CN109376586A - 基于激光点云的道路边界线交互式自动提取方法 - Google Patents
基于激光点云的道路边界线交互式自动提取方法 Download PDFInfo
- Publication number
- CN109376586A CN109376586A CN201811032550.6A CN201811032550A CN109376586A CN 109376586 A CN109376586 A CN 109376586A CN 201811032550 A CN201811032550 A CN 201811032550A CN 109376586 A CN109376586 A CN 109376586A
- Authority
- CN
- China
- Prior art keywords
- point
- boundary line
- cloud
- point cloud
- acquisition
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 37
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 17
- 239000000203 mixture Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于激光点云的道路边界线交互式自动提取方法,其包括如下步骤:S1、在激光点云作业平台上,获得手动指定起点,选择手动引导边界线采集或轨迹引导边界线采集;在为轨迹引导边界线采集时需要源数据附带有和点云配套的轨迹数据作为引导点集;在为手动引导边界线采集时需再输入一个沿边界线延伸方向的引导点;S2、查找距离起点最近的引导点,获取其航向,从起点沿航向向前,垂直航向向左和向右分别计算出左侧引导线和右侧引导线,将左侧引导线和右侧引导线连接成一个多边形,用该多边形分割点云;S3、根据步骤S2的结果将点云网格化,基于PCL边界计算获取点云边界点;S4、基于PCL使用RANSAC方法对点云边界点进行拟合。
Description
技术领域
本发明高精度电子地图领域,特别涉及一种基于激光点云的道路边界线交互式自动提取方法。
背景技术
近年,自动驾驶技术快速发展。高精度电子地图作为自动驾驶汽车的必要传感器之一,为其提供高精度的车道级道路信息。道路边界线是高精度地图道路信息中的重要内容之一,目前高精度地图数据的采集主要来自于激光点云。激光点云是利用高精度的激光扫描技术,获取目标空间分布和表面特性的海量点的集合。
现有的基于激光点云的道路边界线提取方法研究并不多,包括纯人工手动采集、将点云转为深度图像,提取边界,再转回图像、或者直接在点云上,通过高程分割,路面的拟合,以超体素分割再拟合的方式提取道路边界。纯人工手动采集的方法,相对于点云的平面精度高,但是人工成本较高。目前的全自动提取方法,提取的道路边界与实际道路边界线的贴合精度不高,适合用于做路面粗分割,而不适合直接用于高精度地图中道路边界要素。
发明内容
有鉴于此,本发明提出一种基于基于激光点云的道路边界线交互式自动提取方法。
一种基于激光点云的道路边界线交互式自动提取方法,其包括如下步骤:
S1、在激光点云作业平台上,获得手动指定起点,选择手动引导边界线采集或轨迹引导边界线采集;在为轨迹引导边界线采集时需要源数据附带有和点云配套的轨迹数据作为引导点集;在为手动引导边界线采集时需再输入一个沿边界线延伸方向的引导点;
S2、查找距离起点最近的引导点,获取其航向,从起点沿航向向前,垂直航向向左和向右分别计算出左侧引导线和右侧引导线,将左侧引导线和右侧引导线连接成一个多边形,用该多边形分割点云;
S3、根据步骤S2的结果将点云网格化,基于PCL边界计算获取点云边界点;
S4、基于PCL使用RANSAC方法对点云边界点进行拟合;
S5、将步骤S4中拟合的点云转换为有序的边界线形点集合;
S6、若边界线形点数量为0,则结束计算;否则以当前采集的边界线尾点,作为新的起点,继续计算,直到采集的边界线形点数量为0;若当前的引导方式为手动引导边界线采集,则还需要将已采集到的边界线形点集合作为新的引导点集;
S7、对以上步骤获取的边界线进行平面和高程的平滑。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,
所述步骤S1包括:
S11、判断当前区域的激光点云是否存在配套的轨迹;若存在且此处道路不存在车道扩充或者车道缩减,此处轨迹不存在变道的情况,选择轨迹引导边界线采集方式;若不符合前述条件则选择手动引导边界线采集方式;
S12、在轨迹引导边界线采集时,在激光点云道路边界处打一个点PS;在手动引导边界线采集时,在激光点云道路边界处打一个点PS,并沿边界线延伸方向打一个点,并计算最后两个点的航向h。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S2包括:
S21、将起点PS作为基点P1,查找引导点里距离最近P1的一个引导点G1,获取它的航向h1;
S22、在P1处垂直航向h1向左和向右距离sd分别计算左侧参考点L1,右侧参考点R1;沿航向h1向前fd计算下一个基点P2,查找引导点里距离最近P2的一个引导点G2,获取它的航向h2;
S23、根据S22的做法依次沿引导点向前执行M次,获得左侧点L1~LM,右侧点R1~RM;并将左侧点按顺序,右侧点按反序连接在一起,构建多边形polygon;
S24、调用PCL点云处理库,使用polygon分割点云,得到点云polygonPC。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S3包括:
S31、计算polygonPC平均点间距,基于PCL进行网格化,以减小点云的点数,加快运算;
S32、基于PCL边界计算,获取polygonPC的边界点;
S33、基于应该是基于PCL中的离群点剔除方法使用1倍标准差点距,剔除离群点,得到点云totalPC。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S4包括:
使用RANSAC line模型,基于PCL对S3处理后的点云totalPC进行拟合,设置拟合的阈值,获取拟合后的点云polylinePC。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S5包括:
S51、查找拟合后的点云polylinePC中在起点PS半径10m以内的所有点,取最远的点PE;
S52、遍历拟合后的点云polylinePC,计算点在PS、PE所构成的直线段上的位置,并将其插入直线段,构成的折线段PSE;后续点计算在PSE上的位置,并插入PSE;
S53:遍历PSE所有的点集,基于三维距离的计算,基于PCL的kdtree检索,查找拟合后的点云polylinePC上与其距离在0.1m以内,z值最小的点,作为PSE形点的z值。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S6包括:
S61、若采集的边界线形点数量为0,就结束当前边界线的计算;否则执行S62;
S62、若当前的引导方式为手动引导边界线采集,则将已采集到的边界线形点作为装入引导点集;若引导方式为轨迹引导,则不需要;
S63、取当前采集的边界线尾点,作为新的起点,执行步骤S3~S5,直到采集的边界线形点数量为0,结束当前边界线的计算。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S7包括:
S71、遍历边界线上的形点,从第二个形点开始,计算与其邻近的上一个形点的平面距离,若小于minDist则剔除当前形点;
S72、遍历S71处理的结果,从第二个形点开始,计算与其邻近的上一个形点,下一个形点分别组成的向量的夹角,若不在区间[π-θ,π+θ]以内,则剔除当前形点;
S73、遍历S72处理的结果,从第二个形点开始,计算与其邻近的上一个形点的z值差,若差值大于zthreshold,则修改当前形点的z,使得差值为zthreshold。
实施本发明提供的基于激光点云的道路边界线交互式自动提取方法与现有技术相比具有以下有益效果:因为现有的全自动提取的方法,主要用于道路边界的粗提取,并不适合高精度地图中道路边界线形状的表达。道路千变万化,有人工干预的自动提取方法,可以简化提取的运算复杂度,并且辅以灵活的UI交互,可以方便作业员在算法检测效果不理想的位快速修改,实现了人工与算法的高效结合,可以更好的处理实际高精度地图生产中遇到的各种路况。本发明使用了PCL点云开源库来进行点云的快速运算,可以保证点云运算的高效性。
附图说明
图1是基于激光点云的道路边界线交互式自动提取方法流程图;
图2是道路边界线及形点示意图;
图3是用户输入点及轨迹引导点示意图;
图4是用户输入点及手动引导点示意图;
图5是点云分割多边形示意图。
具体实施方式
如图1至5所示,一种基于激光点云的道路边界线交互式自动提取方法,其包括如下步骤:
S1、在激光点云作业平台上,获得手动指定起点,选择手动引导边界线采集或轨迹引导边界线采集;在为轨迹引导边界线采集时需要源数据附带有和点云配套的轨迹数据作为引导点集(图3);在为手动引导边界线采集时需再输入一个沿边界线延伸方向的引导点(图4);
S2、查找距离起点最近的引导点,获取其航向,从起点沿航向向前,垂直航向向左和向右分别计算出左侧引导线和右侧引导线,将左侧引导线和右侧引导线连接成一个多边形,用该多边形分割点云(图5);
S3、根据步骤S2的结果将点云网格化,基于PCL边界计算获取点云边界点;
S4、基于PCL使用RANSAC方法对点云边界点进行拟合;
S5、将步骤S4中拟合的点云转换为有序的边界线形点集合;
S6、若边界线形点数量为0,则结束计算;否则以当前采集的边界线尾点,作为新的起点,继续计算,直到采集的边界线形点数量为0;若当前的引导方式为手动引导边界线采集,则还需要将已采集到的边界线形点集合作为新的引导点集;
S7、对以上步骤获取的边界线进行平面和高程的平滑。高程指从激光点云中获取的边界线的z值。
本发明实施例中的交互式指的是本方法的自动采集过程需要作业员在作业平台中手动指定起点、引导点(可选),后续由软件基于轨迹或者引导点自动运算采集出道路边界线,且需要作业员在采集的边界线偏离点云上合理的位置时,及时中断采集,并利用自动的手段来修复。以此来保证采集的效率与精度。最后,将对采集的边界线形点进行平面和高程的平滑。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,
所述步骤S1包括:
S11、判断当前区域的激光点云是否存在配套的轨迹;若存在且此处道路不存在车道扩充或者车道缩减,此处轨迹不存在变道的情况,选择轨迹引导边界线采集方式;若不符合前述条件则选择手动引导边界线采集方式;
S12、在轨迹引导边界线采集时,在激光点云道路边界处打一个点PS;在手动引导边界线采集时,在激光点云道路边界处打一个点PS,并沿边界线延伸方向打一个点(图4)(此处的点,仅用于和点PS一起计算航向,赋值给点PS,点PS就有了航向属性),并计算这两个点的航向h,赋值给点PS,PS既作为起点,又作为引导点使用。PS为起点PointStart缩写。两点构成的向量与正北方向的夹角,用弧度表示。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S2包括:
S21、将起点PS作为基点P1,查找引导点里距离最近P1的一个引导点G1,获取它的航向h1;
S22、在P1处垂直航向h1向左和向右距离sd分别计算左侧参考点L1,右侧参考点R1;沿航向h1向前fd计算下一个基点P2,查找引导点里距离最近P2的一个引导点G2,获取它的航向h2;优选地,设置距离sd=0.5m,fd=2m。
S23、根据S22的做法依次沿引导点向前执行M次,获得左侧点L1~LM,右侧点R1~RM;并将左侧点按顺序,右侧点按反序连接在一起,构建多边形polygon;优选的,设置M=6。
S24、调用PCL点云处理库,使用polygon分割点云,得到点云polygonPC。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S3包括:
S31、计算polygonPC平均点间距,基于PCL进行网格化,以减小点云的点数,加快运算;
S32、基于PCL边界计算,获取polygonPC的边界点;
S33、基于应该是基于PCL中的离群点剔除方法使用1倍标准差点距,剔除离群点,得到点云totalPC。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S4包括:
使用RANSAC line模型,基于PCL对S3处理后的点云totalPC进行拟合,设置拟合的阈值,获取拟合后的点云polylinePC。RANSAC为Random Sample Consensus的缩写,随机抽样一致算法,是从一组包含离群的被观测数据中估算出数学模型的算法。RANSAC line模型是PCL中使用RANSAC算法对线进行拟合的模型。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S5包括:
S51、查找拟合后的点云polylinePC中在起点PS半径10m以内的所有点,取最远的点PE;
S52、遍历拟合后的点云polylinePC,计算点(此处点指的是点云polylinePC中的每一个点)在PS、PE所构成的直线段上的位置,并将其(此处指的是点云polylinePC中的每一个点)插入直线段,构成的折线段PSE;后续点计算在PSE上的位置,并插入PSE;
S53:遍历PSE所有的点集,基于三维距离的计算,基于PCL的kdtree检索,查找拟合后的点云polylinePC上与其(其指的是折线段PSE上的每一个点)距离在0.1m以内,z值最小的点,作为PSE形点的z值。kdtree是k-dimensional树的简称,kdtree检索是一种高维空间中的快速最近邻查找技术。z值是点云上的点有x,y,z坐标属性中的z坐标属性。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S6包括:
S61、若采集的边界线形点数量为0,就结束当前边界线的计算;否则执行S62;
S62、若当前的引导方式为手动引导边界线采集,则将已采集到的边界线形点作为装入引导点集;若引导方式为轨迹引导,则不需要;
S63、取当前采集的边界线尾点,作为新的起点,执行步骤S3~S5,直到采集的边界线形点数量为0,结束当前边界线的计算。
在本发明所述的基于激光点云的道路边界线交互式自动提取方法中,所述步骤S7包括:
S71、遍历边界线上的形点,从第二个形点开始,计算与其邻近的上一个形点的平面距离,若小于minDist则剔除当前形点;minDist是一个阈值,当前点到上一个邻近点的距离小于给定阈值时,剔除当前点,在实施例中可以取值1m。
S72、遍历S71处理的结果,从第二个形点开始,计算与其邻近的上一个形点,下一个形点分别组成的向量的夹角,若不在区间[π-θ,π+θ]以内,则剔除当前形点;π是圆周率,θ是一个角度阈值。在实施例中可以取值π/6。当前点与前后两个邻近点组成的向量,夹角超过给定阈值时,认为此处线形有尖角,则剔除当前形点。
S73、遍历S72处理的结果,从第二个形点开始,计算与其邻近的上一个形点的z值差,若差值大于zthreshold,则修改当前形点的z,使得差值为zthreshold。zthreshold是一个z值的阈值。当前点与上一个邻近点的z值,超过给定阈值时,修改当前点的z值。优选地,zthreshold取经验值0.05m。
实施本发明提供的基于激光点云的道路边界线交互式自动提取方法与现有技术相比具有以下有益效果:因为现有的全自动提取的方法,主要用于道路边界的粗提取,并不适合高精度地图中道路边界线形状的表达。道路千变万化,有人工干预的自动提取方法,可以简化提取的运算复杂度,并且辅以灵活的UI交互,可以方便作业员在算法检测效果不理想的位快速修改,实现了人工与算法的高效结合,可以更好的处理实际高精度地图生产中遇到的各种路况。本发明使用了PCL点云开源库来进行点云的快速运算,可以保证点云运算的高效性。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (8)
1.一种基于激光点云的道路边界线交互式自动提取方法,其特征在于,其包括如下步骤:
S1、在激光点云作业平台上,获得手动指定起点,选择手动引导边界线采集或轨迹引导边界线采集;在为轨迹引导边界线采集时需要源数据附带有和点云配套的轨迹数据作为引导点集;在为手动引导边界线采集时需再输入一个沿边界线延伸方向的引导点;
S2、查找距离起点最近的引导点,获取其航向,从起点沿航向向前,垂直航向向左和向右分别计算出左侧引导线和右侧引导线,将左侧引导线和右侧引导线连接成一个多边形,用该多边形分割点云;
S3、根据步骤S2的结果将点云网格化,基于PCL边界计算获取点云边界点;
S4、基于PCL使用RANSAC方法对点云边界点进行拟合;
S5、将步骤S4中拟合的点云转换为有序的边界线形点集合;
S6、若边界线形点数量为0,则结束计算;否则以当前采集的边界线尾点,作为新的起点,继续计算,直到采集的边界线形点数量为0;若当前的引导方式为手动引导边界线采集,则还需要将已采集到的边界线形点集合作为新的引导点集;
S7、对以上步骤获取的边界线进行平面和高程的平滑。
2.如权利要求1所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,
所述步骤S1包括:
S11、判断当前区域的激光点云是否存在配套的轨迹;若存在且此处道路不存在车道扩充或者车道缩减,此处轨迹不存在变道的情况,选择轨迹引导边界线采集方式;若不符合前述条件则选择手动引导边界线采集方式;
S12、在轨迹引导边界线采集时,在激光点云道路边界处打一个点PS;在手动引导边界线采集时,在激光点云道路边界处打一个点PS,并沿边界线延伸方向打一个点,并计算最后两个点的航向h。
3.如权利要求2所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S2包括:
S21、将起点PS作为基点P1,查找引导点里距离最近P1的一个引导点G1,获取它的航向h1;
S22、在P1处垂直航向h1向左和向右距离sd分别计算左侧参考点L1,右侧参考点R1;沿航向h1向前fd计算下一个基点P2,查找引导点里距离最近P2的一个引导点G2,获取它的航向h2;
S23、根据S22的做法依次沿引导点向前执行M次,获得左侧点L1~LM,右侧点R1~RM;并将左侧点按顺序,右侧点按反序连接在一起,构建多边形polygon;
S24、调用PCL点云处理库,使用polygon分割点云,得到点云polygonPC。
4.如权利要求3所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S3包括:
S31、计算polygonPC平均点间距,基于PCL进行网格化,以减小点云的点数,加快运算;
S32、基于PCL边界计算,获取polygonPC的边界点;
S33、基于应该是基于PCL中的离群点剔除方法使用1倍标准差点距,剔除离群点,得到点云totalPC。
5.如权利要求4所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S4包括:
使用RANSAC line模型,基于PCL对S3处理后的点云totalPC进行拟合,设置拟合的阈值,获取拟合后的点云polylinePC。
6.如权利要求5所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S5包括:
S51、查找拟合后的点云polylinePC中在起点PS半径10m以内的所有点,取最远的点PE;
S52、遍历拟合后的点云polylinePC,计算点在PS、PE所构成的直线段上的位置,并将其插入直线段,构成的折线段PSE;后续点计算在PSE上的位置,并插入PSE;
S53:遍历PSE所有的点集,基于三维距离的计算,基于PCL的kdtree检索,查找拟合后的点云polylinePC上与其距离在0.1m以内,z值最小的点,作为PSE形点的z值。
7.如权利要求6所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S6包括:
S61、若采集的边界线形点数量为0,就结束当前边界线的计算;否则执行S62;
S62、若当前的引导方式为手动引导边界线采集,则将已采集到的边界线形点作为装入引导点集;若引导方式为轨迹引导,则不需要;
S63、取当前采集的边界线尾点,作为新的起点,执行步骤S3~S5,直到采集的边界线形点数量为0,结束当前边界线的计算。
8.如权利要求7所述的基于激光点云的道路边界线交互式自动提取方法,其特征在于,所述步骤S7包括:
S71、遍历边界线上的形点,从第二个形点开始,计算与其邻近的上一个形点的平面距离,若小于minDist则剔除当前形点;
S72、遍历S71处理的结果,从第二个形点开始,计算与其邻近的上一个形点,下一个形点分别组成的向量的夹角,若不在区间[π-θ,π+θ]以内,则剔除当前形点;
S73、遍历S72处理的结果,从第二个形点开始,计算与其邻近的上一个形点的z值差,若差值大于zthreshold,则修改当前形点的z,使得差值为zthreshold。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811032550.6A CN109376586B (zh) | 2018-09-05 | 2018-09-05 | 基于激光点云的道路边界线交互式自动提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811032550.6A CN109376586B (zh) | 2018-09-05 | 2018-09-05 | 基于激光点云的道路边界线交互式自动提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109376586A true CN109376586A (zh) | 2019-02-22 |
CN109376586B CN109376586B (zh) | 2020-12-29 |
Family
ID=65405303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811032550.6A Active CN109376586B (zh) | 2018-09-05 | 2018-09-05 | 基于激光点云的道路边界线交互式自动提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376586B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008921A (zh) * | 2019-04-12 | 2019-07-12 | 北京百度网讯科技有限公司 | 一种道路边界的生成方法、装置、电子设备及存储介质 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
CN111508022A (zh) * | 2020-04-17 | 2020-08-07 | 无锡信捷电气股份有限公司 | 一种基于随机采样一致性的线激光条纹定位方法 |
CN112381908A (zh) * | 2020-11-27 | 2021-02-19 | 三峡大学 | 一种地形扫描点云边界线提取方法 |
CN112560747A (zh) * | 2020-12-23 | 2021-03-26 | 苏州工业园区测绘地理信息有限公司 | 基于车载点云数据的车道边界交互式提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100004861A1 (en) * | 2008-07-02 | 2010-01-07 | Samsung Electronics Co., Ltd. | Obstacle detecting apparatus and method |
CN105719348A (zh) * | 2014-12-05 | 2016-06-29 | 富泰华工业(深圳)有限公司 | 点云边界拟合系统及方法 |
-
2018
- 2018-09-05 CN CN201811032550.6A patent/CN109376586B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100004861A1 (en) * | 2008-07-02 | 2010-01-07 | Samsung Electronics Co., Ltd. | Obstacle detecting apparatus and method |
CN105719348A (zh) * | 2014-12-05 | 2016-06-29 | 富泰华工业(深圳)有限公司 | 点云边界拟合系统及方法 |
Non-Patent Citations (2)
Title |
---|
满丹等: "车载激光扫描数据的道路边界线提取方法", 《测绘科学技术学报》 * |
闫利等: "车载激光点云道路标线提取方法", 《遥感信息》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008921A (zh) * | 2019-04-12 | 2019-07-12 | 北京百度网讯科技有限公司 | 一种道路边界的生成方法、装置、电子设备及存储介质 |
CN110008921B (zh) * | 2019-04-12 | 2021-12-28 | 北京百度网讯科技有限公司 | 一种道路边界的生成方法、装置、电子设备及存储介质 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN110647798B (zh) * | 2019-08-05 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
CN111209805B (zh) * | 2019-12-24 | 2022-05-31 | 武汉中海庭数据技术有限公司 | 车道线众包数据的多道路片段数据的快速融合优化方法 |
CN111508022A (zh) * | 2020-04-17 | 2020-08-07 | 无锡信捷电气股份有限公司 | 一种基于随机采样一致性的线激光条纹定位方法 |
CN112381908A (zh) * | 2020-11-27 | 2021-02-19 | 三峡大学 | 一种地形扫描点云边界线提取方法 |
CN112381908B (zh) * | 2020-11-27 | 2022-05-17 | 三峡大学 | 一种地形扫描点云边界线提取方法 |
CN112560747A (zh) * | 2020-12-23 | 2021-03-26 | 苏州工业园区测绘地理信息有限公司 | 基于车载点云数据的车道边界交互式提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109376586B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376586A (zh) | 基于激光点云的道路边界线交互式自动提取方法 | |
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN103218618B (zh) | 一种基于遥感数字图像的公路路线自动提取方法 | |
JP6997211B2 (ja) | ポリゴンにおける中間点を低減する方法および装置 | |
CN111612728B (zh) | 一种基于双目rgb图像的3d点云稠密化方法和装置 | |
CN108389256B (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
CN109285163A (zh) | 基于激光点云的车道线左右轮廓线交互式提取方法 | |
CN106780524A (zh) | 一种三维点云道路边界自动提取方法 | |
CN103325142A (zh) | 一种基于Kinect的计算机三维模型建模方法 | |
CN106056563A (zh) | 一种机载激光点云数据与车载激光点云数据融合方法 | |
CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 | |
CN106500594A (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
CN111199064A (zh) | 一种地铁轨道面三维中心线生成方法 | |
CN108205565A (zh) | 电子地图元素抽稀方法、装置及终端 | |
CN103871089A (zh) | 一种基于融合的图像超像素网格化方法 | |
KR20050078670A (ko) | 라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선자동추출방법 | |
CN111046488B (zh) | 航天器电缆三维布线方法 | |
CN104915988A (zh) | 一种摄影测量密集点云生成方法 | |
CN111985507A (zh) | 一种岩体三维点云节理迹线提取方法 | |
CN107545601B (zh) | 一种架空输电线路树高断面自动生成方法 | |
CN115797961A (zh) | 车道线变更检测方法、装置、电子设备及存储介质 | |
CN111323026A (zh) | 一种基于高精度点云地图的地面过滤方法 | |
CN114511590A (zh) | 基于单目视觉3d车辆检测与跟踪的路口多引导线构建方法 | |
KR20210098534A (ko) | 포지셔닝을 위한 환경 모델을 생성하기 위한 방법 및 시스템 | |
CN114036247A (zh) | 高精地图数据关联方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Interactive Automatic Extraction Method of Road Boundary Lines Based on Laser Point Cloud Granted publication date: 20201229 Pledgee: Productivity Promotion Center of Wuhan East Lake New Technology Development Zone Pledgor: WUHHAN KOTEL BIG DATE Corp. Registration number: Y2024980005100 |