CN109443369A - 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 - Google Patents
利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 Download PDFInfo
- Publication number
- CN109443369A CN109443369A CN201811236936.9A CN201811236936A CN109443369A CN 109443369 A CN109443369 A CN 109443369A CN 201811236936 A CN201811236936 A CN 201811236936A CN 109443369 A CN109443369 A CN 109443369A
- Authority
- CN
- China
- Prior art keywords
- laser radar
- visual sensor
- dynamic object
- grating map
- sound state
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,联合标定行驶车辆的激光雷达和视觉传感器,通过分类标识静态目标和动态目标,并确保传感器信息时间同步;在车辆行进过程中,构建多维度动静态栅格地图。有益效果:与现有技术相比,本发明为多维度动静态栅格地图,地图在车辆行驶过程中生成。本发明构建的动静态栅格地图可以表示当前车辆周围的道路状态,例如可行驶区域、周围的障碍物、障碍物的运动状态等等,为车辆在当前局部区域安全行驶提供信息,为无人驾驶汽车提供安全可靠、可预测的局部道路区域信息。利用无人驾驶汽车上的视觉传感器又可以丰富栅格地图的信息。
Description
技术领域
本发明属于无人驾驶汽车技术领域,尤其涉及一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法。
背景技术
目前对于环境的描述,大致可以分为栅格地图、几何信息地图和拓扑地图。栅格地图法将整个环境划分为若干相同大小的栅格,对于每个栅格指出其中是否存在障碍物。在无人驾驶汽车领域,利用激光雷达实时生成车辆当前行驶区域的栅格地图,标明可行驶区域,障碍物的方位、速度等,是实现无人驾驶汽车局部路径规划、避障、安全预测等的基本技术。
现有利用激光雷达生成栅格地图的方法,主要关注可行驶区域的构建,缺乏对于行驶区域中的机动车、非机动车、行人等交通行为主体的识别和行为特征的估计。这些交通行为主体的动态特性对于无人驾驶汽车的局部路径规划和避障等非常重要。
发明内容
本发明的目的在于克服上述技术的不足,而提供一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,通过分类标识静态目标和动态目标,为无人驾驶汽车提供安全可靠、可预测的局部道路区域信息。
本发明为实现上述目的,采用以下技术方案:一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,其特征是:联合标定行驶车辆的激光雷达和视觉传感器,通过分类标识静态目标和动态目标,并确保传感器信息时间同步;在车辆行进过程中,每一周期都执行以下步骤构建多维度动静态栅格地图,具体步骤如下:
步骤一、采集激光雷达点云数据,利用点云数据高程信息进行地面区域分割,对点云数据聚类得到静态目标,所述静态目标即静态障碍物无需区分其类型,只需要得到他们的位置和形状;建立初始栅格图;
步骤二、采集视觉传感器图像数据,使用图像检测算法得到动态目标,检测出图像中存在的行人、机动车和非机动车动态目标的位置及尺寸信息,并对每一个动态目标标记其类型;
步骤三、将激光雷达和视觉传感器得到的数据进行融合;将动态目标投影到激光雷达点云数据,去除动态目标点云重新聚类,重新聚类得到更新后的静态目标;
步骤四、在栅格图上标记目标类型以及动态目标的多位属性信息,生成多维度动静态栅格地图。
所述激光雷达和视觉传感器对得到的数据进行融合具体方法:
1)以激光雷达安装位置作为雷达坐标系原点OL,车辆前进方向为ZL轴,YL轴指向车体上方,XL-YL-ZL轴满足右手螺旋定则;以视觉传感器光心作为相机坐标系原点OC,光轴方向为ZC轴,垂直光轴向下的方向为YC轴,XC-YC-ZC轴满足右手螺旋定则;图像坐标系(vx,vy),坐标原点为图像左上角;使用标定板对激光雷达和视觉传感器进行标定,可以得到利用激光雷达坐标系和视觉传感器相机坐标系之间的变换关系:
其中R为旋转矩阵,t为平移向量,根据视觉传感器成像原理,相机坐标系与图像坐标系之间的变换关系:
其中,fx、fy为焦距,xc、yc为光心图像坐标,综合上述公式,激光雷达到图像坐标系的变换关系:
利用上述公式的逆变换,将检测到的图像中的动态目标投影到激光雷达点云数据上,得到动态目标的点云集合,从初始的静态目标点云集合中去除动态目标点云集合,更新点云数据,生成聚类结果;
2)对于静态目标,在三维栅格图点上赋予静态目标类型;
3)对于动态目标点云集合,计算其凸包,估计其速度和运动方向,在凸包对应的三维栅格点上,赋予动态目标编号、类型、运动速度和方向多维属性。
所述动态目标指交通行为主体,主要是机动车、非机动车和行人;楼房和树木静止物体为静态目标;所述目标编号是对所有动态目标进行编号,编号的作用是为目标的运动估计提供信息,即对同一个物体的运动轨迹、运动速度和方向进行估计,同时对同一个物体进行追踪;所述目标类型即行人、机动车和非机动车的动态目标分类,类型信息为无人驾驶车的决策提供了基础;确定动态目标的速度以及运动方向。
有益效果:与现有技术相比,本发明为多维度动静态栅格地图,地图在车辆行驶过程中生成。本发明构建的动静态栅格地图可以表示当前车辆周围的道路状态,例如可行驶区域、周围的障碍物、障碍物的运动状态等等,为车辆在当前局部区域安全行驶提供信息,为无人驾驶汽车提供安全可靠、可预测的局部道路区域信息。利用无人驾驶汽车上的视觉传感器又可以丰富栅格地图的信息。
附图说明
图1是动静态栅格地图构建方法流程图;
图2是二维栅格地图示意图;
图3是处理激光点云数据后得到的初始静态栅格图。
具体实施方式
下面结合较佳实施例详细说明本发明的具体实施方式。
详见附图1、2,本实施例提供了一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,联合标定行驶车辆的激光雷达和视觉传感器,通过分类标识静态目标和动态目标,并确保传感器信息时间同步;在车辆行进过程中,每一周期都执行以下步骤构建多维度动静态栅格地图,具体步骤如下:
步骤一、利用Velodyne 16线激光雷达采集激光雷达点云数据。利用点云数据高程信息进行地面区域分割。对点云数据聚类得到静态目标,所述静态目标即静态障碍物无需区分其类型,只需要得到它们的位置和形状;在点云数据上标记静态障碍物,并建立初始栅格图;同时该数据还将用于步骤三的数据融合;
以激光雷达安装位置作为雷达坐标系原点OL,车辆前进方向为ZL轴,YL轴指向车体上方,XL-YL-ZL轴满足右手螺旋定则。则得到的点云数据的每个点i的坐标在雷达坐标系下可表示为(xi,yi,zi)。根据高度信息yi可分割出地面区域。初始的激光点云数据能够体现出无人驾驶汽车周边的障碍物信息,先将三维点云数据投影到二维平面上,形成静态栅格图。忽略汽车的垂向运动,YL轴既指向车体上方,也垂直于路面,故将(xi,yi,zi)投影到二维的路面平面上为(xi,zi)。栅格图的范围为以OL为中心向前50米,向左右各20米的区域,在不考虑倒车的情况下,忽略车后方区域。
详见附图2,为中心向前5米,左右各2.5米的二维栅格地图示意图,图中每个格子代表一个0.1米×0.1米的栅格。
详见附图3,根据投影到二维平面上的(xi,zi)坐标,该点所在的栅格标记为1,即黑色,所有黑子格子的区域代表障碍物占据的区域。附图3为根据下表点云数据处理后得到的初始静态栅格图。
点 | 坐标 |
1 | (-2,0.48) |
2 | (-1.54,4.97) |
3 | (2.48,4.79) |
…… | (x<sub>i</sub>,z<sub>i</sub>),i∈[4,n-1] |
n | (-2.48,3.97) |
步骤二、利用Basler aca1920-40彩色相机采集视觉传感器图像数据,利用图像检测算法得到动态目标,检测出图像中存在的行人、机动车和非机动车动态目标的位置及尺寸信息,并对每一个动态目标标记其类型;
图像坐标系(vx,vy)的坐标原点为图像左上角。现在图像坐标系下得到如下表的动态目标信息。
步骤三、将激光雷达和视觉传感器得到的数据进行融合;将动态目标投影到激光雷达点云数据,去除动态目标点云后重新进行聚类,得到更新后的静态目标;更新初始栅格图;
步骤四、在栅格图上标记目标类型以及动态目标的多位属性信息,生成多维度动静态栅格地图。
所述激光雷达和视觉传感器对得到的数据进行融合具体方法:
1)以激光雷达安装位置作为雷达坐标系原点OL,车辆前进方向为ZL轴,YL轴指向车体上方,XL-YL-ZL轴满足右手螺旋定则;以视觉传感器光心作为相机坐标系原点OC,光轴方向为ZC轴,垂直光轴向下的方向为YC轴,XC-YC-ZC轴满足右手螺旋定则;图像坐标系(vx,vy),坐标原点为图像左上角;使用标定板对激光雷达和视觉传感器进行标定,可以得到利用激光雷达坐标系和视觉传感器相机坐标系之间的变换关系:
其中R为旋转矩阵,t为平移向量,根据视觉传感器成像原理,相机坐标系与图像坐标系之间的变换关系:
其中,fx、fy为焦距,xc、yc为光心图像坐标,综合上述公式,激光雷达到图像坐标系的变换关系:
利用上述公式的逆变换,将检测到的图像中的动态目标投影到激光雷达点云数据上,得到动态目标的点云集合,从初始的静态目标点云集合中去除动态目标点云集合,更新点云数据,生成聚类结果;
将步骤二中得到的动态目标1在图像中的位置(-1000,-400),经上式做逆投影变换可得到该点在雷达坐标系下的坐标(xj,yj,zj)=(-0.1,0.5,32.4),并根据该目标的尺寸信息(长3.8m,宽1.7m,高1.4m),可以得到该车的点云区域。依次类推,对每一个动态目标都依据上式做逆投影变换,最终可以从原始点云中去掉所有动态目标的点云集合。将点云数据重新投影到三维,得到三维栅格图。
2)对于静态目标,在三维栅格图点上赋予静态目标类型;
3)对于动态目标点云集合,计算其凸包,估计其速度和运动方向,在凸包对应的三维栅格点上,赋予动态目标编号、类型、运动速度和方向多维属性。
下表为本实施例得到的三维栅格地图,其中栅格编号用(x,y,z)表示,x,y,z分别代表在该方向上是第几个栅格。该地图中有两个静态目标,由于静态目标只需得到位置和形状,不需要标记其他信息,因此只记录静态目标所在的栅格。动态目标一共有3个,标记在该目标的凸包所对应的三维栅格点上,每个动态目标还需标记编号、类型、运动速度和方向几个属性。
所述动态目标指交通行为主体,主要是机动车、非机动车和行人;楼房和树木静止物体为静态目标;所述目标编号是对所有动态目标进行编号,编号的作用是为目标的运动估计提供信息,即对同一个物体的运动轨迹、运动速度和方向进行估计,同时对同一个物体进行追踪;所述目标类型即动态目标的分类(行人、机动车、非机动车),类型信息为无人驾驶车的决策提供了基础;确定动态目标的速度以及运动方向。
上述参照实施例对该一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法进行的详细描述,是说明性的而不是限定性的,可按照所限定范围列举出若干个实施例,因此在不脱离本发明总体构思下的变化和修改,应属本发明的保护范围之内。
Claims (3)
1.一种利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,其特征是:联合标定行驶车辆的激光雷达和视觉传感器,通过分类标识静态目标和动态目标,并确保传感器信息时间同步;在车辆行进过程中,每一周期都执行以下步骤构建多维度动静态栅格地图,具体步骤如下:
步骤一、采集激光雷达点云数据,利用点云数据高程信息进行地面区域分割,对点云数据聚类得到静态目标,所述静态目标即静态障碍物无需区分其类型,只需要得到他们的位置和形状;建立初始栅格图;
步骤二、采集视觉传感器图像数据,使用图像检测算法得到动态目标,检测出图像中存在的行人、机动车和非机动车动态目标的位置及尺寸信息,并对每一个动态目标标记其类型;
步骤三、将激光雷达和视觉传感器得到的数据进行融合;将动态目标投影到激光雷达点云数据,去除动态目标点云重新聚类,重新聚类得到更新后的静态目标;
步骤四、在栅格图上标记目标类型以及动态目标的多位属性信息,生成多维度动静态栅格地图。
2.根据权利要求1所述的利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,其特征是:所述激光雷达和视觉传感器对得到的数据进行融合具体方法:
1)以激光雷达安装位置作为雷达坐标系原点OL,车辆前进方向为ZL轴,YL轴指向车体上方,XL-YL-ZL轴满足右手螺旋定则;以视觉传感器光心作为相机坐标系原点OC,光轴方向为ZC轴,垂直光轴向下的方向为YC轴,XC-YC-ZC轴满足右手螺旋定则;图像坐标系(vx,vy),坐标原点为图像左上角;使用标定板对激光雷达和视觉传感器进行标定,可以得到利用激光雷达坐标系和视觉传感器相机坐标系之间的变换关系:
其中R为旋转矩阵,t为平移向量,根据视觉传感器成像原理,相机坐标系与图像坐标系之间的变换关系:
其中,fx、fy为焦距,xc、yc为光心图像坐标,综合上述公式,激光雷达到图像坐标系的变换关系:
利用上述公式的逆变换,将检测到的图像中的动态目标投影到激光雷达点云数据上,得到动态目标的点云集合,从初始的静态目标点云集合中去除动态目标点云集合,更新点云数据,生成聚类结果;
2)对于静态目标,在三维栅格图点上赋予静态目标类型;
3)对于动态目标点云集合,计算其凸包,估计其速度和运动方向,在凸包对应的三维栅格点上,赋予动态目标编号、类型、运动速度和方向多维属性。
3.根据权利要求2所述的利用激光雷达和视觉传感器融合构建动静态栅格地图的方法,其特征是:所述动态目标指交通行为主体,主要是机动车、非机动车和行人;楼房和树木静止物体为静态目标;所述目标编号是对所有动态目标进行编号,编号的作用是为目标的运动估计提供信息,即对同一个物体的运动轨迹、运动速度和方向进行估计,同时对同一个物体进行追踪;所述目标类型即行人、机动车和非机动车的动态目标分类,类型信息为无人驾驶车的决策提供了基础;确定动态目标的速度以及运动方向。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810945232 | 2018-08-20 | ||
CN2018109452322 | 2018-08-20 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109443369A true CN109443369A (zh) | 2019-03-08 |
Family
ID=65547205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811236936.9A Pending CN109443369A (zh) | 2018-08-20 | 2018-10-23 | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109443369A (zh) |
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008891A (zh) * | 2019-03-29 | 2019-07-12 | 厦门金龙旅行车有限公司 | 一种行人检测定位方法、装置、车载计算设备及存储介质 |
CN110186468A (zh) * | 2019-05-27 | 2019-08-30 | 北京主线科技有限公司 | 用于自动驾驶的高精度地图制作方法和制作装置 |
CN110221616A (zh) * | 2019-06-25 | 2019-09-10 | 清华大学苏州汽车研究院(吴江) | 一种地图生成的方法、装置、设备及介质 |
CN110275179A (zh) * | 2019-04-09 | 2019-09-24 | 安徽理工大学 | 一种基于激光雷达以及视觉融合的构建地图方法 |
CN110501684A (zh) * | 2019-08-23 | 2019-11-26 | 北京航天朗智科技有限公司 | 雷达数据处理装置及雷达数据处理方法 |
CN110597293A (zh) * | 2019-10-12 | 2019-12-20 | 上海复亚智能科技有限公司 | 一种无人机自主飞行方法、装置、设备及存储介质 |
CN110823211A (zh) * | 2019-10-29 | 2020-02-21 | 珠海市一微半导体有限公司 | 基于视觉slam的多传感器地图构建的方法、装置及芯片 |
CN110827358A (zh) * | 2019-10-15 | 2020-02-21 | 深圳数翔科技有限公司 | 一种应用于自动驾驶汽车的相机标定方法 |
CN110850439A (zh) * | 2020-01-15 | 2020-02-28 | 奥特酷智能科技(南京)有限公司 | 一种高精度三维点云地图构建方法 |
CN110879596A (zh) * | 2019-12-05 | 2020-03-13 | 中国北方车辆研究所 | 低成本自动割草机自主作业系统及其自主作业方法 |
CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
CN111158013A (zh) * | 2019-12-30 | 2020-05-15 | 华通科技有限公司 | 多算法融合探鸟系统 |
CN111239706A (zh) * | 2020-03-30 | 2020-06-05 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN111275075A (zh) * | 2020-01-10 | 2020-06-12 | 山东超越数控电子股份有限公司 | 一种基于3d激光雷达的车辆检测与跟踪方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
CN111429574A (zh) * | 2020-03-06 | 2020-07-17 | 上海交通大学 | 基于三维点云和视觉融合的移动机器人定位方法和系统 |
CN111595352A (zh) * | 2020-05-14 | 2020-08-28 | 陕西重型汽车有限公司 | 一种基于环境感知和车辆行驶意图的轨迹预测方法 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN111782828A (zh) * | 2020-07-02 | 2020-10-16 | 燕山大学 | 一种车前地形复合地图的高效构建方法 |
CN111829531A (zh) * | 2019-04-15 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 二维地图构建方法、装置、机器人定位系统和存储介质 |
CN111880191A (zh) * | 2020-06-16 | 2020-11-03 | 北京大学 | 基于多智能体激光雷达和视觉信息融合的地图生成方法 |
CN112070770A (zh) * | 2020-07-16 | 2020-12-11 | 国网安徽省电力有限公司检修分公司 | 一种高精度三维地图与二维栅格地图同步构建方法 |
CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112162297A (zh) * | 2020-09-24 | 2021-01-01 | 燕山大学 | 一种剔除激光点云地图中动态障碍伪迹的方法 |
WO2021016803A1 (zh) * | 2019-07-29 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 高精度地图定位方法、系统、平台及计算机可读存储介质 |
CN112801928A (zh) * | 2021-03-16 | 2021-05-14 | 昆明理工大学 | 一种基于注意力机制的毫米波雷达与视觉传感器融合方法 |
CN112817315A (zh) * | 2020-12-31 | 2021-05-18 | 江苏集萃智能制造技术研究所有限公司 | 一种动态环境下无人清洗车的避障方法及系统 |
CN112861653A (zh) * | 2021-01-20 | 2021-05-28 | 上海西井信息科技有限公司 | 融合图像和点云信息的检测方法、系统、设备及存储介质 |
CN112991440A (zh) * | 2019-12-12 | 2021-06-18 | 纳恩博(北京)科技有限公司 | 车辆的定位方法和装置、存储介质和电子装置 |
CN113050063A (zh) * | 2021-04-29 | 2021-06-29 | 深圳市利拓光电有限公司 | 基于激光传感器的障碍检测方法、装置、设备及存储介质 |
CN113159042A (zh) * | 2021-03-30 | 2021-07-23 | 苏州市卫航智能技术有限公司 | 一种激光视觉融合的无人船桥洞通行方法及系统 |
CN113160398A (zh) * | 2020-12-25 | 2021-07-23 | 中国人民解放军国防科技大学 | 一种快速三维栅格构建系统、方法、介质、设备、无人车 |
CN113377748A (zh) * | 2020-03-09 | 2021-09-10 | 北京京东乾石科技有限公司 | 激光雷达点云数据的静态点去除方法和装置 |
CN113432615A (zh) * | 2021-07-31 | 2021-09-24 | 重庆长安汽车股份有限公司 | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 |
CN113496189A (zh) * | 2020-04-03 | 2021-10-12 | 百度(美国)有限责任公司 | 基于静态障碍物地图的感知方法及系统 |
CN113494914A (zh) * | 2020-04-02 | 2021-10-12 | 宝马股份公司 | 用于车辆定位的方法、用于定位的设备和车辆 |
CN113670292A (zh) * | 2021-08-10 | 2021-11-19 | 追觅创新科技(苏州)有限公司 | 地图的绘制方法和装置、扫地机、存储介质、电子装置 |
CN113665500A (zh) * | 2021-09-03 | 2021-11-19 | 南昌智能新能源汽车研究院 | 全天候作业的无人驾驶运输车环境感知系统及方法 |
CN114219910A (zh) * | 2021-09-14 | 2022-03-22 | 陕西科技大学 | 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法 |
CN114279392A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市星卡科技有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
US20220194430A1 (en) * | 2019-11-01 | 2022-06-23 | Mitsubishi Electric Corporation | Information processing device, information processing system, and information processing method |
CN114659513A (zh) * | 2022-03-11 | 2022-06-24 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN115164910A (zh) * | 2022-06-22 | 2022-10-11 | 小米汽车科技有限公司 | 行驶路径生成方法、装置、车辆、存储介质及芯片 |
WO2023066078A1 (zh) * | 2021-10-18 | 2023-04-27 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
CN116434183A (zh) * | 2023-03-08 | 2023-07-14 | 之江实验室 | 一种基于多点云协同融合的道路静态环境描述方法 |
CN113496189B (zh) * | 2020-04-03 | 2024-06-28 | 百度(美国)有限责任公司 | 基于静态障碍物地图的感知方法及系统 |
-
2018
- 2018-10-23 CN CN201811236936.9A patent/CN109443369A/zh active Pending
Cited By (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110008891A (zh) * | 2019-03-29 | 2019-07-12 | 厦门金龙旅行车有限公司 | 一种行人检测定位方法、装置、车载计算设备及存储介质 |
CN110275179A (zh) * | 2019-04-09 | 2019-09-24 | 安徽理工大学 | 一种基于激光雷达以及视觉融合的构建地图方法 |
CN111829531A (zh) * | 2019-04-15 | 2020-10-27 | 北京京东尚科信息技术有限公司 | 二维地图构建方法、装置、机器人定位系统和存储介质 |
CN110186468B (zh) * | 2019-05-27 | 2021-11-12 | 北京主线科技有限公司 | 用于自动驾驶的高精度地图制作方法和制作装置 |
CN110186468A (zh) * | 2019-05-27 | 2019-08-30 | 北京主线科技有限公司 | 用于自动驾驶的高精度地图制作方法和制作装置 |
CN110221616A (zh) * | 2019-06-25 | 2019-09-10 | 清华大学苏州汽车研究院(吴江) | 一种地图生成的方法、装置、设备及介质 |
WO2021012254A1 (zh) * | 2019-07-25 | 2021-01-28 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN111712731B (zh) * | 2019-07-25 | 2024-04-30 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
WO2021016803A1 (zh) * | 2019-07-29 | 2021-02-04 | 深圳市大疆创新科技有限公司 | 高精度地图定位方法、系统、平台及计算机可读存储介质 |
CN110501684A (zh) * | 2019-08-23 | 2019-11-26 | 北京航天朗智科技有限公司 | 雷达数据处理装置及雷达数据处理方法 |
CN110597293A (zh) * | 2019-10-12 | 2019-12-20 | 上海复亚智能科技有限公司 | 一种无人机自主飞行方法、装置、设备及存储介质 |
CN110827358A (zh) * | 2019-10-15 | 2020-02-21 | 深圳数翔科技有限公司 | 一种应用于自动驾驶汽车的相机标定方法 |
CN110827358B (zh) * | 2019-10-15 | 2023-10-31 | 深圳数翔科技有限公司 | 一种应用于自动驾驶汽车的相机标定方法 |
CN110823211A (zh) * | 2019-10-29 | 2020-02-21 | 珠海市一微半导体有限公司 | 基于视觉slam的多传感器地图构建的方法、装置及芯片 |
US20220194430A1 (en) * | 2019-11-01 | 2022-06-23 | Mitsubishi Electric Corporation | Information processing device, information processing system, and information processing method |
CN110879596A (zh) * | 2019-12-05 | 2020-03-13 | 中国北方车辆研究所 | 低成本自动割草机自主作业系统及其自主作业方法 |
CN110988912A (zh) * | 2019-12-06 | 2020-04-10 | 中国科学院自动化研究所 | 自动驾驶车辆的道路目标与距离检测方法、系统、装置 |
CN112991440B (zh) * | 2019-12-12 | 2024-04-12 | 纳恩博(北京)科技有限公司 | 车辆的定位方法和装置、存储介质和电子装置 |
CN112991440A (zh) * | 2019-12-12 | 2021-06-18 | 纳恩博(北京)科技有限公司 | 车辆的定位方法和装置、存储介质和电子装置 |
CN111158013A (zh) * | 2019-12-30 | 2020-05-15 | 华通科技有限公司 | 多算法融合探鸟系统 |
CN111158013B (zh) * | 2019-12-30 | 2022-10-11 | 华通科技有限公司 | 多算法融合探鸟系统 |
CN111275075A (zh) * | 2020-01-10 | 2020-06-12 | 山东超越数控电子股份有限公司 | 一种基于3d激光雷达的车辆检测与跟踪方法 |
CN111275075B (zh) * | 2020-01-10 | 2023-05-02 | 超越科技股份有限公司 | 一种基于3d激光雷达的车辆检测与跟踪方法 |
CN110850439B (zh) * | 2020-01-15 | 2020-04-21 | 奥特酷智能科技(南京)有限公司 | 一种高精度三维点云地图构建方法 |
CN110850439A (zh) * | 2020-01-15 | 2020-02-28 | 奥特酷智能科技(南京)有限公司 | 一种高精度三维点云地图构建方法 |
CN111273305A (zh) * | 2020-02-18 | 2020-06-12 | 中国科学院合肥物质科学研究院 | 基于全局与局部栅格图多传感器融合道路提取与索引方法 |
CN111429574A (zh) * | 2020-03-06 | 2020-07-17 | 上海交通大学 | 基于三维点云和视觉融合的移动机器人定位方法和系统 |
CN113377748B (zh) * | 2020-03-09 | 2023-12-05 | 北京京东乾石科技有限公司 | 激光雷达点云数据的静态点去除方法和装置 |
CN113377748A (zh) * | 2020-03-09 | 2021-09-10 | 北京京东乾石科技有限公司 | 激光雷达点云数据的静态点去除方法和装置 |
CN111239706B (zh) * | 2020-03-30 | 2021-10-01 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN111239706A (zh) * | 2020-03-30 | 2020-06-05 | 许昌泛网信通科技有限公司 | 一种激光雷达数据处理方法 |
CN113494914A (zh) * | 2020-04-02 | 2021-10-12 | 宝马股份公司 | 用于车辆定位的方法、用于定位的设备和车辆 |
CN113496189B (zh) * | 2020-04-03 | 2024-06-28 | 百度(美国)有限责任公司 | 基于静态障碍物地图的感知方法及系统 |
CN113496189A (zh) * | 2020-04-03 | 2021-10-12 | 百度(美国)有限责任公司 | 基于静态障碍物地图的感知方法及系统 |
CN111595352A (zh) * | 2020-05-14 | 2020-08-28 | 陕西重型汽车有限公司 | 一种基于环境感知和车辆行驶意图的轨迹预测方法 |
CN111880191A (zh) * | 2020-06-16 | 2020-11-03 | 北京大学 | 基于多智能体激光雷达和视觉信息融合的地图生成方法 |
CN111880191B (zh) * | 2020-06-16 | 2023-03-28 | 北京大学 | 基于多智能体激光雷达和视觉信息融合的地图生成方法 |
CN111782828A (zh) * | 2020-07-02 | 2020-10-16 | 燕山大学 | 一种车前地形复合地图的高效构建方法 |
CN111782828B (zh) * | 2020-07-02 | 2023-05-26 | 燕山大学 | 一种车前地形复合地图的高效构建方法 |
CN112070770A (zh) * | 2020-07-16 | 2020-12-11 | 国网安徽省电力有限公司检修分公司 | 一种高精度三维地图与二维栅格地图同步构建方法 |
CN112132896B (zh) * | 2020-09-16 | 2024-05-10 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112162297A (zh) * | 2020-09-24 | 2021-01-01 | 燕山大学 | 一种剔除激光点云地图中动态障碍伪迹的方法 |
CN112162297B (zh) * | 2020-09-24 | 2022-07-19 | 燕山大学 | 一种剔除激光点云地图中动态障碍伪迹的方法 |
CN113160398A (zh) * | 2020-12-25 | 2021-07-23 | 中国人民解放军国防科技大学 | 一种快速三维栅格构建系统、方法、介质、设备、无人车 |
CN112817315A (zh) * | 2020-12-31 | 2021-05-18 | 江苏集萃智能制造技术研究所有限公司 | 一种动态环境下无人清洗车的避障方法及系统 |
WO2022156175A1 (zh) * | 2021-01-20 | 2022-07-28 | 上海西井信息科技有限公司 | 融合图像和点云信息的检测方法、系统、设备及存储介质 |
CN112861653A (zh) * | 2021-01-20 | 2021-05-28 | 上海西井信息科技有限公司 | 融合图像和点云信息的检测方法、系统、设备及存储介质 |
CN112861653B (zh) * | 2021-01-20 | 2024-01-23 | 上海西井科技股份有限公司 | 融合图像和点云信息的检测方法、系统、设备及存储介质 |
CN112801928A (zh) * | 2021-03-16 | 2021-05-14 | 昆明理工大学 | 一种基于注意力机制的毫米波雷达与视觉传感器融合方法 |
CN113159042A (zh) * | 2021-03-30 | 2021-07-23 | 苏州市卫航智能技术有限公司 | 一种激光视觉融合的无人船桥洞通行方法及系统 |
CN113050063A (zh) * | 2021-04-29 | 2021-06-29 | 深圳市利拓光电有限公司 | 基于激光传感器的障碍检测方法、装置、设备及存储介质 |
CN113432615A (zh) * | 2021-07-31 | 2021-09-24 | 重庆长安汽车股份有限公司 | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 |
CN113432615B (zh) * | 2021-07-31 | 2024-02-13 | 重庆长安汽车股份有限公司 | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 |
CN113670292A (zh) * | 2021-08-10 | 2021-11-19 | 追觅创新科技(苏州)有限公司 | 地图的绘制方法和装置、扫地机、存储介质、电子装置 |
CN113670292B (zh) * | 2021-08-10 | 2023-10-20 | 追觅创新科技(苏州)有限公司 | 地图的绘制方法和装置、扫地机、存储介质、电子装置 |
CN113665500A (zh) * | 2021-09-03 | 2021-11-19 | 南昌智能新能源汽车研究院 | 全天候作业的无人驾驶运输车环境感知系统及方法 |
CN113665500B (zh) * | 2021-09-03 | 2022-07-19 | 南昌智能新能源汽车研究院 | 全天候作业的无人驾驶运输车环境感知系统及方法 |
CN114219910A (zh) * | 2021-09-14 | 2022-03-22 | 陕西科技大学 | 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法 |
CN114219910B (zh) * | 2021-09-14 | 2024-05-24 | 陕西科技大学 | 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法 |
WO2023066078A1 (zh) * | 2021-10-18 | 2023-04-27 | 追觅创新科技(苏州)有限公司 | 栅格地图的修正方法及装置、存储介质及电子装置 |
CN114279392B (zh) * | 2021-12-27 | 2024-02-06 | 深圳市星卡科技股份有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
CN114279392A (zh) * | 2021-12-27 | 2022-04-05 | 深圳市星卡科技有限公司 | 转向角传感器的校准方法、装置和计算机设备 |
CN114659513B (zh) * | 2022-03-11 | 2024-04-09 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN114659513A (zh) * | 2022-03-11 | 2022-06-24 | 北京航空航天大学 | 一种面向非结构化道路的点云地图构建与维护方法 |
CN115164910B (zh) * | 2022-06-22 | 2023-02-21 | 小米汽车科技有限公司 | 行驶路径生成方法、装置、车辆、存储介质及芯片 |
CN115164910A (zh) * | 2022-06-22 | 2022-10-11 | 小米汽车科技有限公司 | 行驶路径生成方法、装置、车辆、存储介质及芯片 |
CN116434183B (zh) * | 2023-03-08 | 2023-11-14 | 之江实验室 | 一种基于多点云协同融合的道路静态环境描述方法 |
CN116434183A (zh) * | 2023-03-08 | 2023-07-14 | 之江实验室 | 一种基于多点云协同融合的道路静态环境描述方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109443369A (zh) | 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法 | |
Song et al. | Real-time obstacles detection and status classification for collision warning in a vehicle active safety system | |
CN109186586B (zh) | 一种面向动态泊车环境的同时定位及混合地图构建方法 | |
CN110832279B (zh) | 对准由自主车辆捕获的数据以生成高清晰度地图 | |
Zai et al. | 3-D road boundary extraction from mobile laser scanning data via supervoxels and graph cuts | |
CN111788102B (zh) | 用于跟踪交通灯的里程计系统和方法 | |
US11250697B2 (en) | Missing traffic face detector | |
Pomerleau et al. | Long-term 3D map maintenance in dynamic environments | |
Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
Bar Hillel et al. | Recent progress in road and lane detection: a survey | |
Zhao et al. | On-road vehicle trajectory collection and scene-based lane change analysis: Part i | |
US20200250439A1 (en) | Automated Road Edge Boundary Detection | |
JP2022535351A (ja) | 車両ナビゲーションのためのシステム及び方法 | |
CN106199558A (zh) | 障碍物快速检测方法 | |
US10553117B1 (en) | System and method for determining lane occupancy of surrounding vehicles | |
KR20180050823A (ko) | 3차원의 도로 모델을 생성하는 방법 및 장치 | |
JP2023106536A (ja) | 画像分析に基づく車両ナビゲーションのためのシステム | |
CN111880191B (zh) | 基于多智能体激光雷达和视觉信息融合的地图生成方法 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
Chong et al. | Integrated real-time vision-based preceding vehicle detection in urban roads | |
CN107193278B (zh) | 基于定位的图像和地图匹配的可行驶区域识别方法 | |
CN110379168A (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
Wen et al. | High precision vehicle localization based on tightly-coupled visual odometry and vector HD map | |
Golovnin et al. | Video processing method for high-definition maps generation | |
Yuan et al. | Estimation of vehicle pose and position with monocular camera at urban road intersections |
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 |
Effective date of registration: 20190926 Address after: 200120 Shanghai, Nanhui, new towns around the Lake Road West, No. two, building C, Applicant after: SHANGHAI ZHUXIAN TECHNOLOGY Co.,Ltd. Address before: 100084 B1002, Haidian District Research Institute, Shuang Qing Road, Beijing Applicant before: BEIJING ZHUXIAN TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190308 |
|
WD01 | Invention patent application deemed withdrawn after publication |