CN110008941B - 可行驶区域检测方法、装置、计算机设备和存储介质 - Google Patents
可行驶区域检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110008941B CN110008941B CN201910484995.6A CN201910484995A CN110008941B CN 110008941 B CN110008941 B CN 110008941B CN 201910484995 A CN201910484995 A CN 201910484995A CN 110008941 B CN110008941 B CN 110008941B
- Authority
- CN
- China
- Prior art keywords
- sector
- point
- travelable
- module
- height
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005192 partition Methods 0.000 claims abstract description 170
- 230000004888 barrier function Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 6
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请涉及一种可行驶区域检测方法、装置、计算机设备和存储介质。所述方法包括：获取智能行驶设备的激光雷达环视360°所采集的三维点云数据，根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到，根据三维点云数据，确定各扇形分区的可行驶点，根据各扇形分区的所有可行驶点，拟合得到可行驶平面，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域，合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。该方法能够快速地确定可行驶区域。
Description
技术领域
本申请涉及自动驾驶技术领域，特别是涉及一种可行驶区域检测方法、装置、计算机设备和存储介质。
背景技术
在自动驾驶中，车辆的可行驶区域检测是无人驾驶技术中的关键技术之一，结合高精度地图可以给车辆的安全行驶多一道冗余保障。具体地，激光雷达（lidar）点云数据能检测到道路上的地面点，以及周边的障碍物，根据点云信息能够确定出自动驾驶车辆的可行驶区域。
目前，基于激光雷达的可行驶区域检测通常是先提取特征，再拟合直线，利用直线约束与车身宽度来确定可行驶区域的范围。由于依赖拟合的直线来划分，该方法在交叉路口以及路边停有车辆的路段可行驶区域检测准确率低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高检测准确率的可行驶区域检测方法、装置、计算机设备和存储介质。
一种可行驶区域检测方法，所述方法包括：
获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
根据所述三维点云数据，确定各点所属的扇形分区；所述扇形分区通过对激光雷达360°的扫描区域进行划分得到；
根据所述三维点云数据，确定各扇形分区的可行驶点；
根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面；
根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域；
合并各所述扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
在其中一个实施例中，所述根据所述三维点云数据，确定各扇形分区的可行驶点的步骤，包括：
根据所述三维点云数据，获取各所述扇形分区的最低点的高度；
当所述最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到所述扇形分区的可行驶点。
在其中一个实施例中，根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：
利用列文伯格－马夸特算法，对各所述扇形分区的所有可行驶点拟合平面，得到可行驶平面。
在其中一个实施例中，所述根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域的步骤，包括：
根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；
以所述最近障碍物与所述车身之间的距离为半径，得到所述扇形分区的可行驶区域。
在其中一个实施例中，所述根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物的步骤，包括：
将各所述扇形分区内所有点在二维平面按到所述车身的距离进行排序；
获取到车身距离最近的点；
比较该点的高度与该点在可行驶平面的投影高度的高度差；
若所述高度差的绝对值小于预设值，则根据排序，获取所述扇形分区的下一点；
返回比较该点的高度与该点在可行驶平面的投影高度的高度差的步骤，直至当所述高度差的绝对值大于或等于预设值时，确定该点为距离所述车身最近的障碍物。
在其中一个实施例中，所述根据所述三维点云数据，确定各点所属的扇形分区的步骤，包括：
将所述激光雷达360°的扫描区域进行等角度划分，得到各扇形分区；
根据所述三维点云数据，得到各点在二维平面的投影点信息；
根据所述投影点信息，确定各点所属的扇形分区。
在其中一个实施例中，所述根据所述投影点信息，确定各点所属的扇形分区的步骤，包括：
根据所述投影点信息，计算投影点与扫描起始线的夹角；
根据所述夹角与扇形分区的角度，确定各点所属的扇形分区。
一种可行驶区域检测装置，所述装置包括：
点云数据获取模块，用于获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
分区模块，用于根据所述三维点云数据，确定各点所属的扇形分区；所述扇形分区通过对激光雷达360°的扫描区域进行划分得到；
可行驶点确定模块，用于根据所述三维点云数据，确定各扇形分区的可行驶点；
平面拟合模块，用于根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面；
可行驶区域确定模块，用于根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域；
合并模块，用于合并各所述扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的方法的步骤。
上述可行驶区域检测方法、装置、计算机设备和存储介质，通过将智能设备的激光雷达360°的扫描区域划分为多个扇形分区，将三维点云分配至所属的扇形分区，以扇形分区为单位，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域，合并所有扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。由于对三维点云数据分扇区进行处理，有利用对车身360°都进行检测分析，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域的方式，以可行驶平面为基础，克服了直线拟合进行划分的缺陷，能够快速地确定可行驶区域。
附图说明
图1为一个实施例中可行驶区域检测方法的流程示意图。
图2至图4为一个采用本申请实施例方法得到的可行驶区域的效果图。
图5为一个实施例中点云划分到扇形分区的划分示意图。
图6为一个实施例中确定扇形分区的可行驶区域的步骤的流程示意图。
图7为一个实施例中可行驶区域检测装置的结构框图。
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的可行驶区域检测方法，可以应用于行驶控制装置，行驶控制装置用于控制智能行驶设备行驶。智能行驶设备搭载有激光雷达，用于采集智能行驶设备周围环境的三维点云数据。激光雷达与行驶控制装置连接，将采集的三维点云数据发送至行驶控制装置。行驶控制装置根据三维点云数据，采用本申请提供的可行驶区域检测方法确定智能行驶设备的可行驶区域，并根据确定的可行驶区域，控制智能行驶设备在可行驶区域内行驶。其中，行驶控制装置可设置在智能行驶设备上，智能行驶设备可以为智能车辆或机器人等。
在一个实施例中，如图1所示，提供了一种可行驶区域检测方法，以该方法应用于行驶控制装置为例进行说明，包括以下步骤：
S102，获取智能行驶设备的激光雷达环视360°所采集的三维点云数据。
智能行驶设备是指具有驱动装置，能够在一定范围内行驶的设备，包括但不限于车辆，无人机，船只和机器人等。智能行驶设备搭载有激光雷达，用于采集智能行驶设备周围环境的三维点云数据。本实施例中，激光雷达环视360°，根据激光测量原理采集智能行驶设备四周的三维点云数据，包括三维坐标（XYZ）。
S104，根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到。
具体地，激光雷达以自身为原点，对智能行驶设备周围360°进行扫描，能够获得智能行驶设备全方位的环境信息，即激光雷达的扫描区域为圆形，而通过将激光雷达的扫描区域切割为多个扇形分区，有利于对每个可能的方向，在各扇形分区内进行可行驶区域分析。其中，扇形分区的角度越小，分析的精确度越高。
具体地，对激光雷达的扫描区域进行划分的方式，可以为将扫描区域划分为不同角度的已知数量的扇形分区，也可以对扫描区域进行等角度划分，划分为多个相同角度的已知数据的扇形分区。例如，各扇形分区的角度为1°，将扫描区域划分为360个扇形分区。为便于计算，在具体的实施方式中，对扫描区域进行等角度划分。
利用三维点云数据，得到各点云在二维平面的投影点信息，如将各点云的三维坐标中的高度Z信息去掉，保留XY信息，得到各点云在二维平面的投影点信息。二维平面即只具有横坐标信息和纵坐标信息的平面。根据各点云在二维平面的横坐标和纵坐标，得到各点云与扫描起始线（二维平面的X轴）的夹角，根据夹角确定点云所属的扇形分区。例如，一个点云与扫描起始线的夹角为3.5°，则其所属第4个扇形分区。
S106，根据三维点云数据，确定各扇形分区的可行驶点。
可行驶点是指符合要求的，能够作为地面行驶的点，多个连续的可行驶点组成可行驶平面。通常，可通过对各扇区的点云的高度信息，将各点的高度信息与有效地面高度阈值进行比较，判断其是符合有效地面高度的要求，将符合有效地面高度要求的点，确定为各扇形分区的可行驶点。
S108，根据各扇形分区的所有可行驶点，拟合得到可行驶平面。
具体地，将可行驶点作为拟合点，根据具有可行驶点的所有扇形分区的所有可行驶点，即根据所有的可行驶点，拟合得到一个激光雷达环视360°扫描区域对应的可行驶平面z＝A+Bx+Cy。其中，z为可行驶平面，A、B、C分别为平面参数，X为二维平面的横坐标，即三维点云数据中的X坐标信息，Y为二维平面的纵坐标，即三维点云数据中的X坐标信息，平面拟合的方法可采用最小二乘法。
S110，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域。
具体地，扇形分区内的障碍物可通过扇形分区内点云高度与可行驶平面的高度确定。若某点的高度高于可行驶平面的高度，则说明该点所在位置有障碍物。而可行驶区域是从车身发散出去的，在扇形分区内，距离车身最近的障碍物之后的点的区域都不能行驶，否则会碰到障碍物，即车身至距离车身最近的障碍物之间的距离所对应的扇区，为该扇形分区的可行驶区域。
如前面所述的，激光雷达以自身为原点，建立坐标系，因此，各点与车身之间的距离，可通过各点与激光雷达的距离计算得到，即各点与原点的距离。
S112，合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
通过合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域，如图2至图4所示，为采用本申请的方法所得到的智能行驶设备的可行驶区域。
上述的可行驶区域检测方法，通过将智能设备的激光雷达360°的扫描区域划分为多个扇形分区，将三维点云分配至所属的扇形分区，以扇形分区为单位，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域，合并所有扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。由于对三维点云数据分扇区进行处理，有利用对车身360°都进行检测分析，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域的方式，以可行驶平面为基础，克服了直线拟合进行划分的缺陷，能够快速地确定可行驶区域。
另一个实施例中，根据三维点云数据，确定各点所属的扇形分区的步骤，包括：将激光雷达360°的扫描区域进行等角度划分，得到各扇形分区，根据三维点云数据，得到各点在二维平面的投影点信息，根据投影点信息，确定各点所属的扇形分区。
具体地，为便于计算，快速地确定各点云所属的扇形分区，本实施例中，对智能行驶设备的激光雷达环视360°的扫描区域进行等角度划分，即每个扇形分区的角度相同。其中，扇形分区的角度越小，扇形分区的可行驶区域检测的精确度越高。假定扇形分区角度的大小为φ，激光雷达环视360°的扫描区域为全圆，其弧度为2π，则对2π/φ+1取整，即可得到扇形分区的个数m，本实施例中，可设定扇形分区角度大小为π/180°，即各扇形分区的角度为1°，将激光雷达环视360°的扫描区域划分为360个扇形分区。
激光雷达点云位置信息为XYZ三维(p.x、p.y、p.z)，将各点云的位置信息中的高度Z信息隐去保留X维和Y维的坐标信息，得到各点云在二维平面的投影点信息。根据投影点信息确定各点云在二维平面与X轴的夹角，根据夹角所在的范围，确定各点云所属的扇形分区。
具体地，根据投影点信息，计算投影点与扫描起始线的夹角，根据夹角与扇形分区的角度，确定各点云所属的扇形分区。
如前面所述的，激光雷达以自身为原点，建立坐标系，对智能行驶设备的激光雷达环视360°采集三维点云数据，则坐标系的X轴为激光雷达的扫描起始线。如图5所示，根据各点云的投影点信息计算其与X轴的夹角θ，tan(θ)= p.y/p.x,如果θ小于0，则θ=θ+2π，如果θ大于2π，则θ=θ-2π，保证θ范围在（0,2π）之间，对(θ/φ+1)取整得到k，即该点属于第k个扇形分区，将所有的点云分配到对应的扇形分区。
本实施例中，通过对激光雷达360°的扫描区域进行等角度划分，利用投影点与扫描起始线的夹角，能够快速地确定各点云所属的扇形分区。
在另一个实施例中，根据三维点云数据，确定各扇形分区的可行驶点的步骤，包括：根据三维点云数据，获取各扇形分区的最低点的高度，当最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到扇形分区的可行驶点。
具体地，有效地面高度阈值根据激光雷达安装位置相对地面高度设置，用于区分点云是否为可行驶点。如前面所述的，激光雷达以自身为原点进行扫描，建立坐标系，因此，有效地面在激光雷达所建立的坐标系中的高度为激光雷达安装位置相对地面高度的负值，故而，可将有效地面高度阈值设置为激光雷达安装位置相对地面的高度的负值+阈值，例如有效地面高度阈值为激光雷达安装位置相对地面的高度的负值加上0.1，即略高于实际地面。小于有效地面高度阈值的点为可行驶点，大于有效地面高度阈值的点为非可行驶点。
扇形分区的最低点为扇形分区内各点云中高度Z值最小的点，即为该扇形分区内最靠近地面的点。
在一个扇形分区，若该扇形分区内最低点的高度都大于有效地面高度阈值，则表明该扇形分区的最低点都距离地面一定距离，则该扇形分区的其它点均高于地面，可确定该扇形分区内无可行驶点，可跳过对该扇形分区的可行驶点的搜查。例如，一种情况下，一个扇形分区的点全部打在旁边的车身上，则该扇形分区内最低点都距离地面有一定高度，该扇形分区内无可行驶点。
若该扇形分区内最低点的高度小于有效地面高度阈值，则表明该最低点为有效地面，为可行驶点。该扇形分区内所有点与最低点的高度差符合预设要求的点，均为可行驶点。具体地，设置有预设阈值t，将扇形分区内与最低点的高度差小于预设阈值t的点设为可行驶点。其中，预设阈值t可根据精度需求进行调节，若精度需求高，可将预设阈值t设置为较小的值。本实施例中，设置预设阈值t为0.2m。
本实施例中，通过将扇形分区的最低点与有效地面高度阈值进行比较，对于最低点大于有效地面高度阈值的扇形分区不进行搜查，对于最低点小于有效地面高度阈值的扇形分区，根据扇形分区内所有点与最低点的高度差符合预设要求的点确定可行驶点，从而无需将每个点的高度信息分别与有效地面高度阈值进行比较，能够提高扇形分区的可行驶点检测的效率。
在另一个实施例中，根据各扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：利用列文伯格－马夸特算法，对各扇形分区的所有可行驶点拟合平面，得到可行驶平面。
具体地，对于拟合平面z＝A+Bx+Cy，本实施例中，采用利用列文伯格－马夸特算法（Levenberg-Marquardt，LM）进行最优化求解，例如拟合点有n个，则损失函数为：
求得拟合平面参数A、B、C的值，需要说明的是参数A、B、C也可以用pcl库里的RANSAC算法拟合平面的方法进行求得。
在另一个实施例中，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域的步骤，包括：根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
具体地，扇形分区的可行驶区域为根据有效地面高度阈值确定的地面区域，可行驶区域中可能存在障碍物，例如其它车辆，绿化带等。在确定距离车身距离的障碍物后，可将该障碍物之后的区域确定为不可行驶区域，即以该扇形分区内该点相对于车身的距离为d max 为半径的扇区确定为该扇区的可行驶区域。其中，智能行驶设备搭载有激光雷达，激光雷达以自身为原点，建立坐标系，因而，在实际的算法中，可将各点到原点的距离确定该点相对于车身的距离。
具体地，如图6所示，确定扇形分区的可行驶区域的步骤，包括以下步骤：
S602，将各扇形分区内所有点在二维平面按到车身的距离进行排序。
具体地，将每个扇区所有点在二维平面按与车身的（XY平面的原点）距离d进行排序，具体地，按到车身的距离从近到远的顺序进行排序。距离可根据公式以下公式计算得到：
其中，
为点云在XY平面的横坐标信息，即点云的三维数据X坐标信息，
为点云在XY平面的纵坐标信息，即点云的三维数据Y坐标信息。
S604，获取到车身距离最近的点。
由于按到车身的距离从近到远的顺序进行排序，因此到车身距离最近的点即排序在第一个的点。
S606，比较该点的高度与该点在可行驶平面的投影高度的高度差。若高度差的绝对值小于预设值，则执行步骤S609，若高度差的绝对值大于或等于预设值，执行步骤S608。
具体地，可行驶平面可看作地面，根据点云的三维数据中的X坐标信息和Y坐标信息，可得到该点在可行驶平面的投影高度为A+B*p.x+C*p.y，点云的高度为三维点云中的高度p.z，若该点的高度与该点在可行驶平面的投影高度的高度差的绝对值小于预设值，则表明该点为地面，或与地面高度接近，认为该点为非障碍物。若该点的高度与该点在可行驶平面的投影高度的高度差的绝对值大于或等于预设值，则表明该点比可行驶平面要高，认为该点为障碍物。
S608，根据排序，获取扇形分区的下一点，并在步骤S608之后，返回步骤S606，在扇形分区内继续搜索，直至找到扇形分区内距离车身最近的障碍物。
S609，确定该点为距离车身最近的障碍物。
由于事先对扇形分区的各点，根据各点到原点的距离从近到远的顺序进行排序，并根据排序顺序依次遍历各点，将各点的高度与该点在可行驶平面的投影高度的高度差进行比较，因而，在遍历过程中发现在第一个高度差的绝对值大于或等于阈值的点，即表示为该点所在位置为扇形分区内距离原点最近的障碍物，该扇形分区在该点之后的区域都不能行驶，否则会撞到障碍物。因此，在扇形分区内，发现第一个障碍物即停止对该扇形分区的其它点进行遍历。
步骤S609之后，执行步骤S610，以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
具体地，在确定距离车身距离的障碍物后，可将该障碍物之后的区域确定为不可行驶区域，即以该扇形分区内该点相对于车身的距离为d max 为半径的扇区确定为该扇区的可行驶区域。
本实施例中，通过对各扇形分区各点按到原点的距离进行排序，并从近至远按照顺序依次遍历各点，根据点的高度与该点在可行驶平面的投影高度的高度差，寻找距离车身最近的障碍物，在搜过到扇形分区内距离最近的障碍物时，停止对扇形分区其它点的遍历，从而提高了可行驶区域的检测速度。
一些实施例中，在具体对可行驶区域进行检测时，具体可包括如下的详细步骤：
1), 获取智能行驶设备的激光雷达环视360°所采集的三维点云数据。
2），将激光雷达360°的扫描区域进行等角度划分，得到各扇形分区。
3），根据三维点云数据，得到各点云在二维平面的投影点信息。
4），根据投影点信息，计算投影点与扫描起始线的夹角。
5），根据夹角与扇形分区的角度，确定各点所属的扇形分区。
6），根据三维点云数据，获取各扇形分区的最低点的高度；
7），当最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到扇形分区的可行驶点。
8），利用列文伯格－马夸特算法，对各扇形分区的所有可行驶点拟合平面，得到可行驶平面。
9），将各扇形分区内所有点在二维平面按到车身的距离进行排序。
10），获取到车身距离最近的点。
11），比较该点的高度与该点在可行驶平面的投影高度的高度差。若高度差的绝对值大于或等于预设值，则执行步骤12，若高度差的绝对值小于预设值，执行步骤13。
12)，根据排序，获取扇形分区的下一点。
13)，确定该点为距离车身最近的障碍物。
在步骤12之后，返回步骤11，在扇形分区内继续搜索，直至找到扇形分区内距离车身最近的障碍物。
步骤13之后，执行步骤14，以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
15)，合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
上述可行驶区域检测方法，通过将智能设备的激光雷达360°的扫描区域划分为多个扇形分区，将三维点云分配至所属的扇形分区，以扇形分区为单位，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域，合并所有扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。由于对三维点云数据分扇区进行处理，有利用对车身360°都进行检测分析，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域的方式，以可行驶平面为基础，克服了直线拟合进行划分的缺陷，能够快速地确定可行驶区域。
应该理解的是，虽然图2和图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种可行驶区域检测装置，包括：点云数据获取模块、分区模块、可行驶点确定模块、平面拟合模块、可行驶区域确定模块和合并模块，其中：
点云数据获取模块702，用于获取智能行驶设备的激光雷达环视360°所采集的三维点云数据。
分区模块704，用于根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到。
可行驶点确定模块706，用于根据三维点云数据，确定各扇形分区的可行驶点。
平面拟合模块708，用于根据各扇形分区的所有可行驶点，拟合得到可行驶平面。
可行驶区域确定模块710，用于根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域。
合并模块712，用于合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
上述可行驶区域检测装置，通过将智能设备的激光雷达360°的扫描区域划分为多个扇形分区，将三维点云分配至所属的扇形分区，以扇形分区为单位，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域，合并所有扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。由于对三维点云数据分扇区进行处理，有利用对车身360°都进行检测分析，根据可行驶平面，各扇形分区内最近障碍物与车身之间的距离确定该扇形分区的可行驶区域的方式，以可行驶平面为基础，克服了直线拟合进行划分的缺陷，能够快速地确定可行驶区域。
在另一个实施例中，可行驶点确定模块包括最低点获取模块和比较模块。
最低点获取模块，用于根据三维点云数据，获取各扇形分区的最低点的高度。
比较模块，用于当最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到扇形分区的可行驶点。
在另一个实施例中，平面拟合模块，用于利用列文伯格－马夸特算法，对各扇形分区的所有可行驶点拟合平面，得到可行驶平面。
在另一个实施例中，可行驶区域确定模块包括障碍物确定模块和划分模块。
障碍物确定模块，用于根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物。
划分模块，用于以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
在另一个实施例中，障碍物确定模块包括：
排序模块，用于将各扇形分区内所有点在二维平面按到车身的距离进行排序。
点获取模块，用于获取到车身距离最近的点，以及在高度差的绝对值小于预设值，则根据排序，获取扇形分区的下一点。
比对模块，用于比较该点的高度与该点在可行驶平面的投影高度的高度差。
障碍物获取模块，用于当高度差的绝对值大于或等于预设值时，确定该点为距离车身最近的障碍物。
在另一个实施例中，分区模块，包括扇形分区模块、投影点模块和分区确定模块。
扇形分区模块，用于将激光雷达360°的扫描区域进行等角度划分，得到各扇形分区。根据投影点信息，确定各点所属的扇形分区
投影点模块，用于根据三维点云数据，得到各点在二维平面的投影点信息。
分区确定模块，用于根据三维点云数据，得到各点在二维平面的投影点信息。
在另一个实施例中，分区确定模块，包括夹角计算模块和点分区模块。
夹角计算模块，用于根据投影点信息，计算投影点与扫描起始线的夹角。
点分区模块，用于根据夹角与扇形分区的角度，确定各点所属的扇形分区。
关于可行驶区域检测装置的具体限定可以参见上文中对于可行驶区域检测方法的限定，在此不再赘述。上述可行驶区域检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是行驶控制装置，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种可行驶区域检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到；
根据三维点云数据，确定各扇形分区的可行驶点；
根据各扇形分区的所有可行驶点，拟合得到可行驶平面；
根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域；
合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
在一个实施例中，根据三维点云数据，确定各扇形分区的可行驶点的步骤，包括：
根据三维点云数据，获取各扇形分区的最低点的高度；
当最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到扇形分区的可行驶点。
在一个实施例中，根据各扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：
利用列文伯格－马夸特算法，对各扇形分区的所有可行驶点拟合平面，得到可行驶平面。
在另一个实施例中，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域的步骤，包括：
根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；
以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
在另一个实施例中，根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物的步骤，包括：
将各扇形分区内所有点在二维平面按到车身的距离进行排序；
获取到车身距离最近的点；
比较该点的高度与该点在可行驶平面的投影高度的高度差；
若高度差的绝对值小于预设值，则根据排序，获取扇形分区的下一点；
返回比较该点的高度与该点在可行驶平面的投影高度的高度差的步骤，直至当高度差的绝对值大于或等于预设值时，确定该点为距离车身最近的障碍物。
在另一个实施例中，根据三维点云数据，确定各点所属的扇形分区的步骤，包括：
将激光雷达360°的扫描区域进行等角度划分，得到各扇形分区；
根据三维点云数据，得到各点在二维平面的投影点信息；
根据投影点信息，确定各点所属的扇形分区。
在另一个实施例中，根据投影点信息，确定各点所属的扇形分区的步骤，包括：
根据投影点信息，计算投影点与扫描起始线的夹角；
根据夹角与扇形分区的角度，确定各点所属的扇形分区。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
根据三维点云数据，确定各点所属的扇形分区；扇形分区通过对激光雷达360°的扫描区域进行划分得到；
根据三维点云数据，确定各扇形分区的可行驶点；
根据各扇形分区的所有可行驶点，拟合得到可行驶平面；
根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域；
合并各扇形分区的可行驶区域，得到智能行驶设备的可行驶区域。
在一个实施例中，根据三维点云数据，确定各扇形分区的可行驶点的步骤，包括：
根据三维点云数据，获取各扇形分区的最低点的高度；
当最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到扇形分区的可行驶点。
在一个实施例中，根据各扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：
利用列文伯格－马夸特算法，对各扇形分区的所有可行驶点拟合平面，得到可行驶平面。
在另一个实施例中，根据可行驶平面、各扇形分区内最近障碍物与车身之间的距离确定各扇形分区的可行驶区域的步骤，包括：
根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；
以最近障碍物与车身之间的距离为半径，得到扇形分区的可行驶区域。
在另一个实施例中，根据各扇形分区内各点的高度与该点在可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物的步骤，包括：
将各扇形分区内所有点在二维平面按到车身的距离进行排序；
获取到车身距离最近的点；
比较该点的高度与该点在可行驶平面的投影高度的高度差；
若高度差的绝对值小于预设值，则根据排序，获取扇形分区的下一点；
返回比较该点的高度与该点在可行驶平面的投影高度的高度差的步骤，直至当高度差的绝对值大于或等于预设值时，确定该点为距离车身最近的障碍物。
在另一个实施例中，根据三维点云数据，确定各点所属的扇形分区的步骤，包括：
将激光雷达360°的扫描区域进行等角度划分，得到各扇形分区；
根据三维点云数据，得到各点在二维平面的投影点信息；
根据投影点信息，确定各点所属的扇形分区。
在另一个实施例中，根据投影点信息，确定各点所属的扇形分区的步骤，包括：
根据投影点信息，计算投影点与扫描起始线的夹角；
根据夹角与扇形分区的角度，确定各点所属的扇形分区。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种可行驶区域检测方法，所述方法包括：
获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
根据所述三维点云数据，确定各点所属的扇形分区；所述扇形分区通过按照预设的划分方式对激光雷达360°的扫描区域进行划分得到；所述划分方式包括按不同角度划分成预设数量的划分方式或按相同角度进行划分的划分方式；
根据所述三维点云数据，确定各扇形分区的可行驶点；
根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面；
根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域；
合并各所述扇形分区的可行驶区域，得到智能行驶设备的可行驶区域；
所述根据所述三维点云数据，确定各扇形分区的可行驶点的步骤，包括：
根据所述三维点云数据，获取各所述扇形分区的最低点的高度；
当所述最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到所述扇形分区的可行驶点。
2.根据权利要求1所述的方法，其特征在于，根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面的步骤，包括：
利用列文伯格－马夸特算法，对各所述扇形分区的所有可行驶点拟合平面，得到可行驶平面。
3.根据权利要求1所述的方法，其特征在于，所述根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域的步骤，包括：
根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；
以所述最近障碍物与所述车身之间的距离为半径，得到所述扇形分区的可行驶区域。
4.根据权利要求3所述的方法，其特征在于，所述根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物的步骤，包括：
将各所述扇形分区内所有点在二维平面按到所述车身的距离进行排序；
获取到车身距离最近的点；
比较该点的高度与该点在可行驶平面的投影高度的高度差；
若所述高度差的绝对值小于预设值，则根据排序，获取所述扇形分区的下一点；
返回比较该点的高度与该点在可行驶平面的投影高度的高度差的步骤，直至当所述高度差的绝对值大于或等于预设值时，确定该点为距离所述车身最近的障碍物。
5.根据权利要求1所述的方法，其特征在于，所述根据所述三维点云数据，确定各点所属的扇形分区的步骤，包括：
将所述激光雷达360°的扫描区域进行等角度划分，得到各扇形分区；
根据所述三维点云数据，得到各点在二维平面的投影点信息；
根据所述投影点信息，确定各点所属的扇形分区。
6.根据权利要求5所述的方法，其特征在于，所述根据所述投影点信息，确定各点所属的扇形分区的步骤，包括：
根据所述投影点信息，计算投影点与扫描起始线的夹角；
根据所述夹角与扇形分区的角度，确定各点所属的扇形分区。
7.一种可行驶区域检测装置，其特征在于，所述装置包括：
点云数据获取模块，用于获取智能行驶设备的激光雷达环视360°所采集的三维点云数据；
分区模块，用于根据所述三维点云数据，确定各点所属的扇形分区；所述扇形分区通过按照预设的划分方式对激光雷达360°的扫描区域进行划分得到；所述划分方式包括按不同角度划分成预设数量的划分方式或按相同角度进行划分的划分方式；
可行驶点确定模块，用于根据所述三维点云数据，确定各扇形分区的可行驶点；
平面拟合模块，用于根据各所述扇形分区的所有可行驶点，拟合得到可行驶平面；
可行驶区域确定模块，用于根据所述可行驶平面、各所述扇形分区内最近障碍物与车身之间的距离确定各所述扇形分区的可行驶区域；
合并模块，用于合并各所述扇形分区的可行驶区域，得到智能行驶设备的可行驶区域；
所述可行驶点确定模块包括最低点获取模块和比较模块；其中：
所述最低点获取模块，用于根据所述三维点云数据，获取各所述扇形分区的最低点的高度；
所述比较模块，用于当所述最低点的高度小于有效地面高度阈值时，根据各扇形分区内与最低点的高度差符合预设要求的点，得到所述扇形分区的可行驶点。
8.根据权利要求7所述的装置，其特征在于，所述平面拟合模块，还用于利用列文伯格－马夸特算法，对各所述扇形分区的所有可行驶点拟合平面，得到可行驶平面。
9.根据权利要求7所述的装置，其特征在于，所述可行驶区域确定模块包括障碍物确定模块和划分模块；其中：
所述障碍物确定模块，用于根据各扇形分区内各点的高度与该点在所述可行驶平面的投影高度的高度差，确定各扇形分区内距离车身最近的障碍物，得到最近障碍物；
所述划分模块，用于以所述最近障碍物与所述车身之间的距离为半径，得到所述扇形分区的可行驶区域。
10.根据权利要求9所述的装置，其特征在于，所述障碍物确定模块包括：
排序模块，用于将各所述扇形分区内所有点在二维平面按到所述车身的距离进行排序；
点获取模块，用于获取到车身距离最近的点，以及在高度差的绝对值小于预设值，则根据排序，获取扇形分区的下一点；
比对模块，用于比较该点的高度与该点在可行驶平面的投影高度的高度差；
障碍物获取模块，用于当所述高度差的绝对值大于或等于预设值时，确定该点为距离所述车身最近的障碍物。
11.根据权利要求7所述的装置，其特征在于，所述分区模块包括扇形分区模块、投影点模块和分区确定模块，其中：
所述扇形分区模块，将所述激光雷达360°的扫描区域进行等角度划分，得到各扇形分区；
所述投影点模块，用于根据所述三维点云数据，得到各点在二维平面的投影点信息；
所述分区确定模块，用于根据所述投影点信息，确定各点所属的扇形分区。
12.根据权利要求11所述的装置，其特征在于，所述分区确定模块包括夹角计算模块和点分区模块，其中：
所述夹角计算模块，用于根据所述投影点信息，计算投影点与扫描起始线的夹角；
所述点分区模块，用于根据所述夹角与扇形分区的角度，确定各点所属的扇形分区。
13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910484995.6A CN110008941B (zh) | 2019-06-05 | 2019-06-05 | 可行驶区域检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910484995.6A CN110008941B (zh) | 2019-06-05 | 2019-06-05 | 可行驶区域检测方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110008941A CN110008941A (zh) | 2019-07-12 |
| CN110008941B true CN110008941B (zh) | 2020-01-17 |
Family
ID=67177967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910484995.6A Active CN110008941B (zh) | 2019-06-05 | 2019-06-05 | 可行驶区域检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110008941B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112528710B (zh) * | 2019-09-19 | 2024-04-09 | 上海海拉电子有限公司 | 一种路面探测的方法、装置、电子设备及存储介质 |
| CN110967024A (zh) * | 2019-12-23 | 2020-04-07 | 苏州智加科技有限公司 | 可行驶区域的检测方法、装置、设备及存储介质 |
| CN111208533A (zh) * | 2020-01-09 | 2020-05-29 | 上海工程技术大学 | 一种基于激光雷达的实时地面检测方法 |
| JP7477139B2 (ja) * | 2020-02-19 | 2024-05-01 | 北陽電機株式会社 | 物体検出装置、物体検出システム、物体検出プログラムおよび物体検出方法 |
| CN111708432B (zh) * | 2020-05-21 | 2023-08-25 | 青岛小鸟看看科技有限公司 | 安全区域确定方法、装置、头戴显示设备及存储介质 |
| CN112036274A (zh) * | 2020-08-19 | 2020-12-04 | 江苏智能网联汽车创新中心有限公司 | 一种可行驶区域检测方法、装置、电子设备及存储介质 |
| CN112180343A (zh) * | 2020-09-30 | 2021-01-05 | 东软睿驰汽车技术（沈阳）有限公司 | 激光点云数据处理方法、装置、设备及无人驾驶系统 |
| CN112232247A (zh) * | 2020-10-22 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 可行驶区域路面提取方法和装置 |
| CN113064437A (zh) * | 2021-03-31 | 2021-07-02 | 成都莱洁科技有限公司 | 机器人自动避撞系统及方法 |
| CN115375899A (zh) * | 2022-08-24 | 2022-11-22 | 北京京东乾石科技有限公司 | 点云语义分割网络训练方法、点云语义分割方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1912157A1 (en) * | 2006-10-09 | 2008-04-16 | MAGNETI MARELLI SISTEMI ELETTRONICI S.p.A. | Digital image processing system for automatically representing surrounding scenes to the driver of a vehicle for driving assistance, and corresponding operating method |
| CN103760569A (zh) * | 2013-12-31 | 2014-04-30 | 西安交通大学 | 一种基于激光雷达的可行驶区域检测方法 |
| CN103884281A (zh) * | 2014-03-18 | 2014-06-25 | 北京控制工程研究所 | 一种基于主动结构光的巡视器障碍探测方法 |
| CN104656101A (zh) * | 2015-01-30 | 2015-05-27 | 福州华鹰重工机械有限公司 | 一种障碍物检测方法 |
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| EP3324373A1 (en) * | 2016-11-22 | 2018-05-23 | Qualityfry, S.L. | Dispenser for continuously feeding frying machines |
| CN109774710A (zh) * | 2019-01-30 | 2019-05-21 | 爱驰汽车有限公司 | 汽车避障的控制方法、装置以及汽车 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008180180A (ja) * | 2007-01-25 | 2008-08-07 | Toyota Motor Corp | 内燃機関装置およびその制御方法並びに車両 |
| US9558409B2 (en) * | 2012-09-26 | 2017-01-31 | Magna Electronics Inc. | Vehicle vision system with trailer angle detection |
| CN103675939B (zh) * | 2013-12-11 | 2016-05-18 | 中国民用航空总局第二研究所 | 一种基于点云探测的跑道路面监测装置及方法 |
| CN106248003B (zh) * | 2016-08-24 | 2018-10-16 | 电子科技大学 | 一种三维激光点云提取植被冠层聚集度指数的方法 |
| CN106530380B (zh) * | 2016-09-20 | 2019-02-26 | 长安大学 | 一种基于三维激光雷达的地面点云分割方法 |
| CN109116374B (zh) * | 2017-06-23 | 2021-08-17 | 百度在线网络技术（北京）有限公司 | 确定障碍物距离的方法、装置、设备及存储介质 |
| CN109085608A (zh) * | 2018-09-12 | 2018-12-25 | 奇瑞汽车股份有限公司 | 车辆周围障碍物检测方法及装置 |
-
2019
- 2019-06-05 CN CN201910484995.6A patent/CN110008941B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1912157A1 (en) * | 2006-10-09 | 2008-04-16 | MAGNETI MARELLI SISTEMI ELETTRONICI S.p.A. | Digital image processing system for automatically representing surrounding scenes to the driver of a vehicle for driving assistance, and corresponding operating method |
| CN103760569A (zh) * | 2013-12-31 | 2014-04-30 | 西安交通大学 | 一种基于激光雷达的可行驶区域检测方法 |
| CN103884281A (zh) * | 2014-03-18 | 2014-06-25 | 北京控制工程研究所 | 一种基于主动结构光的巡视器障碍探测方法 |
| CN104656101A (zh) * | 2015-01-30 | 2015-05-27 | 福州华鹰重工机械有限公司 | 一种障碍物检测方法 |
| EP3324373A1 (en) * | 2016-11-22 | 2018-05-23 | Qualityfry, S.L. | Dispenser for continuously feeding frying machines |
| CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术（北京）有限公司 | 障碍物检测方法、装置、设备及存储介质 |
| CN109774710A (zh) * | 2019-01-30 | 2019-05-21 | 爱驰汽车有限公司 | 汽车避障的控制方法、装置以及汽车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110008941A (zh) | 2019-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110008941B (zh) | 可行驶区域检测方法、装置、计算机设备和存储介质 | |
| CN107918758B (zh) | 能够进行环境情景分析的车辆 | |
| US20200049511A1 (en) | Sensor fusion | |
| US9563808B2 (en) | Target grouping techniques for object fusion | |
| KR101843866B1 (ko) | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 | |
| CN107766405B (zh) | 自动车辆道路模型定义系统 | |
| Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
| Lenac et al. | Fast planar surface 3D SLAM using LIDAR | |
| CN116129376A (zh) | 一种道路边缘检测方法和装置 | |
| CN111258320B (zh) | 一种机器人避障的方法及装置、机器人、可读存储介质 | |
| US11726191B2 (en) | Lidar intensity calibration | |
| CN112904358B (zh) | 基于几何信息的激光定位方法 | |
| CN111289969B (zh) | 一种车载雷达运动目标融合方法及装置 | |
| JP7232946B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| EP3324359B1 (en) | Image processing device and image processing method | |
| CN114594761B (zh) | 机器人的路径规划方法、电子设备及计算机可读存储介质 | |
| CN111640323A (zh) | 一种路况信息获取方法 | |
| Wang et al. | Development of high-accuracy edge line estimation algorithms using terrestrial laser scanning | |
| US20220126836A1 (en) | Travel road recognition device | |
| CN112731337B (zh) | 地图构建方法、装置和设备 | |
| JP6397386B2 (ja) | 領域分割処理装置、方法、及びプログラム | |
| CN117523522A (zh) | 隧道场景的识别方法、装置、设备和存储介质 | |
| Habermann et al. | 3D point clouds segmentation for autonomous ground vehicle | |
| CN110909569B (zh) | 路况信息识别方法及终端设备 | |
| US20210342605A1 (en) | Method and system for identifying obstacles |
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: Traveling area detection method, device, computer equipment and storage medium Effective date of registration: 20220303 Granted publication date: 20200117 Pledgee: China Minsheng Bank Co.,Ltd. Xiangtan sub branch Pledgor: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Registration number: Y2022430000015 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230601 Granted publication date: 20200117 Pledgee: China Minsheng Bank Co.,Ltd. Xiangtan sub branch Pledgor: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Registration number: Y2022430000015 |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Building A3 and A4, Hunan Inspection and testing characteristic industrial park, No. 336, bachelor Road, Yuelu District, Changsha City, Hunan Province Patentee after: Xidi Intelligent Driving (Hunan) Co.,Ltd. Country or region after: China Address before: Building A3 and A4, Hunan Inspection and testing characteristic industrial park, No. 336, bachelor Road, Yuelu District, Changsha City, Hunan Province Patentee before: CHANGSHA INTELLIGENT DRIVING RESEARCH INSTITUTE Co.,Ltd. Country or region before: China |