CN110389586A - 用于地面和自由空间探测的系统和方法 - Google Patents

用于地面和自由空间探测的系统和方法 Download PDF

Info

Publication number
CN110389586A
CN110389586A CN201910314579.1A CN201910314579A CN110389586A CN 110389586 A CN110389586 A CN 110389586A CN 201910314579 A CN201910314579 A CN 201910314579A CN 110389586 A CN110389586 A CN 110389586A
Authority
CN
China
Prior art keywords
path
lidar
identified
ground
data
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.)
Granted
Application number
CN201910314579.1A
Other languages
English (en)
Other versions
CN110389586B (zh
Inventor
金大珍
A·U·巴图尔
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.)
Faraday and Future Inc
Original Assignee
Faraday and Future Inc
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 Faraday and Future Inc filed Critical Faraday and Future Inc
Publication of CN110389586A publication Critical patent/CN110389586A/zh
Application granted granted Critical
Publication of CN110389586B publication Critical patent/CN110389586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S17/89—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
    • 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
    • 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
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供一种配置为结合到车辆中的系统，改进的传感器数据处理(例如，LiDAR数据)可用于区分自由空间和物体/危险区。自动驾驶车辆可使用这些信息来执行自动驾驶和/或停车操作。LiDAR数据可以包括多个范围测量值(例如，形成三维点云)。每个范围测量值可以对应于各个LiDAR信道和方位角。LiDAR数据的处理可以包括基于一个或多个路径标准将一个或多个路径识别为候选地面路径。LiDAR数据的处理还可以包括基于被识别为候选地面路径的一个或多个路径和一个或多个点标准将多个范围测量值中的一个或多个识别为地面点或非地面点。

Description

用于地面和自由空间探测的系统和方法
技术领域
本发明主要涉及一种光成像、探测和测距(“LiDAR(light detection andranging)”)系统，以及更具体地涉及处理来自LiDAR系统的数据以探测地面和/或自由空间。
背景技术
现代车辆(尤其是汽车)越来越多地使用用于探测和收集关于车辆周围环境的信息的传感器和系统。自动驾驶车辆可以使用这些信息来执行自动驾驶、部分自动驾驶和驾驶员辅助驾驶和/或停车操作。许多自动驾驶、半自动驾驶和驾驶员辅助驾驶和/或停车操作依赖于多个传感器的协作，多个传感器包括相机、LiDAR传感器和超声波传感器等。来自一个或多个传感器的数据可用于映射环境。该映射可用于确定导航方向上的空间是否未被占用(例如，自由空间)或被物体或危险区(例如，车辆、墙壁、行人、坑洼等)占用。对环境的了解可以允许自动驾驶或部分自动驾驶车辆在不与物体或其他危险区碰撞的情况下导航。
LiDAR传感器对于映射环境(例如，通过生成三维点云)特别有用，因为激光范围测量值是特别准确的并且可以通过自动或部分自动操作所需的合理速度来生成。通常，可以使用高度阈值来处理LiDAR数据，其中物体可以基于它们相对于车辆地面的高度被分类为物体/危险区(物)。然而，即使具有良好的校准设置(在LiDAR传感器坐标和车辆坐标之间具有已知的几何关系，并且最终可以进一步扩展到真实世界的坐标系统)，由于真实世界的环境条件包括导航过程中车辆的动态运动和非平坦驾驶路面道路(变化的斜坡、盆孔、倾角、减速带等)引起的LiDAR坐标系的波动，诸如高度阈值的传统技术也不能可靠地区分地面/自由空间和物体/危险区的差异。需要改进的处理来区分自由空间和物体/危险区。
发明内容
本发明涉及一种用于改进传感器数据(例如，LiDAR数据)的处理以区分自由空间和物体/危险区的系统和方法。自动驾驶车辆可以使用这些信息来执行自动驾驶和/或停车操作。LiDAR数据可以包括多个范围测量值(例如，形成三维点云)。每个范围测量值可以对应于各个LiDAR信道和方位角。LiDAR数据的处理可以包括基于一个或多个路径标准将一个或多个路径识别为候选地面路径。LiDAR数据的处理还可以包括基于被识别为候选地面路径的一个或多个路径和一个或多个点标准将多个范围测量值中的一个或多个识别为地面点或非地面点。
根据本发明的一个方面，提供一种配置为结合到车辆中的系统，该系统包括：
包括一个或多个光探测和测距LiDAR信道的一个或多个LiDAR传感器；和
耦合到一个或多个LiDAR传感器的一个或多个处理器，处理器被配置为处理来自一个或多个LiDAR传感器的测距数据，测距数据包括多个范围测量值，其中处理测距数据包括以下步骤：
基于一个或多个路径标准将一个或多个路径识别为候选地面路径，其中一个或多个路径中的每个路径包括在各个路径的方位角处一个或多个LiDAR传感器中的每一个的范围测量值；
基于被识别为候选地面路径的一个或多个路径和一个或多个点标准，将多个范围测量值中的一个或多个识别为地面点或非地面点。
根据本发明的另一个方面，提供一种方法，包括：
处理来自一个或多个光探测和测距LiDAR传感器的测距数据，LiDAR传感器包括一个或多个LiDAR信道，测距数据包括多个范围测量值，其中处理测距数据包括以下步骤：
基于一个或多个路径标准将一个或多个路径识别为候选地面路径，其中一个或多个路径中的每个路径包括在各个路径的方位角处一个或多个LiDAR传感器中的每一个的范围测量值；以及
基于被识别为候选地面路径的所述一个或多个路径和一个或多个点标准，将多个范围测量值中的一个或多个识别为地面点或非地面点。
根据本发明的又一个方面，提供一种存储指令的非暂态计算机可读存储介质，该指令在由一个或多个处理器执行时使所述一个或多个处理器执行上述方法。
附图说明
图1示出了根据本公开的示例的可结合LiDAR系统的车辆控制系统的示例性系统框图；
图2A-2B示出了根据本公开的示例的扫描LiDAR传感器配置的视图；
图3A示出了根据本公开的示例的扫描LiDAR传感器的LiDAR信道扫过的弧线的俯视图；
图3B示出了根据本公开的示例的LiDAR数据的示例性表示；
图4示出了根据本公开的示例的处理LiDAR数据以探测地面和/或自由空间的示例性过程；
图5示出了根据本公开的示例的处理LiDAR数据以探测地面和/或自由空间的示例性过程；
图6A-6C示出了根据本公开的示例的处理LiDAR数据的示例性过程的计算的可视化表示。
具体实施方式
在以下示例的描述中，参考附图形成其一部分，并且其中通过图示的方式示出了可以实践的具体示例。应当理解的是，在不脱离所公开的示例的范围的情况下，可以使用其他示例并进行结构改变。
图1示出了根据本公开的示例的可结合LiDAR系统的车辆控制系统的示例性系统框图。系统100可以结合到车辆中，例如用户汽车。可以结合系统100的其他示例性车辆包括但不限于飞机、船、摩托车或工业汽车。车辆控制系统100可包括一个或多个能够捕获用于确定车辆周围环境的各种特性的图像数据(例如，视频数据)的相机106。车辆控制系统100可包括如本文所述的一个或多个LiDAR传感器104。车辆控制系统100还可包括能够探测车辆周围环境的各种特性的一个或多个其他传感器107(例如，雷达、超声波、IMU等)。例如，LiDAR传感器104、相机106和/或传感器107可用于探测物体的存在，物体例如是LiDAR传感器104、相机106和/或传感器107的探测范围内的其他车辆、行人或障碍物。全球定位系统(GPS)接收器108能够确定车辆的位置。在一些示例中，交通信息105和地图109可以被接收(例如，通过天线)或被访问(例如，从存储器112或内部存储器116)，并且可用于例如确定自动驾驶路线。地图109可以是高清晰度地图，其可选地可以包括关于一些静止物体的信息(交通灯的存在、类型和/或位置，减速带、斜坡、路缘等)。
车辆控制系统100可包括耦合到LiDAR传感器104、交通信息105、相机106、传感器107、GPS接收器108和地图109的车载计算机110。车载计算机110能够接收交通信息、来自相机的图像数据、来自LiDAR传感器的LiDAR数据、来自传感器107和GPS接收器108的输出以及地图109中的一个或多个。应当注意的是，来自多个传感器的传感器数据可以融合在一起(例如，LiDAR数据、雷达(RADAR)数据、超声波传感器数据、相机数据、惯性测量单元(IMU)数据等)。这种融合可以发生在车载计算机110的一个或多个电子控制单元(ECU)上。被选择为用于执行数据融合的一个或多个ECU可以以一个或多个ECU可用的资源量(例如，处理能力和/或存储器)为基础，并可以在ECU之间和/或ECU内的组件之间动态地移位(因为ECU可以包含多于一个处理器)以优化性能(例如，自动驾驶和停车操作的性能)。
车载计算机110可包括存储器112、内部存储器116和处理器(中央处理单元(CPU))114。CPU 114可以执行存储在存储器112和/或内部存储器116中的自动驾驶软件。例如，CPU114可以处理交通信息、图像数据、传感器输出，GPS输出和地图中的一些或全部，并基于此做出驾驶决定。例如，处理可以包括探测和跟踪环境中的物体、跟踪车辆参数(例如，测距、位置)、导航计划、车道选择/改变计划、运动计划、确定自动驾驶和/或自动停车命令等。如本文中更详细讨论的(例如，参考附图2A-6C)，CPU 114(或车辆100中的另一处理器)还可以处理来自各种传感器的一些或全部图像数据(例如，包括LiDAR数据)以探测自由空间和地面，并且基于探测的自由空间采取行动。
另外，存储器112和/或内部存储器116可以存储用于执行上述处理的指令和数据。特别地，存储器112和/或内部存储器116可用于存储和处理数据以探测自由空间和地面。存储器112和/或内部存储器116可以是任何非暂态计算机可读存储介质(如固态驱动器、硬盘驱动器)或随机存取存储器(RAM)以及其他可能的存储器。另外，车载计算机110可以包括通信接口118，其可以启用或执行车载计算机110的组件之间、车载计算机110与车辆控制系统100的其他组件之间或车载计算机110和其他外部系统之间的通信。
车辆控制系统100还可以包括控制器120，其能够基于从处理器接收的自动驾驶和/或停车命令来控制车辆操作的一个或多个方面。在一些示例中，车辆控制系统100可以连接(例如，经由控制器120)到车辆中的一个或多个致动器系统130和车辆中的一个或多个指示器系统140。一个或多个致动器系统130可包括但不限于马达131或发动机132、电池系统133、变速器传动装置134、悬架设置135、制动器136、转向系统137和门系统138。车辆控制系统100可以在车辆操作期间经由控制器120控制这些致动器系统130中的一个或多个；例如，使用门致动器系统138打开或关闭车辆的一个或多个门，在自动驾驶或停车操作期间使用马达131或发动机132、电池系统133、变速器传动装置134、悬架设置135、制动器137和/或转向系统137、门系统138等控制车辆。致动器系统130还可包括传感器，传感器将航位推测信息(例如，转向信息、速度信息等)发送到车载计算机110(例如，经由控制器120)以估计车辆的位置和方向。应当理解的是，本文描述的自动驾驶不限于完全自动驾驶系统；自动驾驶可包括完全或部分自动驾驶和/或驾驶员辅助系统。
一个或多个指示器系统140可包括但不限于一个或多个扬声器141(例如，作为车辆中的娱乐系统的一部分)、车辆中的一个或多个灯142、车辆中的一个或多个显示器143，车辆中的一个或多个触感部件144(例如，作为车辆中的方向盘或座椅的一部分)，以及一个或多个信息娱乐系统145(例如，向用户提供娱乐和/或信息)。车辆控制系统100可以经由控制器120控制这些指示器系统140中的一个或多个以向车辆的用户提供指示。
图2A-2B示出了根据本公开的示例的扫描LiDAR传感器配置的视图。图2A-2B示出了扫描LiDAR传感器202，其可以安装在车辆200的发动机罩或车顶上，或者可以以其他方式附接和/或集成到车辆底盘的一部分。扫描LiDAR传感器202可包括一个或多个激光信道(LiDAR信道)204。每个LiDAR信道可对应于具有各个俯仰角(其中i可以表示LiDAR信道)的扫描LiDAR传感器202中的激光光源。在一些示例中，扫描LiDAR传感器202可包括4-128个信道。在一些示例中，扫描LiDAR传感器202可包括16个信道、32个信道或64个信道。在一些示例中，一个或多个LiDAR信道可指向向上的方向(例如，以探测头顶间隙、比车辆200高的车辆或可能位于车辆上方的任何其他物体)，一个或多个LiDAR信道可指向向下的方向(例如，探测可能接近地面的物体，例如减速带、坑洼、小孩、宠物或任何其他低的物体)，并且一个或多个LiDAR信道可探测在路径或周围环境中的物体(例如，其他车辆、结构、障碍物、行人、骑自行车者等)。激光光束的总数、光束在不同方向上的分布以及光束的取向可以与附图的图示和描述不同，但仍然在本公开的范围内。
扫描LiDAR传感器202可以旋转一个旋转角度以使每个LiDAR信道能够扫描一个弧线(例如，沿弧线捕获测距测量值)。在一些示例中，用于每个LiDAR信道的激光光源可以旋转180度或360度(或不同的扫描范围)。在一些示例中，每个LiDAR信道扫描相同的角度。在一些示例中，不同的LiDAR信道可以扫过不同的角度。扫描LiDAR传感器202可以通过轴连接到马达。位置编码器(例如，编码器轮)可用于确定LiDAR信道的旋转位置，并且当激光光源沿着弧线发射激光束时，镜子的旋转位置可用于确定方位角θaz。在一些示例中，每个激光光源可提供连续的激光照射。在其他示例中，每个激光光源可提供照射脉冲。在一些示例中，用于脉冲激光光源的激光脉冲的定时可以是可控的。
在一些示例中，扫描LiDAR传感器202可以包括一个或多个可旋转的镜子(而不是旋转激光光源)，并且每个激光光源可以指向可旋转的镜子(其可以通过轴附接到马达)。位置编码器可用于确定镜子的旋转位置，并且镜子的旋转位置可用于确定镜子沿弧线指向的方向。
如本文所述，在一些示例中，每个LiDAR信道204可以发射激光束。当发射的光束遇到物体(或地面)时，发射光的一部分可以从物体反射并返回扫描LiDAR传感器202中的各个光传感器。光传感器可以是硅光电二极管、雪崩光电二极管、光电倍增管或其他可以探测反射激光的光电传感器。在一些示例中，光源和光传感器可以集成到同一单元中。在一些示例中，光源和光传感器可以被实现为不同的单元。在一些示例中，可以为从激光光源发射的每个光束提供一个光传感器(即，每个LiDAR信道有一个光源和光传感器对)。在一些示例中，分束器可用于将反射光束重定向到光传感器。
可以通过测量反射光束的飞行时间或通过其他测距技术来确定范围。可以确定沿着由LiDAR信道扫过的弧线的每个LiDAR信道的范围。所确定的范围可以是LiDAR信道的激光光源的俯仰角和沿着由LiDAR信道扫过的弧线的方位角的函数。例如，LiDAR信道的每个范围测量值可以表示为其中i可以表示LiDAR信道(具有对应的俯仰角)以及θaz可以表示方位角。
图2A示出了单信道LiDAR信道204。通过沿弧线的多个方位角进行测量，可以关于弧线生成物体的图像。在一些示例中，图像可以对应于道路上方的特定高度(例如，假设完全平坦的地面)。在一些示例中，俯仰角可以被调节且LiDAR信道可以扫过一个或多个另外的弧线。以这种方式，扫描LiDAR传感器202可以映射不同高度的环境以探测扫描LiDAR传感器的扫描区域内的物体的位置和距离。在一些示例中，如图2B所示，多个LiDAR信道204_1至204_N可用于并行扫描不同的弧线，以便能够更快地映射环境(这可以实现自主导航的更好的性能)。
图3A示出了根据本公开的示例的扫描LiDAR传感器的LiDAR信道扫过的弧线的俯视图300。LiDAR传感器302(例如，对应于LiDAR传感器202)可以为多个LiDAR信道304_1至304_N(例如，对应于LiDAR信道204_1至204_N)中的每一个发射激光光束。如俯视图300中所示，可以对信道进行索引，使得信道1最近且信道N最远。如本文所讨论的，每个LiDAR信道的测量值可以根据方位角来进行索引。图3A示出了沿着路径306的对应于特定方位角θA(即θaz＝θA)的测量值。对于方位角θA，路径可以包括针对LiDAR信道1至N的测量值至尽管图3A仅示出了一条路径，但应该理解的是，当LiDAR扫过弧线时，可以形成另外的路径。另外，尽管图3A中示出了360度的弧线，但在一些示例中可以扫描较小的弧线(例如，180度)。
图3B示出了根据本公开的示例的LiDAR数据(例如，由扫描LiDAR传感器202、302测量的数据)的示例性表示。数据可以表示为包括范围测量条目R11至RNM的N×M矩阵310，其可以根据LiDAR信道和方位角来进行索引。在该表示中，矩阵310的每列可以对应于路径(例如，诸如路径306)且每行可以对应于LiDAR信道沿弧线的测量值。
如本文所述，在理想的环境中(例如，完全平坦的地面，没有LiDAR坐标系的波动)，扫描LiDAR系统扫描的每个弧线可以对应于不同的高度，从而允许使用高度阈值来可靠地区分地面与物体/危险区。在真实世界的环境条件下(包括由导航期间车辆的动态运动和非平坦的驾驶路面道路(变化的斜坡、盆孔、斜坡、减速带等)引起的LiDAR坐标系的波动)可能需要额外的处理以可靠且快速地区分地面和物体/危险区。本文描述的处理的一个优点是在地面和物体/危险区之间的稳健且可靠的区分。
图4示出了根据本公开的示例的处理LiDAR数据以探测地面和/或自由空间的示例性过程400。过程405可以在405处通过获取由扫描LiDAR传感器(例如，LiDAR传感器104、扫描LiDAR传感器202、302)测量的LiDAR数据开始。在一些示例中，LiDAR数据可以存储在存储器112中。在410处，可以处理LiDAR数据(例如，通过车载计算机110的CPU 114)。关于激光数据处理的细节将在下面的图5中作更详细地说明。在415处，可以识别地平面和/或自由空间(例如，通过车载计算机110的CPU 114)。识别的地平面和/或自由空间可用于生成导航命令。在420处，车辆可以基于使用导航命令所识别的地平面和/或自由空间进行导航。例如，车辆可以停止或转弯以避免与车辆路径中的障碍相撞。当车辆的路径是没有障碍/物体的自由空间时，车辆可以继续进行自动驾驶和/或停车命令。
图5示出了根据本公开的示例处理LiDAR数据以探测地面和/或自由空间的示例性过程500。过程500可以对应于过程400中410、415处的处理和识别(例如，由车载计算机110的CPU 114执行)。在505处，LiDAR数据(例如，由扫描LiDAR传感器测量)可以分解为高度投影和地面投影。返回参考图2A，对于在特定方位角处的LiDAR信道的测量值，可以分解为两个投影和其中可代表高度投影和可代表地面投影。和可以用例如下列等式计算：
在510处，可以基于一个或多个路径标准将一个或多个路径识别为候选地面路径(或候选地面平面)。再次参考图3A-3B，可以通过在给定方位角处来自每个LiDAR信道的测量值来定义路径，并可以将其表示为矩阵310中的列。在515处，识别候选地面路径可以包括针对每个路径(即，每个固定方位角)沿路径计算高度投影测量值的差值。可以使用以下等式计算高度投影测量值的差值：
其中可以表示高度投影测量值的差值(索引到j，对于N LiDAR信道系统，j＝1到j＝N-1)，其中每个差值通过沿两个相邻LiDAR信道之间的路径减去高度投影测量值来计算。识别候选地面路径还可以包括在520处计算沿每个路径的路径(即，每个固定方位角)的地面投影测量值的差值。可以使用以下等式计算地面投影测量值的差值：
其中可以表示地面投影测量值的差值(索引到j，对于N LiDAR信道系统，j＝1到j＝N-1)，其中每个差值通过沿两个相邻LiDAR信道之间的路径减去地面投影测量值来计算。
识别候选地面路径还可以包括在525处对于每个路径(即，每个固定方位角)计算沿路径的导数的和。可以使用以下等式计算导数的和：
其中ss(θA)可以表示对应于θA的路径的导数的和，并且两个相邻LiDAR信道之间的每个导数由高度投影差值与地面投影差值的比率计算。
识别候选地面路径还可以包括在530处确定对于每个路径沿路径的导数的和是否满足一个或多个路径标准。一个或多个路径标准可以包括将沿路径的导数的和与阈值进行比较的标准。根据路径的导数的和小于阈值，可以将路径确定为候选地面路径。导数的和小于阈值可以指示相邻LiDAR信道之间的逐渐变化或小斜率，这反过来可以指示地平面。根据路径的导数之和等于或大于阈值，可以确定路径不是候选地面路径。导数的和等于或大于阈值可以指示相邻LiDAR道之间的快速变化或大斜率，这反过来可以指示沿路径的物体/危险区。阈值可以基于由扫描LiDAR传感器收集的、与在各种真实世界的驾驶条件下的障碍/无危险地平面和障碍/存在危险地平面相对应的数据来凭经验确定。
在一些示例中，可以将每个路径的导数的和归一化为从0到1的范围，并且可以将阈值设置为0到1之间的值(例如，0.5，0.6，0.7)。还可以基于扫描LiDAR传感器收集的数据凭经验确定归一化阈值。
图6A示出了根据本公开的示例的针对一个路径(对应于一个方位角)的过程500的515、520和525处的计算的可视化表示600。LiDAR传感器602可以发射激光、接收反射的激光并测量每个LiDAR信道的范围数据。在图6A的可视化表示600中，三个LiDAR信道可以在特定方位角θA:产生三个范围测量值604、606和608。范围测量值604、606和608可以被分解(例如，在过程500的505处)为高度投影测量值604_H、606_H、608_H和地面投影测量值604_G、606_G、608_G。通过减去两个相邻LiDAR信道之间的高度投影测量值，可以计算高度投影测量值的差值610_H、612_H(例如，在过程500的515处)：和同样，通过减去两个相邻LiDAR信道之间的地面投影测量值，可以计算地面投影测量的差值610_G、612_G(例如，在过程500的520处)： 和可以针对相邻LiDAR信道之间的每个差值计算导数(即，差值的斜率)。例如，对于图6A中的三个LiDAR信道，可以计算导数614和616(例如，在过程500的525处)：和由此可以通过对导数614和616求和来计算导数的和。
回到图5，在过程500中的535处，可以基于一个或多个点标准将范围测量值识别为地面点或非地面点。在540处，从每个候选地面路径开始并沿与每个LiDAR信道对应的弧线在两个方向上行进，可以计算导数。每个方向的导数可以使用以下等式计算：
其中可表示候选地面路径的方位角θA和LiDAR信道i的范围测量值的地面投影，可表示具有与θA不同的方位角(例如，相邻路径)的LiDAR信道i的范围测量值的地面投影，且ΔθA可以表示沿弧线的范围测量值之间的间隔。
基于一个或多个点标准将范围测量值识别为地面点或非地面点还可以包括在545处确定沿弧线的两个方向上的导数是否满足一个或多个点标准。一个或多个点标准可以包括将沿弧线的导数与阈值进行比较的标准。根据弧线的每个方向上的导数小于阈值，可以将范围测量值确定为地面点。在两个方向上的导数均小于阈值可以指示沿弧线的相邻测量值之间的逐渐变化或小斜率，这反过来可以指示地面点特性。根据弧线的一个或两个方向上的导数处于或大于阈值，可以将范围测量值确定为非地面点。在一个或两个方向上的导数处于或大于阈值可指示沿弧线的相邻测量值之间的快速变化或大斜率，这反过来可指示非地面点(物体/危险区)。阈值可以基于由扫描LiDAR传感器收集的、与在各种真实世界的驾驶条件下的障碍/无危险地平面和障碍/存在危险的地平面相对应的数据来凭经验确定。在一些示例中，可以将导数归一化为从0到1的范围，并且可以将阈值设置为0到1之间的值(例如，0.1，0.2等)。归一化阈值也可以基于扫描LiDAR传感器收集的数据凭经验确定。
图6B示出了根据本公开的示例的过程500中的540处的计算的可视化表示620。在图6B的可视化表示620中，四个LiDAR信道可以由弧线表示。地面投影测量值624(每个LiDAR信道一个)沿路径622表示(例如，对应于在过程500中的510处识别的候选地面路径)。沿与每个LiDAR信道对应的弧线可计算导数。例如，对于LiDAR信道626，可以计算左导数628_L和右导数628_R(例如，在过程500中的540处)。导数计算可以包括计算沿弧线的地面投影测量值的差值(例如，地面投影测量值624和左地面投影测量值626_L之间的差值，以及地面投影测量值624和右地面投影测量值626_R之间的差值)。如上所述，基于导数628_L和628_R是否满足点标准，可以将对应于LiDAR信道626和路径620的范围测量值624确定为地面点或非地面点。尽管对应于一个LiDAR信道和一个候选地面路径的弧线仅示出了一个左导数和一个右导数，但是可以沿每个弧线向外计算附加导数以将弧线上的每个点识别为地面点或非地面点。导数的计算可以沿每个弧线从候选地面路径向外继续，并且可以将导数与阈值进行比较以识别地面点，直到识别出非地面点(或直到沿弧线的范围测量值被完全识别为地面点)。
返回到图5，在过程500中的550处，可以基于作为地面点和非地面点的范围测量值的识别来识别自由空间。例如，沿每个路径从LiDAR传感器到非地面点的最小距离可以被确定为自由空间。
图6C示出了根据本公开的示例的过程500中的550处的计算的可视化表示630。在图6C的可视化表示630中，LiDAR传感器632的每个LiDAR信道634可以由弧线表示。可视化表示630还示出了向着沿路径从LiDAR到最接近的非地面点的最小距离从LiDAR传感器632延伸的箭头(例如，对应于不同的方位角方向)。物体或危险区636、638、640和642(例如，车辆、行人等)的存在可使得在与物体中的一个相交的方位角处识别LiDAR信道的非地面点(通过在具有非地面点的弧线处箭头的终止来表示)。没有物体或危险区的结果是方位角处的识别地面点不与物体之一相交(由超出所示的弧线的箭头表示)。自由空间区域644可以定义在不同方位角处到非地面点的最小距离内。可以生成命令以允许在自由空间内的自动导航和/或自动停车，以避开物体。
应当理解的是，过程500的流程是示例性的，并且可以进行修改(例如，以改进LiDAR数据处理性能)。例如，在515和520处将LiDAR数据分解成高度投影测量值和地面投影测量值可以并行进行，而不是串行进行。附加地或可选地，可以对于少于所有路径/方位角执行510处的路径识别过程。例如，具有1°方位角分辨率360°LiDAR传感器可以产生360个路径。然而，在一些示例中，不是为这些360个路径中的每一个计算差值和导数的和，而是可以处理路径的子集以识别候选路径。可以基于车辆的几何形状(即，车辆安全行进所需的间隙和行进方向)来选择路径子集。例如，如果两个非相邻路径被识别为非地面候选路径(不满足一个或多个路径标准)且两个非相邻路径之间的间隔不足以使车辆安全通过，则可以跳过用于识别候选地面路径的中间路径的处理(因为即使这些路径可能是地面候选路径，它们也不是车辆的可行导航路径)。因此，识别地面路径的处理可以首先处理每n个路径(例如，其中n是基于至少车辆的几何形状选择的大于1的整数)，然后，可以在第一处理中识别的非地面路径之间放弃处理中间路径。在一些示例中，可以处理在第一路径处理中识别的候选地面路径之间的中间路径以识别另外的候选地面路径。在一些示例中，甚至可以放弃在第一路径处理中识别的候选地面路径之间的这些中间路径的处理，并且可以评估中间范围测量值作为地面/非地面点的识别的一部分。在一些示例中，可以基于导航方向来选择路径子集。例如，可以处理具有一定范围的方位角(例如，行进方向±20°)的每个路径，因为行进方向可能对危险区/物体的存在特别敏感。如上所述，对于每n个路径，可以处理行进方向的方位角范围之外的路径(或者如果行进方向上的方位角的范围都是候选地面路径，则可以根本不处理这些路径，从而提供清晰的前进路径)。
附加地或可选地，可以不对于所有路径/方位角执行535处的点识别过程。如上所述，点识别过程可以从候选地面路径之一开始(例如，从一组不具有中间非地面路径的候选地面路径的中心开始)，然后从候选地面路径向左和向右执行点识别处理，直到探测到非地面点。非地面点的识别可以终止点识别过程中的导数的向右和向左评估。
因此，根据以上所述，本公开的一些示例涉及一种系统(例如，被配置为结合到车辆中)。该系统可以包括包括一个或多个LiDAR信道的一个或多个LiDAR传感器和耦合到一个或多个LiDAR传感器的一个或多个处理器。处理器可以被配置为处理来自一个或多个LiDAR传感器的测距数据，该测距数据包括多个范围测量值。处理测距数据可以包括以下步骤：基于一个或多个路径标准将一个或多个路径识别为候选地面路径，并基于识别为候选地面路径的一个或多个路径和一个或多个点标准将多个范围测量值中的一个或多个识别为地面点或非地面点。一个或多个路径中的每个路径可以包括在各个路径的方位角处一个或多个LiDAR传感器中的每一个的范围测量值。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个处理器还可以被配置为根据作为地面点或非地面点的测距数据的子集的识别来生成用于车辆的导航命令。除了以上公开的一个或多个示例之外或作为另外一种选择，在一些示例中，多个范围测量值的每个范围测量值可对应于一个或多个LiDAR信道中的一个和多个方位角中的一个。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，处理测距数据可包括将测距数据分解为高度投影数据和地面投影数据。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将一个或多个路径识别为候选接地路径可包括：对于每个路径，计算一个或多个LiDAR信道的相邻的LiDAR信道之间的高度投影数据的差值；并计算一个或多个LiDAR信道的相邻LiDAR信道之间的地面投影数据的差值。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将一个或多个路径识别为候选地面路径可以包括：对于每个路径，使用高度投影数据的差值和地面投影数据的差值沿各个路径计算导数；并计算沿各个路径的导数的和。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个路径标准可包括当导数的和小于阈值时满足的标准。将一个或多个路径识别为候选地路径可以包括：对于每个路径，当沿各个路径的导数的和小于阈值时，将各个路径识别为候选地路径。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将多个范围测量值中的一个或多个识别为地面点或非地面点可包括：对于一个或多个LiDAR信道中的各个LiDAR信道的范围测量值和识别为候选地面路径的各个路径，计算各个LiDAR信道的相邻方位角之间的地面投影数据的差值；并使用地面投影数据的差值和相邻方位角之间的差值，沿各个LiDAR信道计算导数。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个点标准包括当沿各个LiDAR信道的一阶导数和二阶导数均小于阈值时满足的标准。将范围测量值识别为地面点或非地面点可以包括：当一阶导数和二阶导数均小于阈值时，将范围测量值识别为地面点；当一阶导数或二阶导数处于或大于阈值时，将范围测量值识别为非地面点。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个处理器还可以被配置为基于沿一个或多个路径到一个或多个非地面点的最小距离来识别自由空间。
本公开的一些示例涉及一种方法。该方法可以包括：处理来自一个或多个光探测和测距(LiDAR)传感器的测距数据，该LiDAR传感器包括一个或多个LiDAR信道，测距数据包括多个范围测量值。处理测距数据可以包括以下步骤：基于一个或多个路径标准将一个或多个路径识别为候选地面路径；并基于被识别为候选地面路径的一个或多个路径和一个或多个点标准，将多个范围测量值中的一个或多个识别为地面点或非地面点。一个或多个路径中的每个路径包括在各个路径的方位角处一个或多个LiDAR传感器中的每一个的范围测量值。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，该方法可进一步包括根据测距数据的子集的识别为地面点或非地面点来生成用于车辆的导航命令。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，多个范围测量值的每个范围测量值可对应于一个或多个LiDAR信道中的一个和多个方位角中的一个。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，处理测距数据可包括将测距数据分解为高度投影数据和地面投影数据。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将一个或多个路径识别为候选地面路径可包括：对于每个路径，计算一个或多个LiDAR信道的相邻LiDAR信道之间的高度投影数据的差值；并计算一个或多个LiDAR信道的相邻LiDAR信道之间的地面投影数据的差值。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将一个或多个路径识别为候选地面路径可以包括：对于每个路径，使用高度投影数据的差值和地面投影数据的差值沿各个路径计算导数；并计算沿各个路径的导数的和。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个路径标准可包括当导数的和小于阈值时满足的标准。将一个或多个路径识别为候选地面路径可包括：对于每个路径，当沿各个路径的导数的和小于阈值时，将各个路径识别为候选地面路径。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，将多个范围测量值中的一个或多个识别为地面点或非地面点可以包括：对于被识别为候选地面路径的各个路径和一个或多个LiDAR信道中的各个LiDAR信道的范围测量值，计算各个LiDAR信道的相邻方位角之间的地面投影数据的差值；并使用地面投影数据的差值和相邻方位角之间的差值，沿各个LiDAR信道计算导数。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，一个或多个点标准可以包括当沿各个LiDAR信道的一阶导数和二阶导数均小于阈值时满足的标准。将范围测量值识别为地面点或非地面点可以包括：当一阶导数和二阶导数均小于阈值时，将范围测量值识别为地面点；当一阶导数或二阶导数处于或大于阈值时，将范围测量值识别为非地面点。除了上面公开的一个或多个示例之外或作为另外一种选择，在一些示例中，该方法可以进一步包括基于沿一个或多个路径到一个或多个非地面点的最小距离来识别自由空间。本公开的一些示例涉及非暂态计算机可读存储介质。非暂态计算机可读存储介质可以存储指令，该指令在由一个或多个处理器执行时可以使一个或多个处理器执行任何上述方法。
尽管已经参考附图充分描述了示例，但是应当注意，对于本领域技术人员来说，各种改变和修改将是显而易见的。这些变化和修改应被理解为包括在由所附权利要求限定的本公开的示例的范围内。

Claims (20)

1.一种配置为结合到车辆中的系统，所述系统包括：
包括一个或多个光探测和测距LiDAR信道的一个或多个LiDAR传感器；和
耦合到所述一个或多个LiDAR传感器的一个或多个处理器，所述处理器被配置为处理来自一个或多个LiDAR传感器的测距数据，所述测距数据包括多个范围测量值，其中处理所述测距数据包括以下步骤：
基于一个或多个路径标准将一个或多个路径识别为候选地面路径，其中所述一个或多个路径中的每个路径包括在所述各个路径的方位角处所述一个或多个LiDAR传感器中的每一个的范围测量值；
基于被识别为候选地面路径的所述一个或多个路径和一个或多个点标准，将所述多个范围测量值中的一个或多个识别为地面点或非地面点。
2.根据权利要求1所述的系统，其中，所述一个或多个处理器还被配置为：
根据将所述测距数据的子集识别为地面点或非地面点，生成用于车辆的导航命令。
3.根据权利要求1所述的系统，其中，所述多个范围测量值中的每个范围测量值对应于所述一个或多个LiDAR信道之一和多个方位角之一。
4.根据权利要求1所述的系统，其中，处理所述测距数据包括将所述测距数据分解成高度投影数据和地面投影数据。
5.根据权利要求4所述的系统，其中，将所述一个或多个路径识别为候选地面路径包括对于每个路径：
计算所述一个或多个LiDAR信道中的相邻LiDAR信道之间的高度投影数据的差值；以及
计算所述一个或多个LiDAR信道中的相邻LiDAR信道之间的地面投影数据的差值。
6.根据权利要求5所述的系统，其中，将所述一个或多个路径识别为候选地面路径包括对于每个路径：
使用高度投影数据的差值和地面投影数据的差值来计算沿所述各个路径的导数；以及
计算沿所述各个路径的导数的和。
7.根据权利要求6所述的系统，其中，所述一个或多个路径标准包括当所述导数的和小于阈值时满足的标准，其中将所述一个或多个路径识别为候选地面路径包括对于每个路径：
当沿所述各个路径的导数的和小于所述阈值时，将所述各个路径识别为候选地面路径。
8.根据权利要求4所述的系统，其中，将所述多个范围测量值中的一个或多个识别为地面点或非地面点包括：对于被识别为候选地面路径的各个路径和所述一个或多个LiDAR信道中的各个LiDAR信道的范围测量值：
计算所述各个LiDAR信道的相邻方位角之间的地面投影数据的差值；以及
使用地面投影数据的差值和相邻方位角之间的差值来计算沿所述各个LiDAR信道的导数。
9.根据权利要求8所述的系统，其中，所述一个或多个点标准包括当沿所述各个LiDAR信道的一阶导数和二阶导数均小于阈值时满足的标准，其中，将所述范围测量值识别为地面点或非地面点包括：
当所述一阶导数和所述二阶导数均小于所述阈值时，将所述范围测量值识别为地面点；以及
当所述一阶导数或所述二阶导数大于或等于所述阈值时，将所述范围测量值识别为非地面点。
10.根据权利要求1所述的系统，其中所述一个或多个处理器进一步被配置为：
基于沿所述一个或多个路径到一个或多个非地面点的最小距离来识别自由空间。
11.一种方法，包括：
处理来自一个或多个光探测和测距LiDAR传感器的测距数据，所述LiDAR传感器包括一个或多个LiDAR信道，所述测距数据包括多个范围测量值，其中处理所述测距数据包括以下步骤：
基于一个或多个路径标准将一个或多个路径识别为候选地面路径，其中所述一个或多个路径中的每个路径包括在所述各个路径的方位角处所述一个或多个LiDAR传感器中的每一个的范围测量值；以及
基于被识别为候选地面路径的所述一个或多个路径和一个或多个点标准，将所述多个范围测量值中的一个或多个识别为地面点或非地面点。
12.根据权利要求11所述的方法，进一步包括：
根据将所述测距数据的子集识别为地面点或非地面点，生成用于车辆的导航命令。
13.根据权利要求11所述的方法，其中，处理所述测距数据包括将所述测距数据分解为高度投影数据和地面投影数据。
14.根据权利要求13所述的方法，其中，将所述一个或多个路径识别为候选地面路径包括对于每个路径：
计算所述一个或多个LiDAR信道中的相邻LiDAR信道之间的高度投影数据的差值；以及
计算所述一个或多个LiDAR信道中的相邻LiDAR信道之间的地面投影数据的差值。
15.根据权利要求14所述的方法，其中，识别所述一个或多个路径为候选地面路径包括对于每个路径：
使用高度投影数据的差值和地面投影数据的差值来计算沿所述各个路径的导数；以及
计算沿所述各个路径的导数的和。
16.根据权利要求15所述的方法，其中，所述一个或多个路径标准包括当所述导数的和小于阈值时满足的标准，其中将所述一个或多个路径识别为候选地面路径包括对于每个路径：
当沿所述各个路径的导数的和小于所述阈值时，将所述各个路径识别为候选地面路径。
17.根据权利要求13所述的方法，其中，将所述多个范围测量值中的一个或多个识别为地面点或非地面点包括：对于被识别为候选地面路径的各个路径和所述一个或多个LiDAR信道中的各个LiDAR信道的范围测量值：
计算所述各个LiDAR信道的相邻方位角之间的地面投影数据的差值；以及
使用地面投影数据的差值和相邻方位角之间的差值来计算沿所述各个LiDAR信道的导数。
18.根据权利要求17所述的方法，其中，所述一个或多个点标准包括当沿所述各个LiDAR信道的一阶导数和二阶导数均小于阈值时满足的标准，其中，将所述范围测量值识别为地面点或非地面点包括：
当所述一阶导数和所述二阶导数均小于所述阈值时，将所述范围测量值识别为地面点；以及
当所述一阶导数或所述二阶导数大于或等于阈值时，将所述范围测量值识别为非地面点。
19.根据权利要求11所述的方法，所述方法进一步包括：
基于沿所述一个或多个路径到一个或多个非地面点的最小距离来识别自由空间。
20.一种存储指令的非暂态计算机可读存储介质，所述指令在由一个或多个处理器执行时使所述一个或多个处理器执行方法，所述方法包括：
处理来自一个或多个光探测和测距LiDAR传感器的测距数据，所述LiDAR传感器包括一个或多个LiDAR信道，所述测距数据包括多个范围测量值，其中处理所述测距数据包括以下步骤：
基于一个或多个路径标准将一个或多个路径识别为候选地面路径，其中所述一个或多个路径中的每个路径包括在所述各个路径的方位角处所述一个或多个LiDAR传感器中的每一个的范围测量值；以及
基于被识别为候选地面路径的所述一个或多个路径和一个或多个点标准，将所述多个范围测量值中的一个或多个识别为地面点或非地面点。
CN201910314579.1A 2018-04-19 2019-04-18 用于地面和自由空间探测的系统和方法 Active CN110389586B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/957,886 2018-04-19
US15/957,886 US10705220B2 (en) 2018-04-19 2018-04-19 System and method for ground and free-space detection

Publications (2)

Publication Number Publication Date
CN110389586A true CN110389586A (zh) 2019-10-29
CN110389586B CN110389586B (zh) 2023-04-18

Family

ID=68237600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910314579.1A Active CN110389586B (zh) 2018-04-19 2019-04-18 用于地面和自由空间探测的系统和方法

Country Status (2)

Country Link
US (1) US10705220B2 (zh)
CN (1) CN110389586B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145187A (zh) * 2019-12-23 2020-05-12 北方工业大学 基于霍夫空间的物体识别方法、系统、设备及存储介质
US20210374400A1 (en) * 2020-05-29 2021-12-02 Robert Bosch Gmbh Method for classifying measuring points of a point cloud

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190005667A1 (en) * 2017-07-24 2019-01-03 Muhammad Zain Khawaja Ground Surface Estimation
JP2019127132A (ja) * 2018-01-24 2019-08-01 株式会社Ｓｕｂａｒｕ 駐車装置
DE102019200753A1 (de) * 2019-01-22 2020-07-23 Conti Temic Microelectronic Gmbh Verfahren zur Überwachung einer Position eines Stützrades eines Anhängers und ein Kamerasystem zur Überwachung einer Position eines Stützrades eines Anhängers sowie ein Kraftfahrzeug mit einem Kamerasystem
US11409302B2 (en) * 2019-03-03 2022-08-09 Wipro Limited Method for autonomous parking of a vehicle, and an autonomous vehicle thereof
US11455806B2 (en) * 2019-07-10 2022-09-27 Deka Products Limited Partnership System and method for free space estimation
US11885907B2 (en) 2019-11-21 2024-01-30 Nvidia Corporation Deep neural network for detecting obstacle instances using radar sensors in autonomous machine applications
US11532168B2 (en) * 2019-11-15 2022-12-20 Nvidia Corporation Multi-view deep neural network for LiDAR perception
GB202311795D0 (en) * 2019-12-19 2023-09-13 Motional Ad Llc Foreground extraction using surface fitting
CN111208533A (zh) * 2020-01-09 2020-05-29 上海工程技术大学 一种基于激光雷达的实时地面检测方法
FR3111713B1 (fr) * 2020-06-23 2022-07-08 Psa Automobiles Sa Procédé et dispositif de contrôle du déplacement d’un véhicule
US11521394B2 (en) * 2020-10-09 2022-12-06 Motional Ad Llc Ground plane estimation using LiDAR semantic network
EP4001962A1 (en) * 2020-11-23 2022-05-25 Aptiv Technologies Limited Free space determining device, free space determining method and free space determining program
US11792644B2 (en) 2021-06-21 2023-10-17 Motional Ad Llc Session key generation for autonomous vehicle operation

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881830A (zh) * 2010-03-15 2010-11-10 中国电子科技集团公司第十研究所 重建雷达扫描数据生成三维可视地形的方法
CN103093459A (zh) * 2013-01-06 2013-05-08 中国人民解放军信息工程大学 利用机载LiDAR点云数据辅助影像匹配的方法
US8825260B1 (en) * 2013-07-23 2014-09-02 Google Inc. Object and ground segmentation from a sparse one-dimensional range data
CN104950313A (zh) * 2015-06-11 2015-09-30 同济大学 一种路面提取及道路坡度识别方法
CN104969032A (zh) * 2013-03-15 2015-10-07 惠普发展公司，有限责任合伙企业 地图匹配
CN105334518A (zh) * 2015-11-30 2016-02-17 南京大学 一种基于室内四旋翼飞行器的激光雷达三维成像方法
US9315192B1 (en) * 2013-09-30 2016-04-19 Google Inc. Methods and systems for pedestrian avoidance using LIDAR
CN107003678A (zh) * 2016-12-15 2017-08-01 深圳市大疆创新科技有限公司 控制方法、装置、设备及可移动平台
US20170274529A1 (en) * 2015-08-10 2017-09-28 X Development Llc Detection of Movable Ground Areas of a Robot's Environment Using a Transducer Array
CN107264532A (zh) * 2016-03-31 2017-10-20 法拉第未来公司 用于自主车辆的基于状态的操作

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102496509B1 (ko) * 2016-09-20 2023-02-07 이노비즈 테크놀로지스 엘티디 Lidar 시스템 및 방법
US10620638B2 (en) * 2017-08-18 2020-04-14 Wipro Limited Method, system, and device for guiding autonomous vehicles based on dynamic extraction of road region
US10495757B2 (en) * 2017-09-15 2019-12-03 Aeye, Inc. Intelligent ladar system with low latency motion planning updates

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881830A (zh) * 2010-03-15 2010-11-10 中国电子科技集团公司第十研究所 重建雷达扫描数据生成三维可视地形的方法
CN103093459A (zh) * 2013-01-06 2013-05-08 中国人民解放军信息工程大学 利用机载LiDAR点云数据辅助影像匹配的方法
CN104969032A (zh) * 2013-03-15 2015-10-07 惠普发展公司，有限责任合伙企业 地图匹配
US8825260B1 (en) * 2013-07-23 2014-09-02 Google Inc. Object and ground segmentation from a sparse one-dimensional range data
US9315192B1 (en) * 2013-09-30 2016-04-19 Google Inc. Methods and systems for pedestrian avoidance using LIDAR
CN104950313A (zh) * 2015-06-11 2015-09-30 同济大学 一种路面提取及道路坡度识别方法
US20170274529A1 (en) * 2015-08-10 2017-09-28 X Development Llc Detection of Movable Ground Areas of a Robot's Environment Using a Transducer Array
CN105334518A (zh) * 2015-11-30 2016-02-17 南京大学 一种基于室内四旋翼飞行器的激光雷达三维成像方法
CN107264532A (zh) * 2016-03-31 2017-10-20 法拉第未来公司 用于自主车辆的基于状态的操作
CN107003678A (zh) * 2016-12-15 2017-08-01 深圳市大疆创新科技有限公司 控制方法、装置、设备及可移动平台

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145187A (zh) * 2019-12-23 2020-05-12 北方工业大学 基于霍夫空间的物体识别方法、系统、设备及存储介质
CN111145187B (zh) * 2019-12-23 2023-10-17 北方工业大学 基于霍夫空间的物体识别方法、系统、设备及存储介质
US20210374400A1 (en) * 2020-05-29 2021-12-02 Robert Bosch Gmbh Method for classifying measuring points of a point cloud
US11640703B2 (en) * 2020-05-29 2023-05-02 Robert Bosch Gmbh Method for classifying measuring points of a point cloud

Also Published As

Publication number Publication date
US10705220B2 (en) 2020-07-07
US20190324148A1 (en) 2019-10-24
CN110389586B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN110389586A (zh) 用于地面和自由空间探测的系统和方法
CN110389359A (zh) 用于地平面探测的系统和方法
US11487046B2 (en) Methods and systems for detecting weather conditions using vehicle onboard sensors
CN109844562B (zh) 用于自主车辆感知和计划的雷达生成的占用网格
US9360556B2 (en) Methods and systems for detecting weather conditions including fog using vehicle onboard sensors
US10078335B2 (en) Ray tracing for hidden obstacle detection
EP3456597B1 (en) Methods and systems for detecting weather conditions using vehicle onboard sensors
JP6342822B2 (ja) 自動運転システム、自動運転の方法及びコンピューティング装置
US9025140B2 (en) Methods and systems for detecting weather conditions including sunlight using vehicle onboard sensors
US9207323B2 (en) Methods and systems for detecting weather conditions including wet surfaces using vehicle onboard sensors
US9336436B1 (en) Methods and systems for pedestrian avoidance
CN104885097B (zh) 预测性地获取车辆可行驶的表面的参数值的方法和设备
US20140336935A1 (en) Methods and Systems for Detecting Weather Conditions Using Vehicle Onboard Sensors
JP7059888B2 (ja) 支援制御システム
GB2379111A (en) On-board monitoring of a vehicle environment
WO2018061084A1 (ja) 自己位置推定方法及び自己位置推定装置
US20220146676A1 (en) Doppler-assisted object mapping for autonomous vehicle applications
US20220128995A1 (en) Velocity estimation and object tracking for autonomous vehicle applications
CN112771591B (zh) 用于评价运输工具的环境中的对象对运输工具的行驶机动动作的影响的方法
CN114518113A (zh) 基于径向速度测量来过滤点云中的返回点
CN112414421A (zh) 多反弹目标缓解
CN112744217A (zh) 碰撞检测方法、行驶路径的推荐方法及其装置和存储介质
CN117590416A (zh) 用于导航的多路径对象标识

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