JP6561199B2 - レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 - Google Patents
レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 Download PDFInfo
- Publication number
- JP6561199B2 JP6561199B2 JP2018506153A JP2018506153A JP6561199B2 JP 6561199 B2 JP6561199 B2 JP 6561199B2 JP 2018506153 A JP2018506153 A JP 2018506153A JP 2018506153 A JP2018506153 A JP 2018506153A JP 6561199 B2 JP6561199 B2 JP 6561199B2
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- laser point
- laser
- road surface
- height
- 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
- 238000000034 method Methods 0.000 title claims description 81
- 238000012545 processing Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication 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
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
- G06T15/205—Image-based rendering
-
- 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
-
- 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
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
- G06V10/757—Matching configurations of points or features
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
- G06V20/39—Urban scenes
-
- 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
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Vascular Medicine (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
第1態様によれば、本開示の実施形態は、レーザ点群に基づく都市道路の認識方法を提供し、この方法は、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築するステップと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識するステップと、を含む。
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築する道沿いモデルユニットと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群にと基づいて対応する路面モデルを構築する路面モデルユニットと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去する点群除去ユニットと、
点群分割アルゴリズムによって残りのレーザ点群を分割する点群分割ユニットと、
前記点群分割ユニットの分割結果に対応する物体を認識する物体認識ユニットと、を備える。
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築するステップと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識するステップと、を含む。
1つ又は複数のプロセッサと、
メモリと、
前記メモリに記憶される1つ又は複数のプログラムと、を備えており、
前記1つ又は複数のプログラムが、前記1つ又は複数のプロセッサで実行される場合、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築し、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築し、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識する。
[第1実施例]
図1は、本開示の第1実施例に係るレーザ点群に基づく都市道路の認識方法のフロー概略図である。本実施例は、レーザ点群に基づいて都市道路に含まれる物体を認識する場合に適用することができる。図1に示されるように、本実施例に係るレーザ点群に基づく都市道路の認識方法は、具体的にS11〜S13を含む。
本実施例では、レーザセンサは、移動キャリアに設置されるレーザレーダーであってもよく、移動キャリアは、通常、車両であってもよく、レーザ点群は、移動キャリアが位置する環境の特徴点セットであってもよく、各特徴点の座標と反射率とを含み、当該反射率は0〜255の整数であってもよい。
本実施例では、路面は車両が走行するための道路表面を意味する。例示的に、疎な規則的な点群に回帰処理を行って移動キャリアの高さを取得し、移動キャリアの高さを回帰アルゴリズムの初期入力閾値として、各フレームの疎な規則的な点群に回帰処理を行って各フレームの疎な規則的な点群に対応する候補路面点群を取得して、連続的なマルチフレームの疎な規則的な点群に対応する候補路面点群をマージし、移動キャリアの走行軌跡の垂直方向に沿って1次元スプライン曲線フィッティングを行い、フィッティングして取得されたスプライン方程式パラメータを記憶し、レーザ点群に対応する路面モデルを取得する。
[第2実施例]
本実施例は、上記実施例を基礎として、道沿いモデル、路面モデルの構築方式を更に限定するレーザ点群に基づく新たな都市道路の認識方法を提供する。図2は、本開示の第2実施例に係るレーザ点群に基づく都市道路の認識方法のフロー概略図である。図2に示されるように、本実施例に係るレーザ点群に基づく都市道路の認識方法は、具体的にS21〜S23を含む。
オプションとして、レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップにおいては、具体的に、コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得するステップと、取得した道沿い角点に基づいて前記道沿いモデルを構築するステップと、を含む。
[第3実施例]
本実施例は、上記実施例を基礎として、点群分割方式を更に限定する別のレーザ点群に基づく都市道路の認識方法を提供する。図3は、本開示の第3実施例に係るレーザ点群に基づく都市道路の認識方法のフロー概略図である。図3に示されるように、本実施例に係るレーザ点群に基づく都市道路の認識方法は、具体的にS31〜S35を含む。
S32:前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築する。
例示的に、世界座標系における密な点群に対応する平均グリッドマップ(Mean Grid Map)、最小グリッドマップ(Min Grid Map)及び最大グリッドマップ(Max Grid Map)を作成し、閾値を選択して隣接グリッド間の勾配を特徴として無向グラフモデルを作成し、最大の2つの連通領域を取得し、最大の2つの連通領域を候補路面として候補路面近傍の路面グリッドを検索し、閾値を選択して路面グリッドにおける路面点群を取得して、これらの路面点群をフィルタリングし、即ち、密な点群における路面点群と道沿い点群とを除去する。
オプションとして、点群分割アルゴリズムによって残りのレーザ点群を分割するステップは、以下のA、B及びCを含む。
例示的に、残りのレーザ点群にオイラークラスタリングを行って、ほとんど分離した点群クラスタを取得する。
オプションとして、前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップにおいては、具体的に、前記レーザ点群クラスタに対応する空間座標と反射率とに基づいて前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップを含む。例示的に、各レーザ点群クラスタに対して、当該レーザ点群クラスタの空間座標と反射率とに基づいて当該レーザ点群クラスタのスーパーボクセルを作成する。
レーザ点群クラスタを直接分割する従来技術の方法に比べて、本実施例は、レーザ点群クラスタに対応するスーパーボクセルを取得し、スーパーボクセルを分割してサブレーザ点群クラスタを取得することによって、点群分割の効率及び確率を向上させ、特に本実施例は、従来の点群分割方法のように移動キャリアが高速道路で走行している時に、路標がガードレールと密着する原因で点群分割効果が悪くなることを避ける。
例示的に、分割後の点群クラスタを取得した後に、あらかじめトレーニングしたサポートベクタマシンによって各点群クラスタを認識し、最終的にレーザ点群に対応する物体を取得する。
[第4実施例]
図4は、本開示の第4実施例に係るレーザ点群に基づく都市道路の認識装置の構造模式図である。本実施例は、レーザ点群に基づいて都市道路に含まれる物体を認識する場合に適用することができる。図4に示されるように、当該レーザ点群に基づく都市道路の認識装置は、具体的に、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築する道沿いモデルユニット41と、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築する路面モデルユニット42と、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去する点群除去ユニット43と、
点群分割アルゴリズムによって残りのレーザ点群を分割する点群分割ユニット44と、
前記点群分割ユニットの分割結果に対応する物体を認識する物体認識ユニット45と、を備える。
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて前記移動キャリアの高さを推定する高度推定サブユニットと、
前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築する路面構築サブユニットと、を備える。
前記レーザ点群を前記レーザセンサの座標を原点とする極座標グリッドに投影し、
レーザセンサ近傍のレーザ点群に対応する投影グリッドにRansac回帰を行って、前記レーザセンサの高さを推定する。
前記初期入力閾値に基づいて各フレームの前記レーザ点群に対応する投影グリッドにガウス過程回帰を行い、対応する候補路面点群を取得し、
前記候補路面点群にマージ及びサンプル回帰処理を行って前記路面モデルを取得する。
コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得する角点取得サブユニットと、
取得した道沿い角点に基づいて前記道沿いモデルを構築する道沿い構築サブユニットと、を備える。
残りのレーザ点群をクラスタリングして対応するレーザ点群クラスタを取得する点群クラスタサブユニットと、
前記レーザ点群クラスタに対応するスーパーボクセルを作成するスーパーボクセルサブユニットと、
前記スーパーボクセルを分割してサブレーザ点群クラスタを取得するサブ点群クラスタサブユニットと、
前記サブレーザ点群クラスタにマージ処理を行うマージ処理サブユニットとを備える。
主成分分析によって前記サブレーザ点群クラスタの形状特徴を取得し、
取得した形状特徴に基づいて前記サブレーザ点群クラスタにマージ処理を行う。
[第5実施例]
本開示の実施例は、コンピュータ実行可能命令を含む記憶媒体を提供し、前記コンピュータ実行可能命令がコンピュータプロセッサで実行される場合、レーザ点群に基づく都市道路の認識方法を実行し、当該方法は、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築するステップと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識するステップと、を含む。
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて前記移動キャリアの高さを推定し、前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップを含んでもよい。
前記レーザ点群を前記レーザセンサの座標を原点とする極座標グリッドに投影するステップと、
レーザセンサ近傍のレーザ点群に対応する投影グリッドにRansac回帰を行って、前記レーザセンサの高さを推定するステップと、を含んでもよい。
前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップにおいては、さらに具体的に、
前記初期入力閾値に基づいて各フレームの前記レーザ点群に対応する投影グリッドにガウス過程回帰を行い、対応する候補路面点群を取得するステップと、
前記候補路面点群にマージ及びサンプル回帰処理を行って前記路面モデルを取得するステップと、を含んでもよい。
コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得するステップと、
取得した道沿い角点に基づいて前記道沿いモデルを構築するステップと、を含んでもよい。
残りのレーザ点群をクラスタリングして対応するレーザ点群クラスタを取得するステップと、
前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップと、
前記スーパーボクセルを分割してサブレーザ点群クラスタを取得し、前記サブレーザ点群クラスタにマージ処理を行うステップと、を含んでもよい。
前記レーザ点群クラスタに対応する空間座標と反射率とに基づいて前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップを含んでもよい。
主成分分析によって前記サブレーザ点群クラスタの形状特徴を取得するステップと、
取得した形状特徴に基づいて前記サブレーザ点群クラスタにマージ処理を行うステップと、を含んでもよい。
[第6実施例]
図5は本開示の第6実施例に係るレーザ点群に基づく都市道路の認識方法を実行する機器のハードウェアの構造模式図である。図5に示されるように、当該機器は、
1つ又は複数のプロセッサ510(図5中、1つを例とする)と、
メモリ520と、
1つ又は複数のモジュールとを備える。
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築する操作と、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築する操作と、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識する操作と、を実行する。
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて前記移動キャリアの高さを推定し、前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップを含んでもよい。
前記レーザ点群を前記レーザセンサの座標を原点とする極座標グリッドに投影するステップと、
レーザセンサ近傍のレーザ点群に対応する投影グリッドに対してRansac回帰を行って前記レーザセンサの高さを推定するステップと、を含んでもよい。
前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップにおいては、
前記初期入力閾値に基づいて各フレームの前記レーザ点群に対応する投影グリッドにガウス過程回帰を行い、対応する候補路面点群を取得するステップと、
前記候補路面点群にマージ及びサンプル回帰処理を行って前記路面モデルを取得するステップと、を含んでもよい。
コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得するステップと、
取得した道沿い角点に基づいて前記道沿いモデルを構築するステップと、を含んでもよい。
残りのレーザ点群をクラスタリングして対応するレーザ点群クラスタを取得するステップと、
前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップと、
前記スーパーボクセルを分割してサブレーザ点群クラスタを取得し、前記サブレーザ点群クラスタにマージ処理を行うステップと、を含んでもよい。
前記レーザ点群クラスタに対応する空間座標と反射率とに基づいて前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップを含んでもよい。
主成分分析によって前記サブレーザ点群クラスタの形状特徴を取得するステップと、
取得した形状特徴に基づいて前記サブレーザ点群クラスタにマージ処理を行うステップとを含んでもよい。
Claims (16)
- レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築するステップと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識するステップと、を含み、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群に基づいて対応する路面モデルを構築するステップにおいては、
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて、前記移動キャリアの高さを推定し、前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップを含む
ことを特徴とするレーザ点群に基づく都市道路の認識方法。 - 前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて前記移動キャリアの高さを推定するステップにおいては、
前記レーザ点群を、前記レーザセンサの座標を原点とする極座標グリッドに投影するステップと、
レーザセンサ近傍のレーザ点群に対応する投影グリッドにRansac回帰を行って前記レーザセンサの高さを推定するステップと、を含む
ことを特徴とする請求項1に記載の方法。 - 前記回帰アルゴリズムはガウス過程回帰であり、
前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップにおいては、
前記初期入力閾値に基づいて各フレームの前記レーザ点群に対応する投影グリッドにガウス過程回帰を行って、対応する候補路面点群を取得するステップと、
前記候補路面点群にマージ及びサンプル回帰処理を行って前記路面モデルを取得するステップと、を含む
ことを特徴とする請求項1に記載の方法。 - レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップにおいては、
コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得するステップと、
取得した道沿い角点に基づいて前記道沿いモデルを構築するステップと、を含む
ことを特徴とする請求項1に記載の方法。 - 点群分割アルゴリズムによって残りのレーザ点群を分割するステップにおいては、
残りのレーザ点群をクラスタリングして対応するレーザ点群クラスタを取得するステップと、
前記レーザ点群クラスタに対応するスーパーボクセルを作成するするステップと、
前記スーパーボクセルを分割してサブレーザ点群クラスタを取得し、前記サブレーザ点群クラスタにマージ処理を行うステップと、を含む
ことを特徴とする請求項1に記載の方法。 - 前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップにおいては、
前記レーザ点群クラスタに対応する空間座標と反射率とに基づいて、前記レーザ点群クラスタに対応するスーパーボクセルを作成するステップを含む
ことを特徴とする請求項5に記載の方法。 - 前記サブレーザ点群クラスタにマージ処理を行うステップにおいては、
主成分分析によって前記サブレーザ点群クラスタの形状特徴を取得するステップと、
取得した形状特徴に基づいて前記サブレーザ点群クラスタにマージ処理を行うステップと、を含む
ことを特徴とする請求項5に記載の方法。 - レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築する道沿いモデルユニットと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築する路面モデルユニットと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去する点群除去ユニットと、
点群分割アルゴリズムによって残りのレーザ点群を分割する点群分割ユニットと、
前記点群分割ユニットの分割結果に対応する物体を認識する物体認識ユニットと、を備え、
前記路面モデルユニットは
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて前記移動キャリアの高さを推定する高度推定サブユニットと、
前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築する路面構築サブユニットと、を備える
ことを特徴とするレーザ点群に基づく都市道路の認識装置。 - 前記高度推定サブユニットは、
前記レーザ点群を、前記レーザセンサの座標を原点とする極座標グリッドに投影し、
レーザセンサ近傍のレーザ点群に対応する投影グリッドにRansac回帰を行って前記レーザセンサの高さを推定する
ことを特徴とする請求項8に記載の装置。 - 回帰アルゴリズムがガウス過程回帰である場合、前記路面構築サブユニットは、
前記初期入力閾値に基づいて各フレームの前記レーザ点群に対応する投影グリッドにガウス過程回帰を行い、対応する候補路面点群を取得し、
前記候補路面点群にマージ及びサンプル回帰処理を行って前記路面モデルを取得する
ことを特徴とする請求項8に記載の装置。 - 前記道沿いモデルユニットは、
コーナー検出アルゴリズムによって前記レーザ点群を認識し、レーザ点群に対応する道沿い角点を取得する角点取得サブユニットと、
取得した道沿い角点に基づいて前記道沿いモデルを構築する道沿い構築サブユニットと、を備える
ことを特徴とする請求項8に記載の装置。 - 点群分割ユニットは、
残りのレーザ点群をクラスタリングして対応するレーザ点群クラスタを取得する点群クラスタサブユニットと、
前記レーザ点群クラスタに対応するスーパーボクセルを作成するスーパーボクセルサブユニットと、
前記スーパーボクセルを分割してサブレーザ点群クラスタを取得するサブ点群クラスタサブユニットと、
前記サブレーザ点群クラスタにマージ処理を行うマージ処理サブユニットと、を備える
ことを特徴とする請求項8に記載の装置。 - スーパーボクセルサブユニットは、
前記レーザ点群クラスタに対応する空間座標と反射率とに基づいて、前記レーザ点群クラスタに対応するスーパーボクセルを作成する
ことを特徴とする請求項12に記載の装置。 - マージ処理サブユニットは、
主成分分析によって前記サブレーザ点群クラスタの形状特徴を取得し、
取得した形状特徴に基づいて前記サブレーザ点群クラスタにマージ処理を行う
ことを特徴とする請求項12に記載の装置。 - コンピュータ実行可能命令を含む記憶媒体であって、前記コンピュータ実行可能命令がコンピュータプロセッサで実行される場合、レーザ点群に基づく都市道路の認識方法を実行し、当該方法は、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築するステップと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築するステップと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識するステップと、を含み、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群に基づいて対応する路面モデルを構築するステップにおいては、
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて、前記移動キャリアの高さを推定し、前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築するステップを含む
ことを特徴とする記憶媒体。 - 1つ又は複数のプロセッサと、
メモリと、
前記メモリに記憶される1つ又は複数のプログラムと、を備えており、
前記1つ又は複数のプログラムが、前記1つ又は複数のプロセッサで実行される場合、
レーザセンサにより収集されたレーザ点群に基づいて対応する道沿いモデルを構築することと、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群とに基づいて対応する路面モデルを構築することと、
前記道沿いモデルと前記路面モデルとに基づいて、前記レーザ点群における路面点群及び道沿い点群を除去し、点群分割アルゴリズムによって残りのレーザ点群を分割し、分割結果に対応する物体を認識することとを実行し、
前記レーザセンサが設置された移動キャリアの高さを決定し、前記高さとレーザ点群に基づいて対応する路面モデルを構築することにおいては、
前記レーザセンサが設置された移動キャリア近傍の前記レーザ点群に基づいて、前記移動キャリアの高さを推定し、前記高さを予め設定された回帰アルゴリズムの初期入力閾値とし、前記レーザ点群に基づいて対応する路面モデルを構築することを含む
ことを特徴とする機器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510472372.9A CN105184852B (zh) | 2015-08-04 | 2015-08-04 | 一种基于激光点云的城市道路识别方法及装置 |
CN201510472372.9 | 2015-08-04 | ||
PCT/CN2015/096621 WO2017020466A1 (zh) | 2015-08-04 | 2015-12-08 | 基于激光点云的城市道路识别方法、装置、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018534647A JP2018534647A (ja) | 2018-11-22 |
JP6561199B2 true JP6561199B2 (ja) | 2019-08-14 |
Family
ID=54906902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018506153A Active JP6561199B2 (ja) | 2015-08-04 | 2015-12-08 | レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10430659B2 (ja) |
EP (1) | EP3321887A4 (ja) |
JP (1) | JP6561199B2 (ja) |
KR (1) | KR102062680B1 (ja) |
CN (1) | CN105184852B (ja) |
WO (1) | WO2017020466A1 (ja) |
Families Citing this family (117)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184852B (zh) * | 2015-08-04 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
CN105631459B (zh) * | 2015-12-31 | 2019-11-26 | 百度在线网络技术(北京)有限公司 | 防护栏点云提取方法及装置 |
CN105701449B (zh) * | 2015-12-31 | 2019-04-23 | 百度在线网络技术(北京)有限公司 | 路面上的车道线的检测方法和装置 |
CN107192994A (zh) * | 2016-03-15 | 2017-09-22 | 山东理工大学 | 多线激光雷达海量点云数据快速有效提取及车辆、车道线特征识别方法 |
KR102671067B1 (ko) * | 2016-04-08 | 2024-05-30 | 팅크웨어(주) | 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
CN105844995B (zh) * | 2016-05-20 | 2018-11-09 | 中铁第一勘察设计院集团有限公司 | 基于车载LiDAR技术的铁路线路运营维护测量方法 |
CN106022381B (zh) * | 2016-05-25 | 2020-05-22 | 厦门大学 | 基于车载激光扫描点云的路灯杆自动提取方法 |
CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
CN107742091B (zh) * | 2016-08-22 | 2019-01-29 | 腾讯科技(深圳)有限公司 | 一种路肩提取的方法及装置 |
US10066946B2 (en) * | 2016-08-26 | 2018-09-04 | Here Global B.V. | Automatic localization geometry detection |
CN107818288B (zh) * | 2016-09-13 | 2019-04-09 | 腾讯科技(深圳)有限公司 | 标志牌信息获取方法及装置 |
CN106530380B (zh) * | 2016-09-20 | 2019-02-26 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
CN108021844B (zh) * | 2016-10-31 | 2020-06-02 | 阿里巴巴(中国)有限公司 | 一种道路边沿识别方法及装置 |
CN106707293B (zh) | 2016-12-01 | 2019-10-29 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN106705962B (zh) * | 2016-12-27 | 2019-05-07 | 首都师范大学 | 一种获取导航数据的方法及*** |
CN108345822B (zh) * | 2017-01-22 | 2022-02-01 | 腾讯科技(深圳)有限公司 | 一种点云数据处理方法及装置 |
CN108509820B (zh) * | 2017-02-23 | 2021-12-24 | 百度在线网络技术(北京)有限公司 | 障碍物分割方法及装置、计算机设备及可读介质 |
CN107093210B (zh) * | 2017-04-20 | 2021-07-16 | 北京图森智途科技有限公司 | 一种激光点云标注方法及装置 |
WO2018214084A1 (en) * | 2017-05-25 | 2018-11-29 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for representing environmental elements, system, and vehicle/robot |
CN109139893B (zh) * | 2017-06-27 | 2020-06-16 | 广西大学 | 一种agv叉车颠簸路面识别方法 |
CN107679498A (zh) * | 2017-10-11 | 2018-02-09 | 防灾科技学院 | 一种机载激光点云城区道路识别方法 |
US10528851B2 (en) * | 2017-11-27 | 2020-01-07 | TuSimple | System and method for drivable road surface representation generation using multimodal sensor data |
CN108171131B (zh) * | 2017-12-15 | 2022-01-14 | 湖北大学 | 基于改进MeanShift的Lidar点云数据道路标识线提取方法 |
US11093759B2 (en) | 2018-03-06 | 2021-08-17 | Here Global B.V. | Automatic identification of roadside objects for localization |
CN108957432B (zh) * | 2018-04-09 | 2021-01-12 | 深圳一清创新科技有限公司 | 路沿检测方法、装置、计算机设备和存储介质 |
CN110363847B (zh) * | 2018-04-10 | 2023-06-23 | 北京京东尚科信息技术有限公司 | 一种基于点云数据的地图模型构建方法和装置 |
CN112313703B (zh) * | 2018-06-15 | 2024-05-28 | 宝马股份公司 | 点云的增量分割 |
CN110618413A (zh) * | 2018-06-19 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 基于多线激光雷达的可通行区域检测方法和装置 |
CN108986162B (zh) * | 2018-06-28 | 2022-02-22 | 杭州吉吉知识产权运营有限公司 | 基于惯性测量单元和视觉信息的菜品和背景分割方法 |
US10893299B2 (en) | 2018-07-31 | 2021-01-12 | Intel Corporation | Surface normal vector processing mechanism |
US11212506B2 (en) | 2018-07-31 | 2021-12-28 | Intel Corporation | Reduced rendering of six-degree of freedom video |
US11178373B2 (en) | 2018-07-31 | 2021-11-16 | Intel Corporation | Adaptive resolution of point cloud and viewpoint prediction for video streaming in computing environments |
US10685476B2 (en) * | 2018-07-31 | 2020-06-16 | Intel Corporation | Voxels sparse representation |
US10887574B2 (en) | 2018-07-31 | 2021-01-05 | Intel Corporation | Selective packing of patches for immersive video |
US10762394B2 (en) | 2018-07-31 | 2020-09-01 | Intel Corporation | System and method for 3D blob classification and transmission |
CN108717540B (zh) * | 2018-08-03 | 2024-02-06 | 浙江梧斯源通信科技股份有限公司 | 基于2d激光雷达区分行人和车辆的方法及装置 |
CN109188459B (zh) * | 2018-08-29 | 2022-04-15 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
CN109190573B (zh) | 2018-09-12 | 2021-11-12 | 阿波罗智能技术(北京)有限公司 | 应用于无人驾驶车辆的地面检测方法、电子设备、车辆 |
CN109212541A (zh) * | 2018-09-20 | 2019-01-15 | 同济大学 | 基于车辆直角型特征和激光雷达的高精度车辆检测*** |
CN109270543A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 一种对目标车辆周围车辆位置信息检测的***和方法 |
CN109271944B (zh) | 2018-09-27 | 2021-03-12 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、电子设备、车辆及存储介质 |
US11057631B2 (en) | 2018-10-10 | 2021-07-06 | Intel Corporation | Point cloud coding standard conformance definition in computing environments |
US10878282B2 (en) * | 2018-10-15 | 2020-12-29 | Tusimple, Inc. | Segmentation processing of image data for LiDAR-based vehicle tracking system and method |
CN109359614B (zh) * | 2018-10-30 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | 一种激光点云的平面识别方法、装置、设备和介质 |
CN111175775A (zh) * | 2018-11-09 | 2020-05-19 | 阿里巴巴集团控股有限公司 | 定位数据生成方法、装置以及电子设备 |
KR102242653B1 (ko) * | 2018-11-16 | 2021-04-21 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
WO2020101424A1 (ko) * | 2018-11-16 | 2020-05-22 | 한국과학기술원 | 지상 로봇의 움직임을 고려한 강인한 레이저 스캐너 매칭 방법 및 그 장치 |
CA3122868A1 (en) * | 2018-12-13 | 2020-06-18 | Continental Automotive Gmbh | Method and system for generating an environment model for positioning |
CN111353969B (zh) * | 2018-12-20 | 2023-09-26 | 长沙智能驾驶研究院有限公司 | 道路可行驶区域的确定方法、装置及计算机设备 |
CN112020722B (zh) | 2018-12-29 | 2024-01-09 | 北京嘀嘀无限科技发展有限公司 | 基于三维传感器数据识别路肩 |
CN109752701B (zh) * | 2019-01-18 | 2023-08-04 | 中南大学 | 一种基于激光点云的道路边沿检测方法 |
CN109816682B (zh) * | 2019-01-22 | 2022-12-06 | 西南交通大学 | 一种基于凹凸性的腕臂***分割与参数检测方法 |
US11468690B2 (en) | 2019-01-30 | 2022-10-11 | Baidu Usa Llc | Map partition system for autonomous vehicles |
CN111626288B (zh) * | 2019-02-28 | 2023-12-01 | 深圳市速腾聚创科技有限公司 | 数据处理方法、装置、计算机设备和存储介质 |
CN111664845B (zh) * | 2019-03-05 | 2023-06-16 | 千寻位置网络有限公司 | 交通标志定位、视觉地图制作方法及装置、定位*** |
CN110009718B (zh) * | 2019-03-07 | 2021-09-24 | 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 |
CN111694903B (zh) * | 2019-03-11 | 2023-09-12 | 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 |
CN109961440B (zh) * | 2019-03-11 | 2021-06-18 | 重庆邮电大学 | 一种基于深度图的三维激光雷达点云目标分割方法 |
CN111695379B (zh) * | 2019-03-13 | 2023-09-26 | 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 |
CN109934868B (zh) * | 2019-03-18 | 2021-04-06 | 北京理工大学 | 一种基于三维点云与卫星图匹配的车辆定位方法 |
WO2020186444A1 (zh) * | 2019-03-19 | 2020-09-24 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备与计算机存储介质 |
CN109993748B (zh) * | 2019-03-30 | 2023-06-20 | 华南理工大学 | 一种基于点云处理网络的三维网格物体分割方法 |
JP7251328B2 (ja) * | 2019-06-05 | 2023-04-04 | 株式会社デンソー | 物体認識装置および物体認識方法 |
CN110310298A (zh) * | 2019-06-21 | 2019-10-08 | 西安电子科技大学 | 一种基于循环条件随机场的道路目标实时三维点云分割方法 |
CN111507982B (zh) * | 2019-06-28 | 2022-04-26 | 浙江大学 | 一种基于深度学习的点云语义分割方法 |
CN110275153B (zh) * | 2019-07-05 | 2021-04-27 | 上海大学 | 一种基于激光雷达的水面目标检测与跟踪方法 |
CN110544201B (zh) * | 2019-08-30 | 2023-01-13 | 武汉中海庭数据技术有限公司 | 一种车载激光扫描点云的大范围拼接方法及装置 |
CN110782531A (zh) * | 2019-09-16 | 2020-02-11 | 华为技术有限公司 | 处理三维点云数据的方法和计算设备 |
CN112634181B (zh) * | 2019-09-24 | 2024-06-14 | 阿波罗智能技术(北京)有限公司 | 用于检测地面点云点的方法和装置 |
CN112578404B (zh) * | 2019-09-27 | 2022-10-04 | 北京地平线机器人技术研发有限公司 | 一种行驶路径的确定方法及装置 |
CN112204568A (zh) * | 2019-09-30 | 2021-01-08 | 深圳市大疆创新科技有限公司 | 路面标识识别方法及装置 |
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 |
CN110807412B (zh) * | 2019-10-30 | 2022-09-23 | 驭势科技(北京)有限公司 | 一种车辆激光定位的方法、车载设备和存储介质 |
CN110807439B (zh) * | 2019-11-12 | 2022-11-25 | 银河水滴科技(北京)有限公司 | 检测障碍物的方法及装置 |
CN111080682B (zh) * | 2019-12-05 | 2023-09-01 | 北京京东乾石科技有限公司 | 点云数据的配准方法及装置 |
US11657532B2 (en) * | 2019-12-11 | 2023-05-23 | Nvidia Corporation | Surface profile estimation and bump detection for autonomous machine applications |
KR102312892B1 (ko) * | 2019-12-20 | 2021-10-15 | 재단법인대구경북과학기술원 | 도로 연석 검출 방법 및 장치 |
CN111210488B (zh) * | 2019-12-31 | 2023-02-03 | 武汉中海庭数据技术有限公司 | 激光点云中道路立杆的高精度提取***及方法 |
CN111260668B (zh) * | 2020-01-20 | 2023-05-26 | 南方电网数字电网研究院有限公司 | 一种电力线提取方法、***及终端 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
US11957974B2 (en) | 2020-02-10 | 2024-04-16 | Intel Corporation | System architecture for cloud gaming |
CN111339876B (zh) * | 2020-02-19 | 2023-09-01 | 北京百度网讯科技有限公司 | 用于识别场景中各区域类型的方法和装置 |
JP7407648B2 (ja) * | 2020-04-15 | 2024-01-04 | 株式会社日立製作所 | 物体認識装置及び物体認識方法 |
CN111524127B (zh) * | 2020-04-29 | 2022-05-27 | 中国电子科技集团公司第五十四研究所 | 面向低空机载激光雷达数据的城市道路面提取方法 |
CN111681172A (zh) * | 2020-06-17 | 2020-09-18 | 北京京东乾石科技有限公司 | 协同构建点云地图的方法、设备和*** |
CN111724323B (zh) * | 2020-06-19 | 2024-01-26 | 武汉海达数云技术有限公司 | 激光雷达点云阳光噪点去除方法及装置 |
JP7163342B2 (ja) | 2020-06-29 | 2022-10-31 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
CN113866779A (zh) * | 2020-06-30 | 2021-12-31 | 上海商汤智能科技有限公司 | 点云数据的融合方法、装置、电子设备及存储介质 |
CN112034482A (zh) * | 2020-08-24 | 2020-12-04 | 北京航天发射技术研究所 | 一种道路边界实时提取及测量方法和装置 |
WO2022047744A1 (zh) * | 2020-09-04 | 2022-03-10 | 华为技术有限公司 | 一种用于地图的路面提取方法及装置 |
CN112184736B (zh) * | 2020-10-10 | 2022-11-11 | 南开大学 | 一种基于欧式聚类的多平面提取方法 |
CN112417965B (zh) * | 2020-10-21 | 2021-09-14 | 湖北亿咖通科技有限公司 | 激光点云处理方法、电子装置和存储介质 |
CN112683262A (zh) * | 2020-11-30 | 2021-04-20 | 浙江商汤科技开发有限公司 | 定位方法及装置、电子设备和存储介质 |
CN112508912B (zh) * | 2020-12-07 | 2024-07-12 | 中联重科股份有限公司 | 地面点云数据滤除方法及装置、臂架防碰撞方法及*** |
CN112802041A (zh) * | 2021-02-05 | 2021-05-14 | 北京工业大学 | 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法 |
CN113160143B (zh) * | 2021-03-23 | 2022-05-24 | 中南大学 | 物料搅拌槽内物料液面高度测量方法及*** |
CN112907746A (zh) * | 2021-03-25 | 2021-06-04 | 上海商汤临港智能科技有限公司 | 电子地图的生成方法、装置、电子设备及存储介质 |
CN113218310B (zh) * | 2021-04-16 | 2022-08-12 | 华中师范大学 | 基于三维激光点云的尾矿库干滩重要参数提取方法及*** |
CN113139975B (zh) * | 2021-04-19 | 2023-11-17 | 国交空间信息技术(北京)有限公司 | 一种基于道路特征的路面分割方法及装置 |
CN113076922B (zh) * | 2021-04-21 | 2024-05-10 | 北京经纬恒润科技股份有限公司 | 一种物体检测方法及装置 |
CN113379923A (zh) * | 2021-06-22 | 2021-09-10 | 北醒(北京)光子科技有限公司 | 轨道识别方法、装置、存储介质及设备 |
CN113536957B (zh) * | 2021-06-23 | 2023-04-07 | 达闼机器人股份有限公司 | 获取物体点云数据的*** |
CN114397877A (zh) * | 2021-06-25 | 2022-04-26 | 南京交通职业技术学院 | 一种智能汽车自动驾驶*** |
CN113538383B (zh) * | 2021-07-19 | 2023-07-07 | 长安大学 | 一种基于三维激光的同步碎石封层剥落识别方法 |
KR102656646B1 (ko) * | 2021-08-26 | 2024-04-12 | (주)서울로보틱스 | 센싱 장치의 설치 이상을 감지하는 방법 및 이를 수행하는 센싱 장치 |
US11608084B1 (en) * | 2021-08-27 | 2023-03-21 | Motional Ad Llc | Navigation with drivable area detection |
CN114202684B (zh) * | 2021-11-29 | 2023-06-16 | 哈尔滨工程大学 | 一种适用于水面环境的点云数据投影方法、***及装置 |
CN114119998B (zh) * | 2021-12-01 | 2023-04-18 | 成都理工大学 | 一种车载点云地面点提取方法及存储介质 |
CN114488073A (zh) * | 2022-02-14 | 2022-05-13 | 中国第一汽车股份有限公司 | 激光雷达采集到的点云数据的处理方法 |
CN114494609B (zh) * | 2022-04-02 | 2022-09-06 | 中国科学技术大学 | 一种3d目标检测模型的构建方法、装置和电子设备 |
WO2023211097A1 (ko) * | 2022-04-24 | 2023-11-02 | 엘지전자 주식회사 | 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법 |
CN116543129B (zh) * | 2023-05-06 | 2024-04-16 | 中交第二公路勘察设计研究院有限公司 | 一种基于激光点云的公路横断面地面线并行生成算法 |
CN116740156B (zh) * | 2023-08-10 | 2023-11-03 | 西南交通大学 | 基于高斯球和主平面分布的任意位姿施工元件的配准方法 |
CN116740307A (zh) * | 2023-08-15 | 2023-09-12 | 青岛星邦光电科技有限责任公司 | 智慧城市三维模型构建方法 |
CN117315488B (zh) * | 2023-11-03 | 2024-07-05 | 云南师范大学 | 一种基于点云特征和形态学特征的城市行道树提取方法 |
CN117455927B (zh) * | 2023-12-21 | 2024-03-15 | 万灵帮桥医疗器械(广州)有限责任公司 | 光斑阵列分割与光斑偏移量计算方法、装置、设备及存储介质 |
CN117970286B (zh) * | 2024-03-29 | 2024-07-16 | 陕西欧卡电子智能科技有限公司 | 无人船障碍物识别方法、装置、无人船及存储介质 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4344869B2 (ja) * | 2007-02-16 | 2009-10-14 | 三菱電機株式会社 | 計測装置 |
JP4232167B1 (ja) * | 2007-08-27 | 2009-03-04 | 三菱電機株式会社 | 対象特定装置、対象特定方法および対象特定プログラム |
KR101319471B1 (ko) * | 2008-08-29 | 2013-10-17 | 미쓰비시덴키 가부시키가이샤 | 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체 |
JP5796947B2 (ja) * | 2010-10-08 | 2015-10-21 | 三菱重工業株式会社 | 自律走行制御装置及びそれを備えた自律走行車両 |
US8605998B2 (en) * | 2011-05-06 | 2013-12-10 | Toyota Motor Engineering & Manufacturing North America, Inc. | Real-time 3D point cloud obstacle discriminator apparatus and associated methodology for training a classifier via bootstrapping |
JP6060682B2 (ja) * | 2012-12-28 | 2017-01-18 | 朝日航洋株式会社 | 路面画像生成システム並びに影除去装置、方法及びプログラム |
CN103390169B (zh) * | 2013-07-19 | 2016-08-31 | 武汉大学 | 一种车载激光扫描点云数据的城市地物分类方法 |
DE102013114821B3 (de) * | 2013-12-23 | 2014-10-23 | Jenoptik Robot Gmbh | Verfahren zur Ausrichtung eines Laserscanners zu einer Fahrbahn |
CN103778429B (zh) * | 2014-01-24 | 2017-03-08 | 青岛秀山移动测量有限公司 | 一种车载激光扫描点云中道路信息自动提取方法 |
CN104766058B (zh) * | 2015-03-31 | 2018-04-27 | 百度在线网络技术(北京)有限公司 | 一种获取车道线的方法和装置 |
CN105184852B (zh) * | 2015-08-04 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
DE102016223556B4 (de) * | 2015-12-09 | 2023-09-28 | Ford Global Technologies, Llc | Kraftfahrzeug mit Staubsensor und Verfahren zur Minderung von Staubaufwirbelung durch ein Kraftfahrzeug |
KR102671067B1 (ko) * | 2016-04-08 | 2024-05-30 | 팅크웨어(주) | 도로면 생성 방법, 도로면 생성 장치, 포인트 클라우드 데이터 처리 방법, 포인트 클라우드 데이터 처리 장치, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
US10066946B2 (en) * | 2016-08-26 | 2018-09-04 | Here Global B.V. | Automatic localization geometry detection |
TWI652449B (zh) * | 2017-12-11 | 2019-03-01 | 財團法人車輛研究測試中心 | 三維感測器之動態地面偵測方法 |
-
2015
- 2015-08-04 CN CN201510472372.9A patent/CN105184852B/zh active Active
- 2015-12-08 EP EP15900235.1A patent/EP3321887A4/en not_active Ceased
- 2015-12-08 US US15/750,106 patent/US10430659B2/en active Active
- 2015-12-08 KR KR1020187005933A patent/KR102062680B1/ko active IP Right Grant
- 2015-12-08 JP JP2018506153A patent/JP6561199B2/ja active Active
- 2015-12-08 WO PCT/CN2015/096621 patent/WO2017020466A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN105184852A (zh) | 2015-12-23 |
KR20180036753A (ko) | 2018-04-09 |
US20180225515A1 (en) | 2018-08-09 |
JP2018534647A (ja) | 2018-11-22 |
CN105184852B (zh) | 2018-01-30 |
EP3321887A4 (en) | 2018-08-15 |
EP3321887A1 (en) | 2018-05-16 |
KR102062680B1 (ko) | 2020-01-06 |
US10430659B2 (en) | 2019-10-01 |
WO2017020466A1 (zh) | 2017-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6561199B2 (ja) | レーザ点群に基づく都市道路の認識方法、装置、記憶媒体及び機器 | |
US11709058B2 (en) | Path planning method and device and mobile device | |
JP6664470B2 (ja) | 高精度地図データの処理方法、装置、記憶媒体及び機器 | |
KR102198724B1 (ko) | 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치 | |
JP6595182B2 (ja) | マッピング、位置特定、及び姿勢補正のためのシステム及び方法 | |
JP7203769B2 (ja) | ボクセルベースのグランド平面推定およびオブジェクト区分化 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
WO2018133851A1 (zh) | 一种点云数据处理方法、装置及计算机存储介质 | |
US10614324B2 (en) | Method and apparatus for identifying static obstacle | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
WO2017041396A1 (zh) | 一种车道线数据的处理方法、装置、存储介质及设备 | |
CN105701798A (zh) | 柱状物体的点云提取方法及装置 | |
CN106920278B (zh) | 一种基于Reeb图的立交桥三维建模方法 | |
CN109584294A (zh) | 一种基于激光点云的路面点云提取方法和装置 | |
KR102238522B1 (ko) | 3차원 공간에 대응되는 맵을 생성하는 차량 및 방법 | |
CN110749329A (zh) | 一种基于结构化道路的车道级拓扑构建方法及装置 | |
WO2022121177A1 (zh) | 一种基于扫描线的道路点云的提取方法 | |
CN113741453B (zh) | 一种非结构化环境的路径规划方法、装置、设备和介质 | |
CN114485698B (zh) | 一种交叉路口引导线生成方法及*** | |
WO2024149060A1 (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
JP2019106034A (ja) | 点群から対象を特定する対象識別装置、プログラム及び方法 | |
CN113325389A (zh) | 一种无人车激光雷达定位方法、***及存储介质 | |
CN112269848A (zh) | 一种众包轨迹数据融合方法及装置 | |
CN114407919B (zh) | 一种基于自动驾驶的碰撞检测方法及*** | |
CN110737652B (zh) | 露天矿山三维数字模型的数据清洗方法、***及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190326 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190402 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190625 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190709 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190722 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6561199 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |