CN105184852B - 一种基于激光点云的城市道路识别方法及装置 - Google Patents

一种基于激光点云的城市道路识别方法及装置 Download PDF

Info

Publication number
CN105184852B
CN105184852B CN201510472372.9A CN201510472372A CN105184852B CN 105184852 B CN105184852 B CN 105184852B CN 201510472372 A CN201510472372 A CN 201510472372A CN 105184852 B CN105184852 B CN 105184852B
Authority
CN
China
Prior art keywords
point cloud
laser point
laser
road surface
curb
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
Application number
CN201510472372.9A
Other languages
English (en)
Other versions
CN105184852A (zh
Inventor
姜雨
晏阳
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201510472372.9A priority Critical patent/CN105184852B/zh
Priority to EP15900235.1A priority patent/EP3321887A4/en
Priority to US15/750,106 priority patent/US10430659B2/en
Priority to KR1020187005933A priority patent/KR102062680B1/ko
Priority to JP2018506153A priority patent/JP6561199B2/ja
Priority to PCT/CN2015/096621 priority patent/WO2017020466A1/zh
Publication of CN105184852A publication Critical patent/CN105184852A/zh
Application granted granted Critical
Publication of CN105184852B publication Critical patent/CN105184852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • 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

Abstract

本发明实施例公开了一种基于激光点云的城市道路识别方法及装置。该方法包括：根据激光传感器采集的激光点云构建对应的路沿模型；确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。通过根据激光点云估算移动载体的高度，并利用所述高度构建激光点云对应的路面模型，提高了路面模型的构建效率和准确度，从而提高了对应的物体的识别效率和准确度。

Description

一种基于激光点云的城市道路识别方法及装置
技术领域
本发明实施例属于智能交通技术领域，涉及一种基于激光点云的城市道路识别方法及装置。
背景技术
通过移动载体(如车辆)中安装的激光传感器进行周围环境感知并对传感信息进行处理，得到移动载体所在环境诸如所在车道、道路范围、障碍物位置等信息，即为激光点云技术。
现有技术中，对道路信息的提取主要通过根据激光点云构建路沿模型，并通过随机设置回归算法的初始输入阀值来构建激光点云对应的路面模型；随后，获得激光点云对应的激光点云簇并通过点云分割及点云识别获得激光点云簇对应的物体。
上述方案中，通过随机设置的初始输入阀值构建激光点云对应的路面模型，导致路面模型的构建效率较低、误差较大，从而导致物体的识别效率较低、误差较大。
发明内容
本发明实施例的目的是提出一种基于激光点云的城市道路识别方法及装置，以提高道路识别的效率和准确度。
一方面，本发明实施例提供了一种基于激光点云的城市道路识别方法，包括：
根据激光传感器采集的激光点云构建对应的路沿模型；
确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；
根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
另一方面，本发明实施例提供了一种基于激光点云的城市道路识别装置，包括：
路沿模型单元，用于根据激光传感器采集的激光点云构建对应的路沿模型；
路面模型单元，用于确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；
点云消除单元，用于根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云；
点云分割单元，用于采用点云分割算法对剩余的激光点云进行分割；
物体识别单元，用于识别所述点云分割单元的分割结果对应的物体。
本发明实施例提供的基于激光点云的城市道路识别方法及装置，通过依据激光点云估算移动载体的高度，并利用所述高度构建对应的路面模型，提高了路面模型的构建效率和准确度，从而提高了物体的识别效率和准确度。
附图说明
图1为本发明实施例一提供的一种基于激光点云的城市道路识别方法的流程示意图；
图2为本发明实施例二提供的一种基于激光点云的城市道路识别方法的流程示意图；
图3为本发明实施例三提供的一种基于激光点云的城市道路识别方法的流程示意图；
图4为本发明实施例四提供的一种基于激光点云的城市道路识别装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于激光点云的城市道路识别方法的流程示意图。本实施例可适用于基于激光点云识别城市道路包含的物体的情况。参见图1，本实施例提供的基于激光点云的城市道路识别方法具体包括如下：
S11、根据激光传感器采集的激光点云构建对应的路沿模型。
在本实施例中，激光传感器可以是设置于移动载体上的激光雷达，移动载体通常可以是车辆，激光点云可以是移动载体所在环境的特征点集，包括各特征点的坐标以及反射率，该反射率可以是一个0-255的整数。
示例性的，激光雷达采集激光点云，可以通过GPS(Global Positioning System，全球定位系统)/IMU(Inertial measurement unit，惯性测量单元)将采集的激光点云转换到世界坐标系，并将世界坐标系下的激光点云拼接成稠密点云，具体的可以通过动态粒子树(Simultaneous Localization And Mapping，SLAM)算法提高稠密点云的拼接精度，至此得到两种用于点云分类的原始数据，其中一种是世界坐标系下经拼接形成的稠密点云，一种是以一帧为单位的稀疏有序点云。
在本实施例中，路沿指的是道路边沿。示例性的，在获得稠密点云和多帧稀疏有序点云后，对多帧稀疏有序点云进行处理得到可能的路沿点，并对可能的路沿点进行三维样本(spline)曲线拟合以根据多帧稀疏有序点云构建激光点云对应的路沿模型。
S12、确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型。
在本实施例中，路面指的是道路表面，用于供车辆在其上行驶。示例性的，对稀疏有序点云进行回归处理获得移动载体的高度，再将移动载体的高度作为回归算法的初始输入阀值，对每一帧稀疏有序点云做回归处理得到每一帧稀疏有序点云对应的候选路面点云，并将连续多帧稀疏有序点云对应的候选路面点云进行合并，且沿移动载体行驶轨迹的垂直方向做一维样本曲线拟合，存储拟合得到的样本方程参数，得到激光点云对应的路面模型。
S13、根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
在本实施例中，激光点云对应的物体可以是行人、车辆、树木、建筑物等障碍物，也可以是路牌，地标等。示例性的，根据路沿模型和路面模型去除S11中得到的稠密点云中的路沿点云和路面点云，对剩余的激光点云做聚类得到大致分离的激光点云簇，并采用点云分割算法将激光点云簇分割成子激光点云簇。在得到分割后的子激光点云簇后，使用预先训练好的支持向量机对每个子激光点云簇进行识别，识别子激光点云簇对应的物体。
本实施例提供的基于激光点云的城市道路识别方法，通过根据激光点云估算移动载体的高度，并利用所述高度构建对应的路面模型，提高了路面模型的构建效率和准确度，从而提高了激光点云对应的物体的识别效率和准确度。
实施例二
本实施例在上述实施例的基础上提供了一种新的基于激光点云的城市道路识别方法，该方法对路沿模型、路面模型的构建方式作进一步限定。图2为本发明实施例二提供的一种基于激光点云的城市道路识别方法的流程示意图。参见图2，本实施例提供的基于激光点云的城市道路识别方法具体包括如下：
S21、根据激光传感器采集的激光点云构建对应的路沿模型。
可选的，根据激光传感器采集的激光点云构建对应的路沿模型具体可以包括：采用角点检测算法对所述激光点云进行识别，获得所激光点云对应的路沿角点；根据获得的路沿角点构建所述路沿模型。
示例性的，对每一帧稀疏有序点云进行处理得到候选路沿点。具体的，每一帧稀疏有序点云中可以包括32条线，针对每一帧稀疏有序点云，对该帧的每一线的数据进行滑动窗口的处理，通过激光点云的坡度、密度、反射率这三个特性检测出有可能包含路沿的候选窗口，再使用角点检测算法从候选窗口中得到候选路沿角点，根据车高等先验知识滤除错误的候选角点，再将该帧中所有线得到的候选角点投影到垂直于移动载体行使方向的轴上，对投影点做聚类，并通过加权高斯卷积的投票算法得到该帧稀疏点云对应的路沿角点。重复上述操作获得每一帧稀疏点云对应的路沿角点后，将所有的稀疏点云对应的路沿角点转换到世界坐标系下，融合在一起后使用统计滤波的技术去除噪声，使用点云抽稀技术减小数据量，且沿着移动车辆行驶轨迹使用卡尔曼滤波技术修复路沿，随后将无序的角点拟合成三维样条曲线以得到激光点云对应的路沿模型。
需要说明的是，本实施例先采用角点检测方法获得激光点云对应的角点，再对角点进行拟合以构建路沿模型，相比于现有技术中直接识别激光点云对应的路沿，提高了路沿模型的准确度。
S22、根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度，并将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型。
可选的，根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度，具体可以包括：将所述激光点云投影到以所述激光传感器的坐标为原点的极坐标网格中；对激光传感器附近的激光点云对应的投影网格作Ransac(随机抽样一致算法，Random Sample Consensus)回归以估算所述激光传感器的高度。
示例性的，建立以移动载体坐标为原点的极坐标网格(Polar Grid Map)，将一帧稀疏点云中的每个点投影到极坐标网格中，并对激光传感器附近的激光点云对应的投影网格作Ransac回归估算出激光传感器的高度，并将估算出的激光传感器的高度作为移动载体的高度。
可选的，在所述回归算法为高斯过程回归时，将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型具体可以包括：根据所述初始输入阀值对每一帧所述激光点云对应的投影网格作高斯过程回归，获得对应的候选路面点云；对所述候选路面点云作合并以及样本回归处理获得所述路面模型。
示例性的，将移动载体的高度作为预设的回归算法的初始输入阀值(即阀值选取种子)，对每一帧稀疏有序点云做回归处理得到每一帧稀疏有序点云的候选路面点云，将连续多帧稀疏有序点云对应的候选路面点云进行合并，并沿移动载体行驶轨迹的垂直方向做一维样本拟合，存储拟合得到的样本方程参数，得到完整的近似路面模型。
S23、根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
本实施例提供的基于激光点云的城市道路识别方法，通过将移动载体的高度作为高斯过程回归的初始输入阀值构建对应的路面模型，提高了路面模型的构建效率和准确度，并且通过角点检测算法构建路沿模型，提高了路沿模型的准确度，从而提高了激光点云对应的物体的识别效率和准确度。
实施例三
本实施例以上述实施例为基础，给出了又一种基于激光点云的城市道路识别方法，该方法对点云分割方式作进一步限定。图3为本发明实施例三提供的一种基于激光点云的城市道路识别方法的流程示意图。参见图3，本实施例提供的基于激光点云的城市道路识别方法具体包括如下：
S31、根据激光传感器采集的激光点云构建对应的路沿模型。
S32、确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型。
S33、根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云。
示例性的，建立世界坐标系下的稠密点云对应的平均网格图(Mean Grid Map)、最小网格图(Min Grid Map)和最大网格图(Max Grid Map)，选定阈值以相邻网格间的坡度为特征建立无向图模型，获得最大的两块连通区域，并将最大的两块连通区域作为候选路面，再查询候选路面附近的路面网格，选定阈值得到路面网格中的路面点云，并滤除这些路面点云，即，消除了稠密点云中的路面点云和路沿点云。
S34、采用点云分割算法对剩余的激光点云进行分割。
可选的，采用点云分割算法对剩余的激光点云进行分割，包括：
A、对剩余的激光点云作聚类以得到对应的激光点云簇。
示例性的，可以对剩余的激光点云作欧拉聚类得到大致分离的点云簇。
B、建立所述激光点云簇对应的超体素。
可选的，建立所述激光点云簇对应的超体素，具体包括：根据所述激光点云簇对应的空间坐标和反射率建立所述激光点云簇对应的超体素。示例性的，针对每个激光点云簇，根据该激光点云簇的空间坐标和反射率建立该激光点云簇的超体素。
C、分割所述超体素获得子激光点云簇，并对所述子激光点云簇作合并处理。
本实施例通过获得激光点云簇对应的超体素，并对超体素进行分割得到子激光点云簇，相比于现有技术中直接对激光点云簇进行分割的方法，提高了点云分割的效率及准确率，尤其是本实施例避免了现有的点云分割方法在移动载体行驶于高速公路上时由于路牌与护栏粘连而导致的点云分割效果不佳。
可选的，对所述子激光点云簇作合并处理，包括：通过主成分分析获得所述子激光点云簇的形状特征；根据获得的形状特征对所述子激光点云簇作合并处理。
示例性的，对每个超体素做随机漫步者(Random Walker)分割，得到过渡分割的子激光点云簇，对每个子激光点云簇作主成分分析(Principal Component Analysis，PCA)以获得子激光点云簇的形状特征，将相邻的具有相似形状特征的子激光点云簇合并以得到最终的点云分割结果，例如，将在竖直方向上形状相同的两个子激光点云簇合并。本实施例通过对子激光点云簇作合并处理，避免了同一物体被分割成不同的子激光点云簇，提高了点云分割的合理性。
S35、识别分割结果对应的物体。
示例性的，在得到分割后的点云簇后，使用预先训练好的支持向量机对每个点云簇进行识别，最终得到激光点云对应的物体。
本发明实施例提供的基于激光点云的城市道路识别方法，能够得到激光点云对应的路沿方程、路面点云，并识别激光点云对应的路牌、路标、障碍物等城市道路物体，这些结果可以用于制作高精度地图，从而提高高精地图的制作速度与制作精度。
实施例四
图4为本发明实施例四提供的一种基于激光点云的城市道路识别装置的结构示意图。本实施例可适用于基于激光点云识别城市道路包含的物体的情况。参见图4，该基于激光点云的城市道路识别装置的具体结构如下：
路沿模型单元41，用于根据激光传感器采集的激光点云构建对应的路沿模型；
路面模型单元42，用于确定设置有所述激光传感器的移动载体的高度，并根据所述高度和激光点云构建对应的路面模型；
点云消除单元43，用于根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云；
点云分割单元44，用于采用点云分割算法对剩余的激光点云进行分割；
物体识别单元45，用于识别所述点云分割单元的分割结果对应的物体。
可选的，所述路面模型单元42包括：
高度估算子单元，用于根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度；
路面构建子单元，用于将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型。
可选的，所述高度估算子单元具体用于：
将所述激光点云投影到以所述激光传感器的坐标为原点的极坐标网格中；
对激光传感器附近的激光点云对应的投影网格作Ransac回归以估算所述激光传感器的高度。
可选的，在回归算法为高斯过程回归时，所述路面构建子单元具体用于：
根据所述初始输入阀值对每一帧所述激光点云对应的投影网格作高斯过程回归，获得对应的候选路面点云；
对所述候选路面点云作合并以及样本回归处理获得所述路面模型。
可选的，所述路沿模型单元41包括：
角度获得子单元，用于采用角点检测算法对所述激光点云进行识别，获得所激光点云对应的路沿角点；
路沿构建子单元，用于根据获得的路沿角点构建所述路沿模型。
可选的，点云分割单元44包括：
点云簇子单元，用于对剩余的激光点云作聚类以得到对应的激光点云簇；
超体素子单元，用于建立所述激光点云簇对应的超体素；
子点云簇子单元，用于分割所述超体素获得子激光点云簇；
合并处理子单元，用于对所述子激光点云簇作合并处理。
可选的，超体素子单元具体用于：根据所述激光点云簇对应的空间坐标和反射率建立所述激光点云簇对应的超体素。
可选的，合并处理子单元具体用于：通过主成分分析获得所述子激光点云簇的形状特征；根据获得的形状特征对所述子激光点云簇作合并处理。
上述产品可执行本发明任意实施例所提供的基于激光点云的城市道路识别方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于激光点云的城市道路识别方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种基于激光点云的城市道路识别方法，其特征在于，包括：
根据激光传感器采集的激光点云构建对应的路沿模型；
确定设置有所述激光传感器的移动载体的高度，并将所述高度作为预设的回归算法的初始输入阀 值，基于所述激光点云构建对应的路面模型；
根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云，采用点云分割算法对剩余的激光点云进行分割，并识别分割结果对应的物体。
2.根据权利要求1所述的方法，其特征在于，确定设置有所述激光传感器的移动载体的高度，并将所述高度作为预设的回归算法的初始输入阀 值，基于所述激光点云构建对应的路面模型，包括：
根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度，并将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型。
3.根据权利要求2所述的方法，其特征在于，根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度，包括：
将所述激光点云投影到以所述激光传感器的坐标为原点的极坐标网格中；
对激光传感器附近的激光点云对应的投影网格作Ransac回归以估算所述激光传感器的高度。
4.根据权利要求2所述的方法，其特征在于，所述回归算法为高斯过程回归，
将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型，包括：
根据所述初始输入阀值对每一帧所述激光点云对应的投影网格作高斯过程回归，获得对应的候选路面点云；
对所述候选路面点云作合并以及样本回归处理获得所述路面模型。
5.根据权利要求1所述的方法，其特征在于，根据激光传感器采集的激光点云构建对应的路沿模型，包括：
采用角点检测算法对所述激光点云进行识别，获得所激光点云对应的路沿角点；
根据获得的路沿角点构建所述路沿模型。
6.根据权利要求1所述的方法，其特征在于，采用点云分割算法对剩余的激光点云进行分割，包括：
对剩余的激光点云作聚类以得到对应的激光点云簇；
建立所述激光点云簇对应的超体素；
分割所述超体素获得子激光点云簇，并对所述子激光点云簇作合并处理。
7.根据权利要求6所述的方法，其特征在于，建立所述激光点云簇对应的超体素，具体包括：
根据所述激光点云簇对应的空间坐标和反射率建立所述激光点云簇对应的超体素。
8.根据权利要求6所述的方法，其特征在于，对所述子激光点云簇作合并处理，包括：
通过主成分分析获得所述子激光点云簇的形状特征；
根据获得的形状特征对所述子激光点云簇作合并处理。
9.一种基于激光点云的城市道路识别装置，其特征在于，包括：
路沿模型单元，用于根据激光传感器采集的激光点云构建对应的路沿模型；
路面模型单元，用于确定设置有所述激光传感器的移动载体的高度，并将所述高度作为预设的回归算法的初始输入阀 值，基于所述激光点云构建对应的路面模型；
点云消除单元，用于根据所述路沿模型和所述路面模型，消除所述激光点云中的路面点云以及路沿点云；
点云分割单元，用于采用点云分割算法对剩余的激光点云进行分割；
物体识别单元，用于识别所述点云分割单元的分割结果对应的物体。
10.根据权利要求9所述的装置，其特征在于，所述路面模型单元包括：
高度估算子单元，用于根据设置有所述激光传感器的移动载体附近的所述激光点云估算所述移动载体的高度；
路面构建子单元，用于将所述高度作为预设的回归算法的初始输入阀值，基于所述激光点云构建对应的路面模型。
11.根据权利要求10所述的装置，其特征在于，所述高度估算子单元具体用于：
将所述激光点云投影到以所述激光传感器的坐标为原点的极坐标网格中；
对激光传感器附近的激光点云对应的投影网格作Ransac回归以估算所述激光传感器的高度。
12.根据权利要求10所述的装置，其特征在于，在回归算法为高斯过程回归时，所述路面构建子单元具体用于：
根据所述初始输入阀值对每一帧所述激光点云对应的投影网格作高斯过程回归，获得对应的候选路面点云；
对所述候选路面点云作合并以及样本回归处理获得所述路面模型。
13.根据权利要求9所述的装置，其特征在于，所述路沿模型单元包括：
角点获得子单元，用于采用角点检测算法对所述激光点云进行识别，获得所激光点云对应的路沿角点；
路沿构建子单元，用于根据获得的路沿角点构建所述路沿模型。
14.根据权利要求9所述的装置，其特征在于，点云分割单元包括：
点云簇子单元，用于对剩余的激光点云作聚类以得到对应的激光点云簇；
超体素子单元，用于建立所述激光点云簇对应的超体素；
子点云簇子单元，用于分割所述超体素获得子激光点云簇；
合并处理子单元，用于对所述子激光点云簇作合并处理。
15.根据权利要求14所述的装置，其特征在于，超体素子单元具体用于：
根据所述激光点云簇对应的空间坐标和反射率建立所述激光点云簇对应的超体素。
16.根据权利要求14所述的装置，其特征在于，合并处理子单元具体用于：
通过主成分分析获得所述子激光点云簇的形状特征；
根据获得的形状特征对所述子激光点云簇作合并处理。
CN201510472372.9A 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 Active CN105184852B (zh)

Priority Applications (6)

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
EP15900235.1A EP3321887A4 (en) 2015-08-04 2015-12-08 Urban road recognition method, apparatus, storage medium and device based on laser point cloud
US15/750,106 US10430659B2 (en) 2015-08-04 2015-12-08 Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device
KR1020187005933A KR102062680B1 (ko) 2015-08-04 2015-12-08 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기
JP2018506153A 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
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

Applications Claiming Priority (1)

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

Publications (2)

Publication Number Publication Date
CN105184852A CN105184852A (zh) 2015-12-23
CN105184852B true CN105184852B (zh) 2018-01-30

Family

ID=54906902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510472372.9A Active 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

Country Status (6)

Country Link
US (1) US10430659B2 (zh)
EP (1) EP3321887A4 (zh)
JP (1) JP6561199B2 (zh)
KR (1) KR102062680B1 (zh)
CN (1) CN105184852B (zh)
WO (1) WO2017020466A1 (zh)

Families Citing this family (112)

* Cited by examiner, † Cited by third party
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
KR20170115778A (ko) * 2016-04-08 2017-10-18 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系统
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
US11538168B2 (en) 2018-06-15 2022-12-27 Bayerische Motoren Werke Aktiengesellschaft Incremental segmentation of point cloud
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
US10887574B2 (en) 2018-07-31 2021-01-05 Intel Corporation Selective packing of patches for immersive video
US10893299B2 (en) 2018-07-31 2021-01-12 Intel Corporation Surface normal vector processing mechanism
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
US10762394B2 (en) 2018-07-31 2020-09-01 Intel Corporation System and method for 3D blob classification and transmission
US11212506B2 (en) 2018-07-31 2021-12-28 Intel Corporation Reduced rendering of six-degree of freedom video
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
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系统和方法
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系统
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
EP3894788A4 (en) * 2018-12-13 2022-10-05 Continental Automotive GmbH METHOD AND SYSTEM FOR GENERATION OF ENVIRONMENTAL 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
WO2020133369A1 (en) 2018-12-29 2020-07-02 Beijing Didi Infinity Technology And Development Co., Ltd. Identifying a curb based on 3-d sensor data
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系统分割与参数检测方法
CN111771206A (zh) 2019-01-30 2020-10-13 百度时代网络技术（北京）有限公司 用于自动驾驶车辆的地图分区系统
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、定位系统
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
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
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
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
CN112634181A (zh) 2019-09-24 2021-04-09 北京百度网讯科技有限公司 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
WO2021118809A1 (en) * 2019-12-11 2021-06-17 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系统及方法
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、系统及终端
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
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
CN112508912A (zh) * 2020-12-07 2021-03-16 中联重科股份有限公司 地面点云数据滤除方法及装置、臂架防碰撞方法及系统
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系统
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系统
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
CN113076922A (zh) * 2021-04-21 2021-07-06 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
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系统
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系统
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、系统及装置
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
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
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138163A (zh) * 2008-08-29 2011-07-27 三菱电机株式会社 俯瞰图像生成装置、俯瞰图像生成方法以及俯瞰图像生成程序
CN103390169A (zh) * 2013-07-19 2013-11-13 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
CN103778429A (zh) * 2014-01-24 2014-05-07 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
CN104766058A (zh) * 2015-03-31 2015-07-08 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

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8483442B2 (en) * 2007-02-16 2013-07-09 Mitsubishi Electric Corporation Measurement apparatus, measurement method, and feature identification apparatus
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
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
DE102013114821B3 (de) * 2013-12-23 2014-10-23 Jenoptik Robot Gmbh Verfahren zur Ausrichtung eines Laserscanners zu einer Fahrbahn
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
KR20170115778A (ko) * 2016-04-08 2017-10-18 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102138163A (zh) * 2008-08-29 2011-07-27 三菱电机株式会社 俯瞰图像生成装置、俯瞰图像生成方法以及俯瞰图像生成程序
CN103390169A (zh) * 2013-07-19 2013-11-13 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
CN103778429A (zh) * 2014-01-24 2014-05-07 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
CN104766058A (zh) * 2015-03-31 2015-07-08 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

Also Published As

Publication number Publication date
EP3321887A1 (en) 2018-05-16
CN105184852A (zh) 2015-12-23
JP2018534647A (ja) 2018-11-22
KR20180036753A (ko) 2018-04-09
US10430659B2 (en) 2019-10-01
JP6561199B2 (ja) 2019-08-14
KR102062680B1 (ko) 2020-01-06
EP3321887A4 (en) 2018-08-15
WO2017020466A1 (zh) 2017-02-09
US20180225515A1 (en) 2018-08-09

Similar Documents

Publication Publication Date Title
CN105184852B (zh) 一种基于激光点云的城市道路识别方法及装置
CN111551958B (zh) 一种面向矿区无人驾驶的高精地图制作方法
CN108345822B (zh) 一种点云数据处理方法及装置
Oniga et al. Processing dense stereo data using elevation maps: Road surface, traffic isle, and obstacle detection
CN106530380B (zh) 一种基于三维激光雷达的地面点云分割方法
WO2018068653A1 (zh) 点云数据处理方法、装置及存储介质
CN111220993B (zh) 目标场景定位方法、装置、计算机设备和存储介质
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
CN111487641B (zh) 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质
CN108873013B (zh) 一种采用多线激光雷达的道路可通行区域获取方法
CN103714538B (zh) 道路边缘检测方法、装置及车辆
CN105046235A (zh) 车道线的识别建模方法和装置、识别方法和装置
CN105550665A (zh) 一种基于双目视觉的无人驾驶汽车可通区域检测方法
CN109100730A (zh) 一种多车协同快速建图方法
Ibrahim et al. Curb-based street floor extraction from mobile terrestrial LiDAR point cloud
CN112200171B (zh) 一种基于扫描线的道路点云的提取方法
CN115049700A (zh) 一种目标检测方法及装置
Oniga et al. Curb detection based on a multi-frame persistence map for urban driving scenarios
WO2021017211A1 (zh) 一种基于视觉的车辆定位方法、装置及车载终端
KR20180059188A (ko) 딥 러닝을 이용한 동적 장애물이 없는 배경 위주의 3차원 지도 생성 방법
CN109241855B (zh) 基于立体视觉的智能车辆可行驶区域探测方法
CN115176288A (zh) 用于重建道路的环境场景中的特征的方法
Xu et al. Road lane modeling based on RANSAC algorithm and hyperbolic model
CN110110678B (zh) 道路边界的确定方法和装置、存储介质及电子装置
CN112749584A (zh) 一种基于图像检测的车辆定位方法及车载终端

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