CN105787445A - 一种车载激光扫描数据中杆状物自动提取方法及系统 - Google Patents
一种车载激光扫描数据中杆状物自动提取方法及系统 Download PDFInfo
- Publication number
- CN105787445A CN105787445A CN201610101014.1A CN201610101014A CN105787445A CN 105787445 A CN105787445 A CN 105787445A CN 201610101014 A CN201610101014 A CN 201610101014A CN 105787445 A CN105787445 A CN 105787445A
- Authority
- CN
- China
- Prior art keywords
- voxel
- ground
- shaft
- laser scanning
- scanning data
- 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.)
- Pending
Links
Classifications
-
- 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
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
Abstract
本发明涉及一种车载激光扫描数据中杆状物自动提取方法及系统,所述系统包括体素化模块、地面体素提取和主控制模块;体素化模块用于对通过多个体素对点云中的多个三维点所在空间进行体素化处理;地面体素提取模块用于从多个体素中提取出地面体素;主控制模块判断每个地面体素是否是杆状物位置点,如果是,则根据点云与体素的对应关系读取杆状物位置点所在体素对应的点云中的三维点,确定为杆状物所在位置。本发明的一种车载激光扫描数据中杆状物自动提取方法及系统,效率大大得到提升,利用垂直连续性分析来采集杆状物位置点,解决了点云密度分布不均匀的问题可以提取不规则分布情境下的杆状物,精度较高。
Description
技术领域
本发明涉及车载激光雷达技术领域,尤其涉及一种车载激光扫描数据中杆状物自动提取方法及系统。
背景技术
街道场景中的杆状物是指整个形状都是杆状或者包含杆状的部分的街道物体。其中前一种的杆状物的包括一部分路灯、交通灯等,而后一种杆状物包括交通标志、树木等。这些杆状物在城市场景中随处可见而且易于识别,基于这些特点杆状物常被用于很多实际应用中。比如交通灯、交通标志、路灯、电线杆、树木这些街道物体对城市街道及交通管理、道路可见性分析等有重要作用,同时杆状物对行人及驾驶导航也具有很重要的现实意义。
在过去二十多年里,移动测量技术的发展促进了很多基于移动测量数据特别是车载激光扫描数据应用的研究。车载扫描系统通常装载于车子之上,它相比较于机载激光扫描系统能够采集密度更加高的数据,同时包含丰富的垂直面上的信息;相比于地面静止激光扫描系统又能够包括更广的采集范围,并且得益于扫描系统的移动,它也能够避免一些静止激光扫描系统中的遮挡问题。基于车载激光扫描数据的主要研究包括,街道物体比如道路、树木、杆、车辆的提取,建筑物的提取及重建以及直接基于整个场景的分割和分类。最近几年,车载激光扫描数据中的杆状物提取是车载激光扫描数据研究领域的一个热点。
现有基于车载激光扫描数据杆状物提取的方法可以分为三类,分别是基于局部几何特征的方法,基于监督分类的方法和基于模型的方法。首先是基于局部几何特征的方法。其中比较有代表性的是基于局部几何维度特征的方法。此方法把场景中所有点分类为线,平面,球状点,而杆状物通常是线状点集和平面状或者球状点的集合这一特征来区分杆,但这一方法的局限性包括需要训练数据来训练维度数据而且最优半径的计算很费时间,并且这个方法的精读并不高;其次是基于整个场景的监督分类的方法,场景分类的类别中包含了杆状物这一类,这类方法的局限性包括需要训练数据导致的费时费力以及数据适用性不够广;最后一种是一种基于圆柱模型的方法。基于圆柱模型的方法相交于其他两种方法具有高效、高精度的优点,但是传统基于圆柱模型方法提起杆状物位置采用了二维密度方法,不能适用于点云密度分布不均匀的复杂街道场景,同时由于需要手动设置固定的圆柱半径,不适用于杆状物分布复杂的情景。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足,提供一种车载激光扫描数据中杆状物自动提取方法及系统。
本发明解决上述技术问题的技术方案如下:
依据本发明的一个方面,提供了一种车载激光扫描数据中杆状物自动提取方法,包括如下步骤:
步骤1:通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中,其中,点云由车载激光扫描数据中若干三维点的集合组成;
步骤2:从多个所述体素中提取出地面体素;
步骤3:判断每个所述地面体素是否是杆状物位置点,如果是,则进入步骤4,否则不做任何处理;
步骤4:根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置。
依据本发明的另一个方面,提供了一种车载激光扫描数据中杆状物自动提取系统,包括体素化模块、地面体素提取和主控制模块;所述体素化模块用于对通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中;所述地面体素提取模块用于从多个所述体素中提取出地面体素;所述主控制模块判断每个所述地面体素是否是杆状物位置点,如果是,则根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置,否则,不是杆状为所在位置。
本发明的有益效果是:本发明的一种车载激光扫描数据中杆状物自动提取方法及系统,由于基于体素进行处理,效率大大得到提升,同时利用垂直连续性分析来采集杆状物位置点,解决了点云密度分布不均匀的问题,可以提取不规则分布情境下的杆状物,精度较高。
附图说明
图1为本发明的一种车载激光扫描数据中杆状物自动提取方法流程示意图;
图2为本发明的一种车载激光扫描数据中杆状物自动提取系统结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明中,所述“体素”是指体积元素,是数字数据于三维空间分割上的最小单元,类似于二位空间的最小单位——像素。体素本身并不含有空间中的位置数据,但是在本发明中,我们可以从他们相对于其他体素的位置来推算它们在构成某一体积影像的数据结构中的位置。
实施例一、一种车载激光扫描数据中杆状物自动提取方法,下面将结合图1对本发明的一种车载激光扫描数据中杆状物自动提取方法进行详细介绍。
如图1所示,一种车载激光扫描数据中杆状物自动提取方法流程示意图,包括如下步骤:
步骤1:通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中,其中,点云由车载激光扫描数据中若干三维点的集合组成;
步骤2:从多个所述体素中提取出地面体素;
步骤3:判断每个所述地面体素是否是杆状物位置点,如果是,则进入步骤4,否则不做任何处理;
步骤4:根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置。
本实施例中,所述步骤1中,还计算每个所述体素坐标和每个所述体素内包含的三维点的个数并作为所述体素的数据属性进行存储;
其中,计算每个所述体素坐标的具体步骤如下:
步骤11a:建立空间直角坐标系,分别读取所有三维点中对应的最小三维坐标值xmin,ymin,zmin;
步骤12a:选取所述体素中的任一点,并通过如下公式计算所述体素坐标(r,c,h);
其中,x,y,z为所述体素中任一点的三维坐标值,v表示预先设定的所述体素的体积,integer表示取整运算。
通过上述体素化处理,可以将点云中数量较为庞大的三维点缩小为针对体素进行处理,这样大大提高了数据的处理效率,并且还提高了数据的准确性,简单高效。
优选地,所述步骤12a后还包括如下步骤:
步骤13a:将所有所述体素按照其三维坐标值从小到大顺序排列,并建立所述点云中三维点与所述体素的映射关系。
通过上述步骤可以对所述建立所述点云中三维点与所述体素的映射数据信息,便于后续识别出杆状物所在体素后直接读取对应的所述点云中的三维点,大大提高了数据处理的效率,避免从庞大的数据信息中寻找所需数据三维点的数据信息,高效快捷。
所述步骤2中提取地面体素的具体实现为:获取所述体素的法向量,判断所述体素的法向量是否为竖直方向,如果是,则将所述体素标记为待选地面体素,并将所有所述待选地面体素中纵坐标最小的标记为地面体素;否则,所述体素为非地面体素;其中,所述待选地面体素的纵坐标表示其空间高度。
通过上述方式可以粗略地提取所述地面体素,并将所述地面体素作为基准,便于后续直接识别所述地面体素是否在垂直方向上形成所述地面体素单元,并根据所述地面体素单元判断其是否为杆状为位置点。
本实施例中,所述步骤3中通过判断每个所述地面体素在垂直方向上的连续性来判断所述地面体素是否是杆状物位置点,具体为:
步骤31:判断所述地面体素在垂直方向上是否形成地面体素单元,如果是,则进入步骤32,否则结束处理流程,其中,所述地面体素单元包括至少两个在垂直方向上位置相邻的所述体素,且其中至少一个所述体素为地面体素;
步骤32:判断所述地面体素单元中体素的数量是否达到设定的阈值,如果是,则所述地面体素单元所在位置即为待选杆状物位置点,进入步骤33,否则不是待选杆状物位置点,结束处理流程;
步骤33:合并所述待选地面体素单元中所有体素;
步骤34:对所述待选杆状物位置点所在的地面体素单元在竖直方向上构建自适应半径的圆柱体;
步骤35:对所述圆柱体内的所述体素从下至上进行隔离性分析,当所述圆柱体内包含的体素全部为所述地面体素单元中的体素时,则所述地面体素单元为杆状物位置点,否则,所述地面体素单元不是杆状物位置点。
通过上述步骤可以判断所述步骤2中的地面体素是否为杆状物所在位置点。因为通常来讲,不是所有的所述地面体素所在的位置都是杆状物位置点,因此,通过所述步骤3可以将所述地面体素中不是杆状为位置点的地面体素剔除掉。
优选地,在所述步骤34之前,还根据杆状物的几何特征对所述待选地面体素单元进行数据过滤处理。通过对所述待选地面体素单元进行数据过滤处理可以进一步过滤掉所述待选地面体素单元中的一些杂质三维点,这样可以提高数据处理的准确性,也可以避免将非杆状物位置点识别为杆状物位置点。
实施例二、一种车载激光扫描数据中杆状物自动提取系统,下面将结合图2对本发明的一种车载激光扫描数据中杆状物自动提取方法进行详细介绍。
如图2所示,一种车载激光扫描数据中杆状物自动提取系统结构示意图,包括体素化模块、地面体素提取和主控制模块;所述体素化模块用于对通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中;所述地面体素提取模块用于从多个所述体素中提取出地面体素;所述主控制模块判断每个所述地面体素是否是杆状物位置点,如果是,则根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置,否则,不是杆状为所在位置。
本实施例中,所述体素化模块还用于计算每个所述体素坐标和每个所述体素内包含的三维点的个数并作为所述体素的数据属性发送至所述主控制模块进行存储。通过上述体素化处理,可以将点云中数量较为庞大的三维点缩小为针对体素进行处理,这样大大提高。
优选地,所述体素化模块还用于将所有所述体素按照其三维坐标值从小到大顺序排列,建立所述点云中三维点与所述体素的映射关系并发送至所述主控制模块存储。通过所述体素的坐标和每个所述体素内包含的三维点的个数作为数据索引,便于后续识别出杆状物所在体素后直接读取对应的所述点云中的三维点,大大提高了数据处理的效率,避免从庞大的数据信息中寻找所需数据三维点的数据信息,高效快捷。
本发明的一种车载激光扫描数据中杆状物自动提取方法及系统,由于基于体素进行处理,效率大大得到提升,同时利用垂直连续性分析来采集杆状物位置点,解决了点云密度分布不均匀的问题,同时利用自适应半径圆柱模型进行隔离性分析来提取杆状物,因而可以提取不规则分布情境下的杆状物,精度较高。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种车载激光扫描数据中杆状物自动提取方法,其特征在于,包括如下步骤:
步骤1:通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中,其中,点云由车载激光扫描数据中若干三维点的集合组成;
步骤2:从多个所述体素中提取出地面体素;
步骤3:判断每个所述地面体素是否是杆状物位置点,如果是,则进入步骤4,否则不做任何处理;
步骤4:根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置。
2.根据权利要求1所述一种车载激光扫描数据中杆状物自动提取方法,其特征在于,所述步骤1中,还计算每个所述体素坐标和每个所述体素内包含的三维点的个数并作为所述体素的数据属性进行存储;
其中,计算每个所述体素坐标的具体步骤如下:
步骤11a:建立空间直角坐标系,分别读取所有三维点中对应的最小三维坐标值xmin,ymin,zmin;
步骤12a:选取所述体素中的任一点,并通过如下公式计算所述体素坐标(r,c,h);
其中,x,y,z为所述体素中任一点的三维坐标值,v表示预先设定的所述体素的体积,integer表示取整运算。
3.根据权利要求2所述一种车载激光扫描数据中杆状物自动提取方法,其特征在于,所述步骤12a后还包括如下步骤:
步骤13a:将所有所述体素按照其三维坐标值从小到大顺序排列,并建立所述点云中三维点与所述体素的映射关系。
4.根据权利要求1所述一种车载激光扫描数据中杆状物自动提取方法,其特征在于,所述步骤2中提取地面体素的具体实现为:获取所述体素的法向量,判断所述体素的法向量是否为竖直方向,如果是,则将所述体素标记为待选地面体素,并将所有所述待选地面体素中纵坐标最小的标记为地面体素;否则,所述体素为非地面体素;
其中,所述待选地面体素的纵坐标表示其空间高度。
5.根据权利要求1所述一种车载激光扫描数据中杆状物自动提取方法,其特征在于,所述步骤3中通过判断每个所述地面体素在垂直方向上的连续性来判断所述地面体素是否是杆状物位置点,具体为:
步骤31:判断所述地面体素在垂直方向上是否形成地面体素单元,如果是,则进入步骤32,否则结束处理流程,其中,所述地面体素单元包括至少两个在垂直方向上位置相邻的所述体素,且其中至少一个所述体素为地面体素;
步骤32:判断所述地面体素单元中体素的数量是否达到设定的阈值,如果是,则所述地面体素单元所在位置即为待选杆状物位置点,进入步骤33,否则不是待选杆状物位置点,结束处理流程;
步骤33:合并所述待选地面体素单元中所有体素;
步骤34:对所述待选杆状物位置点所在的地面体素单元在竖直方向上构建自适应半径的圆柱体;
步骤35:对所述圆柱体内的所述体素从下至上进行隔离性分析,当所述圆柱体内包含的体素全部为所述地面体素单元中的体素时,则所述地面体素单元为杆状物位置点,否则,所述地面体素单元不是杆状物位置点。
6.根据权利要求5所述一种车载激光扫描数据中杆状物自动提取方法,其特征在于,所述步骤34之前,还根据杆状物的几何特征对所述待选地面体素单元进行数据过滤处理。
7.一种车载激光扫描数据中杆状物自动提取系统,其特征在于,包括体素化模块、地面体素提取和主控制模块;
所述体素化模块用于对通过多个体素对点云中的多个三维点所在空间进行体素化处理,且多个所述三维点按照其所在空间位置分别分布在对应的所述体素中;
所述地面体素提取模块用于从多个所述体素中提取出地面体素;
所述主控制模块判断每个所述地面体素是否是杆状物位置点,如果是,则根据所述点云与体素的对应关系读取杆状物位置点所在体素对应的所述点云中的三维点,确定为杆状物所在位置,否则,不是杆状为所在位置。
8.根据权利要求7述一种车载激光扫描数据中杆状物自动提取系统,其特征在于:所述体素化模块还用于计算每个所述体素坐标和每个所述体素内包含的三维点的个数并作为所述体素的数据属性发送至所述主控制模块进行存储。
9.根据权利要求8述一种车载激光扫描数据中杆状物自动提取系统,其特征在于:所述体素化模块还用于将所有所述体素按照其三维坐标值从小到大顺序排列,建立所述点云中三维点与所述体素的映射关系并发送至所述主控制模块存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610101014.1A CN105787445A (zh) | 2016-02-24 | 2016-02-24 | 一种车载激光扫描数据中杆状物自动提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610101014.1A CN105787445A (zh) | 2016-02-24 | 2016-02-24 | 一种车载激光扫描数据中杆状物自动提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105787445A true CN105787445A (zh) | 2016-07-20 |
Family
ID=56403095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610101014.1A Pending CN105787445A (zh) | 2016-02-24 | 2016-02-24 | 一种车载激光扫描数据中杆状物自动提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787445A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109035218A (zh) * | 2018-07-09 | 2018-12-18 | 武汉武大卓越科技有限责任公司 | 路面修补区域检测方法 |
CN109270544A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 基于杆状物识别的移动机器人自定位系统 |
CN110717457A (zh) * | 2019-10-10 | 2020-01-21 | 郑州迈拓信息技术有限公司 | 用于车辆的行人位姿解算方法 |
CN110770790A (zh) * | 2017-06-14 | 2020-02-07 | 祖克斯有限公司 | 基于体素的地平面估计和对象分割 |
CN111291662A (zh) * | 2020-01-21 | 2020-06-16 | 武汉大学 | 一种基于平面选择的车载点云杆状物提取方法 |
CN111524127A (zh) * | 2020-04-29 | 2020-08-11 | 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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065353A (zh) * | 2012-12-22 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 三维模型特征提取方法和系统、三维模型检索方法和系统 |
CN104266588A (zh) * | 2014-10-21 | 2015-01-07 | 北京四维远见信息技术有限公司 | 一种基于车载激光扫描数据自动提取直立筒状地物的算法 |
-
2016
- 2016-02-24 CN CN201610101014.1A patent/CN105787445A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065353A (zh) * | 2012-12-22 | 2013-04-24 | 中国科学院深圳先进技术研究院 | 三维模型特征提取方法和系统、三维模型检索方法和系统 |
CN104266588A (zh) * | 2014-10-21 | 2015-01-07 | 北京四维远见信息技术有限公司 | 一种基于车载激光扫描数据自动提取直立筒状地物的算法 |
Non-Patent Citations (1)
Title |
---|
LIN LI ET AL: "A method based on an adaptive radius cylinder model for detecting pole-like objects in mobile laser scanning data", 《REMOTE SENSING LETTERS》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110770790A (zh) * | 2017-06-14 | 2020-02-07 | 祖克斯有限公司 | 基于体素的地平面估计和对象分割 |
US11714423B2 (en) | 2017-06-14 | 2023-08-01 | Zoox, Inc. | Voxel based ground plane estimation and object segmentation |
CN110770790B (zh) * | 2017-06-14 | 2024-03-08 | 祖克斯有限公司 | 基于体素的地平面估计和对象分割 |
CN109035218A (zh) * | 2018-07-09 | 2018-12-18 | 武汉武大卓越科技有限责任公司 | 路面修补区域检测方法 |
CN109035218B (zh) * | 2018-07-09 | 2021-08-31 | 武汉光谷卓越科技股份有限公司 | 路面修补区域检测方法 |
CN109270544A (zh) * | 2018-09-20 | 2019-01-25 | 同济大学 | 基于杆状物识别的移动机器人自定位系统 |
CN110717457A (zh) * | 2019-10-10 | 2020-01-21 | 郑州迈拓信息技术有限公司 | 用于车辆的行人位姿解算方法 |
CN111291662A (zh) * | 2020-01-21 | 2020-06-16 | 武汉大学 | 一种基于平面选择的车载点云杆状物提取方法 |
CN111291662B (zh) * | 2020-01-21 | 2022-06-07 | 武汉大学 | 一种基于平面选择的车载点云杆状物提取方法 |
CN111524127A (zh) * | 2020-04-29 | 2020-08-11 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787445A (zh) | 一种车载激光扫描数据中杆状物自动提取方法及系统 | |
CN107665603B (zh) | 一种判定车位占用的实时检测方法 | |
CN108416808B (zh) | 车辆重定位的方法及装置 | |
Gargoum et al. | Automated highway sign extraction using lidar data | |
CN105807630A (zh) | 虚拟传感器试验台 | |
CN110781891A (zh) | 一种基于激光雷达传感器的识别车辆可行驶区域的方法 | |
CN113009506A (zh) | 一种虚实结合的实时激光雷达数据生成方法、系统及设备 | |
CN111221808A (zh) | 一种无人值守的高精度地图质检方法和装置 | |
CN111339996B (zh) | 静态障碍物的检测方法、装置、设备及存储介质 | |
CN112733781B (zh) | 结合poi数据的城市功能区识别方法、存储介质和电子设备 | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN111325136A (zh) | 智能车辆中物体对象的标注方法及装置、无人驾驶车辆 | |
CN110554409B (zh) | 一种凹障碍物检测方法及系统 | |
CN111611900A (zh) | 一种目标点云识别方法、装置、电子设备和存储介质 | |
Wolf et al. | Techniques for Automated Classification and Segregation of Mobile Mapping 3D Point Clouds. | |
CN111912418A (zh) | 删除移动载体不可行驶区域内障碍物的方法、装置及介质 | |
WO2021056190A1 (en) | Semantic-assisted multi-resolution point cloud registration | |
CN115857685A (zh) | 一种感知算法数据闭环方法及相关装置 | |
CN114092419A (zh) | 一种基于地表点位的点云空间位置质量自动检查方法 | |
CN114398253A (zh) | 自动驾驶实车测试场景生成方法和系统 | |
CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
CN114022857A (zh) | 一种杆状地物的提取分类方法、装置、设备和介质 | |
CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 | |
CN115792958A (zh) | 一种基于3d激光雷达的无人矿车障碍物检测方法 | |
CN113920483A (zh) | 道路点云中物体的分类方法、装置、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160720 |