CN110705543A - 基于激光点云进行车道线识别的方法和系统 - Google Patents
基于激光点云进行车道线识别的方法和系统 Download PDFInfo
- Publication number
- CN110705543A CN110705543A CN201910785058.4A CN201910785058A CN110705543A CN 110705543 A CN110705543 A CN 110705543A CN 201910785058 A CN201910785058 A CN 201910785058A CN 110705543 A CN110705543 A CN 110705543A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser
- timestamp
- grid
- point
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于激光点云进行车道线识别的方法和系统,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;根据位姿时间戳、激光与世界坐标系的相对位置关系,变换到世界坐标系下;遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。本发明将点云进行分组,每一组点云都会具有一个对应的位姿,而不是笼统的每一帧点云给定一个位姿,提高了在较高速行车时的精度。根据实际需求过滤筛选掉很大一部分点云数据,并且经过栅格化,车道线信息明显,降低了存储空间和成本,同时大大降低了非感兴趣区域中进行车道误识别的几率。
Description
技术领域
本发明涉及车道识别技术领域,具体地,涉及一种基于激光点云进行车道线识别的方法。
背景技术
现有技术在激光点云提取车道线时,一般需要车速相对较低,让激光雷达能够发射尽量多的点云点分布在地面以及车道线上,然后再从这些点的反射强度差异去识别车道线。同时,由于激光点云的转速不是特别高(一般10~20Hz左右),在车体有较快速度时,一圈数据内的激光点云的时间如果使用同一个时间则难以满足动态需要。
与本申请相关的现有技术是专利文献CN105488498A,公开了一种基于激光点云的车道边线自动提取方法及其系统,通过在基于移动测量车采集的激光点云进行高精度电子导航地图数据元素生产过程中,根据各个激光点的反射强度,对于无人驾驶非常重要的车道线数据元素以一定的准确度进行自动提取,为后续车道级高精度地图的生产提供基础车道形状数据,从而提升了车道边线数据元素采集和生产的效率和准确度,同时也极大的提升了车道级高精度地图生产的效率。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于激光点云进行高速运动车道线识别的方法和系统。
根据本发明提供的一种基于激光点云进行车道线识别的方法,包括:
时间戳对应步骤:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;
点云转换步骤:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选步骤:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格步骤:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
优选地,所述时间戳对应步骤包括:
采集步骤:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组步骤:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
优选地,所述点云转换步骤包括:
位姿匹配步骤:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换步骤:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
优选地,所述点云筛选步骤包括:
位置筛选步骤:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选步骤:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
优选地,所述点云栅格步骤包括:
确定尺寸步骤:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率步骤:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置步骤:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图步骤:根据每个栅格的栅格点云值,生成栅格地图。
根据本发明提供的一种基于激光点云进行车道线识别的系统,包括:
时间戳对应模块:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;
点云转换模块:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选模块:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格模块:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
优选地,所述时间戳对应模块包括:
采集模块:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组模块:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
优选地,所述点云转换模块包括:
位姿匹配模块:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换模块:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
优选地,所述点云筛选模块包括:
位置筛选模块:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选模块:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
优选地,所述点云栅格模块包括:
确定尺寸模块:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率模块:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置模块:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图模块:根据每个栅格的栅格点云值,生成栅格地图。
与现有技术相比,本发明具有如下的有益效果:
1、本发明将点云进行分组,每一组点云都会具有一个对应的位姿,而不是笼统的每一帧点云给定一个位姿,提高了在较高速行车时的精度。
2、根据实际需求过滤筛选掉很大一部分点云数据,并且经过栅格化,车道线信息明显,降低了存储空间和成本,同时大大降低了非感兴趣区域中进行车道误识别的几率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的整体流程示意图;
图2为本发明的点云时间戳对应的流程示意图;
图3为本发明的点云时间戳和姿态时间戳对应以及点云转换流程图
图4为本发明的点云筛选流程图;
图5为本发明的生成栅格地图流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
现有技术中针对需要针对车速较低,让激光尽可能获得更多的关于车道线的信息,然后根据反射强度信息通过一系列判断(包括聚类等方法)是否为车道线。同时,激光雷达的频率一般较低(10-20HZ),在车速较快时,点云本身就会产生运动畸变,这在高速行驶的车辆上经常出现,如果不做运动畸变处理,车道线的信息很可能不准确。而且包括聚类一类的方法,还是比较耗时的,很难达到实时检测的标准,况且有一些高速运动,更加难以实现实时。但是本发明根据激光雷达扫描的特性,按照扫描顺序(时间)将点云分割为若干小组,针对高速运动产生的运动畸变有较好的效果,也并且并没有采用较多帧信息,因为激光雷达的数据经过处理可靠性更高。同时,不需要聚类的方法来识别车道线,提升了实时性。
本发明适用在高速车载设备上,利用了激光点云数据的环形特点,计算每个点的方位角并折算成扫描时间,同时每一次扫描的数据都会对应不同的位姿信息,利用每个点的时间戳差值得到对应时刻的位姿,然后将点云坐标变换到世界坐标系下;由于最后得到的点云在较高速度运动场景下比较稀疏,对应到车道线上的点也相对较稀疏,因此本发明再次对点云进行栅格化来提高车道线内点的可用性:将点云信息按照平面二维投影到预定栅格分辨率的栅格中,并取栅格内所有点的最大反射强度为此栅格的反射强度;另外,在识别车道线过程中,大量点云数据中含有很多非感兴趣点,如建筑物,汽车行人等,本发明利用车的运动轨迹和方向信息过筛选无效点,大量减少数据存储量,以提高识别的有效性,大大减小了误识别非感兴趣区域的概率。
根据本发明提供的一种基于激光点云进行车道线识别的方法,包括:
时间戳对应步骤:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;
点云转换步骤:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选步骤:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格步骤:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
具体地,所述时间戳对应步骤包括:
采集步骤:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为五限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组步骤:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
具体地,所述点云转换步骤包括:
位姿匹配步骤:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换步骤:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
具体地,所述点云筛选步骤包括:
位置筛选步骤:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选步骤:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
具体地,所述点云栅格步骤包括:
确定尺寸步骤:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率步骤:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置步骤:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图步骤:根据每个栅格的栅格点云值,生成栅格地图。
如图1所示,根据本发明提供的一种基于激光点云进行车道线识别的系统,包括:
时间戳对应模块:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;因为位姿系统提供的位姿频率较高,而激光雷达扫描频率较低,所以对于每一帧点云数据,对应的应该是多个不同的位姿。这里就将点云数据平均划分为一定数量的小组数据,每一组对应一个时间戳。
点云转换模块:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选模块:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格模块:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
具体地,所述时间戳对应模块包括:
采集模块:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为五限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组模块:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
具体地,所述点云转换模块包括:
位姿匹配模块:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换模块:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
具体地,所述点云筛选模块包括:
位置筛选模块:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选模块:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
由于车道线一般都在马路上,因此将点云数据投影到世界坐标系下之后,利用车子轨迹和航向对点云进行了筛选,只保留了马路附近的一小段点云。强度低于某阈值,高度高于某阈值,车左侧某阈值外右侧某阈值外的点都无效,可以更好的聚焦于感兴趣区域,大大降低非感兴趣区域的误识别概率。
具体地,所述点云栅格模块包括:
确定尺寸模块:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率模块:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置模块:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图模块:根据每个栅格的栅格点云值,生成栅格地图。
本发明提供的基于激光点云进行车道线识别的系统,可以通过基于激光点云进行车道线识别的方法的步骤流程实现。本领域技术人员可以将基于激光点云进行车道线识别的方法理解为所述基于激光点云进行车道线识别的系统的优选例。
如图2所示,点云中值为无限的点代表无效点,设置距离区间也能有效去除无效点。每个点计算方位角,并按照顺序排列好,角度最小最大分别为开始和末尾两个元素,差值即为该帧点云扫描的角度范围。将该帧点云平均分为一定数目的小组。激光扫描一圈是近似匀速,所以每组对应的时间间隔近似相等,用初始时间戳加上组号对应的时间间隔得到每组的时间戳。点的方位角确定所在组号,根据组号确定每个点的时间戳。
如图3所示,由于点云时间戳一般不会存在与之严格对应的位姿,所以一般情况下根据时间戳找到与之相近的两个位姿时间戳,用差值法获取对应的位姿。最后根据已经标定好的外参即激光与世界坐标系的相对位置关系将点云变换到世界坐标系下。
车道线都会在马路上,且车道线的反射强度会偏高,所以大于一定阈值的强度且左右两侧均在一定阈值范围内且大于地面高度一定阈值内的点才是有效点,其余均忽略即可。如图4所示,当点云已经转换到了世界坐标系即位姿系统下,世界坐标系坐标系x向前,y向左,z向上。地面的高度可以通过直接测量得到:直接测量激光雷达到地面的高度并在此高度上减小一部分得到高度方向的阈值,当前时刻下点云在世界坐标系下的投影高度高于此阈值的点被忽略。
如图5所示,遍历点云确定长宽,需要判断长宽值的有效性。根据栅格分辨率确定栅格地图的分辨率,对于点云中的点,首先确定其在栅格地图中的位置,并根据该点的强度值确定该点对应的值,最后栅格对应的值取该栅格包含的所有点中的最大值。利用点云所有点的坐标确定栅格地图的尺寸,再根据栅格分辨率确定栅格地图分辨率。根据点的坐标确定所在栅格地图中的位置,每个栅格对应的值由其中所有点的反射强度的最大值决定。
本发明将点云进行分组,每一组点云都会具有一个对应的位姿,而不是笼统的每一帧点云给定一个位姿,提高了在较高速行车时的精度。根据实际需求过滤筛选掉很大一部分点云数据,并且经过栅格化,车道线信息明显,降低了存储空间和成本,同时大大降低了非感兴趣区域中进行车道误识别的几率。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于激光点云进行车道线识别的方法,其特征在于,包括:
时间戳对应步骤:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;
点云转换步骤:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选步骤:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格步骤:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
2.根据权利要求1所述的基于激光点云进行车道线识别的方法,其特征在于,所述时间戳对应步骤包括:
采集步骤:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组步骤:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
3.根据权利要求1所述的基于激光点云进行车道线识别的方法,其特征在于,所述点云转换步骤包括:
位姿匹配步骤:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换步骤:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
4.根据权利要求1所述的基于激光点云进行车道线识别的方法,其特征在于,所述点云筛选步骤包括:
位置筛选步骤:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选步骤:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
5.根据权利要求1所述的基于激光点云进行车道线识别的方法,其特征在于,所述点云栅格步骤包括:
确定尺寸步骤:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率步骤:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置步骤:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图步骤:根据每个栅格的栅格点云值,生成栅格地图。
6.一种基于激光点云进行车道线识别的系统,其特征在于,包括:
时间戳对应模块:采集激光点云,计算每个激光点云点的方位角,根据方位角生成能够唯一识别每个激光点云点的点云时间戳;
点云转换模块:根据点云时间戳识别得到对应的位姿时间戳,根据位姿时间戳、激光与世界坐标系的相对位置关系,将激光点云变换到世界坐标系下;
点云筛选模块:遍历世界坐标系下的激光点云,根据行车轨迹和航向对激光点云进行筛选后,得到感兴趣区域点云;
点云栅格模块:根据感兴趣区域点云的点坐标、激光点云的反射强度,生成栅格地图。
7.根据权利要求6所述的基于激光点云进行车道线识别的系统,其特征在于,所述时间戳对应模块包括:
采集模块:通过激光雷达的扫描获取原始点云数据,将原始点云数据中点云值为无限值且与激光雷达的距离超出设定距离的点记为无效点,去除无效点,得到激光点云;
分组模块:计算激光点云中每个点的方位角,将方位角进行排序,将最大方位角和最小方位角的差值作为帧扫描范围,按照帧扫描范围进行分组,设置初始时间戳,将初始时间戳加上分组的组号对应的时间间隔,记为所述分组的点云时间戳。
8.根据权利要求6所述的基于激光点云进行车道线识别的系统,其特征在于,所述点云转换模块包括:
位姿匹配模块:遍历点云时间戳,根据各分组的点云时间戳寻找对应的两个位姿时间戳,并将两个位子时间戳取插值后记为所述点云时间戳对应的位姿时间戳;
坐标变换模块:根据设定的激光雷达与世界坐标系的相对位置关系,结合位姿时间戳,将激光点云变换到世界坐标系下。
9.根据权利要求6所述的基于激光点云进行车道线识别的系统,其特征在于,所述点云筛选模块包括:
位置筛选模块:对于世界坐标系下的激光点云,去除Y轴正向距离小于第一设定宽度且Y轴负向距离小于第二设定宽度的激光点云;
高度筛选模块:对于世界坐标系下的激光点云,去除距离地面高度大于设定高度的激光点云。
10.根据权利要求6所述的基于激光点云进行车道线识别的系统,其特征在于,所述点云栅格模块包括:
确定尺寸模块:遍历感兴趣区域点云,预制栅格地图的长宽尺寸;
确定分辨率模块:根据长宽尺寸、栅格分辨率,确定栅格地图的分辨率;
确定位置模块:确定感兴趣区域点云中的点在栅格地图中的位置,将所述点的强度值记为该点的对应值,并将一个栅格中包含的所有点中强度值的最大值作为所述栅格的栅格点云值;
生成地图模块:根据每个栅格的栅格点云值,生成栅格地图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785058.4A CN110705543A (zh) | 2019-08-23 | 2019-08-23 | 基于激光点云进行车道线识别的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910785058.4A CN110705543A (zh) | 2019-08-23 | 2019-08-23 | 基于激光点云进行车道线识别的方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705543A true CN110705543A (zh) | 2020-01-17 |
Family
ID=69194005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910785058.4A Withdrawn CN110705543A (zh) | 2019-08-23 | 2019-08-23 | 基于激光点云进行车道线识别的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705543A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445472A (zh) * | 2020-03-26 | 2020-07-24 | 达闼科技成都有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN111708048A (zh) * | 2020-08-19 | 2020-09-25 | 深圳市速腾聚创科技有限公司 | 点云的运动补偿方法、装置和系统 |
CN112034438A (zh) * | 2020-08-27 | 2020-12-04 | 江苏智能网联汽车创新中心有限公司 | 一种雷达标定方法、装置、电子设备及存储介质 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112365542A (zh) * | 2020-11-26 | 2021-02-12 | 上海禾赛科技股份有限公司 | 位姿标定方法及位姿标定设备、自动控制系统 |
CN113064179A (zh) * | 2021-03-22 | 2021-07-02 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法、车辆控制方法及装置 |
CN113238251A (zh) * | 2021-04-02 | 2021-08-10 | 华南理工大学 | 一种基于车载激光雷达的目标级语义定位方法 |
CN113252053A (zh) * | 2021-06-16 | 2021-08-13 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN113340314A (zh) * | 2021-06-01 | 2021-09-03 | 苏州天准科技股份有限公司 | 局部代价地图的生成方法、存储介质和智能无人巡检车 |
CN113345237A (zh) * | 2021-06-29 | 2021-09-03 | 山东高速建设管理集团有限公司 | 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质 |
CN114384491A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114384492A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114399587A (zh) * | 2021-12-20 | 2022-04-26 | 禾多科技(北京)有限公司 | 三维车道线生成方法、装置、电子设备和计算机可读介质 |
WO2022116831A1 (zh) * | 2020-12-03 | 2022-06-09 | 深圳市优必选科技股份有限公司 | 定位方法、装置、电子设备及可读存储介质 |
CN114882339A (zh) * | 2022-03-23 | 2022-08-09 | 太原理工大学 | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 |
CN114911226A (zh) * | 2021-10-08 | 2022-08-16 | 广东利元亨智能装备股份有限公司 | 搬运车行驶控制方法、装置及搬运车 |
CN115035206A (zh) * | 2022-05-09 | 2022-09-09 | 浙江华睿科技股份有限公司 | 一种激光点云的压缩方法、解压方法及相关装置 |
CN115201817A (zh) * | 2022-09-08 | 2022-10-18 | 南京慧尔视智能科技有限公司 | 一种车道生成方法、装置、设备及存储介质 |
WO2022237821A1 (zh) * | 2021-05-14 | 2022-11-17 | 阿波罗智能技术(北京)有限公司 | 生成交通标志线地图的方法、设备和存储介质 |
CN115719354A (zh) * | 2022-11-17 | 2023-02-28 | 同济大学 | 基于激光点云提取立杆的方法与装置 |
CN117471433A (zh) * | 2023-12-28 | 2024-01-30 | 广东威恒输变电工程有限公司 | 基于高反射强度标靶的施工机械激光点云实时提取方法 |
-
2019
- 2019-08-23 CN CN201910785058.4A patent/CN110705543A/zh not_active Withdrawn
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445472A (zh) * | 2020-03-26 | 2020-07-24 | 达闼科技成都有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN111445472B (zh) * | 2020-03-26 | 2023-05-12 | 达闼机器人股份有限公司 | 激光点云地面分割方法、装置、计算设备及存储介质 |
CN111708048A (zh) * | 2020-08-19 | 2020-09-25 | 深圳市速腾聚创科技有限公司 | 点云的运动补偿方法、装置和系统 |
CN112034438A (zh) * | 2020-08-27 | 2020-12-04 | 江苏智能网联汽车创新中心有限公司 | 一种雷达标定方法、装置、电子设备及存储介质 |
CN112034438B (zh) * | 2020-08-27 | 2024-04-09 | 江苏智能网联汽车创新中心有限公司 | 一种雷达标定方法、装置、电子设备及存储介质 |
CN112327312A (zh) * | 2020-10-28 | 2021-02-05 | 上海高仙自动化科技发展有限公司 | 一种车辆位姿确定方法、装置、车辆及存储介质 |
CN112365542A (zh) * | 2020-11-26 | 2021-02-12 | 上海禾赛科技股份有限公司 | 位姿标定方法及位姿标定设备、自动控制系统 |
WO2022116831A1 (zh) * | 2020-12-03 | 2022-06-09 | 深圳市优必选科技股份有限公司 | 定位方法、装置、电子设备及可读存储介质 |
CN113064179A (zh) * | 2021-03-22 | 2021-07-02 | 上海商汤临港智能科技有限公司 | 一种点云数据筛选方法、车辆控制方法及装置 |
CN113238251A (zh) * | 2021-04-02 | 2021-08-10 | 华南理工大学 | 一种基于车载激光雷达的目标级语义定位方法 |
CN113238251B (zh) * | 2021-04-02 | 2023-09-29 | 华南理工大学 | 一种基于车载激光雷达的目标级语义定位方法 |
WO2022237821A1 (zh) * | 2021-05-14 | 2022-11-17 | 阿波罗智能技术(北京)有限公司 | 生成交通标志线地图的方法、设备和存储介质 |
CN113340314A (zh) * | 2021-06-01 | 2021-09-03 | 苏州天准科技股份有限公司 | 局部代价地图的生成方法、存储介质和智能无人巡检车 |
CN113252053B (zh) * | 2021-06-16 | 2021-09-28 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN113252053A (zh) * | 2021-06-16 | 2021-08-13 | 中智行科技有限公司 | 高精度地图生成方法、装置和电子设备 |
CN113345237A (zh) * | 2021-06-29 | 2021-09-03 | 山东高速建设管理集团有限公司 | 一种使用路侧激光雷达数据提取车辆轨迹的变道识别与预测方法、系统、设备及存储介质 |
CN114911226A (zh) * | 2021-10-08 | 2022-08-16 | 广东利元亨智能装备股份有限公司 | 搬运车行驶控制方法、装置及搬运车 |
CN114911226B (zh) * | 2021-10-08 | 2023-06-30 | 广东利元亨智能装备股份有限公司 | 搬运车行驶控制方法、装置及搬运车 |
CN114399587A (zh) * | 2021-12-20 | 2022-04-26 | 禾多科技(北京)有限公司 | 三维车道线生成方法、装置、电子设备和计算机可读介质 |
CN114882339A (zh) * | 2022-03-23 | 2022-08-09 | 太原理工大学 | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 |
CN114882339B (zh) * | 2022-03-23 | 2024-04-16 | 太原理工大学 | 基于实时稠密点云地图的煤矿巷道孔眼自主识别方法 |
CN114384491A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
WO2023179717A1 (zh) * | 2022-03-24 | 2023-09-28 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法、装置、设备及存储介质 |
CN114384492A (zh) * | 2022-03-24 | 2022-04-22 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114384491B (zh) * | 2022-03-24 | 2022-07-12 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
CN114384492B (zh) * | 2022-03-24 | 2022-06-24 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法及装置、存储介质 |
WO2023179718A1 (zh) * | 2022-03-24 | 2023-09-28 | 北京一径科技有限公司 | 用于激光雷达的点云处理方法、装置、设备及存储介质 |
CN115035206B (zh) * | 2022-05-09 | 2024-03-29 | 浙江华睿科技股份有限公司 | 一种激光点云的压缩方法、解压方法及相关装置 |
CN115035206A (zh) * | 2022-05-09 | 2022-09-09 | 浙江华睿科技股份有限公司 | 一种激光点云的压缩方法、解压方法及相关装置 |
CN115201817A (zh) * | 2022-09-08 | 2022-10-18 | 南京慧尔视智能科技有限公司 | 一种车道生成方法、装置、设备及存储介质 |
CN115201817B (zh) * | 2022-09-08 | 2022-12-30 | 南京慧尔视智能科技有限公司 | 一种车道生成方法、装置、设备及存储介质 |
CN115719354B (zh) * | 2022-11-17 | 2024-03-22 | 同济大学 | 基于激光点云提取立杆的方法与装置 |
CN115719354A (zh) * | 2022-11-17 | 2023-02-28 | 同济大学 | 基于激光点云提取立杆的方法与装置 |
CN117471433A (zh) * | 2023-12-28 | 2024-01-30 | 广东威恒输变电工程有限公司 | 基于高反射强度标靶的施工机械激光点云实时提取方法 |
CN117471433B (zh) * | 2023-12-28 | 2024-04-02 | 广东威恒输变电工程有限公司 | 基于高反射强度标靶的施工机械激光点云实时提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110705543A (zh) | 基于激光点云进行车道线识别的方法和系统 | |
CN108764187B (zh) | 提取车道线的方法、装置、设备、存储介质以及采集实体 | |
CN108549084B (zh) | 一种基于稀疏二维激光雷达的目标检测与姿态估计方法 | |
KR102195164B1 (ko) | 다중 라이다를 이용한 다중 물체 인식 시스템 및 방법 | |
CN108717540B (zh) | 基于2d激光雷达区分行人和车辆的方法及装置 | |
US10769421B2 (en) | Method for performing pedestrian detection with aid of light detection and ranging | |
Wang et al. | Automatic road extraction from mobile laser scanning data | |
CN111192295A (zh) | 目标检测与跟踪方法、相关设备和计算机可读存储介质 | |
CN111179152A (zh) | 一种道路标识识别方法及装置、介质、终端 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN114051628B (zh) | 一种确定目标对象点云集的方法及装置 | |
CN112379674B (zh) | 一种自动驾驶设备及系统 | |
CN109101892B (zh) | 基于栅格和密度聚类算法的激光雷达目标物检测方法 | |
CN115018879A (zh) | 目标检测方法、计算机可读存储介质及驾驶设备 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN116109601A (zh) | 一种基于三维激光雷达点云的实时目标检测方法 | |
CN114155720B (zh) | 一种路侧激光雷达的车辆检测和轨迹预测方法 | |
CN113970734A (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
CN110174115B (zh) | 一种基于感知数据自动生成高精度定位地图的方法及装置 | |
CN113095112A (zh) | 点云数据的获取方法及装置 | |
CN114812435B (zh) | 一种车辆三维点云数据滤波方法 | |
CN116012628A (zh) | 一种毫米波雷达点云聚类和多目标识别机器学习方法 | |
CN111380529A (zh) | 移动设备定位方法、装置、系统及移动设备 | |
WO2022021209A9 (zh) | 电子地图生成方法、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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200117 |
|
WW01 | Invention patent application withdrawn after publication |