CN110244321B - 一种基于三维激光雷达的道路可通行区域检测方法 - Google Patents
一种基于三维激光雷达的道路可通行区域检测方法 Download PDFInfo
- Publication number
- CN110244321B CN110244321B CN201910324056.5A CN201910324056A CN110244321B CN 110244321 B CN110244321 B CN 110244321B CN 201910324056 A CN201910324056 A CN 201910324056A CN 110244321 B CN110244321 B CN 110244321B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- vehicle
- laser
- points
- laser radar
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明提供一种基于三维激光雷达的道路可通行区域检测方法,利用三维激光雷达获取车辆周围环境信息,采集点云数据;结合车辆的里程计信息消除点云的运动畸变;根据消除运动畸变后的点云数据,提取激光点云兴趣点;这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点;利用提取出的激光点云兴趣点的高度信息,并结合RANSAC算法,进行地面分割,区分出地面点云与障碍物点云;对区分出的障碍物点云进行栅格化,提取出每个栅格中距离车辆最近的数据点,这些数据点结合起来即是可通行区域的边界点。本发明通过消除点云在运动时产生的运动畸变问题,使得点云表达的周边环境信息更加精确。
Description
技术领域
本发明属于无人驾驶环境感知技术,具体涉及一种基于三维激光雷达的道路可通行区域检测方法。
背景技术
无人驾驶技术主要包括环境感知、路径规划及路径跟踪等内容,其中环境感知是利用车载传感器如毫米波雷达、摄像头和激光雷达等感知车辆周边信息,从而为路径规划、路径跟踪做准备。在传感器中,毫米波雷达无法识别出物体细节,摄像头在暗光或逆光条件下识别效果会受到明显影响,而激光雷达可测得物体的细节并且不受环境光照影响,因而激光雷达在环境感知中受到广泛的应用,与其他传感器起到相辅相成的效果。
目前基于激光雷达的可通行区域检测方法通常分为两类,基于栅格的方法和基于原始点云的方法。基于栅格的方法主要是将点云栅格化,利用该栅格中点云的Z坐标的大小进行地面分割,Himmelsbach利用栅格内点云Z坐标的高度差来提取可通行区域,缺点是丢失了Z的绝对数值,有可能会提取到高空点云;肖强在栅格中提取最低点点云作为地面参考点,进行直线拟合算出参考地面高度,选出地面栅格,再利用区域增长得到可通行区域。
基于原始点云的方法中,专利号为CN201810169285.X的发明专利“一种基于三维激光雷达的结构化道路可行域提取方法”,以及专利号为CN201810027774.1的发明专利“一种基于三维激光雷达的道路实时分割方法”,均是将多线激光雷达提取出单线点云,以单线点云为研究对象,前者用K-means聚类优化提取障碍物,并结合DBSCAN聚类算法提取路沿得到可行域,后者运用改进模糊线段发会线段图,识别路面及障碍物得到可通行区域,这种适应于结构化的道路,在野外等其他路况下不具有普遍性。
发明内容
本发明要解决的技术问题是:提供一种基于三维激光雷达的道路可通行区域检测方法,使得点云表达的周边环境信息更加精确。
本发明为解决上述技术问题所采取的技术方案为:一种基于三维激光雷达的道路可通行区域检测方法,其特征在于:包括以下步骤:
S1、利用三维激光雷达获取车辆周围环境信息,并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下;
S2、在点云采集的过程中,车辆处于运动状态,得到的单帧点云数据存在运动畸变问题,结合车辆的里程计信息消除点云的运动畸变;
S3、根据消除运动畸变后的点云数据,提取激光点云兴趣点;这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点;
S4、利用提取出的激光点云兴趣点的高度信息,并结合RANSAC算法,进行地面分割,区分出地面点云与障碍物点云;
S5、对区分出的障碍物点云进行栅格化,提取出每个栅格中距离车辆最近的数据点,这些数据点结合起来即是可通行区域的边界点。
按上述方法,所述的S2具体包括:
2.1,设某一帧点云数据从开始到结束的时间分别为ts、te,利用线性插值得到ts、te时刻的里程计位姿信息ps、pe;其中ts时刻里程计所在的时间戳在pm、pn之间,则ps=(pn-pm)*(s-m)/(n-m),ps、pm、pn分别为ts、tm、tn时刻对应的里程计位姿,s、m、n分别为ts、tm、tn时刻的时间点;pe同理可得;
2.2,将ps-pe时间段均分三段,取ps+1、ps+2两个时刻的位姿,这两个时刻的位姿根据ps、pe时刻的位姿线性插值得到,ps到ps+1时间段的点云数据由这一时间段的点云乘上ps+1时刻的位姿转换得到,同理得到Ps+1到ps+2、ps+2到pe时间段的点云数据;
2.3,将2.2中得到的ps到ps+1、Ps+1到ps+2、ps+2到pe时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据。
按上述方法,所述的S4具体为:
4.1,根据提取出的激光点云兴趣点的高度Z坐标信息,以高于激光雷达水平面0.5m为基准面,选取此基准面以下的所有激光点为兴趣点;
4.2,通过4.1选取出的激光点云兴趣点,利用RANSAC算法中的平面模型,提取一个平面,这个平面内的激光点云兴趣点即是地面点云;
4.3,从S3提取出的所有激光点云兴趣点中,剔除4.2得到的地面点云,即是障碍物点云。
按上述方法,所述的S5具体为:
5.1,障碍物点云栅格化:根据点云的(X,Y)坐标,建立一个极坐标系栅格,以车辆坐标系为原点,将XOY平面以0.5度的分辨率均分成720份,将障碍物点云分别放入这720个栅格中;
5.2,计算每个栅格内的障碍物点云到车辆坐标系原点的距离r,提取出r最小的障碍物点云;
5.3,将每个栅格提取出的r最小的障碍物点云,投影到XOY平面,利用最小二乘法进行拟合,得出车辆的可通行区域。
本发明的有益效果为:
1、通过消除点云在运动时产生的运动畸变问题,使得点云表达的周边环境信息更加精确。
2、在进行地面分割时,利用点云的高度信息滤除大量点云,在利用RANSAC算法中的平面模型选取地面点云时,大大减少了计算量,提高了运算效率。
3、在提取可通行区域时,直接在栅格化的点云中选取每个栅格内距离车辆最近的点,没有对障碍物点云进行多余的分析,计算量小,具有很好的实时性。
附图说明
图1为本发明一实施例的方法流程图。
图2为本发明一实施例的消除运动畸变后的点云图。
图3为本发明一实施例的地面分割后得到的地面点云。
图4为本发明一实施例的地面分割后得到的障碍物点云。
图5为本发明一实施例的可通行区域提取结果。
具体实施方式
下面结合具体实例和附图对本发明做进一步说明。
本发明提供一种基于三维激光雷达的道路可通行区域检测方法,如图1所示,包括以下步骤:
S1、利用三维激光雷达获取车辆周围环境信息,并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下。
激光雷达安装于车辆顶部,采集到的激光点云的坐标信息是以激光雷达安装位置为坐标原点O建立的坐标系,以车辆的前进方向作为激光雷达坐标系X轴方向,平行于激光雷达水平面垂直于X轴方向为激光雷达坐标系Y轴方向,垂直于激光雷达水平面向上的方向为激光雷达坐标系Z轴方向;车辆坐标系的坐标原点与激光雷达坐标系原点相同,假设车辆坐标系与水平地面平齐,车辆正前方为车辆坐标系X轴,平行于水平面与X轴垂直的方向为车辆坐标系Y轴方法,车辆坐标系Z轴竖直向上。坐标转换可避免激光雷达在车辆上的安装误差。
S2、在点云采集的过程中,车辆处于运动状态,激光点数据不是瞬间获得的,得到的单帧点云数据存在运动畸变问题,结合车辆的里程计信息消除点云的运动畸变,具体包括:
2.1,设某一帧点云数据从开始到结束的时间分别为ts、te,利用线性插值得到ts、te时刻的里程计位姿信息ps、pe;其中ts时刻里程计所在的时间戳在pm、pn之间,则ps=(pn-pm)*(s-m)/(n-m),ps、pm、pn分别为ts、tm、tn时刻对应的里程计位姿,s、m、n分别为ts、tm、tn时刻的时间点;pe同理可得。
2.2,将ps-pe时间段均分三段,取ps+1、ps+2两个时刻的位姿,这两个时刻的位姿根据ps、pe时刻的位姿线性插值得到,ps到ps+1时间段的点云数据由这一时间段的点云乘上ps+1时刻的位姿转换得到,同理得到Ps+1到ps+2、ps+2到pe时间段的点云数据。
2.3,将2.2中得到的ps到ps+1、Ps+1到ps+2、ps+2到pe时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据。图2为本发明一实施例的消除运动畸变后的点云图。
S3、根据消除运动畸变后的点云数据,提取激光点云兴趣点;这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度(本实施例为5米)以外的数据点。
S4、利用提取出的激光点云兴趣点的高度信息,并结合RANSAC算法,进行地面分割,区分出地面点云与障碍物点云,具体为:
4.1,根据提取出的激光点云兴趣点的高度Z坐标信息,以高于激光雷达水平面0.5m为基准面,选取此基准面以下的所有激光点为兴趣点。
4.2,通过4.1选取出的激光点云兴趣点,利用RANSAC算法中的平面模型,即ax+by+cz+d=0,提取一个平面,这个平面内的激光点云兴趣点即是地面点云。
4.3,从S3提取出的所有激光点云兴趣点中,剔除4.2得到的地面点云,即是障碍物点云。
本实施例利用图2的点云得到的地面点云与障碍物点云分别如图2和图3所示。
S5、对区分出的障碍物点云进行栅格化,提取出每个栅格中距离车辆最近的数据点,这些数据点结合起来即是可通行区域的边界点,具体为:
5.1,障碍物点云栅格化:根据点云的(X,Y)坐标,建立一个极坐标系栅格,以车辆坐标系为原点,将XOY平面以0.5度的分辨率均分成720份,将障碍物点云分别放入这720个栅格中。
5.2,计算每个栅格内的障碍物点云到车辆坐标系原点的距离r,提取出r最小的障碍物点云。
5.3,将每个栅格提取出的r最小的障碍物点云,投影到XOY平面,利用最小二乘法进行拟合,得出车辆的可通行区域,结果如图5所示。
本发明消除了点云在运动时产生的运动畸变问题,使得点云表达的周边环境信息更加精确,在地面分割时利用点云的高度信息与采样一致性算法相结合的方式,可适应各种路况,同时在可通行区域提取时没有对障碍物信息进行聚类识别,直接提取距离车辆最近的障碍物点云得出可通行区域,计算量小,具有较高的准确性与实时性。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (1)
1.一种基于三维激光雷达的道路可通行区域检测方法,其特征在于:包括以下步骤:
S1、利用三维激光雷达获取车辆周围环境信息,并将采集到的点云数据从激光雷达坐标系转换到车辆坐标系下;
S2、在点云采集的过程中,车辆处于运动状态,得到的单帧点云数据存在运动畸变问题,结合车辆的里程计信息消除点云的运动畸变;
S3、根据消除运动畸变后的点云数据,提取激光点云兴趣点;这里提取激光点云兴趣点主要是剔除激光雷达上方一定高度以外的数据点;
S4、利用提取出的激光点云兴趣点的高度信息,并结合RANSAC算法,进行地面分割,区分出地面点云与障碍物点云;
S5、对区分出的障碍物点云进行栅格化,提取出每个栅格中距离车辆最近的数据点,这些数据点结合起来即是可通行区域的边界点;
所述的S2具体包括:
2.1,设某一帧点云数据从开始到结束的时间分别为ts、te,利用线性插值得到ts、te时刻的里程计位姿信息ps、pe;其中ts时刻里程计所在的时间戳在pm、pn之间,则ps=(pn-pm)*(s-m)/(n-m),ps、pm、pn分别为ts、tm、tn时刻对应的里程计位姿,s、m、n分别为ts、tm、tn时刻的时间点;pe同理可得;
2.2,将ps-pe时间段均分三段,取ps+1、ps+2两个时刻的位姿,这两个时刻的位姿根据ps、pe时刻的位姿线性插值得到,ps到ps+1时间段的点云数据由这一时间段的点云乘上ps+1时刻的位姿转换得到,同理得到Ps+1到ps+2、ps+2到pe时间段的点云数据;
2.3,将2.2中得到的ps到ps+1、Ps+1到ps+2、ps+2到pe时间段的点云数据作为该帧点云数据消除运动畸变后的点云数据;
所述的S4具体为:
4.1,根据提取出的激光点云兴趣点的高度Z坐标信息,以高于激光雷达水平面0.5m为基准面,选取此基准面以下的所有激光点为兴趣点;
4.2,通过4.1选取出的激光点云兴趣点,利用RANSAC算法中的平面模型,提取一个平面,这个平面内的激光点云兴趣点即是地面点云;
4.3,从S3提取出的所有激光点云兴趣点中,剔除4.2得到的地面点云,即是障碍物点云;
所述的S5具体为:
5.1,障碍物点云栅格化:根据点云的(X,Y)坐标,建立一个极坐标系栅格,以车辆坐标系为原点,将XOY平面以0.5度的分辨率均分成720份,将障碍物点云分别放入这720个栅格中;
5.2,计算每个栅格内的障碍物点云到车辆坐标系原点的距离r,提取出r最小的障碍物点云;
5.3,将每个栅格提取出的r最小的障碍物点云,投影到XOY平面,利用最小二乘法进行拟合,得出车辆的可通行区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324056.5A CN110244321B (zh) | 2019-04-22 | 2019-04-22 | 一种基于三维激光雷达的道路可通行区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910324056.5A CN110244321B (zh) | 2019-04-22 | 2019-04-22 | 一种基于三维激光雷达的道路可通行区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110244321A CN110244321A (zh) | 2019-09-17 |
CN110244321B true CN110244321B (zh) | 2023-09-26 |
Family
ID=67883318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910324056.5A Active CN110244321B (zh) | 2019-04-22 | 2019-04-22 | 一种基于三维激光雷达的道路可通行区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110244321B (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112649815B (zh) * | 2019-10-10 | 2023-04-11 | 华为技术有限公司 | 处理数据的方法和装置 |
CN110765959B (zh) * | 2019-10-29 | 2023-04-07 | 长安大学 | 一种交通锥隔离带自动收放装置和方法 |
CN110618434B (zh) * | 2019-10-30 | 2021-11-16 | 北京航空航天大学 | 一种基于激光雷达的隧道内定位系统及其定位方法 |
CN110889831B (zh) * | 2019-11-18 | 2023-08-01 | 南京和光智能制造研究院有限公司 | 三维激光集装箱码头轮胎吊障碍物检测和定位方法及系统 |
CN110781891B (zh) * | 2019-11-28 | 2023-01-31 | 吉林大学 | 一种基于激光雷达传感器的识别车辆可行驶区域的方法 |
CN111340875B (zh) * | 2020-02-17 | 2023-04-07 | 南京航空航天大学 | 一种基于三维激光雷达的空间移动目标检测方法 |
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 |
CN111366917B (zh) * | 2020-03-13 | 2022-07-15 | 北京百度网讯科技有限公司 | 可行驶区域检测方法、装置、设备及计算机可读存储介质 |
CN111551957B (zh) * | 2020-04-01 | 2023-02-03 | 上海富洁科技有限公司 | 基于激光雷达感知的园区低速自动巡航及紧急制动系统 |
CN111580131B (zh) * | 2020-04-08 | 2023-07-07 | 西安邮电大学 | 三维激光雷达智能车在高速公路上识别车辆的方法 |
CN111665524A (zh) * | 2020-04-29 | 2020-09-15 | 武汉光庭科技有限公司 | 一种利用多线激光雷达进行地面剔除的方法及系统 |
CN111578932B (zh) * | 2020-05-28 | 2021-12-24 | 长沙中联重科环境产业有限公司 | 一种基于多线激光雷达的建图方法、装置、介质及设备 |
CN111815707A (zh) * | 2020-07-03 | 2020-10-23 | 北京爱笔科技有限公司 | 点云确定方法、点云筛选方法、装置、计算机设备 |
CN111798397A (zh) * | 2020-07-08 | 2020-10-20 | 上海振华重工电气有限公司 | 一种激光雷达数据的消抖与雨雾处理方法 |
CN111880195A (zh) * | 2020-07-10 | 2020-11-03 | 中科智云科技有限公司 | 基于激光雷达的塔吊防碰撞方法及其系统 |
CN111985322B (zh) * | 2020-07-14 | 2024-02-06 | 西安理工大学 | 一种基于激光雷达的道路环境要素感知方法 |
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 |
CN114089733B (zh) * | 2020-08-25 | 2023-08-29 | 同方威视技术股份有限公司 | 导向控制方法、装置、安检车辆、介质和程序产品 |
CN112147638B (zh) * | 2020-09-21 | 2023-10-20 | 知行汽车科技(苏州)股份有限公司 | 基于激光点云反射强度的地面信息获取方法、装置和系统 |
CN112364888A (zh) * | 2020-10-16 | 2021-02-12 | 爱驰汽车(上海)有限公司 | 点云数据处理方法、装置、计算设备及计算机存储介质 |
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 |
CN112731357A (zh) * | 2020-12-30 | 2021-04-30 | 清华大学 | 一种激光点云里程计定位误差的实时修正方法和系统 |
CN113176585B (zh) * | 2021-04-14 | 2024-03-22 | 浙江工业大学 | 一种基于三维激光雷达的路面异常检测方法 |
CN113340304B (zh) * | 2021-06-03 | 2023-02-17 | 青岛慧拓智能机器有限公司 | 坡度提取方法及装置 |
CN113376638A (zh) * | 2021-06-08 | 2021-09-10 | 武汉理工大学 | 一种无人物流小车环境感知方法及系统 |
CN113409268B (zh) * | 2021-06-18 | 2023-04-18 | 广东工业大学 | 基于单目相机的可通行区域检测方法、装置及存储介质 |
CN114415661B (zh) * | 2021-12-15 | 2023-09-22 | 中国农业大学 | 基于压缩三维空间点云的平面激光slam与导航方法 |
CN114815821B (zh) * | 2022-04-19 | 2022-12-09 | 山东亚历山大智能科技有限公司 | 基于多线激光雷达的室内自适应全景避障方法及系统 |
CN115236696B (zh) * | 2022-09-22 | 2022-12-09 | 毫末智行科技有限公司 | 确定障碍物的方法、装置、电子设备及存储介质 |
CN116359938B (zh) * | 2023-05-31 | 2023-08-25 | 未来机器人(深圳)有限公司 | 对象检测方法、装置及运载装置 |
CN116380108B (zh) * | 2023-06-02 | 2023-08-11 | 山东科技大学 | 一种基于激光雷达的轨迹规划方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
CN106569225A (zh) * | 2016-10-31 | 2017-04-19 | 浙江大学 | 一种基于测距传感器的无人车实时避障方法 |
CN108460416A (zh) * | 2018-02-28 | 2018-08-28 | 武汉理工大学 | 一种基于三维激光雷达的结构化道路可行域提取方法 |
CN109212555A (zh) * | 2018-10-12 | 2019-01-15 | 合肥中科智驰科技有限公司 | 基于三维激光雷达的可通行区域检测方法 |
CN109613543A (zh) * | 2018-12-06 | 2019-04-12 | 深圳前海达闼云端智能科技有限公司 | 激光点云数据的修正方法、装置、存储介质和电子设备 |
-
2019
- 2019-04-22 CN CN201910324056.5A patent/CN110244321B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
CN106569225A (zh) * | 2016-10-31 | 2017-04-19 | 浙江大学 | 一种基于测距传感器的无人车实时避障方法 |
CN108460416A (zh) * | 2018-02-28 | 2018-08-28 | 武汉理工大学 | 一种基于三维激光雷达的结构化道路可行域提取方法 |
CN109212555A (zh) * | 2018-10-12 | 2019-01-15 | 合肥中科智驰科技有限公司 | 基于三维激光雷达的可通行区域检测方法 |
CN109613543A (zh) * | 2018-12-06 | 2019-04-12 | 深圳前海达闼云端智能科技有限公司 | 激光点云数据的修正方法、装置、存储介质和电子设备 |
Non-Patent Citations (2)
Title |
---|
三维激光雷达在自主车环境感知中的应用研究;谌彤童;《中国优秀硕士学位论文全文数据库 信息科技辑》;20120715;第22-43页 * |
基于激光雷达的道路可通行区域检测;肖已达 等;《机电一体化》;20130228;第62-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110244321A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110244321B (zh) | 一种基于三维激光雷达的道路可通行区域检测方法 | |
CN110879401B (zh) | 基于相机和激光雷达的无人驾驶平台实时目标3d检测方法 | |
CN109948661B (zh) | 一种基于多传感器融合的3d车辆检测方法 | |
CN111583337B (zh) | 一种基于多传感器融合的全方位障碍物检测方法 | |
CN109752701B (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN109684921B (zh) | 一种基于三维激光雷达的道路边界检测与跟踪方法 | |
CN109444911B (zh) | 一种单目相机和激光雷达信息融合的无人艇水面目标检测识别与定位方法 | |
CN109034018B (zh) | 一种基于双目视觉的低空小型无人机障碍物感知方法 | |
CN104331876B (zh) | 直线检测、图像处理的方法及相关装置 | |
CN106584451B (zh) | 一种基于视觉导航的变电站自动构图机器人及方法 | |
CN110780305A (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN110781827A (zh) | 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法 | |
CN112001958B (zh) | 基于有监督单目深度估计的虚拟点云三维目标检测方法 | |
CN110705458B (zh) | 边界检测方法及装置 | |
CN111815717B (zh) | 一种多传感器融合外参联合半自主标定方法 | |
CN112149550A (zh) | 一种基于多传感器融合的自动驾驶车辆3d目标检测方法 | |
CN112162297B (zh) | 一种剔除激光点云地图中动态障碍伪迹的方法 | |
CN107590832A (zh) | 基于自然特征的物理对象追踪定位方法 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN113205604A (zh) | 一种基于摄像机和激光雷达的可行区域检测方法 | |
CN114299160A (zh) | 基于视觉与激光雷达融合的受电弓运行状态动态检测方法 | |
CN115187964A (zh) | 基于多传感器数据融合的自动驾驶决策方法及SoC芯片 | |
CN113469178A (zh) | 一种基于深度学习的电力表计识别方法 | |
CN114155720B (zh) | 一种路侧激光雷达的车辆检测和轨迹预测方法 | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |