CN110019570B - 用于构建地图的方法、装置及终端设备 - Google Patents

用于构建地图的方法、装置及终端设备 Download PDF

Info

Publication number
CN110019570B
CN110019570B CN201710599794.1A CN201710599794A CN110019570B CN 110019570 B CN110019570 B CN 110019570B CN 201710599794 A CN201710599794 A CN 201710599794A CN 110019570 B CN110019570 B CN 110019570B
Authority
CN
China
Prior art keywords
point cloud
cloud data
spatial position
map
position relation
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
Application number
CN201710599794.1A
Other languages
English (en)
Other versions
CN110019570A (zh
Inventor
易世春
王成
余丽
宋适宇
董芳芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201710599794.1A priority Critical patent/CN110019570B/zh
Priority to US15/724,945 priority patent/US10402999B2/en
Publication of CN110019570A publication Critical patent/CN110019570A/zh
Application granted granted Critical
Publication of CN110019570B publication Critical patent/CN110019570B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3837—Data obtained from a single source
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • 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
    • 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
    • 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
    • G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本申请公开了用于构建地图的方法、装置及服务器。该方法的一具体实施方式包括：通过实时获取的点云数据帧构建点云数据帧序列；从点云数据帧中提取形态数据；建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；根据空间位置关系确定对应静止物体的基准空间位置关系，并通过基准空间位置关系构建地图。该实施方式实现了通过点云数据构建地图。

Description

用于构建地图的方法、装置及终端设备
技术领域
本申请涉及数据处理技术领域，具体涉及图像绘制技术领域，尤其涉及用于构建地图的方法、装置及终端设备。
背景技术
汽车拓展了人们出行的范围，给人们的出行带来了便利，提高了人们的生活质量。随着科技的发展和进步，通过智能系统控制的无人驾驶车辆能够获取比有人驾驶的汽车更多的行驶信息，具备更高的安全性，成为未来汽车发展的一个重要趋势。无人驾驶车辆采用机器人操作系统进行信息传输，并依靠人工智能、视觉计算、视频摄像头、雷达传感器和导航系统等设置协同合作，让无人驾驶车辆可以在没有任何协助的情况下，自动安全地行驶。
现有的无人驾驶车辆的自动行驶还存在一些不足。例如，无人驾驶车辆需要依靠导航系统还确定无人驾驶车辆当前所处的位置，并根据当前所处的位置生成对应的控制指令，实现自动驾驶。但是，由于隧道、桥梁或其他建筑物经常会影响导航信号，甚至使得导航系统接收不到导航信号，导致无人驾驶车辆无法获取当前所在位置的地图信息，无法对行驶环境进行判断，进而影响了无人驾驶车辆的正常行驶。
发明内容
本申请实施例的目的在于提出了一种用于构建地图的方法、装置及终端设备，来解决以上背景技术部分提到的技术问题。
第一方面，本申请实施例提供了一种用于构建地图的方法，该方法包括：通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图，所述速度信息通过空间位置关系和设定时间确定，从所述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系，并通过基准空间位置关系构建地图。
在一些实施例中，上述从点云数据帧中提取形态数据包括：确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量；当向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
在一些实施例中，上述建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系包括：确定相邻两个点云数据帧中对应同一物体的两组形态数据；计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
在一些实施例中，上述通过基准空间位置关系构建地图包括：根据基准空间位置关系对应的形态数据在世界坐标系中绘制静止物体，得到对应点云数据帧序列的地图。
第二方面，本申请实施例提供了一种用于构建地图的装置，该装置包括：点云数据帧序列构建单元，用于通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；形态数据提取单元，用于从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；空间位置关系建立单元，用于建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；地图构建单元，包括速度分布图构建子单元和基准空间位置关系确定子单元，其中，速度分布图构建子单元，用于统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图，所述速度信息通过空间位置关系和设定时间确定，基准空间位置关系确定子单元，用于从所述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系，并通过基准空间位置关系构建地图。
在一些实施例中，上述形态数据提取单元包括：向量构建子单元，用于确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量；形态数据判断子单元，用于在向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
在一些实施例中，上述空间位置关系建立单元包括：形态数据确定子单元，用于确定相邻两个点云数据帧中对应同一物体的两组形态数据；空间位置关系获取子单元，用于计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
在一些实施例中，上述地图构建单元还包括：根据基准空间位置关系对应的形态数据在世界坐标系中绘制静止物体，得到对应点云数据帧序列的地图。
第三方面，本申请实施例提供了一种终端设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，激光雷达，用于采集点云数据；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述第一方面的用于构建地图的方法。
第四方面，本申请实施例提供了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，该程序被处理器执行时实现上述第一方面的用于构建地图的方法。
本申请实施例提供的用于构建地图的方法、装置及终端设备，通过从点云数据帧中提取形态数据，进而得到相邻两个点云数据帧中形态数据之间的空间位置关系，之后，通过空间位置关系确定静止物体，并根据静止物体的基准空间位置关系对应的点云数据构建了地图。
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构建地图的方法的一个实施例的流程图；
图3是根据本申请的用于构建地图的方法的一个应用场景的示意图；
图4是根据本申请的用于构建地图的装置的一个实施例的结构示意图；
图5是适于用来实现本申请实施例的终端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构建地图的方法或用于构建地图的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可以包括无人驾驶车辆101和位于无人驾驶车辆101上的点云数据采集装置102。
点云数据采集装置102可以周期性地获取对应无人驾驶车辆101周围环境的点云数据，点云数据包括无人驾驶车辆101周围环境中物体的三维坐标。
无人驾驶车辆101可以是安装有数据处理装置。例如距离传感器、显示器、处理器等设备。
无人驾驶车辆101可以接收点云数据采集装置102采集的点云数据，根据点云数据确定无人驾驶车辆101周围物体的位置，绘制无人驾驶车辆101周围物体的图形，并通过周围物体的位置和图形构建无人驾驶车辆101周围的地图。
需要说明的是，本申请实施例所提供的用于构建地图的方法一般由无人驾驶车辆101执行，相应地，用于构建地图的装置一般设置于无人驾驶车辆101中。
继续参考图2，示出了根据本申请的用于构建地图的方法的一个实施例的流程200。该用于构建地图的方法包括以下步骤：
步骤201，通过实时获取的点云数据帧构建点云数据帧序列。
在本实施例中，用于构建地图的方法运行于其上的设备(例如图1所示的无人驾驶车辆101)可以通过有线连接方式或者无线连接方式从点云数据采集装置102获取到点云数据帧，其中，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
无人驾驶车辆101上安装有点云数据采集装置102，点云数据采集装置102可以是激光雷达。当无人驾驶车辆101无法通过导航系统来识别周围环境时，可以通过点云数据采集装置102采集周围环境的点云数据帧。点云数据采集装置102可以通过向空间发射均匀分布的采集信号并接收反馈信号的方式获得点云数据帧。点云数据帧中包括呈矩阵排列的点云数据，每个点云数据可以对应一个三维坐标，这个三维坐标表示无人驾驶车辆101周围物体上的某个点在空间的位置。三维坐标对应的三维坐标系的原点可以设置为点云数据采集装置102开始获取点云数据时无人驾驶车辆101的位置，还可以以无人驾驶车辆101当前的行驶方向作为三维坐标系的X轴或Y轴，还可以以实际的方向(如正东、正南、正西或正北)作为三维坐标系的X轴或Y轴，此处不再一一赘述。此外，点云数据还可包括颜色信息等，具体视实际需要而定。
无人驾驶车辆101可以对点云数据帧进行数据处理，得到通过点云数据构建的地图。具体的，点云数据采集装置102可以以无人驾驶车辆101为圆心，通过激光扫描等方式，周期性地采集无人驾驶车辆101一定距离范围和/或角度范围内的物体的点云数据。每个周期得到一个点云数据帧，周期的时间长度可以设置为设定时间，这样，相邻两帧点云数据帧的生成时间就间隔设定时间(一个周期)。同时，距离范围和/或角度范围可以根据实际需要进行设定。通常，距离范围的设定要满足无人驾驶车辆101的自动行驶要求；角度范围的设定要满足构建地图的需要。通常，点云数据采集装置102的水平旋转角度(即水平方向上的旋转角度)为360°，扫描角度(即在垂直方向上的扫描角度)在0到180°之间。可选的，角度范围为以无人驾驶车辆101为圆心的空间半球。
点云数据采集装置102获取到点云数据帧后，可以实时发送给无人驾驶车辆101。无人驾驶车辆101实时获取到点云数据帧后，可以按照获取时间顺序排列点云数据帧，进而得到点云数据帧序列。
步骤202，从点云数据帧中提取形态数据。
在本实施例中，形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据。例如，点云数据采集装置102采集到的点云数据包括无人驾驶车辆101附件的一个限速牌。这个限速牌包括一个写有限速信息的圆面显示牌和一根支柱组成，支柱固定在地面。在点云数据中，圆面显示牌相当于面，支柱相当于线，则这个限速牌在点云数据里就表现为对应圆面显示牌的面点云数据和对应支柱的线点云数据。类似的，可以将每个物品的外表面都通过对应“面”的面点云数据和对应“线”的线点云数据进行描述。
在本实施例的一些可选的实现方式中，从点云数据帧中提取形态数据可以包括以下步骤：
第一步，确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量。
由于每个点云数据都对应一个三维坐标，且点云数据在点云数据帧中以矩阵的形式排列。因此，可以以任意一个点云数据为起点，相邻的点云数据为终点构成向量。每个点云数据最多可以与相邻的点云数据构成8个向量，最少也可以构成3个向量。
第二步，当向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
由上一步可知，相邻的点云数据可以构成向量。由于每个点云数据都代表了物体表面的一个点，因此，相邻点云数据构成的向量可以用来判断向量对应的两个点云数据是否属于一个面或一条线。
点云数据采集装置102采集的每个点云数据帧中的点云数据越多，相同大小的物体表面上就会分布越多的点云数据，也就越能精确地描述物体的表面。
由于点云数据采集装置102通过向空间发射均匀分布的采集信号以获取点云数据，因此，属于同一个面或线的相邻点云数据构成的向量的大小(即构成向量的两个点云数据的三维坐标之间的空间距离)与采集信号之间的空间距离大小基本相同。当向量的大小大于距离阈值条件时，可以认为向量对应的两个点云数据不在同一个面上或一条线上。反之，向量对应的两个点云数据在同一个面上或一条线上。距离阈值条件根据采集信号之间的空间距离来设置，具体视实际情况而定。
角度阈值条件可以用来判断面的边线或线的走向，也用来对向量对应的两个点云数据是否属于同一个面或线进行判定。
具体的，对两个点云数据是否属于同一个面或线的判定公式为：
Figure GDA0002333077480000071
其中，lc(xi,xj)为点云数据xi和点云数据xj为之间的局部凸性，用于表征点云数据xi和点云数据xj属于同一个面或线的可能性；
Figure GDA0002333077480000072
为点云数据xi所在的面的法向量；
Figure GDA0002333077480000081
为点云数据xj所在的面的法向量；
Figure GDA0002333077480000082
为从点云数据xi指向点云数据xj构成的向量；
Figure GDA0002333077480000083
为向量
Figure GDA0002333077480000084
的欧氏距离；ε1为点云数据xi符合局部凸性的角度阈值；ε2为点云数据xj符合局部凸性的角度阈值。
其中，判断点云数据是否属于一个面可以通过如下公式判定：
Figure GDA0002333077480000085
其中，
Figure GDA0002333077480000086
为某一平面的法向量；
Figure GDA0002333077480000087
为法向量
Figure GDA0002333077480000088
所对应平面上的平面质心xc与某个点云数据x构成的向量。
步骤203，建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系。
每个点云数据帧能获取到无人驾驶车辆101周围物体在某一时刻的点云数据。当无人驾驶车辆101处于运动状态时，相邻的两个点云数据帧中，同一物体对应的形态数据会发生变化。因此，建立相邻两点云数据帧中同一个物体的形态数据之间的对应关系，就能得到物体的形态数据之间的空间位置关系。该空间位置关系也能反映无人驾驶车辆101当前的运动状态。
在本实施例的一些可选的实现方式中，上述建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系可以包括以下步骤：
第一步，确定相邻两个点云数据帧中对应同一物体的两组形态数据。
物体的表面通过面和线之间的相互组合进行描述，每个点云数据帧都可以确定出对应的面和线。因此，通过面和线之间的对应关系可以确定出相邻两个点云数据帧中的两组形态数据是否对应同一个物体。
第二步，计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
形态数据也是点云数据，点云数据包括三维坐标。通过同一物体的两组形态数据对应的三维坐标，可以得到两个三维坐标之间的距离信息(即向量的欧氏距离，该向量可以以两组形态数据中对应物体同一点的两个三维坐标构成，并且，由两组形态数据中获取时间在先的形态数据中的三维坐标指向获取时间在后的形态数据中的三维坐标。该向量的构成还可以是其他方式，此处不再一一赘述)和角度信息(由于之前构建了三维坐标系，所以，也可以得到对应上述向量的角度)。两组形态数据之间的距离信息和角度信息，相当于物体在间隔设定时间后，从获取时间在先的形态数据指向获取时间在后的形态数据。即，间隔设定时间，某一物体在三维坐标系中的空间位置关系。
步骤204，根据空间位置关系确定对应静止物体的基准空间位置关系，并通过基准空间位置关系构建地图。
实际中，无人驾驶车辆101在行驶过程中，点云数据采集装置102可以监测到移动物体(例如，其他与当前无人驾驶车辆101不同速度和/或不同方向的车辆、行人、飞鸟等)的点云数据，也可以监测到静止物体(路边的建筑物、限速牌、树木等)的点云数据。而通过点云数据构建地图时，只能通过静止物体来构建，否则，得到的地图就会有误。因此，可以根据上述的空间位置关系确定出哪些形态数据对应的是运动物体，哪些物体对应的是静止物体。之后，以相邻两个点云数据帧中静止物体的空间位置关系作为基准空间位置关系来构建地图。
在本实施例的一些可选的实现方式中，上述根据空间位置关系确定对应静止物体的基准空间位置关系可以包括以下步骤：
第一步，统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图。
通常，点云数据帧中有对应多个物体的点云数据，通过上述相邻两个点云数据帧中同一物体的空间位置关系对应的距离信息和角度信息，可以得到在间隔设定时间内，该物体的速度信息。因此，可以统计相邻两个点云数据帧中每个物体的速度信息，进而得到速度分布图，通过速度分布图来确定哪些物体时静止的，哪些物体时运动的。其中，上述速度信息通过空间位置关系和设定时间确定。速度分布图用来统计一定范围内的速度的数量信息。
需要说明的是，当无人驾驶车辆101处于运动状态时，相邻两个点云数据帧中可能有不相同的物体的点云数据。例如，第一点云数据帧扫描了50个物体的点云数据，间隔设定时间得到的第二点云数据帧扫描了50个(或其他数量)物体的点云数据。第二点云数据帧得到的50个物体的点云数据中，可能有第一次被监测到的物体的点云数据，同时，在第一点云数据帧中对应物体的点云数据可能没有被监测到。因此，此处的速度分布图是对相邻两个点云数据帧中同一物体而言的，并且，相邻两个点云数据帧是否能监测到同一物体跟无人驾驶车辆101的行驶速度相关，无人驾驶车辆101的行驶速度具体可以根据实际需要而定。
第二步，从上述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系。
点云数据采集装置102一次性可以监测到很多物体的点云数据，而实际中，在无人驾驶车辆101周围移动的物体不会太多。即，通过相邻两个点云数据帧得到的大部分都是静止物体速度信息。因此，可以从速度分布图中找出占全部速度的比例最大的速度信息，并进而确定这些比例最大的速度信息对应的空间位置关系为基准空间位置关系。例如，在速度分布图中，速度为40公里/小时的物体占了全部速度信息的90％，其他速度信息占了全部速度信息的10％，则可以认为，速度为40公里/小时的物体为静止物体。
在本实施例的一些可选的实现方式中，上述通过基准空间位置关系构建地图可以包括：根据基准空间位置关系对应的形态数据在世界坐标系中的绘制静止物体，得到对应点云数据帧序列的地图。
确定了静止物体对应的基准空间位置关系后，就可以确定每一点云数据帧中对应的点云数据。而点云数据又是三维坐标，因此，可以通过这些三维坐标在三维坐标系中绘制对应的静止物体，从而得到对应点云数据帧序列的地图。三维坐标系可以是世界坐标系。
继续参见图3，图3是根据本实施例的用于构建地图的方法的应用场景的一个示意图。在图3的应用场景中，无人驾驶车辆301上安装的点云数据采集装置302获取无人驾驶车辆301周围的物体的点云数据。图3中，虚线圆为点云数据采集装置302的监测范围，虚直线为点云数据采集装置302监测到的物体。点云数据采集装置302获取到每个虚线圆内物体的点云数据后得到点云数据帧，并发送给无人驾驶车辆301的数据处理单元。无人驾驶车辆301实时获取点云数据帧，并构建点云数据帧序列。数据处理单元从点云数据帧中提取形态数据，并建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系，最后根据空间位置关系确定对应静止物体的基准空间位置关系，并通过基准空间位置关系实现了对无人驾驶车辆301周围环境的地图构建。
本申请的上述实施例提供的方法通过从点云数据帧中提取形态数据，进而得到相邻两个点云数据帧中形态数据之间的空间位置关系，之后，通过空间位置关系确定静止物体，并根据静止物体的基准空间位置关系构建了地图。
进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于构建地图的装置的一个实施例，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4所示，本实施例的用于构建地图的装置400可以包括：点云数据帧序列构建单元401、形态数据提取单元402、空间位置关系建立单元403和地图构建单元404。其中，点云数据帧序列构建单元401用于通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；形态数据提取单元402用于从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；空间位置关系建立单元403利用建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；地图构建单元404用于根据空间位置关系确定对应静止物体的基准空间位置关系，并通过基准空间位置关系构建地图。
在本实施例的一些可选的实现方式中，上述形态数据提取单元402可以包括：向量构建子单元(图中未示出)和形态数据判断子单元(图中未示出)。其中，向量构建子单元用于确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量；形态数据判断子单元用于在向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
在本实施例的一些可选的实现方式中，上述空间位置关系建立单元403可以包括：形态数据确定子单元(图中未示出)和空间位置关系获取子单元(图中未示出)。其中，形态数据确定子单元用于确定相邻两个点云数据帧中对应同一物体的两组形态数据；空间位置关系获取子单元用于计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
在本实施例的一些可选的实现方式中，上述地图构建单元404可以包括：速度分布图构建子单元(图中未示出)和基准空间位置关系确定子单元(图中未示出)。其中，速度分布图构建子单元用于统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图，上述速度信息通过空间位置关系和设定时间确定；基准空间位置关系确定子单元用于从上述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系。
在本实施例的一些可选的实现方式中，上述地图构建单元404还可以包括：根据基准空间位置关系对应的形态数据在世界坐标系中的绘制静止物体，得到对应点云数据帧序列的地图。
本实施例还提供了一种服务器，包括：一个或多个处理器；存储器，用于存储一个或多个程序，激光雷达，用于采集点云数据；当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于构建地图的方法。
本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上述的用于构建地图的方法。
下面参考图5，其示出了适于用来实现本申请实施例的终端设备的计算机系统500的结构示意图。图5示出的终端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5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
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。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501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，图示了按照本申请各种实施例的系统、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。
描述于本申请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：一种处理器包括点云数据帧序列构建单元、形态数据提取单元、空间位置关系建立单元和地图构建单元。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，地图构建单元还可以被描述为“用于构建地图的单元”。
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：通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；从点云数据帧中提取形态数据，上述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；根据空间位置关系确定对应静止物体的基准空间位置关系，并通过基准空间位置关系构建地图。
以上描述仅为本申请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，本申请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。例如上述特征与本申请中公开的(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 (10)

1.一种用于构建地图的方法，其特征在于，所述方法包括：
通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；
从点云数据帧中提取形态数据，所述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；
建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；
统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图，所述速度信息通过空间位置关系和设定时间确定，从所述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系，并通过基准空间位置关系构建地图。
2.根据权利要求1所述的方法，其特征在于，所述从点云数据帧中提取形态数据包括：
确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量；
当向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
3.根据权利要求1所述的方法，其特征在于，所述建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系包括：
确定相邻两个点云数据帧中对应同一物体的两组形态数据；
计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
4.根据权利要求1所述的方法，其特征在于，所述通过基准空间位置关系构建地图包括：
根据基准空间位置关系对应的形态数据在世界坐标系中绘制静止物体，得到对应点云数据帧序列的地图。
5.一种用于构建地图的装置，其特征在于，所述装置包括：
点云数据帧序列构建单元，用于通过实时获取的点云数据帧构建点云数据帧序列，点云数据帧序列包括多个按获取时间顺序排列的点云数据帧，相邻的点云数据帧间隔设定时间生成，点云数据帧包括呈矩阵排列的点云数据，点云数据包括用于标记物体的空间位置的三维坐标；
形态数据提取单元，用于从点云数据帧中提取形态数据，所述形态数据用于表征物体的面的形态特征和物体的线的形态特征，包括对应物体的面的面点云数据和/或对应物体的线的线点云数据；
空间位置关系建立单元，用于建立点云数据帧序列中相邻两个点云数据帧中形态数据之间的空间位置关系；
地图构建单元，包括速度分布图构建子单元和基准空间位置关系确定子单元，其中，速度分布图构建子单元，用于统计相邻两个点云数据帧中每个物体的速度信息得到速度分布图，所述速度信息通过空间位置关系和设定时间确定，基准空间位置关系确定子单元，用于从所述速度分布图中确定比例最大的速度信息对应的物体为静止物体，并将静止物体的空间位置关系确定为基准空间位置关系，并通过基准空间位置关系构建地图。
6.根据权利要求5所述的装置，其特征在于，所述形态数据提取单元包括：
向量构建子单元，用于确定点云数据帧中每个点云数据与相邻点云数据之间的多个向量；
形态数据判断子单元，用于在向量满足距离阈值条件和角度阈值条件时，则向量对应的两个点云数据为形态数据。
7.根据权利要求5所述的装置，其特征在于，所述空间位置关系建立单元包括：
形态数据确定子单元，用于确定相邻两个点云数据帧中对应同一物体的两组形态数据；
空间位置关系获取子单元，用于计算两组形态数据之间的距离信息和角度信息，得到空间位置关系。
8.根据权利要求5所述的装置，其特征在于，所述地图构建单元还包括：
根据基准空间位置关系对应的形态数据在世界坐标系中绘制静止物体，得到对应点云数据帧序列的地图。
9.一种终端设备，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；
激光雷达，用于采集点云数据；
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至4中任一所述的方法。
10.一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，该程序被处理器执行时实现如权利要求1至4中任一所述的方法。
CN201710599794.1A 2017-07-21 2017-07-21 用于构建地图的方法、装置及终端设备 Active CN110019570B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710599794.1A CN110019570B (zh) 2017-07-21 2017-07-21 用于构建地图的方法、装置及终端设备
US15/724,945 US10402999B2 (en) 2017-07-21 2017-10-04 Method, apparatus and terminal device for constructing map

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710599794.1A CN110019570B (zh) 2017-07-21 2017-07-21 用于构建地图的方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN110019570A CN110019570A (zh) 2019-07-16
CN110019570B true CN110019570B (zh) 2020-03-20

Family

ID=65023393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710599794.1A Active CN110019570B (zh) 2017-07-21 2017-07-21 用于构建地图的方法、装置及终端设备

Country Status (2)

Country Link
US (1) US10402999B2 (zh)
CN (1) CN110019570B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016018955A1 (en) * 2014-07-28 2016-02-04 Iris.Tv, Inc. Ensemble-based multimedia asset recommendations system
CN109145680B (zh) * 2017-06-16 2022-05-27 阿波罗智能技术(北京)有限公司 一种获取障碍物信息的方法、装置、设备和计算机存储介质
US11348269B1 (en) * 2017-07-27 2022-05-31 AI Incorporated Method and apparatus for combining data to construct a floor plan
US10657388B2 (en) * 2018-03-13 2020-05-19 Honda Motor Co., Ltd. Robust simultaneous localization and mapping via removal of dynamic traffic participants
USD890809S1 (en) * 2018-06-29 2020-07-21 Baidu Online Network Technology (Beijing) Co., Ltd. Display screen or portion thereof with a graphical user interface for an on-board computer
WO2021051407A1 (zh) * 2019-09-20 2021-03-25 深圳市大疆创新科技有限公司 一种点云显示方法、设备、可移动平台及存储介质
CN112558036B (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
CN114503044A (zh) * 2019-09-30 2022-05-13 北京航迹科技有限公司 用于在3d点云中自动标记对象的系统和方法
CN111427979B (zh) * 2020-01-15 2021-12-21 深圳市镭神智能系统有限公司 基于激光雷达的动态地图构建方法、系统及介质
CN111402332B (zh) * 2020-03-10 2023-08-18 兰剑智能科技股份有限公司 基于slam的agv复合建图与导航定位方法及系统
US10861175B1 (en) * 2020-05-29 2020-12-08 Illuscio, Inc. Systems and methods for automatic detection and quantification of point cloud variance
CN112000093B (zh) * 2020-07-15 2021-03-05 珊口（深圳）智能科技有限公司 移动机器人的控制方法、控制系统及存储介质
CN112365606B (zh) * 2020-11-05 2023-08-01 日立楼宇技术（广州）有限公司 设备位置的标注方法、装置、计算机设备和存储介质
CN112484738B (zh) * 2020-11-24 2023-04-28 深圳市优必选科技股份有限公司 机器人建图方法、装置、计算机可读存储介质及机器人
CN112762824B (zh) * 2020-12-24 2022-04-22 中南大学 一种无人车定位方法及系统
US11055428B1 (en) 2021-02-26 2021-07-06 CTRL IQ, Inc. Systems and methods for encrypted container image management, deployment, and execution
CN113589274B (zh) * 2021-06-24 2023-10-13 森思泰克河北科技有限公司 脚踢信号识别方法、装置及终端
CN116150595A (zh) * 2022-09-15 2023-05-23 张宾 基于人工智能的异常优化决策方法及ai分析系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104210439A (zh) * 2013-06-03 2014-12-17 现代自动车株式会社 使用车辆位置传感器数据生成道路地图的方法和系统
CN105556329A (zh) * 2013-09-27 2016-05-04 高通股份有限公司 混合照片导航及地图绘制
CN106599108A (zh) * 2016-11-30 2017-04-26 浙江大学 一种三维环境中多模态环境地图构建方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7116407B2 (en) * 1998-12-15 2006-10-03 Union Biometrica, Inc. System for axial pattern analysis of multicellular organisms
US7983446B2 (en) * 2003-07-18 2011-07-19 Lockheed Martin Corporation Method and apparatus for automatic object identification
US20050152588A1 (en) * 2003-10-28 2005-07-14 University Of Chicago Method for virtual endoscopic visualization of the colon by shape-scale signatures, centerlining, and computerized detection of masses
US7505841B2 (en) * 2005-09-02 2009-03-17 Delphi Technologies, Inc. Vision-based occupant classification method and system for controlling airbag deployment in a vehicle restraint system
US8340400B2 (en) * 2009-05-06 2012-12-25 Honeywell International Inc. Systems and methods for extracting planar features, matching the planar features, and estimating motion from the planar features
TWI476632B (zh) * 2009-12-08 2015-03-11 Micro Star Int Co Ltd 運動物體辨識方法及基於運動物體辨識之指令輸入方法
US9208556B2 (en) * 2010-11-26 2015-12-08 Quantitative Insights, Inc. Method, system, software and medium for advanced intelligent image analysis and display of medical images and information
US9721338B2 (en) * 2011-01-11 2017-08-01 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
US9008366B1 (en) * 2012-01-23 2015-04-14 Hrl Laboratories, Llc Bio-inspired method of ground object cueing in airborne motion imagery
US9593982B2 (en) * 2012-05-21 2017-03-14 Digimarc Corporation Sensor-synchronized spectrally-structured-light imaging
US9147132B2 (en) * 2013-09-11 2015-09-29 Digitalglobe, Inc. Classification of land based on analysis of remotely-sensed earth images
US9633483B1 (en) * 2014-03-27 2017-04-25 Hrl Laboratories, Llc System for filtering, segmenting and recognizing objects in unconstrained environments
US9286538B1 (en) * 2014-05-01 2016-03-15 Hrl Laboratories, Llc Adaptive 3D to 2D projection for different height slices and extraction of robust morphological features for 3D object recognition
US9183459B1 (en) * 2014-05-06 2015-11-10 The Boeing Company Sensor fusion using detector confidence boosting
CN106503248B (zh) 2016-11-08 2020-05-22 深圳市速腾聚创科技有限公司 地图生成方法及地图生成装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104210439A (zh) * 2013-06-03 2014-12-17 现代自动车株式会社 使用车辆位置传感器数据生成道路地图的方法和系统
CN105556329A (zh) * 2013-09-27 2016-05-04 高通股份有限公司 混合照片导航及地图绘制
CN106599108A (zh) * 2016-11-30 2017-04-26 浙江大学 一种三维环境中多模态环境地图构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于3D激光点云的无人车城市环境SLAM问题探究》;李玉;《中国优秀硕士学位论文全文数据库 信息科技辑》;20161115;论文第3-4章 *
《大规模道路场景致密语义地图构建》;江文婷;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160515;论文第3-4章 *

Also Published As

Publication number Publication date
CN110019570A (zh) 2019-07-16
US20190026920A1 (en) 2019-01-24
US10402999B2 (en) 2019-09-03

Similar Documents

Publication Publication Date Title
CN110019570B (zh) 用于构建地图的方法、装置及终端设备
CN109840880B (zh) 一种路面识别方法和装置
KR102032070B1 (ko) 깊이 맵 샘플링을 위한 시스템 및 방법
CN111780771B (zh) 一种定位方法、装置、电子设备及计算机可读存储介质
CN109285188B (zh) 用于生成目标物体的位置信息的方法和装置
CN110717918B (zh) 行人检测方法和装置
CN107941226B (zh) 用于生成车辆的方向引导线的方法和装置
US20220343758A1 (en) Data Transmission Method and Apparatus
CN110163153B (zh) 用于识别交通标志牌边界的方法及装置
CN109508579B (zh) 用于获取虚拟点云数据的方法及装置
CN113377888B (zh) 训练目标检测模型和检测目标的方法
CN111339876B (zh) 用于识别场景中各区域类型的方法和装置
CN112101209B (zh) 用于路侧计算设备的确定世界坐标点云的方法和装置
CN111353453B (zh) 用于车辆的障碍物检测方法和装置
CN111767853A (zh) 车道线检测方法和装置
CN112651266A (zh) 行人检测方法和装置
CN111666876A (zh) 用于检测障碍物的方法、装置、电子设备和路侧设备
CN114612616A (zh) 建图方法、装置、电子设备和存储介质
CN108881846B (zh) 信息融合方法、装置及计算机可读存储介质
CN112639822B (zh) 一种数据处理方法及装置
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
CN113177980A (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN112558036B (zh) 用于输出信息的方法和装置
CN112926415A (zh) 一种行人避让系统和行人监测方法
CN109116357B (zh) 用于同步时间的方法、装置及服务器

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
TR01 Transfer of patent right

Effective date of registration: 20211009

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Patentee after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Patentee before: BAIDU ONLINE NETWORK TECHNOLOGY (BEIJING) Co.,Ltd.

TR01 Transfer of patent right