CN105551016A - 一种基于激光点云的路沿识别方法及装置 - Google Patents
一种基于激光点云的路沿识别方法及装置 Download PDFInfo
- Publication number
- CN105551016A CN105551016A CN201510873076.XA CN201510873076A CN105551016A CN 105551016 A CN105551016 A CN 105551016A CN 201510873076 A CN201510873076 A CN 201510873076A CN 105551016 A CN105551016 A CN 105551016A
- Authority
- CN
- China
- Prior art keywords
- curb
- point cloud
- candidate
- laser
- line segments
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于激光点云的路沿识别方法及装置。所述基于激光点云的路沿识别方法包括:根据激光传感器采集的激光点云识别至少两个候选路沿线段;根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。本发明实施例提供的技术方案,通过识别至少两个候选路沿线段后,滤除噪声路沿线段,并根据剩余的候选路沿线段对应的路沿点云,构建路沿模型,提高了路沿模型的准确度。
Description
技术领域
本发明实施例涉及地理信息数据处理领域,尤其涉及一种基于激光点云的路沿识别方法及装置。
背景技术
随着信息技术的不断发展,电子地图逐渐在人们的日常生活中普及,为用户提供更准确的道路信息成为各服务商的重要关注点。
地图中道路形状一般由路沿确定,因此,路沿模型的准确构建十分重要。现有技术中,主要根据激光点云构建路沿模型,其中,点云包含至少两个离散点信息,所述离散点从激光传感器周围物体表面获取。因此,激光点云数据既包括有用的路沿信息,也包括与路沿有交叠部分的植被、树木或路标信息,由于点云数据的离散性,且没有有效区分噪声和有用路沿信息的方法,使植被、树木或路标等噪声无法滤除,导致目前构建的路沿模型的准确度较低。
发明内容
本发明提供一种基于激光点云的路沿识别方法及装置,以提高路沿模型的准确度。
第一方面,本发明实施例提供了一种基于激光点云的路沿识别方法,包括:
根据激光传感器采集的激光点云识别至少两个候选路沿线段;
根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;
依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
第二方面,本发明实施例还提供了一种基于激光点云的路沿识别装置,包括:
线段识别模块,用于根据激光传感器采集的激光点云识别至少两个候选路沿线段;
线段滤除模块,用于根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;
模型构建模块,用于依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
本发明实施例提供的技术方案,通过根据激光点云识别至少两个候选路沿线段,随后滤除噪声路沿线段,并根据剩余的候选路沿线段对应的路沿点云,构建路沿模型,避免了噪声对路沿点云的影响,提高了路沿模型的准确度。
附图说明
图1是本发明实施例一提供的基于激光点云的路沿识别方法流程示意图;
图2是本发明实施例二提供的基于激光点云的路沿识别方法流程示意图;
图3是本发明实施例三提供的基于激光点云的路沿识别装置结构示意图。
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内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的基于激光点云的路沿识别方法流程示意图。本实施例可适用于根据激光点云构建准确路沿模型的情况。该方法可以由基于激光点云的路沿识别装置执行,其中该装置可由软件和/或硬件实现,并一般可集成于用于绘制道路地图的服务器中。
参见图1,本实施例提供的基于激光点云的路沿识别方法具体可以包括如下:
S110、根据激光传感器采集的激光点云识别至少两个候选路沿线段。
激光传感器采集的激光点云包括路面点云、路沿点云以及噪声点云,其中,路沿指的是道路边沿,噪声点云可以是道路周围的树木、植被、车辆、路灯、广告牌或者路标等对应的激光点云。通过依次滤除激光传感器采集到的激光点云中的路面点云和噪声点云可以得到粗略的路沿点云,再利用路沿的几何形状进一步去除噪声点云,即可得到候选路沿点云,所述候选路沿点云已经没有明显的噪声存在。为便于后续根据所述候选路沿点云得到更为精确的路沿点云,本实施例对候选路沿点云进行拟合,得到至少两条路沿线段。
S120、根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段。
激光点云中各相邻激光点间距较小,因此对候选路沿点云拟合得到的路沿线段长度较短,可以忽略所述路沿线段的长度,将路沿线段作为近似路沿点。若检测到相邻两个近似路沿点之间的距离小于距离阀值,和/或相邻三个近似路沿点之间的角度值小于角度阀值,则确定相应的近似路沿点对应的路沿线段为可信路沿线段;否则确定相应的近似路沿点对应的路沿线段为噪声路沿线段,并滤除所述噪声路沿线段。
进一步的,所述从所述至少两个候选路沿线段中滤除噪声路沿线段之前,还可以包括:根据高度阀值以及所述至少两个候选路沿线段对应的候选路沿点云与路面之间的高度值,筛选所述候选路沿点云。
以地面的高度为参考高度,确定相对高度值小于高度阀值的候选路面点云为可信候选路面点云,确定相对高度值大于高度阀值的候选路面点云为噪声候选路面点云,并将所述噪声候选路面点云滤除。
需要说明的是,本发明也可以先根据高度阀值以及候选路沿点云与路面之间的高度值,筛选候选路沿点云,再根据候选路沿点云识别候选路沿线段。
S130、依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
获取所述可信路沿线段对应的路沿点云,根据所述路沿点云相对道路的位置将所述路沿点云分为两组,并分别对两组路沿点云进行拟合,获得两条路沿曲线,进而构建路沿模型。
进一步的,所述依据剩余的候选路沿线段对应的路沿点云,构建路沿模型,可以包括:采用曲线模型对剩余的候选路沿线段对应的路沿点云做回归处理,生成左侧路沿曲线模型和右侧路沿曲线模型,所述曲线模型至少包括直线、圆弧和羊角螺线中的一种。采用上述曲线模型构建的路沿模型相较于单一模式曲线模型构建的路沿模型更精确。
本发明实施例提供的技术方案,通过根据激光点云识别至少两个候选路沿线段,随后滤除噪声路沿线段,并根据剩余的候选路沿线段对应的路沿点云,构建路沿模型,避免了噪声对路沿点云的影响,提高了路沿模型的准确度。
实施例二
本实施例在上述实施例一的基础上提供了一种基于激光点云的路沿识别方法。图2是本发明实施例二提供的基于激光点云的路沿识别方法流程示意图。如图2所示,本实施例提供的基于激光点云的路沿识别方法具体可以包括如下:
S210、根据所述激光传感器采集的激光点云识别候选路沿点云。
滤除激光传感器采集的激光点云中的明显噪声,如滤除地面,植被与树木,得到所述候选路沿点云。
示例性的,所述根据所述激光传感器采集的激光点云识别候选路沿点云,可以包括:滤除所述激光传感器采集的激光点云包含的路面点云,得到第一路沿点云;根据所述第一路沿点云包含的每一条扫描线中各激光点与设置有所述激光传感器的移动载体之间的距离值,对所述第一路沿点云进行筛选,得到第二路沿点云;根据所述第二路沿点云的平滑度、坡度和密度对所述第二路沿点云进行筛选,得到第三路沿点云;采用角点检测算法对所述第三路沿点云进行识别,得到所述候选路沿点云;其中移动载体可以是车辆。
激光传感器采集的激光点云的明显噪声主要包括路面点云和遮挡物点云,其中,所述遮挡物包括树木、植被或路标。滤除所述明显噪声从以下几个方面进行:根据高度识别并滤除路面点云;根据各激光点与移动载体之间的距离值,滤除明显的遮挡物点云,需要说明的是,所述距离值发生跳变的激光点确定为遮挡物点云;利用路沿点云的平滑度、坡度和密度进一步滤除噪声点云,具体的,平滑度指的是相邻激光点构成的角度,坡度指的是相邻激光点构成的线段与地面之间的夹角,密度指的是单位面积内激光点的数量,将角度、夹角以及数量在相应阀值之外的激光点确定为噪声激光点,滤除所述噪声激光点;随后,采用脚点检测算法识别出路沿角点,并依据路沿角点识别出候选路沿点云。
S220、根据识别的候选路沿点云,采用霍夫变换识别至少两个候选路沿线段。
霍夫变换是一种从图像中识别几何形状的基本方法,为方便后续对噪声点云的进一步滤除,采用霍夫变换对候选路沿点云进行识别,得到至少两个候选路沿线段。
S230、根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段。
S240、依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
本发明实施例提供的技术方案,通过霍夫变换识别候选路沿点云对应的至少两个候选路沿线段,随后滤除噪声路沿线段,并根据剩余的候选路沿线段对应的路沿点云,构建路沿模型,有效滤除了噪声点云,提高了路沿模型的准确度。
实施例三
图3是本发明实施例三提供的基于激光点云的路沿识别装置结构示意图。本实施例提供的基于激光点云的路沿识别装置可设置在绘制道路地图的服务器中。参见图3,该基于激光点云的路沿识别装置的具体结构如下:
线段识别模块310,用于根据激光传感器采集的激光点云识别至少两个候选路沿线段;
线段滤除模块320,用于根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;
模型构建模块330,用于依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
在本实施例中,所述线段识别模块310可以包括:
点云识别单元,用于根据所述激光传感器采集的激光点云识别候选路沿点云;
线段确定单元,用于根据识别的候选路沿点云,采用霍夫变换识别至少两个候选路沿线段。
在本实施例中,所述点云识别单元具体可以用于:
滤除所述激光传感器采集的激光点云包含的路面点云,得到第一路沿点云;
根据所述第一路沿点云包含的每一条扫描线中各激光点与设置有所述激光传感器的移动载体之间的距离值,对所述第一路沿点云进行筛选,得到第二路沿点云;
根据所述第二路沿点云的平滑度、坡度和密度对所述第二路沿点云进行筛选,得到第三路沿点云;
采用角点检测算法对所述第三路沿点云进行识别,得到所述候选路沿点云。
在本实施例中,所述基于激光点云的路沿识别装置还可以包括:
点云筛选模块,用于从所述至少两个候选路沿线段中滤除噪声路沿线段之前,根据高度阀值以及所述至少两个候选路沿线段对应的候选路沿点云与路面之间的高度值,筛选所述候选路沿点云。
在本实施例中,所述模型构建模块330可以包括:
模型生成单元,用于采用曲线模型对剩余的候选路沿线段对应的路沿点云做回归处理,生成左侧路沿曲线模型和右侧路沿曲线模型,所述曲线模型至少包括直线、圆弧和羊角螺线中的一种。
本实施例提供的基于激光点云的路沿识别装置,与本发明任意实施例所提供的基于激光点云的路沿识别方法属于同一发明构思,可执行本发明任意实施例所提供的基于激光点云的路沿识别方法,具备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提供的基于激光点云的路沿识别方法。
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 (10)
1.一种基于激光点云的路沿识别方法,其特征在于,包括:
根据激光传感器采集的激光点云识别至少两个候选路沿线段;
根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;
依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
2.根据权利要求1所述的方法,其特征在于,所述根据激光传感器采集的激光点云识别至少两个候选路沿线段,包括:
根据所述激光传感器采集的激光点云识别候选路沿点云;
根据识别的候选路沿点云,采用霍夫变换识别至少两个候选路沿线段。
3.根据权利要求2所述的方法,其特征在于,所述根据所述激光传感器采集的激光点云识别候选路沿点云,包括:
滤除所述激光传感器采集的激光点云包含的路面点云,得到第一路沿点云;
根据所述第一路沿点云包含的每一条扫描线中各激光点与设置有所述激光传感器的移动载体之间的距离值,对所述第一路沿点云进行筛选,得到第二路沿点云;
根据所述第二路沿点云的平滑度、坡度和密度对所述第二路沿点云进行筛选,得到第三路沿点云;
采用角点检测算法对所述第三路沿点云进行识别,得到所述候选路沿点云。
4.根据权利要求1所述的方法,其特征在于,所述从所述至少两个候选路沿线段中滤除噪声路沿线段之前,还包括:
根据高度阀值以及所述至少两个候选路沿线段对应的候选路沿点云与路面之间的高度值,筛选所述候选路沿点云。
5.根据权利要求1所述的方法,其特征在于,所述依据剩余的候选路沿线段对应的路沿点云,构建路沿模型,包括:
采用曲线模型对剩余的候选路沿线段对应的路沿点云做回归处理,生成左侧路沿曲线模型和右侧路沿曲线模型,所述曲线模型至少包括直线、圆弧和羊角螺线中的一种。
6.一种基于激光点云的路沿识别装置,其特征在于,包括:
线段识别模块,用于根据激光传感器采集的激光点云识别至少两个候选路沿线段;
线段滤除模块,用于根据角度阀值、距离阀值以及所述至少两个候选路沿线段之间的角度值和距离值,从所述至少两个候选路沿线段中滤除噪声路沿线段;
模型构建模块,用于依据剩余的候选路沿线段对应的路沿点云,构建路沿模型。
7.根据权利要求6所述的装置,其特征在于,所述线段识别模块包括:
点云识别单元,用于根据所述激光传感器采集的激光点云识别候选路沿点云;
线段确定单元,用于根据识别的候选路沿点云,采用霍夫变换识别至少两个候选路沿线段。
8.根据权利要求7所述的装置,其特征在于,所述点云识别单元具体用于:
滤除所述激光传感器采集的激光点云包含的路面点云,得到第一路沿点云;
根据所述第一路沿点云包含的每一条扫描线中各激光点与设置有所述激光传感器的移动载体之间的距离值,对所述第一路沿点云进行筛选,得到第二路沿点云;
根据所述第二路沿点云的平滑度、坡度和密度对所述第二路沿点云进行筛选,得到第三路沿点云;
采用角点检测算法对所述第三路沿点云进行识别,得到所述候选路沿点云。
9.根据权利要求6所述的装置,其特征在于,还包括:
点云筛选模块,用于从所述至少两个候选路沿线段中滤除噪声路沿线段之前,根据高度阀值以及所述至少两个候选路沿线段对应的候选路沿点云与路面之间的高度值,筛选所述候选路沿点云。
10.根据权利要求6所述的装置,其特征在于,所述模型构建模块包括:
模型生成单元,用于采用曲线模型对剩余的候选路沿线段对应的路沿点云做回归处理,生成左侧路沿曲线模型和右侧路沿曲线模型,所述曲线模型至少包括直线、圆弧和羊角螺线中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510873076.XA CN105551016B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路沿识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510873076.XA CN105551016B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路沿识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105551016A true CN105551016A (zh) | 2016-05-04 |
CN105551016B CN105551016B (zh) | 2019-01-22 |
Family
ID=55830192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510873076.XA Active CN105551016B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路沿识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105551016B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403844A (zh) * | 2016-08-26 | 2017-02-15 | 合肥工业大学 | 一种用于投影测量的有效点云快速识别算法 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
CN108828621A (zh) * | 2018-04-20 | 2018-11-16 | 武汉理工大学 | 基于三维激光雷达的障碍检测和路面分割算法 |
CN109683170A (zh) * | 2018-12-27 | 2019-04-26 | 驭势科技(北京)有限公司 | 一种图像行驶区域标注方法、装置、车载设备及存储介质 |
CN110033482A (zh) * | 2018-01-11 | 2019-07-19 | 沈阳美行科技有限公司 | 一种基于激光点云的路沿识别方法和装置 |
CN110068834A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
US10510148B2 (en) | 2017-12-18 | 2019-12-17 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for block based edgel detection with false edge elimination |
CN110674705A (zh) * | 2019-09-05 | 2020-01-10 | 北京智行者科技有限公司 | 基于多线激光雷达的小型障碍物检测方法及装置 |
CN110728288A (zh) * | 2019-10-12 | 2020-01-24 | 上海高仙自动化科技发展有限公司 | 一种基于三维激光点云的角点特征提取方法及其应用 |
CN111273314A (zh) * | 2018-11-16 | 2020-06-12 | 北京四维图新科技股份有限公司 | 点云数据处理方法、装置和存储介质 |
CN111474946A (zh) * | 2020-05-27 | 2020-07-31 | 苏州高之仙自动化科技有限公司 | 边沿检测方法及装置、机器人沿边清扫的控制方法及装置 |
CN111724429A (zh) * | 2019-03-21 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 地面特征提取方法及装置 |
CN111722249A (zh) * | 2019-03-22 | 2020-09-29 | 丰田自动车株式会社 | 物体识别装置以及车辆控制系统 |
CN111932477A (zh) * | 2020-08-07 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种基于单线激光雷达点云的噪声去除方法及装置 |
CN112069899A (zh) * | 2020-08-05 | 2020-12-11 | 深兰科技(上海)有限公司 | 一种路肩检测方法、装置及存储介质 |
CN112240772A (zh) * | 2020-12-16 | 2021-01-19 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
CN112823377A (zh) * | 2021-01-14 | 2021-05-18 | 深圳市锐明技术股份有限公司 | 一种路沿分割方法、装置、终端设备及可读存储介质 |
CN113009503A (zh) * | 2020-07-20 | 2021-06-22 | 青岛慧拓智能机器有限公司 | 一种用于矿山道路的拓扑结构自动构建系统及方法 |
CN115984803A (zh) * | 2023-03-10 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005013025A1 (en) * | 2003-07-31 | 2005-02-10 | Trw Limited | Sensing apparatus for vehicles |
CN102270301A (zh) * | 2011-06-07 | 2011-12-07 | 南京理工大学 | 一种svm与激光雷达结合检测非结构化道路边界的方法 |
CN103679121A (zh) * | 2012-09-14 | 2014-03-26 | 株式会社理光 | 采用视差图像检测路边的方法及系统 |
-
2015
- 2015-12-02 CN CN201510873076.XA patent/CN105551016B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005013025A1 (en) * | 2003-07-31 | 2005-02-10 | Trw Limited | Sensing apparatus for vehicles |
CN102270301A (zh) * | 2011-06-07 | 2011-12-07 | 南京理工大学 | 一种svm与激光雷达结合检测非结构化道路边界的方法 |
CN103679121A (zh) * | 2012-09-14 | 2014-03-26 | 株式会社理光 | 采用视差图像检测路边的方法及系统 |
Non-Patent Citations (1)
Title |
---|
谭宝成 等: "基于激光雷达的道路边界检测的研究", 《电子设计工程》 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403844B (zh) * | 2016-08-26 | 2018-10-23 | 合肥工业大学 | 一种用于投影测量的有效点云快速识别算法 |
CN106403844A (zh) * | 2016-08-26 | 2017-02-15 | 合肥工业大学 | 一种用于投影测量的有效点云快速识别算法 |
CN108021844A (zh) * | 2016-10-31 | 2018-05-11 | 高德软件有限公司 | 一种道路边沿识别方法及装置 |
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 |
CN107272019A (zh) * | 2017-05-09 | 2017-10-20 | 深圳市速腾聚创科技有限公司 | 基于激光雷达扫描的路沿检测方法 |
US10510148B2 (en) | 2017-12-18 | 2019-12-17 | Hong Kong Applied Science And Technology Research Institute Co., Ltd. | Systems and methods for block based edgel detection with false edge elimination |
CN110033482A (zh) * | 2018-01-11 | 2019-07-19 | 沈阳美行科技有限公司 | 一种基于激光点云的路沿识别方法和装置 |
CN110068834A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
CN110068834B (zh) * | 2018-01-24 | 2023-04-07 | 北京京东尚科信息技术有限公司 | 一种路沿检测方法和装置 |
CN108828621A (zh) * | 2018-04-20 | 2018-11-16 | 武汉理工大学 | 基于三维激光雷达的障碍检测和路面分割算法 |
CN111273314A (zh) * | 2018-11-16 | 2020-06-12 | 北京四维图新科技股份有限公司 | 点云数据处理方法、装置和存储介质 |
CN109683170A (zh) * | 2018-12-27 | 2019-04-26 | 驭势科技(北京)有限公司 | 一种图像行驶区域标注方法、装置、车载设备及存储介质 |
CN111724429A (zh) * | 2019-03-21 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 地面特征提取方法及装置 |
CN111724429B (zh) * | 2019-03-21 | 2024-03-01 | 北京京东乾石科技有限公司 | 地面特征提取方法及装置 |
CN111722249A (zh) * | 2019-03-22 | 2020-09-29 | 丰田自动车株式会社 | 物体识别装置以及车辆控制系统 |
CN111722249B (zh) * | 2019-03-22 | 2023-12-01 | 丰田自动车株式会社 | 物体识别装置以及车辆控制系统 |
CN110674705A (zh) * | 2019-09-05 | 2020-01-10 | 北京智行者科技有限公司 | 基于多线激光雷达的小型障碍物检测方法及装置 |
CN110728288A (zh) * | 2019-10-12 | 2020-01-24 | 上海高仙自动化科技发展有限公司 | 一种基于三维激光点云的角点特征提取方法及其应用 |
CN110728288B (zh) * | 2019-10-12 | 2022-06-28 | 上海高仙自动化科技发展有限公司 | 一种基于三维激光点云的角点特征提取方法及其应用 |
CN111474946A (zh) * | 2020-05-27 | 2020-07-31 | 苏州高之仙自动化科技有限公司 | 边沿检测方法及装置、机器人沿边清扫的控制方法及装置 |
CN113009503A (zh) * | 2020-07-20 | 2021-06-22 | 青岛慧拓智能机器有限公司 | 一种用于矿山道路的拓扑结构自动构建系统及方法 |
CN112069899A (zh) * | 2020-08-05 | 2020-12-11 | 深兰科技(上海)有限公司 | 一种路肩检测方法、装置及存储介质 |
CN111932477A (zh) * | 2020-08-07 | 2020-11-13 | 武汉中海庭数据技术有限公司 | 一种基于单线激光雷达点云的噪声去除方法及装置 |
CN112240772B (zh) * | 2020-12-16 | 2021-09-28 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
CN112240772A (zh) * | 2020-12-16 | 2021-01-19 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
WO2022151147A1 (zh) * | 2021-01-14 | 2022-07-21 | 深圳市锐明技术股份有限公司 | 一种路沿分割方法、装置、终端设备及可读存储介质 |
CN112823377A (zh) * | 2021-01-14 | 2021-05-18 | 深圳市锐明技术股份有限公司 | 一种路沿分割方法、装置、终端设备及可读存储介质 |
CN112823377B (zh) * | 2021-01-14 | 2024-02-09 | 深圳市锐明技术股份有限公司 | 一种路沿分割方法、装置、终端设备及可读存储介质 |
CN115984803A (zh) * | 2023-03-10 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
CN115984803B (zh) * | 2023-03-10 | 2023-12-12 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105551016B (zh) | 2019-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105551016A (zh) | 一种基于激光点云的路沿识别方法及装置 | |
KR102062680B1 (ko) | 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기 | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
JP4569837B2 (ja) | 地物情報収集装置及び地物情報収集方法 | |
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 | |
CN105551082A (zh) | 一种基于激光点云的路面识别方法及装置 | |
JP4446201B2 (ja) | 画像認識装置及び画像認識方法 | |
JP5867596B2 (ja) | 立体物検出装置及び立体物検出方法 | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
Ai et al. | Critical assessment of an enhanced traffic sign detection method using mobile LiDAR and INS technologies | |
JP2017054494A (ja) | 標示ベースの位置測定 | |
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 | |
JP6615065B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
CN104422451A (zh) | 一种道路识别方法及装置 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
EP4202365A1 (en) | Method, apparatus, and computer program product for identifying and correcting lane geometry in map data | |
CN112200171A (zh) | 一种基于扫描线的道路点云的提取方法 | |
CN110991215A (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN110660211B (zh) | 使用占用行为异常检测器的停车区域地图改善 | |
CN109740502B (zh) | 道路质量检测方法及装置 | |
EP4273501A1 (en) | Method, apparatus, and computer program product for map data generation from probe data imagery | |
JP5099460B2 (ja) | 地物情報収集装置及び地物情報収集方法 | |
CN115909241A (zh) | 一种车道线检测方法、系统、电子设备和存储介质 | |
CN114463717A (zh) | 一种障碍物位置判断方法、系统、电子设备及存储介质 |
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 |