CN104950313A - 一种路面提取及道路坡度识别方法 - Google Patents

一种路面提取及道路坡度识别方法 Download PDF

Info

Publication number
CN104950313A
CN104950313A CN201510316731.1A CN201510316731A CN104950313A CN 104950313 A CN104950313 A CN 104950313A CN 201510316731 A CN201510316731 A CN 201510316731A CN 104950313 A CN104950313 A CN 104950313A
Authority
CN
China
Prior art keywords
road
angle
sensor
vehicle
point
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
CN201510316731.1A
Other languages
English (en)
Other versions
CN104950313B (zh
Inventor
尹慧琳
周娟
王子豪
杨筱菡
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201510316731.1A priority Critical patent/CN104950313B/zh
Publication of CN104950313A publication Critical patent/CN104950313A/zh
Application granted granted Critical
Publication of CN104950313B publication Critical patent/CN104950313B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3453Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469Fuel consumption; Energy use; Emission aspects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00Measuring inclination, e.g. by clinometers, by levels
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/93Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Abstract

本发明涉及一种路面提取及道路坡度识别方法,包括步骤:1)获取车辆周围环境的三维激光雷达扫描点云的球坐标数据;2)根据同一俯仰角下各数据点关于传感器的径向距离确定车辆可行驶路线;3)确定车辆可行驶路线中前方路段的方位角,并根据该方位角下各数据点的俯仰角及其关于传感器的径向距离识别前方路段的坡度。与现有技术相比,本发明对车辆可行驶路线中前方路段的坡度进行估计,为无人驾驶的路径规划决策及控制提供有用信息,提高无人驾驶的自主能力。

Description

-种路面提取及道路坡度识别方法
技术领域
[0001] 本发明设及无人驾驶领域,尤其是设及一种路面提取及道路坡度识别方法。
背景技术
[0002] 无人驾驶车辆系统包括环境感知、路径规划和控制执行=个子系统。其中环境感 知子系统是无人车系统的基础,通过多传感器数据采集、数据处理,为实现车辆的路径规划 和运动控制提供必要的信息,在无人车技术范畴内占据相当重要的位置,环境感知子系统 性能的优劣直接关系到车辆行驶的安全。
[0003] 车载多传感器中,除了摄像头、GPS、惯导等,主动型传感器是一类重要的传感器, 主动型传感器向环境目标发射能量,通过测量回波的时间实现测距,发射能量的形式包括 激光、毫米波和超声波等。与其他的主动性传感器相比,激光雷达传感器具有很大的优势。 毫米波雷达由于波长的差别,其测距精度不如激光雷达,而超声波雷达主要用于检测短距 离的障碍物信息。因此,在高速移动状态下能够实时获取道路W及障碍物信息的环境感知 中,激光雷达是不可替代的。在2007年美国无人驾驶汽车城市挑战赛中,获得前=名的 BOSS、化nior和Odin主要采用了主动型传感器,而在该些主动型传感器中,S维激光雷达 占据最重要的地位。我国国家自然科学基金委员会于2009年至2014年连续主办的六届 "中国智能车未来挑战赛"参赛车队中,大都安装了 32位或64位=维激光雷达传感器。
[0004] 激光雷达虽然获取数据速度快、点云密集、场景目标丰富,但其获取的数据具有海 量特征,该就对处理车载=维激光雷达点云数据的算法提出了更高的要求。
[0005] 对=维数据进行路面分割是自主车辆感知任务如障碍物检测与分类,动态障碍物 检测与跟踪等的第一步,地面分割结果将会直接影响W后障碍物识别的效果,所W研究= 维雷达数据的地面分割有重要意义。
[0006] 基于单个栅格的地面分割、基于分块直线拟合的地面分割及基于面拟合的地面分 割等传统的方法只能处理平坦路面,对于有较大坡度和起伏路面有其局限性。Douillard 等人将64线激光雷达数据投影到栅格地图中,采用二维高斯过程回归算法直接对整个地 图进行地面拟合和障碍物的提取,该算法可W用于描述不平坦路面,其实验效果和手工标 记的激光雷达数据对比,可W获得很高的检测精度,但是由于该算法计算比较复杂,只能获 得近似实时的效果。本专利提出一种高效的基于球坐标的适用于不平坦路面的路面分割方 法。
[0007]自主驾驶中存在斜坡或桥被误判为障碍物(比如墙)的问题,导致错误的规划决 策,所W有必要对斜坡或桥进行识别及坡度估计预测。对于车辆行驶环境中道路坡度估计 的研究,有学者基于车辆动力学模型,运用车辆行驶状态参数的估计方法,对道路坡度进行 估计,但只对车辆当前所处位置的坡度进行了估计,而未提及对前方道路坡度的预测。关于 对自主车辆前方道路坡度进行预测的研究鲜有报道。
发明内容
[000引本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种路面提取及道 路坡度识别方法。
[0009] 本发明的目的可W通过W下技术方案来实现:
[0010] 一种路面提取及道路坡度识别方法,包括步骤:
[0011] 1)获取车辆周围环境的S维激光雷达扫描点云的球坐标数据;
[0012] 2)根据同一俯仰角下各数据点关于传感器的径向距离确定车辆可行驶路线;
[0013] 3)确定车辆可行驶路线中前方路段的方位角,并根据该方位角下各数据点的俯仰 角及其关于传感器的径向距离识别前方路段的坡度。
[0014] 所述S维激光雷达设于车辆的车顶。
[0015] 所述球坐标系的原点为=维激光雷达的传感器。
[0016] 所述步骤2)具体包括步骤:
[0017] 21)设定初始俯仰角,并获取该俯仰角下各数据点关于传感器的径向距离;
[0018]22)将与相邻数据点之间径向距离的差值小于自适应阔值Rm"的数据点设定为可 行驶路面点;
[0019]23)改变俯仰角,并重复执行步骤22),得到车辆周围所有的可行驶路面点;
[0020]24)将同一俯仰角下连续的可行驶路面点连接构成圆弧,并将弧长大于车身横向 尺寸的圆弧定义为可通过圆弧;
[0021]25)根据获得的可通过圆弧,捜索确定车辆可行驶路线。
[0022] 所述自适应阔值Rm"具体为:
[002引 Rmax=^min(r。iVi)+e
[0024] 其中:A为距离比例系数,e为误差补偿量,r;为数据点i关于传感器的径向距 离,iVi为数据点i相邻数据点关于传感器的径向距离。
[0025] 所述车辆可行驶路线由多条连续的可通过圆弧组成。
[0026] 所述步骤3)具体包括步骤:
[0027] 31)确定车辆可行驶路线中前方路段的方位角,并获取该方位角下所有数据点,W 及各数据点的俯仰角及其关于传感器的径向距离;
[002引 32)在步骤31)获取的数据点中任选两个数据点,并根据该两个数据点的俯仰角 及其关于传感器的径向距离获得前方路段坡度的计算值;
[0029] 33)重复32)多次,获得多个坡度的计算值,并将获得的计算值求平均作为前方路 段的坡度。
[0030] 所述前方路段坡度的计算值具体为:
[0031]
Figure CN104950313AD00051
[0032] 其中:a为前方路段坡度的计算值,約和巧分别为选取的两个数据点的俯仰角,ri 和r2分别为选取的两个数据点关于传感器的径向距离。
[0033]与现有技术相比,本发明具有W下优点:
[0034] 1)本发明基于由=维激光雷达扫描得到的原始扫描点云在球坐标系下的数据确 定车辆可行驶路线并识别路线中前方路段的坡度,可W为车辆的行进路线W及行驶所需要 的动力进行调整和预测,提高了无人驾驶车辆动力控制的稳定性,为无人驾驶的路径规划 决策及控制提供有用信息,提高无人驾驶的自主能力。
[0035] 2)根据同一俯仰角下数据点关于传感器的径向距离判断该数据点是否为可行驶 路面点,并基于可行驶路面点进行车辆可行驶路线的确定,简单直观,便于程序实现并减少 了程序的运算次数。
[0036] 3)根据任选两个数据点的俯仰角及其关于传感器的径向距离获得前方路段坡度 的计算值,计算简单,且不需要假设所有的路面点处于最低水平面,适用于斜坡路面及桥面 点提取。
附图说明
[0037] 图1为本发明方法的主要步骤流程图;
[003引图2为激光雷达的一帖扫描束在球坐标系和笛卡尔坐标系的表示;
[0039] 图3为无人驾驶车辆可行驶路面点提取示意图;
[0040] 图4为坡度计算原理示意图。
具体实施方式
[0041] 下面结合附图和具体实施例对本发明进行详细说明。本实施例W本发明技术方案 为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于 下述的实施例。
[0042] 一种路面提取及道路坡度识别方法,该方法基于=维激光雷达对路面提取及桥面 坡度估计进行分析,直接利用=维激光雷达提供的球坐标系数据,本方法不只适用于某一 款传感器,但为了具体描述=维激光雷达该类传感器的工作方式及数据格式,我们W无人 驾驶车辆上常用的32线激光雷达传感器Velodyne皿L32E为例,对本方法进行分析。
[00创如图1所示,包括步骤:
[0044] 1)获取车辆周围环境的=维激光雷达扫描点云的球坐标数据,其中,激光雷达在 车辆上的安装位置决定了=维激光雷达的传感器障碍检测的感知范围和能力,因此为了尽 可能的减少遮挡、增大激光雷达的探测范围,本实施例中其安装在自主车的车顶上方,另外 本实施例中球坐标系的原点为=维激光雷达的传感器;
[0045] 具体的,先获取S维激光雷达扫描得到原始点云数据;W皿心326为例,如图2所 示,传感器在垂直视场角为+10. 67°到-30. 67°的范围内发送32条激光,相应角分辨 率为1.33° ;同时传感器的旋转头在水平360°视场角内持续旋转,其分辨率为0.18°。 在实际测量中,从0°到360°的测量为一帖,该样理论上一帖就有2000X32条扫描束, 但是只有反射回来的点才可能被传感器接收并保存为数据点,每个数据点包含8个参 数值(Points;0,Points;1,Points;2,intensity,laser_id,azimuth,distance_m, timestamp}。其中前S个参数化ints;0, 1, 2依次表示笛卡尔直角坐标点,laser_id为32 条激光的标识号,每条激光对应其各自的俯仰角,由该参数直接得到点的俯仰角,azimuth 表示点的水平方位角,distance_m表示数据点到传感器的距离,即数据点关于传感器的径 向距离,该样,可由原始点云数据直接得到扫描点在球坐标系下的数据点。
[0046] 2)理想平坦地面上的数据点形成同一水平面上的同屯、圆,每个圆与一条激光相对 应,同一圆上的点的径向距离是相等的。若存在障碍物,激光线就会在途中被反射,其径向 距离发生变化。因此径向距离的变化反映了地面的起伏或障碍物的存在,根据同一俯仰角 下各数据点关于传感器的径向距离确定车辆可行驶路线,具体包括步骤:
[0047] 21)对每条激光束进行单独分析,每个圆与一条激光束相对应,激光束随传感器的 旋转头匀速旋转扫描,因此设定初始俯仰角,并获取该俯仰角下各数据点关于传感器的径 向距离;
[0048] 2。相邻扫描点的径向距离的差大于阔值,则表明出现障碍物,将与相邻数据点之 间径向距离的差值小于自适应阔值Rm"的数据点设定为可行驶路面点,具体的,将相邻数据 点的径向距离的差值k-lVil与自适应阔值RmJi行比较,若差值大于阔值,则认为数据点 i为障碍点,否则,该数据点i为可行驶路面点。其中,自适应阔值具体为:
[0049]Rmax=入min(r。iVi)+e
[0050] 其中:A为距离比例系数,e为误差补偿量,r;为数据点i关于传感器的径向距 离,iVi为数据点i相邻数据点关于传感器的径向距离。
[0051] 自适应阔值由两部分构成,第一部分与扫描点径向距离有关,第二部分与激光束 俯仰角有关,距离比例系数和误差补偿量通过预先离线实验得到。
[0052]23)改变俯仰角,并重复执行步骤22),得到车辆周围所有的可行驶路面点;
[0化3] 24)将同一俯仰角下连续的可行驶路面点连接构成圆弧,考虑到无人驾驶车辆的 车体尺寸时,并不是所有的地面都可安全通行,所W当连续圆弧长度大于车辆横向尺寸时, 认为该连续圆弧为可通过圆弧,即将弧长大于车身横向尺寸的圆弧定义为可通过圆弧; [0化4] 25)根据获得的可通过圆弧,捜索确定车辆可行驶路线,车辆可行驶路线由多条连 续的可通过圆弧组成,连续的可通过圆弧表示;该些可通过圆弧的俯仰角连续。
[0化5] 具体的,在提取每束激光的可通过圆弧后,再判断同一个方位角范围内的可通过 圆弧(具体为最大可通过圆弧和最小可通过圆弧的半径差)是否大于设定值,如图3,A区 的连续圆弧大于车辆纵向尺寸并且没有行人等障碍物存在,为可通行路面区域,而在B区 由于行人的存在,圆弧数仅为3,为非可通行区域,在可通行区域中确定车辆可行驶路线。
[0056] 3)确定车辆可行驶路线中前方路段的方位角,并根据该方位角下各数据点的俯仰 角及其关于=维激光雷达中传感器的径向距离识别前方路段的坡度,具体包括步骤:
[0057] 31)确定车辆可行驶路线中前方路段的方位角,并获取该方位角下所有数据点,W 及各数据点的俯仰角及其关于传感器的径向距离;
[005引32)在步骤31)获取的数据点中任选两个数据点,并根据该两个数据点的俯仰角 及其关于传感器的径向距离获得前方路段坡度的计算值;
[0059] 前方路段坡度的计算值具体为:
[0060]
Figure CN104950313AD00071
[0061] 其中;a为前方路段坡度的计算值,巧和巧分别为选取的两个数据点的俯仰角, ri和r2分别为选取的两个数据点关于传感器的径向距离。
[0062] 具体的,如图4所示,左上方点0表示=维激光雷达的传感器的位置,右下角所示 为位于无人驾驶车辆前方倾斜角为a的斜坡,点Pi和P,为斜坡上的数据点,其径向距离及 俯仰角分别为r。約和r2,巧,e为与a相等的辅助角,Pi,1和P2,1分别为Pi和P2两点在 水平方向的投影点,Pl,2和P2,2为P1和P2两点在垂直方向的投影点,Q为P2,1口2,1与P lPl,2的 交点。图中 |P2P2.i| = ';sitiA, |QP2.i| = |PiPi.i| = ''iSm灼
Figure CN104950313AD00081
[0065] 所W桥面倾角为:
[0066]
Figure CN104950313AD00082
[0067] 在结构化道路行驶环境中斜坡或桥的纵坡比按照道路设计规范的要求要小于 7%,即前行100米升高要小于7m,相应的倾角值为0. 0699rad,上式可近似为
[0068]
Figure CN104950313AD00083
[0069]a的单位为rad。
[0070] 33)由两个数据点可W求得前方路段的倾角的一个计算值,为了减小测量误差的 影响,提高倾角的估计准确度,我们对该方位角下多个数据点两两求出的倾角计算值求均 值,最终得到倾角估计值,即重复32)多次,获得多个坡度的计算值,然后将获得的计算值 求平均作为前方路段的坡度,本实施例对前方桥面进行测量,根据多个数据点两两求出的 倾角的计算值列于表1。
[0071]表 1
[0072]
Figure CN104950313AD00084
[0073] 对表1中倾角值求均值,得到最终倾角估计值为0.04化ad。实际桥面纵坡值为 0. 053,即桥面倾角为0. 05化ad,估计值与实际值相对偏差为9. 4%。对桥面倾角进行估计 是为路径规划决策及控制提供有用信息,避免误将桥面认为是墙等不可通行障碍物,该应 用目的允许近似估计,一定范围内的偏差是可w接受的。

Claims (8)

1. 一种路面提取及道路坡度识别方法,其特征在于,该方法基于三维激光雷达和球坐 标系,包括步骤: 1) 获取车辆周围环境的三维激光雷达扫描点云的球坐标数据; 2) 根据同一俯仰角下各数据点关于传感器的径向距离确定车辆可行驶路线; 3) 确定车辆可行驶路线中前方路段的方位角,并根据该方位角下各数据点的俯仰角及 其关于三维激光雷达中传感器的径向距离识别前方路段的坡度。
2. 根据权利要求1所述的一种路面提取及道路坡度识别方法,其特征在于,所述三维 激光雷达设于车辆的车顶。
3. 根据权利要求1所述的一种路面提取及道路坡度识别方法,其特征在于,所述球坐 标系的原点为三维激光雷达的传感器。
4. 根据权利要求1所述的一种路面提取及道路坡度识别方法,其特征在于,所述步骤 2) 具体包括步骤: 21) 设定初始俯仰角,并获取该俯仰角下各数据点关于传感器的径向距离; 22) 将与相邻数据点之间径向距离的差值小于自适应阈值1?_的数据点设定为可行驶 路面点; 23) 改变俯仰角,并重复执行步骤22),得到车辆周围所有的可行驶路面点; 24) 将同一俯仰角下连续的可行驶路面点连接构成圆弧,并将弧长大于车身横向尺寸 的圆弧定义为可通过圆弧; 25) 根据获得的可通过圆弧,搜索确定车辆可行驶路线。
5. 根据权利要求4所述的一种路面提取及道路坡度识别方法,其特征在于,所述自适 应阈值Rmax具体为: Rmax= ^min(ri,ri_1)+e 其中:A为距离比例系数,e为误差补偿量,巧为数据点i关于传感器的径向距离,ri_i为数据点i相邻数据点关于传感器的径向距离。
6. 根据权利要求4所述的一种路面提取及道路坡度识别方法,其特征在于,所述车辆 可行驶路线由多条连续的可通过圆弧组成。
7. 根据权利要求1所述的一种路面提取及道路坡度识别方法,其特征在于,所述步骤 3) 具体包括步骤: 31) 确定车辆可行驶路线中前方路段的方位角,并获取该方位角下所有数据点,以及各 数据点的俯仰角及其关于传感器的径向距离; 32) 在步骤31)获取的数据点中任选两个数据点,并根据这两个数据点的俯仰角及其 关于传感器的径向距离获得前方路段坡度的计算值; 33) 重复32)多次,获得多个坡度的计算值,并将获得的计算值求平均作为前方路段的 坡度。
8. 根据权利要求7所述的一种路面提取及道路坡度识别方法,其特征在于,所述前方 路段坡度的计算值具体为:
Figure CN104950313AC00021
其中:a为前方路段坡度的计算值,例和约分别为选取的两个数据点的俯仰角,^和 1~2分别为选取的两个数据点关于传感器的径向距离。
CN201510316731.1A 2015-06-11 2015-06-11 一种路面提取及道路坡度识别方法 Expired - Fee Related CN104950313B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510316731.1A CN104950313B (zh) 2015-06-11 2015-06-11 一种路面提取及道路坡度识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510316731.1A CN104950313B (zh) 2015-06-11 2015-06-11 一种路面提取及道路坡度识别方法

Publications (2)

Publication Number Publication Date
CN104950313A true CN104950313A (zh) 2015-09-30
CN104950313B CN104950313B (zh) 2017-11-07

Family

ID=54165110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510316731.1A Expired - Fee Related CN104950313B (zh) 2015-06-11 2015-06-11 一种路面提取及道路坡度识别方法

Country Status (1)

Country Link
CN (1) CN104950313B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107643751A (zh) * 2016-07-21 2018-01-30 苏州宝时得电动工具有限公司 智能行走设备斜坡识别方法和系统
CN107643750A (zh) * 2016-07-21 2018-01-30 苏州宝时得电动工具有限公司 智能行走设备斜坡的识别方法及其智能行走设备
CN107766405A (zh) * 2016-08-23 2018-03-06 德尔福技术有限公司 自动车辆道路模型定义系统
CN108052624A (zh) * 2017-12-15 2018-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质
CN108229803A (zh) * 2017-12-25 2018-06-29 中公高科养护科技股份有限公司 一种特征路段的提取方法、危险路段的判断方法及系统
CN108459319A (zh) * 2018-03-13 2018-08-28 燕山大学 一种车辆行驶区域地形高度快速扫描系统
CN108549273A (zh) * 2018-02-13 2018-09-18 杭州电子科技大学 一种拉力赛车手操作预测和路书辅助生成系统及实现方法
WO2018196000A1 (en) * 2017-04-28 2018-11-01 SZ DJI Technology Co., Ltd. Methods and associated systems for grid analysis
CN108955584A (zh) * 2017-05-23 2018-12-07 上海汽车集团股份有限公司 一种路面探测方法及装置
CN109132392A (zh) * 2017-06-27 2019-01-04 广西大学 一种agv叉车坡道识别方法
CN109139893A (zh) * 2017-06-27 2019-01-04 广西大学 一种agv叉车颠簸路面识别方法
CN109188448A (zh) * 2018-09-07 2019-01-11 百度在线网络技术(北京)有限公司 点云非地面点过滤方法、装置及存储介质
CN109283936A (zh) * 2018-08-15 2019-01-29 广州极飞科技有限公司 移动装置控制方法、装置及终端
CN109387841A (zh) * 2018-10-29 2019-02-26 浙江大学 一种利用车载超声波雷达提前预测坡道坡度及坡长的系统
CN109407714A (zh) * 2017-12-15 2019-03-01 重庆长安汽车股份有限公司 坡度主动识别及车速控制系统及方法
CN109668543A (zh) * 2019-01-22 2019-04-23 南京理工大学 基于激光雷达的倾斜度测量方法
WO2019119184A1 (zh) * 2017-12-18 2019-06-27 深圳市大疆创新科技有限公司 地形预测方法、设备、系统和无人机
CN110379150A (zh) * 2018-09-13 2019-10-25 北京京东尚科信息技术有限公司 一种评估道路通行性的方法和装置
CN110515054A (zh) * 2019-08-23 2019-11-29 斯坦德机器人(深圳)有限公司 滤波方法和装置、电子设备、计算机存储介质
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
CN110617824A (zh) * 2019-09-29 2019-12-27 百度在线网络技术(北京)有限公司 确定车辆上下高架道路的方法、装置、设备和介质
GB2576265A (en) * 2016-04-05 2020-02-12 Jaguar Land Rover Ltd Improvements in vehicle speed control
JP2020098188A (ja) * 2018-09-27 2020-06-25 バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド 障害物検出方法、障害物検出装置、電子機器、車両及び記憶媒体
CN111948644A (zh) * 2020-07-15 2020-11-17 武汉理工大学 基于毫米波雷达的机器人地形识别方法及雷达装置
CN112183378A (zh) * 2020-09-29 2021-01-05 北京深睿博联科技有限责任公司 一种基于颜色和深度图像的道路坡度估计方法及装置
CN112684803A (zh) * 2021-03-11 2021-04-20 上海擎朗智能科技有限公司 移动机器人的控制方法、装置、移动机器人和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004317323A (ja) * 2003-04-17 2004-11-11 Daihatsu Motor Co Ltd 路面勾配推定装置及び路面勾配推定方法
CN102132335A (zh) * 2008-09-19 2011-07-20 株式会社日立制作所 行驶环境识别装置
CN103707887A (zh) * 2012-09-28 2014-04-09 现代摩比斯株式会社 斜坡预测方法及装置
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004317323A (ja) * 2003-04-17 2004-11-11 Daihatsu Motor Co Ltd 路面勾配推定装置及び路面勾配推定方法
CN102132335A (zh) * 2008-09-19 2011-07-20 株式会社日立制作所 行驶环境识别装置
CN103707887A (zh) * 2012-09-28 2014-04-09 现代摩比斯株式会社 斜坡预测方法及装置
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CHUNZHAO GUO, ET.AL: "Graph-based 2D Road Representation of 3D Point Clouds for Intelligent Vehicles", 《2011 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》 *
周俊静: "基于激光雷达的智能车辆目标识别与跟踪关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *
朱株,刘济林: "基于马尔科夫随机场的三维激光雷达路面实时分割", 《浙江大学学报(工学版)》 *
王肖 等: "智能车辆3-D点云快速分割方法", 《清华大学学报》 *
程健: "基于三维激光雷达的实时目标检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
谌彤童: "三维激光雷达在自主车环境感知中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
陆恒 等: "基于激光雷达的路沿检测与跟踪研究", 《计算机光盘软件与应用》 *

Cited By (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2576265B (en) * 2016-04-05 2020-08-19 Jaguar Land Rover Ltd Improvements in vehicle speed control
GB2576265A (en) * 2016-04-05 2020-02-12 Jaguar Land Rover Ltd Improvements in vehicle speed control
CN107643750A (zh) * 2016-07-21 2018-01-30 苏州宝时得电动工具有限公司 智能行走设备斜坡的识别方法及其智能行走设备
CN107643751A (zh) * 2016-07-21 2018-01-30 苏州宝时得电动工具有限公司 智能行走设备斜坡识别方法和系统
CN107766405A (zh) * 2016-08-23 2018-03-06 德尔福技术有限公司 自动车辆道路模型定义系统
WO2018196000A1 (en) * 2017-04-28 2018-11-01 SZ DJI Technology Co., Ltd. Methods and associated systems for grid analysis
CN108955584A (zh) * 2017-05-23 2018-12-07 上海汽车集团股份有限公司 一种路面探测方法及装置
CN108955584B (zh) * 2017-05-23 2021-02-05 上海汽车集团股份有限公司 一种路面探测方法及装置
CN109132392A (zh) * 2017-06-27 2019-01-04 广西大学 一种agv叉车坡道识别方法
CN109139893A (zh) * 2017-06-27 2019-01-04 广西大学 一种agv叉车颠簸路面识别方法
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
CN108052624B (zh) * 2017-12-15 2021-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质
CN108052624A (zh) * 2017-12-15 2018-05-18 深圳市易成自动驾驶技术有限公司 点云数据处理方法、装置及计算机可读存储介质
CN109407714A (zh) * 2017-12-15 2019-03-01 重庆长安汽车股份有限公司 坡度主动识别及车速控制系统及方法
WO2019119184A1 (zh) * 2017-12-18 2019-06-27 深圳市大疆创新科技有限公司 地形预测方法、设备、系统和无人机
CN108229803A (zh) * 2017-12-25 2018-06-29 中公高科养护科技股份有限公司 一种特征路段的提取方法、危险路段的判断方法及系统
CN108229803B (zh) * 2017-12-25 2021-04-09 中公高科养护科技股份有限公司 一种特征路段的提取方法、危险路段的判断方法及系统
CN108549273B (zh) * 2018-02-13 2020-11-03 杭州电子科技大学 一种拉力赛车手操作预测和路书辅助生成系统及实现方法
CN108549273A (zh) * 2018-02-13 2018-09-18 杭州电子科技大学 一种拉力赛车手操作预测和路书辅助生成系统及实现方法
CN108459319A (zh) * 2018-03-13 2018-08-28 燕山大学 一种车辆行驶区域地形高度快速扫描系统
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
CN109283936A (zh) * 2018-08-15 2019-01-29 广州极飞科技有限公司 移动装置控制方法、装置及终端
CN109188448B (zh) * 2018-09-07 2020-03-06 百度在线网络技术(北京)有限公司 点云非地面点过滤方法、装置及存储介质
CN109188448A (zh) * 2018-09-07 2019-01-11 百度在线网络技术(北京)有限公司 点云非地面点过滤方法、装置及存储介质
CN110379150A (zh) * 2018-09-13 2019-10-25 北京京东尚科信息技术有限公司 一种评估道路通行性的方法和装置
CN110379150B (zh) * 2018-09-13 2021-05-25 北京京东尚科信息技术有限公司 一种评估道路通行性的方法和装置
JP2020098188A (ja) * 2018-09-27 2020-06-25 バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド 障害物検出方法、障害物検出装置、電子機器、車両及び記憶媒体
CN109387841B (zh) * 2018-10-29 2020-09-08 浙江大学 一种利用车载超声波雷达提前预测坡道坡度及坡长的系统
CN109387841A (zh) * 2018-10-29 2019-02-26 浙江大学 一种利用车载超声波雷达提前预测坡道坡度及坡长的系统
CN109668543A (zh) * 2019-01-22 2019-04-23 南京理工大学 基于激光雷达的倾斜度测量方法
CN110515054A (zh) * 2019-08-23 2019-11-29 斯坦德机器人(深圳)有限公司 滤波方法和装置、电子设备、计算机存储介质
CN110617824A (zh) * 2019-09-29 2019-12-27 百度在线网络技术(北京)有限公司 确定车辆上下高架道路的方法、装置、设备和介质
CN111948644A (zh) * 2020-07-15 2020-11-17 武汉理工大学 基于毫米波雷达的机器人地形识别方法及雷达装置
CN112183378A (zh) * 2020-09-29 2021-01-05 北京深睿博联科技有限责任公司 一种基于颜色和深度图像的道路坡度估计方法及装置
CN112684803A (zh) * 2021-03-11 2021-04-20 上海擎朗智能科技有限公司 移动机器人的控制方法、装置、移动机器人和存储介质
CN112684803B (zh) * 2021-03-11 2021-06-11 上海擎朗智能科技有限公司 移动机器人的控制方法、装置、移动机器人和存储介质

Also Published As

Publication number Publication date
CN104950313B (zh) 2017-11-07

Similar Documents

Publication Publication Date Title
CN104950313B (zh) 一种路面提取及道路坡度识别方法
CN104931977B (zh) 一种用于智能车辆的障碍物识别方法
JP6342822B2 (ja) 自動運転システム、自動運転の方法及びコンピューティング装置
Weiss et al. Robust driving path detection in urban and highway scenarios using a laser scanner and online occupancy grids
US9563808B2 (en) Target grouping techniques for object fusion
US10809361B2 (en) Hybrid-view LIDAR-based object detection
CN105404844A (zh) 一种基于多线激光雷达的道路边界检测方法
CN104064030A (zh) 一种车型识别方法及系统
CN105892464A (zh) 基于固定路线的专用车自动驾驶系统及其驾驶方法
RU2668459C1 (ru) Устройство оценки положения и способ оценки положения
US20210061305A1 (en) Navigation based on traffic light cycle prediction
US10239539B2 (en) Vehicle travel control method and vehicle travel control device
CN200990147Y (zh) 基于多视点的智能视频交通监控系统
US11124163B2 (en) Method for controlling travel of vehicle, and device for controlling travel of vehicle
US20200049511A1 (en) Sensor fusion
US10377376B2 (en) Vehicle with environmental context analysis
CN110531376A (zh) 用于港口无人驾驶车辆的障碍物检测和跟踪方法
CN109285381A (zh) 用于探测停车场内的空闲区域的方法和系统
GB2556427A (en) Vehicle with environmental context analysis
CN110596731A (zh) 一种地铁车辆主动障碍物检测系统及方法
Stahl et al. ROS-based localization of a race vehicle at high-speed using LIDAR
US11067676B2 (en) Lidar intensity calibration
Pavelka et al. Lidar based object detection near vehicle
US20210063162A1 (en) Systems and methods for vehicle navigation
JP6895741B2 (ja) 障害物検出装置と障害物検出方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171107

Termination date: 20200611