CN110361710A - 基于激光点云的物体识别方法和装置 - Google Patents

基于激光点云的物体识别方法和装置 Download PDF

Info

Publication number
CN110361710A
CN110361710A CN201810312583.XA CN201810312583A CN110361710A CN 110361710 A CN110361710 A CN 110361710A CN 201810312583 A CN201810312583 A CN 201810312583A CN 110361710 A CN110361710 A CN 110361710A
Authority
CN
China
Prior art keywords
subpoint
similarity
laser point
statistical value
intensity values
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
Application number
CN201810312583.XA
Other languages
English (en)
Inventor
李政
李雨倩
孙志明
刘懿
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.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201810312583.XA priority Critical patent/CN110361710A/zh
Publication of CN110361710A publication Critical patent/CN110361710A/zh
Pending legal-status Critical Current

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请实施例公开了基于激光点云的物体识别方法和装置。该方法的一具体实施方式包括：获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；确定各激光点在预设平面的投影点；基于各投影点的坐标对各投影点执行聚类操作，得到多个类；对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。实现了基于聚类簇中各投影点之间相似度的统计值来确定物体的类型，可以提高对障碍物类型的识别精度。

Description

基于激光点云的物体识别方法和装置
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，尤其涉及基于激光点云的物体识别方法和装置。
背景技术
激光雷达，作为无人驾驶车辆的眼睛，在无人驾驶车辆中起着至关重要的作用。激光雷达的工作原理是由激光发射器向待识别物体发射探测信号(激光束)。然后由激光接收器接收从待识别物体反射回来的信号(待识别物体回波)。再将接收到的信号与发射出的信号进行比较，作适当处理后，可获得待识别物体的有关信息，如距离、方位、高度、速度、姿态、甚至形状等参数，从而对待识别物体进行探测、跟踪和识别。为了取得更好的探测效果，目前多采用包括多于一个激光发射器的多线激光雷达来探测待识别物体。
发明内容
本申请实施例提出了一种基于激光点云的物体识别方法和装置。
第一方面，本申请实施例提供了一种基于激光点云的物体识别方法，该方法包括：获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；确定各激光点在预设平面的投影点；基于各投影点的坐标对各投影点执行聚类操作，得到多个类；对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
在一些实施例中，对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，包括：计算该类中任意两投影点的反射强度值的差值；基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
在一些实施例中，基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值，包括：基于如下公式计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔR|min为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值；将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
在一些实施例中，在对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，该方法还包括：对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值；以及对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，包括：确定该类中各投影点对应的预设属性的参数值之间的相似度的统计值；将该类中各投影点反射强度值之间的相似度的统计值以及预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
在一些实施例中，预设属性至少包括以下之一：激光点高度、最小激光点距、激光点密度；其中激光点高度为该投影点对应的激光点与预设参考平面之间的距离；最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
在一些实施例中，在基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型之前，该方法还包括：对于每一个类，确定包围该类各投影点分别对应的各激光点的最小长方体的尺寸；以及基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型，包括：对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
在一些实施例中，对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型，包括：将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型，其中，预设物体类型数据库关联存储多个已知物体类型以及每一物体类型对应的各投影点之间相似度的统计值和最小长方体的尺寸范围。
第二方面，本申请实施例提供了一种基于激光点云的物体识别装置，该装置包括：获取单元，被配置成获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；第一确定单元，被配置成确定各激光点在预设平面的投影点；聚类单元，被配置成基于各投影点的坐标对各投影点执行聚类操作，得到多个类；第二确定单元，被配置成对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；第三确定单元，被配置成基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
在一些实施例中，第二确定单元进一步被配置成：计算该类中任意两投影点的反射强度值的差值；基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
在一些实施例中，第二确定单元进一步被配置成：基于如下公式计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔRmin为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值；将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
在一些实施例中，装置还包括第四确定单元，第四确定单元被配置成：在第二确定单元对于每一类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值；以及第二确定单元进一步被配置成：确定该类中各投影点分别对应的预设属性的参数值之间的相似度的统计值；将该类中各投影点反射强度值之间的相似度的统计值以及预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
在一些实施例中，预设属性至少包括以下之一：激光点高度、最小激光点距、激光点密度；其中激光点高度为该投影点对应的激光点与预设参考平面之间的距离；最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
在一些实施例中，该装置还包括第五确定单元，第五确定单元被配置成：在第三确定单元基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型之前，对于每一个类，确定包围该类各投影点分别对应的各激光点的最小长方体的尺寸；以及第三确定单元进一步被配置成：对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
在一些实施例中，第三确定单元进一步被配置成：将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型，其中，预设物体类型数据库包括多个已知物体类型以及每一物体类型对应的各投影点之间相似度的统计值和最小长方体的尺寸范围。
第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的基于激光点云的物体识别方法和装置，通过确定所获取的激光点云数据中各激光点在预设平面的投影点；然后基于各投影点的坐标对各投影点执行聚类操作，得到多个类；接着，对于每一个类，基于该类中各投影点的反射强度确定该类中各投影点之间相似度的统计值；最后，基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。实现了基于聚类簇各投影点之间相似度的统计值来确定物体的类型，可以提高基于激光点云识别物体类型的准确度。
在一些实施例中，对于每一个类，确定包围该类各投影点分别对应的激光点的最小长方体尺寸，并根据该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸来确定该类所对应的物体类型。从而可以提高对物体的检测精度，以及可以进一步提高基于激光点云识别物体类型的准确度。
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是根据本申请的基于激光点云的物体识别方法的一个实施例的流程图；
图3是根据本申请的基于激光点云的物体识别方法的一个应用场景的示意图；
图4是根据本申请的基于激光点云的物体识别方法的又一个实施例的流程图；
图5是根据本申请的基于激光点云的物体识别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服务器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基于激光点云的物体识别方法或基于激光点云的物体识别装置的实施例的示例性系统架构100。
如图1所示，系统架构可以包括无人驾驶车辆101、网络102和服务器103。网络102用以在无人驾驶车辆101和服务器103之间提供通信链路的介质。网络102可以采用无线通信链路。
无人驾驶车辆101可以配置有激光雷达、GPS设备、惯性导航设备。利用车载激光雷达采集激光点云数据，采集到的激光点云数据中包含激光雷达发出的激光投射到周围物体形成的激光点。激光雷达扫描一周，可以扫描到一帧激光点云数据。每一帧激光点云数据包括多个激光点数据。每一个激光点数据包括该激光点在预设坐标系下的三维坐标和该激光点的反射强度值。这里的预设坐标系可以是以激光雷达的位置为原点的笛卡尔坐标系。
服务器105可以提供各种服务，例如对每一帧激光点云数据中所包括的各激光点进行分析处理得到多个激光点簇，并确定各激光点簇对应的物体类型。
需要说明的是，本申请实施例所提供的基于激光点云的物体识别方法一般由服务器105执行，相应地，基于激光点云的物体识别装置一般设置于服务器105中。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的无人驾驶车辆、网络和服务器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无人驾驶车辆、网络和服务器。
继续参考图2，其示出了根据本申请的基于激光点云的物体识别方法的一个实施例的流程200。该基于激光点云的物体识别方法，包括以下步骤：
步骤201，获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值。
在本实施例中，基于激光点云的物体识别方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从无人驾驶车辆获取由无人驾驶车辆的车载多线激光雷达扫描得到的当前帧激光点云数据。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(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
上述当前帧激光点云数据可以包括多个激光点中各激光点在预设坐标系下的三维坐标和反射强度值。
上述预设坐标系可以是以多线激光雷达位于水平面上处于静止状态时，以激光雷达为原点，以激光雷达的垂直轴线方向为Z轴，以扫描起始平面的水平射线方向为X轴，Y轴由Z轴和X轴根据右手螺旋定则确定的坐标系。此外，上述预设坐标系还可以是世界坐标系。
上述反射强度值是激光雷达所发出的激光投射到物体上形成的反射激光的能量与激光雷达所发出的激光的能量的比值。
激光雷达所发出具有一定波长的激光发射到物体表面时，会因为物体表面的粗糙程度发生散射，将一部分激光散射到其他方向而不会被反射回激光雷达，同时，也会因物体表面的特性(物理或化学特性)吸收激光能量等因素而导致反射激光的激光能量小于激光雷达所发出的激光的能量。因此，反射强度值与激光投射到的物体表面的材料以及物体表面的粗糙程度有关。可以近似认为不同物体类型的所对应的反射强度也不相同。
上述执行主体可以以帧为单位对激光点云数据进行分析处理，以按照下面的方法来确定无人驾驶车辆周围物体的物体类型。
步骤202，确定各激光点在预设平面的投影点。
在本实施例中，基于步骤201中得到的当前帧激光点云数据，上述执行主体(例如图1所示的服务器)可以将该帧激光点云数据中的各激光点在预设平面上进行投影，并确定各激光点在预设平面的投影点。
在一些应用场景中，上述预设平面可以是水平面。在另外一些应用场景中，上述预设平面还可以是任意指定的平面。
当预设平面为水平面时，上述执行主体可以将当前帧激光点云数据中的各激光点在水平面上进行投影，得到多个投影点。
对于每一个投影点，上述执行主体可以得到该投影点在预设平面上的坐标值，以及该投影点对应的激光点的反射强度值。
步骤203，基于各投影点的坐标对各投影点执行聚类操作，得到多个类。
在步骤202中，确定了各激光点在预设平面的投影点之后，在本实施例中，基于激光点云的物体识别方法的执行主体可以基于各投影点的坐标对各投影点执行聚类操作，得到多个类。
上述聚类操作所对应的聚类算法可以为K-均值聚类算法、基于密度的聚类算法、基于层次的聚类算法等聚类算法。
在执行聚类操作所得到的每一个类中，可以包括多个投影点。
需要说明的是，上述各种聚类算法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤204，对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值。
在本实施例中，对于每一个类，上述执行主体可以对该类中各投影点的反射强度值采用各种分析方法进行处理，以确定该类中各投影点之间相似度的统计值。
在本实施例的一些可选的实现方式中，对于每一个类，上述执行主体可以按照如下步骤确定该类中各投影点之间相似度的统计值：
步骤2041，计算该类中任意两投影点的反射强度值的差值。
对于每一上述类，上述执行主体可以计算该类中任意两个投影点的反射强度值的差值。
步骤2042，基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
在步骤2041得到了该类中任意两投影点的反射强度值的差值之后，上述执行主体可以计算各投影点之间相似度的统计值。
例如，上述执行主体可以计算该类中的由计算任意两个投影点的反射强度值的差值所得到的多个差值的均值，并将上述多个差值的均值的倒数作为该类中各投影点之间相似度的统计值。
进一步可选地，步骤2042中的基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值，可以包括：
第一，基于如下公式(1)计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔR|min为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值。
第二，将该类中各点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
上述执行主体可以将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
步骤205，基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
在本实施例中，上述执行主体可以基于每一上述类中各投影点之间相似度的统计值来确定各上述类分别对应的物体类型。
在上述执行主体中，可以预先存储有多个已知物体类型的各投影点之间相似度的统计值。或者，上述执行主体可以访问存储有多个已知物体类型的各投影点之间相似度的统计值的服务器。对于任一上述类，上述执行主体可以将该类中各投影点的之间相似度的统计值与预先存储的多个已知物体类型的各投影点之间相似度的统计值进行比对，若该类中各投影点的之间相似度的统计值与预先存储的一个已知物体类型的各投影点之间相似度的统计值之间的差值在预设阈值范围内，则可以将该预先存储的已知物体类型作为该类对应的物体类型。这里的预设阈值可以根据具体的应用场景进行设定，此处不做限定。
这样一来，可以确定各上述类分别对应的物体类型。
继续参见图3，图3是根据本实施例的基于激光点云的物体识别方法的应用场景的一个示意图300。在图3的应用场景中，服务器302首先从无人驾驶车辆301获取无人驾驶车辆301的车载激光雷达采集的当前帧激光点云数据303；之后，服务器302将当前帧激光点云中的各激光点向预设平面进行投影，并确定各激光点在预设平面的投影点304；接着，根据各投影点的坐标进行聚类，得到多个类305；然后，对于每一类，服务器302基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值306。最后，基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型307。服务器302可以根据物体类型对上述无人驾驶车辆301的行驶方向和行驶速度进行控制。
本申请的上述实施例提供的方法通过首先将激光点云中的各激光点投影到预设平面上，确定各激光点的投影点；然后根据各投影点的坐标对各投影聚类，得到多个聚类结果；接着，对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，最后，基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型，实现了根据聚类簇中各点的相似度的统计值来识别物体类型。由于激光点的反射强度值与物体表面材料以及物体表面粗糙度相关，因此，对于不同物体类型，根据激光雷达所发出的各激光点照射到物体表面得到的反射强度值得到的各投影点的相似度的统计值也不相同。这样一来，根据聚类簇中各点的相似度的统计值来识别物体类型，可以提高识别物体类型的精确度。
在本实施例的一些可选的实现方式中，在步骤204的对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，基于激光点云的物体识别方法的执行主体对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值。步骤204中的对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，还可以进一步包括如下步骤：
第一，确定该类中各投影点对应的预设属性的参数值之间的相似度的统计值。
这里的预设属性可以是预先指定的(例如颜色属性等)。此外，这里的预设属性可以基于各激光点的坐标来计算得到。
第二，将该类中各点反射强度值之间的相似度的统计值以及预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
进一步可选地，上述预设属性指示包括以下之一：激光点高度、最小激光点距、激光点密度。其中，激光点高度为该投影点对应的激光点与预设参考平面之间的距离；最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
在这些可选的实现方式中，上述预设属性在一定程度上反映了物体的形状特征。因此，对于每一类，由于上述执行主体可以根据该类中各投影点的反射强度值以及预设属性的参数值来确定该类中各投影点之间相似度的统计值，可以进一步提高物体检测的精度，以及可以进一步提高基于激光点云识别物体类型的准确度。
进一步参考图4，其示出了基于激光点云的物体识别方法的又一个实施例的流程400。该基于激光点云的物体识别方法的流程400，包括以下步骤：
步骤401，获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值。
步骤401与图2所示实施例中的步骤201相同，此处不赘述。
步骤402，确定各激光点在预设平面的投影点。
步骤402与图2所示实施例中的步骤202相同，此处不赘述。
步骤403，基于各投影点的坐标对各投影点执行聚类操作，得到多个类。
步骤403与图2所示实施例中的步骤203相同，此处不赘述。
步骤404，对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值。
步骤404与图2所示实施例中的步骤204相同，此处不赘述。
步骤405，对于每一个类，确定包围该类各投影点分别对应的激光点的最小长方体的尺寸。
在本实施例中，对于每一个类，上述执行主体可以确定包围该类各投影点分别对应的激光点的最小长方体的尺寸。
对于每一个由对各激光点的投影点的坐标进行聚类所得到的类，该类各投影点所对应的激光点形成一个激光点簇。也就是说，对于每一个上述类，可以对应一个激光点簇。对于每一个上述类所对应的激光点簇，上述执行主体可以确定包围该激光点簇的最小长方体。进一步确定包围该激光点簇的最小长方体的尺寸。
通常，对于已知的物体类型，可以确定包围该物体类型的最小长方体尺寸的范围值。例如汽车，不同品牌、不同型号的汽车的形状和大小不同，因此对于汽车类型，可以对应一个包围汽车的最小长方体的尺寸范围。进一步地，可以将一个物体类型进行细分得到多个细分物体类型，并确定包围任一细分物体类型的最小长方体的尺寸范围。例如可以将汽车的类型细分为轿车、客车、卡车等等。可以对每一个细分汽车类型确定包围该细分汽车类型的最小长方体的尺寸范围。
步骤406，对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
在本实施例中，对于每一个类，上述执行主体可以基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
上述执行主体中可以预先存储有预设物体类型数据库，在该预设物体类型数据库中关联存储多个已知物体类型以及每一物体类型对应的各投影点相似度的统计值和最小长方体的尺寸范围。上述执行主体可以将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型。
具体地，对于任一由对各激光点的投影点的坐标进行聚类所得到的类，上述执行主体可以将包围该类所对应的激光点簇的最小长方体的尺寸落在一个已知物体类型对应的最小长方体尺寸范围内，且该类各投影点之间相似度的统计值与该已知物体类型的各投影点之间相似度的统计值之间的差值小于预设阈值时，上述执行主体可以将该已知物体类型确定为该类所对应的物体类型。
从图4中可以看出，与图2对应的实施例相比，本实施例中的基于激光点云的物体识别方法的流程400突出了确定包围各类投影点分别对应的激光点的最小长方体的尺寸，然后基于该类各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类对应的物体类型的步骤，从而可以进一步提高根据激光点云识别的物体类型的准确度。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种基于激光点云的物体识别装置的一个实施例，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，本实施例的基于激光点云的物体识别装置500包括：获取单元501、第一确定单元502、聚类单元503、第二确定单元504和第三确定单元505。其中，获取单元501，被配置成获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；第一确定单元502，被配置成确定各激光点在预设平面的投影点；聚类单元503，被配置成基于各投影点的坐标对各投影点执行聚类操作，得到多个类；第二确定单元504，被配置成对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；第三确定单元505，被配置成基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
在本实施例中，基于激光点云的物体识别装置500的获取单元501、第一确定单元502、聚类单元503、第二确定单元504和第三确定单元505的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，第二确定单元504进一步被配置成：计算该类中任意两投影点的反射强度值的差值；基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
在本实施例的一些可选的实现方式中，第二确定单元504进一步被配置成：基于如下公式(1)计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔR|min为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值。将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
在本实施例的一些可选的实现方式中，基于激光点云的物体识别装置500还包括第四确定单元(图中未示出)。上述第四确定单元被配置成：在第二确定单元504对于每一类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值；以及第二确定单元504进一步被配置成：确定该类中各投影点分别对应的预设属性的参数值之间的相似度的统计值；将该类中各投影点反射强度值之间的相似度的统计值以及预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
在本实施例的一些可选的实现方式中，预设属性至少包括以下之一：激光点高度、最小激光点距、激光点密度；其中激光点高度为该投影点对应的激光点与预设参考平面之间的距离；最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
在本实施例的一些可选的实现方式中，基于激光点云的物体识别装置500还包括第五确定单元(图中未示出)，第五确定单元被配置成：在第三确定单元505基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型之前，对于每一个类，确定包围该类各投影点分别对应的各激光点的最小长方体的尺寸；以及第三确定单元505进一步被配置成：对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
在本实施例的一些可选的实现方式中，第三确定单元505进一步被配置成：将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型，其中，预设物体类型数据库包括多个已知物体类型以及每一物体类型对应的各投影点之间相似度的统计值和最小长方体的尺寸范围。
下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，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，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分608加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。
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609从网络上被下载和安装，和/或从可拆卸介质611被安装。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，本申请所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。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
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：一种处理器包括获取单元、第一确定单元、聚类单元、第二确定单元和第三单元。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，获取单元还可以被描述为“获取激光点云数据的单元”。
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：获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；确定各激光点在预设平面的投影点；基于各投影点的坐标对各投影点执行聚类操作，得到多个类；对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
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 (16)

1.一种基于激光点云的物体识别方法，包括：
获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；
确定各所述激光点在预设平面的投影点；
基于各所述投影点的坐标对各所述投影点执行聚类操作，得到多个类；
对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；
基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
2.根据权利要求1所述的方法，其中，所述对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，包括：
计算该类中任意两投影点的反射强度值的差值；
基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
3.根据权利要求2所述的方法，其中，所述基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值，包括：
基于如下公式计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔR|min为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值；
将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
4.根据权利要求1所述的方法，其中，在所述对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，所述方法还包括：
对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值；以及
所述对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值，包括：
确定该类中各投影点分别对应的所述预设属性的参数值之间的相似度的统计值；
将该类中各投影点所述反射强度值之间的相似度的统计值以及所述预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
5.根据权利要求4所述的方法，其中，
所述预设属性至少包括以下之一：激光点高度、最小激光点距、激光点密度；其中
所述激光点高度为该投影点对应的激光点与预设参考平面之间的距离；
所述最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；
所述激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
6.根据权利要求1所述的方法，其中，在所述基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型之前，所述方法还包括：
对于每一个类，确定包围该类各投影点分别对应的各激光点的最小长方体的尺寸；以及
所述基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型，包括：
对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
7.根据权利要求6所述的方法，其中，所述对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型，包括：
将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型，其中，所述预设物体类型数据库关联存储多个已知物体类型以及每一物体类型对应的各投影点之间相似度的统计值和最小长方体的尺寸范围。
8.一种基于激光点云的物体识别装置，包括：
获取单元，被配置成获取激光点云数据，激光点云数据包括各激光点在预设坐标系下的三维坐标和反射强度值；
第一确定单元，被配置成确定各所述激光点在预设平面的投影点；
聚类单元，被配置成基于各所述投影点的坐标对各所述投影点执行聚类操作，得到多个类；
第二确定单元，被配置成对于每一个类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值；
第三确定单元，被配置成基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型。
9.根据权利要求8所述的装置，其中，所述第二确定单元进一步被配置成：
计算该类中任意两投影点的反射强度值的差值；
基于任意两投影点反射强度值的差值确定该类中各投影点之间相似度的统计值。
10.根据权利要求9所述的装置，其中，所述第二确定单元进一步被配置成：
基于如下公式计算该类中各投影点反射强度值之间的相似度的统计值：
其中，N为该类所包括的投影点的数量，N为大于1的正整数；ΔRmn＝Rm-Rn，Rm为该类中第m个投影点的反射强度值，Rn为该类中第n个投影点的反射强度值，ΔRmn为该类中第m个投影点的反射强度值与第n个投影点的反射强度值的差值，m，n均为小于等于N的正整数；|ΔR|max为该类中多个反射强度值的差值的绝对值中的最大值，|ΔR|min为该类中多个反射强度值的差值的绝对值中的最小值，其中，每一个反射强度值的差值为该类中两个投影点的反射强度值的差值；
将该类中各投影点反射强度值之间的相似度的统计值确定为该类中各投影点之间相似度的统计值。
11.根据权利要求8所述的装置，其中，所述装置还包括第四确定单元，所述第四确定单元被配置成：
在第二确定单元对于每一类，基于该类中各投影点的反射强度值确定该类中各投影点之间相似度的统计值之前，对于任一投影点，基于该投影点对应的激光点，确定该投影点对应的预设属性的参数值；以及
所述第二确定单元进一步被配置成：
确定该类中各投影点分别对应的所述预设属性的参数值之间的相似度的统计值；
将该类中各投影点所述反射强度值之间的相似度的统计值以及所述预设属性的参数值之间的相似度的统计值的加权和作为该类中各投影点之间的相似度的统计值。
12.根据权利要求11所述的装置，其中，
所述预设属性至少包括以下之一：激光点高度、最小激光点距、激光点密度；其中
所述激光点高度为该投影点对应的激光点与预设参考平面之间的距离；
所述最小激光点距为该投影点对应的激光点与其他激光点之间的距离中的最小距离；
所述激光点密度为以该投影点所对应的激光点为球心的预定半径的球体内，激光点的数量。
13.根据权利要求8所述的装置，其中，所述装置还包括第五确定单元，所述第五确定单元被配置成：
在所述第三确定单元基于每一类中各投影点之间相似度的统计值确定各类分别对应的物体类型之前，对于每一个类，确定包围该类各投影点分别对应的各激光点的最小长方体的尺寸；以及
所述第三确定单元进一步被配置成：
对于每一个类，基于该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸确定该类所对应的物体类型。
14.根据权利要求13所述的装置，其中，所述第三确定单元进一步被配置成：
将该类中各投影点之间相似度的统计值以及该类对应的最小长方体的尺寸与预设物体类型数据库进行匹配，并根据匹配结果确定该类对应的物体类型，其中，所述预设物体类型数据库包括多个已知物体类型以及每一物体类型对应的各投影点之间相似度的统计值和最小长方体的尺寸范围。
15.一种服务器，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
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1-7中任一所述的方法。
16.一种计算机可读介质，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1-7中任一所述的方法。
CN201810312583.XA 2018-04-09 2018-04-09 基于激光点云的物体识别方法和装置 Pending CN110361710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810312583.XA CN110361710A (zh) 2018-04-09 2018-04-09 基于激光点云的物体识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810312583.XA CN110361710A (zh) 2018-04-09 2018-04-09 基于激光点云的物体识别方法和装置

Publications (1)

Publication Number Publication Date
CN110361710A true CN110361710A (zh) 2019-10-22

Family

ID=68212020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810312583.XA Pending CN110361710A (zh) 2018-04-09 2018-04-09 基于激光点云的物体识别方法和装置

Country Status (1)

Country Link
CN (1) CN110361710A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339876A (zh) * 2020-02-19 2020-06-26 北京百度网讯科技有限公司 用于识别场景中各区域类型的方法和装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751669A (zh) * 2009-12-17 2010-06-23 北京中星微电子有限公司 一种静止物体检测方法和装置
US9245170B1 (en) * 2010-02-24 2016-01-26 The Boeing Company Point cloud data clustering and classification using implicit geometry representation
US20160162742A1 (en) * 2013-06-14 2016-06-09 Uber Technologies, Inc. Lidar-based classification of object movement
CN106353769A (zh) * 2016-08-16 2017-01-25 长春理工大学 多线激光雷达人形目标识别方法和汽车的防撞装置
CN106407947A (zh) * 2016-09-29 2017-02-15 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的目标物体识别方法和装置
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107615090A (zh) * 2015-05-29 2018-01-19 三菱电机株式会社 雷达信号处理装置
CN107748890A (zh) * 2017-09-11 2018-03-02 汕头大学 一种基于深度图像的视觉抓取方法、装置及其可读存储介质
CN107832769A (zh) * 2017-11-09 2018-03-23 苏州铭冠软件科技有限公司 物体位于环境中的视觉识别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751669A (zh) * 2009-12-17 2010-06-23 北京中星微电子有限公司 一种静止物体检测方法和装置
US9245170B1 (en) * 2010-02-24 2016-01-26 The Boeing Company Point cloud data clustering and classification using implicit geometry representation
US20160162742A1 (en) * 2013-06-14 2016-06-09 Uber Technologies, Inc. Lidar-based classification of object movement
CN107615090A (zh) * 2015-05-29 2018-01-19 三菱电机株式会社 雷达信号处理装置
CN106353769A (zh) * 2016-08-16 2017-01-25 长春理工大学 多线激光雷达人形目标识别方法和汽车的防撞装置
CN106407947A (zh) * 2016-09-29 2017-02-15 百度在线网络技术（北京）有限公司 用于无人驾驶车辆的目标物体识别方法和装置
CN107247960A (zh) * 2017-05-08 2017-10-13 深圳市速腾聚创科技有限公司 图像提取分类区域的方法、物体识别方法及汽车
CN107748890A (zh) * 2017-09-11 2018-03-02 汕头大学 一种基于深度图像的视觉抓取方法、装置及其可读存储介质
CN107832769A (zh) * 2017-11-09 2018-03-23 苏州铭冠软件科技有限公司 物体位于环境中的视觉识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
刘铭 等: "基于特征权重量化的相似度计算方法", 《计算机学报》 *
奥利维尔•勒卓瑞 等: "《图像处理和分析的图模型理论与应用》", 30 November 2016, 国防工业出版社 *
徐祖舰 等: "《机载激光雷达测量技术及工程应用实践》", 31 May 2009, 武汉大学出版社 *
黄祥林 等: "《图像检索原理与实践》", 30 June 2016, 中国传媒大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339876A (zh) * 2020-02-19 2020-06-26 北京百度网讯科技有限公司 用于识别场景中各区域类型的方法和装置
CN111339876B (zh) * 2020-02-19 2023-09-01 北京百度网讯科技有限公司 用于识别场景中各区域类型的方法和装置

Similar Documents

Publication Publication Date Title
US11328429B2 (en) Method and apparatus for detecting ground point cloud points
US11455565B2 (en) Augmenting real sensor recordings with simulated sensor data
US11487988B2 (en) Augmenting real sensor recordings with simulated sensor data
CN106845412B (zh) 障碍物识别方法及装置、计算机设备及可读介质
US20210326609A1 (en) Object classification using extra-regional context
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
CN108509820B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN106709475B (zh) 障碍物识别方法及装置、计算机设备及可读存储介质
CN109191553B (zh) 点云渲染方法、装置、终端及存储介质
US20220277478A1 (en) Positioning Method and Apparatus
CN109212531A (zh) 确定目标车辆取向的方法
CN109993192A (zh) 目标对象识别方法及装置、电子设备、存储介质
CN110390237A (zh) 点云数据处理方法和系统
CN108734780B (zh) 用于生成地图的方法、装置和设备
CN109190573B (zh) 应用于无人驾驶车辆的地面检测方法、电子设备、车辆
KR102565778B1 (ko) 객체 인식 방법 및 이를 수행하는 객체 인식 장치
CN112257605A (zh) 基于自标注训练样本的三维目标检测方法、系统及装置
CN110390706A (zh) 一种物体检测的方法和装置
CN115147333A (zh) 一种目标检测方法及装置
CN109272050A (zh) 图像处理方法和装置
CN117269940B (zh) 点云数据生成方法、激光雷达的感知能力验证方法
CN114966651A (zh) 可行驶区域检测方法、计算机设备、存储介质及车辆
CN110361710A (zh) 基于激光点云的物体识别方法和装置
KR20200065590A (ko) 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치
CN112558035B (zh) 用于估计地面的方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20210310

Address after: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100195 Beijing Haidian Xingshikou Road 65 West Cedar Creative Garden 4 District 11 Building East 1-4 Floor West 1-4 Floor

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

Effective date of registration: 20210310

Address after: Room a1905, 19 / F, building 2, No. 18, Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Beijing Jingdong Qianshi Technology Co.,Ltd.

Address before: 101, 1st floor, building 2, yard 20, Suzhou street, Haidian District, Beijing 100080

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191022