CN107742091A - 一种路肩提取的方法及装置 - Google Patents
一种路肩提取的方法及装置 Download PDFInfo
- Publication number
- CN107742091A CN107742091A CN201610704055.XA CN201610704055A CN107742091A CN 107742091 A CN107742091 A CN 107742091A CN 201610704055 A CN201610704055 A CN 201610704055A CN 107742091 A CN107742091 A CN 107742091A
- Authority
- CN
- China
- Prior art keywords
- point
- dimensional laser
- frame
- elevation
- 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.)
- Granted
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
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了一种路肩提取的方法及装置,路肩提取的方法包括:获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;搜索每帧三维激光点云集中的曲率突变点及高程突变点;根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。本发明实施例能够有效保证提取的路肩数据的精度,满足高精地图的需要。
Description
技术领域
本发明实施例涉及计算机技术领域,具体涉及一种路肩提取的方法及装置。
背景技术
随着计算机技术和自动化技术的发展,自动驾驶技术受到高度关注,自动驾驶技术离不开高精地图的支持,如何生成高精地图成为自动驾驶的瓶颈之一。路肩,俗称“马路牙子”、“道牙子”,指的是位于车行道外缘至路基边缘,具有一定宽度的带状部分(包括硬路肩与保护性路肩),为保持车行道的功能和临时停车使用,并作为路面的横向支承,其为道路的重要组成部分,高精度的路肩数据,作为高精地图的重要组成部分也尤为重要。
现有的路肩提取的方法,往往是基于图像或者视频的提取方法,即先采用边缘检测方法对图像或视频进行边缘检测得到边缘点集,然后对边缘点集进行hough变换直线提取或者B样条曲线拟合,得到最终的路肩线方程。
上述方法对光照敏感,在不同光照条件下,路肩在影像上的梯度差异较大,容易导致错提取和漏提取;另外上述方法提取精度不高,由于其从二维图像提取三维马路牙子信息,通常是将路面看成一个平面,而实际路面通常并非平面,从而导致提取精度不高,无法满足高精地图的精度需求。
发明内容
有鉴于此,本发明实施例提供了一种路肩提取的方法及装置,能够提高路肩提取的精度。
本发明实施例提供的路肩提取的方法,包括:
获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
搜索每帧三维激光点云集中的曲率突变点及高程突变点;
根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
本发明实施例提供的路肩提取的装置,包括:
获取单元,用于获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
搜索单元,用于搜索每帧三维激光点云集中的曲率突变点及高程突变点;
查找单元,用于根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
提取单元,用于采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
本发明实施例中,通过获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,搜索每帧三维激光点云集中的曲率突变点及高程突变点,根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。即本发明实施例中,获取的是激光扫描仪扫描得到的各帧三维激光点云数据,激光扫描仪采用的是主动光源,因此不受光照影响;从高精度三维激光点云集中通搜索、查找并进行直线提取自动化提取路肩线,能够有效保证提取的路肩数据的精度,满足高精地图的需要,提取过程不需要人工参与,提取效率高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例所提供的路肩提取的方法的一个场景示意图;
图2是本发明实施例所提供的路肩提取的方法的一个流程示意图;
图3a是本发明实施例所提供的路肩提取的方法的另一流程示意图;
图3b是本发明实施例路肩线的一个位置示意图;
图3c是本发明实施例三维激光点云数据示意图;
图4是本发明实施例所提供的路肩提取的装置一个结构示意图;
图5是本发明实施例所提供的路肩提取的装置另一结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术的路肩提取的方法,由于依赖自然光照,对光照敏感,提取精度不高,导致无法满足高精地图的精度需求,因而本发明实施例提供了一种路肩提取的方法及装置,能够满足高精地图的精度需求。本发明实施例路肩提取的方法,一个具体场景可如图1所示,该应用场景包括三维激光扫描系统110、服务器120,其中三维激光扫描系统110和服务器120通过网络进行通信,网络例如3G、4G网络,此处不做具体限定,本发明实施例的路肩提取的装置可以实现在服务器中。
三维激光扫描系统110可以包括三维激光扫描仪111和导航系统112,三维激光扫描仪111为能够提供扫描物体表面的三维点云数据的仪器,导航系统112为获取全球定位系统(Global Positioning System,GPS)数据的系统,可为惯性导航系统等,可根据三维激光点云数据与导航系统采集的GPS数据的对应关系,得到三维点云数据中各个三维激光点对应的地理位置数据。
三维激光扫描系统110通过网络向服务器120发送各帧三维激光点云数据和GPS数据,服务器120获取各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,搜索每帧三维激光点云集中的曲率突变点及高程突变点,根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线,根据路肩线所在的三维激光点对应的地理位置数据将路肩线绘制于地图。
以下分别进行详细说明,需说明的是,以下实施例的序号不作为对实施例优选顺序的限定。
实施例一
如图2所示,本实施例路肩提取的方法包括以下步骤:
步骤201、获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
具体实现中,激光扫描仪可以为三维激光扫描仪,它是利用激光测距的原理,通过记录被测物体表面大量的密集的点的三维坐标、反射率和纹理等信息,可快速复建出被测目标的三维模型及线、面、体等各种图件数据。它突破了传统的单点测量方法,具有高效率、高精度的独特优势,三维激光扫描仪能够提供扫描物体表面的三维点云数据,因此可以用于获取高精度高分辨率的数字地形模型。
三维激光扫描仪采用的是360度旋转扫描的扫描方式,本实施例中,可以将激光扫描仪从0度到360度旋转扫描得到的点云称为单帧(一帧)三维激光点云数据。三维激光点云数据记录了由激光扫描仪对道路和道路上的实体表面进行扫描后得到的三维激光点的三维坐标,可以由三维激光扫描仪扫描得到各帧三维激光点云集后发送至服务器。三维激光扫描仪可以安装在车辆上,在行车的过程中扫描得到三维激光点云集,三维激光点云的垂直坐标称为高程。由于车载激光扫描系统沿道路扫描这一采集方式,可以快速地得到整个城市沿街道路两侧的精细建筑物点云信息,进而为后续建筑物提取和重建提供基础。
由于高空间点会给路肩线的提取造成一定的干扰,因此,在得到各帧三维激光点云数据之后,可以去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,高空间点指的是高程大于一定高程阈值(例如0.5m)的点,高程阈值可根据实际需要自定义,以避免高空间点对后续提取路肩线造成的干扰,即本发明实施例中,参与路肩线提取的点为高程小于一定高程阈值的点。
步骤202、搜索每帧三维激光点云集中的曲率突变点及高程突变点;
具体实现中,每帧三维激光点云集中的曲率突变点的搜索方法可如下:
在每帧三维激光点云集中,以所述激光扫描仪的最下方扫描点为起点(激光扫描仪安装在车辆上,车辆在道路上行驶,该起点应该位于道路上),沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点。
每个点的曲率值可以为该点的后第n个点与前第n个点的高程差与水平差的比值▽dz/▽dx,n为整数,预设曲率阈值可根据实际需要自定义。
每帧三维激光点云集中的高程突变点的搜索方法可如下:
将每帧三维激光点云集按水平方向均匀的进行网格划分,每个网格的大小可以相同,每个网格内包括若干点,计算每个网格内点的高程差▽dz,然后以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值(例如0.2m,0.3m等)的网格中的高程最低点作为高程突变点,预设高程差阈值可根据实际需要自定义。
步骤203、根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
具体地,可以先确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
通常情况下,当激光点离激光头距离较近时,曲率突变点距离起始搜索点较近;但是当激光点离激光头距离较远时,打到马路牙子上的激光点变得很稀疏,这时反而是高程突变点距离起始搜索点较近。
步骤204、采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
由于前面提取路肩位置点的过程中,不可避免地受到地物遮挡(如行人、植物和车辆等)的影响,从而得到错误的路肩位置点。考虑到路肩在前后激光扫描线数据帧中的空间连续性,可以取前后连续m帧三维激光点云集中的路肩位置点采用预设算法进行直线或曲线提取,预设算法例如采用RANSAC(RANdom Sample Consensus)算法(它是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法),例如采用RANSAC直线提取算法,剔除与拟合直线距离大于阈值的点,然后依照激光扫描的顺序,依次对提取的直线上的各个路肩位置点连接成线,形成路肩线。
本实施例中,通过获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,搜索每帧三维激光点云集中的曲率突变点及高程突变点,根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线,因而本发明的方法具有以下优点:
(1)激光扫描仪采用的是主动式光源,因此可以不受光照的影响;
(2)采用曲率值和高程差相结合的方法,搜索曲率突变点与高程突变点,从而得到路肩位置点,整个过程自动化提取,提取效率高;
(3)三维激光点云数据直接表达了真实世界的三维坐标,由此提取得到的路肩位置点与真实路肩位置点的差异在厘米级别,能够有效保证提取的路肩数据的精度,满足高精地图的需要。
实施例二
实施例一所描述的方法,本实施例将举例作进一步详细说明,实际中,所提取的路肩线可以是路肩的上边缘线,也可以是路肩的下边缘线,本实施例以提取路肩的下边缘线为例进行说明,所提取的路肩线可如图3b白色箭头所示,具体本实施例的方法可如图3a所示,包括以下步骤:
步骤301、获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
具体实现中,激光扫描仪可以为三维激光扫描仪,三维激光扫描仪采用的是360度旋转扫描的扫描方式,本实施例中,可以将激光扫描仪从0度到360度旋转扫描得到的点云称为单帧(一帧)三维激光点云数据,单帧三维激光点云数据可如图3c所示,包括建筑物扫描点、路肩扫描点及道路扫描点,当然还可以包括其他物体的扫描点,此处不做具体限定。三维激光点云数据记录了由激光扫描仪对道路和道路上的实体表面进行扫描后得到的三维激光点的三维坐标,可以由三维激光扫描仪扫描得到各帧三维激光点云数据后发送至服务器。三维激光扫描仪可以安装在车辆上,在行车的过程中扫描得到三维激光点云数据,三维激光点云的垂直坐标称为高程。由于车载激光扫描系统沿道路扫描这一采集方式,可以快速地得到整个城市沿街道路两侧的精细建筑物点云信息,进而为后续建筑物提取和重建提供基础。
在得到各帧三维激光点云数据之后,可以去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,高空间点指的是高程大于一定高程阈值(例如0.5m)的点,高程阈值可根据实际需要自定义,以避免高空间点对后续提取路肩线造成的干扰,即本发明实施例中,参与路肩线提取的点为高程小于一定高程阈值的点。
步骤302、搜索每帧三维激光点云集中的曲率突变点;
具体的搜索方法如下:
在每帧三维激光点云集中,以所述激光扫描仪的最下方扫描点(如图3c所指示)为起点(激光扫描仪安装在车辆上,车辆在道路上行驶,该起点应该位于道路上),沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点,左右两侧的曲率突变点可如点1、点2所示。
每个点的曲率值可以为该点的后第n个点与前第n个点的高程差与水平差的比值▽dz/▽dx,n为整数,预设曲率阈值可根据实际需要自定义。
步骤303、搜索每帧三维激光点云集中的高程突变点;
具体地,可以将每帧三维激光点云集按水平方向均匀的进行网格划分,每个网格的大小可以相同,每个网格内包括若干点,计算每个网格内点的高程差▽dz,然后以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值(例如0.2m,0.3m等)的网格中的高程最低点作为高程突变点,本实施例中,高程突变点可以和曲率突变点相同,也如图3c中的点1、点2所示,预设高程差阈值可根据实际需要自定义。
需要说明的是,本实施例要提取路肩的下边缘点,因而将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最低点作为高程突变点,实际中,如果要提取路肩的上边缘点,则可以将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最高点作为高程突变点,其他算法也相应调整为路肩的上边缘点提取算法即可。
步骤304、确定每帧三维激光点云集内曲率突变点与高程突变点中距离起点较近的点,以该点为新的起点在左右两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧激光点云集中的路肩位置点;
具体地,可以先确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
通常情况下,当激光点离激光头距离较近时,曲率突变点距离起始搜索点较近;但是当激光点离激光头距离较远时,打到马路牙子上的激光点变得很稀疏,这时反而是高程突变点距离起始搜索点较近。
本实施例中,由于搜索到的高程突变点与曲率突变点相同,均为图3c中的点1、点2,最终搜索到的路肩位置点仍然是图3c中的点1、点2。
步骤305、采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线;
由于前面提取路肩位置点的过程中,不可避免地受到地物遮挡(如行人、植物和车辆等)的影响,从而得到错误的路肩位置点。考虑到路肩在前后激光扫描线数据帧中的空间连续性,可以取前后连续m帧三维激光点云集中的路肩位置点采用预设算法进行直线或曲线提取,预设算法例如采用RANSAC直线提取算法,剔除与拟合直线距离大于阈值的点,然后依照激光扫描的顺序,依次对提取的直线上的各个路肩位置点连接成线,形成路肩线。
步骤306、获取路肩线对应的地理位置数据,将路肩线对应的地理位置数据绘制于地图。
具体地,根据三维激光点云数据与导航系统采集的GPS数据的对应关系,得到三维激光点云集中各个三维激光点对应的地理位置数据,如经纬度坐标,获取直线上的路肩位置点的经纬度坐标,根据经纬度坐标将路肩线在地图上绘制出来,绘制于地图的路肩线可用于自动车辆驾驶。
本实施例中,通过获取激光扫描仪扫描得到的各帧三维激光点云云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,搜索每帧三维激光点云集中的曲率突变点及高程突变点,根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线,因而本发明的方法具有以下优点:
(1)激光扫描仪采用的是主动式光源,因此可以不受光照的影响;
(2)采用曲率值和高程差相结合的方法,搜索曲率突变点与高程突变点,从而得到路肩位置点,整个过程自动化提取,提取效率高;
(3)三维激光点云数据直接表达了真实世界的三维坐标,由此提取得到的路肩位置点与真实路肩位置点的差异在厘米级别,能够有效保证提取的路肩数据的精度,满足高精地图的需要。
实施例三
为了更好地实施以上方法,本发明实施例还提供一种路肩提取的装置,如图4所示,本实施例的路肩提取的装置包括获取单元401、搜索单元402、查找单元403及提取单元404,如下:
(1)获取单元401;
获取单元401,用于获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
具体实现中,激光扫描仪可以为三维激光扫描仪,它是利用激光测距的原理,通过记录被测物体表面大量的密集的点的三维坐标、反射率和纹理等信息,可快速复建出被测目标的三维模型及线、面、体等各种图件数据。它突破了传统的单点测量方法,具有高效率、高精度的独特优势,三维激光扫描仪能够提供扫描物体表面的三维点云数据,因此可以用于获取高精度高分辨率的数字地形模型。
三维激光扫描仪采用的是360度旋转扫描的扫描方式,本实施例中,可以将激光扫描仪从0度到360度旋转扫描得到的点云称为单帧(一帧)三维激光点云数据。三维激光点云数据记录了由激光扫描仪对道路和道路上的实体表面进行扫描后得到的三维激光点的三维坐标,可以由三维激光扫描仪扫描得到各帧三维激光点云数据后发送至服务器。三维激光扫描仪可以安装在车辆上,在行车的过程中扫描得到三维激光点云数据,三维激光点云数据的垂直坐标称为高程。由于车载激光扫描系统沿道路扫描这一采集方式,可以快速地得到整个城市沿街道路两侧的精细建筑物点云信息,进而为后续建筑物提取和重建提供基础。
在得到各帧三维激光点云数据之后,可以去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,高空间点指的是高程大于一定高程阈值(例如0.5m)的点,高程阈值可根据实际需要自定义,以避免高空间点对后续提取路肩线造成的干扰,即本发明实施例中,参与路肩线提取的点为高程小于一定高程阈值的点。
(2)搜索单元402;
搜索单元402,用于搜索每帧三维激光点云集中的曲率突变点及高程突变点;
具体地,搜索单元402包括曲率突变点搜索单元及高程突变点搜索单元。曲率突变点搜索单元用于以所述激光扫描仪的最下方扫描点为起点(激光扫描仪安装在车辆上,车辆在道路上行驶,该起点应该位于道路上),沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点,预设曲率阈值可根据实际需要自定义,每个点的曲率值为该点的后第n个点与前第n个点的高程差与水平差的比值▽dz/▽dx,n为整数。高程突变点搜索单元用于将每帧三维激光点云集按水平方向进行网格划分,每个网格的大小可以相同,每个网格内包括若干点,计算每个网格内点的高程差▽dz,然后以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最低点作为高程突变点,预设高程差阈值可根据实际需要自定义。
(3)查找单元403;
查找单元403,用于根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
具体地,查找单元403包括确定子单元及查找子单元。其中,确定子单元用于确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;查找子单元用于以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
通常情况下,当激光点离激光头距离较近时,曲率突变点距离起始搜索点较近;但是当激光点离激光头距离较远时,打到马路牙子上的激光点变得很稀疏,这时反而是高程突变点距离起始搜索点较近。
(4)提取单元404;
提取单元404,用于采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
具体地,预设算法例如RANSAC算法(它是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法),即可以采用RANSAC算法对各帧三维激光点云集中的路肩位置点进行直线提取或曲线提取,剔除与拟合直线或曲线距离大于阈值的点,然后依照激光扫描的顺序,依次对提取的的各个路肩位置点连接成线,形成路肩线。
进一步地,本实施例的路肩提取的装置还可以包括绘制单元,绘制单元用于获取所述路肩线对应的地理位置数据,将所述路肩线对应的地理位置数据绘制于地图。
具体地,可以根据三维激光点云数据与导航系统采集的GPS数据的对应关系,得到三维激光点云集中各个三维激光点对应的地理位置数据,如经纬度坐标,获取直线上的路肩位置点的经纬度坐标,根据经纬度坐标将路肩线在地图上绘制出来,绘制于地图的路肩线可用于自动车辆驾驶。
需要说明的是,上述实施例提供的路肩提取的装置在进行路肩提取时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的路肩提取的装置与路肩提取的方法属于同一构思,其具体实现过程详见方法实施例,此处不再赘述。
本实施例中,通过获取单元获取激光扫描仪扫描得到的各帧三维激光点云集,搜索单元搜索每帧三维激光点云集中的曲率突变点及高程突变点,查找单元根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,提取单元对各帧三维激光点云集中的路肩位置点进行直线提取,连接提取的直线上的路肩位置点得到路肩线。即本实施例中,获取的是激光扫描仪扫描得到的各帧三维激光点云集,激光扫描仪采用的是主动光源,因此不受光照影响;从高精度三维激光点云集中通搜索、查找并进行直线提取自动化提取路肩线,能够有效保证提取的路肩数据的精度,满足高精地图的需要,提取过程不需要人工参与,提取效率高。
实施例四
本发明实施例路肩提取的装置另一结构如图5所示,其示出了本发明实施例所涉及的路肩提取的装置的结构示意图,具体来讲:
该装置可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、射频(Radio Frequency,RF)电路503、电源504、输入单元505、以及显示单元506等部件。本领域技术人员可以理解,图5中示出的装置结构并不构成对装置的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该装置的控制中心,利用各种接口和线路连接整个装置的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行装置的各种功能和处理数据,从而对装置进行整体监控。可选的,处理器501可包括一个或多个处理核心;优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据装置的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
RF电路503可用于收发信息过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器501处理;另外,将涉及上行的数据发送给基站。通常,RF电路503包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(LNA,Low Noise Amplifier)、双工器等。此外,RF电路503还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(GSM,Global System of Mobilecommunication)、通用分组无线服务(GPRS,General Packet Radio Service)、码分多址(CDMA,Code Division Multiple Access)、宽带码分多址(WCDMA,Wideband CodeDivision Multiple Access)、长期演进(LTE,Long Term Evolution)、电子邮件、短消息服务(SMS,Short Messaging Service)等。
装置还包括给各个部件供电的电源504(比如电池),优选的,电源504可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源504还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该装置还可包括输入单元505,该输入单元505可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,在一个具体的实施例中,输入单元505可包括触敏表面以及其他输入设备。触敏表面,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面上或在触敏表面附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器501,并能接收处理器501发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面。除了触敏表面,输入单元505还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
该装置还可包括显示单元506,该显示单元506可用于显示由用户输入的信息或提供给用户的信息以及装置的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元506可包括显示面板,可选的,可以采用液晶显示器(LCD,Liquid Crystal Display)、有机发光二极管(OLED,Organic Light-EmittingDiode)等形式来配置显示面板。进一步的,触敏表面可覆盖显示面板,当触敏表面检测到在其上或附近的触摸操作后,传送给处理器501以确定触摸事件的类型,随后处理器501根据触摸事件的类型在显示面板上提供相应的视觉输出。虽然在图5中,触敏表面与显示面板是作为两个独立的部件来实现输入和输入功能,但是在某些实施例中,可以将触敏表面与显示面板集成而实现输入和输出功能。
尽管未示出,装置还可以包括摄像头、蓝牙模块等,在此不再赘述。具体在本实施例中,装置中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,如下:
获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
搜索每帧三维激光点云集中的曲率突变点及高程突变点;
根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
可选的,每帧三维激光点云数据中包括所述激光扫描仪从0度到360度旋转扫描得到的点云。
可选的,该处理器501可按如下方式搜素每帧三维激光点云集中的曲率突变点:
以所述激光扫描仪的最下方扫描点为起点,沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点。
可选的,每个点的曲率值为该点的后第n个点与前第n个点的高程差与水平差的比值,n为整数。
可选的,该处理器501可按如下方式搜素每帧三维激光点云集中的高程突变点:
将每帧三维激光点云集按水平方向进行网格划分;
计算每个网格内点的高程差;
以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最低点作为高程突变点。
可选的,该处理器501可按如下方式查找每帧三维激光点云集中的路肩位置点:
确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;
以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
可选的,该处理器501还可以用于:
获取所述路肩线对应的地理位置数据;将所述路肩线对应的地理位置数据绘制于地图。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
由上可知,本实施例中,通过获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集,搜索每帧三维激光点云集中的曲率突变点及高程突变点,根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点,采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。即本实施例中,获取的是激光扫描仪扫描得到的各帧三维激光点云数据,激光扫描仪采用的是主动光源,因此不受光照影响;从高精度三维激光点云集中通搜索、查找并进行直线提取自动化提取路肩线,能够有效保证提取的路肩数据的精度,满足高精地图的需要,提取过程不需要人工参与,提取效率高。
另外需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,单元之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现,当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下,凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现,而且,用来实现同一功能的具体硬件结构也可以是多种多样的,例如模拟电路、数字电路或专用电路等。但是,对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在可读取的存储介质中,如计算机的软盘,U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上对本发明实施例所提供的一种路肩提取的方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种路肩提取的方法,其特征在于,包括:
获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
搜索每帧三维激光点云集中的曲率突变点及高程突变点;
根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
2.根据权利要求1所述的方法,其特征在于,每帧三维激光点云数据中包括所述激光扫描仪从0度到360度旋转扫描得到的点云。
3.根据权利要求1所述的方法,其特征在于,所述搜索每帧三维激光点云集中的曲率突变点包括:
以所述激光扫描仪的最下方扫描点为起点,沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点。
4.根据权利要求3所述的方法,其特征在于,每个点的曲率值为该点的后第n个点与前第n个点的高程差与水平差的比值,n为整数。
5.根据权利要求1所述的方法,其特征在于,所述搜索每帧三维激光点云集中的高程突变点包括:
将每帧三维激光点云集按水平方向进行网格划分;
计算每个网格内点的高程差;
以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最低点作为高程突变点。
6.根据权利要求3至5任意一项所述的方法,其特征在于,所述根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点包括:
确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;
以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述路肩线对应的地理位置数据;
将所述路肩线对应的地理位置数据绘制于地图。
8.一种路肩提取的装置,其特征在于,包括:
获取单元,用于获取激光扫描仪扫描得到的各帧三维激光点云数据,去除每帧三维激光点云数据中的高空间点得到每帧三维激光点云集;
搜索单元,用于搜索每帧三维激光点云集中的曲率突变点及高程突变点;
查找单元,用于根据每帧三维激光点云集中的曲率突变点及高程突变点查找每帧三维激光点云集中的路肩位置点;
提取单元,用于采用预设算法对各帧三维激光点云集中的路肩位置点进行提取,连接提取的路肩位置点得到路肩线。
9.根据权利要求8所述的装置,其特征在于,每帧三维激光点云数据中包括所述激光扫描仪从0度到360度旋转扫描得到的点云。
10.根据权利要求8所述的装置,其特征在于,所述搜索单元包括:
曲率突变点搜索单元,用于以所述激光扫描仪的最下方扫描点为起点,沿左右两侧进行搜索,将每侧搜索到的第一个曲率值大于预设曲率阈值的点作为曲率突变点。
11.根据权利要求10所述的装置,其特征在于,每个点的曲率值为该点的后第n个点与前第n个点的高程差与水平差的比值,n为整数。
12.根据权利要求8所述的装置,其特征在于,所述搜索单元包括:
高程突变点搜索单元,用于将每帧三维激光点云集按水平方向进行网格划分,计算每个网格内点的高程差,以所述激光扫描仪的最下方扫描点为起点,从起点所在的网格开始,沿左右两侧进行搜索,将每侧搜索到的第一个高程差大于预设高程差阈值的网格中的高程最低点作为高程突变点。
13.根据权利要求10至12任意一项所述的装置,其特征在于,所述查找单元包括:
确定子单元,用于确定每帧三维激光点云集内曲率突变点与高程突变点中距离所述起点较近的点;
查找子单元,用于以曲率突变点与高程突变点中距离所述起点较近的点为新的起点,沿所述新的起点两侧预设范围内进行查找,将每侧查找到的曲率变化最大的点作为每帧三维激光点云集中的路肩位置点。
14.根据权利要求8所述的装置,其特征在于,所述装置还包括:
绘制单元,用于获取所述路肩线对应的地理位置数据,将所述路肩线对应的地理位置数据绘制于地图。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610704055.XA CN107742091B (zh) | 2016-08-22 | 2016-08-22 | 一种路肩提取的方法及装置 |
EP17842774.6A EP3502956B1 (en) | 2016-08-22 | 2017-08-02 | Road shoulder extraction method and device, and storage medium |
PCT/CN2017/095561 WO2018036351A1 (zh) | 2016-08-22 | 2017-08-02 | 路肩提取的方法、装置及存储介质 |
US15/993,320 US10621450B2 (en) | 2016-08-22 | 2018-05-30 | Road shoulder extraction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610704055.XA CN107742091B (zh) | 2016-08-22 | 2016-08-22 | 一种路肩提取的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107742091A true CN107742091A (zh) | 2018-02-27 |
CN107742091B CN107742091B (zh) | 2019-01-29 |
Family
ID=61234953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610704055.XA Active CN107742091B (zh) | 2016-08-22 | 2016-08-22 | 一种路肩提取的方法及装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10621450B2 (zh) |
EP (1) | EP3502956B1 (zh) |
CN (1) | CN107742091B (zh) |
WO (1) | WO2018036351A1 (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543541A (zh) * | 2019-09-02 | 2019-12-06 | 武汉中海庭数据技术有限公司 | 基于拐点的道路边线提取方法和装置 |
CN111489386A (zh) * | 2019-01-25 | 2020-08-04 | 北京京东尚科信息技术有限公司 | 点云特征点提取方法、装置、存储介质、设备及系统 |
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 |
CN112020722A (zh) * | 2018-12-29 | 2020-12-01 | 北京嘀嘀无限科技发展有限公司 | 基于三维传感器数据识别路肩 |
CN112257725A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种路缘石提取的置信度评估方法及系统 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112634389A (zh) * | 2020-12-10 | 2021-04-09 | 华能伊敏煤电有限责任公司 | 一种基于无人机的露天矿平面图绘制方法、装置、服务器 |
CN112837333A (zh) * | 2021-02-04 | 2021-05-25 | 南京抒微智能科技有限公司 | 一种室外无人清扫车贴边清洁方法及设备 |
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 |
CN114202625A (zh) * | 2021-12-10 | 2022-03-18 | 北京百度网讯科技有限公司 | 路肩线的提取方法、装置及电子设备 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108256446B (zh) * | 2017-12-29 | 2020-12-11 | 百度在线网络技术(北京)有限公司 | 用于确定道路中的车道线的方法、装置和设备 |
US11093759B2 (en) * | 2018-03-06 | 2021-08-17 | Here Global B.V. | Automatic identification of roadside objects for localization |
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 |
CN110954074B (zh) * | 2019-12-16 | 2024-04-19 | 江苏科技大学 | 一种基于三维激光扫描技术的公路施工质量检测方法 |
CN111223180A (zh) * | 2020-01-08 | 2020-06-02 | 中冶赛迪重庆信息技术有限公司 | 一种料场的三维建模方法、装置、存储介质及电子终端 |
WO2021176678A1 (ja) * | 2020-03-05 | 2021-09-10 | 日本電信電話株式会社 | 生成装置、生成方法及び生成プログラム |
US11740360B2 (en) * | 2020-11-02 | 2023-08-29 | Motional Ad Llc | Light detection and ranging (LiDaR) scan smoothing |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500338A (zh) * | 2013-10-16 | 2014-01-08 | 厦门大学 | 基于车载激光扫描点云的道路斑马线自动提取方法 |
US20150266472A1 (en) * | 2012-09-05 | 2015-09-24 | Google Inc. | Construction Zone Object Detection Using Light Detection and Ranging |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 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 |
CN105551082A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路面识别方法及装置 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010024212A1 (ja) * | 2008-08-29 | 2010-03-04 | 三菱電機株式会社 | 俯瞰画像生成装置、俯瞰画像生成方法および俯瞰画像生成プログラム |
CN101914890B (zh) * | 2010-08-31 | 2011-11-16 | 中交第二公路勘察设计研究院有限公司 | 一种基于机载激光测量的公路改扩建勘测方法 |
CN103711050B (zh) * | 2013-12-31 | 2016-04-06 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达道路改扩建勘测设计方法 |
US9529087B2 (en) * | 2014-07-24 | 2016-12-27 | GM Global Technology Operations LLC | Curb detection using lidar with sparse measurements |
US9870437B2 (en) * | 2014-11-24 | 2018-01-16 | Google Llc | Systems and methods for detecting and modeling curb curves in complex urban scenes |
CN105336166A (zh) * | 2015-11-02 | 2016-02-17 | 同济大学 | 基于车载蓝牙的交通特征参数提取方法 |
-
2016
- 2016-08-22 CN CN201610704055.XA patent/CN107742091B/zh active Active
-
2017
- 2017-08-02 EP EP17842774.6A patent/EP3502956B1/en active Active
- 2017-08-02 WO PCT/CN2017/095561 patent/WO2018036351A1/zh active Application Filing
-
2018
- 2018-05-30 US US15/993,320 patent/US10621450B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150266472A1 (en) * | 2012-09-05 | 2015-09-24 | Google Inc. | Construction Zone Object Detection Using Light Detection and Ranging |
CN103500338A (zh) * | 2013-10-16 | 2014-01-08 | 厦门大学 | 基于车载激光扫描点云的道路斑马线自动提取方法 |
US20160154999A1 (en) * | 2014-12-02 | 2016-06-02 | Nokia Technologies Oy | Objection recognition in a 3d scene |
CN105184852A (zh) * | 2015-08-04 | 2015-12-23 | 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 |
CN105551082A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路面识别方法及装置 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
Non-Patent Citations (1)
Title |
---|
方莉娜等: "车载激光扫描数据的结构化道路自动提取方法", 《测绘学报》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112020722A (zh) * | 2018-12-29 | 2020-12-01 | 北京嘀嘀无限科技发展有限公司 | 基于三维传感器数据识别路肩 |
CN112020722B (zh) * | 2018-12-29 | 2024-01-09 | 北京嘀嘀无限科技发展有限公司 | 基于三维传感器数据识别路肩 |
CN111489386A (zh) * | 2019-01-25 | 2020-08-04 | 北京京东尚科信息技术有限公司 | 点云特征点提取方法、装置、存储介质、设备及系统 |
CN111489386B (zh) * | 2019-01-25 | 2024-04-16 | 北京京东乾石科技有限公司 | 点云特征点提取方法、装置、存储介质、设备及系统 |
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 |
CN110543541A (zh) * | 2019-09-02 | 2019-12-06 | 武汉中海庭数据技术有限公司 | 基于拐点的道路边线提取方法和装置 |
CN112513679B (zh) * | 2020-04-15 | 2021-12-03 | 华为技术有限公司 | 一种目标识别的方法和装置 |
CN112513679A (zh) * | 2020-04-15 | 2021-03-16 | 华为技术有限公司 | 一种目标识别的方法和装置 |
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 |
CN112257725A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种路缘石提取的置信度评估方法及系统 |
CN112634389A (zh) * | 2020-12-10 | 2021-04-09 | 华能伊敏煤电有限责任公司 | 一种基于无人机的露天矿平面图绘制方法、装置、服务器 |
CN112837333A (zh) * | 2021-02-04 | 2021-05-25 | 南京抒微智能科技有限公司 | 一种室外无人清扫车贴边清洁方法及设备 |
CN114202625A (zh) * | 2021-12-10 | 2022-03-18 | 北京百度网讯科技有限公司 | 路肩线的提取方法、装置及电子设备 |
CN114202625B (zh) * | 2021-12-10 | 2023-03-14 | 北京百度网讯科技有限公司 | 路肩线的提取方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107742091B (zh) | 2019-01-29 |
EP3502956A4 (en) | 2019-08-28 |
US10621450B2 (en) | 2020-04-14 |
EP3502956A1 (en) | 2019-06-26 |
EP3502956B1 (en) | 2023-06-07 |
WO2018036351A1 (zh) | 2018-03-01 |
US20180276483A1 (en) | 2018-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107742091B (zh) | 一种路肩提取的方法及装置 | |
WO2020134082A1 (zh) | 一种路径规划方法、装置和移动设备 | |
US10628712B2 (en) | Method and apparatus for processing high-precision map data, storage medium and device | |
CN108062517B (zh) | 基于车载激光点云的非结构化道路边界线自动提取方法 | |
CN110765219B (zh) | 地理围栏生成方法、装置、计算机设备和存储介质 | |
CN111598034B (zh) | 障碍物检测方法、装置及存储介质 | |
CN105551082B (zh) | 一种基于激光点云的路面识别方法及装置 | |
CN106582023B (zh) | 一种游戏寻路方法和装置 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
JP6178704B2 (ja) | 計測点高付与システム、計測点高付与方法および計測点高付与プログラム | |
WO2020093966A1 (zh) | 定位数据生成方法、装置以及电子设备 | |
CN108629228A (zh) | 一种道路对象识别方法和装置 | |
CN110597937B (zh) | 一种无人智能巡检的方法、装置、设备及存储介质 | |
CN109579718A (zh) | 焊缝参数的检测方法、装置、计算机设备和存储介质 | |
CN104156988A (zh) | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 | |
CN105005580A (zh) | 一种用于显示水库地形的方法及其装置 | |
CN104422426B (zh) | 在高架道路区域内提供车辆导航信息的方法和设备 | |
CN114140592A (zh) | 高精地图生成方法、装置、设备、介质及自动驾驶车辆 | |
CN114332233B (zh) | 一种激光slam回环检测方法和系统 | |
CN110297878B (zh) | 探地雷达数据与地理位置关联方法及装置 | |
JP5577312B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
CN109543994A (zh) | 一种无人机部署方法及装置 | |
CN104898106A (zh) | 一种面向复杂地形机载激光雷达数据的地面点提取方法 | |
Chen et al. | Feasibility study of using mobile laser scanning point cloud data for GNSS line of sight analysis | |
CN109084758A (zh) | 一种惯性导航方法及相关产品 |
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 |