CN110471086B - 一种雷达测障系统及方法 - Google Patents
一种雷达测障系统及方法 Download PDFInfo
- Publication number
- CN110471086B CN110471086B CN201910847146.2A CN201910847146A CN110471086B CN 110471086 B CN110471086 B CN 110471086B CN 201910847146 A CN201910847146 A CN 201910847146A CN 110471086 B CN110471086 B CN 110471086B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser point
- reference line
- laser
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims abstract description 4
- 230000004888 barrier function Effects 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000019504 cigarettes Nutrition 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供一种雷达测障系统及方法,系统包括:雷达,用于发射扫描激光;处理器;以及,存储器,用于存储供处理器执行的计算机程序;其中,处理器用以执行:针对雷达发射的扫描激光,获取反射光的激光点云数据;根据激光点云数据设置参考线;根据激光点云距离参考线的距离将激光点云分段;根据激光点云的分段结果判断障碍物是否存在。用以解决现有技术中,由于噪声导致检测结果不够精细化的问题。
Description
技术领域
本申请涉及机器人自动控制领域,具体而言,涉及一种雷达测障系统及方法。
背景技术
如今机械自动化逐步代替人力劳动,且逐渐向自动化发展。室内清扫小车,与在马路上作业的机器清扫车相似,作为一个清扫工具越来越多的出现在公共场所中,如商场、机场和广场等。与之尺寸类似的无人扫地机器人,因其工作模式为无人作业,其凭借机器人自身的传感器去检测行驶前方地面上的垃圾,这是一项具有挑战的任务。目前,室内机器人普遍装配的用于感知外部环境的传感器主要有:单线激光雷达、超声波雷达、RGB摄像头以及深度摄像头等。
其中,超声波雷达由于其噪声太大,精度过低,不能用于检测地面上的垃圾;RBG摄像头可以通过分析其采集到的图像信息,如应用图像分类,根据特征匹配等算法,找到地面垃圾的具体位置。但是这些算法对机器人的计算量要求极大,且在一些特殊场景下,如带有明显纹理的地面,容易导致错误检测。深度摄像头可以通过分析采集得到的深度信息,判断地面是否平坦或是有凸起,来定位垃圾的位置。但是其噪声相对较大,无法检测出较小的垃圾物体。
发明内容
本申请实施例的目的在于提供一种雷达测障系统和方法,用以解决现有技术中,由于噪声导致检测结果不够精细化的问题。
第一方面,本发明实施例提供一种雷达测障系统,包括:雷达,用于发射扫描激光;处理器;以及,存储器,用于存储供处理器执行的计算机程序;其中,处理器用以执行:针对雷达发射的扫描激光,获取反射光的激光点云数据;根据激光点云数据设置参考线;根据激光点云与参考线之间的距离将激光点云分段;根据激光点云的分段结果判断障碍物是否存在。
在可选的实施方式中,针对雷达发射的扫描激光,获取反射光的激光点云数据,包括:获取激光点云的图像数据;根据激光点云的图像数据生成激光点云拟合线。
在可选的实施方式中,根据激光点云数据设置参考线,包括:获取所述激光点云的初始位置,设为参考线起始点;根据起始点,利用随机抽样一致算法生成参考线。
在可选的实施方式中,根据激光点云距离参考线的距离将激光点云分段,包括:针对激光点云中的任一点与参考线,逐个比对两者间的距离,根据距离生成比对结果;针对所述比对结果,将所述激光点云中,与所述参考线之间的距离连续满足预设关系的若干点连接成线段。
在可选的实施方式中,根据激光点云的分段结果判断障碍物是否存在,包括:若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离小于距离阈值时,则判断结果为没有所述障碍物;若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离大于所述距离阈值时,则判断结果为存在普通障碍物;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角小于角度阈值时,则判断结果为存在斜坡;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角大于所述角度阈值时,则判断结果为存在明显障碍物。
第二方面,本发明实施例提供一种雷达测障方法,包括:
针对雷达发射的扫描激光,获取反射光的激光点云数据;
根据激光点云数据设置参考线;
根据激光点云与参考线之间的距离将激光点云分段;
根据激光点云的分段结果判断障碍物是否存在。
在可选的实施方式中,针对雷达发射的扫描激光,获取反射光的激光点云数据,包括:
获取激光点云的图像数据;
根据激光点云的图像数据生成激光点云拟合线。
在可选的实施方式中,根据激光点云数据设置参考线,包括:
获取所述激光点云的初始位置,设为参考线起始点;
根据起始点,利用随机抽样一致算法生成参考线。
在可选的实施方式中,根据激光点云距离参考线的距离将激光点云分段,包括:
针对激光点云中的任一点与参考线,逐个比对两者间的距离,根据距离生成比对结果;
针对所述比对结果,将所述激光点云中,与所述参考线之间的距离连续满足预设关系的若干点连接成线段。
在可选的实施方式中,根据激光点云的分段结果判断障碍物是否存在,包括:
若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离小于距离阈值时,则判断结果为没有所述障碍物;若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离大于所述距离阈值时,则判断结果为存在普通障碍物;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角小于角度阈值时,则判断结果为存在斜坡;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角大于所述角度阈值时,则判断结果为存在明显障碍物。在上述实现过程中,提供了一个稳定、精确、低成本的微小障碍物及垃圾检测的方案。通过调整检测过程中的一些参数,可以检测小到烟头大小的障碍物,并且一线激光雷达的数据精确度明显高于常用的传感器。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种雷达测障系统的示意图;
图2为本申请实施例提供的一种雷达测障方法的具体流程图;
图3是图2所示步骤S100的具体流程图;
图4是图2所示步骤S200的具体流程图;
图5是图2所示步骤S300的具体流程图;
图6是图2所示步骤S400的具体流程图。
图标:系统10,雷达100,处理器200,存储器300。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
图1为本申请实施例提供的一种雷达测障系统的示意图,系统10包括:雷达100、处理器200以及存储器300。其中,雷达100电性耦接于处理器200,存储器300电性耦接于处理器200;雷达100用于发射反射光;存储器300用于存储供处理器200执行的计算机程序;处理器200用以执行:针对雷达100发射的反射光,获取反射光的激光点云数据;根据激光点云数据设置参考线;根据激光点云距离参考线的距离将激光点云分段;根据激光点云的分段结果判断障碍物是否存在。
于一实施例中,处理器200可以是通用处理器,例如中央处理器(centralprocessing unit,CPU),还可以是数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。处理器200可处理通过通信接口接收到的数据。
通信接口用于服务器与其他网络设备进行通信,例如终端进行通信。通信接口可以是收发器、收发电路等,其中,通信接口是统称,可以包括一个或多个接口,例如终端与服务器之间的接口。通信接口可以包括有线接口和无线接口,例如标准接口、以太网、多机同步接口。
处理器200可用于读取和执行计算机可读指令。处理器200可用于调用存储于存储器300中的数据。当处理器接收及/或传送讯号或数据时,其通过驱动或控制通信接口进行发送。
图2为本申请实施例提供的一种雷达测障方法的具体流程图,方法包括步骤S100-步骤S400。
步骤S100:针对雷达发射的扫描激光,获取反射光的激光点云数据。
在本步骤中,雷达100可以是线束稀疏的多线激光雷达,如16线激光雷达,以及一线激光雷达等可以射出线束的激光雷达。当一束激光照射到物体表面时,所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描,便会边扫描边记录到反射的激光点信息,由于扫描极为精细,则能够得到大量的激光点,因而就可形成激光点云。
于一实施例中,点云是在和目标表面特性的海量点集合,即为激光在获取物体表面每个采样点的空间坐标后,得到的一个点的集合。
于一实施例中,根据激光测量原理得到的点云,包括三维坐标和激光反射强度。
于一实施例中,根据摄影测量原理得到的点云,包括三维坐标和颜色信息。
于一实施例中,结合激光测量和摄影测量原理得到点云,包括三维坐标、激光反射强度和颜色信息。
步骤S200:根据激光点云数据设置参考线。
在本步骤中,激光点云在没有任何障碍物的平面上的投影是一条直线,若在该平面上存在障碍物,则雷达100逆向检测到的激光点云,会因障碍物的存在而变为不连续的线段或曲线,通过设置参考线来检测是否存在障碍物。
步骤S300:根据激光点云与参考线之间的距离将激光点云分段。
在本步骤中,当雷达100安装在一个可以移动的设备上时,如果地面没有垃圾或微小障碍物,该情况为理想状态,即激光点云在地面上呈现出一条直线。若地形复杂,这些激光点并不是在一条直线,则可以通过分段的方式体现出移动设备移动方向上的地形区域。
步骤S400:根据激光点云的分段结果判断障碍物是否存在。
在本步骤中,造成激光点云分段的原因可能为检测到障碍物,也可能为地面不平整造成的。因此,加入判断分段结果加以区分,节省移动设备的重复动作,提前避开或者提前找到障碍物,以及降低误识别的概率。
图3是图2所示步骤S100的具体流程图,步骤S100包括步骤S110和S120。
步骤S110:获取激光点云的图像数据。
步骤S120:根据激光点云的图像数据生成激光点云拟合线。
在上述步骤中,获取一线激光雷达100扫描得到的点在水平面上的投影图像数据,将该投影图像数据作为用于与参考线直接进行距离比较的参数。
图4是图2所示步骤S200的具体流程图,步骤S200包括步骤S210和S220。
步骤S210:获取所述激光点云的初始位置,设为参考线起始点。
在本步骤中,激光雷达的每束光线相对与设备都有一个特定的角度,移动设备可以利用惯性测量单元(Inertial measurement unit,简称“IMU”)的姿态角度信息和已知的激光雷达高程信息,计算得出激光点云在扫到平整的路面情况下,每个激光点所处的XY坐标平面的位置,可以称为初始参考点,而实际点云为激光雷达扫到的实际路面时,每个激光点在路面上所处的位置。需要说明的是,在进行位姿标定前,多线激光雷达和IMU固定在一个刚性载体上,且雷达的高度为固定不变的。
步骤S220:根据起始点,利用随机抽样一致算法生成参考线。
在本步骤中,在机器人等移动设备检测障碍的过程中,随机抽样一致(RandomSample Consensus,简称“RANSAC”)算法,是从带有噪声和各种不稳定的数据中,找出最可能的数学模型,来描述这些数据,剔除噪声的影响。
可以理解的,当机器人行驶在路面上,所以可以事先知道在尚未遇到障碍物时,激光雷达扫到的点应该是直线,所以就从激光的数据中提取出直线,将其作为参考线。
于一实施例中,参考线是根据激光点云实时修正出的参考线,参考线是在任一雷达发射扫描激光时刻下,经过随机抽样一致算法处理后的一条参考直线。
图5是图2所示步骤S300的具体流程图,步骤S300包括步骤S310和步骤S320。
步骤S310:针对激光点云中的任一点与参考线,逐个比对两者间的距离,根据距离生成比对结果。
在本步骤中,由于参考线是假设无障碍物的状态下,拟合出的激光的投影线,若存在障碍物,则实际扫描出的投影线在障碍物处会形成凸起或折线,处理器200通过识别连续点与参考线之间的距离确定该点是否为凸起的点或在折线上的点。
步骤S320:针对比对结果,将激光点云中,与参考线之间的距离连续满足预设关系的若干点连接成线段。
在本步骤中,当连续多个点形成的激光拟合线与参考线之间满足一定关系时,既可确定在该激光拟合线的某一区间内是否存在障碍物。
图6是图2所示步骤S400的具体流程图,步骤S400包括步骤S410-S440。
步骤S410:若激光点云的分段线段平行于参考线,且线段与参考线的距离小于距离阈值时,则判断结果为没有障碍物。
在本步骤中,激光点云的分段线段平行于参考线则说明尚未检测到不同于此处平面的物体,可以理解的,若搭载雷达100的移动设备在地面行进时,在障碍物出现之前,雷达100的激光拟合线近乎与参考线重合。
步骤S420:若线段平行于参考线,且线段与参考线的距离大于距离阈值时,则判断结果为存在普通障碍物。
在本步骤中,为检测障碍物,例如5mm的烟头,可以结合雷达100设置在移动设备上距离地面的高度以及激光发射的角度,计算出激光拟合线在烟头上的投影与参考线投影的距离,将该距离值设为最小分辨障碍物的阈值。即,若在移动设备行进过程中出现被识别的障碍物,则该障碍物在激光拟合线中的投影,与参考线之间的距离必然大于该阈值。
步骤S430:若激光点云的分段线段与参考线有夹角,且夹角小于角度阈值时,则判断结果为存在斜坡。
在本步骤中,在移动设备进行移动的场所也会存在上下坡的情况,可以理解为步骤S410中的移动平面在某一点发生了弯折,同样可以通过设置一个角度阈值来保证移动设备的安全运行,避免倾翻的情况。
步骤S440:若激光点云的分段线段与参考线有夹角,且夹角大于角度阈值时,则判断结果为存在明显障碍物。
在本步骤中,当夹角大于预设的角度阈值时,可以判定当前发生角度弯折的区域存在一个障碍物。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,功能如果以软件功能模块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,本申请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)执行本申请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(Read-Only Memory,ROM)随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (4)
1.一种雷达测障系统,其特征在于,包括:
雷达,用于发射扫描激光;
处理器;以及,
存储器,用于存储供处理器执行的计算机程序;其中,
处理器用以执行:
针对雷达发射的扫描激光,获取反射光的激光点云数据;
根据所述激光点云数据设置参考线;
根据所述激光点云与所述参考线之间的距离将激光点云分段;
根据所述激光点云的分段结果判断障碍物是否存在;
其中,所述根据所述激光点云数据设置参考线,包括:获取所述激光点云的初始位置,设为参考线起始点;根据所述起始点,利用随机抽样一致算法生成参考线;
所述根据所述激光点云距离所述参考线的距离将激光点云分段,包括:根据所述激光点云中的任一点与所述参考线,逐个比对两者间的距离,根据距离生成比对结果;根据所述比对结果,将所述激光点云中,与所述参考线之间的距离连续满足预设关系的若干点连接成线段;
所述根据所述激光点云的分段结果判断障碍物是否存在,包括:若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离小于距离阈值时,则判断结果为没有所述障碍物;若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离大于所述距离阈值时,则判断结果为存在普通障碍物;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角小于角度阈值时,则判断结果为存在斜坡;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角大于所述角度阈值时,则判断结果为存在明显障碍物。
2.根据权利要求1所述的系统,其特征在于,所述针对雷达发射的扫描激光,获取反射光的激光点云数据,包括:
获取所述激光点云的图像数据;
根据所述激光点云的图像数据,生成激光点云拟合线。
3.一种雷达测障方法,其特征在于,包括:
针对雷达发射的扫描激光,获取反射光的激光点云数据;
根据所述激光点云数据设置参考线;
根据所述激光点云与所述参考线之间的距离将激光点云分段;
根据所述激光点云的分段结果判断障碍物是否存在;
其中,所述根据所述激光点云数据设置参考线,包括:获取所述激光点云的初始位置,设为参考线起始点;根据所述起始点,利用随机抽样一致算法生成参考线;
所述根据所述激光点云距离所述参考线的距离将激光点云分段,包括:根据所述激光点云中的任一点与所述参考线,逐个比对两者间的距离,根据距离生成比对结果;根据所述比对结果,将所述激光点云中,与所述参考线之间的距离连续满足预设关系的若干点连接成线段;
所述根据所述激光点云的分段结果判断障碍物是否存在,包括:若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离小于距离阈值时,则判断结果为没有所述障碍物;若所述激光点云的分段线段平行于所述参考线,且所述线段与所述参考线的距离大于所述距离阈值时,则判断结果为存在普通障碍物;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角小于角度阈值时,则判断结果为存在斜坡;若所述激光点云的分段线段与所述参考线有夹角,且所述夹角大于所述角度阈值时,则判断结果为存在明显障碍物。
4.根据权利要求3所述的方法,其特征在于,所述针对雷达发射的扫描激光,获取反射光的激光点云数据,包括:
获取所述激光点云的图像数据;
根据所述激光点云的图像数据生成激光点云拟合线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910847146.2A CN110471086B (zh) | 2019-09-06 | 2019-09-06 | 一种雷达测障系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910847146.2A CN110471086B (zh) | 2019-09-06 | 2019-09-06 | 一种雷达测障系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110471086A CN110471086A (zh) | 2019-11-19 |
CN110471086B true CN110471086B (zh) | 2021-12-03 |
Family
ID=68515305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910847146.2A Active CN110471086B (zh) | 2019-09-06 | 2019-09-06 | 一种雷达测障系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471086B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292292B (zh) * | 2020-01-16 | 2023-09-26 | 深圳市施罗德工业集团有限公司 | 管道障碍物检测方法、装置、管道机器人和可读存储介质 |
CN111337022B (zh) * | 2020-04-10 | 2022-01-21 | 深圳市银星智能科技股份有限公司 | 一种目标障碍物的检测方法、装置和机器人 |
CN112515560B (zh) * | 2020-11-06 | 2022-08-05 | 珠海一微半导体股份有限公司 | 通过激光数据获取清扫方向的方法、芯片和机器人 |
CN112904306A (zh) * | 2021-01-18 | 2021-06-04 | 深圳市普渡科技有限公司 | 斜坡感知方法、装置、机器人和存储介质 |
CN113744323B (zh) * | 2021-08-11 | 2023-12-19 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003121536A (ja) * | 2001-10-12 | 2003-04-23 | Mitsubishi Electric Corp | 周辺環境認識装置及び周辺環境認識方法 |
CN102034104A (zh) * | 2010-12-10 | 2011-04-27 | 中国人民解放军国防科学技术大学 | 三维点云中基于随机采样一致性的特征线检测方法 |
CN104007444A (zh) * | 2014-06-09 | 2014-08-27 | 北京建筑大学 | 一种基于中心投影的地面激光雷达反射强度图像的生成方法 |
JP2016180721A (ja) * | 2015-03-25 | 2016-10-13 | パナソニック株式会社 | レーダ装置 |
CN108629228A (zh) * | 2017-03-15 | 2018-10-09 | 高德软件有限公司 | 一种道路对象识别方法和装置 |
CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及系统 |
CN208766529U (zh) * | 2018-09-30 | 2019-04-19 | 北京云迹科技有限公司 | 多传感器融合的避障系统及包含其的机器人 |
CN110109146A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的路面检测方法及装置 |
CN110109145A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的行驶区域检测方法及装置 |
CN110132275A (zh) * | 2019-04-29 | 2019-08-16 | 北京云迹科技有限公司 | 激光避障方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006008275A1 (de) * | 2006-02-22 | 2007-08-23 | Siemens Ag | Verfahren zur Detektion von Objekten mit einer schwenkbaren Sensoreinrichtung |
JP2013002927A (ja) * | 2011-06-15 | 2013-01-07 | Honda Elesys Co Ltd | 障害物検知装置及びコンピュータプログラム |
US10754035B2 (en) * | 2017-01-17 | 2020-08-25 | Aptiv Technologies Limited | Ground classifier system for automated vehicles |
CN108037514A (zh) * | 2017-11-07 | 2018-05-15 | 国网甘肃省电力公司电力科学研究院 | 一种使用激光点云进行树障安全检测方法 |
CN109842756A (zh) * | 2017-11-28 | 2019-06-04 | 东莞市普灵思智能电子有限公司 | 一种镜头畸变矫正和特征提取的方法及系统 |
US10769840B2 (en) * | 2018-02-27 | 2020-09-08 | Nvidia Corporation | Analysis of point cloud data using polar depth maps and planarization techniques |
CN108398672B (zh) * | 2018-03-06 | 2020-08-14 | 厦门大学 | 基于前倾2d激光雷达移动扫描的路面与障碍检测方法 |
CN110148144B (zh) * | 2018-08-27 | 2024-02-13 | 腾讯大地通途(北京)科技有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
CN109188459B (zh) * | 2018-08-29 | 2022-04-15 | 东南大学 | 一种基于多线激光雷达的坡道小障碍物识别方法 |
CN109359409A (zh) * | 2018-10-31 | 2019-02-19 | 张维玲 | 一种基于视觉与激光雷达传感器的车辆可通过性检测系统 |
CN109901193A (zh) * | 2018-12-03 | 2019-06-18 | 财团法人车辆研究测试中心 | 近距离障碍物的光达侦测装置及其方法 |
CN109785335B (zh) * | 2018-12-18 | 2021-05-18 | 歌尔光学科技有限公司 | 扫描对象的直线轮廓的确定方法、装置及存储介质 |
CN109655805B (zh) * | 2019-01-25 | 2021-12-10 | 南京理工大学 | 一种基于扫描线段重合长度估计的激光雷达定位方法 |
CN109872324A (zh) * | 2019-03-20 | 2019-06-11 | 苏州博众机器人有限公司 | 地面障碍物检测方法、装置、设备和存储介质 |
-
2019
- 2019-09-06 CN CN201910847146.2A patent/CN110471086B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003121536A (ja) * | 2001-10-12 | 2003-04-23 | Mitsubishi Electric Corp | 周辺環境認識装置及び周辺環境認識方法 |
CN102034104A (zh) * | 2010-12-10 | 2011-04-27 | 中国人民解放军国防科学技术大学 | 三维点云中基于随机采样一致性的特征线检测方法 |
CN104007444A (zh) * | 2014-06-09 | 2014-08-27 | 北京建筑大学 | 一种基于中心投影的地面激光雷达反射强度图像的生成方法 |
JP2016180721A (ja) * | 2015-03-25 | 2016-10-13 | パナソニック株式会社 | レーダ装置 |
CN108629228A (zh) * | 2017-03-15 | 2018-10-09 | 高德软件有限公司 | 一种道路对象识别方法和装置 |
CN109144097A (zh) * | 2018-08-15 | 2019-01-04 | 广州极飞科技有限公司 | 障碍物或地面识别及飞行控制方法、装置、设备及介质 |
CN208766529U (zh) * | 2018-09-30 | 2019-04-19 | 北京云迹科技有限公司 | 多传感器融合的避障系统及包含其的机器人 |
CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及系统 |
CN110132275A (zh) * | 2019-04-29 | 2019-08-16 | 北京云迹科技有限公司 | 激光避障方法及装置 |
CN110109146A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的路面检测方法及装置 |
CN110109145A (zh) * | 2019-04-30 | 2019-08-09 | 北京云迹科技有限公司 | 基于多线激光雷达的行驶区域检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
Lidar Scan Matching Matching Matching Matching EKF-SLAM Using the Differential ifferential ifferential ifferential Model of Vehicle Motion;Daobin Wang, Huawei Liang, Tao Mei, Hui Zhu, Jing Fu, Xiang Tao;《2013 IEEE Intelligent Vehicles Symposium (IV)》;20130626;908-912 * |
基于代价函数的无人驾驶汽车局部路径规划算法;郭蓬;《中国公路学报》;20190630;79-85 * |
Also Published As
Publication number | Publication date |
---|---|
CN110471086A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471086B (zh) | 一种雷达测障系统及方法 | |
US8976999B2 (en) | Vehicle detection apparatus | |
CN110852312B (zh) | 悬崖检测方法、移动机器人的控制方法及移动机器人 | |
JP6672212B2 (ja) | 情報処理装置、車両、情報処理方法およびプログラム | |
JP5145986B2 (ja) | 物体検出装置及び測距方法 | |
CN108007451B (zh) | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 | |
CN110114692B (zh) | 一种地面环境的检测方法和装置 | |
CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
CN108875804B (zh) | 一种基于激光点云数据的数据处理方法和相关装置 | |
US20180113234A1 (en) | System and method for obstacle detection | |
JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
EP2058720A2 (en) | Apparatus and method for generating three-dimensional map using structured light | |
EP4130798A1 (en) | Target identification method and device | |
CN113768419B (zh) | 确定扫地机清扫方向的方法、装置及扫地机 | |
WO2022121460A1 (zh) | Agv智能叉车及地堆库存区域站台状态的检测方法、装置 | |
CN114494075A (zh) | 基于三维点云的障碍物识别方法、电子设备和存储介质 | |
CN112051844A (zh) | 自移动机器人及其控制方法 | |
WO2022198637A1 (zh) | 点云滤噪方法、系统和可移动平台 | |
KR20150119736A (ko) | 노면 모델 설정을 이용한 장애물 검출 시스템 및 그 방법 | |
CN113848944A (zh) | 一种地图构建方法、装置、机器人及存储介质 | |
JP2006012178A (ja) | 駐車車両検知方法及び駐車車両検知システム | |
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 | |
CN108873014A (zh) | 一种基于激光雷达的镜面检测方法及装置 | |
CN111553342B (zh) | 一种视觉定位方法、装置、计算机设备和存储介质 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 201, building 4, courtyard 8, Dongbeiwang West Road, Haidian District, Beijing Patentee after: Beijing Yunji Technology Co.,Ltd. Address before: Room 201, building 4, courtyard 8, Dongbeiwang West Road, Haidian District, Beijing Patentee before: BEIJING YUNJI TECHNOLOGY Co.,Ltd. |