CN109633687A - 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 - Google Patents
一种补偿汽车激光雷达识别障碍物盲区的系统及方法 Download PDFInfo
- Publication number
- CN109633687A CN109633687A CN201811448717.7A CN201811448717A CN109633687A CN 109633687 A CN109633687 A CN 109633687A CN 201811448717 A CN201811448717 A CN 201811448717A CN 109633687 A CN109633687 A CN 109633687A
- Authority
- CN
- China
- Prior art keywords
- preset
- default
- laser radar
- data
- data information
- 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
- 208000010877 cognitive disease Diseases 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 50
- 230000004888 barrier function Effects 0.000 claims abstract description 34
- 230000001939 inductive effect Effects 0.000 claims abstract description 25
- 238000003672 processing method Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 11
- 230000002123 temporal effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036632 reaction speed Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- 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
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
Abstract
本发明提供了一种补偿汽车激光雷达识别障碍物盲区的系统，用以解决现有技术中激光雷达在识别汽车预设范围内障碍物存在盲区的问题，本系统包括：激光雷达，用于获取预设扫描范围内障碍物的预设点云数据信息；多个超声波雷达，用于获取预设感应范围内障碍物对应的预设点数据信息；共空间处理模块，按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。采用本系统，能够实现通过同一时刻不同位置的激光雷达和超声波雷达之间盲区的补偿，实现通过较少的数据补偿激光雷达识别障碍物的盲区，进一步地提高了汽车行车安全性。
Description
技术领域
本发明涉及汽车障碍物识别技术领域，尤其涉及一种补偿汽车激光雷达识别障碍物盲区的系统及方法。
背景技术
激光雷达通过扫描测距获取周围环境的点云信息，其精度高，距离远、速度快，不受光照影响等有点。在无人驾驶车辆和机器人领域有广泛的应用前景。
但是激光雷达在识别过程中具有角度限制，容易存在识别盲区，增加汽车行驶过程中的危险性，因此需要提出一种补偿激光雷达识别盲区的系统；现有技术中有融合超声波雷达和激光雷达进行汽车障碍物的识别，例如专利号为：本发明公开了一种激光雷达和超声波雷达信息融合系统及方法，所述系统包括多线激光雷达、超声波雷达以及用于雷达信息融合的嵌入式决策控制器，所述决策控制器分别接收多线激光雷达和超声波雷达的检测信息，对激光雷达和超声波雷达安装位置进行标定，消除检测盲区；获得激光雷达的点云信息和超声波雷达的障碍物坐标信息；对检测信号进行预处理，通过多次检测提取物体特征，判断对应区域检测结果的可靠性；对雷达进行坐标矩阵转换；检测结果栅格化；多雷达信息融合和栅格区域权重计算，生成信息融合结果。本发明结合雷达的各自特点生成障碍物网格信息，通过对两种雷达数据信息进行融合，可以消除车辆前方的探测盲区，提高自动驾驶车辆的安全性。
上述融合超声波雷达和激光雷达进行障碍物识别的算法，首先需要生成障碍物网格信息，然后对网格信息中的雷达数据进行融合消除探测盲区，其数据计算量较大，数据处理较多，并且在车辆运行过程中，反应速度和识别灵敏度很大程度决定了车辆的安全性。
综上所述，需要提出一种数据处理较少，同时能补偿激光雷达识别盲区的系统及方法。
发明内容
为了解决上述问题，本发明提供了一种无需使用大量优质样本进行训练的可快速补偿激光雷达识别障碍物盲区的方法及系统。
为了达到上述目的，本发明采用以下技术方案：
一种补偿汽车激光雷达识别障碍物盲区的系统，包括：
激光雷达，用于获取预设扫描范围内障碍物的预设点云数据信息；
多个超声波雷达，用于获取预设感应范围内障碍物对应的预设点数据信息；
共空间处理模块，按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
进一步地，包括：
激光雷达处理线程，用于传输激光雷达获取的预设点云数据信息；
多个超声波雷达处理线程，用于对应传输超声波雷达获取的预设点数据信息；
数据统一处理线程，用于分别连接激光雷达处理线程和多个超声波雷达处理线程，接收到预设触发信号时，接收激光雷达处理线程传输的预设点云数据信息和超声波雷达处理线程的预设点数据信息并转发至共空间处理模块。
进一步地，共空间处理模块包括：
空间统一处理单元，用于将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
时间聚类分类单元，用于将获取的预设点云数据和预设点数据按照预设时间聚类处理进行分类，将同一时刻的点云数据和预设点数据分为一类；
空间盲区补偿单元，用于对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
进一步地，包括：
超声波转发线程，用于同时接收预设数量超声波雷达处理线程发送的预设点数据信息，并发送至数据统一处理线程。
进一步地，多个超声波雷达均匀间隔设置在车身周围。
一种补偿汽车激光雷达识别障碍物盲区的方法，包括步骤：
S1：通过激光雷达获取预设扫描范围内障碍物的预设点云数据信息；
S2：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S3：通过数据统一数据处理线程获取预设点云数据信息和预设点数据信息，并按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
进一步地，步骤S2包括：
S21：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S22：通过超声波转发线程获取预设数量超声波雷达获取的预设感应范围内障碍物对应的预设点数据信息。
进一步地，步骤S3包括：
S31：判断是否触发数据统一处理线程，若是，则通过数据统一处理线程获取预设点云数据信息和预设点数据信息；
S32：将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
S33：将获取的预设点云数据信息和预设点数据信息进行时间排序；
S34：对排序后的预设点云数据信息和预设点数据信息按照预设时间聚类处理方法进行聚类分类；
S35：对同一时刻聚类的预设点云数据信息和预设点数据信息按照预设处理算法进行处理；
S36：对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
本发明的有益效果为：
(1)通过共空间处理，将激光雷达和超声波雷达分别获取的预设点云数据信息和预设点数据信息放置在统一预设三维坐标系中，实现将激光雷达监测的预设扫描范围内的障碍物和超声波监测的预设感应范围内的障碍物在空间中实现统一，进一步地，通过预设时间聚类处理，获取同一时刻的预设点云数据信息和预设点数据信息即可进行汽车障碍物信息的获取，并且通过对同一时刻内预设点数据信息和预设点云数据信息融合比对，进行补偿，可补偿汽车激光雷达识别障碍物盲区数据处理简单，快速，反应灵敏，提高了汽车识别障碍物的完整性，进一步地提高了汽车的安全性。
(2)其中激光传感器和超声波传感器分别对应自己的处理线程，能够更加快速的实现数据的处理和传输。
(3)其中超声波转发线程的设置，能够实现将超声波雷达获取的数据进行集合和统一，能够更快的进行数据处理。
(4)其中同一时刻内预设点数据信息和预设点云数据信息融合比对还可以进行相互之间的校验，保证了每个雷达精确性。
附图说明
图1为本补偿汽车激光雷达识别障碍物盲区的系统结构图一；
图2为本补偿汽车激光雷达识别障碍物盲区的系统结构图二；
图3为激光雷达测距原理图；
图4为超声波雷达、激光雷达以及预设三维坐标系示意图；
图5为本补偿汽车激光雷达识别障碍物盲区的方法流程图一；
图6为本补偿汽车激光雷达识别障碍物盲区的方法流程图二。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
本实施例提供了一种补偿汽车激光雷达识别障碍物盲区的系统，如图1至图4所示，本系统包括：
激光雷达，用于获取预设扫描范围内障碍物的预设点云数据信息；
多个超声波雷达，用于获取预设感应范围内障碍物对应的预设点数据信息；
共空间处理模块，按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
进一步地，包括：
激光雷达处理线程，用于传输激光雷达获取的预设点云数据信息；
多个超声波雷达处理线程，用于对应传输超声波雷达获取的预设点数据信息；
数据统一处理线程，用于分别连接激光雷达处理线程和多个超声波雷达处理线程，接收到预设触发信号时，接收激光雷达处理线程传输的预设点云数据信息和超声波雷达处理线程的预设点数据信息并转发至共空间处理模块。
进一步地，共空间处理模块包括：
空间统一处理单元，用于将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
时间聚类分类单元，用于将获取的预设点云数据和预设点数据按照预设时间聚类处理进行分类，将同一时刻的点云数据和预设点数据分为一类；
空间盲区补偿单元，用于对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
进一步地，包括：
超声波转发线程，用于同时接收预设数量超声波雷达处理线程发送的预设点数据信息，并发送至数据统一处理线程。
进一步地，多个超声波雷达均匀间隔设置在车身周围。
其中激光雷达是通过发射激光束实现对预设扫描范围内的物体进行轮廓特征的获取，即通过激光雷达获取预设扫描范围内物体轮廓的点云数据，激光雷达在发射激光过程中，由于角度自身限制，会有一些角度激光无法射到，形成识别盲区。
超声波雷达，是通过超声波进行障碍物的探测，当超声波感应到障碍物时，障碍物会反射该感应信号，超声波雷达会根据超声波发射速度和反馈时间计算出障碍物至超声波雷达的距离信息，并会把该障碍物标记为一个点即预设点数据信息。该预设点信息包含着障碍物的位置信息。
本实施例中提供的一种补偿汽车激光雷达识别障碍物盲区的系统中激光雷达的数量为一个，超声波雷达的数量为28个，所述激光雷达设置在汽车车顶，所述超声波雷达均匀间隔设置在车身周围，保证汽车预设范围内障碍物的识别。
进一步地，通过激光雷达和多个超声波雷达获取的预设点云数据信息和预设点数据信息，都是单独的点云信息或者点信息，因此为了进行数据的处理，首先将获取的预设点云数据信息和预设点数据信息放置在同一预设三维坐标系内，保证了激光雷达和多个超声波雷达获取的预设点云数据信息和预设点数据信息在空间上的统一，即位置统一。
进一步地，对统一处理后的预设点云数据信息和预设点数据信息按照时间信息进行排序，并按照预设时间聚类进行聚类分类处理，将同一时刻的点云数据和预设点数据分为一类；此时刻的点云数据和点数据为当前状态汽车周边预设范围内的障碍物信息，其中对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。预设点数据信息会补偿预设点云数据信息在同一时刻位置上的空间差，即盲区。
本实施例中，为了实现算法处理的速度，设置了超声波雷达转换线程，保证了数据传输的速度，提高了障碍物识别的处理速度。
本补偿汽车激光雷达识别障碍物盲区的运算效率高，能够在较少的数据处理条件下，完成障碍物的识别，并对激光雷达识别障碍物盲区进行补偿，提高了安全性。
实施例二
本实施例提供了一种基于激光雷达侦测地面障碍物的系统，如图5至图6所示，本补偿汽车激光雷达识别障碍物盲区的方法包括步骤：
S1：通过激光雷达获取预设扫描范围内障碍物的预设点云数据信息；
S2：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S3：通过数据统一数据处理线程获取预设点云数据信息和预设点数据信息，并按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
进一步地，步骤S2包括：
S21：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S22：通过超声波转发线程获取预设数量超声波雷达获取的预设感应范围内障碍物对应的预设点数据信息。
进一步地，步骤S3包括：
S31：判断是否触发数据统一处理线程，若是，则通过数据统一处理线程获取预设点云数据信息和预设点数据信息；
S32：将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
S33：将获取的预设点云数据信息和预设点数据信息进行时间排序；
S34：对排序后的预设点云数据信息和预设点数据信息按照预设时间聚类处理方法进行聚类分类；
S35：对同一时刻聚类的预设点云数据信息和预设点数据信息按照预设处理算法进行处理；
S36：对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
较佳的，本实施例中的激光雷达安装在汽车顶上，汽车在行驶过程中，置于车顶的激光雷达会向汽车周围的预设扫描范围内发射激光束，激光束在探测到预设扫描范围内的物体时会被反射回激光雷达，通过激光测距原理，可以计算出激光雷达到预设扫描范围内物体的距离信息。其中激光雷达会持续对车身周围预设扫描范围内进行扫描，从而获取预设扫描范围内物体的轮廓信息，形成点云。
较佳的，本实施例中的超声波雷达，均匀间隔的设置在汽车车身上，汽车行驶过程中，置于车身上的超声波雷达会向车身周围的预设感应范围内发射超声波，超声波在探测到预设感应范围内的物体时会返回超声波雷达，通过超声波测距原理，可以获取超声波雷达到预设感应范围内物体的距离信息；并获取当前物体对应的点信息，
较佳的，通过将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；将获取的预设点云数据信息和预设点数据信息进行时间排序；对排序后的预设点云数据信息和预设点数据信息按照预设时间聚类处理方法进行聚类分类；对同一时刻聚类的预设点云数据信息和预设点数据信息按照预设处理算法进行处理；对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
同一时刻同一位置的预设点云数据和预设点数据即可实现障碍物信息的识别，并且预设点数据和预设点云数据进行比对融合后，预设点数据可对预设点云数据进行空间数据补偿，实现激光雷达在识别汽车周边障碍物盲区的补偿，并且数据处理简单，提高了行车的安全性。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (8)
1.一种补偿汽车激光雷达识别障碍物盲区的系统，其特征在于，包括：
激光雷达，用于获取预设扫描范围内障碍物的预设点云数据信息；
多个超声波雷达，用于获取预设感应范围内障碍物对应的预设点数据信息；
共空间处理模块，按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
2.根据权利要求1所述的一种补偿汽车激光雷达识别障碍物盲区的系统，其特征在于，包括：
激光雷达处理线程，用于传输激光雷达获取的预设点云数据信息；
多个超声波雷达处理线程，用于对应传输超声波雷达获取的预设点数据信息；
数据统一处理线程，用于分别连接激光雷达处理线程和多个超声波雷达处理线程，接收到预设触发信号时，接收激光雷达处理线程传输的预设点云数据信息和超声波雷达处理线程的预设点数据信息并转发至共空间处理模块。
3.根据权利要求1所述的一种补偿汽车激光雷达识别障碍物盲区的系统，其特征在于，共空间处理模块包括：
空间统一处理单元，用于将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
时间聚类分类单元，用于将获取的预设点云数据和预设点数据按照预设时间聚类处理进行分类，将同一时刻的点云数据和预设点数据分为一类；
空间盲区补偿单元，用于对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
4.根据权利要求2所述的一种补偿汽车激光雷达识别障碍物盲区的系统，其特征在于，包括：
超声波转发线程，用于同时接收预设数量超声波雷达处理线程发送的预设点数据信息，并发送至数据统一处理线程。
5.根据权利要求1所述的一种补偿汽车激光雷达识别障碍物盲区的系统，其特征在于，多个超声波雷达均匀间隔设置在车身周围。
6.一种补偿汽车激光雷达识别障碍物盲区的方法，其特征在于，包括步骤：
S1：通过激光雷达获取预设扫描范围内障碍物的预设点云数据信息；
S2：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S3：通过数据统一数据处理线程获取预设点云数据信息和预设点数据信息，并按照预设时间聚类处理方法对获取的预设点云数据和预设点数据进行预设时间聚类处理，获取同一时刻当前汽车预设感应范围内和预设扫描范围内的障碍物信息。
7.根据权利要求6所述的一种补偿汽车激光雷达识别障碍物盲区的方法，其特征在于，步骤S2包括：
S21：通过多个超声波雷达获取预设感应范围内障碍物对应的预设点数据信息；
S22：通过超声波转发线程获取预设数量超声波雷达获取的预设感应范围内障碍物对应的预设点数据信息。
8.根据权利要求6所述的一种补偿汽车激光雷达识别障碍物盲区的方法，其特征在于，步骤S3包括：
S31：判断是否触发数据统一处理线程，若是，则通过数据统一处理线程获取预设点云数据信息和预设点数据信息；
S32：将获取的预设点云数据和预设点数据放置在同一预设三维坐标系中进行处理；
S33：将获取的预设点云数据信息和预设点数据信息进行时间排序；
S34：对排序后的预设点云数据信息和预设点数据信息按照预设时间聚类处理方法进行聚类分类；
S35：对同一时刻聚类的预设点云数据信息和预设点数据信息按照预设处理算法进行处理；
S36：对获取的同一时刻的预设点云数据和预设点数据进行对比，并对同一时刻上预设点云数据上的空间盲区通过预设点数据进行补偿。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811448717.7A CN109633687A (zh) | 2018-11-28 | 2018-11-28 | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811448717.7A CN109633687A (zh) | 2018-11-28 | 2018-11-28 | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109633687A true CN109633687A (zh) | 2019-04-16 |
Family
ID=66070132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811448717.7A Pending CN109633687A (zh) | 2018-11-28 | 2018-11-28 | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109633687A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110262504A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种结构可调的多激光雷达耦合系统及其控制方法 |
| CN110853399A (zh) * | 2019-10-12 | 2020-02-28 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于超声波传感器车位检测系统的车位识别补偿方法 |
| CN110989620A (zh) * | 2019-12-24 | 2020-04-10 | 奇瑞汽车股份有限公司 | 一种基于激光雷达的车路协同系统 |
| CN111090087A (zh) * | 2020-01-21 | 2020-05-01 | 广州赛特智能科技有限公司 | 一种智能导航机器、激光雷达盲区补偿方法及存储介质 |
| CN112731449A (zh) * | 2020-12-23 | 2021-04-30 | 深圳砺剑天眼科技有限公司 | 一种激光雷达障碍物识别方法和系统 |
| CN112833915A (zh) * | 2020-12-31 | 2021-05-25 | 广州文远知行科技有限公司 | 传感器校正方法、装置、可移动载体及存储介质 |
| CN113111905A (zh) * | 2021-02-25 | 2021-07-13 | 上海水齐机器人有限公司 | 一种融合多线激光雷达与超声波数据的障碍物检测方法 |
| CN113687337A (zh) * | 2021-08-02 | 2021-11-23 | 广州小鹏自动驾驶科技有限公司 | 车位识别性能测试方法、装置、测试车辆及存储介质 |
| WO2022001322A1 (zh) * | 2020-06-30 | 2022-01-06 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN115032618A (zh) * | 2022-08-12 | 2022-09-09 | 深圳市欢创科技有限公司 | 应用于激光雷达的盲区修复方法、装置及激光雷达 |
| US11740358B2 (en) | 2019-11-21 | 2023-08-29 | Yandex Self Driving Group Llc | Methods and systems for computer-based determining of presence of objects |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101949715A (zh) * | 2010-08-10 | 2011-01-19 | 武汉武大卓越科技有限责任公司 | 高精度时空数据获取的多传感器集成同步控制方法和系统 |
| CN106097755A (zh) * | 2015-04-28 | 2016-11-09 | 罗伯特·博世有限公司 | 用于识别泊车场地和/或空出场地的方法 |
| CN108037515A (zh) * | 2017-12-27 | 2018-05-15 | 清华大学苏州汽车研究院（吴江） | 一种激光雷达和超声波雷达信息融合系统及方法 |
| CN111133334A (zh) * | 2017-09-26 | 2020-05-08 | 罗伯特·博世有限公司 | 用于基于雷达测量绘制地图和定位车辆的方法和系统 |
-
2018
- 2018-11-28 CN CN201811448717.7A patent/CN109633687A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101949715A (zh) * | 2010-08-10 | 2011-01-19 | 武汉武大卓越科技有限责任公司 | 高精度时空数据获取的多传感器集成同步控制方法和系统 |
| CN106097755A (zh) * | 2015-04-28 | 2016-11-09 | 罗伯特·博世有限公司 | 用于识别泊车场地和/或空出场地的方法 |
| CN111133334A (zh) * | 2017-09-26 | 2020-05-08 | 罗伯特·博世有限公司 | 用于基于雷达测量绘制地图和定位车辆的方法和系统 |
| CN108037515A (zh) * | 2017-12-27 | 2018-05-15 | 清华大学苏州汽车研究院（吴江） | 一种激光雷达和超声波雷达信息融合系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宫峰勋: ""多传感器数据融合处理的时间对准研究"", 《辽宁工程技术大学学报》 * |
| 马国富: "《基于云计算的监狱数据安全与大数据挖掘》", 31 December 2016 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110262504B (zh) * | 2019-07-02 | 2021-06-01 | 吉林大学 | 一种结构可调的多激光雷达耦合系统及其控制方法 |
| CN110262504A (zh) * | 2019-07-02 | 2019-09-20 | 吉林大学 | 一种结构可调的多激光雷达耦合系统及其控制方法 |
| CN110853399A (zh) * | 2019-10-12 | 2020-02-28 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于超声波传感器车位检测系统的车位识别补偿方法 |
| US11740358B2 (en) | 2019-11-21 | 2023-08-29 | Yandex Self Driving Group Llc | Methods and systems for computer-based determining of presence of objects |
| CN110989620A (zh) * | 2019-12-24 | 2020-04-10 | 奇瑞汽车股份有限公司 | 一种基于激光雷达的车路协同系统 |
| CN110989620B (zh) * | 2019-12-24 | 2023-08-15 | 芜湖雄狮汽车科技有限公司 | 一种基于激光雷达的车路协同系统 |
| CN111090087A (zh) * | 2020-01-21 | 2020-05-01 | 广州赛特智能科技有限公司 | 一种智能导航机器、激光雷达盲区补偿方法及存储介质 |
| WO2022001322A1 (zh) * | 2020-06-30 | 2022-01-06 | 上海商汤智能科技有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
| CN112731449B (zh) * | 2020-12-23 | 2023-04-14 | 深圳砺剑天眼科技有限公司 | 一种激光雷达障碍物识别方法和系统 |
| CN112731449A (zh) * | 2020-12-23 | 2021-04-30 | 深圳砺剑天眼科技有限公司 | 一种激光雷达障碍物识别方法和系统 |
| CN112833915B (zh) * | 2020-12-31 | 2022-01-04 | 广州文远知行科技有限公司 | 传感器校正方法、装置、可移动载体及存储介质 |
| CN112833915A (zh) * | 2020-12-31 | 2021-05-25 | 广州文远知行科技有限公司 | 传感器校正方法、装置、可移动载体及存储介质 |
| CN113111905A (zh) * | 2021-02-25 | 2021-07-13 | 上海水齐机器人有限公司 | 一种融合多线激光雷达与超声波数据的障碍物检测方法 |
| CN113687337A (zh) * | 2021-08-02 | 2021-11-23 | 广州小鹏自动驾驶科技有限公司 | 车位识别性能测试方法、装置、测试车辆及存储介质 |
| CN115032618A (zh) * | 2022-08-12 | 2022-09-09 | 深圳市欢创科技有限公司 | 应用于激光雷达的盲区修复方法、装置及激光雷达 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109633687A (zh) | 一种补偿汽车激光雷达识别障碍物盲区的系统及方法 | |
| US9488725B2 (en) | Method and device for detecting objects in the surroundings of a vehicle | |
| CN109298415A (zh) | 一种轨道和道路障碍物检测方法 | |
| CN104391339B (zh) | 车型识别方法以及利用该方法的车辆快速检查系统 | |
| US10965099B2 (en) | Light control device, control method, program and storage medium | |
| US11971487B2 (en) | Feature data structure, control device, storage device, control method, program and storage medium | |
| CN109633685A (zh) | 一种基于激光雷达侦测障碍物状态的方法及系统 | |
| US20200094847A1 (en) | Method and apparatus for spoofing prevention | |
| CN107406073A (zh) | 用于在无碰撞性方面监视要由车辆驶过的额定轨迹的方法和设备 | |
| US20210018611A1 (en) | Object detection system and method | |
| CN104808216A (zh) | 一种基于激光雷达测距的车辆防碰撞预警系统 | |
| WO2020199199A1 (zh) | 一种测距方法、雷达以及车载雷达 | |
| US20160299229A1 (en) | Method and system for detecting objects | |
| CN109643495A (zh) | 周边监视装置及周边监视方法 | |
| CN111359913A (zh) | 一种通过激光雷达分选矿石的方法 | |
| CN205158633U (zh) | 一种车辆限高预警装置 | |
| CN110554409B (zh) | 一种凹障碍物检测方法及系统 | |
| JP2013541696A (ja) | 人物の識別装置および識別方法 | |
| CN205168320U (zh) | 基于物联网的汽车行驶安全预警器 | |
| CN108181313A (zh) | 一种适用于接触网运行环境安全状态检测的装置及方法 | |
| CN113807795A (zh) | 机器人配送场景识别拥堵的方法、机器人以及配送系统 | |
| US20190187253A1 (en) | Systems and methods for improving lidar output | |
| US20190187251A1 (en) | Systems and methods for improving radar output | |
| Zewei et al. | Vehicle recognition and classification method based on laser scanning point cloud data | |
| CN109738906A (zh) | 一种基于多帧匹配的激光雷达式车辆宽度测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |
|
| RJ01 | Rejection of invention patent application after publication |