CN107356933A - 一种基于四线激光雷达的非结构化道路检测方法 - Google Patents
一种基于四线激光雷达的非结构化道路检测方法 Download PDFInfo
- Publication number
- CN107356933A CN107356933A CN201710487442.7A CN201710487442A CN107356933A CN 107356933 A CN107356933 A CN 107356933A CN 201710487442 A CN201710487442 A CN 201710487442A CN 107356933 A CN107356933 A CN 107356933A
- Authority
- CN
- China
- Prior art keywords
- point
- line
- road boundary
- road
- ground
- 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
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种基于四线激光雷达的非结构化道路检测方法,包括:车辆上的四线激光雷达采集道路的三维信息坐标点并转换到车辆所在坐标下的坐标点;对坐标点进行预处理去除异常数据和噪声干扰;对预处理后的数据进行腐蚀、膨胀处理,采用DBSCAN聚类算法对腐蚀、膨胀后的结果在车体Z方向进行聚类并提取地面点,其中Z轴正方向垂直水平地面向上;采用霍夫变换对地面点进行直线拟合,得到激光雷达扫描在地面上的直线;取直线两端的点作为该扫描线上的道路边界点,使用卡尔曼滤波对道路边界点进行平滑跟踪,得到最终的道路边界点;对最终的道路边界点使用最小二乘法进行道路边界拟合。
Description
技术领域
本发明设计一种无人驾驶技术,特别是一种基于四线激光雷达的非结构化道路检测方法。
背景技术
随着科技的高速发展,以智能机器人和无人驾驶汽车为代表的无人平台已经成为现代高科技的发展方向,在无人平台的技术组成单元中,环境感知技术是极为重要的一环,是整个系统中最基本的组成部分,直接决定了无人平台的自主能力和智能化水准。无人平台的运行环境可分为结构化环境、半结构化环境和非结构化环境。对于结构化环境和半结构化环境的环境感知技术发展相对成熟,而由于非结构化环境的复杂性相对较高,目前国内外尚无成熟的解决方案,非结构化环境的感知问题目前已成为无人平台的研究热点。非结构化环境感知问题可分为可通行道路检测和障碍物检测与识别两个方面,其中可通行道路检测是无人平台运行的基础。目前从已有的非结构化环境可通行道路检测方法的相关研究资料与专利资料查明,目前应用的检测设备主要有摄像机与激光雷达两种。
摄像机作为一种被动传感器,优点是获取的信息量大、体积小、成本低和功耗小。但是仅靠摄像机图像难以获得三维信息,并且其极易受光照和阴影等光线变化的影响。激光雷达分为单线、多线和面阵等类型,可以获得高可靠性的深度信息,不受光照影响,探测范围远。在非结构化环境下,环境多变,光照情况复杂,因此采用激光雷达点云数据进行道路检测相对摄像机图像可靠性更高。目前大多数的方案采用64线激光雷达,其探测范围远,数据丰富,信息量大,然而其价格昂贵,功耗大,体积大,并且相对其它类型激光雷达实时性较差。四线激光雷达作为最基础的三维激光雷达,相比单线激光雷达可以获得三维信息,相对32线、64线激光雷达,信息量较少,精度高,实时性高,体积小,成本较低,非常适合可通行道路检测任务,因此基于四线激光雷达的道路检测方法具有很高的研究应用价值。
申请号为201410466431.7的中国专利公开了一种基于多线激光雷达的道路边界检测方法。该方法在提取疑似道路边界点步骤中使用两个固定距离阈值作为判断依据,准确度容易受路面颠簸的影响。并且由于激光雷达的扫描特性,其后的自适应圆搜索也要求路面较为平整,并不能适用于非结构化的复杂环境中。申请号为201110150818.8的中国专利公开了一种SVM与激光雷达结合检测非结构化道路边界的方法,该方法采用的算法较复杂,并且只能在有确定道路边界的环境中工作。申请号为201410740640.6的中国专利公开了一种基于无人驾驶车的道路检测方法。该方法采用四线激光雷达,只能用于存在明显路沿的环境中,当环境中路沿不明显时,误差较大。
目前的激光雷达可通行道路检测方法多为检测道路两边障碍物,将其作为道路边界约束。这种方法在结构化环境与大多数半结构化环境中可以取得很好的效果。但是在多数非结构化环境与少数半结构化环境中,由于道路两旁不存在障碍物边界,或是由于道路两边沟壑等负障碍因素的存在,检测到的障碍物边界并不是严格的道路边缘约束,因此在这种情况下,目前的道路检测方法并不能准确得到可通行道路区域范围。
发明内容
本发明提供一种基于四线激光雷达且可以应用于绝大多数的非结构化道路的检测方法。
实现本发明目的的技术方案为:一种基于四线激光雷达的非结构化道路检测方法,包括:
步骤1,车辆上的四线激光雷达采集道路的三维信息坐标点并转换到车辆所在坐标下的坐标点;
步骤2,对坐标点进行预处理去除异常数据和噪声干扰;
步骤3,对预处理后的数据进行腐蚀、膨胀处理,采用DBSCAN聚类算法对腐蚀、膨胀后的结果在车体Z方向进行聚类并提取地面点,其中Z轴正方向垂直水平地面向上;
步骤4,采用霍夫变换对地面点进行直线拟合,得到激光雷达扫描在地面上的直线;
步骤5,取直线两端的点作为该扫描线上的道路边界点,使用卡尔曼滤波对道路边界点进行平滑跟踪,得到最终的道路边界点;
步骤6,对最终的道路边界点使用最小二乘法进行道路边界拟合。
本发明与现有技术相比,具有以下优点:(1)使用的数据量少,算法简单,实时性好,在非结构化环境中可靠性好,准确度高,可以适应绝大多数的非结构化环境;(2)本发明采用四线激光雷达,相比目前在非结构化环境中采用64线激光雷达的方案,极大地降低了设备成本。
下面结合说明书附图对本发明做进一步描述。
附图说明
图1为检测非结构化道路方法流程图。
图2为本发明方案示意图,其中(a)为侧视图,(b)为俯视图。
图3为四线激光雷达扫描原始数据与腐蚀膨胀后的对比示意图。
图4为DBSCAN聚类结果示意图。
图5为霍夫变换直线拟合结果示意图。
图6为本发明结果示意图。
具体实施方式
结合图1,一种基于四线激光雷达的非结构化道路检测方法,其特征在于,包括以下步骤:
步骤S101,在车头中部安装四线激光雷达,调整激光雷达俯仰角,使4条扫描线均可扫描到地面,并对激光雷达进行标定,激光雷达采集道路三维信息并转换为车辆所在坐标系下的坐标;
步骤S102,对每一条线上采集到的扫描点数据进行预处理,剔除异常数据,并进行均值滤波,最大程度降低噪声干扰;
步骤S103,对滤波后的数据进行腐蚀、膨胀操作(开运算);
步骤S104,对步骤S103获得的数据进行DBSCAN(Density-Based SpatialClustering ofApplications with Noise)聚类,提取地面点;
步骤S105,采用霍夫变换对地面点进行直线拟合,得到激光雷达扫描在地面上的直线;
步骤S106,取直线两端的点作为该扫描线上的道路边界点;
步骤S107,使用卡尔曼滤波对道路边界点进行平滑跟踪,得到最终的道路边界点。
步骤S108,使用最小二乘法进行道路边界拟合。
步骤S101中,四线激光雷达在自身所在的坐标系下测量获取道路的三维信息,激光雷达所在的车辆也具有车辆坐标系,二者之间存在一转换矩阵,使得雷达坐标系下的坐标点转换至车辆坐标系,转换矩阵由旋转和平移矩阵组成。设P=(X,Y,Z)T为四线激光雷达坐标系下的三维数据点,则车体坐标系下的三维数据点为P'=R×P+t,其中R、t分别为激光雷达坐标系到车体坐标系的旋转与平移矩阵。
在步骤S101中,设车体坐标Z轴正方向垂直水平地面向上,并满足右手坐标系,车体坐标原点位于其后轴中心处。则四线激光雷达安装应满足其X轴方向与车体坐标X轴方向相同,并保证其安装位置位于车体坐标X=0平面内。
步骤S102的具体过程在于:
步骤S1021,计算每一条扫描线上所有点的x、y、z三个方向数值的均值Mk和标准差σk,k=x,y,z,对于每一个数据点,若其任一方向的距离Dk满足(Dk-Mk)>2σk,则认为该点为异常数据并从所有数据中剔除;
步骤S1022,对剔除后的剩余数据,每一条扫描线的Z方向数据采用均值滤波的方法减少车体Z方向上测量噪声干扰。
步骤S103中对预处理后的Z方向数据进行腐蚀、膨胀操作(开运算),设窗口尺度为w,由于针对每一条扫描线分别计算,因此具体窗口大小为1×w。
步骤S103中的腐蚀采用式(1)进行处理:
w为处理窗口,(xi,yi,zi)表示在窗口中的相邻数据点,式(1)表示当前数据点Z值取窗口中数据点中Z方向最小值;
步骤S103中的膨胀采用式(2)进行处理:
w为处理窗口,(xi,yi,zi)表示在窗口中的相邻数据点,式(2)表示当前数据点Z值取窗口中数据点中Z方向最大值。
步骤S103可以减少地面扫描点噪声和低矮障碍对提取地面点的影响,地面噪声和可忽略的低矮小障碍在运算后统一为地面点,与此同时增大中间地面点与两侧非地面点高度差值,使道路两侧障碍物与地平面分隔更明显。
步骤S104中,用DBSCAN算法对开运算后的结果在车体Z方向进行聚类,聚类后取平均高度最低聚类簇,并还原到对应的原始扫描点得到在原始扫描点中的地面点。
步骤S105的具体过程为:设限定扫描到地面上的有效直线与车辆坐标的x方向夹角范围A,在该范围内拟合出扫描到地面上的直线;设一阈值DT,若一地面点到直线的距离D<DT,则该地面点在拟合的直线上。
步骤S106中道路边界点的获取方法为:从扫描线两端向中心查找,若满足连续n个点均在直线上,则取最外侧点为该条扫描线下的道路边界点。
步骤S107中,一般认为道路边界点的位置变化符合高斯分布,因此采用卡尔曼滤波方法对道路边界点进行平滑滤波,并取其后验估计点为本次测量的真实点,降低测量噪声对结果的影响。卡尔曼滤波参数应根据具体运行环境调整。
步骤S108中,若得到的道路边界点左右分别不少于2个,则采用最小二乘法对左右道路边界点进行直线拟合,得到道路边界直线;若左右道路边界点少于2个,则此次测量无效。
实施例
如图2所示,设车体坐标Z轴正方向垂直水平地面向上,并满足右手坐标系,车体坐标原点位于其后轴中心处。则四线激光雷达安装应满足其X轴方向与车体坐标X轴方向相同,并保证其安装位置位于车体坐标X=0平面内。实际安装过程中将其安装于车头正中位置,考虑到非结构化环境复杂性,在保证车辆可通过性前提下,激光雷达高度至少应高于60cm。四线激光雷达可探测水平方向110°,垂直方向3.2°内的深度数据,在安装过程中应调节激光雷达俯仰角,使其四条扫描线均可扫描到水平地面上,考虑到远处点云数据稀疏,应调节激光雷达最远探测范围不超过50m,并调节激光雷达偏航角与横滚角均为0°。在本操作实际应用中,激光雷达安装位置为车体坐标(0,415,115),单位cm。俯仰角为-3.10°。本方法仅列举一种可行安装方法,具体安装方法可视具体车辆及环境而定。激光雷达通过以太网与车内计算机连接,计算机与激光雷达建立TCP连接获取扫描数据并实时处理。安装过程完成后,对激光雷达进行标定,计算得到激光雷达坐标至车体坐标的旋转平移矩阵。
将采集到的数据进行预处理。
对预处理后的数据进行腐蚀、膨胀处理,结果如图4,横坐标为扫描数据的X坐标,纵坐标为扫描数据的Z坐标,“o”表示四线激光雷达测量的原始数据,“*”表示经过开运算后的结果。如图3所示,地平面上的测量噪声点与低矮障碍物点在运算后消除,地面点高度与两侧障碍物出现明显分割。
用DBSCAN算法对开运算后的结果在车体Z方向进行聚类。如图3所示,连续开运算操作后的扫描点在Z方向上凝聚特征明显,使用DBSCAN算法依据点密度聚类可以取得良好的效果。聚类后取平均高度最低聚类簇,并还原到对应的原始扫描点得到在原始扫描点中的地面点。其中一条扫描线的聚类结果如图4所示,不同标记点表示不同的聚类簇,其中“o”表示聚类离群点,“*”表示聚类得到的地面点。
采用霍夫变换拟合激光雷达在地面上的扫描线,根据实际情况,扫描到地面上的扫描线近似与车体x轴方向平行,因此限定扫描到地面上的有效直线与X方向的夹角范围为-30°~30°,扫描结果如图5中直线所示,拟合出扫描到地面上的3条直线。设点到直线的距离阈值DT,若点到直线的距离D<DT,则认为该点在拟合直线上。从扫描线两端向中心查找,若满足连续n个点均在直线上,则取满足条件的最外侧点为该条扫描线下的道路边界点,最多可取左右各4个共8个道路边界点。结果如图6中“o”表示的点所示,作为当前行驶道路的边界点。
若得到的道边点数量不少于4个,即左右分别不少于2个,则采用最小二乘法对左右道路边界点进行直线拟合,得到道路边界直线。若左右道边点少于2个,则此次测量无效。结果如图6所示,左右两边各有3个道路边界点,拟合道路边界线如图中直线所示。
Claims (8)
1.一种基于四线激光雷达的非结构化道路检测方法,其特征在于,包括以下步骤:
步骤1,车辆上的四线激光雷达采集道路的三维信息坐标点并转换到车辆所在坐标下的坐标点;
步骤2,对坐标点进行预处理去除异常数据和噪声干扰;
步骤3,对预处理后的数据进行腐蚀、膨胀处理,采用DBSCAN聚类算法对腐蚀、膨胀后的结果在车体Z方向进行聚类并提取地面点,其中Z轴正方向垂直水平地面向上;
步骤4,采用霍夫变换对地面点进行直线拟合,得到激光雷达扫描在地面上的直线;
步骤5,取直线两端的点作为该扫描线上的道路边界点,使用卡尔曼滤波对道路边界点进行平滑跟踪,得到最终的道路边界点;
步骤6,对最终的道路边界点使用最小二乘法进行道路边界拟合。
2.根据权利要求1所述的方法,其特征在于,步骤2的具体过程在于:
步骤2.1,计算每一条扫描线上所有点的x、y、z三个方向数值的均值Mk和标准差σk,k=x,y,z,对于每一个数据点,若其任一方向的距离Dk满足(Dk-Mk)>2σk,则认为该点为异常数据并从所有数据中剔除;
步骤2.2,对剔除后的剩余数据,每一条扫描线的Z方向数据采用均值滤波的方法减少车体Z方向上测量噪声干扰。
3.根据权利要求1所述的方法,其特征在于,步骤3中的腐蚀采用式(1)进行处理:
w为处理窗口,(xi,yi,zi)表示在窗口中的相邻数据点;
步骤3中的膨胀采用式(2)进行处理:
w为处理窗口,(xi,yi,zi)表示在窗口中的相邻数据点。
4.根据权利要求1所述的方法,其特征在于,步骤3中提取地面点的具体过程为:聚类后取Z方向平均数值最小聚类簇,将得到的聚类簇中的三维数据点按照点的序号还原到对应的原始扫描点,得到在原始扫描点中的地面点。
5.根据权利要求1所述的方法,其特征在于,步骤4的具体过程为:设限定扫描到地面上的有效直线与车辆坐标的x方向夹角范围A,在该范围内拟合出扫描到地面上的直线;设一阈值DT,若一地面点到直线的距离D<DT,则该地面点在拟合的直线上。
6.根据权利要求1所述的方法,其特征在于,步骤5中道路边界点的获取方法为:从扫描线两端向中心查找,若满足连续n个点均在直线上,则取最外侧点为该条扫描线下的道路边界点。
7.根据权利要求1所述的方法,其特征在于,步骤7的具体过程为:若得到的在车辆X轴正方向与X轴负方向的道路边界点分别不少于2个,则采用最小二乘法对左右道路边界点进行直线拟合,得到道路边界直线;若左右道路边界点少于2个,则此次测量无效。
8.根据权利要求1所述的方法,其特征在于,四线激光雷达的四条扫描线均可扫描到水平地面上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710487442.7A CN107356933B (zh) | 2017-06-23 | 2017-06-23 | 一种基于四线激光雷达的非结构化道路检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710487442.7A CN107356933B (zh) | 2017-06-23 | 2017-06-23 | 一种基于四线激光雷达的非结构化道路检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356933A true CN107356933A (zh) | 2017-11-17 |
CN107356933B CN107356933B (zh) | 2020-09-18 |
Family
ID=60274031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710487442.7A Active CN107356933B (zh) | 2017-06-23 | 2017-06-23 | 一种基于四线激光雷达的非结构化道路检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356933B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280840A (zh) * | 2018-01-11 | 2018-07-13 | 武汉理工大学 | 一种基于三维激光雷达的道路实时分割方法 |
CN108519605A (zh) * | 2018-04-09 | 2018-09-11 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
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 |
CN110361020A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 用于确定车道线坐标的方法及系统 |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 江苏徐工工程机械研究院有限公司 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
CN110909569A (zh) * | 2018-09-17 | 2020-03-24 | 深圳市优必选科技有限公司 | 路况信息识别方法及终端设备 |
CN111007531A (zh) * | 2019-12-24 | 2020-04-14 | 电子科技大学 | 一种基于激光点云数据的道路边沿检测方法 |
CN111079611A (zh) * | 2019-12-09 | 2020-04-28 | 成都奥伦达科技有限公司 | 一种道路面及其标志线的自动提取方法 |
CN111242000A (zh) * | 2020-01-09 | 2020-06-05 | 电子科技大学 | 一种结合激光点云转向的道路边沿检测方法 |
US10901421B2 (en) | 2018-06-26 | 2021-01-26 | Neusoft Reach Automotive Technology (Shanghai) Co., Ltd. | Method and device for detecting road boundary |
CN112505724A (zh) * | 2020-11-24 | 2021-03-16 | 上海交通大学 | 道路负障碍检测方法及系统 |
CN112674646A (zh) * | 2020-12-15 | 2021-04-20 | 广东盈峰智能环卫科技有限公司 | 基于多算法融合的自适应贴边作业方法及机器人 |
CN113156451A (zh) * | 2021-03-23 | 2021-07-23 | 北京易控智驾科技有限公司 | 非结构化道路边界检测方法、装置、存储介质和电子设备 |
US11926339B2 (en) | 2018-09-30 | 2024-03-12 | Great Wall Motor Company Limited | Method for constructing driving coordinate system, and application thereof |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102564431A (zh) * | 2011-11-14 | 2012-07-11 | 南京理工大学 | 基于多传感器融合的非结构化环境理解方法 |
CN103308056A (zh) * | 2013-05-23 | 2013-09-18 | 中国科学院自动化研究所 | 一种道路标线检测方法 |
CN104504718A (zh) * | 2015-01-06 | 2015-04-08 | 南京大学 | 高分辨率航空遥感数据自动道路提取方法 |
CN105320934A (zh) * | 2014-07-11 | 2016-02-10 | 株式会社电装 | 车道边界线识别设备 |
US9530062B2 (en) * | 2014-12-23 | 2016-12-27 | Volkswagen Ag | Fused raised pavement marker detection for autonomous driving using lidar and camera |
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全系统(苏州)有限公司 | 基于激光雷达检测车道线的系统及其实现方法 |
CN106529417A (zh) * | 2016-10-17 | 2017-03-22 | 北海益生源农贸有限责任公司 | 一种视觉激光数据融合的道路检测方法 |
CN106529443A (zh) * | 2016-11-03 | 2017-03-22 | 温州大学 | 改进霍夫变化检测车道线的方法 |
CN106546996A (zh) * | 2016-10-15 | 2017-03-29 | 北海益生源农贸有限责任公司 | 基于四线激光雷达的道路检测与跟踪方法 |
-
2017
- 2017-06-23 CN CN201710487442.7A patent/CN107356933B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN102564431A (zh) * | 2011-11-14 | 2012-07-11 | 南京理工大学 | 基于多传感器融合的非结构化环境理解方法 |
CN103308056A (zh) * | 2013-05-23 | 2013-09-18 | 中国科学院自动化研究所 | 一种道路标线检测方法 |
CN105320934A (zh) * | 2014-07-11 | 2016-02-10 | 株式会社电装 | 车道边界线识别设备 |
US9530062B2 (en) * | 2014-12-23 | 2016-12-27 | Volkswagen Ag | Fused raised pavement marker detection for autonomous driving using lidar and camera |
CN104504718A (zh) * | 2015-01-06 | 2015-04-08 | 南京大学 | 高分辨率航空遥感数据自动道路提取方法 |
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全系统(苏州)有限公司 | 基于激光雷达检测车道线的系统及其实现方法 |
CN106546996A (zh) * | 2016-10-15 | 2017-03-29 | 北海益生源农贸有限责任公司 | 基于四线激光雷达的道路检测与跟踪方法 |
CN106529417A (zh) * | 2016-10-17 | 2017-03-22 | 北海益生源农贸有限责任公司 | 一种视觉激光数据融合的道路检测方法 |
CN106529443A (zh) * | 2016-11-03 | 2017-03-22 | 温州大学 | 改进霍夫变化检测车道线的方法 |
Non-Patent Citations (2)
Title |
---|
J. HAN,ET AL: "ROAD BOUNDARY DETECTION AND TRACKING FOR STRUCTURED AND UNSTRUCTURED ROADS USING A 2D LIDAR SENSOR", 《INTERNATIONAL JOURNAL OF AUTOMOTIVE TECHNOLOGY》 * |
段建民等: "基于车载4线激光雷达的前方道路可行驶区域检测", 《汽车电子》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280840A (zh) * | 2018-01-11 | 2018-07-13 | 武汉理工大学 | 一种基于三维激光雷达的道路实时分割方法 |
CN108280840B (zh) * | 2018-01-11 | 2021-09-03 | 武汉理工大学 | 一种基于三维激光雷达的道路实时分割方法 |
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 |
CN108519605A (zh) * | 2018-04-09 | 2018-09-11 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
CN108519605B (zh) * | 2018-04-09 | 2021-09-07 | 重庆邮电大学 | 基于激光雷达和摄像机的路沿检测方法 |
US10901421B2 (en) | 2018-06-26 | 2021-01-26 | Neusoft Reach Automotive Technology (Shanghai) Co., Ltd. | Method and device for detecting road boundary |
CN110909569A (zh) * | 2018-09-17 | 2020-03-24 | 深圳市优必选科技有限公司 | 路况信息识别方法及终端设备 |
CN110909569B (zh) * | 2018-09-17 | 2022-09-23 | 深圳市优必选科技有限公司 | 路况信息识别方法及终端设备 |
US11926339B2 (en) | 2018-09-30 | 2024-03-12 | Great Wall Motor Company Limited | Method for constructing driving coordinate system, and application thereof |
CN110361020A (zh) * | 2018-09-30 | 2019-10-22 | 长城汽车股份有限公司 | 用于确定车道线坐标的方法及系统 |
CN110361020B (zh) * | 2018-09-30 | 2021-03-23 | 长城汽车股份有限公司 | 用于确定车道线坐标的方法及系统 |
CN110569749B (zh) * | 2019-08-22 | 2021-11-30 | 江苏徐工工程机械研究院有限公司 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
CN110569749A (zh) * | 2019-08-22 | 2019-12-13 | 江苏徐工工程机械研究院有限公司 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
CN111079611B (zh) * | 2019-12-09 | 2021-03-30 | 成都奥伦达科技有限公司 | 一种道路面及其标志线的自动提取方法 |
CN111079611A (zh) * | 2019-12-09 | 2020-04-28 | 成都奥伦达科技有限公司 | 一种道路面及其标志线的自动提取方法 |
CN111007531A (zh) * | 2019-12-24 | 2020-04-14 | 电子科技大学 | 一种基于激光点云数据的道路边沿检测方法 |
CN111242000A (zh) * | 2020-01-09 | 2020-06-05 | 电子科技大学 | 一种结合激光点云转向的道路边沿检测方法 |
CN112505724A (zh) * | 2020-11-24 | 2021-03-16 | 上海交通大学 | 道路负障碍检测方法及系统 |
CN112674646A (zh) * | 2020-12-15 | 2021-04-20 | 广东盈峰智能环卫科技有限公司 | 基于多算法融合的自适应贴边作业方法及机器人 |
CN113156451A (zh) * | 2021-03-23 | 2021-07-23 | 北京易控智驾科技有限公司 | 非结构化道路边界检测方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107356933B (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107356933A (zh) | 一种基于四线激光雷达的非结构化道路检测方法 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
CN110780305B (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN109858460B (zh) | 一种基于三维激光雷达的车道线检测方法 | |
CN108955702B (zh) | 基于三维激光和gps惯性导航系统的车道级地图创建系统 | |
CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
Rathinam et al. | Autonomous searching and tracking of a river using an UAV | |
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 | |
CN108230254B (zh) | 一种自适应场景切换的高速交通全车道线自动检测方法 | |
CN109738910A (zh) | 一种基于三维激光雷达的路沿检测方法 | |
CN108460416A (zh) | 一种基于三维激光雷达的结构化道路可行域提取方法 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
CN108828621A (zh) | 基于三维激光雷达的障碍检测和路面分割算法 | |
CN108509972A (zh) | 一种基于毫米波和激光雷达的障碍物特征提取方法 | |
CN111461023A (zh) | 基于三维激光雷达的四足机器人自主跟随领航员的方法 | |
CN108647646A (zh) | 基于低线束雷达的低矮障碍物的优化检测方法及装置 | |
CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
CN111079611A (zh) | 一种道路面及其标志线的自动提取方法 | |
CN112149550A (zh) | 一种基于多传感器融合的自动驾驶车辆3d目标检测方法 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN113850102B (zh) | 基于毫米波雷达辅助的车载视觉检测方法及系统 | |
CN109001757A (zh) | 一种基于2d激光雷达的车位智能检测方法 | |
CN112674646B (zh) | 基于多算法融合的自适应贴边作业方法及机器人 | |
CN105205805A (zh) | 基于视觉的智能车辆横向控制方法 | |
CN114782729A (zh) | 一种基于激光雷达与视觉融合的实时目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |