CN111273314A - 点云数据处理方法、装置和存储介质 - Google Patents
点云数据处理方法、装置和存储介质 Download PDFInfo
- Publication number
- CN111273314A CN111273314A CN201811364355.3A CN201811364355A CN111273314A CN 111273314 A CN111273314 A CN 111273314A CN 201811364355 A CN201811364355 A CN 201811364355A CN 111273314 A CN111273314 A CN 111273314A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- determining
- distance
- frames
- 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.)
- Pending
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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- 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
Abstract
本发明提供一种点云数据处理方法、装置和存储介质,该方法包括:获取采集设备采集的多帧第一点云数据,第一点云数据包括参考物的点云;从多帧第一点云数据中确定多帧第二点云数据,第二点云数据包含干扰物体的点云;根据多帧第二点云数据,确定干扰物体是否包含动态干扰物体;若干扰物体包含动态干扰物体,则根据多帧第二点云数据确定动态干扰物体的点云。本发明提供的点云数据处理方法能够快速、准确的获取动态干扰物体对应的点云。
Description
技术领域
本发明涉及地图数据技术领域,尤其涉及一种点云数据处理方法、装置和存储介质。
背景技术
激光雷达是以发射激光光束来探测目标的位置、速度等特征量的雷达系统,其工作原理是先向目标发射探测激光光束,然后将接收到的从目标反射回来的信号作适当处理后,就可获得目标的有关信息,例如目标距离、方位、高度、速度、姿态、甚至形状等参数。激光雷达获取的反射信号通常以点云的形式呈现,在在激光slam、高精度定位、三维重建等应用场景中都需要进行点云配准,而点云中属于动态物体的点云由于其固有的移动性造成点云配准不准确,因此点云配准的前提是对动态物体所对应的点云进行确定并删除。
现有的相关技术中,确定动态物体所对应的点云的方式是采用基于神经网络的深度学习的方式进行,具体是要提前对多个物体进行标注,用以训练神经网络模型,采用该模型对动态物体对应的点云进行确定。
但现有技术中的确定动态物体对应的点云的方式需要预先进行大量的标注工作,且只有在标注样本足够多时才能获取准确的动态物体对应的点云。
发明内容
本发明提供一种点云数据处理方法、装置和存储介质,能够快速、准确的获取动态干扰物体对应的点云。
本发明的第一方面提供一种点云数据处理方法,包括:
获取采集设备采集的多帧第一点云数据,所述第一点云数据包括参考物的点云;
从多帧所述第一点云数据中确定多帧第二点云数据,所述第二点云数据包含干扰物体的点云;
根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体;
若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云。
本发明的第二方面提供一种点云数据处理装置,包括:
第一点云数据获取模块,用于获取采集设备采集的多帧第一点云数据,所述第一点云数据包括参考物的点云;
第二点云数据确定模块,用于从多帧所述第一点云数据中确定多帧第二点云数据,所述第二点云数据包含干扰物体的点云;
动态干扰物体确定模块,用于根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体;
点云确定模块,用于若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云。
本发明的第三方面提供一种点云数据处理装置,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述点云数据处理装置执行上述点云数据处理方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现上述点云数据处理方法。
本发明提供一种点云数据处理方法、装置和存储介质,该方法包括:获取采集设备采集的多帧第一点云数据,第一点云数据包括参考物的点云;从多帧第一点云数据中确定多帧第二点云数据,第二点云数据包含干扰物体的点云;根据多帧第二点云数据,确定干扰物体是否包含动态干扰物体;若干扰物体包含动态干扰物体,则根据多帧第二点云数据确定动态干扰物体的点云。本发明提供的点云数据处理方法避免了提前进行大量标注工作的问题,能够快速、准确的获取动态干扰物体对应的点云。
附图说明
图1为本发明提供的点云数据处理方法适用的系统架构示意图;
图2为本发明方法实施例一提供的点云数据处理方法的流程示意图;
图3为本发明方法实施例二提供的点云数据处理方法的流程示意图;
图4为本发明提供的干扰物体为静态干扰物体的示意图;
图5为本发明提供的干扰物体为动态干扰物体的示意图;
图6为本发明方法实施例三提供的点云数据处理方法的流程示意图;
图7为本发明装置实施例一提供的点云数据处理装置的结构示意图;
图8为本发明装置实施例二提供的点云数据处理装置的结构示意图;
图9为本发明装置实施例三提供的点云数据处理装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
点云数据指的是对扫描的物体以三维数据的形式记录,每一个点云包含有对应的三维坐标,有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。本发明获取点云数据是采用激光雷达的方式进行获取,示例性的,如在采集设备上设置激光雷达,激光雷达向采集设备周围发射激光波束,当激光波束遇到障碍物或者目标物体时,激光雷达会接收到该障碍物或者目标物体反射回来的信息,以获取障碍物或者目标物体的距离、速度或形态等参数信息,即该障碍物或者目标物体的点云数据。
本发明提供的点云数据处理方法可应用于点云数据处理系统中,图1为本发明提供的点云数据处理方法适用的系统架构示意图,如图1所示,该点云数据处理系统可以包括:激光雷达系统和点云数据处理装置,该激光雷达系统与现有技术中的激光雷达系统相同,主要包括激光雷达、位置定位子系统、数据处理子系统以及传感器同步子系统等四部分。其中,激光雷达系统可以将获取的点云数据发送给点云数据处理装置,以使点云数据处理装置对点云数据进行本发明提供的点云数据处理方法以获取动态干扰物体的点云。
可以想到的是,本发明中的点云数据处理装置也可与激光雷达系统集成为一体设置,即激光雷达系统具有本发明提供的点云数据处理功能,可以将获取的点云数据进行本发明提供的点云数据处理方法以获取动态干扰物体的点云。
本发明对激光雷达系统和点云数据处理装置的设置方式不作具体限制,下述实施例中以激光雷达系统进行点云数据的采集,由点云数据处理装置作为执行主体对本发明提供的点云数据处理方法进行说明。
图2为本发明方法实施例一提供的点云数据处理方法的流程示意图,图2所示方法流程的执行主体可以为点云数据处理装置,该点云数据处理装置可由任意的软件和/或硬件实现。如图2所示,本实施例提供的点云数据处理方法可以包括:
S101,获取采集设备采集的多帧第一点云数据,第一点云数据包括参考物的点云。
本实施例的采集设备是设置有激光雷达系统的车辆,如该车辆可以是专用于采集点云数据的采集车,也可以是无人驾驶车辆或者是设置有激光雷达系统的其他普通车辆。激光雷达系统可以向采集设备周围发射激光波束,进而获取采集设备周围对应的点云数据,并将获取的点云数据发送给点云数据处理装置。本实施例对激光雷达系统采集点云数据的原理不做详细说明。本实施例中应用的激光雷达包括但不限于为机械扫描式激光雷达。
本实施例中,点云数据处理装置对获取的采集设备采集的点云数据进行分帧处理,示例性的,以激光雷达为机械扫描式激光雷达进行示例说明,本实施例中可以将激光雷达旋转一周360°所获取的点云数据作为一帧点云数据;在采集设备移动的过程中,激光雷达不停的旋转获取采集设备周围的点云数据,将该点云数据进行分帧处理后获取多帧第一点云数据,本实施例中一帧第一点云数据可以是是激光雷达旋转一周360°所获取的点云数据。
需要说明的是,点云数据处理装置对获取的采集设备采集的点云数据进行分帧处理,也可以是根据点云数据的采集时间或者点云数据对应的采集扫描角等对点云数据进行分帧处理。示例性的,如将采集时间1-5s的点云数据作为一帧第一点云数据,将采集时间5-10s的点云数据作为又一帧第一点云数据,由此也可获取多帧第一点云数据;示例性的,如将扫描角为0-10度的点云数据作为一帧第一点云数据,将采集时间10-20度的点云数据作为又一帧第一点云数据,由此也可获取多帧第一点云数据。
其中,每帧第一点云数据中包括参考物的点云,本实施例中的参考物可以随着应用环境的改变而进行设置。示例性的,如采集设备是在高速路上行驶的采集设备,在有围栏的地方可以将围栏作为参考物,若高速路上没有围栏的地方,可以将路沿作为参考物。
S102,从多帧第一点云数据中确定多帧第二点云数据,第二点云数据包含干扰物体的点云。
在点云数据处理装置在获取的多帧第一点云数据后,可获取每帧第一点云数据中每个点云对应的距离信息。由于第一点云数据中包括参考物的点云,则点云数据处理装置可以获取参考物的距离信息,本实施例中点云数据处理装置根据点云数据获取对应的点云的距离信息的原理可以与现有技术中的原理相同,在此不做赘述。
本实施例中的点云数据处理装置在获取的多帧第一点云数据后,确定参考物对应的点云,示例性的,参考物为路面时,由于路面对应的点云的特性,其路面的点云的边点组成的路边线的法向量与实际空间中的垂向量相平行,由此确定路面的点云的边点。
点云数据处理装置在确定每帧第一点云数据中参考物的点云的边点后,获取采集设备的行车轨迹线到参考物的点云的边点的距离,该距离为参考距离。点云数据处理装置根据每帧第一点云数据对应的距离,在多帧第一点云数据中确定多帧第二点云数据。
本实施例中的第二点云数据包含干扰物体的点云,由于参考距离在任意的时刻可以是不变的,因此本实施例中可以根据采集设备的行车轨迹线到参考物的点云的边点的距离是否等于参考距离,来获取多帧第二点云数据。示例性的,采集设备在行驶的过程中,若周围没有干扰物体出现,则采集设备的行车轨迹线到参考物的点云的边点的距离一直等于参考距离;但当采集设备周围有干扰物体出现时,采集设备的行车轨迹线到参考物的点云的边点的距离由于干扰物体的遮挡使得二者的距离发生改变。
本实施例中具体获取第二点云数据的具体方式为:点云数据处理装置中存储有预设距离阈值,将多帧第一点云数据中对应的第一距离与参考距离的差值大于或等于预设距离阈值的多帧点云数据,作为第二点云数据。其中,第一距离为采集设备的运动轨迹线到实际扫描到的物体的点云的边点的距离。
示例性的,干扰物体为干扰车辆,参考物为路面时,在采集设备行驶的过程中,该干扰车辆行驶在该采集设备和路面边点之间,由于该干扰车辆的遮挡,采集设备的行车轨迹线到路面边点的距离变为采集设备的行车轨迹线到该干扰车辆的距离,使得第一距离发生变化,相应的,第一距离与参考距离之间的差值发生变化,本实施例中将第一距离与参考距离的差值大于或等于预设距离阈值的点云数据作为第二点云数据。该种情况下设置预设距离阈值,是为了消除由于获取的点云数据中的距离信息发生微小偏差造成的影响。
示例性的,如采集设备行驶过程中可能没有障碍物,但是由于采集偏差造成的距离信息的误差,若该种误差造成的第一距离与参考距离的差值小于预设距离阈值,则可消除由于采集误差造成第二点云数据的误确认。
可以想到的,多帧第一点云数据中由于每帧第一点云数据与每帧第一点云数据相邻的时间是非常短暂的,但是当第一点云数据中存在干扰物体时,由于采集设备在获取周围的多帧第一点云数据时可能连续有多帧点云数据中都包括有干扰物体的点云,因此,多帧第二点云数据可以为包括至少两帧时间上相邻的点云数据。
S103,根据多帧第二点云数据,确定干扰物体是否包含动态干扰物体。
本实施例中,点云数据处理装置在获取包含有干扰物体的多帧第二点云数据后,确定其中包含的干扰物体是否包含动态干扰物体的具体方式可以是:获取多帧第二点云数据中参考物的点云的边点上的每个点云到行车轨迹线的距离,将发生距离突变的点云对应的绝对位置作为发生距离突变的位置,该绝对位置为发生距离突变的点云在地球统一坐标系中的位置。判断连续两帧相邻的第二点云数据的发生距离突变的点云对应的绝对位置是否一致。若一致,则确定该干扰物体为静态干扰物体;若不一致,则确定该物体为动态干扰物体。
示例性的,如采集设备在行驶过程中遇到一辆停放在路边的车辆,由于该车辆的遮挡,采集设备采集到的在该车辆处的距离为:采集设备的行车轨迹线至车辆的距离,小于采集设备的行车轨迹线至路面边点的距离;则将该车辆的绝对位置作为发生距离突变的位置,而采集设备在行驶过程中,该车辆的绝对位置不发生变化,则确定该干扰物体为静态干扰物体。
如采集设备在行驶过程中遇到一辆行驶的车辆,由于该车辆的遮挡,采集设备采集到的在该车辆处的距离为:采集设备的行车轨迹线至车辆的距离,小于采集设备的行车轨迹线至路面边点的距离;则将该车辆的绝对位置作为发生距离突变的位置,由于该车辆也在不断的地行驶中,因此,发生距离突变的位置也在不断发生变化,则确定该干扰物体为动态干扰物体。
S104,若干扰物体为动态干扰物体,则根据多帧第二点云数据确定动态干扰物体的点云。
点云数据处理装置可以确定至少两帧时间上相邻的第二点云数据中的发生距离突变的点云对应的绝对位置不一致时,确定多帧第二点云数据中干扰物体为动态干扰物体。
点云数据处理装置可以在采集的多帧第一点云数据中确定出所有的参考距离因干扰物体发生距离突变的第二点云数据;由于在采集设备行驶的过程中,可能存在的动态干扰物体可以是其他动态行驶的干扰车辆,而采集设备与其他车辆之间的相对运动过程又可以分为追击和被追击的过程。无论是追击还是被追击的过程,均包含第一阶段的参考距离发生突变,第二阶段的参考距离保持不变,第三阶段的参考距离又发生突变的过程。
示例性的,若本实施例提供的采集设备正在追击其他车辆,则第一阶段为本采集设备的车头部分追上其他车辆的车尾部分,此时因其他车辆的车尾的遮挡,使得行车轨迹线到参考物的点云的边点的距离变小,而未被遮挡的部分,行车轨迹线到参考物的点云的边点的距离不变,此时,参考距离发生突变;第二阶段当该采集设备完全追上其他车辆时,由于其他车辆完全遮挡本车辆,使得行车轨迹线到参考物的点云的边点的距离一直为采集设备的行车轨迹线至其他车辆的距离,参考距离不发生突变;第三阶段当该采集设备超过其他车辆时,即其他车辆的车头部分遮挡采集设备的车尾部分,此时因其他车辆的车头的遮挡,使得行车轨迹线到参考物的点云的边点的距离变小,而未被遮挡的部分,行车轨迹线到参考物的点云的边点的距离不变,此时,参考距离也会发生突变。
具体的,本实施例中根据多帧第二点云数据确定动态干扰物体的点云的具体方式可以是:在多帧第一点云数据中将第一距离因干扰物体发生距离突变对应的第一帧作为起始帧,将多帧第一点云数据中将第一距离因干扰物体发生距离突变对应的最后一帧作为结束帧,即从起始帧至结束帧之间的所有的第二点云数据均包含有动态干扰物体。
对起始帧至结束帧之间的每一帧第二点云数据,均以参考物的点云边点为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云。
本实施例中提供的点云数据处理方法包括:获取采集设备采集的多帧第一点云数据,第一点云数据包括参考物的点云;从多帧第一点云数据中确定多帧第二点云数据,第二点云数据包含干扰物体的点云;根据多帧第二点云数据,确定干扰物体是否包含动态干扰物体;若干扰物体包含动态干扰物体,则根据多帧第二点云数据确定动态干扰物体的点云。本发明提供的点云数据处理方法能够快速、准确的获取动态干扰物体对应的点云。
在上述实施例的基础上,下面结合图3对本发明提供的点云数据处理方法进行进一步详细说明,图3为本发明方法实施例二提供的点云数据处理方法的流程示意图,如图3所示,本实施例提供的点云数据处理方法可以包括:
S201,获取采集设备采集的多帧第一点云数据。
本实施例中的S201具体可参照上述实施例中的S101中的相关描述,在次不做限制。
S202,根据第一点云数据,获取每个扫描线对应的第一距离。
本实施例中采用的激光雷达具体的可以是velodyne 16线或者32线的激光雷达,每帧第一点云数据为通过多个扫描线扫描得到的点云数据,示例性的,若本实施例采用的是32线的激光雷达,即每帧第一点云数据包括32条扫描线,该32条扫描线可以是分别对应不同的扫描方位进行扫描的扫描线,该32条扫描线获取的点云数据共同组成一帧第一点云数据。具体的,该32条扫描线是同一时刻获取的。
本实施例中,获取每个扫描线对应的第一距离;具体的,第一距离为采集设备的运动轨迹线到实际扫描到的物体的点云的边点的距离。其中,点云数据处理装置先从同一时刻采集的所有点云数据中获取每个扫描线对应的点云数据,再获取每个点云数据中的第一距离。
S203,若第一扫描线对应的第一距离与参考距离之差大于或等于预设距离阈值,则将第一扫描线所对应的多帧第一点云数据作为多帧第二点云数据,第一扫描线为多个扫描线中任一扫描线。
本实施例中,在一帧第一点云数据中,可以按照每个扫描线的扫描角度对扫描线进行前后顺序排列。
示例性的,将扫描角度为0°-20°的扫描线作为第一个扫描线,将扫描角度为5°-25°的扫描线作为第二个扫描线,将扫描角度为10°-30°的扫描线作为第三个扫描线,以此类推,在一帧第一点云数据中获取多个具有先后顺序的多个扫描线。
若第一扫描线对应的第一距离与参考距离之差大于或等于预设距离阈值,则确定第一点云数据中采集设备的行车轨迹线至参考物的边点的距离因干扰物体发生第一距离的改变,第一扫描线为多个扫描线中任一扫描线。
一种可以应用的场景为:参考物为采集设备行驶的路面,参考物的点云的边点即是路边点,而该干扰物体为路面上其他正在行驶的车辆,则参考距离为采集设备的行车轨迹线至路边点之间的距离减小为采集设备的行车轨迹线至其他正在行驶的车辆之间的距离。该预设距离阈值为一个车辆的宽度。
另一种可以应用的场景为:参考物为采集设备行驶的路面,参考物的点云的边点即是路边点,而该干扰物体为隧道入口等其他入口,则参考距离为采集设备的行车轨迹线至路边点之间的距离增大为采集设备的行车轨迹线至包含有隧道入口的第二路边点的距离,该预设距离阈值为一个车道的宽度。
本实施例中一帧点云数据中可能包括多个扫描线对应的第一距离发生与参考距离之差大于或等于预设距离阈值,则将第一扫描线所对应的多帧第一点云数据作为多帧第二点云数据。
S204,根据采集设备采集第二点云数据时的绝对位置,以及,第二点云数据中的第一扫描线对应的第一距离,确定干扰物体的点云的边点的绝对位置。
示例性的,图4为本发明提供的干扰物体为静态干扰物体的示意图,其中,该参考物为右侧路面的点云的边点,即右侧路边点。如图4所示,采集设备在行驶方向的A位置为采集设备采集的某一帧第一点云数据时的绝对位置,其中,扫描线1为该帧第一点云数据中任意一个扫描线,该扫描线1对应的第一距离为S1,若本实施例中设置参考距离为S1,则A位置处的第一距离与参考距离之差为0;采集设备行驶的B位置为采集设备采集的某一帧第二点云数据时的绝对位置,其中,扫描线2为该帧第二点云数据中任意一个扫描线,该扫描线2对应的第一距离有一部分为S1,而另一部分为S2,则B位置处的第一距离与参考距离之差为0、S2与S1的差值,若S2与S1的差值大于或等于预设距离阈值,则将扫描线2对应的点云数据确定为第二点云数据。
本实施例中,可以根据现有技术中的全球定位系统(Global PositioningSystem,GPS)获取采集设备在采集第二点云数据时的绝对位置。根据该绝对位置和第一距离,获取干扰物体的点云的边点的绝对位置。具体的确定方式可以是:
根据确定采集设备采集该第二点云数据时的绝对位置,以及采集设备与参考物的点云的相对位置可以确定出第二点云数据中的第一距离发生改变的绝对位置,发生第一距离发生改变的绝对位置为第二点云数据中第一扫描线对应的参考物的点云的边点的绝对位置。
示例性的,如图4所示,本实施例中根据位置B的绝对位置和距离S2,获取干扰物体相对于采集设备的位置,因此确定干扰物体的绝对位置。
或者,
直接将第一扫描线中对应的第一距离发生改变的参考物的点云的绝对位置作为干扰物体的点云的边点的绝对位置。
示例性的,如图4所示,该扫描线2对应的第一距离有一部分为S1,而另一部分为S2,即该扫描线对应的参考物的点云的边点有一部分点云的第一距离为S1,而参考物的点云的边点另一部分为点云的第一距离为S2,将第一距离发生改变的参考物的点云的绝对位置作为干扰物体的点云的边点的绝对位置,如图4中三角标号的位置a所示。
S205,若至少连续两帧的第二点云数据中的干扰物体的绝对位置随时间发生变化,则确定干扰物体为动态干扰物体,否则为静态干扰物体。
若时间上相邻的至少连续两帧的第二点云数据中的干扰物体的绝对位置未随时间发生变化,则确定干扰物体为静态干扰物体。示例性的,如图4所示,采集设备行驶的B位置时采集一帧第二点云数据,其该帧第二点云数据对应的干扰物体的绝对位置为a;当采集设备行驶的C位置时(为了与位置B处的采集设备进行区分,用虚线表示C位置处的采集设备),采集一帧与上述第二点云数据相邻的一帧第二点云数据,通过上述S204中的确定的第二点云数据中的干扰物体的绝对位置还为位置a,其中,该帧对应的一个扫描线3在图4中用灰色的点线表示,该时间上相邻的至少连续两帧的第二点云数据中的干扰物体的绝对位置不发生变化,确定该干扰物体为静态干扰物体,如是道路入口或者隧道入口或者桥梁入口等。
若至少连续两帧的第二点云数据中的干扰物体的绝对位置随时间发生变化,则确定干扰物体为动态干扰物体。
示例性的,图5为本发明提供的干扰物体为动态干扰物体的示意图,如图5中的A所示,参考物为采集设备行驶的路面,参考物的点云的边点即是路边点,而该干扰物体为路面上其他正在行驶的车辆,当其他车辆的尾部有很小一部分遮挡路面对应的路边点导致第一距离发生改变,此时,干扰物体的绝对位置为三角标号对应的b位置;采集设备和其他车辆均进行行驶,如图5中的B所示,采集设备追击上其他车辆时,当其他车辆的尾部有很大一部分遮挡路面对应的路边点导致第一距离发生改变,此时,确定的干扰物体的绝对位置为三角标号对应的c位置,图5中的C、E、F和G所示的确定的干扰物体的绝对位置为三角标号对应的位置;其中,以b位置和c位置为例,b位置和c位置在地球统一坐标系中的位置时随时间发生变化的,因此,确定该干扰物体为动态干扰物体。
S206,确定干扰物体的绝对位置随时间发生变化的多帧第二点云数据为第三点云数据,第三点云数据包含动态干扰物的点云。
本实施例中,点云数据处理装置在获取第二点云数据后,由于第二点云数据为包含干扰物体的点云数据,而其中可能包含静态物体或者动态物体,本实施例中将第二点云数据中包含有动态干扰物体的点云数据确定为第三点云数据,即第三点云数据为包含动态干扰物体的点云数据。
具体的,在获取第二点云数据时,就区分其中包含的干扰物体的绝对位置是否随时间发生变化,将干扰物体的绝对位置随时间发生变化的多帧第二点云数据为第三点云数据。
S207,根据第三点云数据,确定包括干扰物体的点云的第二扫描线。
本实施例中,根据第三点云数据,确定包括干扰物体的点云的第二扫描线;由于每帧第三点云数据对应的多个扫描线扫描的角度不同,因此并非所有的扫描线中均因干扰物体发生第一距离的改变,依次遍历每帧第三点云数据中的每个扫描线,在第三点云数据中,确定与参考距离的差值大于或等于预设距离阈值的第一距离对应的扫描线为第二扫描线。如图5中的A所示,第一扫描线可以为扫描线4,其中,第一扫描线上有一部分对应的第一距离为S1,有一部分对应的第一距离为S2,其中,S2与参考距离的差值大于或等于预设距离阈值,则将S2对应的扫描线作为第二扫描线。
若第三点云数据未发生第一距离的改变,则确定所有的扫描线为第二扫描线。如图5中的D所示的追击的第二阶段,此时第三点云数据不存在第一距离的改变,如扫描线5对应的第一距离均为S2,则将扫描线5作为第二扫描线,相应的,将第三点云数据对应的所有的扫描线为第二扫描线。
S208,以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云。
具体的,本实施例中,确定动态干扰物体对应的点云的具体实施方式为:以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云,第一段连续点云包括的点云的数量大于预设数量、且连续点云中相邻的点云间隔距离小于预设距离阈值。
示例性的,以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云,再沿高程值增大的方向,可能没有相应的物体,因此获取不到对应的点云数据,但在继续沿着高程值增大的方向,可能获取到更高处的点云数据,如路牌对应的点云数据。因此将以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云,防止将其他物体如路牌对应的点云数据作为动态干扰物体的点云。
本实施例中,每帧第二点云数据中对应有多个扫描线扫描得到的点云数据,若第一扫描线对应的第一距离与参考距离之差大于或等于预设距离阈值,确定有干扰物体,进一步的,通过至少连续两帧的第二点云数据中的干扰物体的绝对位置随时间发生变化,则确定干扰物体为动态干扰物体;又以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云。进而根据动态干扰物体的点云特征确定存在动态物体,且根据采集设备与动态物体之间的运动规律确定动态干扰物体对应的点云。能够快速、准确的确定出动态干扰物体对应的点云。
在上述实施例的基础上,下面结合图6对本发明提供的点云数据处理方法进行进一步说明,图6为本发明方法实施例三提供的点云数据处理方法的流程示意图,如图6所示,本实施例提供的点云数据处理方法可以包括:
S301,获取采集设备采集的多帧第一点云数据。
S302,根据第一点云数据,获取每个扫描线对应的第一距离。
S303,若第一扫描线对应的第一距离与参考距离之差大于或等于预设距离阈值,则将第一扫描线所对应的多帧第一点云数据作为多帧第二点云数据,第一扫描线为多个扫描线中任一扫描线。
S304,根据采集设备采集第二点云数据时的绝对位置,以及,第二点云数据中的第一扫描线对应的第一距离,确定干扰物体的点云的边点的绝对位置。
S305,若至少连续两帧的第二点云数据中的干扰物体的绝对位置随时间发生变化,则确定干扰物体为动态干扰物体,否则为静态干扰物体。
S306,确定干扰物体的绝对位置随时间发生变化的多帧第二点云数据为第三点云数据,第三点云数据包含动态干扰物的点云。
S307,根据第三点云数据,确定包括干扰物体的点云的第二扫描线。
S308,以参考物的边线作为起点,沿高程值增大的方向,将每个第二扫描线对应的第一段连续点云确定为动态干扰物体的点云。
本实施例中的S301-S308具体可参照上述实施例中的S201-S208的相关描述,在次不做限制。
S309,在多帧第三点云数据的点云数据中去除动态干扰物体的点云。
本实施例中,多帧第三点云数据的点云数据是包含有动态干扰物体的点云数据,根据S308中的实施方式可以在多帧第三点云数据的点云数据确定动态干扰物体的点云,可以将确定动态干扰物体的点云在多帧第三点云数据的点云数据中进行去除。
具体的,在多帧第三点云数据的点云数据中去除动态干扰物体的点云的方式可以与现有技术中去除点云的方式相同,本实施例中不做赘述。
本实施例中,在多帧第三点云数据的点云数据中去除动态干扰物体的点云,即在获取的点云数据中去除了动态干扰物体的点云,有利于点云数据配准,避免了在点云数据配准的过程中由于动态干扰物体的点云造成的目标不能对齐、重影等问题。
图7为本发明装置实施例一提供的点云数据处理装置的结构示意图,如图7所示,该点云数据处理装置400包括:第一点云数据获取模块401、第二点云数据确定模块402、动态干扰物体确定模块403和点云确定模块404。
第一点云数据获取模块401,用于获取采集设备采集的多帧第一点云数据,所述第一点云数据包括参考物的点云。
第二点云数据确定模块402,用于从多帧所述第一点云数据中确定多帧第二点云数据,所述第二点云数据包含干扰物体的点云。
动态干扰物体确定模块403,用于根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体。
点云确定模块404,用于若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云。
本实施例提供的点云数据处理装置与上述点云数据处理方法实现的原理和技术效果类似,在此不作赘述。
可选的,图8为本发明装置实施例二提供的点云数据处理装置的结构示意图,如图8所示,该点云数据处理装置400还包括:去除模块405。
去除模块405,用于在多帧所述第三点云数据的点云数据中去除所述动态干扰物体的点云。
可选的,所述多帧第二点云数据为所述多帧第一点云数据中对应的第一距离与参考距离的差值大于或等于预设距离阈值的多帧点云数据,所述第一距离为所述采集设备的运动轨迹线到实际扫描到的物体的点云的边点的距离,所述参考距离为所述采集设备的运动轨迹线到所述参考物的点云的边点的距离。
可选的,所述第一点云数据为通过多个扫描线扫描得到的点云数据。
可选的,第二点云数据确定模块402,具体用于根据所述第一点云数据,获取每个所述扫描线对应的第一距离;若第一扫描线对应的第一距离与所述参考距离之差大于或等于所述预设距离阈值,则将所述第一扫描线所对应的多帧所述第一点云数据作为多帧所述第二点云数据,所述第一扫描线为所述多个扫描线中任一扫描线。
可选的,动态干扰物体确定模块403,具体用于根据所述采集设备采集所述第二点云数据时的绝对位置,以及,所述第二点云数据中的第一扫描线对应的第一距离,确定所述干扰物体的点云的边点的绝对位置;若至少连续两帧的所述第二点云数据中的所述干扰物体的绝对位置随时间发生变化,则确定所述干扰物体为动态干扰物体,否则为静态干扰物体。
可选的,点云确定模块404,具体用于确定所述干扰物体的绝对位置随时间发生变化的多帧第二点云数据为第三点云数据,第三点云数据包含动态干扰物的点云。
可选的,点云确定模块404,具体用于根据所述第三点云数据,确定包括所述干扰物体的点云的第二扫描线;以所述参考物的边线作为起点,沿高程值增大的方向,将每个所述第二扫描线对应的第一段连续点云确定为所述动态干扰物体的点云。
可选的,点云确定模块404,具体还用于在所述第三点云数据中,确定与所述参考距离的差值大于或等于所述预设距离阈值的第一距离对应的扫描线为所述第二扫描线。
图9为本发明装置实施例三提供的点云数据处理装置的结构示意图,该点云数据处理装置例如可以是终端设备,比如智能手机、平板电脑、计算机等。如图9所示,该点云数据处理装置500包括:存储器501和至少一个处理器502。
存储器501,用于存储程序指令。
处理器502,用于在程序指令被执行时实现本实施例中的点云数据处理方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
该点云数据处理装置500还可以包括及输入/输出接口503。
输入/输出接口503可以包括独立的输出接口和输入接口,也可以为集成输入和输出的集成接口。其中,输出接口用于输出数据,输入接口用于获取输入的数据,上述输出的数据为上述方法实施例中输出的统称,输入的数据为上述方法实施例中输入的统称。
本发明还提供一种可读存储介质,可读存储介质中存储有执行指令,当点云数据处理装置的至少一个处理器执行该执行指令时,当计算机执行指令被处理器执行时,实现上述实施例中的点云数据处理方法。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。点云数据处理装置的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得点云数据处理装置实施上述的各种实施方式提供的点云数据处理方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,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。
所述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。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
在上述网络设备或者终端设备的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:ApplicationSpecific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种点云数据处理方法,其特征在于,包括:
获取采集设备采集的多帧第一点云数据,所述第一点云数据包括参考物的点云;
从多帧所述第一点云数据中确定多帧第二点云数据,所述第二点云数据包含干扰物体的点云;
根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体;
若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云。
2.根据权利要求1所述的方法,其特征在于,所述多帧第二点云数据为所述多帧第一点云数据中对应的第一距离与参考距离的差值大于或等于预设距离阈值的多帧点云数据,所述第一距离为所述采集设备的运动轨迹线到实际扫描到的物体的点云的边点的距离,所述参考距离为所述采集设备的运动轨迹线到所述参考物的点云的边点的距离。
3.根据权利要求2所述的方法,其特征在于,所述第一点云数据为通过多个扫描线扫描得到的点云数据,所述从多帧所述第一点云数据中确定多帧第二点云数据,包括:
根据所述第一点云数据,获取每个所述扫描线对应的第一距离;
若第一扫描线对应的第一距离与所述参考距离之差大于或等于所述预设距离阈值,则将所述第一扫描线所对应的多帧所述第一点云数据作为多帧所述第二点云数据,所述第一扫描线为所述多个扫描线中任一扫描线。
4.根据权利要求3所述的方法,其特征在于,所述根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体,包括:
根据所述采集设备采集所述第二点云数据时的绝对位置,以及,所述第二点云数据中的第一扫描线对应的第一距离,确定所述干扰物体的点云的边点的绝对位置;
若至少连续两帧的所述第二点云数据中的所述干扰物体的绝对位置随时间发生变化,则确定所述干扰物体为动态干扰物体,否则为静态干扰物体。
5.根据权利要求4所述的方法,其特征在于,若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云,包括:
确定所述干扰物体的绝对位置随时间发生变化的多帧第二点云数据为第三点云数据,第三点云数据包含动态干扰物的点云。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多帧第三点云数据,确定所述动态干扰物体的点云,包括:
根据所述第三点云数据,确定包括所述干扰物体的点云的第二扫描线;
以所述参考物的边线作为起点,沿高程值增大的方向,将每个所述第二扫描线对应的第一段连续点云确定为所述动态干扰物体的点云。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第三点云数据,确定包括所述干扰物体的点云的第二扫描线,包括:
在所述第三点云数据中,确定与所述参考距离的差值大于或等于所述预设距离阈值的第一距离对应的扫描线为所述第二扫描线。
8.根据权利要求4所述的方法,其特征在于,所述根据所述多帧第三点云数据,确定所述动态干扰物体的点云之后,还包括:
在多帧所述第三点云数据的点云数据中去除所述动态干扰物体的点云。
9.一种点云数据处理装置,其特征在于,包括:
第一点云数据获取模块,用于获取采集设备采集的多帧第一点云数据,所述第一点云数据包括参考物的点云;
第二点云数据确定模块,用于从多帧所述第一点云数据中确定多帧第二点云数据,所述第二点云数据包含干扰物体的点云;
动态干扰物体确定模块,用于根据多帧所述第二点云数据,确定所述干扰物体是否包含动态干扰物体;
点云确定模块,用于若所述干扰物体包含动态干扰物体,则根据多帧所述第二点云数据确定所述动态干扰物体的点云。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811364355.3A CN111273314A (zh) | 2018-11-16 | 2018-11-16 | 点云数据处理方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811364355.3A CN111273314A (zh) | 2018-11-16 | 2018-11-16 | 点云数据处理方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111273314A true CN111273314A (zh) | 2020-06-12 |
Family
ID=70996583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811364355.3A Pending CN111273314A (zh) | 2018-11-16 | 2018-11-16 | 点云数据处理方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111273314A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815707A (zh) * | 2020-07-03 | 2020-10-23 | 北京爱笔科技有限公司 | 点云确定方法、点云筛选方法、装置、计算机设备 |
CN113470047A (zh) * | 2021-06-29 | 2021-10-01 | 苏州一径科技有限公司 | 点云的处理方法和装置 |
CN115984803A (zh) * | 2023-03-10 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629820A (zh) * | 2008-07-18 | 2010-01-20 | 通用汽车环球科技运作公司 | 道路边缘检测 |
US20140368493A1 (en) * | 2013-06-14 | 2014-12-18 | Microsoft Corporation | Object removal using lidar-based classification |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
CN108460791A (zh) * | 2017-12-29 | 2018-08-28 | 百度在线网络技术(北京)有限公司 | 用于处理点云数据的方法和装置 |
-
2018
- 2018-11-16 CN CN201811364355.3A patent/CN111273314A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629820A (zh) * | 2008-07-18 | 2010-01-20 | 通用汽车环球科技运作公司 | 道路边缘检测 |
US20140368493A1 (en) * | 2013-06-14 | 2014-12-18 | Microsoft Corporation | Object removal using lidar-based classification |
CN104931977A (zh) * | 2015-06-11 | 2015-09-23 | 同济大学 | 一种用于智能车辆的障碍物识别方法 |
CN105551016A (zh) * | 2015-12-02 | 2016-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的路沿识别方法及装置 |
CN106199558A (zh) * | 2016-08-18 | 2016-12-07 | 宁波傲视智绘光电科技有限公司 | 障碍物快速检测方法 |
CN106842231A (zh) * | 2016-11-08 | 2017-06-13 | 长安大学 | 一种道路边界检测及跟踪方法 |
CN106650640A (zh) * | 2016-12-05 | 2017-05-10 | 浙江大学 | 一种基于激光雷达点云局部结构特征的负障碍物检测方法 |
CN108267747A (zh) * | 2017-01-03 | 2018-07-10 | 中交宇科(北京)空间信息技术有限公司 | 基于激光点云的道路特征提取方法和装置 |
CN108460791A (zh) * | 2017-12-29 | 2018-08-28 | 百度在线网络技术(北京)有限公司 | 用于处理点云数据的方法和装置 |
Non-Patent Citations (2)
Title |
---|
刘健: "基于三维激光雷达的无人驾驶车辆环境建模关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
王国锋 等: "《多源激光雷达数据集成技术及其应用》", 30 November 2012, 测绘出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111815707A (zh) * | 2020-07-03 | 2020-10-23 | 北京爱笔科技有限公司 | 点云确定方法、点云筛选方法、装置、计算机设备 |
CN113470047A (zh) * | 2021-06-29 | 2021-10-01 | 苏州一径科技有限公司 | 点云的处理方法和装置 |
CN115984803A (zh) * | 2023-03-10 | 2023-04-18 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
CN115984803B (zh) * | 2023-03-10 | 2023-12-12 | 安徽蔚来智驾科技有限公司 | 数据处理方法、设备、驾驶设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112417967B (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
TWI722355B (zh) | 用於基於障礙物檢測校正高清晰度地圖的系統和方法 | |
US20190011566A1 (en) | Method and apparatus for identifying laser point cloud data of autonomous vehicle | |
WO2018177026A1 (zh) | 确定道路边沿的装置和方法 | |
CN111273314A (zh) | 点云数据处理方法、装置和存储介质 | |
CN112753038B (zh) | 识别车辆变道趋势的方法和装置 | |
CN110758477A (zh) | 基于二维码识别的列车定位方法及系统 | |
CN111353453B (zh) | 用于车辆的障碍物检测方法和装置 | |
CN114556442A (zh) | 三维点云分割方法和装置、可移动平台 | |
Gressenbuch et al. | Mona: The munich motion dataset of natural driving | |
CN114694115A (zh) | 一种道路障碍物检测方法、装置、设备及存储介质 | |
CN113988197A (zh) | 基于多相机、多激光雷达的联合标定及目标融合检测方法 | |
CN111881752B (zh) | 一种护栏检测分类方法、装置、电子设备及存储介质 | |
CN113989765A (zh) | 一种轨道障碍物的检测方法、检测装置及可读存储介质 | |
CN109598199B (zh) | 车道线生成方法和装置 | |
US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
CN116129378A (zh) | 车道线检测方法、装置、设备、车辆和介质 | |
CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
CN114155258A (zh) | 一种公路施工围封区域的检测方法 | |
CN114565906A (zh) | 障碍物检测方法、装置、电子设备及存储介质 | |
CN113220805A (zh) | 地图生成装置、记录介质以及地图生成方法 | |
Thai et al. | Application of edge detection algorithm for self-driving vehicles | |
CN115641567B (zh) | 用于车辆的目标对象检测方法、装置、车辆及介质 | |
WO2024042607A1 (ja) | 外界認識装置及び外界認識方法 | |
KR102540632B1 (ko) | 색상 보정을 적용한 컬러맵 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
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 |