CN109840448A - 用于无人驾驶车辆的信息输出方法和装置 - Google Patents
用于无人驾驶车辆的信息输出方法和装置 Download PDFInfo
- Publication number
- CN109840448A CN109840448A CN201711195021.3A CN201711195021A CN109840448A CN 109840448 A CN109840448 A CN 109840448A CN 201711195021 A CN201711195021 A CN 201711195021A CN 109840448 A CN109840448 A CN 109840448A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vertex
- cloud data
- target area
- determined
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000004888 barrier function Effects 0.000 claims abstract description 85
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004913 activation Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005429 filling process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 208000002177 Cataract Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- 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
- G06T2207/30261—Obstacle
Abstract
本申请实施例公开了用于无人驾驶车辆的信息输出方法和装置。该无人驾驶车辆包括激光雷达,该方法的一具体实施方式包括:基于所述无人驾驶车辆的定位信息,从目标地图中确定所述无人驾驶车辆周边的目标区域;通过所述激光雷达获取所述无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,所述预设区域包含所述目标区域;基于所述目标区域和所述点云数据,确定存在于所述目标区域中的障碍物的点云数据集合,并将所述点云数据集合确定为目标点云数据集合;输出所述目标点云数据集合。该实施方式减小了车载终端处理器的使用率,提高了车辆驾驶的安全性。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及无人驾驶技术领域,尤其涉及用于无人驾驶车辆的信息输出方法和装置。
背景技术
在无人驾驶系统中,障碍物感知系统需要根据多种传感器数据对无人车周边的障碍物进行检测、分类和追踪,不同的传感器的覆盖区域一般不同,例如,64线激光雷达对周围半径60米的区域具有较好的覆盖。而决策规划控制系统主要关注可能会对无人车行驶具有一定影响的障碍物可能存在的区域。因此,检测无人驾驶车辆的感知兴趣区域内的障碍物,对无人驾驶车辆的安全行驶具有重要意义。
发明内容
本申请实施例提出了用于无人驾驶车辆的信息输出方法和装置。
第一方面,本申请实施例提供了一种用于无人驾驶车辆的信息输出方法,无人驾驶车辆包括激光雷达,该方法包括:基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域;通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,预设区域包含目标区域;基于目标区域和点云数据,确定存在于目标区域中的障碍物的点云数据集合,并将点云数据集合确定为目标点云数据集合;输出目标点云数据集合。
在一些实施例中,目标区域为世界坐标系下的二维多边形;以及在获取无人驾驶车辆周边障碍物的点云数据之后,该方法还包括:将点云数据从局部坐标系转换到世界坐标系中,其中,局部坐标系是以激光雷达的中点为坐标原点的坐标系。
在一些实施例中,确定存在于目标区域中的障碍物的点云数据集合,包括:采用多边形扫描线填充算法对预设区域的图像中的目标区域进行填充;确定障碍物的点云数据对应于预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于目标区域中的障碍物的点云数据,生成点云数据集合。
在一些实施例中,确定存在于目标区域中的障碍物的点云数据集合,包括:将预设区域的图像按照预设网格尺寸划分为网格图;生成网格图的比特位图,其中,网格图中的每一网格对应比特位图中的一个比特位,比特位图中的每一比特位上的数值均为预设第一数值;采用多边形扫描线填充算法,在网格图中确定针对目标区域的待填充区域,将待填充区域中的网格所对应的比特位上的数值修改为第二预设数值;确定障碍物的点云数据在网格图中所对应的网格,并在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,将选取出的网格对应的点云数据确定为存在于目标区域中的障碍物的点云数据。
在一些实施例中,采用多边形扫描线填充算法对预设区域的图像中的目标区域进行填充,包括:针对目标区域所组成的多边形的每个顶点,执行以下交点确定步骤:响应于确定出平行于横坐标轴的扫描线扫描到该顶点,获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,第一顶点和第二顶点为多边形的各顶点中与该顶点相邻的顶点;将第一顶点和第二顶点中横坐标值小的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;将第一顶点和第二顶点中横坐标值大的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;响应于确定出第一差值与第二差值的乘积大于零,将该顶点与扫描线的交点个数确定为两个。
第二方面,本申请实施例提供了一种用于无人驾驶车辆的信息输出装置,无人驾驶车辆包括激光雷达,该装置包括:第一确定单元,配置用于基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域;获取单元,配置用于通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,预设区域包含目标区域;第二确定单元,配置用于基于目标区域和点云数据,确定存在于目标区域中的障碍物的点云数据集合,并将点云数据集合确定为目标点云数据集合;输出单元,配置用于输出目标点云数据集合。
在一些实施例中,目标区域为世界坐标系下的二维多边形;以及该装置还包括:转换单元,配置用于将点云数据从局部坐标系转换到世界坐标系中,其中,局部坐标系是以激光雷达的中点为坐标原点的坐标系。
在一些实施例中,第二确定单元,包括:填充模块,配置用于采用多边形扫描线填充算法对预设区域的图像中的目标区域进行填充;第一生成模块,配置用于确定障碍物的点云数据对应于预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于目标区域中的障碍物的点云数据,生成点云数据集合。
在一些实施例中,第二确定单元,包括:划分模块,配置用于将预设区域的图像按照预设网格尺寸划分为网格图;第二生成模块,配置用于生成网格图的比特位图,其中,网格图中的每一网格对应比特位图中的一个比特位,比特位图中的每一比特位上的数值均为预设第一数值;修改模块,配置用于采用多边形扫描线填充算法,在网格图中确定针对目标区域的待填充区域,将待填充区域中的网格所对应的比特位上的数值修改为第二预设数值;确定模块,配置用于确定障碍物的点云数据在网格图中所对应的网格,并在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,将选取出的网格对应的点云数据确定为存在于目标区域中的障碍物的点云数据。
在一些实施例中,填充模块进一步配置用于:针对目标区域所组成的多边形的每个顶点,执行以下交点确定步骤:响应于确定出平行于横坐标轴的扫描线扫描到该顶点,获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,第一顶点和第二顶点为多边形的各顶点中与该顶点相邻的顶点;将第一顶点和第二顶点中横坐标值小的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;将第一顶点和第二顶点中横坐标值大的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;响应于确定出第一差值与第二差值的乘积大于零,将该顶点与扫描线的交点个数确定为两个。
第三方面,本申请实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现本申请提供的用于无人驾驶车辆的信息输出方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请提供的用于无人驾驶车辆的信息输出方法。
本申请实施例提供的用于无人驾驶车辆的信息输出方法和装置,通过基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域,而后通过激光雷达获取无人驾驶车辆周边包含目标区域的预设区域内的障碍物的点云数据,之后基于上述目标区域和预设区域内的障碍物的点云数据,确定存在于上述目标区域中的障碍物的点云数据集合,最后,输出上述存在于上述目标区域中的障碍物的点云数据集合,从而对无人驾驶车辆的感知兴趣区域内的障碍物的点云数据进行输出,减小了车载终端处理器的使用率,提高了车辆驾驶的安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于无人驾驶车辆的信息输出方法的一个实施例的流程图;
图3是根据本申请的用于无人驾驶车辆的信息输出方法的一个应用场景的示意图;
图4是根据本申请的用于无人驾驶车辆的信息输出方法的又一个实施例的流程图;
图5是根据本申请的用于无人驾驶车辆的信息输出装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于无人驾驶车辆的信息输出方法或用于无人驾驶车辆的信息输出装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括车载终端设备1011、1012、1013,云服务器102,网络103和激光雷达1041、1042、1043。网络103用以在车载终端设备1011、1012、1013和云服务器102之间提供通信链路的介质。网络103可以包括各种连接类型,例如无线通信链路、全球定位系统或者光纤电缆等等。
车载终端设备1011、1012、1013通过网络103与云服务器102交互,以接收或发送消息等。车载终端设备1011、1012、1013可以将输出的目标点云数据集合发送到云服务器102中,以供云服务器102更新机动车道上的障碍物信息等。
车载终端设备1011、1012、1013可以对目标区域和预设区域内障碍物的点云数据提供支持的车载终端设备。车载终端设备可以对确定出的目标区域与获取到的障碍物的点云数据等数据进行分析等处理,并将处理结果(例如目标点云数据集合)进行输出。
需要说明的是,本申请实施例所提供的用于无人驾驶车辆的信息输出方法一般由车载终端设备1011、1012、1013执行,相应地,用于无人驾驶车辆的信息输出装置一般设置于车载终端设备1011、1012、1013中。
应该理解,图1中的车载终端设备、云服务器、网络和激光雷达的数目仅仅是示意性的。根据实现需要,可以具有任意数目的车载终端设备、云服务器、网络和激光雷达。
继续参考图2,示出了根据本申请的用于无人驾驶车辆的信息输出方法的一个实施例的流程200。该用于无人驾驶车辆的信息输出方法,包括以下步骤:
步骤201,基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域。
在本实施例中,用于无人驾驶车辆的信息输出方法运行于其上的电子设备(例如图1所示的车载终端设备)可以首先获取电子设备运行于其上的无人驾驶车辆当前时刻的定位信息。上述定位信息用于确定无人驾驶车辆在当前时刻所在的位置,定位信息可以是以经纬度(Coordinates)形式所表示的位置信息,例如,东经116度23分17秒,上述经纬度是经度与纬度的合称所组成的一个坐标系统,也可以称为地理坐标系统,它是一种利用三度空间的球面来定义地球上的空间的球面坐标系统,能够标示地球上的任何一个位置。上述电子设备可以通过比对车载全球定位系统(GPS,Global Positioning System)、惯性测量单元(IMU,Inertial Measurement Unit)、激光雷达(LiDAR,Light Detection AndRanging)和摄像头数据来精确确定无人驾驶车辆当前位置。之后,上述电子设备可以在目标地图中查找上述定位信息所指示的定位地址,以确定上述无人驾驶车辆周边的目标区域。上述目标地图可以为上述电子设备中所存储的高精电子地图,高精电子地图中可以包含大量的行车辅助信息,例如,路面的几何结构、道路标示线的位置,周边道路环境的点云模型等。目标区域可以称为感兴趣区域(ROI,Region Of Interest)或者关注区域,感兴趣区域是指从图像中选取的一个图像区域,这个所选取的图像区域是在图像分析中所关注的重点区域。在这里,目标区域通常可以指上述无人驾驶车辆当前所在道路上的、沿着车辆待行驶方向上预设长度的道路区域,例如,若无人驾驶车辆的行驶方向为前向行驶时,目标区域可以为无人驾驶车辆前方五米内的道路区域。
步骤202,通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据。
在本实施例中,上述无人驾驶车辆可以包括激光雷达,例如,64线激光雷达,激光雷达是以发射激光束探测目标的位置、速度等特征量的雷达系统。在无人驾驶车辆行驶过程中,激光雷达可以向无人驾驶车辆周边预设范围内的障碍物发送探测信号(激光束),然后将接收到的从障碍物反射回来的信号(目标回波)与探测信号进行比较,从而获得障碍物的距离、方位、高度、速度和形状等参数,以生成障碍物的点云数据(point cloud data),点云数据以点的形式记录表征物体的各个点的三维坐标或者颜色信息或者反射强度信息(Intensity)。上述电子设备可以通过上述激光雷达获取上述无人驾驶车辆周边预设区域内的障碍物的点云数据。上述预设区域可以是车辆待行驶方向上的包含上述目标区域的区域(例如,车辆前方20米×20米的正方形区域)。
在本实施例中,若上述目标区域为无人驾驶车辆坐标系下的二维多边形,其中,上述无人驾驶车辆坐标系是以无人驾驶车辆的中点为坐标原点的坐标系。上述电子设备在获取到上述预设区域内的障碍物的点云数据之后,需要将上述点云数据从局部坐标系转换到无人驾驶车辆坐标系中,其中,上述局部坐标系是以上述激光雷达的中点为坐标原点的坐标系。上述局部坐标系和上述无人驾驶车辆坐标系均为空间直角坐标系,不同空间直角坐标系之间的坐标转换是目前广泛研究和应用的公知常识,在此不再赘述。
在本实施例的一些可选的实现方式中,上述目标区域可以为世界坐标系下的二维多边形,世界坐标系是系统的绝对坐标系,在没有建立用户坐标系之前点的坐标通常是以世界坐标系的原点来确定各自的位置的。上述电子设备在获取到上述预设区域内的障碍物的点云数据之后,需要将上述点云数据从局部坐标系转换到世界坐标系中,其中,上述局部坐标系是以上述激光雷达的中点为坐标原点的坐标系。局部坐标系到世界坐标系的坐标变换是目前广泛研究和应用的公知常识,在此不再赘述。
步骤203,基于目标区域和点云数据,确定存在于目标区域中的障碍物的点云数据集合,并将点云数据集合确定为目标点云数据集合。
在本实施例中,基于步骤201中确定出的目标区域和步骤202中获取的上述预设区域内的障碍物的点云数据,上述电子设备可以确定存在于上述目标区域中的障碍物的点云数据集合,并可以将上述点云数据集合确定为目标点云数据集合。
在本实施例中,若上述目标区域为上述无人驾驶车辆坐标系下的二维多边形,上述点云数据为上述无人驾驶车辆坐标系下的各个点的三维坐标,上述电子设备可以将上述点云数据所指示的各个点在上述目标区域所组成的二维多边形所在的平面上投影,将各个投影点中位于上述目标区域内部的投影点所对应的点云数据确定为存在于上述目标区域中的障碍物的点云数据集合,并将上述点云数据集合确定为目标点云数据集合。
在本实施例的一些可选的实现方式中,上述电子设备可以采用多边形扫描线填充算法对上述预设区域的图像中的目标区域进行填充。多边形扫描线填充算法的基本思想是:若将坐标系中的y轴方向设置为主方向,则扫描线为平行于x轴的直线,用扫描线从上到下(或从下到上)扫描由多条首尾相连的线段构成的多边形,每根扫描线与多边形的某些边产生一系列交点。将这些交点按照x坐标排序,将排序后的点两两成对,作为线段的两个端点,以所填的颜色画水平直线。多边形被扫描完毕后,颜色填充也就完成了。具体的,首先,上述电子设备可以将坐标系中的y轴方向设置为主方向,也可以将多边形在x轴方向和y轴方向上跨度最大的方向确定为主方向,在这里,并不局限于其它主方向的选择方式,为阐述方便,将y轴方向设置为主方向,将扫描线的扫描方向设置为从下到上(从纵坐标值最小到纵坐标值最大)。之后,扫描线开始对目标区域所组成的多边形进行扫描,可以记录扫描线在每一次扫描过程中与多边形的交点,从左到右(从横坐标值最小到横坐标值最大)对交点进行排序。而后,将排序序号为奇数的交点到排序序号为偶数的交点之间的区域确定为多边形内部区域。最后,按照固定的扫描间隔,更新扫描线的位置,直到多边形扫描结束(扫描线的纵坐标值达到最大)。作为示例,若一条扫描线与多边形之间存在四个交点,将这四个交点按照从左到右的顺序进行排序,分别为交点1、交点2、交点3和交点4,可以将交点1(排序序号为奇数的交点)到交点2(排序序号为偶数的交点)之间的区域以及交点3到交点4之间的区域均确定为多边形内部区域。
在本实施例的一些可选的实现方式中,上述电子设备还可以利用活化边表技术对多边形扫描线填充过程进行加速。在处理扫描线与多边形的边进行求交运算时,由于边的连贯性,当一条扫描线li与多边形的某条边相交时,其相邻扫描线li+1可能也与该条边相交(除非扫描线li+1超出了该条边所在区间),并且扫描线li+1与该条边的交点可以从前一条扫描线li与该条边的交点按照以下公式(1)递推求得:
其中,xi+1为扫描线li+1与该条边的交点,xi为扫描线li与该条边的交点,k为该条边的斜率,i为正整数。
此时,该条边(与扫描线相交的边)为活化边,可以按照组成每条活化边的最小纵坐标值由小到大的顺序对各条活化边进行排序,将排序后的活化边存放在一个链表中,可以称此链表为活化边表。针对每条活化边,在扫描线扫描多边形的过程中,每次扫描到新位置的时候,需要确定该活化边是否已经扫描完毕,若扫描完毕,则需要将该活化边从活化边表中删除;还需要确定扫描线是否扫描到新的边,若扫描到新的边,将所扫描到的边添加到活化边表中,并对活化边表中的各条活化边重新排序。
在本实施例的一些可选的实现方式中,在对上述目标区域填充之后,上述电子设备可以确定上述障碍物的点云数据对应于上述预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于上述目标区域中的障碍物的点云数据,最终生成点云数据集合。具体地,上述电子设备可以将障碍物的点云数据中用于表征高度信息的坐标值设置为上述目标区域的高度值,从而确定障碍物在上述预设区域上的投影,点云数据所指示的各个点中的每一点均与预设区域中的一个位置相对应,一个位置可以与多个点相对应;之后,可以将已被填充的位置所对应的点的点云数据确定为存在于上述目标区域中的障碍物的点云数据,并生成点云数据集合。
在本实施例的一些可选的实现方式中,上述电子设备通常需要确定多边形的每个顶点与扫描线的交点数量。针对上述目标区域所组成的多边形的每个顶点,上述电子设备可以执行以下交点确定步骤:首先,响应于确定出平行于横坐标轴的扫描线扫描到该顶点,上述电子设备可以获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,上述第一顶点和上述第二顶点为上述多边形的各顶点中与该顶点相邻的顶点,与该顶点相邻的顶点为与该顶点共用一条边的顶点,即该顶点与上述相邻的顶点为上述多边形的一条边的两个端点;之后,可以将上述第一顶点和上述第二顶点中横坐标值小的端点(左侧端点)的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;而后,可以将上述第一顶点和上述第二顶点中横坐标值大的端点(右侧端点)的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;最后,确定上述第一差值与上述第二差值的乘积是否大于零,若大于零,则可以将该顶点与上述扫描线的交点个数确定为两个。
在这里,响应于确定出上述第一差值和上述第二差值的乘积等于零,则可以确定该顶点所连接的边中存在水平边(平行于横坐标轴的边),此时,至少可以通过以下两种方式确定顶点与扫描线之间的交点个数:
方式一,响应于确定出上述第一差值和上述第二差值中的一个差值等于零而另一个差值大于零,则可以将该顶点与上述扫描线的交点个数确定为一个;响应于确定出上述第一差值和上述第二差值中的一个差值等于零而另一个差值小于零,则可以将该顶点与上述扫描线的交点个数确定为零个。
方式二,响应于确定出上述第一差值和上述第二差值的乘积等于零,则可以将该顶点与上述扫描线的交点个数确定为两个。
通过上述两种方式确定出该顶点与上述扫描线的交点个数之后,可以进一步确定并填充多边形的内部区域。而与该顶点相连接的水平边可能被确定为多边形的内部区域,也可能被确定为多边形的外部区域,此时,需要根据实际情况对水平边属于多边形的内部区域还是外部区域进行调整,以保证更精确地确定出无人驾驶车辆的目标区域(感兴趣区域)。
步骤204,输出目标点云数据集合。
在本实施例中,上述电子设备可以将步骤203中确定出的目标点云数据集合进行输出。上述电子设备可以将上述目标点云数据集合输出到与上述电子设备进行通信连接的云服务器中;也可以对上述目标点云数据集合进行分析,生成用于表征上述目标区域内障碍物的三维图像并呈现在上述无人驾驶车辆的显示器上。
继续参见图3,图3是根据本实施例的用于无人驾驶车辆的信息输出方法的应用场景的一个示意图。在图3的应用场景中,车载终端设备301首先基于车载终端设备301运行于上的无人驾驶车辆的定位信息303为东经40度27分6秒、北纬116度38分3秒,从终端设备中所存储的高精地图中确定无人驾驶车辆周边的目标区域304为车辆前方五米,道路宽度为十米的道路区域;之后,车载终端设备301通过激光雷达302获取无人驾驶车辆前方20米×20米的正方形区域内障碍物的点运输局305;而后,若目标区域304为无人驾驶车辆坐标系下的二维多边形,点云数据305为无人驾驶车辆坐标系下的各个点的三维坐标,车载终端设备301将点云数据305所指示的各个点在目标区域304所组成的二维多边形所在的平面上投影,将各个投影点中位于目标区域304内部的投影点所对应的点云数据确定为存在于目标区域304中的障碍物的点云数据集合,并将上述点云数据集合确定为目标点云数据集合306;最后,车载终端设备301将上述目标点云数据集合306进行输出。
本申请的上述实施例提供的方法通过确定并输出无人驾驶车辆的感知兴趣区域内的障碍物的点云数据,从而减小了车载终端处理器的使用率,提高了车辆驾驶的安全性。
进一步参考图4,其示出了用于无人驾驶车辆的信息输出方法的又一个实施例的流程400。该用于无人驾驶车辆的信息输出方法的流程400,包括以下步骤:
步骤401,基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域。
步骤402,通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据。
在本实施例中,步骤401-402的操作与步骤201-202的操作基本相同,在此不再赘述。
步骤403,将预设区域的图像按照预设网格尺寸划分为网格图。
在本实施例中,上述电子设备可以首先生成上述预设区域的图像,之后,可以将上述预设区域的图像按照预设网格尺寸(例如,网格边长为0.1米、0.2米)划分为网格图。作为示例,若上述预设区域为20米×20米的区域,预设的网格边长为0.25米,则可以将图像划分成80×80的网格图。
步骤404,生成网格图的比特位图。
在本实施例中,上述电子设备可以生成上述网格图的比特位图,其中,上述网格图中的每一网格对应于上述比特位图中的一个比特位,上述比特位图中的每一比特位上的数值均可以为预设第一数值(例如,0)。上述比特位图也可以称为比特映射关系图,比特位图是用一个比特位来标记某个元素对应的值(value),而键(key)即是这个元素,采用比特为单位存储数据可以节省存储空间。
步骤405,采用多边形扫描线填充算法,在网格图中确定针对目标区域的待填充区域,将待填充区域中的网格所对应的比特位上的数值修改为第二预设数值。
在本实施例中,上述电子设备可以采用多边形扫描线填充算法,在步骤403中所生成的网格图中确定针对目标区域的待填充区域。具体的,首先,上述电子设备可以在网格图的网格区域上选定主方向,可以将y方向设置为主方向,也可以将多边形在x方向和y方向上跨度最大的方向确定为主方向,在这里,并不局限于其它主方向的选择方式,为阐述方便,将y方向设置为主方向,将扫描线的扫描方向设置为从下到上。之后,确定多边形的各个顶点在主方向上的最大值y_max和最小值y_min,初始时,确定扫描线y_min与多边形的相交情况,从左到右对交点进行排序,将排序序号为奇数的交点到排序序号为偶数的交点之间的区域确定为多边形内部区域,上述多边形内部区域即为待填充区域。而后,确定扫描线y_min+delta_y与多边形的相交情况,其中,delta_y为y方向上划分的网格尺寸,继续确定上述多边形内部区域,直到多边形扫描结束。
在本实施例中,上述电子设备还可以利用活化边表技术对多边形扫描线填充过程进行加速。在处理扫描线与多边形的边进行求交运算时,由于边的连贯性,当一条扫描线li与多边形的某条边相交时,其相邻扫描线li+1可能也与该条边相交(除非扫描线li+1超出了该条边所在区间),并且扫描线li+1与该条边的交点可以从前一条扫描线li与该条边的交点按照以下公式(2)递推求得:
其中,xi+1为扫描线li+1与该条边的交点,xi为扫描线li与该条边的交点,k为该条边的斜率,i为正整数。
此时,该条边(与扫描线相交的边)为活化边,可以按照组成每条活化边的最小纵坐标值由小到大的顺序对各条活化边进行排序,将排序后的活化边存放在一个链表中,可以称此链表为活化边表。针对每条活化边,在扫描线扫描多边形的过程中,每次扫描到新位置的时候,需要确定该活化边是否已经扫描完毕,若扫描完毕,则需要将该活化边从活化边表中删除;还需要确定扫描线是否扫描到新的边,若扫描到新的边,将所扫描到的边添加到活化边表中,并对活化边表中的各条活化边重新排序。
在本实施例中,上述电子设备可以将待填充区域中的网格所对应的比特位上的数值修改为第二预设数值(例如,1)。由于比特位图可以同时对预设位数(例如,32位或64位)的比特位进行处理,在这里,可以同时将上述预设位数的比特位上的数值修改为上述第二预设数值,从而加速了扫描过程。
步骤406,确定障碍物的点云数据在网格图中所对应的网格,并在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,将选取出的网格对应的点云数据确定为存在于目标区域中的障碍物的点云数据,生成点云数据集合,并将点云数据集合确定为目标点云数据集合。
在本实施例中,上述电子设备可以确定上述障碍物的点云数据在上述网格图中所对应的网格,并可以在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,之后,可以将选取出的网格对应的点云数据确定为存在于目标区域中的障碍物的点云数据,生成点云数据集合,并将点云数据集合确定为目标点云数据集合。具体地,上述电子设备可以将障碍物的点云数据中用于表征高度信息的坐标值设置为上述目标区域的高度值,从而确定障碍物在上述预设区域上的投影,点云数据所指示的各个点中的每一点均与划分后的网格图的一个网格相对应,一个网格可以与多个点相对应;之后,可以在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,并可以将选取出的网格对应的点云数据确定为存在于上述目标区域中的障碍物的点云数据,生成点云数据集合,并将上述点云数据集合确定为目标点云数据集合。
步骤407,输出目标点云数据集合。
在本实施例中,步骤407的操作与步骤204的操作基本相同,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于无人驾驶车辆的信息输出方法的流程400突出了利用比特位图中的比特位标记待填充区域的网格的步骤。由此,本实施例描述的方案可以提高扫描线扫描多边形时的扫描速率,进一步减小车载终端处理器的使用率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于无人驾驶车辆的信息输出装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于无人驾驶车辆的信息输出装置500包括:第一确定单元501、获取单元502、第二确定单元503和输出单元504。其中,第一确定单元501配置用于基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域;获取单元502配置用于通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,预设区域包含目标区域;第二确定单元503配置用于基于目标区域和点云数据,确定存在于目标区域中的障碍物的点云数据集合,并将点云数据集合确定为目标点云数据集合;输出单元504配置用于输出目标点云数据集合。
在本实施例中,用于无人驾驶车辆的信息输出装置500的第一确定单元501、获取单元502、第二确定单元503和输出单元504的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204。
在本实施例的一些可选的实现方式中,上述目标区域可以为世界坐标系下的二维多边形,世界坐标系是系统的绝对坐标系,在没有建立用户坐标系之前画面上所有点的坐标都是以世界坐标系的原点来确定各自的位置的。上述用于无人驾驶车辆的信息输出装置500还可以包括转换单元(图中未示出),上述转换单元在获取到上述预设区域内的障碍物的点云数据之后,需要将上述点云数据从局部坐标系转换到世界坐标系中,其中,上述局部坐标系是以上述激光雷达的中点为坐标原点的坐标系。局部坐标系到世界坐标系的坐标变换是目前广泛研究和应用的公知常识,在此不再赘述。
在本实施例的一些可选的实现方式中,上述第二确定单元503可以包括填充模块(图中未示出)和第一生成模块(图中未示出)。上述填充模块可以采用多边形扫描线填充算法对上述预设区域的图像中的目标区域进行填充。具体的,首先,上述填充模块可以将坐标系中的y轴方向设置为主方向,也可以将多边形在x轴方向和y轴方向上跨度最大的方向确定为主方向,在这里,并不局限于其它主方向的选择方式,为阐述方便,将y轴方向设置为主方向,将扫描线的扫描方向设置为从下到上。之后,扫描线开始对目标区域所组成的多边形进行扫描,可以记录扫描线在每一次扫描过程中与多边形的交点,从左到右对交点进行排序。而后,将排序序号为奇数的交点到排序序号为偶数的交点之间的区域确定为多边形内部区域。最后,按照固定的扫描间隔,更新扫描线的位置,直到多边形扫描结束。
在本实施例的一些可选的实现方式中,在对上述目标区域填充之后,上述第一生成模块可以确定上述障碍物的点云数据对应于上述预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于上述目标区域中的障碍物的点云数据,最终生成点云数据集合。具体地,上述第一生成模块可以将障碍物的点云数据中用于表征高度信息的坐标值设置为上述目标区域的高度值,从而确定障碍物在上述预设区域上的投影,点云数据所指示的各个点中的每一点均与预设区域中的一个位置相对应,一个位置可以与多个点相对应;之后,上述第一生成模块可以将已被填充的位置所对应的点的点云数据确定为存在于上述目标区域中的障碍物的点云数据,并生成点云数据集合。
在本实施例的一些可选的实现方式中,上述第二确定单元503还可以包括划分模块(图中未示出)和第二生成模块(图中未示出)、修改模块(图中未示出)和确定模块(图中未示出)。上述划分模块可以首先生成上述预设区域的图像,之后,可以将上述预设区域的图像按照预设网格尺寸划分为网格图。上述第二生成模块可以生成上述网格图的比特位图,其中,上述网格图中的每一网格对应于上述比特位图中的一个比特位,上述比特位图中的每一比特位上的数值均可以为预设第一数值。上述比特位图也可以称为比特映射关系图,比特位图是用一个比特位来标记某个元素对应的值,而键即是这个元素,采用比特为单位存储数据可以节省存储空间。
在本实施例的一些可选的实现方式中,上述修改模块可以采用多边形扫描线填充算法,在生成的网格图中确定针对目标区域的待填充区域。具体的,首先,上述修改模块可以在网格图的网格区域上选定主方向,可以将y方向设置为主方向,也可以将多边形在x方向和y方向上跨度最大的方向确定为主方向,在这里,并不局限于其它主方向的选择方式,为阐述方便,将y方向设置为主方向,将扫描线的扫描方向设置为从下到上。之后,确定多边形的各个顶点在主方向上的最大值y_max和最小值y_min,初始时,确定扫描线y_min与多边形的相交情况,从左到右对交点进行排序,将排序序号为奇数的交点到排序序号为偶数的交点之间的区域确定为多边形内部区域,上述多边形内部区域即为待填充区域。而后,确定扫描线y_min+delta_y与多边形的相交情况,其中,delta_y为y方向上划分的网格尺寸,继续确定上述多边形内部区域,直到多边形扫描结束。
在本实施例的一些可选的实现方式中,上述确定模块可以确定上述障碍物的点云数据在上述网格图中所对应的网格,并可以在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,之后,可以将选取出的网格对应的点云数据确定为存在于目标区域中的障碍物的点云数据,生成点云数据集合,并将点云数据集合确定为目标点云数据集合。具体地,上述确定模块可以将障碍物的点云数据中用于表征高度信息的坐标值设置为上述目标区域的高度值,从而确定障碍物在上述预设区域上的投影,点云数据所指示的各个点中的每一点均与划分后的网格图的一个网格相对应,一个网格可以与多个点相对应;之后,可以在所确定出的网格中选取所对应的比特位上的数值为第二预设数值的网格,并可以将选取出的网格对应的点云数据确定为存在于上述目标区域中的障碍物的点云数据,生成点云数据集合,并将上述点云数据集合确定为目标点云数据集合。
在本实施例的一些可选的实现方式中,通常需要确定多边形的每个顶点与扫描线的交点数量。针对上述目标区域所组成的多边形的每个顶点,上述填充模块可以执行以下交点确定步骤:首先,响应于确定出平行于横坐标轴的扫描线扫描到该顶点,上述填充模块可以获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,上述第一顶点和上述第二顶点为上述多边形的各顶点中与该顶点相邻的顶点,与该顶点相邻的顶点为与该顶点共用一条边的顶点,即该顶点与上述相邻的顶点为上述多边形的一条边的两个端点;之后,可以将上述第一顶点和上述第二顶点中横坐标值小的端点的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;而后,可以将上述第一顶点和上述第二顶点中横坐标值大的端点的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;最后,确定上述第一差值与上述第二差值的乘积是否大于零,若大于零,则可以将该顶点与上述扫描线的交点个数确定为两个。
下面参考图6,其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600包括中央处理单元(CPU)601、存储器602、输入单元603和输出单元604,其中,CPU 601、存储器602、输入单元603以及输出单元604通过总线605彼此相连。在此,根据本申请实施例的方法可以被实现为计算机程序,并且存储在存储器602中。电子设备600中的CPU 601通过调用存储器602中存储的上述计算机程序,来具体实现本申请实施例的方法中限定的信息输出功能。在一些实现方式中,输入单元603可以是激光雷达等可用于获取点云数据的设备,输出单元604可以是显示器等可用于目标区域中障碍物三维图像的设备。由此,CPU 601在调用上述计算机程序执行信息输出功能时,可以控制输入单元603从外部获取障碍物的点云数据,以及控制输出单元604对障碍物的三维图像进行显示。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的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或者是上述两者的任意组合。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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中,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。而在本申请中,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。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一确定单元、获取单元、第二确定单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。例如,输出单元还可以被描述为“输出目标点云数据集合的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:基于无人驾驶车辆的定位信息,从目标地图中确定无人驾驶车辆周边的目标区域;通过激光雷达获取无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,预设区域包含目标区域;基于目标区域和点云数据,确定存在于目标区域中的障碍物的点云数据集合,并将点云数据集合确定为目标点云数据集合;输出目标点云数据集合。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种用于无人驾驶车辆的信息输出方法,所述无人驾驶车辆包括激光雷达,所述方法包括:
基于所述无人驾驶车辆的定位信息,从目标地图中确定所述无人驾驶车辆周边的目标区域;
通过所述激光雷达获取所述无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,所述预设区域包含所述目标区域;
基于所述目标区域和所述点云数据,确定存在于所述目标区域中的障碍物的点云数据集合,并将所述点云数据集合确定为目标点云数据集合;
输出所述目标点云数据集合。
2.根据权利要求1所述的方法,其中,所述目标区域为世界坐标系下的二维多边形;以及
在所述获取所述无人驾驶车辆周边障碍物的点云数据之后,所述方法还包括:
将所述点云数据从局部坐标系转换到世界坐标系中,其中,所述局部坐标系是以所述激光雷达的中点为坐标原点的坐标系。
3.根据权利要求1所述的方法,其中,所述确定存在于所述目标区域中的障碍物的点云数据集合,包括:
采用多边形扫描线填充算法对所述预设区域的图像中的所述目标区域进行填充;
确定所述障碍物的点云数据对应于所述预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于所述目标区域中的障碍物的点云数据,生成点云数据集合。
4.根据权利要求1所述的方法,其中,所述确定存在于所述目标区域中的障碍物的点云数据集合,包括:
将所述预设区域的图像按照预设网格尺寸划分为网格图;
生成所述网格图的比特位图,其中,所述网格图中的每一网格对应所述比特位图中的一个比特位,所述比特位图中的每一比特位上的数值均为预设第一数值;
采用多边形扫描线填充算法,在所述网格图中确定针对所述目标区域的待填充区域,将所述待填充区域中的网格所对应的比特位上的数值修改为第二预设数值;
确定所述障碍物的点云数据在所述网格图中所对应的网格,并在所确定出的网格中选取所对应的比特位上的数值为所述第二预设数值的网格,将选取出的网格对应的点云数据确定为存在于所述目标区域中的障碍物的点云数据。
5.根据权利要求3所述的方法,其中,所述采用多边形扫描线填充算法对所述预设区域的图像中的所述目标区域进行填充,包括:
针对所述目标区域所组成的多边形的每个顶点,执行以下交点确定步骤:响应于确定出平行于横坐标轴的扫描线扫描到该顶点,获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,所述第一顶点和所述第二顶点为所述多边形的各顶点中与该顶点相邻的顶点;将所述第一顶点和所述第二顶点中横坐标值小的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;将所述第一顶点和所述第二顶点中横坐标值大的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;响应于确定出所述第一差值与所述第二差值的乘积大于零,将该顶点与所述扫描线的交点个数确定为两个。
6.一种用于无人驾驶车辆的信息输出装置,所述无人驾驶车辆包括激光雷达,所述装置包括:
第一确定单元,配置用于基于所述无人驾驶车辆的定位信息,从目标地图中确定所述无人驾驶车辆周边的目标区域;
获取单元,配置用于通过所述激光雷达获取所述无人驾驶车辆周边预设区域内的障碍物的点云数据,其中,所述预设区域包含所述目标区域;
第二确定单元,配置用于基于所述目标区域和所述点云数据,确定存在于所述目标区域中的障碍物的点云数据集合,并将所述点云数据集合确定为目标点云数据集合;
输出单元,配置用于输出所述目标点云数据集合。
7.根据权利要求6所述的装置,其中,所述目标区域为世界坐标系下的二维多边形;以及
所述装置还包括:
转换单元,配置用于将所述点云数据从局部坐标系转换到世界坐标系中,其中,所述局部坐标系是以所述激光雷达的中点为坐标原点的坐标系。
8.根据权利要求6所述的装置,其中,所述第二确定单元,包括:
填充模块,配置用于采用多边形扫描线填充算法对所述预设区域的图像中的所述目标区域进行填充;
第一生成模块,配置用于确定所述障碍物的点云数据对应于所述预设区域中的位置,并将已被填充的位置所对应的点云数据确定为存在于所述目标区域中的障碍物的点云数据,生成点云数据集合。
9.根据权利要求6所述的装置,其中,所述第二确定单元,包括:
划分模块,配置用于将所述预设区域的图像按照预设网格尺寸划分为网格图;
第二生成模块,配置用于生成所述网格图的比特位图,其中,所述网格图中的每一网格对应所述比特位图中的一个比特位,所述比特位图中的每一比特位上的数值均为预设第一数值;
修改模块,配置用于采用多边形扫描线填充算法,在所述网格图中确定针对所述目标区域的待填充区域,将所述待填充区域中的网格所对应的比特位上的数值修改为第二预设数值;
确定模块,配置用于确定所述障碍物的点云数据在所述网格图中所对应的网格,并在所确定出的网格中选取所对应的比特位上的数值为所述第二预设数值的网格,将选取出的网格对应的点云数据确定为存在于所述目标区域中的障碍物的点云数据。
10.根据权利要求8所述的装置,其中,所述填充模块进一步配置用于:
针对所述目标区域所组成的多边形的每个顶点,执行以下交点确定步骤:响应于确定出平行于横坐标轴的扫描线扫描到该顶点,获取第一顶点和第二顶点的横坐标值和纵坐标值,其中,所述第一顶点和所述第二顶点为所述多边形的各顶点中与该顶点相邻的顶点;将所述第一顶点和所述第二顶点中横坐标值小的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第一差值;将所述第一顶点和所述第二顶点中横坐标值大的顶点的纵坐标值与该顶点的纵坐标值的差值确定为第二差值;响应于确定出所述第一差值与所述第二差值的乘积大于零,将该顶点与所述扫描线的交点个数确定为两个。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,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1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711195021.3A CN109840448A (zh) | 2017-11-24 | 2017-11-24 | 用于无人驾驶车辆的信息输出方法和装置 |
US16/134,724 US10901429B2 (en) | 2017-11-24 | 2018-09-18 | Method and apparatus for outputting information of autonomous vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711195021.3A CN109840448A (zh) | 2017-11-24 | 2017-11-24 | 用于无人驾驶车辆的信息输出方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840448A true CN109840448A (zh) | 2019-06-04 |
Family
ID=66659119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711195021.3A Pending CN109840448A (zh) | 2017-11-24 | 2017-11-24 | 用于无人驾驶车辆的信息输出方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10901429B2 (zh) |
CN (1) | CN109840448A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632617A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 一种激光雷达点云数据处理的方法及装置 |
CN110927731A (zh) * | 2019-11-15 | 2020-03-27 | 深圳市镭神智能系统有限公司 | 一种立体防护方法、三维检测装置和计算机可读存储介质 |
CN111144211A (zh) * | 2019-08-28 | 2020-05-12 | 华为技术有限公司 | 点云显示方法和装置 |
CN111507973A (zh) * | 2020-04-20 | 2020-08-07 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN111717244A (zh) * | 2019-12-18 | 2020-09-29 | 河南思维轨道交通技术研究院有限公司 | 一种列车自动驾驶感知方法和系统 |
CN111735463A (zh) * | 2020-07-28 | 2020-10-02 | 北京云迹科技有限公司 | 一种建图方法及装置 |
CN112105956A (zh) * | 2019-10-23 | 2020-12-18 | 北京航迹科技有限公司 | 用于自动驾驶的系统和方法 |
CN112116804A (zh) * | 2019-06-19 | 2020-12-22 | 北京地平线机器人技术研发有限公司 | 一种车辆状态量信息确定方法及装置 |
CN112179360A (zh) * | 2019-06-14 | 2021-01-05 | 北京京东尚科信息技术有限公司 | 地图生成方法、装置、系统及介质 |
CN112232451A (zh) * | 2020-12-16 | 2021-01-15 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
WO2021012245A1 (en) * | 2019-07-25 | 2021-01-28 | Beijing Voyager Technology Co., Ltd. | Systems and methods for pose determination |
CN112526477A (zh) * | 2019-09-19 | 2021-03-19 | 北京百度网讯科技有限公司 | 用于处理信息的方法和装置 |
CN112560548A (zh) * | 2019-09-24 | 2021-03-26 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN112668371A (zh) * | 2019-10-16 | 2021-04-16 | 北京京东乾石科技有限公司 | 用于输出信息的方法和装置 |
WO2021114764A1 (zh) * | 2019-12-10 | 2021-06-17 | 亿嘉和科技股份有限公司 | 基于局部地图的地图修正方法及系统 |
CN113466815A (zh) * | 2021-06-29 | 2021-10-01 | 东软睿驰汽车技术(沈阳)有限公司 | 物体识别方法、装置、设备及存储介质 |
CN113702930A (zh) * | 2021-08-16 | 2021-11-26 | 中汽创智科技有限公司 | 一种角雷达安装角度校准方法、装置、设备及存储介质 |
CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 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 |
WO2022017133A1 (zh) * | 2020-07-22 | 2022-01-27 | 商汤集团有限公司 | 一种点云数据处理方法及装置 |
CN114228411A (zh) * | 2021-12-28 | 2022-03-25 | 驭势科技(北京)有限公司 | 连接控制方法、装置、设备及存储介质 |
CN114265430A (zh) * | 2021-12-21 | 2022-04-01 | 深圳市镭神智能系统有限公司 | 一种飞行汽车及其控制方法、计算机可读存储介质 |
CN114550476A (zh) * | 2021-11-30 | 2022-05-27 | 深圳元戎启行科技有限公司 | 数据处理方法、车辆管理平台以及计算机可读存储介质 |
WO2023050647A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海仙途智能科技有限公司 | 地图更新的方法、装置、计算机设备及介质 |
WO2024051024A1 (zh) * | 2022-09-06 | 2024-03-14 | 劢微机器人科技(深圳)有限公司 | 车辆避障方法、装置、设备及存储介质 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3948472A4 (en) | 2019-04-05 | 2022-12-07 | Equipmentshare.com Inc. | SYSTEM AND METHOD FOR AUTONOMOUS OPERATION OF A MACHINE |
CN112149695A (zh) * | 2019-06-26 | 2020-12-29 | 北京海益同展信息科技有限公司 | 限界检测方法、装置、设备及计算机可读存储介质 |
US10979692B2 (en) * | 2019-08-14 | 2021-04-13 | At&T Intellectual Property I, L.P. | System and method for streaming visible portions of volumetric video |
US11327178B2 (en) * | 2019-09-06 | 2022-05-10 | Volvo Car Corporation | Piece-wise network structure for long range environment perception |
CN110515386A (zh) * | 2019-09-19 | 2019-11-29 | 小狗电器互联网科技(北京)股份有限公司 | 一种智能机器人 |
CN112630799B (zh) * | 2019-09-24 | 2022-11-29 | 阿波罗智能技术(北京)有限公司 | 用于输出信息的方法和装置 |
CN110794392B (zh) * | 2019-10-15 | 2024-03-19 | 上海创昂智能技术有限公司 | 车辆定位方法、装置、车辆及存储介质 |
CN112802095B (zh) * | 2019-11-14 | 2024-04-16 | 北京四维图新科技股份有限公司 | 定位方法、装置及设备、以及自动驾驶定位系统 |
CN111009011B (zh) * | 2019-11-28 | 2023-09-19 | 深圳市镭神智能系统有限公司 | 车辆方向角的预测方法、装置、系统以及存储介质 |
CN110990516B (zh) * | 2019-12-13 | 2023-06-27 | 中科图新(苏州)科技有限公司 | 地图数据的处理方法、装置和服务器 |
CN113138594B (zh) * | 2020-01-20 | 2024-04-19 | 北京四维图新科技股份有限公司 | 自动驾驶方法及装置 |
CN111330271A (zh) * | 2020-02-24 | 2020-06-26 | 竞技世界(北京)网络技术有限公司 | 一种提示区域的显示方法及装置 |
US11725944B2 (en) * | 2020-03-02 | 2023-08-15 | Apollo Intelligent Driving Technology (Beijing) Co, Ltd. | Method, apparatus, computing device and computer-readable storage medium for positioning |
KR20220134033A (ko) * | 2020-03-26 | 2022-10-05 | 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 | 포인트 클라우드 특징 기반 장애물 필터링 시스템 |
CN111553844B (zh) | 2020-04-29 | 2023-08-29 | 阿波罗智能技术(北京)有限公司 | 用于更新点云的方法及装置 |
CN112027918B (zh) * | 2020-09-04 | 2022-09-16 | 上海驭矩信息科技有限公司 | 一种基于机器视觉的集卡防吊起检测方法 |
CN112598615A (zh) * | 2020-11-02 | 2021-04-02 | 禾多科技(北京)有限公司 | 障碍物检测方法、装置、电子设备和计算机可读介质 |
CN113504782B (zh) * | 2021-09-09 | 2022-02-18 | 北京智行者科技有限公司 | 障碍物防撞方法、装置、系统和移动工具 |
CN113838125A (zh) * | 2021-09-17 | 2021-12-24 | 中国第一汽车股份有限公司 | 目标位置确定方法、装置、电子设备以及存储介质 |
CN114445701B (zh) * | 2021-12-15 | 2023-07-04 | 深圳市速腾聚创科技有限公司 | 对站台障碍物的预警方法及装置、介质及电子设备 |
CN114812447B (zh) * | 2022-06-23 | 2022-09-20 | 质子汽车科技有限公司 | 地形面积计量方法及电动车辆 |
CN116681767B (zh) * | 2023-08-03 | 2023-12-29 | 长沙智能驾驶研究院有限公司 | 一种点云搜索方法、装置及终端设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919471A (zh) * | 2013-01-14 | 2015-09-16 | 罗伯特·博世有限公司 | 障碍物地图的构建 |
CN106054208A (zh) * | 2016-08-16 | 2016-10-26 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
CN107063713A (zh) * | 2017-04-27 | 2017-08-18 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8996224B1 (en) * | 2013-03-15 | 2015-03-31 | Google Inc. | Detecting that an autonomous vehicle is in a stuck condition |
WO2014152254A2 (en) * | 2013-03-15 | 2014-09-25 | Carnegie Robotics Llc | Methods, systems, and apparatus for multi-sensory stereo vision for robotics |
US9008890B1 (en) * | 2013-03-15 | 2015-04-14 | Google Inc. | Augmented trajectories for autonomous vehicles |
US20140293263A1 (en) * | 2013-03-28 | 2014-10-02 | James Justice | LIDAR Comprising Polyhedron Transmission and Receiving Scanning Element |
US9164511B1 (en) * | 2013-04-17 | 2015-10-20 | Google Inc. | Use of detected objects for image processing |
US10203399B2 (en) * | 2013-11-12 | 2019-02-12 | Big Sky Financial Corporation | Methods and apparatus for array based LiDAR systems with reduced interference |
US9796400B2 (en) * | 2013-11-27 | 2017-10-24 | Solfice Research, Inc. | Real time machine vision and point-cloud analysis for remote sensing and vehicle control |
US10279488B2 (en) * | 2014-01-17 | 2019-05-07 | Knightscope, Inc. | Autonomous data machines and systems |
US9766628B1 (en) * | 2014-04-04 | 2017-09-19 | Waymo Llc | Vision-based object detection using a polar grid |
US9494937B2 (en) * | 2014-06-20 | 2016-11-15 | Verizon Telematics Inc. | Method and system for drone deliveries to vehicles in route |
US9989969B2 (en) * | 2015-01-19 | 2018-06-05 | The Regents Of The University Of Michigan | Visual localization within LIDAR maps |
US10382975B2 (en) * | 2015-04-14 | 2019-08-13 | ETAK Systems, LLC | Subterranean 3D modeling at cell sites |
US10345809B2 (en) * | 2015-05-13 | 2019-07-09 | Uber Technologies, Inc. | Providing remote assistance to an autonomous vehicle |
JP7147119B2 (ja) * | 2015-11-02 | 2022-10-05 | スターシップ テクノロジーズ オウ | 自律的な自己位置推定のためのデバイス及び方法 |
US9754490B2 (en) * | 2015-11-04 | 2017-09-05 | Zoox, Inc. | Software application to request and control an autonomous vehicle service |
US10334050B2 (en) * | 2015-11-04 | 2019-06-25 | Zoox, Inc. | Software application and logic to modify configuration of an autonomous vehicle |
US10248119B2 (en) * | 2015-11-04 | 2019-04-02 | Zoox, Inc. | Interactive autonomous vehicle command controller |
KR102373926B1 (ko) * | 2016-02-05 | 2022-03-14 | 삼성전자주식회사 | 이동체 및 이동체의 위치 인식 방법 |
CN113238581A (zh) * | 2016-02-29 | 2021-08-10 | 星克跃尔株式会社 | 无人飞行器的飞行控制的方法和系统 |
US10859395B2 (en) * | 2016-12-30 | 2020-12-08 | DeepMap Inc. | Lane line creation for high definition maps for autonomous vehicles |
US10401500B2 (en) * | 2016-12-30 | 2019-09-03 | DeepMap Inc. | Encoding LiDAR scanned data for generating high definition maps for autonomous vehicles |
CN111108342B (zh) * | 2016-12-30 | 2023-08-15 | 辉达公司 | 用于高清地图创建的视觉测程法和成对对准 |
US10380890B2 (en) * | 2017-02-08 | 2019-08-13 | Baidu Usa Llc | Autonomous vehicle localization based on walsh kernel projection technique |
US10401866B2 (en) * | 2017-05-03 | 2019-09-03 | GM Global Technology Operations LLC | Methods and systems for lidar point cloud anomalies |
WO2019079211A1 (en) * | 2017-10-19 | 2019-04-25 | DeepMap Inc. | LIDAR-CAMERA CALIBRATION TO GENERATE HIGH DEFINITION MAPS |
US10962650B2 (en) * | 2017-10-31 | 2021-03-30 | United States Of America As Represented By The Administrator Of Nasa | Polyhedral geofences |
US10552689B2 (en) * | 2017-11-09 | 2020-02-04 | Here Global B.V. | Automatic occlusion detection in road network data |
US11197414B2 (en) * | 2018-01-26 | 2021-12-14 | Briggs & Stratton, Llc | Systems and devices for autonomous lawn care |
US11079764B2 (en) * | 2018-02-02 | 2021-08-03 | Nvidia Corporation | Safety procedure analysis for obstacle avoidance in autonomous vehicles |
CN112204343A (zh) * | 2018-03-02 | 2021-01-08 | 迪普迈普有限公司 | 高清晰地图数据的可视化 |
KR20200130279A (ko) * | 2018-03-05 | 2020-11-18 | 모빌아이 비젼 테크놀로지스 엘티디. | 항법 정보를 익명화 하는 시스템 및 방법 |
EP3785043B1 (en) * | 2018-04-23 | 2023-08-16 | Blackmore Sensors & Analytics, LLC | Method and system for controlling autonomous vehicle using coherent range doppler optical sensors |
US20190361454A1 (en) * | 2018-05-24 | 2019-11-28 | GM Global Technology Operations LLC | Control systems, control methods and controllers for an autonomous vehicle |
US10955842B2 (en) * | 2018-05-24 | 2021-03-23 | GM Global Technology Operations LLC | Control systems, control methods and controllers for an autonomous vehicle |
US10678253B2 (en) * | 2018-05-24 | 2020-06-09 | GM Global Technology Operations LLC | Control systems, control methods and controllers for an autonomous vehicle |
US11726208B2 (en) * | 2018-06-15 | 2023-08-15 | Uatc, Llc | Autonomous vehicle localization using a Lidar intensity map |
-
2017
- 2017-11-24 CN CN201711195021.3A patent/CN109840448A/zh active Pending
-
2018
- 2018-09-18 US US16/134,724 patent/US10901429B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919471A (zh) * | 2013-01-14 | 2015-09-16 | 罗伯特·博世有限公司 | 障碍物地图的构建 |
US20150353083A1 (en) * | 2013-01-14 | 2015-12-10 | Robert Bosch Gmbh | Creation of an obstacle map |
CN106054208A (zh) * | 2016-08-16 | 2016-10-26 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN106774296A (zh) * | 2016-10-24 | 2017-05-31 | 中国兵器装备集团自动化研究所 | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 |
CN106707293A (zh) * | 2016-12-01 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于车辆的障碍物识别方法和装置 |
CN107063713A (zh) * | 2017-04-27 | 2017-08-18 | 百度在线网络技术(北京)有限公司 | 应用于无人驾驶汽车的测试方法和装置 |
Non-Patent Citations (2)
Title |
---|
任洪海: "《计算机图形学理论与算法基础》", 29 February 2012 * |
冯宗宝: "3D障碍物感知", 《知乎》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112179360A (zh) * | 2019-06-14 | 2021-01-05 | 北京京东尚科信息技术有限公司 | 地图生成方法、装置、系统及介质 |
CN112116804A (zh) * | 2019-06-19 | 2020-12-22 | 北京地平线机器人技术研发有限公司 | 一种车辆状态量信息确定方法及装置 |
CN112116804B (zh) * | 2019-06-19 | 2023-03-07 | 北京地平线机器人技术研发有限公司 | 一种车辆状态量信息确定方法及装置 |
WO2021012245A1 (en) * | 2019-07-25 | 2021-01-28 | Beijing Voyager Technology Co., Ltd. | Systems and methods for pose determination |
CN111144211B (zh) * | 2019-08-28 | 2023-09-12 | 华为技术有限公司 | 点云显示方法和装置 |
US11410389B2 (en) | 2019-08-28 | 2022-08-09 | Huawei Technologies Co., Ltd. | Point cloud display method and apparatus |
CN111144211A (zh) * | 2019-08-28 | 2020-05-12 | 华为技术有限公司 | 点云显示方法和装置 |
WO2021036578A1 (zh) * | 2019-08-28 | 2021-03-04 | 华为技术有限公司 | 点云显示方法和装置 |
CN112526477B (zh) * | 2019-09-19 | 2023-12-15 | 北京百度网讯科技有限公司 | 用于处理信息的方法和装置 |
CN112526477A (zh) * | 2019-09-19 | 2021-03-19 | 北京百度网讯科技有限公司 | 用于处理信息的方法和装置 |
CN112560548A (zh) * | 2019-09-24 | 2021-03-26 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN112560548B (zh) * | 2019-09-24 | 2024-04-02 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN110632617A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 一种激光雷达点云数据处理的方法及装置 |
CN112668371B (zh) * | 2019-10-16 | 2024-04-09 | 北京京东乾石科技有限公司 | 用于输出信息的方法和装置 |
CN112668371A (zh) * | 2019-10-16 | 2021-04-16 | 北京京东乾石科技有限公司 | 用于输出信息的方法和装置 |
CN112105956A (zh) * | 2019-10-23 | 2020-12-18 | 北京航迹科技有限公司 | 用于自动驾驶的系统和方法 |
CN110927731B (zh) * | 2019-11-15 | 2021-12-17 | 深圳市镭神智能系统有限公司 | 一种立体防护方法、三维检测装置和计算机可读存储介质 |
CN110927731A (zh) * | 2019-11-15 | 2020-03-27 | 深圳市镭神智能系统有限公司 | 一种立体防护方法、三维检测装置和计算机可读存储介质 |
WO2021114764A1 (zh) * | 2019-12-10 | 2021-06-17 | 亿嘉和科技股份有限公司 | 基于局部地图的地图修正方法及系统 |
CN111717244A (zh) * | 2019-12-18 | 2020-09-29 | 河南思维轨道交通技术研究院有限公司 | 一种列车自动驾驶感知方法和系统 |
JP2022539093A (ja) * | 2020-04-20 | 2022-09-07 | 上海商▲湯▼▲臨▼港智能科技有限公司 | 目標検出方法及び装置、電子機器、記憶媒体並びにプログラム |
CN111507973B (zh) * | 2020-04-20 | 2024-04-12 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN111507973A (zh) * | 2020-04-20 | 2020-08-07 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
WO2021213241A1 (zh) * | 2020-04-20 | 2021-10-28 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备、存储介质及程序 |
CN113859228A (zh) * | 2020-06-30 | 2021-12-31 | 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 |
WO2022017133A1 (zh) * | 2020-07-22 | 2022-01-27 | 商汤集团有限公司 | 一种点云数据处理方法及装置 |
CN111735463A (zh) * | 2020-07-28 | 2020-10-02 | 北京云迹科技有限公司 | 一种建图方法及装置 |
CN112232451A (zh) * | 2020-12-16 | 2021-01-15 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
CN112232451B (zh) * | 2020-12-16 | 2021-04-30 | 禾多科技(北京)有限公司 | 多传感器数据融合方法、装置、电子设备和介质 |
CN113466815A (zh) * | 2021-06-29 | 2021-10-01 | 东软睿驰汽车技术(沈阳)有限公司 | 物体识别方法、装置、设备及存储介质 |
CN113702930A (zh) * | 2021-08-16 | 2021-11-26 | 中汽创智科技有限公司 | 一种角雷达安装角度校准方法、装置、设备及存储介质 |
WO2023050647A1 (zh) * | 2021-09-28 | 2023-04-06 | 上海仙途智能科技有限公司 | 地图更新的方法、装置、计算机设备及介质 |
CN114550476A (zh) * | 2021-11-30 | 2022-05-27 | 深圳元戎启行科技有限公司 | 数据处理方法、车辆管理平台以及计算机可读存储介质 |
CN114265430A (zh) * | 2021-12-21 | 2022-04-01 | 深圳市镭神智能系统有限公司 | 一种飞行汽车及其控制方法、计算机可读存储介质 |
CN114228411B (zh) * | 2021-12-28 | 2023-09-15 | 驭势科技(北京)有限公司 | 连接控制方法、装置、设备及存储介质 |
CN114228411A (zh) * | 2021-12-28 | 2022-03-25 | 驭势科技(北京)有限公司 | 连接控制方法、装置、设备及存储介质 |
WO2024051024A1 (zh) * | 2022-09-06 | 2024-03-14 | 劢微机器人科技(深圳)有限公司 | 车辆避障方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20190171212A1 (en) | 2019-06-06 |
US10901429B2 (en) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109840448A (zh) | 用于无人驾驶车辆的信息输出方法和装置 | |
EP3506212B1 (en) | Method and apparatus for generating raster map | |
CN110832348B (zh) | 用于自主车辆的高清晰度地图的点云数据丰富 | |
CN110008851B (zh) | 一种车道线检测的方法及设备 | |
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 | |
CN109541634A (zh) | 一种路径规划方法、装置和移动设备 | |
CN111492403A (zh) | 用于生成高清晰度地图的激光雷达到相机校准 | |
CN107850450A (zh) | 用于生成及使用定位参考数据的方法及系统 | |
CN108629231A (zh) | 障碍物检测方法、装置、设备及存储介质 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN108734780A (zh) | 用于生成地图的方法、装置和设备 | |
CN111353453B (zh) | 用于车辆的障碍物检测方法和装置 | |
CN109583312A (zh) | 车道线识别方法、装置、设备及存储介质 | |
CN110850859A (zh) | 一种机器人及其避障方法和避障系统 | |
CN115406457A (zh) | 一种可行驶区域检测方法、系统、设备及存储介质 | |
CN115794414A (zh) | 基于并行计算的卫星对地通视分析方法、装置和设备 | |
CN115825067A (zh) | 一种基于无人机的地质信息采集方法、系统及电子设备 | |
CN111401190A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN115147333A (zh) | 一种目标检测方法及装置 | |
CN116736259A (zh) | 一种用于塔吊自动驾驶的激光点云坐标标定的方法及装置 | |
CN116642490A (zh) | 基于混合地图的视觉定位导航方法、机器人及存储介质 | |
US20230282116A1 (en) | 4-dimensional path display method for unmanned vehicle using point cloud | |
JP2023130558A (ja) | 測量支援システム、情報表示端末、測量支援方法、及び測量支援プログラム | |
EP4036859A1 (en) | A system and method for providing improved geocoded reference data to a 3d map representation | |
CN114565906A (zh) | 障碍物检测方法、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211009 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. |
|
TA01 | Transfer of patent application right |