CN110082783B - 一种悬崖检测的方法及装置 - Google Patents
一种悬崖检测的方法及装置 Download PDFInfo
- Publication number
- CN110082783B CN110082783B CN201910390135.6A CN201910390135A CN110082783B CN 110082783 B CN110082783 B CN 110082783B CN 201910390135 A CN201910390135 A CN 201910390135A CN 110082783 B CN110082783 B CN 110082783B
- Authority
- CN
- China
- Prior art keywords
- laser radar
- window
- laser
- cliff
- point cloud
- 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
Images
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种悬崖检测的方法及装置,属于无人驾驶汽车感知技术领域,解决无人驾驶汽车在越野场景下的悬崖检测问题;方法包括,对获取激光雷达点云数据预处理得到有效激光雷达点云数据;采用滑窗方法,选取垂直角度相同有效激光雷达点云数据进行窗口特征数据提取,根据所述窗口特征数据在窗口滑动过程中的畸变特征,得到悬崖区域。本发明使用激光雷达点云数据,使悬崖检测距离更远,精度更高;采用滑窗方法判断悬崖区域,而不是根据单点的高度和距离特征,排除了杂点或者噪声点的干扰,使检测更加鲁棒和高效。
Description
技术领域
本发明涉及无人驾驶汽车感知技术领域,尤其是一种悬崖检测的方法及装置。
背景技术
无人驾驶汽车,属于地面移动机器人。机器人的感知技术对地面移动机器人的导航和避障至关重要,尤其在越野场景下,道路环境恶劣。其中,悬崖障碍作为严格不可通行障碍物,必须提供正确稳定的检测,否则无人车很容易跌入悬崖造成损坏。
目前,地面移动机器人的悬崖检测多是利用红外、超声波或红外与超声波结合,获得悬崖障碍的距离进而可以更精确的制动。这些技术主要适用于在相对较为规则的室内环境工作的低速移动机器人。而由于越野环境的复杂多变,以及无人车较快的行驶速度,对悬崖障碍的检测距离、检测精度、检测稳定性有更高的要求,使得以上方法不再适用于越野场景下悬崖检测。
发明内容
鉴于上述的分析,本发明旨在提供一种悬崖检测的方法及装置,解决无人驾驶汽车在越野场景下的悬崖检测问题,
本发明的目的主要是通过以下技术方案实现的:
一种悬崖检测的方法,包括;获取扫描悬崖得到的激光雷达点云数据,所述激光雷达点云数据中每个点的数据包括激光点距激光雷达的距离、雷达线的水平角度和垂直角度以及激光反射强度;
对所述激光雷达点云数据进行预处理,滤除无效激光雷达点云数据,得到有效激光雷达点云数据;
采用滑窗方法,选取垂直角度相同、水平角度顺序排列的有效激光雷达点云数据进行窗口特征数据提取,得到包括车体坐标系下的窗口高度特征和距离特征在内的窗口特征数据;
根据所述窗口特征数据在窗口滑动过程中的畸变特征,得到悬崖区域。
进一步地,对所述激光雷达点云数据进行预处理,滤除无效激光雷达点云数据,得到有效激光雷达点云数据,包括:
根据所述激光点距激光雷达的距离、雷达线的水平角度和垂直角度,得到激光点在雷达坐标系下的坐标值;
根据激光雷达坐标系到车体坐标系的转换矩阵,将激光点在雷达坐标系下的坐标值转换为车体坐标系下的激光雷达点云坐标数据;
根据设定的无效数据判决条件,对车体坐标系下的激光雷达点云坐标数据进行滤波,滤除无效激光雷达点云数据,得到有效激光雷达点云数据。
进一步地,所述设定的无效数据判决条件或为车体坐标系下激光点的z坐标即激光点的高度大于设定的高度阈值,或为激光点距离车体的距离大于设定的距离阈值,或为激光反射强度小于设定的强度阈值。
进一步地,所述滑窗方法中的窗口长度固定,窗口内包括固定点数的点云数据,并以固定的滑动步长对垂直角度相同、水平角度顺序排列的有效激光雷达点云数据进行滑动。
进一步地,所述窗口特征数据提取,包括:
1)选取滑窗窗口内任一激光点作为基准点,以车体坐标系下该基准点的z坐标即基准点的高度值为基准高度;
2)遍历滑窗窗口内的其他激光点,得到其他激光点的高度值与基准高度的高度差;若高度差小于高度差阈值,则将对应的激光点判断为窗口的内点,否则,判断为窗口的外点;并记录内点的个数;
3)如果内点的个数大于设定的个数阈值,则以该基准高度为窗口高度特征,以所有内点的平均距离为窗口的距离特征,以所有内点的平均坐标为窗口的坐标特征,进行窗口特征数据提取;否则,返回1)重新选取基准点,再次进行窗口特征数据提取。
进一步地,所述滑窗窗口包括长度相等的两个相邻窗口;以所述两个相邻窗口的高度特征的差值为滑窗的高度畸变特征,其中,以高度特征较大的为被减数;以两个相邻窗口的距离特征的比值为滑窗的距离畸变特征,其中距离特征较大的作为比值的分母。
进一步地,在滑窗过程中,首先,将滑窗的高度畸变特征与高度畸变阈值进行比较;当高度畸变特征大于高度畸变阈值时,再将滑窗的距离畸变特征与距离畸变阈值进行比较;当距离畸变特征小于距离畸变阈值时,记录两个相邻窗口的坐标特征;以两个相邻窗口的坐标特征点为起、终点的连线区域为悬崖区域。
进一步地,还包括将得到的所述悬崖区域投影到栅格地图,进行悬崖位置标注。
进一步地,所述获取扫描悬崖得到的激光雷达点云数据,包括利用多线三维激光雷达采集获取;所述多线三维激光雷达安置于无人车顶部支架,激光雷达坐标系的坐标轴分别与车体坐标轴平行。
一种悬崖检测装置,包括激光雷达和悬崖检测模块;
所述激光雷达用于采集扫描悬崖得到的激光雷达点云数据;
所述悬崖检测模块与所述激光雷达连接,接收所述激光雷达点云数据,采用上述任一种悬崖检测的方法对悬崖进行检测。
本发明有益效果如下:
使用激光雷达点云数据,使悬崖检测距离更远,精度更高;
采用滑窗方法,根据窗口特征数据在窗口滑动过程中的高度和距离特征,判断悬崖区域,而不是根据单点的高度和距离特征,排除了杂点或者噪声点的干扰,使检测更加鲁棒和高效;
将检测结果投影到栅格地图上,供无人驾驶汽车导航避障。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例中的悬崖检测方法流程图;
图2为本发明实施例中的多线三维激光雷达安装位置示意图;
图3为本发明实施例中的悬崖检测侧视示意图;
图4为本发明实施例中的悬崖检测俯视示意图;
图5为本发明实施例中的栅格地图示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理。
本实施例公开了一种悬崖检测的方法,可用于无人驾驶汽车在越野场景下的悬崖检测。
如图1所示,方法包括;
步骤S1、获取扫描悬崖得到的激光雷达点云数据,所述激光雷达点云数据中每个点的数据包括激光点距激光雷达的距离、雷达线的水平角度和垂直角度以及激光反射强度。
本实施例中的激光雷达点云数据通过多线三维激光雷达采集,多线三维激光雷达安装于无人车顶部支架,激光雷达坐标系的坐标轴分别与车体坐标轴平行。
具体的,车体坐标系定义为:车体坐标系原点定义为经过车辆后轴中心铅垂线于地面交点,z轴经过原点垂直地面,向上为正方向,y轴经过原点与z轴垂直且与车身平行,由原点指向车头方向为正,x轴经过原点且同时垂直于y轴z轴,x、y、z轴方向符合右手定则。
优选的,本实施例的激光雷达为32线三维激光雷达RS-LiDAR-32;其垂直扫描范围为-25°至15°,水平角度分辨率为0.18°,扫描范围为360°;
RS-LiDAR-32通过32个激光发射组件快速旋转的同时发射高频率激光束对外界环境进行持续性的扫描,经过测距算法提供包括激光点距激光雷达的距离、雷达线的水平角度和垂直角度数据及激光点照射物体后的激光反射强度数据。
举例而言,如图2所示,RS-LiDAR-32水平安置于无人车顶部支架,在车体坐标系下坐标为(0m,1.8m,2.3m),激光雷达坐标系的坐标轴分别与车体坐标轴平行。
图2中,V代表无人车,L代表激光雷达,li(i=1,2,3……32)代表各激光雷达线束。
步骤S2、对所述激光雷达点云数据进行预处理,滤除无效激光雷达点云数据,得到有效激光雷达点云数据。
具体包括:
步骤S201、根据获取的激光雷达点云数据,计算每个激光点在雷达坐标系下的坐标值;
激光雷达RS-LiDAR-32按照UDP协议发送激光雷达点云数据,通过点云数据提供的激光点距激光雷达距离r、雷达线的水平角度α和垂直角度β数据,可以得到在雷达坐标系中的坐标值Xl(xl,yl,zl),其中:
xl=r*sinβ*sinα;yl=r*sinβ*cosα;zl=r*cosα。
步骤S202、根据激光雷达坐标系到车体坐标系的转换矩阵,将激光点在雷达坐标系下的坐标值转换为车体坐标系下的激光雷达点云坐标数据;
根据激光雷达在车体的安装位置,通过对激光雷达标定可得到由激光雷达坐标系到车体坐标系的转换矩阵Tvl;
根据公式Xv=Tvl*Xl可将激光点由激光雷达坐标系转换到车体坐标系转换到车体坐标系;其中Xl为激光点在激光雷达坐标系下的坐标,Tvl为由激光雷达坐标系到车体坐标系的转换矩阵;Xv(x,y,z)为激光点在车体坐标系下的坐标。y坐标为激光点在车头方向的坐标;x坐标为激光点在垂直于车头方向的坐标;z坐标为激光点垂直地面的坐标,即激光点相对于车体坐标系的高度值。
步骤S203、根据设定的无效数据判决条件,对车体坐标系下的激光雷达点云坐标数据进行滤波,滤除无效激光雷达点云数据,得到有效激光雷达点云数据。
具体的,设定的无效数据判决条件或为车体坐标系下激光点的z坐标即激光点的高度大于设定的高度阈值,或为激光点距离车体的距离大于设定的距离阈值,或为激光反射强度小于设定的强度阈值;也可以是上述条件的两两组合或三种条件的组合。
其中,由于越野场景下悬崖障碍的特点,其高度较小,在判断悬崖障碍时,可根据激光点的高度,将高度大于设定的高度阈值的点云滤除,高度阈值可根据具体的越野场景进行设置,例如1m;
距离较大的点云对车身姿态变化比较敏感容易造成点云丢失,使得远距离点云的检测置信度降低,将距离大于设定的距离阈值的点云滤除,距离阈值可根据具体的越野场景进行设置,例如45m。
激光反射强度小的点云,容易丢失,检测置信度差,将激光反射强度小于设定的强度阈值的点云滤除。
步骤S3、采用滑窗方法,选择垂直角度相同、水平角度顺序排列的有效激光雷达点云数据进行窗口特征数据提取,得到包括车体坐标系下的窗口高度特征和距离特征在内的窗口特征数据;
在本实施例中,采用垂直角度相同的激光雷达线束上的激光点进行窗口特征数据提取是因为通常各型雷达的水平角度分辨率都在0.5°至0.2°范围内,检测信息较为丰富,且容易在不同型号雷达间移植。
具体的,在滑窗方法中,窗口长度固定,即窗口内包括固定点数的点云数据,并以固定的滑动步长进行滑动;利用窗口内的点云得到窗口特征数据来检测悬崖,而非单点的特征进行检测,使得检测对于噪声和杂点更不敏感进而使检测更加鲁棒。
窗口的大小可根据具体条件设置,例如为10或20,即每个窗口包含10或20个激光点;滑动步长即窗口的间隔也可设置,例如为5,即5个激光点,通过设置合适窗口的大小和滑动步长可以即提高检测精度又减小计算消耗。
优选的,窗口特征数据提取,包括:
1)选取滑窗窗口内任一激光点作为基准点,以车体坐标系下该基准点的z坐标即基准点的高度值为基准高度;
2)遍历滑窗窗口内的其他激光点,得到其他激光点的高度值与基准高度的高度差;若高度差小于高度差阈值,则将对应的激光点判断为窗口的内点,否则,判断为窗口的外点;并记录内点的个数;高度差阈值根据具体的越野条件设置,例如0.3m。
3)如果内点的个数大于设定的个数阈值,则以该基准高度为窗口高度特征,以所有内点的平均距离为窗口的距离特征,以所有内点的平均坐标为窗口的坐标特征,进行窗口特征数据提取;否则,返回1)重新选取基准点,再次进行窗口特征数据提取。
其中,个数阈值可根据需求调整,例如当窗口的大小为10时,个数阈值设置为5,在窗口特征数据提取过程中,通过投票的原则排除外点,使得窗口特征不受个别外点的影响,使检测更加鲁棒。
更优选的,滑窗窗口包括长度相等的两个相邻窗口;每个窗口包含10激光点,滑窗滑动步长即窗口的间隔设置为5。如图3和图4所示,为两个相邻窗口进行滑窗悬崖检测示意图的侧视图和俯视图,图中,V代表无人车,L代表激光雷达,li(i=1,2,3……32)代表各激光雷达线束,示意图用不同圆弧代表不同垂直角度的激光雷达线束。S代表悬崖,W1、W2代表两个相邻窗口;可通过对相邻窗口W1、W2的高度和距离上的畸变来判断该激光雷达线束扫描区域是否存在悬崖障碍。
步骤S4、根据所述窗口特征数据在窗口滑动过程中的畸变特征,得到悬崖区域。
本实施例,在窗口滑动过程中,以两个相邻窗口的高度特征的差值为滑窗的高度畸变特征,其中,以高度特征较大的为被减数;以两个相邻窗口的距离特征的比值为滑窗的距离畸变特征,其中距离特征较大的作为比值的分母。
在滑窗过程中,首先,将滑窗的高度畸变特征与高度畸变阈值进行比较;当高度畸变特征大于高度畸变阈值时,再将滑窗的距离畸变特征与距离畸变阈值进行比较;当距离畸变特征小于距离畸变阈值时,记录两个相邻窗口的坐标特征;以两个相邻窗口的坐标特征点为起、终点的连线区域为悬崖区域。
其中,高度畸变阈值和距离畸变阈值根据具体的越野条件设置,例如高度畸变阈值可设置为0.6m;距离畸变阈值可设置为0.64。
步骤S5、将得到的所述悬崖区域投影到栅格地图,进行悬崖位置标注。
为了为无人驾驶车辆提供悬崖的导航避障,还需要将得到的悬崖区域投影到二维栅格地图,具体包括:
1)将悬崖区域的起、终点坐标转换到栅格地图坐标系后,通过对栅格分辨率取余得到悬崖区域起、终点栅格坐标;
2)通过bresenham画线算法将起、终点栅格坐标连线经过的栅格标记悬崖区域;
3)对标记好悬崖区域的栅格地图进行包括膨胀或腐蚀在内的地图形态学操作,以减少误检。
本实施例中给出的栅格地图示例如图5所示,其中,栅格地图规格为宽40m长70m的二维栅格地图,分辨率为0.2m,固栅格地图共有200*400个栅格,车体坐标系原点位于栅格地图的(200,200)处,在图中灰色并划线的区域为悬崖区域。
本实施例还提供了一种悬崖检测装置,包括激光雷达和悬崖检测模块;
所述激光雷达用于采集扫描悬崖得到的激光雷达点云数据;如,32线三维激光雷达RS-LiDAR-32;
所述悬崖检测模块与所述激光雷达连接,接收激光雷达RS-LiDAR-32按照UDP协议发送激光雷达点云数据;采用上述公开的悬崖检测方法对悬崖进行检测。
本实施例公开的悬崖检测的方法及装置,适用于无人驾驶汽车在越野场景下的悬崖检测,使用激光雷达点云数据,使悬崖检测距离更远,精度更高;采用滑窗方法,根据窗口特征数据在窗口滑动过程中的高度和距离特征,判断悬崖区域,而不是根据单点的高度和距离特征,排除了杂点或者噪声点的干扰,使检测更加鲁棒和高效,可将检测结果投影到栅格地图上,供无人驾驶汽车导航避障。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种悬崖检测的方法,其特征在于,包括;
获取扫描悬崖得到的激光雷达点云数据,所述激光雷达点云数据中每个点的数据包括激光点距激光雷达的距离、雷达线的水平角度和垂直角度以及激光反射强度;
对所述激光雷达点云数据进行预处理,滤除无效激光雷达点云数据,得到有效激光雷达点云数据;
采用滑窗方法,选取垂直角度相同、水平角度顺序排列的有效激光雷达点云数据进行窗口特征数据提取,得到包括车体坐标系下的窗口高度特征和距离特征在内的窗口特征数据;
根据所述窗口特征数据在窗口滑动过程中的畸变特征,得到悬崖区域;
对所述激光雷达点云数据进行预处理,滤除无效激光雷达点云数据,得到有效激光雷达点云数据,包括:
根据所述激光点距激光雷达的距离、雷达线的水平角度和垂直角度,得到激光点在雷达坐标系下的坐标值;
根据激光雷达坐标系到车体坐标系的转换矩阵,将激光点在雷达坐标系下的坐标值转换为车体坐标系下的激光雷达点云坐标数据;
根据设定的无效数据判决条件,对车体坐标系下的激光雷达点云坐标数据进行滤波,滤除无效激光雷达点云数据,得到有效激光雷达点云数据。
2.根据权利要求1所述的悬崖检测的方法,其特征在于,所述设定的无效数据判决条件或为车体坐标系下激光点的z坐标即激光点的高度大于设定的高度阈值,或为激光点距离车体的距离大于设定的距离阈值,或为激光反射强度小于设定的强度阈值。
3.根据权利要求1所述的悬崖检测的方法,其特征在于,所述滑窗方法中的窗口长度固定,窗口内包括固定点数的点云数据,并以固定的滑动步长对垂直角度相同、水平角度顺序排列的有效激光雷达点云数据进行滑动。
4.根据权利要求3所述的悬崖检测的方法,其特征在于,所述窗口特征数据提取,包括:
1)选取滑窗窗口内任一激光点作为基准点,以车体坐标系下该基准点的z坐标即基准点的高度值为基准高度;
2)遍历滑窗窗口内的其他激光点,得到其他激光点的高度值与基准高度的高度差;若高度差小于高度差阈值,则将对应的激光点判断为窗口的内点,否则,判断为窗口的外点;并记录内点的个数;
3)如果内点的个数大于设定的个数阈值,则以该基准高度为窗口高度特征,以所有内点的平均距离为窗口的距离特征,以所有内点的平均坐标为窗口的坐标特征,进行窗口特征数据提取;否则,返回1)重新选取基准点,再次进行窗口特征数据提取。
5.根据权利要求4所述的悬崖检测的方法,其特征在于,所述滑窗窗口包括长度相等的两个相邻窗口;以所述两个相邻窗口的高度特征的差值为滑窗的高度畸变特征,其中,以高度特征较大的为被减数;以两个相邻窗口的距离特征的比值为滑窗的距离畸变特征,其中距离特征较大的作为比值的分母。
6.根据权利要求5所述的悬崖检测的方法,其特征在于,在滑窗过程中,首先,将滑窗的高度畸变特征与高度畸变阈值进行比较;当高度畸变特征大于高度畸变阈值时,再将滑窗的距离畸变特征与距离畸变阈值进行比较;当距离畸变特征小于距离畸变阈值时,记录两个相邻窗口的坐标特征;以两个相邻窗口的坐标特征点为起、终点的连线区域为悬崖区域。
7.根据权利要求5所述的悬崖检测的方法,其特征在于,还包括将得到的所述悬崖区域投影到栅格地图,进行悬崖位置标注。
8.根据权利要求1-7任一项所述的悬崖检测的方法,其特征在于,所述获取扫描悬崖得到的激光雷达点云数据,包括利用多线三维激光雷达采集获取;所述多线三维激光雷达安置于无人车顶部支架,激光雷达坐标系的坐标轴分别与车体坐标轴平行。
9.一种悬崖检测装置,其特征在于,包括激光雷达和悬崖检测模块;
所述激光雷达用于采集扫描悬崖得到的激光雷达点云数据;
所述悬崖检测模块与所述激光雷达连接,接收所述激光雷达点云数据,采用权利要求1-8任一项所述的悬崖检测的方法对悬崖进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390135.6A CN110082783B (zh) | 2019-05-10 | 2019-05-10 | 一种悬崖检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910390135.6A CN110082783B (zh) | 2019-05-10 | 2019-05-10 | 一种悬崖检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110082783A CN110082783A (zh) | 2019-08-02 |
CN110082783B true CN110082783B (zh) | 2021-04-23 |
Family
ID=67419563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910390135.6A Active CN110082783B (zh) | 2019-05-10 | 2019-05-10 | 一种悬崖检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110082783B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928301B (zh) * | 2019-11-19 | 2023-06-30 | 北京小米智能科技有限公司 | 一种检测微小障碍的方法、装置及介质 |
CN111142118B (zh) * | 2020-01-07 | 2022-08-26 | 盟识(上海)科技有限公司 | 一种自卸车倒车检测方法 |
CN111308499A (zh) * | 2020-03-09 | 2020-06-19 | 中振同辂(江苏)机器人有限公司 | 一种基于多线激光雷达的障碍物检测方法 |
CN113112491B (zh) * | 2021-04-27 | 2023-12-19 | 深圳市优必选科技股份有限公司 | 一种悬崖检测方法、装置、机器人及存储介质 |
CN114355894A (zh) * | 2021-12-08 | 2022-04-15 | 上海擎朗智能科技有限公司 | 数据处理方法、机器人以及机器人系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101625486B1 (ko) * | 2014-11-14 | 2016-05-30 | 재단법인대구경북과학기술원 | 지도 기반 측위 시스템 및 그 방법 |
CN106908775B (zh) * | 2017-03-08 | 2019-10-18 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN108931786A (zh) * | 2018-05-17 | 2018-12-04 | 北京智行者科技有限公司 | 路沿检测装置和方法 |
CN109085838A (zh) * | 2018-09-05 | 2018-12-25 | 南京理工大学 | 一种基于激光定位的动态障碍物剔除算法 |
-
2019
- 2019-05-10 CN CN201910390135.6A patent/CN110082783B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110082783A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110082783B (zh) | 一种悬崖检测的方法及装置 | |
US20240036207A1 (en) | Multiple Resolution, Simultaneous Localization And Mapping Based On 3-D Lidar Measurements | |
CN106997049B (zh) | 一种基于激光点云数据的检测障碍物的方法和装置 | |
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN110068836B (zh) | 一种智能驾驶电动清扫车的激光雷达路沿感知系统 | |
CN108868268B (zh) | 基于点到面距离和互相关熵配准的无人车位姿估计方法 | |
CN110119698B (zh) | 用于确定对象状态的方法、装置、设备和存储介质 | |
CN105404844A (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
US20040039498A1 (en) | System and method for the creation of a terrain density model | |
KR101880593B1 (ko) | 무인차량의 자율주행을 위한 라이다센서 장치 | |
CN112213735A (zh) | 一种针对雨雪天气的激光点云降噪方法 | |
CN110081982B (zh) | 一种基于双光谱光电搜索的无人机目标定位方法 | |
CN112698302A (zh) | 一种颠簸路况下的传感器融合目标检测方法 | |
CN112379674B (zh) | 一种自动驾驶设备及系统 | |
CN114994684A (zh) | 多雷达数据融合的扬尘场景下障碍物检测方法与系统 | |
CN113534184B (zh) | 一种激光感知的农业机器人空间定位方法 | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN110705358A (zh) | 一种列车aeb系统隧道场景控制决策方法 | |
CN112666535A (zh) | 一种基于多雷达数据融合的环境感知方法及系统 | |
WO2021168854A1 (zh) | 可行驶区域检测的方法和装置 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN113296120B (zh) | 一种障碍物检测方法及终端 | |
CN113376643A (zh) | 距离检测方法、装置及电子设备 | |
CN115151836A (zh) | 用于探测车辆周围环境中的移动对象的方法和机动车辆 | |
CN115825982B (zh) | 一种下雨环境下无人机点云数据扫描实现方法和系统 |
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 |