CN105551082A - 一种基于激光点云的路面识别方法及装置 - Google Patents
一种基于激光点云的路面识别方法及装置 Download PDFInfo
- Publication number
- CN105551082A CN105551082A CN201510870957.6A CN201510870957A CN105551082A CN 105551082 A CN105551082 A CN 105551082A CN 201510870957 A CN201510870957 A CN 201510870957A CN 105551082 A CN105551082 A CN 105551082A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- road surface
- coordinate system
- surface point
- credible
- 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
- 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
- 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
- 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
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Abstract
本发明公开了一种基于激光点云的路面识别方法及装置。所述基于激光点云的路面识别方法包括：根据激光传感器采集的激光点云识别候选路面点云；构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。本发明实施例提供的技术方案，根据激光传感器采集的激光点云识别候选路面点云，并通过对投影到直角坐标系网格内的候选路面点云聚类，获得可信路面点云，最终根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型，有效滤除路面激光点云中的噪声，提高了构建的路面模型的准确性。
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面识别方法及装置。
背景技术
电子地图中路面模型的准确构建，有利于服务商为用户提供更好的使用体验。
目前，主要根据激光点云构建路面模型。使用激光传感器采集相关点云数据时，从物体表面返回的激光只携带物体表面信息，因此，被植被、树木或路标等覆盖的路面信息并未包含在采集到的点云数据中。植被、树木或路标等成为路面激光点云数据的噪声，且由于没有有效区分噪声和有用路面点云数据的方法，使这些噪声无法滤除，导致目前构建的路面模型的准确度较低。
发明内容
本发明提供一种基于激光点云的路面识别方法及装置，以提高路面模型的准确度。
第一方面，本发明实施例提供了一种基于激光点云的路面识别方法，所述方法包括：
根据激光传感器采集的激光点云识别候选路面点云；
构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；
根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
第二方面，本发明实施例还提供了一种基于激光点云的路面识别装置，所述装置包括：
点云识别模块，用于根据激光传感器采集的激光点云识别候选路面点云；
网格构建模块，用于构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；
模型构建模块，用于根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
本发明实施例提供的技术方案，根据激光传感器采集的激光点云识别候选路面点云，并通过对投影到直角坐标系网格内的候选路面点云聚类，获得可信路面点云，最终根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型，有效滤除了路面激光点云中的噪声，提高了构建的路面模型的准确性。
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面识别方法的流程示意图；
图2是本发明实施例二提供的基于激光点云的路面识别方法的流程示意图；
图3是本发明实施例三提供的基于激光点云的路面识别方法的流程示意图；
图4是本发明实施例四提供的基于激光点云的路面识别方法的流程示意图；
图5是本发明实施例五提供的基于激光点云的路面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面识别方法的流程示意图。本实施例可适用于根据激光传感器采集的激光点云构建准确路面模型的情况。该方法可以由基于激光点云的路面识别装置执行，该装置可通过硬件和/或软件的方式实现，并一般可集成于用于绘制地图道路的服务器中。
参见图1，本实施例提供的基于激光点云的路面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候选路面点云。
激光传感器设置在移动载体上，每隔一定时间采集一次当前路面激光点云。其中，移动载体可以是车辆。为避免遮挡，激光传感器设置在移动载体的顶部。一般情况下，激光传感器是周期性采集数据的，周期长度可根据作业人员的需求进行调整。由于道路表面树木、植被和路标等物体的存在，激光传感器采集到的路面激光点云包含很多噪声，通过高度阀值以及激光点云与路面基准高度差值的对比，可从激光传感器采集的激光点云中识别出候选路面点云，此时，激光传感器采集的激光点云中明显噪声已基本去除。
S120、构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云。
以设置有激光传感器的移动载体当前位置为原点，所述移动载体的当前行驶方向为轴，构建直角坐标系网格。其中，移动载体的当前行驶方向可以根据所述移动载体的当前位置与前一时刻所处位置的连线确定。构建的直角坐标系网格范围覆盖所述候选路面点云，将所述候选路面点云投影到所述直角坐标系网格内，并对所述候选路面点云的高度进行聚类，获取所占比例最大的高度范围对应的候选路面点云，作为可信路面点云。例如，候选路面点云的高度分布情况为：高度值在10-20cm范围内的候选路面点云所占比例为10％，高度值在21-30cm范围内的候选路面点云所占比例为80％，高度值在31-40cm范围内的候选路面点云所占比例为10％，则高度值在21-30cm范围内的候选路面点云即为可信路面点云。具体的，高度范围的选取可根据实际应用需求进行调整。
S130、根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
获取可信路面点云中心位置处激光点云的高度作为路面高度，并以移动载体所处的当前位置为原点，当前行驶方向为纵轴，确定直角坐标系网格，将所述路面高度以及直角坐标系网格的坐标轴作为路面模型。
本实施例提供的技术方案，根据激光传感器采集的激光点云识别候选路面点云，并通过对投影到直角坐标系网格内的候选路面点云聚类，获得可信路面点云，最终根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型，有效滤除了路面激光点云中的噪声，提高了构建的路面模型的准确性。
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面识别方法。图2是本发明实施例二提供的基于激光点云的路面识别方法的流程示意图。如图2所示，本实施例提供的基于激光点云的路面识别方法具体可以包括如下：
S210、根据激光传感器采集的激光点云，构建极坐标系网格。
对每一帧激光点云，以设置有激光传感器的移动载体当前位置为原点，分别构建极坐标系网格，使所述极坐标系网格范围覆盖该帧激光点云。
S220、将所述极坐标系网格中激光点云的高度和平面位置坐标，作为所述极坐标系网格的标记点。
每一帧激光点云可以包括激光点云组成的多条扫描线，如32条扫描线，极坐标系网格包括多个网格结构，激光点云可以投影在对应的极坐标网格中。本实施例所述极坐标系网格中激光点云的高度包括投影到网格结构内激光点云的高度，具体的，所述每个网格结构内激光点云的高度可以为投影到每个网格结构内的多个激光点云的平均高度。所述平面位置坐标可以为每个网格结构中心位置处的平面坐标。因此，将投影到网格结构的多个激光点云的平均高度和网格结构中心位置处的平面坐标作为网格结构的标记点。
S230、对所述极坐标系网格中每个角度的标记点做高斯回归，获得至少两个路面曲线。
为提高处理结果的准确度，极坐标系网格中每个网格结构的面积越小越好，考虑到实际操作的可实现程度，本实施例对此不做具体限制。当极坐标系网格中每个网格结构的面积足够小时，各所述网格结构的标记点分布在极坐标系网格原点周围的每个角度上，分别对每个角度对应的标记点做高斯回归，即可获得多条路面曲线。
S240、根据高度阀值以及投影到所述至少两个路面曲线上的激光点云相对于对应路面曲线的高度，识别所述候选路面点云。
将激光点云投影到路面曲线上，并且以所述至少两个路面曲线作为高度基准确定投影到路面曲线上的激光点云的相对高度，避免了由于高度基准选取不合适带来的激光点云过度过滤问题。具体的，在激光点云相对于路面曲线的高度小于高度阀值时，确定所述激光点云为候选路面点云。其中，所述高度阀值可以为20cm。
S250、构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云。
S260、根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
本实施例提供的技术方案，根据极坐标系网格中的标记点确定至少两条路面曲线，并根据高度阀值与投影到所述路面曲线上的激光点云相对于对应路面曲线的高度之间的关系，识别所述候选路面点云，通过对所述候选路面点云聚类，获得可信路面点云，最终根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型，借助路面曲线增强了根据高度滤除噪声的效果，提高了构建的路面模型的准确性。
实施例三
本实施例在上述实施例的基础上提供了一种基于激光点云的路面识别方法。图3是本发明实施例三提供的基于激光点云的路面识别方法的流程示意图。如图3所示，本实施例提供的基于激光点云的路面识别方法具体可以包括如下：
S310、根据激光传感器采集的激光点云识别候选路面点云。
S320、构建所述直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云进行聚类，得到所述直角坐标系网格的主体高度。
以设置有激光传感器的移动载体当前位置为原点，所述移动载体的当前行驶方向为纵轴，建立直角坐标系网格。对投影到直角坐标系网格的网格结构中的候选路面点云进行聚类，获取投影到网格结构中的主候选路面点云，并计算主候选路面点云的高度平均值，将高度平均值作为直角坐标系网格中对应的网格结构的主体高度。
S330、对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云。
对所述直角坐标系网格中网格结构的主体高度进行聚类，获取所述主体高度中所占比例最大的高度范围对应的网格结构，将投影到所述网格结构中的候选路面点云，作为可信路面点云。
进一步的，对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云，可以包括：
对所述直角坐标系网格的主体高度进行聚类；
根据面积阀值和对主体高度的聚类结果，得到第一可信路面点云；
根据主体高度差阀值以及所述第一可信路面点云与除所述第一可信路面点云外的候选路面点云之间的主体高度差，得到第二可信路面点云。
对所述直角坐标系网格中网格结构的主体高度进行聚类，获取所述主体高度中所占比例最大的高度范围对应的网格结构，将投影到所述网格结构中的候选路面点云，作为待操作候选路面点云。计算各连续所述待操作候选路面点云的面积，判断所述面积大于面积阀值时，确定所述面积对应的连续待操作候选路面点云为第一可信路面点云，其中，所述面积阀值可以为16平方米。
为避免可信路面点云的遗漏，对所述第一可信路面点云周围的候选路面点云做进一步的筛选。在除所述第一可信路面点云外的候选路面点云对应的网格结构的主体高度与所述第一可信路面点云对应的网格结构的主体高度之差小于主体高度差阀值时，确定所述第一可信路面点云和除所述第一可信路面点云外的候选路面点云为第二候选路面点云，其中，所述主体高度差阀值可以为40cm。
S340、根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
本实施例提供的技术方案，根据激光传感器采集的激光点云识别候选路面点云，并通过对所述候选路面点云以及直角坐标系网格主体高度的两次聚类，获得可信路面点云，最终根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型，有效滤除路面激光点云中的噪声，提高了构建路面模型的准确性。
实施例四
本实施例在上述实施例的基础上提供了一种基于激光点云的路面识别方法。图4是本发明实施例四提供的基于激光点云的路面识别方法的流程示意图。如图4所示，本实施例提供的基于激光点云的路面识别方法具体可以包括如下：
S410、根据激光传感器采集的激光点云识别候选路面点云。
S420、构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云。
S430、将所述可信路面点云划分为至少两个点云分片。
为提高构建出路面模型的精确度，本实施例将所述可信路面点云进行分片，划分为至少两个点云分片，对每个分片分别建模。
进一步的，所述将所述可信路面点云划分为至少两个点云分片之前，还可以包括：
提取所述可信路面点云的边界。
提取所述边界的方法包括但不限于神经网络法，得到可信路面点云的边界能够便于确定可信路面点云的分布范围，进而基于该分布范围对点云进行分片。
S440、根据所述至少两个点云分片的中心点和设置有激光传感器的移动载体的行使方向，分别构建所述至少两个点云分片的局部道路网格模型。
划分好的点云分片中，每个点云分片包括多个激光点云，获取处于每个分片中心位置处的激光点云，结合当前位置处所述移动载体的行驶方向，分别构建每个点云分片对应的局部道路网络模型。
S450、将投影到所述局部道路网格模型中的可信路面点云的路面高度以及所述局部道路网格模型的坐标系，作为构建的路面模型。
其中，所述路面高度为局部道路网络模型的路面高度，可以为投影到对应局部道路网络模型中的可信路面点云的平均高度。所述局部道路网格模型的坐标系可以包括以对应点云分片中心点作为原点，以当前位置处设置有激光传感器的移动载体的行驶方向为纵轴。结合对应每个点云分片构建的局部道路网络模型的路面高度以及坐标系信息，构建路面模型，如，将构建的投影到局部道路网络模型内的可信路面点云的高度，局部道路网格坐标系的原点与坐标轴存储到二进制文件中，就得到了持久化的路面模型。
本实施例提供的技术方案，根据激光传感器采集的激光点云识别候选路面点云，并通过对投影到直角坐标系网格内的候选路面点云聚类，获得可信路面点云，将所述可信路面点云划分为至少两个点云分片，并据此构建对应的局部道路网络模型，最终根据路面高度以及局部道路网络模型坐标系确定路面模型，有效滤除路面激光点云中的噪声，并通过对可信路面点云分片进一步提高了构建路面模型的准确性。
实施例五
图5是本发明实施例五提供的基于激光点云的路面识别装置结构示意图。参见图5，该基于激光点云的路面识别装置的具体结构如下：
点云识别模块510，用于根据激光传感器采集的激光点云识别候选路面点云；
网格构建模块520，用于构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；
模型构建模块530，用于根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
在本实施例中，所述点云识别模块510可以包括：
坐标构建单元，用于根据激光传感器采集的激光点云，构建极坐标系网格；
标记确定单元，用于将所述极坐标系网格中激光点云的高度和平面位置坐标，作为所述极坐标系网格的标记点；
曲线获得单元，用于对所述极坐标系网格中每个角度的标记点做高斯回归，获得至少两个路面曲线；
路面识别单元，用于根据高度阀值以及投影到所述至少两个路面曲线上的激光点云相对于对应路面曲线的高度，识别所述候选路面点云。
在本实施例中，所述网格构建模块520可以包括：
高度确定单元，用于构建所述直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云进行聚类，得到所述直角坐标系网格的主体高度；
高度聚类单元，用于对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云。
在本实施例中，所述高度聚类单元具体可以用于：
对所述直角坐标系网格的主体高度进行聚类；
根据面积阀值和对主体高度的聚类结果，得到第一可信路面点云；
根据主体高度差阀值以及所述第一可信路面点云与除所述第一可信路面点云外的候选路面点云之间的主体高度差，得到第二可信路面点云。
在本实施例中，所述模型构建模块530可以包括：
点云划分单元，用于将所述可信路面点云划分为至少两个点云分片；
模型标记单元，用于根据所述至少两个点云分片的中心点和设置有激光传感器的移动载体的行使方向，分别构建所述至少两个点云分片的局部道路网格模型；
模型确定单元，用于将投影到所述局部道路网格模型中的可信路面点云的路面高度以及所述局部道路网格模型的坐标系，作为构建的路面模型。
在本实施例中，所述模型构建模块530还可以包括：
边界提取单元，用于提取所述可信路面点云的边界。
本实施例提供的基于激光点云的路面识别装置，与本发明任意实施例所提供的基于激光点云的路面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面识别方法，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面识别方法。
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 (12)
1.一种基于激光点云的路面识别方法，其特征在于，包括：
根据激光传感器采集的激光点云识别候选路面点云；
构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；
根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
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候选路面点云，包括：
根据激光传感器采集的激光点云，构建极坐标系网格；
将所述极坐标系网格中激光点云的高度和平面位置坐标，作为所述极坐标系网格的标记点；
对所述极坐标系网格中每个角度的标记点做高斯回归，获得至少两个路面曲线；
根据高度阀值以及投影到所述至少两个路面曲线上的激光点云相对于对应路面曲线的高度，识别所述候选路面点云。
3.根据权利要求1所述的方法，其特征在于，所述构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云，包括：
构建所述直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云进行聚类，得到所述直角坐标系网格的主体高度；
对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云。
4.根据权利要求3所述的方法，其特征在于，对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云，包括：
对所述直角坐标系网格的主体高度进行聚类；
根据面积阀值和对主体高度的聚类结果，得到第一可信路面点云；
根据主体高度差阀值以及所述第一可信路面点云与除所述第一可信路面点云外的候选路面点云之间的主体高度差，得到第二可信路面点云。
5.根据权利要求1所述的方法，其特征在于，所述根据所述可信路面点云以及设置有激光传感器的移动载体的行使方向，构建路面模型，包括：
将所述可信路面点云划分为至少两个点云分片；
根据所述至少两个点云分片的中心点和设置有激光传感器的移动载体的行使方向，分别构建所述至少两个点云分片的局部道路网格模型；
将投影到所述局部道路网格模型中的可信路面点云的路面高度以及所述局部道路网格模型的坐标系，作为构建的路面模型。
6.根据权利要求5所述的方法，其特征在于，所述将所述可信路面点云划分为至少两个点云分片之前，还包括：
提取所述可信路面点云的边界。
7.一种基于激光点云的路面识别装置，其特征在于，包括：
点云识别模块，用于根据激光传感器采集的激光点云识别候选路面点云；
网格构建模块，用于构建直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云聚类，获得可信路面点云；
模型构建模块，用于根据所述可信路面点云以及设置有所述激光传感器的移动载体的行驶方向，构建路面模型。
8.根据权利要求7所述的装置，其特征在于，所述点云识别模块包括：
坐标构建单元，用于根据激光传感器采集的激光点云，构建极坐标系网格；
标记确定单元，用于将所述极坐标系网格中激光点云的高度和平面位置坐标，作为所述极坐标系网格的标记点；
曲线获得单元，用于对所述极坐标系网格中每个角度的标记点做高斯回归，获得至少两个路面曲线；
路面识别单元，用于根据高度阀值以及投影到所述至少两个路面曲线上的激光点云相对于对应路面曲线的高度，识别所述候选路面点云。
9.根据权利要求7所述的装置，其特征在于，所述网格构建模块包括：
高度确定单元，用于构建所述直角坐标系网格，对投影到所述直角坐标系网格内的候选路面点云进行聚类，得到所述直角坐标系网格的主体高度；
高度聚类单元，用于对所述直角坐标系网格的主体高度进行聚类，得到所述可信路面点云。
10.根据权利要求9所述的装置，其特征在于，所述高度聚类单元具体用于：
对所述直角坐标系网格的主体高度进行聚类；
根据面积阀值和对主体高度的聚类结果，得到第一可信路面点云；
根据主体高度差阀值以及所述第一可信路面点云与除所述第一可信路面点云外的候选路面点云之间的主体高度差，得到第二可信路面点云。
11.根据权利要求7所述的装置，其特征在于，所述模型构建模块包括：
点云划分单元，用于将所述可信路面点云划分为至少两个点云分片；
模型标记单元，用于根据所述至少两个点云分片的中心点和设置有激光传感器的移动载体的行使方向，分别构建所述至少两个点云分片的局部道路网格模型；
模型确定单元，用于将投影到所述局部道路网格模型中的可信路面点云的路面高度以及所述局部道路网格模型的坐标系，作为构建的路面模型。
12.根据权利要求11所述的装置，其特征在于，所述模型构建模块还包括：
边界提取单元，用于提取所述可信路面点云的边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510870957.6A CN105551082B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路面识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510870957.6A CN105551082B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路面识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105551082A true CN105551082A (zh) | 2016-05-04 |
| CN105551082B CN105551082B (zh) | 2018-09-07 |
Family
ID=55830257
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510870957.6A Active CN105551082B (zh) | 2015-12-02 | 2015-12-02 | 一种基于激光点云的路面识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105551082B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106705962A (zh) * | 2016-12-27 | 2017-05-24 | 首都师范大学 | 一种获取导航数据的方法及系统 |
| CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技（深圳）有限公司 | 一种路肩提取的方法及装置 |
| 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 |
| 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 |
| CN108241819A (zh) * | 2016-12-23 | 2018-07-03 | 高德软件有限公司 | 路面标记的识别方法及装置 |
| CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科（北京）空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
| WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
| CN109190573A (zh) * | 2018-09-12 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 一种地面检测方法、装置、电子设备、车辆及存储介质 |
| CN109359614A (zh) * | 2018-10-30 | 2019-02-19 | 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 |
| CN109506672A (zh) * | 2017-09-15 | 2019-03-22 | 高德软件有限公司 | 一种路面标记激光点云的获取方法及装置 |
| CN109613552A (zh) * | 2018-12-07 | 2019-04-12 | 厦门大学 | 一种用于tls多回波点云植被遮挡目标的探测和分析方法 |
| CN110807439A (zh) * | 2019-11-12 | 2020-02-18 | 银河水滴科技（北京）有限公司 | 检测障碍物的方法及装置 |
| US10901421B2 (en) | 2018-06-26 | 2021-01-26 | Neusoft Reach Automotive Technology (Shanghai) Co., Ltd. | Method and device for detecting road boundary |
| CN112513876A (zh) * | 2020-09-04 | 2021-03-16 | 华为技术有限公司 | 一种用于地图的路面提取方法及装置 |
| CN113112595A (zh) * | 2021-04-28 | 2021-07-13 | 中国科学院沈阳应用生态研究所 | 综合体实景三维模型的点线面混合立体路网自动构建方法 |
| WO2021168854A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 可行驶区域检测的方法和装置 |
| WO2022166323A1 (zh) * | 2021-02-03 | 2022-08-11 | 华为技术有限公司 | 一种道路线确定的方法，相关装置以及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005013025A1 (en) * | 2003-07-31 | 2005-02-10 | Trw Limited | Sensing apparatus for vehicles |
| CN103268609A (zh) * | 2013-05-17 | 2013-08-28 | 清华大学 | 一种有序提取地面的点云分割方法 |
| CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
-
2015
- 2015-12-02 CN CN201510870957.6A patent/CN105551082B/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 |
| CN103268609A (zh) * | 2013-05-17 | 2013-08-28 | 清华大学 | 一种有序提取地面的点云分割方法 |
| CN104197897A (zh) * | 2014-04-25 | 2014-12-10 | 厦门大学 | 一种基于车载激光扫描点云的城区道路标线自动分类方法 |
Non-Patent Citations (2)
| Title |
|---|
| 熊爱武: "基于车载激光点云数据的道路模型重建", 《地理信息世界》 * |
| 肖晓明 等: "一种自适应的区域生长算法用于道路分割", 《控制工程》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107742091A (zh) * | 2016-08-22 | 2018-02-27 | 腾讯科技（深圳）有限公司 | 一种路肩提取的方法及装置 |
| 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 |
| 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 |
| CN107766405B (zh) * | 2016-08-23 | 2022-01-11 | 安波福技术有限公司 | 自动车辆道路模型定义系统 |
| 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 |
| CN108241819A (zh) * | 2016-12-23 | 2018-07-03 | 高德软件有限公司 | 路面标记的识别方法及装置 |
| CN108241819B (zh) * | 2016-12-23 | 2020-07-28 | 阿里巴巴（中国）有限公司 | 路面标记的识别方法及装置 |
| 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 |
| CN106705962A (zh) * | 2016-12-27 | 2017-05-24 | 首都师范大学 | 一种获取导航数据的方法及系统 |
| CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科（北京）空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
| CN108267747B (zh) * | 2017-01-03 | 2021-10-22 | 中交宇科（北京）空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
| WO2018133851A1 (zh) * | 2017-01-22 | 2018-07-26 | 腾讯科技（深圳）有限公司 | 一种点云数据处理方法、装置及计算机存储介质 |
| CN109506672B (zh) * | 2017-09-15 | 2023-05-12 | 阿里巴巴（中国）有限公司 | 一种路面标记激光点云的获取方法及装置 |
| CN109506672A (zh) * | 2017-09-15 | 2019-03-22 | 高德软件有限公司 | 一种路面标记激光点云的获取方法及装置 |
| US10901421B2 (en) | 2018-06-26 | 2021-01-26 | Neusoft Reach Automotive Technology (Shanghai) Co., Ltd. | Method and device for detecting road boundary |
| 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 |
| CN109190573A (zh) * | 2018-09-12 | 2019-01-11 | 百度在线网络技术（北京）有限公司 | 一种地面检测方法、装置、电子设备、车辆及存储介质 |
| US11313951B2 (en) | 2018-09-12 | 2022-04-26 | Baidu Online Network Technology (Beijing) Co., Ltd. | Ground detection method, electronic device, and vehicle |
| 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 |
| CN109359614A (zh) * | 2018-10-30 | 2019-02-19 | 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 |
| CN109613552A (zh) * | 2018-12-07 | 2019-04-12 | 厦门大学 | 一种用于tls多回波点云植被遮挡目标的探测和分析方法 |
| CN110807439A (zh) * | 2019-11-12 | 2020-02-18 | 银河水滴科技（北京）有限公司 | 检测障碍物的方法及装置 |
| WO2021168854A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 可行驶区域检测的方法和装置 |
| CN112513876A (zh) * | 2020-09-04 | 2021-03-16 | 华为技术有限公司 | 一种用于地图的路面提取方法及装置 |
| WO2022166323A1 (zh) * | 2021-02-03 | 2022-08-11 | 华为技术有限公司 | 一种道路线确定的方法，相关装置以及设备 |
| CN113112595A (zh) * | 2021-04-28 | 2021-07-13 | 中国科学院沈阳应用生态研究所 | 综合体实景三维模型的点线面混合立体路网自动构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105551082B (zh) | 2018-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105551082A (zh) | 一种基于激光点云的路面识别方法及装置 | |
| EP3502956B1 (en) | Road shoulder extraction method and device, and storage medium | |
| KR102062680B1 (ko) | 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기 | |
| CN108345822B (zh) | 一种点云数据处理方法及装置 | |
| CN105551016A (zh) | 一种基于激光点云的路沿识别方法及装置 | |
| CN111551958A (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
| CN109100730A (zh) | 一种多车协同快速建图方法 | |
| 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 | |
| CN107657636B (zh) | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 | |
| CN104677361B (zh) | 一种综合定位的方法 | |
| CN105448184A (zh) | 地图道路的绘制方法及装置 | |
| CN108446824A (zh) | 一种驾驶行为的风险评估方法、装置、设备及存储介质 | |
| WO2020093939A1 (zh) | 定位方法、装置以及电子设备 | |
| CN110334861B (zh) | 一种基于轨迹数据的城市区域划分方法 | |
| CN104422451A (zh) | 一种道路识别方法及装置 | |
| CN112154446B (zh) | 立体车道线确定方法、装置和电子设备 | |
| CN106845324B (zh) | 路牌信息的处理方法和装置 | |
| CN104657968B (zh) | 车载三维激光点云立面分类及轮廓线提取自动化方法 | |
| CN102902957A (zh) | 一种基于视频流的自动车牌识别方法 | |
| CN113673438A (zh) | 一种碰撞预警的方法、装置、电子设备及存储介质 | |
| CN110110678B (zh) | 道路边界的确定方法和装置、存储介质及电子装置 | |
| CN110795978B (zh) | 路面点云数据提取方法、装置、存储介质及电子设备 | |
| CN109688532A (zh) | 一种划分城市功能区域的方法及装置 | |
| CN109241855B (zh) | 基于立体视觉的智能车辆可行驶区域探测方法 | |
| Revilloud et al. | A lane marker estimation method for improving lane detection |
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 |