CN103499343A - 基于三维激光反射强度的道路标线点云自动分类识别方法 - Google Patents

基于三维激光反射强度的道路标线点云自动分类识别方法 Download PDF

Info

Publication number
CN103499343A
CN103499343A CN201310439859.8A CN201310439859A CN103499343A CN 103499343 A CN103499343 A CN 103499343A CN 201310439859 A CN201310439859 A CN 201310439859A CN 103499343 A CN103499343 A CN 103499343A
Authority
CN
China
Prior art keywords
pos
point
circle
plane
dimensional
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
Application number
CN201310439859.8A
Other languages
English (en)
Other versions
CN103499343B (zh
Inventor
危迟
龚书林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
WUHAN HAIDASHU CLOUD TECHNOLOGY Co Ltd
Original Assignee
WUHAN HAIDASHU CLOUD TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by WUHAN HAIDASHU CLOUD TECHNOLOGY Co Ltd filed Critical WUHAN HAIDASHU CLOUD TECHNOLOGY Co Ltd
Priority to CN201310439859.8A priority Critical patent/CN103499343B/zh
Publication of CN103499343A publication Critical patent/CN103499343A/zh
Application granted granted Critical
Publication of CN103499343B publication Critical patent/CN103499343B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/12—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
    • G01C11/14—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection
    • G01C11/16—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection in a common plane
    • G01C11/18—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken with optical projection in a common plane involving scanning means
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种基于三维激光反射强度的道路标线点云自动分类识别方法，操作步骤为：使用激光扫描仪获取点云数据，根据点云数据每一扫描圈中POS系统的姿态及位置信息，计算出每一扫描圈POS平面的方程；计算扫描圈中的三维坐标点与POS中心构成连线与POS平面的夹角，比较夹角与角度阈值，将大于角度阈值的点初判为路面点；再次计算初判为路面点到该点所在扫描圈POS平面的距离，以POS系统安装时安置的高度值H为已知值，比较计算距离值与高度值H的差值，差值小于阈值的点为路面点；统计第二次判定为路面点的强度值，将强度值大于阈值的点判定为道路标线。本方法具有快速、高效，重复排查检错方便的优点。

Description

基于三维激光反射强度的道路标线点云自动分类识别方法
技术领域
本发明涉及一种基于三维激光反射强度的道路标线点云自动分类识别方法，属于摄影测量和三维激光技术领域。
背景技术
道路标线是城市环境的重要符号之一，对城市交通规划、秩序维护及管理具有重要的意义。基于全站仪的传统测绘方式道路标线的采集识别有基于全站仪的大地测量碎步采集传统作业方式，也有基于航空遥感影像的选择提取，但前者外业采集量巨大，工作效率不高，后者对影像数据的空间分辨率要求较高，而具有高分辨率的航飞影像数据的采集条件较为严格，不易获取。故此需要一种方法能够提高道路标志的采集识别效率。
发明内容
本发明的目的是解决上述采集技术方案存在的问题，提供一种较少外业数据采集时间、方便纠错及高工作效率的道路标线识别方法。本方法通过车载移动测量系统采集地物环境的三维信息，获取点云数据，快速准确地提取出道路标线。
为实现上述目的，本发明采用一种基于强度信息的道路标线自动分类识别方法，首先，使用车载三维激光测量系统进行采集数据，车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一圈扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS系统中心点为坐标系原点，车辆行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，其特征在于，然后按如下步骤操作：
步骤1、根据点云数据每一个扫描圈POS系统的姿态信息及位置信息，求解出每一扫描圈POS平面的方程表达式；
步骤2、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量Vij，计算Vij与POS平面法向量Ni的夹角θij，比较θij夹角与角度阈值TA，将大于角度阈值TA的点初步判定为路面点；
步骤3、计算在被初步判定为路面点的三维点到该点所在扫描圈POS平面的距离，POS系统安装时安置的高度值H为已知值，比较计算距离值与高度值H的差值，将差值大于阈值TD的点排除，判定差值小于阈值TD的点为路面点；
步骤4、统计判定为路面点的强度值，设定强度阈值TI，将强度值大于阈值TI的点判定为道路标线。
本发明的方法步骤1中所述的求解每一扫描圈POS平面方程表达式，POS平面为三维空间中的一个平面，由平面上一点——POS中心点以及平面的法向量表示；车辆行驶过程中，三维激光移动测量系统的POS系统的姿态信息可以用三个角度表达，绕参考坐标系Z轴旋转角，绕X轴旋转角ω,以及绕Y轴旋转角κ；定义POS平面为测量系统所在的平面，将POS平面由坐标系的XOY平面绕X轴旋转ω,以及绕Y轴旋转角κ得到，等效于XOY平面的法向量（0，0，1）经过上述旋转操作后，获取每一扫描圈POS平面的法向量Ni；POS中心点O的坐标值（XO,YO,ZO）由GPS系统定位获取，由此确定POS平面方程表达式。
本发明的方法步骤2中所述的任意第i扫描圈中包含的任意点j的三维坐标点(Xij,Yij,Zij)，则第i扫描圈中第j个点与当前圈POS中心(Xi0,Yi0,Zi0)连线，可以获取三维向量Vij，，得到Vij=(Xij-Xi0,Yij-Yi0,Zij-Zi0)，计算Vij与Ni的夹角θij，判断θij是否大于角度阈值TA，设TA为90度。
本发明的方法步骤3中所述的计算每一扫描圈中被初步判定为路面点的三维点P，到该圈的POS平面的距离，通过三维空间点到面的距离公式①求得：
D=︱Ni·OP︱/︱Ni︱……………………………………………①
其中Ni表示当前圈POS平面的法向量，OP表示POS中心与三维点P构成的向量；
求得距离后，比较其与已知POS系统安装高度值H的差值，然后距离差与阈值TD进行比较，设TD为30cm。
本发明的方法步骤4中所述的统计在判定为路面点的强度值为直接在点云中获取得到，通过统计强度值，自适应二值化计算得到强度阈值TI，将三维点强度值与阈值TI进行比较，将大于阈值的点判定为道路标线类别。
本发明的方法主要是通过计算扫描圈中三维点的角度、距离信息，从点云中将地面点提取出，然后根据路面标线点的强度值与路面点具有较好的可分离性，从而设定强度阈值及判定条件，提取出路面标线点。
本发明的方法与现有的技术相比具有如下优点：
1、本发明的方法快速、高效作业，相较于传统外业调绘作业方式，使用本方法能够对测绘区域快速进行扫描，将主要的处理工作放在内业进行处理，较少外业时间，提高工作效率。
2、本发明的方法能实现24小时作业，由于激光是主动式遥感测绘手段，除白天可作业外，能够在夜间进行数据采集处理。
3、本发明的方法重复排查检错方便，对于检测出现问题的地方，后期进行二次或者再次采集处理时，能够快速到位，方便纠错。
附图说明
图1为本发明基于三维激光反射强度的道路标线点云自动分类识别方法的操作流程图。
图2为本发明车载移动测量系统进行数据采集时的三维空间姿态信息示意图。
图3为本发明扫描仪按照圈记录激光点云数据的示意图。
图4为本发明扫描圈中点与POS中心连线与POS平面法线角度示意图。
图5为本发明平行于路面的POS平面与路面相距高度示意图。
图6为本发明道路标线提取效果示意图。
上述图中：1-车辆，2-路面，3-POS平面，4-第i扫描圈激光点云数据，5道路标线。
具体实施方式
以下结合附图和实施例对本发明作进一步详述。
实施例1：本发明提出的一种基于三维激光反射强度的道路标线点云自动分类识别方法，整个方法流程如图1所示。具体的操作是：首先，使用车载三维激光测量系统采集数据，车载三维激光移动测量系统集成部件包括车辆1、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆1行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一圈扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS中心点为坐标系原点，车辆1在路面2上行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，然后按如下步骤操作：
步骤1、根据点云数据每一个扫描圈POS系统的姿态信息及位置信息，求解出每一扫描圈POS平面3的方程表达式；如对于第i扫描圈点云数据4，根据获取的对应的姿态信息及位置信息，求解出扫描圈i的POS平面的方程表达式，其具体为：
1.1、车辆扫描过程中姿态信息可以用三个角度表达，即绕Z轴旋转的航向角
Figure BDA0000387129960000031
绕X轴旋转的俯仰角ω，以及绕Y轴旋转的翻滚角κ，如图2所示。
1.2、定义POS平面3为车载三维激光测量系统所在的平面，将XOY平面绕X轴旋转ω，以及绕Y轴旋转的翻滚角κ，即为POS平面。由数学知识可知，三维空间中的平面由该平面的法向量及平面上的一点确定，定义第i扫描圈POS平面Pi=(Oi，Ni)；
其中Oi表示POS中心坐标值，Ni表示POS平面法向量。
1.3、平面的旋转可以看作是平面法向量的旋转，等效于XOY平面的法向量（0，0，1）经过上述旋转操作后，可以获取每一扫描圈POS平面的法向量Ni。中心点O的坐标值(Xi0,Yi0,Zi0)可由GPS获取。由此，可以确定POS平面的方程，如图3所示。
步骤2、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量Vij，计算Vij与POS平面法向量Ni的夹角θij，比较θij夹角与角度阈值TA，将大于角度阈值TA的点初步判定为路面点；具体操作是：
2.1、对于第i扫描圈中任一三维点j，可表示为(Xij,Yij,Zij)，i表示第i扫描圈，j表示第i扫描圈中第j个点，计算j点与当前第i扫描圈POS中心(Xi0,Yi0,Zi0)连线向量，从该圈点云数据中取出该点三维坐标值，计算该点与中心点的坐标差值，得到三维向量Vij=(Xij-Xi0,Yij-Yi0,Zij-Zi0)，如图4所示。
2.2、计算Vij与Ni的夹角θij，判断θij是否大于角度阈值TA，TA一般为90度。
定义法向量Ni与向量Vij的夹角θij，根据向量的点乘公式②
Ni·Vij=︱Ni︱·︱Vij︱·cosθ……………………………………②
其中cosθ＜0即表示大于角度阈值，初步判定为路面点，如图4所示；
步骤3、计算初步判定为路面点的三维点Pt到所在扫描圈POS平面的距离，以安装POS系统时的高度值H为已知高度值，比较计算距离值与已知高度值H的差值，将差值大于阈值TD的点排除，判定差值小于阈值TD的点为路面2的点，如图5所示。具体操作为：
3.1、计算每一扫描圈中被初步判定为路面点的三维点Pt，到该圈的POS平面的距离，通过三维空间点到面的距离公式①求得。
D=︱Ni·OP︱/︱Ni︱……………………………………………①
其中Ni表示当前圈POS平面的法向量，OPt表示POS中心与三维点Pt构成的向量。
3.2、求得距离D，比较其与已知高度值H的差值，然后距离差与阈值TD进行比较，TD一般为30cm，判断方法如下。
Figure BDA0000387129960000041
步骤4、统计二次判定为路面点的强度值，设定强度阈值TI，将强度值大于阈值TI的点判定为道路标线。具体操作为：
三维坐标点的强度值可以直接在点云中获取得到，通过统计强度值，自适应二值化计算得到强度阈值TI，将三维点强度值与阈值TI进行比较，将大于阈值的点判定为道路标线5的类别，最终达到效果如图6所示。
本发明的道路标线点云自动分类识别方法具有快速、高效作业和重复排查检错方便的优点，使用本方法能实现24小时作业，能对测绘区域快速进行扫描，后期进行二次或者再次采集处理时，能够快速到位，方便纠错。

Claims (5)

1.一种基于三维激光反射强度的道路标线点云自动分类识别方法，首先，使用车载三维激光测量系统进行采集数据，车载三维激光移动测量系统集成部件包括车辆、三维激光扫描仪、GPS导航仪、惯性制导系统和全景相机，采集数据过程在车辆行驶中进行，三维激光扫描仪用于获取点云数据，GPS导航仪与惯性制导系统构成的POS系统用于获取姿态位置信息；点云数据按照圈索引进行组织，以获取每一圈扫描圈的三维坐标点集；按照时间对齐，根据采集的POS信息插值结算获取三维点云数据扫描圈每一圈的姿态信息及位置信息；定义车载三维激光测量系统中的POS系统中心点为坐标系原点，车辆行驶的方向为Y轴正方向，垂直向上的方向为Z轴正方向，构建空间坐标系，其特征在于，然后按如下步骤操作：
步骤1、根据点云数据每一个扫描圈POS系统的姿态信息及位置信息，求解出每一扫描圈POS平面的方程表达式；
步骤2、从用圈索引组织的点云数据中取出任意第i扫描圈中包含的任意点j与POS中心连线构成三维向量Vij，计算Vij与POS平面法向量Ni的夹角θij，比较θij夹角与角度阈值TA，将大于角度阈值TA的点初步判定为路面点；
步骤3、计算在被初步判定为路面点的三维点到该点所在扫描圈POS平面的距离，POS系统安装时安置的高度值H为已知值，比较计算距离值与高度值H的差值，将差值大于阈值TD的点排除，判定差值小于阈值TD的点为路面点；
步骤4、统计判定为路面点的强度值，设定强度阈值TI，将强度值大于阈值TI的点判定为道路标线。
2.根据权利要求1所述的基于三维激光反射强度的道路标线点云自动分类识别方法，其特征在于：步骤1中所述的求解每一扫描圈POS平面方程表达式，POS平面为三维空间中的一个平面，由平面上一点——POS中心点以及平面的法向量表示；车辆行驶过程中，三维激光移动测量系统的POS系统的姿态信息可以用三个角度表达，绕参考坐标系Z轴旋转角
Figure FDA0000387129950000011
，绕X轴旋转角ω,以及绕Y轴旋转角κ；定义POS平面为测量系统所在的平面，将POS平面由坐标系的XOY平面绕X轴旋转ω,以及绕Y轴旋转角κ得到，等效于XOY平面的法向量（0，0，1）经过上述旋转操作后，获取每一扫描圈POS平面的法向量Ni；POS中心点O的坐标值（XO,YO,ZO）由GPS系统定位获取，由此确定POS平面方程表达式。
3.根据权利要求1所述的基于三维激光反射强度的道路标线点云自动分类识别方法，其特征在于：步骤2中所述的任意第i扫描圈中包含的任意点j的三维坐标点(Xij,Yij,Zij)，则第i扫描圈中第j个点与当前圈POS中心(Xi0,Yi0,Zi0)连线，可以获取三维向量Vij，，得到Vij=(Xij-Xi0,Yij-Yi0,Zij-Zi0)，计算Vij与Ni的夹角θij，判断θij是否大于角度阈值TA，设TA为90度。
4.根据权利要求1所述的基于三维激光反射强度的道路标线点云自动分类识别方法，其特征在于：步骤3中所述的计算每一扫描圈中被初步判定为路面点的三维点P，到该圈的POS平面的距离，通过三维空间点到面的距离公式①求得：
D=︱Ni·OP︱/︱Ni︱……………………………………………①
其中Ni表示当前圈POS平面的法向量，OP表示POS中心与三维点P构成的向量；
求得距离后，比较其与已知POS系统安装高度值H的差值，然后距离差与阈值TD进行比较，设TD为30cm。
5.根据权利要求1所述的基于三维激光反射强度的道路标线点云自动分类识别方法，其特征在于：步骤4中所述的统计在判定为路面点的强度值为直接在点云中获取得到，通过统计强度值，自适应二值化计算得到强度阈值TI，将三维点强度值与阈值TI进行比较，将大于阈值的点判定为道路标线类别。
CN201310439859.8A 2013-09-25 2013-09-25 基于三维激光反射强度的道路标线点云自动分类识别方法 Active CN103499343B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310439859.8A CN103499343B (zh) 2013-09-25 2013-09-25 基于三维激光反射强度的道路标线点云自动分类识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310439859.8A CN103499343B (zh) 2013-09-25 2013-09-25 基于三维激光反射强度的道路标线点云自动分类识别方法

Publications (2)

Publication Number Publication Date
CN103499343A true CN103499343A (zh) 2014-01-08
CN103499343B CN103499343B (zh) 2015-06-24

Family

ID=49864574

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310439859.8A Active CN103499343B (zh) 2013-09-25 2013-09-25 基于三维激光反射强度的道路标线点云自动分类识别方法

Country Status (1)

Country Link
CN (1) CN103499343B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391906A (zh) * 2014-11-18 2015-03-04 武汉海达数云技术有限公司 车载海量点云数据动态浏览方法
CN106067003A (zh) * 2016-05-27 2016-11-02 山东科技大学 一种车载激光扫描点云中道路矢量标识线自动提取方法
CN106845321A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 路面标记信息的处理方法和装置
CN107818288A (zh) * 2016-09-13 2018-03-20 腾讯科技（深圳）有限公司 标志牌信息获取方法及装置
CN107914600A (zh) * 2016-10-11 2018-04-17 上海汽车集团股份有限公司 道路标线坐标自动采集设备、采集控制方法及控制装置
CN108009474A (zh) * 2017-11-01 2018-05-08 武汉万集信息技术有限公司 一种基于激光测距的车辆表面图文提取方法及装置
CN108303092A (zh) * 2018-01-12 2018-07-20 浙江国自机器人技术有限公司 一种自行规划路径的清洗方法
CN108346141A (zh) * 2018-01-11 2018-07-31 浙江理工大学 单边侧入光式导光板缺陷提取方法
CN109443201A (zh) * 2018-10-31 2019-03-08 广东嘉腾机器人自动化有限公司 一种基于s300激光扫描传感器的栈板识别方法
CN109522804A (zh) * 2018-10-18 2019-03-26 汽-大众汽车有限公司 一种道路边沿识别方法及系统
CN110378238A (zh) * 2019-06-24 2019-10-25 中国路桥工程有限责任公司 道路改扩建激光扫描勘察方法
CN111982152A (zh) * 2020-07-31 2020-11-24 广州文远知行科技有限公司 点云地图量化方法、装置、计算机设备和存储介质
CN113189564A (zh) * 2021-07-01 2021-07-30 西南交通大学 一种列车轨道点云提取方法
CN113370236A (zh) * 2021-07-07 2021-09-10 深圳海外装饰工程有限公司 标线机器人及其系统和标线制控制方法、以及存储介质
CN115068109A (zh) * 2022-06-13 2022-09-20 元化智能科技(深圳)有限公司 面向医疗手术导航的红外标靶识别方法和装置
US11474242B2 (en) 2018-11-01 2022-10-18 Automotive Research & Testing Center Lane stripe detecting method based on three-dimensional lidar and system thereof

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102042825B (zh) * 2010-11-09 2012-06-27 青岛市光电工程技术研究院 一种面阵成像与激光扫描组合的三维成像测量系统
CN103198494B (zh) * 2013-04-03 2016-05-11 武汉海达数云技术有限公司 一种基于建筑外轮廓线及激光点云的建筑立面提取方法

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104391906B (zh) * 2014-11-18 2017-06-20 武汉海达数云技术有限公司 车载海量点云数据动态浏览方法
CN104391906A (zh) * 2014-11-18 2015-03-04 武汉海达数云技术有限公司 车载海量点云数据动态浏览方法
CN106845321B (zh) * 2015-12-03 2020-03-27 高德软件有限公司 路面标记信息的处理方法和装置
CN106845321A (zh) * 2015-12-03 2017-06-13 高德软件有限公司 路面标记信息的处理方法和装置
CN106067003A (zh) * 2016-05-27 2016-11-02 山东科技大学 一种车载激光扫描点云中道路矢量标识线自动提取方法
CN106067003B (zh) * 2016-05-27 2020-05-19 山东科技大学 一种车载激光扫描点云中道路矢量标识线自动提取方法
CN107818288A (zh) * 2016-09-13 2018-03-20 腾讯科技（深圳）有限公司 标志牌信息获取方法及装置
CN107914600A (zh) * 2016-10-11 2018-04-17 上海汽车集团股份有限公司 道路标线坐标自动采集设备、采集控制方法及控制装置
CN108009474A (zh) * 2017-11-01 2018-05-08 武汉万集信息技术有限公司 一种基于激光测距的车辆表面图文提取方法及装置
CN108346141B (zh) * 2018-01-11 2021-10-22 杭州衡眺科技有限公司 单边侧入光式导光板缺陷提取方法
CN108346141A (zh) * 2018-01-11 2018-07-31 浙江理工大学 单边侧入光式导光板缺陷提取方法
CN108303092A (zh) * 2018-01-12 2018-07-20 浙江国自机器人技术有限公司 一种自行规划路径的清洗方法
CN108303092B (zh) * 2018-01-12 2020-10-16 浙江国自机器人技术有限公司 一种自行规划路径的清洗方法
CN109522804A (zh) * 2018-10-18 2019-03-26 汽-大众汽车有限公司 一种道路边沿识别方法及系统
CN109522804B (zh) * 2018-10-18 2020-11-06 一汽-大众汽车有限公司 一种道路边沿识别方法及系统
CN109443201B (zh) * 2018-10-31 2020-10-16 广东嘉腾机器人自动化有限公司 一种基于s300激光扫描传感器的栈板识别方法
CN109443201A (zh) * 2018-10-31 2019-03-08 广东嘉腾机器人自动化有限公司 一种基于s300激光扫描传感器的栈板识别方法
US11474242B2 (en) 2018-11-01 2022-10-18 Automotive Research & Testing Center Lane stripe detecting method based on three-dimensional lidar and system thereof
CN110378238A (zh) * 2019-06-24 2019-10-25 中国路桥工程有限责任公司 道路改扩建激光扫描勘察方法
CN111982152A (zh) * 2020-07-31 2020-11-24 广州文远知行科技有限公司 点云地图量化方法、装置、计算机设备和存储介质
CN113189564A (zh) * 2021-07-01 2021-07-30 西南交通大学 一种列车轨道点云提取方法
CN113370236A (zh) * 2021-07-07 2021-09-10 深圳海外装饰工程有限公司 标线机器人及其系统和标线制控制方法、以及存储介质
CN113370236B (zh) * 2021-07-07 2024-03-01 深圳海外装饰工程有限公司 标线机器人及其系统和标线制控制方法、以及存储介质
CN115068109A (zh) * 2022-06-13 2022-09-20 元化智能科技(深圳)有限公司 面向医疗手术导航的红外标靶识别方法和装置
CN115068109B (zh) * 2022-06-13 2023-07-28 元化智能科技(深圳)有限公司 面向医疗手术导航的红外标靶识别方法和装置

Also Published As

Publication number Publication date
CN103499343B (zh) 2015-06-24

Similar Documents

Publication Publication Date Title
CN103499343B (zh) 基于三维激光反射强度的道路标线点云自动分类识别方法
CN111551958B (zh) 一种面向矿区无人驾驶的高精地图制作方法
CN105404844B (zh) 一种基于多线激光雷达的道路边界检测方法
CN108181635B (zh) 一种用于输电线路交叉跨越分析的激光点云分类方法
CN106997049B (zh) 一种基于激光点云数据的检测障碍物的方法和装置
EP3637371B1 (en) Map data correcting method and device
CN103542868B (zh) 基于角度和强度的车载激光点云噪点自动去除方法
CN110705458B (zh) 边界检测方法及装置
CN110780305A (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN110780307B (zh) 基于电瓶车车载式激光点云移动测量系统获取道路横断面的方法
CN105718860A (zh) 基于驾驶安全地图及双目交通标志识别的定位方法及系统
CN106296814B (zh) 公路养护检测与可视化交互方法和系统
CN104024880A (zh) 用于使用雷达地图的精确车辆定位的方法和系统
McElhinney et al. Initial results from European Road Safety Inspection (EURSI) mobile mapping project
CN106651953A (zh) 一种基于交通指示牌的车辆位姿估计方法
CN108845569A (zh) 生成三维高清道路图水平弯道行车线的半自动点云方法
JP6465421B1 (ja) 構造物変状検出装置
CN104848867A (zh) 基于视觉筛选的无人驾驶汽车组合导航方法
CN111175788B (zh) 自动驾驶车辆横向定位方法及其定位系统
CN106428558A (zh) 一种基于空‑轨两用无人机的轨道综合巡检方法
JP2016217084A (ja) 路面状況計測システム、路面状況計測方法並びに路面状況計測プログラム
CN106199642B (zh) 一种道路测绘方法及装置
CN107976177B (zh) 一种地铁监护测量方法
CN106741890A (zh) 一种基于空轨两用无人机的高速铁路安全检测系统
CN111717244A (zh) 一种列车自动驾驶感知方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant