CN109190573A - 一种地面检测方法、装置、电子设备、车辆及存储介质 - Google Patents

一种地面检测方法、装置、电子设备、车辆及存储介质 Download PDF

Info

Publication number
CN109190573A
CN109190573A CN201811063969.8A CN201811063969A CN109190573A CN 109190573 A CN109190573 A CN 109190573A CN 201811063969 A CN201811063969 A CN 201811063969A CN 109190573 A CN109190573 A CN 109190573A
Authority
CN
China
Prior art keywords
grid
point
ground
fitting
current
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
Application number
CN201811063969.8A
Other languages
English (en)
Other versions
CN109190573B (zh
Inventor
陈东明
王昊
王亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811063969.8A priority Critical patent/CN109190573B/zh
Publication of CN109190573A publication Critical patent/CN109190573A/zh
Priority to EP19196331.3A priority patent/EP3624055B1/en
Priority to US16/566,487 priority patent/US11313951B2/en
Priority to JP2019166001A priority patent/JP6843203B2/ja
Application granted granted Critical
Publication of CN109190573B publication Critical patent/CN109190573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/58—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
    • G06T7/11—Region-based segmentation
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G06T3/08—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

发明实施例公开了一种地面检测方法、装置、电子设备、车辆及存储介质。所述方法包括：将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；在所述高分辨率网格中筛选出候选地面点；在所述低分辨率网格中基于所述候选地面点进行地面拟合。可以更加快速、准确、全面地进行地面检测。

Description

一种地面检测方法、装置、电子设备、车辆及存储介质
技术领域
本发明实施例涉及无人驾驶车辆技术，尤其涉及一种地面检测方法、装置、电子设备、车辆及存储介质。
背景技术
无人驾驶车辆，是指通过各种传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物等，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
在激光点云中检测地面点并拟合出地面方程，是车辆感知的基础模块。其检测效果直接影响障碍物检测、障碍物分类、障碍物跟踪等。然而现有的地面检测方法目前还无法满足对快速、准确和全面的检测需求。
发明内容
有鉴于此，本发明实施例提供一种地面检测方法、装置、电子设备、车辆及存储介质，可以更加快速、准确、全面地进行地面检测。
第一方面，本发明实施例提供了一种地面检测方法，所述方法包括：
将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；
在所述高分辨率网格中筛选出候选地面点；
在所述低分辨率网格中基于所述候选地面点进行地面拟合。
在上述实施例中，所述在所述高分辨率网格中筛选出候选地面点，包括：
在所述高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下方法筛选出所述当前格子内的候选地面点：
在所述当前格子中随机选取预设数量的点，作为地面参考点集合；其中，所述地面参考点集合中至少包括一个地面参考点；
在所述地面参考点集合中逐个选择一个点作为当前点，对于每个当前点，计算所述当前点的高度值与各个地面参考点之间的高度值的差值，如果所述当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定所述当前点为所述候选地面点，直到确定出所述当前格子内的全部候选地面点。
在上述实施例中，所述在低分辨率网格中基于所述候选地面点进行地面拟合，包括：
确定所述低分辨率网格中各个格子与预先确定的中心位置的距离远近；
按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
在上述实施例中，所述按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合，包括：
确定所述中心位置周围的初始格子，在各个初始格子中基于各个初始格子各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；
按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：
依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在所述当前格子中依据过滤后的候选地面点进行地面拟合。
在上述实施例中，所述方法还包括：
在所述低分辨率网格中，对于没有拟合出地面的目标格子，依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程。
在上述实施例中，所述依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程，包括：
分别获取各个目标格子周围至少一个拟合出地面的格子中属于地面点的个数；
依据所述个数，分别确定所述至少一个拟合出地面的格子的权重；
将所述至少一个拟合出地面的格子的地面方程和所述权重，通过加权求平均的方式计算出各个目标格子的地面方程。
第二方面，本发明实施例提供了一地面检测装置，所述装置包括：投影模块、筛选模块和拟合模块；其中，
所述投影模块，用于将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；
所述筛选模块，用于在所述高分辨率网格中筛选出候选地面点；
所述拟合模块，用于在所述低分辨率网格中基于所述候选地面点进行地面拟合。
在上述实施例中，所述筛选模块，具体用于在所述高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下方法筛选出所述当前格子内的候选地面点：在所述当前格子中随机选取预设数量的点，作为地面参考点集合；其中，所述地面参考点集合中至少包括一个地面参考点；在所述当前格子中逐个选择一个点作为当前点，对于每个当前点，计算所述当前点的高度值与各个地面参考点之间的高度值的差值，如果所述当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定所述当前点为所述候选地面点，直到确定出所述当前格子内的全部候选地面点。
在上述实施例中，所述拟合模块包括：确定子模块和拟合子模块；其中，
所述确定子模块，用于确定所述低分辨率网格中各个格子与预先确定的中心位置的距离远近；
所述拟合子模块，用于按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
在上述实施例中，所述拟合子模块，具体用于确定所述中心位置周围的初始格子，在各个初始格子中基于各个初始各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在所述当前格子中依据过滤后的候选地面点进行地面拟合。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的地面检测方法。
第四方面，本发明实施例还提供了一种车辆，包括车体，还包括激光雷达和上述实施例所述的电子设备。
第五方面，本发明实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的地面检测方法。
本发明实施例提出了一种地面检测方法、装置、电子设备、车辆及存储介质，先将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；然后在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合。也就是说，在本发明的技术方案中，可以先在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合。而现有的地面检测方法目前还无法满足对快速、准确和全面的检测需求。因此，和现有技术相比，本发明实施例提出的地面检测方法、装置、电子设备、车辆及存储介质，可以更加快速、准确、全面地进行地面检测；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。
附图说明
图1为本发明实施例一提供的地面检测方法的流程示意图；
图2为本发明实施例二提供的地面检测方法的流程示意图；
图3为本发明实施例三提供的地面检测方法的流程示意图；
图4为本发明实施例四提供的地面检测装置的第一结构示意图；
图5为本发明实施例四提供的地面检测装置的第二结构示意图；
图6为本发明实施例五提供的电子设备的结构示意图。
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。
实施例一
图1为本发明实施例一提供的地面检测方法的流程示意图，该方法可以由地面检测装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中，例如车辆，该车辆可以是无人车。如图1所示，地面检测方法可以包括以下步骤：
S101、将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中。
在本发明的具体实施例中，激光点云也称为点云，是利用激光在同一空间参考系下获取物体表面每个采样点的空间坐标，得到的是一系列表达目标空间分布和目标表面特性的海量点的集合，这个点集合就称之为“点云”(Point Cloud)。点云的属性可以包括：空间分辨率，点位精度，表面法向量等。电子设备可以将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中，其中，高分辨率网格中的格子与低分辨率网格中的格子相比，数量更多，更加稠密。
示例性的，车辆上方可以设置激光雷达，激光雷达上包括多个激光发射器，激光雷达按照一定的频率，在车辆周围一圈一圈地进行扫描，实时获取车辆周围的激光点云。由于激光点云中的点是空间中的点，为了便于分析，本发明实施例中先将激光点云投影到网格中，投影之后，网格中的每个格子中都会有一簇点，之后再从中这些格子里的一簇点中识别出哪些属于地面点，然后基于这些地面点再进行地面拟合，得到地面方程。
S102、在高分辨率网格中筛选出候选地面点。
S103、在低分辨率网格中基于候选地面点进行地面拟合。
在本发明的具体实施例中，电子设备可以在高分辨率网格中筛选出候选地面点，然后在低分辨率网格中基于候选地面点进行地面拟合。
需要说明的是，在高分辨率网格中，由于相比低分辨率网格其格子数量更多、更加稠密，相当于经过投影，将原始的激光点云中的点划分出更多簇的点，自然的，投影在每个格子中的点，相对于低分辨率网格中的点，其数量更少。而由于激光点云投影到网格中的点除了有属于地面的点，还有属于环境的点、障碍物的点以及很多噪点，这些点对于地面点的识别造成了干扰。因此，基于高分辨率网格中的每个格子中的点来确定候选地面点，则更加稳定和准确，相应的，在低分辨率网格中，由于每个格子里的点多，利用更多的点来拟合地面则更加稳定和准确。本发明实施例中，就是利用了不同分辨率网格的特点，从高分辨率网格中筛选候选地面点，在低分辨率网格中基于筛选出来的这些候选地面点进行地面拟合，从而进一步提高地面拟合的稳定性和准确度。
而具体的，可以利用现有任一种算法，例如ransac(Random Sample Consensus，随机抽样一致)算法，并结合地面点的特点来进行筛选，同时，也可以利用现有的任一种算法，对筛选出的候选地面点进行地面拟合，得到最终的地面方程。关于算法的详细部分在本实施例中不再详述。
本发明实施例提出的地面检测方法，先将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；然后在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合。也就是说，在本发明的技术方案中，可以先在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合。而现有的地面检测方法目前还无法满足对快速、准确和全面的检测需求。因此，和现有技术相比，本发明实施例提出的地面检测方法，可以更加快速、准确、全面地进行地面检测；并且，本发明实施例的技术方案实现简单方便、便于普及，适用范围更广。
实施例二
图2为本发明实施例二提供的地面检测方法的流程示意图，本实施例是在上述实施例的基础上进一步进行优化。如图2所示，地面检测方法可以包括以下步骤：
S201、将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中。
S202、在高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下S203-S204的操作筛选出当前格子内的候选地面点。
S203、在当前格子中随机选取预设数量的点，作为地面参考点集合；其中，地面参考点集合中至少包括一个地面参考点。
S204、在地面参考点集合中逐个选择一个点作为当前点，对于每个当前点，计算当前点的高度值与各个地面参考点之间的高度值的差值，如果当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定当前点为候选地面点，直到确定出当前格子内的全部候选地面点。
上述S202-S204即为对如何在高分辨率网格中筛选出候选地面点的进一步优化。举例说明，假设激光点云被投影到高分辨率网格中，高分辨网格中包含的格子数量为N，分别为：格子1、格子2、…格子N；其中，N为大于1的自然数。在本步骤中，电子设备可以在N个格子中逐个选择一个格子作为当前格子，假设电子设备先选择格子1作为当前格子，然后电子设备可以在格子1中随机选取预设数量的点，作为地面参考点集合；其中，地面参考点集合中至少包括一个地面参考点；接着电子设备可以在地面参考点集合中逐个选择一个点A作为当前点，对于点A，电子设备可以计算点A的高度值与各个地面参考点之间的高度值的差值，如果点A的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定点A为候选地面点。然后电子设备可以在地面参考点集合中再选择一个点作为点B作为当前点，对于点B，电子设备可以计算点B的高度值与各个地面参考点之间的高度值的差值，如果点B的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定点B为候选地面点；以此类推；直到确定出格子1内的全部候选地面点。然后电子设备还可以选择格子2作为当前格子，重复执行上述操作，直到确定出格子2内的全部候选地面点；以此类推；直到确定出格子N内的全部候选地面点。
S205、确定低分辨率网格中各个格子与预先确定的中心位置的距离远近。
在本发明的具体实施例中，电子设备可以确定低分辨率网格中各个格子与预先确定的中心位置的距离远近。具体地，电子设备可以以激光发射器为中心，而激光发射器扫描一周获取到激光点云，再将该激光点云投影到低分辨率网格中，那么低分辨率网格的中心即为所述预先确定的中心位置，于是，即可确定出低分辨率网格中的每个格子与该中心位置的距离远近，例如，与中心位置紧邻的一圈格子与中心位置最近，而低分辨率网格中最外围的一圈格子与中心位置最远。
S206、按照低分辨率网格中各个格子与中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
在本发明的具体实施例中，电子设备可以按照低分辨率网格中各个格子与中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。而由于距离中心位置远近不同的格子中，噪点的程度不一，距离中心位置最近的一圈格子中收到噪点影响最小，因此，先对距离近的格子进行拟合，当拟合出这些距离近的格子中的地面方程之后，还可以基于已经拟合出的地面方程，对其他格子中的噪点进行过滤，使得最终拟合出来的地面更加稳定和准确。
具体地，电子设备可以先确定中心位置周围的初始格子，在各个初始格子中基于各个初始格子各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；然后按照低分辨率网格中各个格子与中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在当前格子中依据过滤后的候选地面点进行地面拟合。
本发明实施例提出的地面检测方法，先将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；然后在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合，并且按照低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合，从而提高了拟合结果的稳定性和准确度。
实施例三
图3为本发明实施例三提供的地面检测方法的流程示意图，本实施例是在上述实施例的基础上进一步进行优化。如图3所示，地面检测方法可以包括以下步骤：
S301、将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中。
S302、在高分辨率网格中筛选出候选地面点。
S303、确定低分辨率网格中各个格子与预先确定的中心位置的距离远近。
S304、按照低分辨率网格中各个格子与中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
S305、在低分辨率网格中，对于没有拟合出地面的目标格子，依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程。
在本发明的具体实施例中，在低分辨率网格中，对于没有拟合出地面的目标格子，电子设备可以依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程。需要说明的是，有些格子中的候选地面点很少，甚至没有，例如车辆行驶的道路两旁诸如花坛等区域，激光雷达没有扫描到地面点，而这些格子的地面方程对于后续进行障碍物检测等必要的操作也会起到重要的作用。因此，还需要对没有拟合出地面的格子，利用已经拟合出的格子的地面方程对其进行扩展，实现在低分辨率网格中，每个格子都拟合出地面方程。
具体地，电子设备可以分别获取各个目标格子周围至少一个拟合出地面的格子中属于地面点的个数；然后依据所述个数，分别确定至少一个拟合出地面的格子的权重；将至少一个拟合出地面的格子的地面方程和权重，通过加权求平均的方式计算出各个目标格子的地面方程。
也就是说，因为在已经拟合出地面的格子中，属于地面的点越多，这个格子的地面方程越可靠，因此，利用属于地面的点的数量来确定目标格子周围已经拟合出地面的格子的权重，结合权重来确定目标格子的地面方程，从而实现准确的扩展。
本发明实施例提出的地面检测方法，先将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；然后在高分辨率网格中筛选出候选地面点；再在低分辨率网格中基于候选地面点进行地面拟合。此外，对于没有拟合出地面的格子，进一步依据其周围已经拟合出地面的格子的权重和地面方程来综合确定各个没有拟合出地面的格子的地面方程，从而对拟合出的地面进行扩展，使得本发明实施例的地面检测结果更加全面，从而便于后续更有效地进行障碍物检测等车辆必要的操作。
实施例四
图4为本发明实施例四提供的地面检测装置的第一结构示意图。如图4所示，本发明实施例所述的地面检测装置可以包括：投影模块401、筛选模块402和拟合模块403；其中，
所述投影模块401，用于将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；
所述筛选模块402，用于在所述高分辨率网格中筛选出候选地面点；
所述拟合模块403，用于在所述低分辨率网格中基于所述候选地面点进行地面拟合。
进一步的，所述筛选模块402，具体用于在所述高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下方法筛选出所述当前格子内的候选地面点：在所述当前格子中随机选取预设数量的点，作为地面参考点集合；其中，所述地面参考点集合中至少包括一个地面参考点；在所述地面参考点集合中逐个选择一个点作为当前点，对于每个当前点，计算所述当前点的高度值与各个地面参考点之间的高度值的差值，如果所述当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定所述当前点为所述候选地面点，直到确定出所述当前格子内的全部候选地面点。
图5为本发明实施例四提供的地面检测装置的第二结构示意图。如图5所示，所述拟合模块403包括：确定子模块4031和拟合子模块4032；其中，
所述确定子模块4031，用于确定所述低分辨率网格中各个格子与预先确定的中心位置的距离远近；
所述拟合子模块4032，用于按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
进一步的，所述拟合子模块4032，具体用于确定所述中心位置周围的初始格子，在各个初始格子中基于各个初始各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在所述当前格子中依据过滤后的候选地面点进行地面拟合。
上述地面检测装置可执行本发明任意实施例所提供的方法，具备执行方法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地面检测方法。
实施例五
图5为本发明实施例五提供的电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的地面检测方法。
实施例六
本发明实施例六提供了一种计算机存储介质。
本发明实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本邻域技术人员会理解，本发明不限于这里所述的特定实施例，对本邻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 (13)

1.一种地面检测方法，其特征在于，所述方法包括：
将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；
在所述高分辨率网格中筛选出候选地面点；
在所述低分辨率网格中基于所述候选地面点进行地面拟合。
2.根据权利要求1所述的方法，其特征在于，所述在所述高分辨率网格中筛选出候选地面点，包括：
在所述高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下方法筛选出所述当前格子内的候选地面点：
在所述当前格子中随机选取预设数量的点，作为地面参考点集合；其中，所述地面参考点集合中至少包括一个地面参考点；
在所述地面参考点集合中逐个选择一个点作为当前点，对于每个当前点，计算所述当前点的高度值与各个地面参考点之间的高度值的差值，如果所述当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定所述当前点为所述候选地面点，直到确定出所述当前格子内的全部候选地面点。
3.根据权利要求1所述的方法，其特征在于，所述在低分辨率网格中基于所述候选地面点进行地面拟合，包括：
确定所述低分辨率网格中各个格子与预先确定的中心位置的距离远近；
按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
4.根据权利要求3所述的方法，其特征在于，所述按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合，包括：
确定所述中心位置周围的初始格子，在各个初始格子中基于各个初始格子各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；
按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：
依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在所述当前格子中依据过滤后的候选地面点进行地面拟合。
5.根据权利要求3所述的方法，特征在于，所述方法还包括：
在所述低分辨率网格中，对于没有拟合出地面的目标格子，依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程。
6.根据权利要求5所述的方法，其特征在于，所述依据其八邻域中已经成功拟合的地面方程来确定该目标格子的地面方程，包括：
分别获取各个目标格子周围至少一个拟合出地面的格子中属于地面点的个数；
依据所述个数，分别确定所述至少一个拟合出地面的格子的权重；
将所述至少一个拟合出地面的格子的地面方程和所述权重，通过加权求平均的方式计算出各个目标格子的地面方程。
7.一种地面检测装置，其特征在于，所述装置包括：投影模块、筛选模块和拟合模块；其中，
所述投影模块，用于将获取到的激光点云分别投影到高分辨率网格和低分辨率网格中；
所述筛选模块，用于在所述高分辨率网格中筛选出候选地面点；
所述拟合模块，用于在所述低分辨率网格中基于所述候选地面点进行地面拟合。
8.根据权利要求7所述的装置，其特征在于：
所述筛选模块，具体用于在所述高分辨率网格中逐个选择一个格子作为当前格子，分别按照如下方法筛选出所述当前格子内的候选地面点：在所述当前格子中随机选取预设数量的点，作为地面参考点集合；其中，所述地面参考点集合中至少包括一个地面参考点；在所述当前格子中逐个选择一个点作为当前点，对于每个当前点，计算所述当前点的高度值与各个地面参考点之间的高度值的差值，如果所述当前点的高度值与一半以上地面参考点的高度值的差值小于预设阈值，则确定所述当前点为所述候选地面点，直到确定出所述当前格子内的全部候选地面点。
9.根据权利要求7所述的装置，其特征在于，所述拟合模块包括：确定子模块和拟合子模块；其中，
所述确定子模块，用于确定所述低分辨率网格中各个格子与预先确定的中心位置的距离远近；
所述拟合子模块，用于按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，基于各个格子内的候选地面点分别进行地面拟合。
10.根据权利要求9所述的装置，其特征在于：
所述拟合子模块，具体用于确定所述中心位置周围的初始格子，在各个初始格子中基于各个初始各自内的候选地面点进行地面拟合，确定出各个初始格子内的地面点；按照所述低分辨率网格中各个格子与所述中心位置由近及远的顺序，对其余的每个格子依次按照如下操作进行地面拟合，直到所有格子都拟合完毕：依据当前格子周围八邻域内已经拟合好的地面中心点的高度值的平均值，对当前格子内的候选地面点进行初步过滤，并在所述当前格子中依据过滤后的候选地面点进行地面拟合。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一项所述的地面检测方法。
12.一种车辆，包括车体，其特征在于，还包括激光雷达和如权利要求11所述的电子设备。
13.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6中任一项所述的地面检测方法。
CN201811063969.8A 2018-09-12 2018-09-12 应用于无人驾驶车辆的地面检测方法、电子设备、车辆 Active CN109190573B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811063969.8A CN109190573B (zh) 2018-09-12 2018-09-12 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
EP19196331.3A EP3624055B1 (en) 2018-09-12 2019-09-10 Ground detection method, apparatus, electronic device, vehicle and storage medium
US16/566,487 US11313951B2 (en) 2018-09-12 2019-09-10 Ground detection method, electronic device, and vehicle
JP2019166001A JP6843203B2 (ja) 2018-09-12 2019-09-12 地面検出方法、装置、電子機器、車両及び記憶媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811063969.8A CN109190573B (zh) 2018-09-12 2018-09-12 应用于无人驾驶车辆的地面检测方法、电子设备、车辆

Publications (2)

Publication Number Publication Date
CN109190573A true CN109190573A (zh) 2019-01-11
CN109190573B CN109190573B (zh) 2021-11-12

Family

ID=64910802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811063969.8A Active CN109190573B (zh) 2018-09-12 2018-09-12 应用于无人驾驶车辆的地面检测方法、电子设备、车辆

Country Status (4)

Country Link
US (1) US11313951B2 (zh)
EP (1) EP3624055B1 (zh)
JP (1) JP6843203B2 (zh)
CN (1) CN109190573B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111123278A (zh) * 2019-12-30 2020-05-08 科沃斯机器人股份有限公司 分区方法、设备及存储介质
CN112558035A (zh) * 2019-09-24 2021-03-26 北京百度网讯科技有限公司 用于估计地面的方法和装置
CN113191459A (zh) * 2021-05-27 2021-07-30 山东高速建设管理集团有限公司 一种基于路侧激光雷达的在途目标分类方法
CN117392166A (zh) * 2023-12-13 2024-01-12 江西东锐机械有限公司 一种基于地平面拟合的三阶段点云地面分割方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111694903B (zh) * 2019-03-11 2023-09-12 北京地平线机器人技术研发有限公司 地图构建方法、装置、设备以及可读存储介质
JP6725088B1 (ja) 2019-03-19 2020-07-15 ダイキン工業株式会社 設定温度算出装置、低温処理システム、設定温度算出方法及び設定温度算出プログラム
CN113050106A (zh) * 2021-02-05 2021-06-29 上海擎朗智能科技有限公司 一种地面检测方法、装置、电子设备、系统及介质
CN113744323B (zh) * 2021-08-11 2023-12-19 深圳蓝因机器人科技有限公司 点云数据处理方法和装置
CN115131525B (zh) * 2022-07-26 2024-04-05 白犀牛智达(北京)科技有限公司 一种路牙检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8260539B2 (en) * 2010-05-12 2012-09-04 GM Global Technology Operations LLC Object and vehicle detection and tracking using 3-D laser rangefinder
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置
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
US20160154999A1 (en) * 2014-12-02 2016-06-02 Nokia Technologies Oy Objection recognition in a 3d scene
CN106371104A (zh) * 2016-08-16 2017-02-01 长春理工大学 多线点云数据机器学习的车辆目标识别方法及防撞装置
CN106918819A (zh) * 2017-03-28 2017-07-04 奇瑞汽车股份有限公司 一种激光雷达点云数据障碍检测算法
CN106951847A (zh) * 2017-03-13 2017-07-14 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、设备及存储介质
CN106997049A (zh) * 2017-03-14 2017-08-01 奇瑞汽车股份有限公司 一种基于激光点云数据的检测障碍物的方法和装置
CN107064955A (zh) * 2017-04-19 2017-08-18 北京汽车集团有限公司 障碍物聚类方法及装置
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7995055B1 (en) * 2007-05-25 2011-08-09 Google Inc. Classifying objects in a scene
US9396545B2 (en) * 2010-06-10 2016-07-19 Autodesk, Inc. Segmentation of ground-based laser scanning points from urban environment
JP4948689B1 (ja) 2011-10-06 2012-06-06 アジア航測株式会社 レーザオルソ画像生成装置及びそのプログラム
CN105184852B (zh) 2015-08-04 2018-01-30 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
JP6693193B2 (ja) 2016-03-15 2020-05-13 富士通株式会社 情報処理装置及び情報合成プログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8260539B2 (en) * 2010-05-12 2012-09-04 GM Global Technology Operations LLC Object and vehicle detection and tracking using 3-D laser rangefinder
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置
US20160154999A1 (en) * 2014-12-02 2016-06-02 Nokia Technologies Oy Objection recognition in a 3d scene
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
CN106371104A (zh) * 2016-08-16 2017-02-01 长春理工大学 多线点云数据机器学习的车辆目标识别方法及防撞装置
CN106951847A (zh) * 2017-03-13 2017-07-14 百度在线网络技术（北京）有限公司 障碍物检测方法、装置、设备及存储介质
CN106997049A (zh) * 2017-03-14 2017-08-01 奇瑞汽车股份有限公司 一种基于激光点云数据的检测障碍物的方法和装置
CN106918819A (zh) * 2017-03-28 2017-07-04 奇瑞汽车股份有限公司 一种激光雷达点云数据障碍检测算法
CN107064955A (zh) * 2017-04-19 2017-08-18 北京汽车集团有限公司 障碍物聚类方法及装置
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EHSAN JAVANMARDI等: ""Autonomous vehicle self-localization based on abstract map and multi-channel LiDAR in urban area"", 《IATSS RESEARCH》 *
肖强: ""地面无人车辆越野环境多要素合成可通行区域检测"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112558035A (zh) * 2019-09-24 2021-03-26 北京百度网讯科技有限公司 用于估计地面的方法和装置
CN112558035B (zh) * 2019-09-24 2023-06-09 北京百度网讯科技有限公司 用于估计地面的方法和装置
CN111123278A (zh) * 2019-12-30 2020-05-08 科沃斯机器人股份有限公司 分区方法、设备及存储介质
CN111123278B (zh) * 2019-12-30 2022-07-12 科沃斯机器人股份有限公司 分区方法、设备及存储介质
CN113191459A (zh) * 2021-05-27 2021-07-30 山东高速建设管理集团有限公司 一种基于路侧激光雷达的在途目标分类方法
CN117392166A (zh) * 2023-12-13 2024-01-12 江西东锐机械有限公司 一种基于地平面拟合的三阶段点云地面分割方法
CN117392166B (zh) * 2023-12-13 2024-02-02 江西东锐机械有限公司 一种基于地平面拟合的三阶段点云地面分割方法

Also Published As

Publication number Publication date
US20200081096A1 (en) 2020-03-12
EP3624055A1 (en) 2020-03-18
EP3624055B1 (en) 2021-10-20
JP2020042822A (ja) 2020-03-19
US11313951B2 (en) 2022-04-26
CN109190573B (zh) 2021-11-12
JP6843203B2 (ja) 2021-03-17

Similar Documents

Publication Publication Date Title
CN109190573A (zh) 一种地面检测方法、装置、电子设备、车辆及存储介质
US11415672B2 (en) Method and apparatus for generating object detection box, device, storage medium, and vehicle
CN109118542B (zh) 激光雷达与相机之间的标定方法、装置、设备及存储介质
CN109781119A (zh) 一种激光点云定位方法和系统
CN106951847A (zh) 障碍物检测方法、装置、设备及存储介质
CN110286387A (zh) 应用于自动驾驶系统的障碍物检测方法、装置及存储介质
CN109359614A (zh) 一种激光点云的平面识别方法、装置、设备和介质
CN109116374A (zh) 确定障碍物距离的方法、装置、设备及存储介质
CN109191553A (zh) 点云渲染方法、装置、终端及存储介质
CN110263713A (zh) 车道线检测方法、装置、电子设备及存储介质
CN108229364A (zh) 建筑物轮廓生成方法、装置、计算机设备及存储介质
CN111402413B (zh) 三维视觉定位方法、装置及计算设备、存储介质
CN110909713B (zh) 点云数据的轨道提取方法、系统及介质
CN109558854A (zh) 障碍物感知方法、装置、电子设备及存储介质
CN109813318A (zh) 坐标修正方法及装置、设备及存储介质
CN107479014A (zh) 磁共振线圈的选择方法和装置
WO2022166323A1 (zh) 一种道路线确定的方法，相关装置以及设备
CN108010065A (zh) 低空目标快速检测方法及装置、存储介质及电子终端
CN109447003A (zh) 车辆检测方法、装置、设备和介质
CN113448326A (zh) 机器人定位方法及装置、计算机存储介质、电子设备
CN114255252B (zh) 障碍物轮廓获取方法、装置、设备及计算机可读存储介质
CN114966651A (zh) 可行驶区域检测方法、计算机设备、存储介质及车辆
CN109636832A (zh) 停靠检测方法、装置、电子设备和存储介质
CN112558035B (zh) 用于估计地面的方法和装置
CN110530376B (zh) 机器人定位方法、装置、机器人及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211022

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant