
本申请第三方面提供一种电子设备,包括:处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请第四方面提供一种计算机可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:
本申请的技术方案,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点;分别获取与目标点距离最小的、在两侧车道线的第二类数据点;根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围;根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据;能够准确地获取车辆和目标点之间的点云数据,将获取的点云数据应用于视觉数据和点云数据的融合匹配,能够减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的点云数据获取方法的流程示意图;
图2是本申请实施例示出的点云数据获取方法的另一流程示意图;
图3是本申请实施例示出的点云数据获取装置的结构示意图;
图4是本申请实施例示出的点云数据获取装置的另一结构示意图;
图5是本申请实施例示出的电子设备的结构示意图;
图6是本申请实施例示出的点云数据获取方法的效果示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本申请实施例提供一种点云数据获取方法,能够准确地获取车辆和目标点之间的点云数据,减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
本申请实施例中的车辆可以是数据采集车辆,数据采集车辆搭载至少一个激光雷达、至少一个摄像设备,激光雷达用于采集数据采集车辆行驶区域的道路场景的点云数据,摄像设备用于采集数据采集车辆行驶区域的道路场景的图像帧,激光雷达和摄像设备是同步的,通过摄像设备获得的图像帧可以与激光雷达获得的点云数据帧是一一对应的,即一帧图像帧对应一帧点云数据帧,亦可以是一对多即一帧图像帧对应多帧点云数据帧。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的点云数据获取方法的流程示意图。
参见图1,一种点云数据获取方法,包括:
在步骤101中,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线。
在一实施例中,目标点是对视频流中图像进行解算过程中与目标匹配的匹配点,可以通过对视频流中图像的解算,获得图像中的目标点以及目标点的目标点位置。例如,通过对视频流中图像的解算,获得图像中的信号灯以及信号灯的信号灯位置。
在一实施例中,可以根据目标点周围的设定车道线查询范围,获得设定车道线查询范围的车道线数据;根据车辆位置,在设定车道线查询范围的车道线数据中获得车辆位置所在的道路面的两侧车道线,两侧车道线可以是车辆位置所在的道路面两侧的最外侧车道线。
在步骤102中,分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点。
在一实施例中,可以根据车辆位置与两侧车道线各数据点的距离,获得与车辆位置距离最小的、在两侧车道线的第一类数据点。
在步骤103中,分别获取与目标点距离最小的、在两侧车道线的第二类数据点。
在一实施例中,可以根据目标点与两侧车道线各数据点的距离,获得与目标点距离最小的、在两侧车道线的第二类数据点。
在步骤104中,根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围。
在一实施例中,可以根据第一类数据点和车辆位置获得一个截面,根据第二类数据点和目标点获得另一个截面,根据两个截面和两侧车道线获得一个空间范围,将该空间范围确定为查询区域范围。
在步骤105中,根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据。
在一实施例中,可以将目标点周围的设定空间范围设定为设定点云数据查询范围,获得设定点云数据查询范围与查询区域范围的交集范围,获取该交集范围的点云数据。
本申请实施例的点云数据获取方法,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点;分别获取与目标点距离最小的、在两侧车道线的第二类数据点;根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围;根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据;能够准确地获取车辆和目标点之间的点云数据,将获取的点云数据应用于视觉数据和点云数据的融合匹配,能够减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
图2是本申请实施例示出的点云数据获取方法的另一流程示意图。图2相对于图1更详细描述了本申请的方案。
参见图2,一种点云数据获取方法,包括:
在步骤201中,获取车辆位置与目标点的第一距离。
在一实施例中,可以通过车辆的车载相机等摄像设备对道路进行拍摄,获得道路的视频流,从视频流提取图像;通过视频流中的图像获得道路上的目标,道路上的目标包括但不限于道路的车道线、标线、标志、路牌、信号灯等。
在一实施例中,目标点是对视频流中图像进行解算过程中与目标匹配的匹配点,可以通过对视频流中图像的解算,获得图像中的目标点以及目标点的位置。例如,通过对视频流中图像的解算,获得图像中的信号灯以及信号灯的位置。
在一实施例中,在车辆的车载相机等摄像设备对道路进行拍摄视频的同时,车辆的车载雷达(例如,激光雷达)同步采集与视频中图像对应的道路的点云数据
在一实施例中,可以通过车辆的定位***例如GPS获取车辆的车辆位置。车辆位置和目标点的位置可以用经纬度坐标表示。在一些实施例中,可以根据车辆位置的经纬度坐标和目标点位置的经纬度坐标,计算车辆位置与目标点之间的第一距离。
在步骤202中,根据车辆位置与目标点的第一距离,获取目标点的设定车道线查询范围的车道线数据。
在一实施例中,可以根据车辆位置与目标点的第一距离与第一设定距离阈值的大小关系,确定设定车道线查询范围。在一些实施例中,可以判断车辆位置与目标点的第一距离是否大于第一设定距离阈值;如果车辆位置与目标点的第一距离小于或等于第一设定距离阈值,则根据第一设定距离阈值确定设定车道线查询范围,可以将目标点周围距离为第一设定距离阈值的空间范围确定为设定车道线查询范围;或者,如果车辆位置与目标点的第一距离大于第一设定距离阈值,则根据车辆位置与目标点的第一距离确定设定车道线查询范围,可以将目标点周围距离为第一距离的空间范围确定为设定车道线查询范围。
在一实施例中,可以根据设定车道线查询范围,获取目标点周围的设定车道线查询范围的车道线数据。本申请实施例的车道线可以是车道的车道边界线。
在一实施例中,第一设定距离阈值可以取值100米,或者可以取值小于100米。
在一具体实施例中,第一设定距离阈值取值为100米。可以根据车辆位置与目标点的第一距离与100米的大小关系,确定设定车道线查询范围。在一些实施例中,可以判断车辆位置与目标点的第一距离是否大于100米;如果车辆位置与目标点的第一距离小于或等于100米,则根据100米确定设定车道线查询范围,可以将目标点周围距离为100米的空间范围确定为设定车道线查询范围;或者,如果车辆位置与目标点的第一距离大于100米,则根据车辆位置与目标点的第一距离确定设定车道线查询范围,可以将目标点周围距离为第一距离的空间范围确定为设定车道线查询范围。
在步骤203中,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线。
在一实施例中,可以根据车辆位置的经纬度坐标,在目标点的设定车道线查询范围的车道线数据中获取车辆位置所在的车道线;在设定车道线查询范围的车道线数据中获取车辆位置所在的车道线的道路面;在设定车道线查询范围的车道线数据中获取该道路面的两侧车道线,其中两侧车道线包括车辆一侧的第一侧车道线、车辆另一侧的第二侧车道线。
在一实施例中,可以根据车辆位置的经纬度坐标,获得车辆位置与设定车道线查询范围的车道线数据中车辆左右两侧车道线的距离;将与车辆位置距离最小对应的车辆左右两侧的车道线,确定为车辆位置在设定车道线查询范围的车道线数据中的车道线;根据车辆位置在设定车道线查询范围的车道线数据中的车道线,确定车辆位置所在的道路面;根据车辆位置所在的车道线的道路面,在设定车道线查询范围的车道线数据中获取该道路面的两侧车道线,该道路面的两侧车道线可以包括车辆一侧的第一侧车道线、车辆另一侧的第二侧车道线。
在一实施例中,车辆位置所在的车道线的道路面的两侧车道线可以是该道路面的两侧最外侧车道线,该道路面的两侧最外侧车道线包括车辆左侧的左侧最外侧车道线、车辆右侧的右侧最外侧车道线,第一侧车道线可以是车辆左侧的左侧最外侧车道线,第二侧车道线可以是车辆右侧的右侧最外侧车道线。
在一实施例中,当车辆在高架桥、盘桥、或路口等道路时,根据设定车道线查询范围的车道线数据获得的车道线,可能是多段不连续的分段车道线。可以对设定车道线查询范围的车道线数据中的多段分段车道线进行相交判断;将多段分段车道线连接为连续的整体的车道线。在一些实施例中,可以采用插值或曲线方程等方式,延长相邻分段车道线的一端或两端,使相邻分段车道线相交于一个共同的数据点,将相邻分段车道线连接为连续的整体的车道线,使得车辆位置所在的车道线的道路面的两侧车道线都是连续的整体的车道线;可以根据车辆位置所在的车道线的道路面,获取该道路面在设定车道线查询范围的连续的整体的两侧车道线。
在步骤204中,分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点。
在一实施例中,第一类数据点包括第一数据点、第二数据点。在一些实施例中,可以根据车辆位置的经纬度坐标,获取车辆位置与第一侧车道线和第二侧车道线的各个数据点的距离;获取与车辆位置距离最小的、在第一侧车道线的第一数据点,以及获取与车辆位置距离最小的、在第二侧车道线的第二数据点。
在一实施例中,可以根据车辆位置的经纬度坐标,获取车辆位置与左侧最外侧车道线的各个数据点的距离;获取与车辆位置距离最小的、在左侧最外侧车道线的第一数据点;可以根据车辆位置的经纬度坐标,获取车辆位置与右侧最外侧车道线的各个数据点的距离;获取与车辆位置距离最小的、在右侧最外侧车道线的第二数据点。
在步骤205中,分别获取与目标点距离最小的、在两侧车道线的第二类数据点。
在一实施例中,第二类数据点包括第三数据点、第四数据点。在一些实施例中,可以根据目标点的经纬度坐标,获取目标点与第一侧车道线和第二侧车道线的各个数据点的距离;获取与目标点距离最小的、在第一侧车道线的第三数据点,以及获取与目标点距离最小的、在第二侧车道线的第四数据点。
在一实施例中,可以根据目标点的经纬度坐标,获取目标点与左侧最外侧车道线的各个数据点的距离;获取与目标点距离最小的、在左侧最外侧车道线的第三数据点;可以根据目标点的经纬度坐标,获取目标点与右侧最外侧车道线的各个数据点的距离;获取与目标点距离最小的、在右侧最外侧车道线的第四数据点。
在步骤206中,根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围。
在一实施例中,可以根据第一数据点、第二数据点、第三数据点和第四数据点,以及第一侧车道线和第二侧车道线,获得查询区域范围。在一些实施例中,可以根据第一数据点和第二数据点的连线、第三数据点和第四数据点的连线、左侧最外侧车道线和右侧最外侧车道线,围合成一个以第一数据点、第二数据点、第三数据点和第四数据点为顶点的四边形的空间范围,将该空间范围确定为查询区域范围。
在一实施例中,可以以第一数据点、第二数据点和车辆位置所在的横截面为起始横截面,以第三数据点、第四数据点和目标点所在的横截面为截止横截面,将起始横截面、截止横截面、第一侧车道线和第二侧车道线围成的空间范围确定为查询区域范围。在一些实施例中,可以根据第一数据点、第二数据点和车辆位置所在的横截面,以该横截面为起始横截面;将起始横截面向目标点方向,以第三数据点、第四数据点和目标点所在的横截面为截止横截面,获得起始横截面、截止横截面、左侧最外侧车道线和右侧最外侧车道线围成的空间范围,将该空间范围确定为查询区域范围。
在步骤207中,根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据。
在一实施例中,可以根据目标点的设定点云数据查询范围和查询区域范围,获得设定点云数据查询范围和查询区域范围两者的交集范围,获得该交集范围的点云数据。
在一实施例中,可以根据车辆位置与目标点的第一距离与第二设定距离阈值的大小关系,确定设定点云数据查询范围。在一些实施例中,可以判断车辆位置与目标点的第一距离是否大于第二设定距离阈值;如果车辆位置与目标点的第一距离小于或等于第二设定距离阈值,将目标点周围距离为第二设定距离阈值的空间范围确定为设定点云数据查询范围;或,如果第一距离大于第二设定距离阈值,将目标点周围距离为第一距离的空间范围确定为设定点云数据查询范围。
在一具体实施例中,第二设定距离阈值可以取值为50米。可以根据车辆位置与目标点的第一距离与50米的大小关系,确定设定点云数据查询范围。在一些实施例中,可以判断车辆位置与目标点的第一距离是否大于50米;如果车辆位置与目标点的第一距离小于或等于50米,则根据50米确定设定点云数据查询范围,可以将目标点周围距离为50米的空间范围确定为设定点云数据查询范围;或者,如果车辆位置与目标点的第一距离大于50米,则根据车辆位置与目标点的第一距离确定设定点云数据查询范围,可以将目标点周围距离为第一距离的空间范围确定为设定点云数据查询范围。
在一具体实施例中,如图6所示,可以获取车辆位置601与目标点602;根据车辆位置601与目标点602的第一距离,获取目标点602的设定车道线查询范围的车道线数据;在目标点602的设定车道线查询范围,获取车辆位置601所在的道路面的左侧最外侧车道线603和右侧最外侧车道线604;根据车辆位置601的经纬度坐标,获取与车辆位置601距离最小的、在左侧最外侧车道线603的第一数据点,获取与车辆位置601距离最小的、在右侧最外侧车道线604的第二数据点;根据目标点602的经纬度坐标,获取与目标点602距离最小的、在左侧最外侧车道线603的第三数据点,获取与目标点602距离最小的、在右侧最外侧车道线604的第四数据点;以第一数据点、第二数据点和车辆位置601所在的横截面为起始横截面;将起始横截面向目标点602方向,以第三数据点、第四数据点和目标点602所在的横截面为截止横截面,将起始横截面、截止横截面、左侧最外侧车道线603和右侧最外侧车道线604围成的空间范围确定为查询区域范围;根据目标点602的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据(如包括但不限于区域605的点云数据)。
本申请实施例的点云数据获取方法,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点;分别获取与目标点距离最小的、在两侧车道线的第二类数据点;根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围;根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据;能够准确地获取车辆和目标点之间的点云数据,将获取的点云数据应用于视觉数据和点云数据的融合匹配,能够减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
进一步的,本申请实施例的点云数据获取方法,如果车辆位置与目标点的第一距离小于或等于第一设定距离阈值,则将目标点周围距离为第一设定距离阈值的空间范围确定为设定车道线查询范围;或,如果第一距离大于第一设定距离阈值,则将目标点周围距离为第一距离的空间范围确定为设定车道线查询范围;在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;在设定的设定车道线查询范围查询车道线,能够减小车道线的查询时间,提高车道线的查询效率,且能够获得准确地车道线,能够获取匹配目标场景的两侧车道线。
进一步的,本申请实施例的点云数据获取方法,如果车辆位置与目标点的第一距离小于或等于第二设定距离阈值,将目标点周围距离为第二设定距离阈值的空间范围确定为设定点云数据查询范围;或,如果第一距离大于第二设定距离阈值,将目标点周围距离为第一距离的空间范围确定为设定点云数据查询范围;根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据;获取设定点云数据查询范围与查询区域范围的交集范围的点云数据,能够减小点云数据的查询时间,提高点云数据的查询效率,且能够排除车辆和目标点之间的多余和不匹配的点云数据,能够准确地获取车辆和目标点之间的点云数据,获取匹配目标场景的点云数据,将获取的点云数据应用于视觉数据和点云数据的融合匹配,能够减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
与前述应用功能实现方法实施例相对应,本申请还提供了一种点云数据获取装置、电子设备及相应的实施例。
图3是本申请实施例示出的点云数据获取装置的结构示意图。
参见图3,一种点云数据获取装置,包括车道线获取模块301、数据点获取模块302、范围获取模块303、数据获取模块304。
车道线获取模块301,用于在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线。
数据点获取模块302,用于分别获取与车辆位置距离最小的、在车道线获取模块301获取的两侧车道线的第一类数据点,以及分别获取与目标点距离最小的、在车道线获取模块301获取的两侧车道线的第二类数据点。
范围获取模块303,用于根据数据点获取模块302获取的第一类数据点、第二类数据点,以及车道线获取模块301获取的两侧车道线,获得查询区域范围。
数据获取模块304,用于根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据。
本申请实施例的技术方案,在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;分别获取与车辆位置距离最小的、在两侧车道线的第一类数据点;分别获取与目标点距离最小的、在两侧车道线的第二类数据点;根据第一类数据点、第二类数据点,以及两侧车道线,获得查询区域范围;根据目标点的设定点云数据查询范围,获取设定点云数据查询范围与查询区域范围的交集范围的点云数据;能够准确地获取车辆和目标点之间的点云数据,将获取的点云数据应用于视觉数据和点云数据的融合匹配,能够减少数据融合匹配过程中的计算量,提升数据融合匹配的效率。
图4是本申请实施例示出的点云数据获取装置的另一结构示意图。
参见图4,一种点云数据获取装置,包括车道线获取模块301、数据点获取模块302、范围获取模块303、数据获取模块304、第一范围设定模块401、第二范围设定模块402。
第一范围设定模块401,用于如果车辆位置与目标点的第一距离小于或等于第一设定距离阈值,则将目标点周围距离为第一设定距离阈值的空间范围确定为设定车道线查询范围;或,如果第一距离大于第一设定距离阈值,则将目标点周围距离为第一距离的空间范围确定为设定车道线查询范围。
车道线获取模块301,还用于在设定车道线查询范围的车道线数据中获取车辆位置所在的车道线;在设定车道线查询范围的车道线数据中获取车辆位置所在的车道线的道路面;在设定车道线查询范围的车道线数据中获取道路面的两侧车道线,其中两侧车道线包括车辆一侧的第一侧车道线、车辆另一侧的第二侧车道线。
在一实施例中,第一类数据点包括第一数据点、第二数据点;第二类数据点包括第三数据点、第四数据点。数据点获取模块302,还用于获取与车辆位置距离最小的、在第一侧车道线的第一数据点,以及获取与车辆位置距离最小的、在第二侧车道线的第二数据点;获取与目标点距离最小的、在第一侧车道线的第三数据点,以及获取与目标点距离最小的、在第二侧车道线的第四数据点。
在一实施例中,范围获取模块303,还用于根据第一数据点、第二数据点、第三数据点和第四数据点,以及第一侧车道线和第二侧车道线,获得查询区域范围。
在一实施例中,范围获取模块303,还用于以第一数据点、第二数据点和车辆位置所在的横截面为起始横截面,以第三数据点、第四数据点和目标点所在的横截面为截止横截面,将起始横截面、截止横截面、第一侧车道线和第二侧车道线围成的空间范围确定为查询区域范围。
第二范围设定模块402,用于如果车辆位置与目标点的第一距离小于或等于第二设定距离阈值,将目标点周围距离为第二设定距离阈值的空间范围确定为设定点云数据查询范围;或,如果第一距离大于第二设定距离阈值,将目标点周围距离为第一距离的空间范围确定为设定点云数据查询范围。
数据获取模块304,用于根据目标点的设定点云数据查询范围,获得设定点云数据查询范围与查询区域范围的交集范围,获取该交集范围的点云数据。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不再做详细阐述说明。
图5是本申请实施例示出的电子设备的结构示意图。
参见图5,电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元,例如***内存、只读存储器(ROM)和永久存储装置。其中,ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(例如DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码,当可执行代码被处理器1020处理时,可以使处理器1020执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质),其上存储有可执行代码(或计算机程序或计算机指令代码),当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种点云数据获取方法,其特征在于,包括:
在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;
分别获取与所述车辆位置距离最小的、在所述两侧车道线的第一类数据点;
分别获取与所述目标点距离最小的、在所述两侧车道线的第二类数据点;
根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围;
根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据。
2.根据权利要求1所述的方法,其特征在于,所述在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线,之前包括:
如果所述车辆位置与所述目标点的第一距离小于或等于第一设定距离阈值,则将所述目标点周围距离为所述第一设定距离阈值的空间范围确定为所述设定车道线查询范围;或,
如果所述第一距离大于所述第一设定距离阈值,则将所述目标点周围距离为所述第一距离的空间范围确定为所述设定车道线查询范围。
3.根据权利要求1所述的方法,其特征在于,所述在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线,包括:
在所述设定车道线查询范围的车道线数据中获取所述车辆位置所在的车道线;
在所述设定车道线查询范围的车道线数据中获取所述车辆位置所在的车道线的道路面;
在所述设定车道线查询范围的车道线数据中获取所述道路面的两侧车道线,其中所述两侧车道线包括车辆一侧的第一侧车道线、车辆另一侧的第二侧车道线。
4.根据权利要求3所述的方法,其特征在于,
所述第一类数据点包括第一数据点、第二数据点;
所述第二类数据点包括第三数据点、第四数据点;
所述分别获取与所述车辆位置距离最小的、在所述两侧车道线的第一类数据点,包括:获取与所述车辆位置距离最小的、在所述第一侧车道线的所述第一数据点,以及获取与所述车辆位置距离最小的、在所述第二侧车道线的所述第二数据点;
所述分别获取与所述目标点距离最小的、在所述两侧车道线的第二类数据点,包括:获取与所述目标点距离最小的、在所述第一侧车道线的所述第三数据点,以及获取与所述目标点距离最小的、在所述第二侧车道线的所述第四数据点。
5.根据权利要求4所述的方法,其特征在于,所述根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围,包括:根据所述第一数据点、所述第二数据点、所述第三数据点和所述第四数据点,以及所述第一侧车道线和所述第二侧车道线,获得查询区域范围。
6.根据权利要求4所述的方法,其特征在于,所述根据所述第一类数据点、所述第二类数据点,以及所述两侧车道线,获得查询区域范围,包括:以所述第一数据点、所述第二数据点和所述车辆位置所在的横截面为起始横截面,以所述第三数据点、所述第四数据点和所述目标点所在的横截面为截止横截面,将所述起始横截面、所述截止横截面、所述第一侧车道线和所述第二侧车道线围成的空间范围确定为查询区域范围。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据,之前包括:
如果所述车辆位置与所述目标点的第一距离小于或等于第二设定距离阈值,将所述目标点周围距离为所述第二设定距离阈值的空间范围确定为所述设定点云数据查询范围;或,
如果所述第一距离大于所述第二设定距离阈值,将所述目标点周围距离为所述第一距离的空间范围确定为所述设定点云数据查询范围。
8.一种点云数据获取装置,其特征在于,包括:
车道线获取模块,用于在目标点的设定车道线查询范围,获取车辆位置所在的道路面的两侧车道线;
数据点获取模块,用于分别获取与所述车辆位置距离最小的、在所述车道线获取模块获取的两侧车道线的第一类数据点,以及分别获取与所述目标点距离最小的、在所述车道线获取模块获取的两侧车道线的第二类数据点;
范围获取模块,用于根据所述数据点获取模块获取的第一类数据点、所述第二类数据点,以及所述车道线获取模块获取的两侧车道线,获得查询区域范围;
数据获取模块,用于根据所述目标点的设定点云数据查询范围,获取所述设定点云数据查询范围与所述查询区域范围的交集范围的点云数据。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于:其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310530740.5A CN116304142B (zh) | 2023-05-12 | 2023-05-12 | 点云数据获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310530740.5A CN116304142B (zh) | 2023-05-12 | 2023-05-12 | 点云数据获取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116304142A true CN116304142A (zh) | 2023-06-23 |
CN116304142B CN116304142B (zh) | 2023-08-08 |
Family
ID=86799894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310530740.5A Active CN116304142B (zh) | 2023-05-12 | 2023-05-12 | 点云数据获取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304142B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN111433780A (zh) * | 2018-11-29 | 2020-07-17 | 深圳市大疆创新科技有限公司 | 车道线检测方法、设备、计算机可读存储介质 |
CN111695379A (zh) * | 2019-03-13 | 2020-09-22 | 长沙智能驾驶研究院有限公司 | 基于立体视觉的地面分割方法、装置、车载设备及存储介质 |
CN112396650A (zh) * | 2020-03-30 | 2021-02-23 | 青岛慧拓智能机器有限公司 | 一种基于图像和激光雷达融合的目标测距***及方法 |
CN114241083A (zh) * | 2021-12-10 | 2022-03-25 | 北京赛目科技有限公司 | 一种车道线生成方法、装置、电子设备及存储介质 |
CN115049826A (zh) * | 2022-05-18 | 2022-09-13 | 洛伦兹(宁波)科技有限公司 | 车道线检测方法、装置及*** |
CN115100613A (zh) * | 2022-05-31 | 2022-09-23 | 吉林大学 | 一种基于激光雷达点云信息的车道线检测方法 |
CN115346183A (zh) * | 2022-08-11 | 2022-11-15 | 合众新能源汽车有限公司 | 一种车道线检测方法、终端及存储介质 |
US20230028484A1 (en) * | 2021-07-23 | 2023-01-26 | Embark Trucks, Inc. | Automatic extrinsic calibration using sensed data as a target |
-
2023
- 2023-05-12 CN CN202310530740.5A patent/CN116304142B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
CN111433780A (zh) * | 2018-11-29 | 2020-07-17 | 深圳市大疆创新科技有限公司 | 车道线检测方法、设备、计算机可读存储介质 |
CN111695379A (zh) * | 2019-03-13 | 2020-09-22 | 长沙智能驾驶研究院有限公司 | 基于立体视觉的地面分割方法、装置、车载设备及存储介质 |
CN112396650A (zh) * | 2020-03-30 | 2021-02-23 | 青岛慧拓智能机器有限公司 | 一种基于图像和激光雷达融合的目标测距***及方法 |
US20230028484A1 (en) * | 2021-07-23 | 2023-01-26 | Embark Trucks, Inc. | Automatic extrinsic calibration using sensed data as a target |
CN114241083A (zh) * | 2021-12-10 | 2022-03-25 | 北京赛目科技有限公司 | 一种车道线生成方法、装置、电子设备及存储介质 |
CN115049826A (zh) * | 2022-05-18 | 2022-09-13 | 洛伦兹(宁波)科技有限公司 | 车道线检测方法、装置及*** |
CN115100613A (zh) * | 2022-05-31 | 2022-09-23 | 吉林大学 | 一种基于激光雷达点云信息的车道线检测方法 |
CN115346183A (zh) * | 2022-08-11 | 2022-11-15 | 合众新能源汽车有限公司 | 一种车道线检测方法、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116304142B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114088114B (zh) | 车辆位姿校准方法、装置和电子设备 | |
CN115493602A (zh) | 语义地图构建方法、装置及电子设备、存储介质 | |
CN114279453B (zh) | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 | |
CN114463984B (zh) | 车辆轨迹显示方法及相关设备 | |
CN114894202A (zh) | 交通路口虚拟车道线的生成方法、装置及设备 | |
CN111930877A (zh) | 地图路牌的生成方法及电子设备 | |
CN113607159B (zh) | 高精地图车道线的优化方法、装置及设备 | |
CN112595335B (zh) | 一种智慧交通行车停止线的生成方法及相关装置 | |
CN113284194B (zh) | 多rs设备的标定方法、装置及设备 | |
CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
CN114114369A (zh) | 自动驾驶车辆定位方法和装置、电子设备和存储介质 | |
CN116304142B (zh) | 点云数据获取方法、装置、设备及存储介质 | |
CN113611120A (zh) | 车辆位置信息预测方法、装置及设备 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN113284193B (zh) | Rs设备的标定方法、装置及设备 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114863347A (zh) | 地图校验方法、装置及设备 | |
CN109309785A (zh) | 拍摄控制装置以及拍摄控制方法 | |
CN116027375B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN113538546B (zh) | 用于自动驾驶的目标检测方法、装置及设备 | |
CN116433771A (zh) | 视觉slam定位方法、装置、电子设备及可存储介质 | |
CN116089560B (zh) | 轨迹点赋值方法、装置、设备及存储介质 | |
CN117830549A (zh) | 生成3d地图的方法、装置、汽车和介质 | |
CN116630430A (zh) | 一种相机在线标定方法、装置和电子设备、存储介质 | |
CN116758184A (zh) | 斑马线框生成方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |