CN110569749B - 一种矿山道路的边界线及可行驶区域检测方法及系统 - Google Patents
一种矿山道路的边界线及可行驶区域检测方法及系统 Download PDFInfo
- Publication number
- CN110569749B CN110569749B CN201910777159.7A CN201910777159A CN110569749B CN 110569749 B CN110569749 B CN 110569749B CN 201910777159 A CN201910777159 A CN 201910777159A CN 110569749 B CN110569749 B CN 110569749B
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- road
- ground
- grid
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种矿山道路的边界线及可行驶区域检测方法及系统,基于二次栅格化进行地面检测,利用光束模型分别在高架点以及地面点进行边界点提取,并采用优化方案解决离群的边界点,该方法在自动驾驶感知应用中提供非结构化道路边界线检测及可行驶区域检测的有效方法。解决了非结构化道路两侧障碍物信息不连续且较小,扫描线稀疏等矿山道路的复杂问题。在矿山道路中可以有效检测出地面信息,转弯处信息,十字路口等各种路况,完成矿山道路复杂路况难以突破的种种问题。在不同的非结构化或者结构化道路的应用中,此方法适用性强、效果好。
Description
技术领域
本发明属于智能驾驶技术领域,具体涉及一种矿山道路的边界线及可行驶区域检测方法及系统,特别是一种在矿山场景的智能矿用卡车对矿山非结构化道路边界线及可行驶区域检测方法及系统。
背景技术
为了提高道路安全性与驾驶便捷性,自动驾驶以及辅助驾驶的技术发展迅速,应用也越来越广泛。一方面,矿山的环境恶劣,矿山地理位置偏远封闭,工作人员具有高度风险。另一方面,矿山场景机械运作单一,道路车况不可控因素小,适合无人驾驶的应用。非结构化道路路况复杂是因为这类土路路面崎岖不平,没有边界的分区,道路两侧只是高起的石头或者杂草等,所以进行道路检测具有挑战性。
采用激光雷达传感器原因是激光雷达不仅可以克服雨天、强光等恶劣的天气情况,还有宽广的视野范围,激光雷达三维传感器信息数据量大、维度高、精度高更适用于矿山道路的检测。
目前基于激光雷达的非结构化边界线检测有主要两个思路,一是通过高度差检测道路两侧的障碍物,在高架点寻找边界点;二是通过激光雷达扫描线的特征提取属于路面的直线。矿山道路的路面扫描线不连续,存在多个断点,并且可能在转弯处或岔道口呈现斜线或者曲线。因此,仅依据扫描线的特点进行边界线的拟合存在较大的困难。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种矿山道路的边界线及可行驶区域检测方法及系统,用于自动驾驶的矿用卡车在行驶过程中进行道路边界线的检测感知。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种矿山道路的边界线及可行驶区域检测方法,包括:
获取激光雷达采集的环境点云数据,
对获取的点云数据进行坐标转换,得到具有以指定中心(车体中心)为坐标原点的坐标点的点云数据;对点云数据进行预处理,去除噪声点以及离群点,然后对点云进行腐蚀、膨胀处理,得到预处理后的点云数据;
根据预处理后的点云数据,利用二次栅格化方法进行地面检测,得到高架点云数据(剔除地面的点云数据)以及地面点云数据;
对高架点云数据(剔除地面的点云数据)进行光束模型划分,得到划分的光束区域;在光束区域中提取上层边界点,并对上层边界点进行增强优化,得到优化后的上层边界点;
对地面点云数据进行光束模型划分,得到划分的地面光束区域,在地面光束区域中提取下层边界点;
对优化后的上层边界点进行聚类、拟合,得到道路边界线;
对优化后的上层边界点和下层边界点进行聚类、拟合,得到可行驶区域;
输出道路边界线及可行驶区域检测结果。
所述的矿山道路的边界线及可行驶区域检测方法,利用二次栅格化方法进行地面检测,包括:
采用一定N*N大小的栅格进行第一次栅格化,每一个栅格S赋予三个特征值:S(ZmaxZmin Zdist),分别是栅格内点云中的最高值Zmax,最低值Zmin以及点云最大高度差Zdist;N为整数;
第一次地面检测针对栅格S(LAN,POR)满足以下三个准则即认为是地面点:
·同一个栅格中Zdist小于给定阈值Zth1;
·本栅格S1与左邻的栅格S2的高度差︱S1(Zmin)-S2(Zmin)︱小于给定阈值Zth2;
·本栅格S1与右邻的栅格S0的高度差︱S1(Zmin)-S0(Zmin)︱小于给定阈值Zth3;
其中,S1表示地面检测的栅格化中的任意一个栅格,S0以及S2分别表示S1左侧相邻以及右侧相邻的栅格;
第二次地面检测是在第一次地面检测结果之后继续进行栅格化,采用滑动窗口的方法来对地面信息进行更新;利用5*N*N的滑动窗口优化检测出得地面点云;判断当前N*N栅格是否属于地面点信息,窗口头部为待检测的栅格,窗口滑动步长为1个栅格;滑动过程中每一个栅格都与待检测栅格计算Zmin的差值,差值不符合阈值Zth2要求的栅格数量为Sum_Diff,若窗口尾部滑动到待检测栅格,Sum_Diff大于给定阈值Sth,则更新该栅格不属于地面点的点云信息。
所述的矿山道路的边界线及可行驶区域检测方法,进行光束模型划分,包括:
发射点向周围360度进行射线发射,每一个点Pj(x,y,z)都划分到唯一一个光束区域内;光束射线每隔0.5度划分一个区域,区域划分为i个光束区Qi:
其中,-25≤x≤25,-10≤y≤50,i=1,2,…,720;j是光束区域内点云的个数;点云数据几何中心坐标(X,Y,Z)。
所述的矿山道路的边界线及可行驶区域检测方法,在光束区域中提取上层边界点,包括:
点云划分区域后,定义每一个光束区Qi内某个点的位置信息Pk(x,y,z)∈Qi;
根据Disti最小距离,得到目标点云Di位置信息Di(x,y,z),此目标点Di即为光束区Qi中离路面最近的道路轮廓点;在每一个光束区域提取一个轮廓点,其目标轮廓点的保存形式Pj(Qi,Disti,x,y,z);Disti为Qi光束区域中点云与发射点最小的距离;
所述的矿山道路的边界线及可行驶区域检测方法,对提取的上层边界点进行增强优化,包括:
对离群点进行优化,在处理有离群点的光束区域Qi时,其目标轮廓点Pi(Qi,disti,xi,yi,zi)根据相邻区域目标轮廓点进行更新,相邻目标Pi-1(Qi-1,disti-1,xi-1,yi-1,zi-1)以及Pi+1(Qi+1,disti+1,xi+1,yi+1,zi+1);求解公式如下:
所述的矿山道路的边界线及可行驶区域检测方法,在地面点云光束区域中提取下层边界点,包括:
在地面连续的M个无高架点的光束区域Gi内,点Oj(x,y,z)∈Gi与发射点的最大距离Maxdisi,Maxdisi是所有距离值最大的即为下层边界点;Maxdisi为Gi光束区域中点云与发射点最大距离;M为正整数,j是光束区域内点云的个数;
所述的矿山道路的边界线及可行驶区域检测方法,对优化后的上层边界点和下层边界点进行聚类、拟合,得到可行驶区域,包括:
对上层边界点和下层边界点进行聚类,根据聚类后的点云集合数量判断路型:2个集合表示一条道路;3个集合表示岔道口;4个集合表示十字路口;
采用最小二乘二次拟合的算法拟合边界线,边界线所形成的封闭的区域即为道路可行驶区域。
根据本发明的另一方面,提供一种计算装置,包括存储器和处理器,存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行所述的矿山道路的边界线及可行驶区域检测方法。
根据本发明的另一方面,提供一种矿山道路的边界线及可行驶区域检测系统,包括上述的计算装置,还包括:
激光雷达,用于:对矿山道路进行扫描,获得的原始三维点云数据通过通讯链路发送给计算装置;
显示装置,用于:接收计算装置输出的道路边界线及可行驶区域检测结果,并通过屏幕对检测结果进行显示。
根据本发明的另一方面,提供一种矿用卡车,包括所述的矿山道路的边界线及可行驶区域检测系统。
有益效果:本发明提供的矿山道路的边界线及可行驶区域检测方法及系统,基于二次栅格化进行地面检测,利用光束模型分别在高架点以及地面点进行边界点提取,并采用优化方案解决离群的边界点,该方法在自动驾驶感知应用中提供非结构化道路边界线检测及可行驶区域检测的有效方法。与一般的方法相比,此方法解决了非结构化道路两侧障碍物信息不连续且较小,扫描线稀疏等矿山道路的复杂问题。在矿山道路中可以有效检测出地面信息,转弯处信息,十字路口等各种路况,完成矿山道路复杂路况难以突破的种种问题。在不同的非结构化或者结构化道路的应用中,此方法适用性强、效果好。
利用激光雷达解决现有技术中无法有效解决矿山非结构化道路的边界线模糊、路面颠簸大、路面扫描线信息复杂、路边两侧高起的障碍物信息量小等问题。
附图说明
图1为根据本发明一个实施例的传感器安装位置图;
图2为根据本发明一个实施例的系统框图;
图3为根据本发明一个实施例的系统处理流程图;
图4为实施例中矿山非结构化道路模型;
图5为实施例中地面信息剔除前后对比图;
图6为实施例中光束模型划分示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
同时,在以下说明中,出于解释的目的而阐述了许多具体细节,以提供对本发明实施例的彻底理解。然而,对本领域的技术人员来说显而易见的是,本发明可以不用这里的具体细节或者所描述的特定方式来实施。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
为了更加清楚地阐述本发明所提供的矿山道路的边界线及可行驶区域检测方法的实现原理、实现过程以及优点,以下分别结合不同的实施例来对该方法作进一步的说明。
本实施例所提供的矿山道路的边界线及可行驶区域检测方法,利用徐工矿用卡车作为矿山场景的自动驾驶车辆对矿山道路进行边界线及可行驶区域检测,不局限于矿山道路,适合于各种非结构化或结构化复杂场景的道路检测。为更好地采集到道路的点云信息本发明将激光雷达安装在矿用卡车的驾驶舱前方,激光雷达传感器具体位置如图1所示。由于矿用卡车实际车体体积较大,激光雷达传感器实际水平扫描范围受车体遮挡,本发明光束模型不以车体中心作为光束发射点,而是适应性地选取道路较为中心的部分作为光束发射点,如此可以更好地检测出道路边界点。HDL-32E激光雷达安装位置、角度及相关参数如表1。
表1
参数 | 含义 | 数值 |
h | 高度 | 3.61m |
α | 滚转角 | -0.065 |
β | 俯仰角 | 0.195 |
λ | 偏航角 | -0.192 |
θ | 垂直角度分辨率 | 1.33deg |
ω | 水平角度分辨率 | 0.16deg |
结合图2,为实现上述目的,一种矿山道路的边界线及可行驶区域检测系统至少包括一台多线激光雷达、计算装置和显示装置;
激光雷达,用于:对矿山道路进行扫描,获得的原始三维点云数据通过通讯链路发送给计算装置;
显示装置,用于:接收计算装置输出的道路边界线及可行驶区域检测结果,并通过屏幕对检测结果进行显示。
计算装置,包括存储器和处理器,存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行所述的矿山道路的边界线及可行驶区域检测方法。
根据本发明的一些实施例中,一种矿用卡车,包括所述的矿山道路的边界线及可行驶区域检测系统,激光雷达对矿山道路进行扫描,获得的原始三维点云数据通过通讯链路(如Ethernet)发送给计算装置,原始点云是基于linux操作系统的ROS采集传感器的实时数据,0.1s一帧数据。计算装置通过一系列算法处理获得的矿山道路的边界线以及可行驶区域结果,通过CAN通信显示到屏幕。
本此实施采用此设备在矿山中进行实例化,公开一种基于激光雷达进行非结构化道路边界线及可行驶区域检测方法,如图3所示,包括:
1)在矿用卡车驾驶舱车顶安装HDL-32E激光雷达,该雷达向道路方向进行扫描,获得前方的环境点云数据。对数据进行坐标转换,将原数据以传感器自身坐标系转换为以车体中心为坐标系。
2)点云进行预处理:激光雷达在扫描的时候会产生不均匀的点云数据以及稀疏的离群点。采用离群点移除法剔除离群点,然后进行点云腐蚀、膨胀处理,如图4的道路模型,由于非结构化道路两侧的点云比较稀疏,连续性低,为加强道路两侧高架点信息进行此操作。
3)预处理之后的点云进行地面检测,检测前后如图5所示,利用本发明提出的二次栅格化方法可以有效地检测出路面凹凸不平、上下坡颠簸幅度大各种矿山特点的地面。具体包括:采用一定N*N大小的栅格进行第一次栅格化,每一个栅格S赋予三个特征值:S(ZmaxZmin Zdist),三个值分别是栅格内点云中的最高值Zmax,最低值Zmin以及点云最大高度差Zdist。第一次地面检测针对栅格S(LAN,POR)满足以下三个准则即认为是地面点:
·同一个栅格中Zdist小于给定阈值Zth1;
·本栅格S1与左邻的栅格S2的高度差︱S1(Zmin)-S2(Zmin)︱小于给定阈值Zth2;
·本栅格S1与右邻的栅格S0的高度差︱S1(Zmin)-S0(Zmin)︱小于给定阈值Zth3;
其中,S1表示地面检测的栅格化中的任意一个栅格,S0以及S2分别表示S1左侧相邻以及右侧相邻的栅格;
第二次地面检测是在第一次地面检测结果之后继续进行栅格化,采用滑动窗口的方法来对地面信息进行更新;利用5*N*N的滑动窗口优化检测出得地面点云;判断当前N*N栅格是否属于地面点信息,窗口头部为待检测的栅格,窗口滑动步长为1个栅格;滑动过程中每一个栅格都与待检测栅格计算Zmin的差值,差值不符合阈值Zth2要求的栅格数量为Sum_Diff,若窗口尾部滑动到待检测栅格,Sum_Diff大于给定阈值Sth,则更新该栅格不属于地面点的点云信息。
4)分别对剔除地面的点云进行光束模型划分。如图6所示,发射点向周围360度进行射线发射,每一个点Pj(x,y,z)都划分到唯一一个光束区域内。光束射线每隔0.5度划分一个区域,区域划分为i个光束区Qi:
其中,-25≤x≤25,-10≤y≤50,i=1,2,…,720;
5)根据地面检测的结果,获得高架点之后进行光束模型区域划分,在光束区域中提取道路轮廓点利于弯道或十字路口的检测。
·提取边界点
点云划分区域后,在每一个光束区Qi内可以获得每一个点的位置信息Pk(x,y,z)∈Qi。根据Disti最小距离,得到目标点云Di位置信息Di(x,y,z),此目标点即为光束区Qi中离路面最近的道路轮廓点。在每一个光束区域提取一个轮廓点,其目标轮廓点的保存形式Pj(Qi,Disti,x,y,z)。
·边界点增强
由于矿山道路两侧的高架点不连续,草木或者石头之间存在空间上的间断,很多高架点在道路边界内侧,没有真正道路边界处的遮挡就会根据距离信息检测为轮廓点。因此,根据光束内距离信息提取的轮廓点需要边界点增强处理。若连续的目标轮廓点之间有某一轮廓点与其他轮廓点位置存在较远的偏离,则认为它是离群点。对离群点进行优化,在处理问题区域Qi时,其目标轮廓点Pi(Qi,disti,xi,yi,zi)根据相邻区域目标轮廓点进行更新,相邻目标Pi-1(Qi-1,disti-1,xi-1,yi-1,zi-1)以及Pi+1(Qi+1,disti+1,xi+1,yi+1,zi+1)。求解公式如下:
6)针对边界点进行聚类,将距离较近的轮廓点聚成一类。采用最小二乘二次拟合的算法,按偏差平方和最小的原则选取拟合曲线。
7)对检测出的地面点云划分光束区域,区域划分的过程同步骤4)。
8)提取的上层边界点是在高架点中提取,为获得可行驶区域,在地面点云中提取下层边界点。下层边界点提取只在上层光束区域中没有提取边界点的连续区域进行操作。在地面连续的M个无高架点的光束区域Gi内,点Oj(x,y,z)∈Gi与发射点的最大距离Maxdisi,Maxdisi是所有距离值最大的即为下层边界点;Maxdisi为Gi光束区域中点云与发射点最大距离;M为正整数,j是光束区域内点云的个数;
9)对所有边界点(步骤5)得到的上层边界点以及步骤8)得到的下层边界点)进行聚类,同样采用最小二乘二次拟合的算法拟合曲线。根据聚类后的点云集合数量判断路型:2个集合表示一条道路;3个集合表示岔道口;4个集合表示十字路口。边界线所形成的封闭的区域即为道路可行驶区域。
10)实时返回道路边界线及可行驶区域检测的结果到显示装置。
本申请中部分术语定义如下:
点云---在逆向工程中通过测量仪器得到的产品外观表面的点数据集合。
离群点---是一个数据对象,它显著不同于其他数据对象,在特征空间中,离群点对象与其最近邻之间的邻近性显著偏离数据集中其他对象与它们自己的最近邻之间的邻近性。
点云腐蚀、膨胀算法---该算法就是基于形状的一系列形态学处理操作,可以获得明显的点云图边界,连接相邻的点云。
光束模型---是在同一发射点向四周按相同角度发射出射线,两相邻射线构成一个扇形区域,这样将点云分割成不同的扇形区域。
欧氏聚类算法---由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。欧氏聚类在搜索半径内根据距离值进行点云划分。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种矿山道路的边界线及可行驶区域检测方法,其特征在于,包括:
获取激光雷达采集的环境点云数据;
对获取的点云数据进行坐标转换,得到具有以指定中心为坐标原点的坐标点的点云数据;对点云数据进行预处理,去除噪声点以及离群点,然后对点云进行腐蚀、膨胀处理,得到预处理后的点云数据;
根据预处理后的点云数据,利用二次栅格化方法进行地面检测,得到高架点云数据以及地面点云数据,所述高架点云数据为剔除地面的点云数据;
利用二次栅格化方法进行地面检测,包括:
采用一定N*N大小的栅格进行第一次栅格化,每一个栅格S赋予三个特征值:S(ZmaxZminZdist),分别是栅格内点云中的最高值Zmax,最低值Zmin以及点云最大高度差Zdist;N为整数;
第一次地面检测针对栅格S(LAN,POR)满足以下三个准则即认为是地面点:
(1)同一个栅格中Zdist小于给定阈值Zth1;
(2)本栅格S1与左邻的栅格S2的高度差︱S1(Zmin)-S2(Zmin)︱小于给定阈值Zth2;
(3)本栅格S1与右邻的栅格S0的高度差︱S1(Zmin)-S0(Zmin)︱小于给定阈值Zth3;
其中,S1表示地面检测的栅格化中的任意一个栅格,S2以及S0分别表示S1左侧相邻以及右侧相邻的栅格;
第二次地面检测是在第一次地面检测结果之后继续进行栅格化,采用滑动窗口的方法来对地面信息进行更新;利用5*N*N的滑动窗口优化检测出得地面点云;判断当前N*N栅格是否属于地面点信息,窗口头部为待检测的栅格,窗口滑动步长为1个栅格;滑动过程中每一个栅格都与待检测栅格计算Zmin的差值,差值不符合阈值Zth2要求的栅格数量为Sum_Diff,若窗口尾部滑动到待检测栅格,Sum_Diff大于给定阈值Sth,则更新该栅格不属于地面点的点云信息;
对高架点云数据进行光束模型划分,得到划分的光束区域;在光束区域中提取上层边界点,并对上层边界点进行增强优化,得到优化后的上层边界点;
进行光束模型划分,包括:
发射点向周围360度进行射线发射,每一个点Pj(x,y,z)都划分到唯一一个光束区域内;光束射线每隔0.5度划分一个区域,区域划分为i个光束区Qi:
其中,-25≤x≤25,-10≤y≤50,i=1,2,…,720;j是光束区域内点云的个数;点云数据几何中心坐标(X,Y,Z);
在光束区域中提取上层边界点,包括:
点云划分区域后,定义每一个光束区Qi内某个点的位置信息Pk(xi,yi,zi)∈Qi;
根据Disti最小距离,得到目标点云Di位置信息Di(xi,yi,zi),此目标点Di即为光束区Qi中离路面最近的道路轮廓点;在每一个光束区域提取一个轮廓点,其目标轮廓点的保存形式Pi(Qi,Disti,xi,yi,zi);Disti为Qi光束区域中点云与发射点最小的距离;
对地面点云数据进行光束模型划分,得到划分的地面光束区域,在地面光束区域中提取下层边界点;
在地面连续的M个无高架点的光束区域Gi内,点Oj(x,y,z)∈Gi与发射点的最大距离Maxdisi,Maxdisi是所有距离值最大的即为下层边界点;Maxdisi为Gi光束区域中点云与发射点最大距离;M为正整数,j是光束区域内点云的个数;
对优化后的上层边界点进行聚类、拟合,得到道路边界线;
对优化后的上层边界点和下层边界点进行聚类、拟合,得到可行驶区域;
输出道路边界线及可行驶区域检测结果。
3.根据权利要求1所述的矿山道路的边界线及可行驶区域检测方法,其特征在于,对优化后的上层边界点和下层边界点进行聚类、拟合,得到可行驶区域,包括:
对上层边界点和下层边界点进行聚类,根据聚类后的点云集合数量判断路型:2个集合表示一条道路;3个集合表示岔道口;4个集合表示十字路口;
采用最小二乘二次拟合的算法拟合边界线,边界线所形成的封闭的区域即为道路可行驶区域。
4.一种计算装置,包括存储器和处理器,存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行根据权利要求1-3任一项所述的矿山道路的边界线及可行驶区域检测方法。
5.一种矿山道路的边界线及可行驶区域检测系统,其特征在于,包括权利要求4所述的计算装置,还包括:
激光雷达,用于:对矿山道路进行扫描,获得的原始三维点云数据通过通讯链路发送给计算装置;
显示装置,用于:接收计算装置输出的道路边界线及可行驶区域检测结果,并通过屏幕对检测结果进行显示。
6.一种矿用卡车,其特征在于,包括如权利要求5所述的矿山道路的边界线及可行驶区域检测系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777159.7A CN110569749B (zh) | 2019-08-22 | 2019-08-22 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910777159.7A CN110569749B (zh) | 2019-08-22 | 2019-08-22 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110569749A CN110569749A (zh) | 2019-12-13 |
CN110569749B true CN110569749B (zh) | 2021-11-30 |
Family
ID=68774441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910777159.7A Active CN110569749B (zh) | 2019-08-22 | 2019-08-22 | 一种矿山道路的边界线及可行驶区域检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110569749B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021168854A1 (zh) * | 2020-02-29 | 2021-09-02 | 华为技术有限公司 | 可行驶区域检测的方法和装置 |
CN111426330B (zh) * | 2020-03-24 | 2022-03-15 | 江苏徐工工程机械研究院有限公司 | 路径生成方法和设备、无人化运输系统和存储介质 |
CN111537994B (zh) * | 2020-03-24 | 2022-05-06 | 江苏徐工工程机械研究院有限公司 | 一种无人矿卡障碍物检测方法 |
CN111552756A (zh) * | 2020-04-28 | 2020-08-18 | 北京踏歌智行科技有限公司 | 一种铲窝及卸点自动动态更新的矿区高精地图制作方法 |
CN111738945B (zh) * | 2020-06-15 | 2023-11-10 | 鞍钢集团矿业有限公司 | 一种基于矿山的点云数据预处理方法 |
CN114280590A (zh) * | 2020-09-17 | 2022-04-05 | 北京熵行科技有限公司 | 一种基于电磁波扫描进行域界检测方法 |
EP4290276A4 (en) * | 2021-02-07 | 2024-02-21 | Huawei Tech Co Ltd | METHOD AND APPARATUS FOR ROADSIDE RECOGNITION |
CN112801022B (zh) * | 2021-02-09 | 2023-05-02 | 青岛慧拓智能机器有限公司 | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 |
CN113392704B (zh) * | 2021-05-12 | 2022-06-10 | 重庆大学 | 一种山地道路边线位置检测方法 |
CN113030997B (zh) * | 2021-05-27 | 2021-08-20 | 北京踏歌智行科技有限公司 | 一种基于激光雷达的露天矿区可行驶区域检测方法 |
CN113066185B (zh) * | 2021-06-03 | 2021-09-17 | 北京慧拓无限科技有限公司 | 矿山仿真系统的场景数据创建方法、装置、介质及设备 |
CN113253294A (zh) * | 2021-06-16 | 2021-08-13 | 北京海天瑞声科技股份有限公司 | 关于3d雷达点云数据中地面点检测的方法、装置及介质 |
CN117677976A (zh) * | 2021-07-21 | 2024-03-08 | 深圳市大疆创新科技有限公司 | 可行驶区域生成方法、可移动平台及存储介质 |
CN113687429B (zh) * | 2021-08-30 | 2023-07-04 | 四川启睿克科技有限公司 | 一种确定毫米波雷达监测区域边界的装置及方法 |
CN114155258A (zh) * | 2021-12-01 | 2022-03-08 | 苏州思卡信息系统有限公司 | 一种公路施工围封区域的检测方法 |
CN114675290A (zh) * | 2022-02-25 | 2022-06-28 | 中国第一汽车股份有限公司 | 地面数据的检测方法、检测装置及处理器 |
CN114463507B (zh) * | 2022-04-11 | 2022-06-14 | 国家电投集团科学技术研究院有限公司 | 道路识别方法及装置 |
CN114842450B (zh) * | 2022-05-11 | 2023-06-30 | 合众新能源汽车股份有限公司 | 一种可行驶区域检测方法、装置及设备 |
CN116226697B (zh) * | 2023-05-06 | 2023-07-25 | 北京师范大学 | 空间数据聚类方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918819A (zh) * | 2017-03-28 | 2017-07-04 | 奇瑞汽车股份有限公司 | 一种激光雷达点云数据障碍检测算法 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
-
2019
- 2019-08-22 CN CN201910777159.7A patent/CN110569749B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918819A (zh) * | 2017-03-28 | 2017-07-04 | 奇瑞汽车股份有限公司 | 一种激光雷达点云数据障碍检测算法 |
CN107356933A (zh) * | 2017-06-23 | 2017-11-17 | 南京理工大学 | 一种基于四线激光雷达的非结构化道路检测方法 |
CN108062517A (zh) * | 2017-12-04 | 2018-05-22 | 武汉大学 | 基于车载激光点云的非结构化道路边界线自动提取方法 |
Non-Patent Citations (3)
Title |
---|
3D LIDAR Point Cloud based Intersection Recognition for Autonomous Driving;Long Chen et al;《ResearchGate》;20120630;全文 * |
3D LIDAR-based Intersection Recognition and Road Boundary Detection Method for Unmanned Ground Vehicle;Yihuan Zhang et al;《2015 IEEE 18th International Conference on Intelligent Transportation Systems》;20151231;全文 * |
基于单位四元数的ICP改进算法;杨秋翔;《微电子学与计算机》;20160331;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110569749A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110569749B (zh) | 一种矿山道路的边界线及可行驶区域检测方法及系统 | |
CN109858460B (zh) | 一种基于三维激光雷达的车道线检测方法 | |
US11908203B2 (en) | Analysis of point cloud data using depth maps | |
Reina et al. | Ambient awareness for agricultural robotic vehicles | |
CN106780524B (zh) | 一种三维点云道路边界自动提取方法 | |
Kim et al. | Front and rear vehicle detection and tracking in the day and night times using vision and sonar sensor fusion | |
Turk et al. | Video road-following for the autonomous land vehicle | |
CN111364549B (zh) | 一种基于激光雷达的同步建图和自动作业方法及系统 | |
CN112801022A (zh) | 一种无人驾驶矿卡作业区道路边界快速检测更新的方法 | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
WO2023216470A1 (zh) | 一种可行驶区域检测方法、装置及设备 | |
CN113252027B (zh) | 井下无人驾驶车辆局部路径规划方法、装置、设备及存储介质 | |
CN112561944A (zh) | 一种基于车载激光点云的车道线提取方法 | |
WO2023092870A1 (zh) | 一种适用于自动驾驶车辆的挡土墙检测方法及系统 | |
CN102201054A (zh) | 一种基于鲁棒统计的行道线检测方法 | |
JP2022089828A (ja) | 情報処理装置 | |
CN113009453A (zh) | 矿山路沿检测及建图方法及装置 | |
DE112021006299T5 (de) | Verfahren und Systeme zur Bodensegmentierung mittels Graphenschnitten | |
US11157752B2 (en) | Degraded feature identification apparatus, degraded feature identification system, degraded feature identification method, degraded feature identification program, and computer-readable recording medium recording degraded feature identification program | |
CN113835102A (zh) | 车道线生成方法和装置 | |
Liu et al. | Detection and reconstruction of static vehicle-related ground occlusions in point clouds from mobile laser scanning | |
Qian et al. | Hy-Seg: A hybrid method for ground segmentation using point clouds | |
Tang et al. | Road detection for autonomous truck in mine environment | |
CN110554409B (zh) | 一种凹障碍物检测方法及系统 | |
CN116071729A (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 |
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 |