CN110361754B - 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 - Google Patents
一种基于激光点云数据的道路印刷体生长式聚类方法及装置 Download PDFInfo
- Publication number
- CN110361754B CN110361754B CN201910637855.8A CN201910637855A CN110361754B CN 110361754 B CN110361754 B CN 110361754B CN 201910637855 A CN201910637855 A CN 201910637855A CN 110361754 B CN110361754 B CN 110361754B
- Authority
- CN
- China
- Prior art keywords
- pavement
- point cloud
- cloud data
- scanning line
- 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
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于激光点云数据的道路印刷体生长式聚类方法及装置,本发明从单线激光雷达点云中提取路面点云;然后进行阈值分割处理,从所述路面点云中提取路面印刷体;根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;最后针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。本发明针对利用单线激光雷达点云数据提取车道标线时,如果两类标线距离较近,常用聚类方法无法适用于路面印刷体聚类的情况,本发明可以很好的解决该问题。而且在从路面点云中阈值分割印刷体的效果不好,出现残缺的情况下,本发明也有很好的适用性。
Description
技术领域
本发明涉及自动驾驶高精度地图制作领域,具体涉及一种基于激光点云数据的道路印刷体生长式聚类方法及装置。
背景技术
对于自动驾驶车辆而言,高精度地图是其不可或缺的一部分,而道路标线又是高精度地图中最关键的要素,包含中央隔离线、车道外侧线、车道隔离线、待转区标线、纵向减速标线、横向减速标线等种类,另外还有实线和虚线之分,种类繁多,场景复杂。自动驾驶地图精度要求高,而且需要频繁更新,目前仍无法摆脱人为干预,如何快速、高精度地进行地图制作,显得尤为重要。
从高精度的三维激光雷达点云数据中提取道路标线是最直接的手段,目前常用的一种方法是采用单线激光雷达采集道路点云数据,然后从点云数据中分割出道路标线。
对于单线激光雷达扫描获得的道路点云数据,路面是由近似平行的,有一定间距的的若干条扫描线构成,每条扫描线是由稠密的离散点构成,所以在印刷体聚类时,常用的聚类方法,如欧几里得,就会失效,因为扫描线的纵向间距会大于不同种类标线的横向间距,如虚、实中央隔离线,车道隔离线与纵向减速标线等。而每种标线都是由若干条扫描线上的点构成,一些常用的聚类方法无法适用该情况下的印刷体聚类。
发明内容
本发明针对现有技术中存在的技术问题,提供一种基于激光点云数据的道路印刷体生长式聚类方法及装置。针对利用单线激光雷达点云数据提取车道标线时,如果两类标线距离较近,常用聚类方法无法适用于路面印刷体聚类的情况,本发明可以很好的解决该问题。而且在从路面点云中阈值分割印刷体的效果不好,出现残缺的情况下,也有很好的适用性。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种基于激光点云数据的道路印刷体生长式聚类方法,包括以下步骤:
从单线激光雷达点云中提取路面点云;
进行阈值分割处理,从所述路面点云中提取路面印刷体,
根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;
针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
第二方面,本发明提供一种基于激光点云数据的道路印刷体生长式聚类装置,包括:
点云提取模块,用于从单线激光雷达点云中提取路面点云;
分割模块,用于进行阈值分割处理,从所述路面点云中提取路面印刷体,
第一聚类模块,用于根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;
第二聚类模块,用于针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
本发明的有益效果是:现有技术在利用单线激光雷达点云数据提取车道标线时,如果两类标线距离较近,常用聚类方法则无法适用于路面印刷体聚类,本发明利用不同印刷体之间以及单一印刷体内部的点间距的不同进行印刷体聚类,可以很好的解决该问题。在此基础上,以区域生长方式,对多条扫描线上的路面印刷体进行聚类,可以有效解决在扫描线纵向间距L2大于不同类标线横向间距L1时,常用的聚类方法无法将两类标线分割开的问题。
在上述技术方案的基础上,本发明还可以做如下改进,所述的针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体,包括:
根据时间序列,获取前后两条扫描线的间距L2;
根据点云数据,获取所述两条扫描线上不同类别的路面印刷体的中心点c1;
针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2;
判断L2和d2的差值是否小于第一阈值,若小于则判定该路面印刷体与所述目标类别路面印刷体属于同一类别。
优选的,在所述的针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2之后还包括:
若L2和d2的差值大于第一阈值且小于第二阈值,则作c1到c2的连线L3;
取L3两侧且距离L3最近的目标类别路面印刷体的端点a2以及后一扫面线上路面印刷体的端点b1并连线L3;
作端点a2到中心点c2连线L4;
若L3的长度大于L4则判定后一扫面线上路面印刷体与目标类别路面印刷体属于同一类别。
第三方面,本发明提供一种基于激光点云数据的道路印刷体生长式聚类装置,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,实现本发明第一方面所述的一种基于激光点云数据的道路印刷体生长式聚类方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有用于实现本发明第一方面所述的一种基于激光点云数据的道路印刷体生长式聚类方法的计算机软件程序。
附图说明
图1为本发明实施一提供的一种基于激光点云数据的道路印刷体生长式聚类方法流程图;
图2为本发明实施例一提供的同一扫描线内不同路面印刷体(标线)聚类判别示意图;
图3、图4为本发明实施例一提供的不同扫描线间相同路面印刷体(标线)聚类判别示意图;
图5为本发明实施例二提供的一种基于激光点云数据的道路印刷体生长式聚类装置结构示意图;
图6为本发明实施例三提供的一种基于激光点云数据的道路印刷体生长式聚类装置结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
如图1所示,本发明实施例提供一种基于激光点云数据的道路印刷体生长式聚类方法,包括以下步骤:
S1,从单线激光雷达点云中提取路面点云。
S2,进行阈值分割处理,从所述路面点云中提取路面印刷体(标线)。
S3,根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体(标线)点云数据;同一扫描线上,单一标线内部的反射点之间的间距d1远小于不同类别的标线之间的横向间距L1,如图2所示。根据点间距进行聚类,有效解决在扫描线纵向间距L2大于不同类标线横向间距L1时常用的聚类方法无法将两类标线分割开的问题。
S4,针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
现有技术在利用单线激光雷达点云数据提取车道标线时,如果两类标线距离较近,常用聚类方法则无法适用于路面印刷体聚类,本发明利用不同印刷体之间以及单一印刷体内部的点间距的不同进行印刷体聚类,可以很好的解决该问题。
具体的,步骤S4包括以下子步骤:
根据时间序列,获取前后两条扫描线的间距L2;
根据点云数据,获取所述两条扫描线上不同类别的路面印刷体的中心点c1;
针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2;
判断L2和d2的差值是否小于第一阈值,若小于则判定该路面印刷体与所述目标类别路面印刷体属于同一类别。如图3所示。
在上述实施例技术方案的基础上,当阈值分割效果较差,标线点集出现残缺的情况,如图4所示,因此针对这种情况,步骤S4还包括以下子步骤:
当针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2之后,若L2和d2的差值大于第一阈值且小于第二阈值,则作c1到c2的连线L3;
取L3两侧且距离L3最近的目标类别路面印刷体的端点a2以及后一扫面线上路面印刷体的端点b1并连线L4;
作端点a2到中心点c2连线L5;
若L4的长度大于L5则判定后一扫面线上路面印刷体与目标类别路面印刷体属于同一类别。
实施例二
本发明实施例提供一种基于激光点云数据的道路印刷体生长式聚类装置,包括:
点云提取模块,用于从单线激光雷达点云中提取路面点云;
分割模块,用于进行阈值分割处理,从所述路面点云中提取路面印刷体;
第一聚类模块,用于根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;同一扫描线上,单一标线内部的反射点之间的间距d1远小于不同类别的标线之间的横向间距L1,如图2所示。根据点间距进行聚类,有效解决在扫描线纵向间距L2大于不同类标线横向间距L1时常用的聚类方法无法将两类标线分割开的问题。
第二聚类模块,用于针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
现有技术在利用单线激光雷达点云数据提取车道标线时,如果两类标线距离较近,常用聚类方法则无法适用于路面印刷体聚类,本发明利用不同印刷体之间以及单一印刷体内部的点间距的不同进行印刷体聚类,可以很好的解决该问题。
具体的,所述第二聚类模块,包括:
扫描线间距提取模块,用于根据时间序列,获取前后两条扫描线的间距L2;
中心点提取模块,用于根据点云数据,获取所述两条扫描线上不同类别的路面印刷体的中心点c1;
中心点间距计算模块,用于针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2;
第一类别判断模块,用于判断L2和d2的差值是否小于第一阈值,若小于则判定该路面印刷体与所述目标类别路面印刷体属于同一类别。
在上述实施例的基础上,所述第二聚类模块,还包括第二类别判断模块,用于解决当阈值分割效果较差,标线点集出现残缺的问题,具体的所示第二类别判断模块用于:
若L2和d2的差值大于第一阈值且小于第二阈值,则作c1到c2的连线L3;
取L3两侧且距离L3最近的目标类别路面印刷体的端点b1以及后一扫面线上路面印刷体的端点a2并连线L4;
作端点b1到中心点c2连线L5;
若L4的长度大于L5则判定后一扫面线上路面印刷体与目标类别路面印刷体属于同一类别。
实施例三
本发明实施例提供一种基于激光点云数据的道路印刷体生长式聚类装置,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,实现本发明实施例一所述的一种基于激光点云数据的道路印刷体生长式聚类方法。例如:从单线激光雷达点云中提取路面点云;进行阈值分割处理,从所述路面点云中提取路面印刷体;根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
实施例四
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现实施例一所述的一种基于激光点云数据的道路印刷体生长式聚类方法,例如包括:从单线激光雷达点云中提取路面点云;进行阈值分割处理,从所述路面点云中提取路面印刷体;根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于激光点云数据的道路印刷体生长式聚类方法,其特征在于,包括以下步骤:
从单线激光雷达点云中提取路面点云;
进行阈值分割处理,从所述路面点云中提取路面印刷体,
根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;
针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体;
所述的针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体,包括:
根据时间序列,获取前后两条扫描线的间距L2;
根据点云数据,获取所述两条扫描线上不同类别的路面印刷体的中心点c1;
针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2;
判断L2和d2的差值是否小于第一阈值,若小于则判定该路面印刷体与所述目标类别路面印刷体属于同一类别;
在所述的针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2之后还包括:
若L2和d2的差值大于第一阈值且小于第二阈值,则作c1到c2的连线L3;
取L3两侧且距离L3最近的目标类别路面印刷体的端点b1以及后一扫面线上路面印刷体的端点a2并连线L4;
作端点b1到中心点c2连线L5;
若L4的长度大于L5则判定后一扫面线上路面印刷体与目标类别路面印刷体属于同一类别。
2.一种基于激光点云数据的道路印刷体生长式聚类装置,其特征在于,包括:
点云提取模块,用于从单线激光雷达点云中提取路面点云;
分割模块,用于进行阈值分割处理,从所述路面点云中提取路面印刷体,
第一聚类模块,用于根据点间距进行聚类,获取单条扫描线上不同类别的路面印刷体点云数据;
第二聚类模块,用于针对目标路面印刷体,以区域生长方式,逐条搜索扫描线,从激光点云数据中提取与目标路面印刷体同类别的所有路面印刷体;
所述第二聚类模块,包括:
扫描线间距提取模块,用于根据时间序列,获取前后两条扫描线的间距L2;
中心点提取模块,用于根据点云数据,获取所述两条扫描线上不同类别的路面印刷体的中心点c1;
中心点间距计算模块,用于针对前一扫描线上的目标类别路面印刷体,取其中心点c1到后一扫描线上某一路面印刷体的中心点c2的间距d2;
第一类别判断模块,用于判断L2和d2的差值是否小于第一阈值,若小于则判定该路面印刷体与所述目标类别路面印刷体属于同一类别;
第二类别判断模块,用于:
若L2和d2的差值大于第一阈值且小于第二阈值,则作c1到c2的连线L3;
取L3两侧且距离L3最近的目标类别路面印刷体的端点b1以及后一扫面线上路面印刷体的端点a2并连线L4;
作端点b1到中心点c2连线L5;
若L4的长度大于L5则判定后一扫面线上路面印刷体与目标类别路面印刷体属于同一类别。
3.一种基于激光点云数据的道路印刷体生长式聚类装置,其特征在于,包括:
存储器,用于存储计算机软件程序;
处理器,用于读取并执行所述计算机软件程序,实现权利要求1任一项所述的一种基于激光点云数据的道路印刷体生长式聚类方法。
4.一种计算机可读存储介质,其特征在于,包括:所述计算机可读存储介质中存储有用于实现权利要求1任一项所述的一种基于激光点云数据的道路印刷体生长式聚类方法的计算机软件程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637855.8A CN110361754B (zh) | 2019-07-15 | 2019-07-15 | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910637855.8A CN110361754B (zh) | 2019-07-15 | 2019-07-15 | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361754A CN110361754A (zh) | 2019-10-22 |
CN110361754B true CN110361754B (zh) | 2021-07-16 |
Family
ID=68219224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910637855.8A Active CN110361754B (zh) | 2019-07-15 | 2019-07-15 | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110361754B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932477B (zh) * | 2020-08-07 | 2023-02-07 | 武汉中海庭数据技术有限公司 | 一种基于单线激光雷达点云的噪声去除方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
CN106503678A (zh) * | 2016-10-27 | 2017-03-15 | 厦门大学 | 基于移动激光扫描点云的道路标线自动检测和分类方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9110163B2 (en) * | 2013-06-14 | 2015-08-18 | Microsoft Technology Licensing, Llc | Lidar-based classification of object movement |
US9704055B2 (en) * | 2013-11-07 | 2017-07-11 | Autodesk, Inc. | Occlusion render mechanism for point clouds |
CN106845321B (zh) * | 2015-12-03 | 2020-03-27 | 高德软件有限公司 | 路面标记信息的处理方法和装置 |
CN106525000B (zh) * | 2016-10-31 | 2017-07-11 | 武汉大学 | 基于激光扫描离散点强度梯度的道路标线自动化提取方法 |
US10078790B2 (en) * | 2017-02-16 | 2018-09-18 | Honda Motor Co., Ltd. | Systems for generating parking maps and methods thereof |
-
2019
- 2019-07-15 CN CN201910637855.8A patent/CN110361754B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
CN106503678A (zh) * | 2016-10-27 | 2017-03-15 | 厦门大学 | 基于移动激光扫描点云的道路标线自动检测和分类方法 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
Non-Patent Citations (1)
Title |
---|
车载激光点云中杆状目标自动提取;王鹏 等;《遥感信息》;20171031;第52-56页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110361754A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3792901B1 (en) | Ground mark extraction method, model training method, device and storage medium | |
CN110634291B (zh) | 基于众包大数据的高精度地图拓扑自动构建方法及系统 | |
CN110674881B (zh) | 商标图像检索模型训练方法、系统、存储介质及计算机设备 | |
CN111695486B (zh) | 一种基于点云的高精度方向标志牌目标提取方法 | |
CN108960011B (zh) | 部分遮挡的柑橘果实图像识别方法 | |
CN110458083B (zh) | 一种车道线矢量化方法、装置及存储介质 | |
CN110349260B (zh) | 一种路面标线自动提取方法及装置 | |
CN113408407B (zh) | 电子地图车道线修正方法、设备及计算机可读存储介质 | |
CN110363771B (zh) | 一种基于三维点云数据的隔离护栏形点提取方法及装置 | |
CN109741450B (zh) | 一种基于扫描线的路面点云自动提取方法及装置 | |
CN105303169B (zh) | 一种基于慢特征的细胞分裂识别方法及其识别装置 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN111210488B (zh) | 激光点云中道路立杆的高精度提取系统及方法 | |
CN107220647A (zh) | 一种叶片交叉条件下作物中心点定位方法及系统 | |
CN110361754B (zh) | 一种基于激光点云数据的道路印刷体生长式聚类方法及装置 | |
CN112634297A (zh) | 高精地图制作方法、装置、电子设备和存储介质 | |
CN111627204A (zh) | 路径确定方法、装置、电子设备及存储介质 | |
CN104573701B (zh) | 一种玉米雄穗性状的自动检测方法 | |
CN114494617A (zh) | 一种车道线自动提取方法 | |
CN110084779A (zh) | 一种基于激光扫描的飞机厚蒙皮端面特征点提取与去噪方法 | |
CN117495891A (zh) | 点云边缘检测方法、装置和电子设备 | |
CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
CN111932477A (zh) | 一种基于单线激光雷达点云的噪声去除方法及装置 | |
CN110598650A (zh) | 车牌虚警过滤方法、装置及电子设备和存储介质 | |
CN114022434B (zh) | 一种护栏上下边线自动化提取方法及提取系统 |
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 |