CN111398985A - 一种激光雷达点云数据超分辨处理方法、系统及存储介质 - Google Patents
一种激光雷达点云数据超分辨处理方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111398985A CN111398985A CN201811636156.3A CN201811636156A CN111398985A CN 111398985 A CN111398985 A CN 111398985A CN 201811636156 A CN201811636156 A CN 201811636156A CN 111398985 A CN111398985 A CN 111398985A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- adjacent
- light spot
- laser
- 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
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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
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
本发明公开了一种激光雷达点云数据超分辨处理方法、系统及存储介质,该方法包括:步骤1,对激光雷达的点云数据进行光斑重叠探测;步骤2,对于存在重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。本发明的技术方案基于扫描得到的点云数据,生成了新的点云数据,不仅提高了激光点云密度,而且丰富了目标特征等相关信息,可以提高激光雷达点云目标的感知能力和识别效率。
Description
技术领域
本发明涉及三维激光扫描领域,特别是涉及一种激光雷达点云数据超分辨处理方法、系统及存储介质。
背景技术
激光雷达通常包括多个半导体激光器(Laser Diode:LD),以一种电控扫描激光雷达为例,参见图1所示,该电控扫描激光雷达的激光发射单元包括纵向排列的n列半导体激光器1及对应的电控扫描驱动电路(图中未示),每列包括半导体激光器m个,图1示例设置有4列,每列8个半导体激光器。相邻半导体激光器的出射激光夹角为θ,θ<0.5°。纵向排列的各列半导体激光器具有相互平行的激光出射面,激光出光面之间相距厘米间隔。
m×n排列的半导体激光器的发射顺序可以任意控制,即每束激光可以随机轮循发射激光,轮循扫描周期为数十微秒。作为一种示例,为了避免接收回波串扰,轮循扫描可以按激光发射单元纵向1、3、2、4、1、3、2、4的顺序扫描,或者其他随机顺序。在理想状态下,激光光斑与半导体激光器的设置方式呈现一一对应方式,如图1所示,出射激光通过发射透镜组2,在图1右侧形成理想激光光斑分布,任意两个光斑之间均存在间隙。
在具体使用环境中,激光雷达固定安装于运动的汽车车体上,随着车辆运动过程中的颠簸,激光雷达出射的光斑并不会呈现理想光斑分布,而是随车辆姿态的变化呈现一定的随机间隔分布。
如图2A所示,在竖直方向上,由于车辆姿态随机变化,则照射到目标物上的激光光斑会随车辆姿态变化呈非理想光束出射角度分布,出现激光光斑交叠、间隔发生扰动等情况。如图2B所示,在水平方向上,出射激光束间隔为厘米级,由于存在激光束发散角,距离越远光斑越大,在车辆发生抖动或其他急速变化的状态,甚至是理想状态下,均会出现激光光斑交叠的情况。
假设激光发散角0.5mrad,则200m距离处的一个激光光斑尺寸为10cm。可见,在较远距离时,一个激光光斑所覆盖的面积相对较大,一个激光光斑对应一个点云数据,而激光点密度较低,且激光光斑A和B可能交叠于目标物上。激光雷达探测远距离目标时,由于激光点间隔增大,目标物的细节数据匮乏。
如图3所示,激光光斑A落在目标物的表面上,而激光光斑B已基本落在目标物之外的地面。由于目标物形状的变化以及激光光斑覆盖面积较大,激光光斑的间距较远,使得对于目标物的细节数据较少,特别是目标物的边缘数据较少。
而对于基于激光点云数据的目标识别,边缘处的数据对于目标识别的成功率起到重要作用,正常情况下,远距稀疏的激光点云难以满足对目标感知和识别的需求。因此,如何基于现有的激光点云数据,增加获取到的信息的数量,增加细节数据,提升激光雷达(远距离)目标的识别能力,是现有技术中亟待解决的问题。
发明内容
本发明解决的技术问题在于,增加从现有的激光点云数据中获取目标的细节信息。
更进一步的,提升激光雷达的目标识别能力。
本发明公开了一种激光雷达点云数据超分辨处理方法,该方法包括:
步骤1,对激光雷达的点云数据进行光斑重叠探测;
步骤2,对于存在光斑重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。
该步骤1进一步包括:
步骤11,对目标点云数据分析其相邻点云数据,根据探测距离和激光发散角判断该目标点云数据与相邻点云数据的光斑重叠区域是否大于一阈值,如果是,视为该相邻点云数据与该目标点云数据存在光斑重叠。
该步骤2在X、Y、Z三轴方向上分别进行相邻点插值处理。
该步骤2进一步包括:当该目标点云数据与相邻点云数据仅沿X方向存在光斑重叠,
该步骤2进一步包括:当该目标点云数据与相邻点云数据仅沿Y方向存在光斑重叠,
该步骤2进一步包括:当该目标点云数据与相邻点云数据沿X和Y方向存在光斑重叠,
zi=zi-1,j-1×(xi,j-xi-1,j-1)/(xi+1,j-1-xi-1,j-1)×(yi,j-yi-1,j-1)/(yi-1,j+1-yi-1,j-1)+zi+1,j-1×(xi+1,j-1-xi,j)/(xi+1,j-1-xi-1,j-1)×(yi+1,j-1-yi,j)/(yi+1,j+1-yi+1,j-1)+zi-1,j+1×(xi,j-xi-1,j+1)/(xi+1,j+1-xi-1,j+1)×(yi,j-yi-1,j+1)/(yi-1,j+1-yi-1,j-1)+zi+1,j+1×(xi+1,j+1-xi,j)/(xi+1,j+1-xi-1,j+1)×(yi+1,j+1-yi,j)/(yi+1,j+1-yi+1,j-1)
本发明还公开了一种激光雷达点云数据超分辨处理系统,该系统包括:
探测单元,用于对激光雷达的点云数据进行光斑重叠探测;
插值单元,用于对于存在光斑重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。
该探测单元进一步包括:重叠区域识别单元,对目标点云数据分析其相邻点云数据,根据探测距离和激光发散角判断该目标点云数据与相邻点云数据的光斑重叠区域是否大于一阈值,如果是,视为该相邻点云数据与该目标点云数据存在光斑重叠。
该插值单元进一步包括:当该目标点云数据与相邻点云数据仅沿X方向存在光斑重叠,
当该目标点云数据与相邻点云数据仅沿Y方向存在光斑重叠,
当该目标点云数据与相邻点云数据沿X和Y方向存在光斑重叠,
zi=zi-1,j-1×(xi,j-xi-1,j-1)/(xi+1,j-1-xi-1,j-1)×(yi,j-yi-1,j-1)/(yi-1,j+1-yi-1,j-1)+zi+1,j-1×(xi+1,j-1-xi,j)/(xi+1,j-1-xi-1,j-1)×(yi+1,j-1-yi,j)/(yi+1,j+1-yi+1,j-1)+zi-1,j+1×(xi,j-xi-1,j+1)/(xi+1,j+1-xi-1,j+1)×(yi,j-yi-1,j+1)/(yi-1,j+1-yi-1,j-1)+zi+1,j+1×(xi+1,j+1-xi,j)/(xi+1,j+1-xi-1,j+1)×(yi+1,j+1-yi,j)/(yi+1,j+1-yi+1,j-1)
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,包括:所述计算机程序被处理器执行时实现所述方法的步骤。
本发明的技术方案基于扫描得到的点云数据,生成了新的点云数据,不仅提高了激光点云密度,而且丰富了目标特征等相关信息,可以提高激光雷达点云目标的感知能力和识别效率。
附图说明
图1所示为现有技术中激光雷达的半导体激光器分布以及理想光斑分布示意图。
图2A所示为竖直方向上激光光斑交叠示意图。
图2B所示为水平方向上激光光斑交叠示意图。
图3所示为激光光斑落在目标物上的示意图。
图4所示为本发明的激光雷达点云数据超分辨处理方法的流程示意图。
图5所示为本发明的插值处理方式示意图。
图6所示为本发明的激光雷达点云数据超分辨处理系统的结构示意图。
具体实施方式
以下结合具体实施例描述本发明的技术方案的实现过程,不作为对本发明的限制。
本发明的一种激光雷达点云数据超分辨处理方法,用于针对激光雷达的激光点云数据实现超分辨,使激光雷达装置对目标的激光点密度提高,也就是数据的高频信息增加,增加从现有的激光点云数据中获取的细节数据。从而使得目标的轮廓更加清晰,识别率更高。
如图6所示为本发明的激光雷达点云数据超分辨处理系统的结构示意图,激光雷达100可设置于车辆中,对周围环境进行实时扫描,以获取激光扫描数据,以对周围环境中目标物进行识别。激光雷达100利用所获取的激光扫描数据输出至数据处理装置200,由数据处理装置200生成激光点云数据,并对该激光点云数据进行处理运算,特别是执行本发明的激光雷达点云数据超分辨处理方法。该数据处理装置200中设置有存储器201,以存储所述数据处理装置上运行的计算机程序,所述数据处理装置执行所述计算机程序时实现所述激光雷达点云数据超分辨处理方法的步骤。
如图4所示为本发明的激光雷达点云数据超分辨处理方法的流程示意图。
步骤1,对激光雷达的点云数据进行光斑重叠探测。
激光雷达完成扫描工作后,生成多个点云数据。分别以每个点云数据作为目标点云数据,进行邻域分析,即,针对目标点云数据分析其周围预定区域内的相邻点云数据,由于根据每个点云数据的探测距离和激光发散角可以判断出该点云数据所对应的激光光斑的大小和位置,故而,可据以判断目标点云数据以及其相邻点云数据各自的激光光斑的重叠区域是否大于一阈值,如果是,视为该相邻点云数据与该目标点云数据存在光斑重叠。
本步骤针对所有点云数据找到了与其相邻的具有光斑重叠的相邻点云数据。
步骤2,对于存在光斑重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。
该插值处理需要在X、Y、Z三轴方向上分别进行相邻点插值处理。
步骤2进一步包括:
步骤21,判断激光光斑的光斑重叠方式,如果仅在X方向存在光斑重叠,执行步骤22,如果仅在Y方向存在光斑重叠,执行步骤23,如果在X、Y方向均存在光斑重叠,执行步骤24。
如图5所示为本发明的插值处理方式示意图,图5左侧为激光光斑的4种重叠方式,右侧为对应的4种插值处理的方式。
图5左侧第1种为两个激光光斑仅在X方向上存在光斑重叠,则从右侧图中第1种插值处理方式可知,在X方向上两个点云数据之间进行超分辨处理,插入一数值。
图5左侧第2种为两个激光光斑仅在Y方向上存在光斑重叠,则从右侧图中第2种插值处理方式可知,在Y方向上两个点云数据之间进行超分辨处理,插入一数值。
图5左侧第3、4种为两个激光光斑在X、Y方向上均存在光斑重叠,则从右侧图中第3、4种插值处理方式可知,在任意相邻的两个激光光斑也就是点云数据之间进行超分辨处理,均插入一数值。
步骤22,当该目标点云数据(xi-1,yj,zi-1,j)与相邻点云数据(xi+1,yj,zi+1,j)仅沿X方向存在光斑重叠,超分辨目标点的空间坐标(xi,yj,zi,j)计算如下:
xi=(xi+1-xi-1)/2
yj=yj
zi,j=zi-1,j×(xi-xi-1)/(xi+1-xi-1)+zi+1,j×(xi+1-xi)/(xi+1-xi-1)
步骤23,当该目标点云数据(xi,yj-1,zi,j-1)与相邻点云数据(xi,yj+1,zi,j+1)仅沿Y方向存在重叠,超分辨目标点的空间坐标(xi,yj,zi,j)计算如下:
xi=xi
yj=(yj+1-yj-1)/2
zi,j=zi,j-1×(yj-yj-1)/(yj+1-yj-1)+zi,j+1×(yj+1-yj)/(yj+1-yj-1)
步骤24,当该目标点云数据(xi-1,j-1,yi-1,j-1,zi-1,j-1)与相邻点云数据(xi+1,j+1,yi+1,j+1,zi+1,j+1)、(xi+1,j-1,yi+1,j-1,zi+1,j-1)、(xi-1,j+1,yi-1,j+1,zi-1,j+1)沿X和Y方向均存在重叠:
xi,j=[(xi+1,j-1-xi-1,j-1)+(xi+1,j+1-xi-1,j+1)]/4
yi,j=[(yi+1,j+1-yi+1,j-1)+(yi-1,j+1-yi-1,j-1)]/4
zi,j=zi-1,j-1×(xi,j-xi-1,j-1)/(xi+1,j-1-xi-1,j-1)×(yi,j-yi-1,j-1)/(yi-1,j+1-yi-1,j-1)+zi+1,j-1×(xi+1,j-1-xi,j)/(xi+1,j-1-xi-1,j-1)×(yi+1,j-1-yi,j)/(yi+1,j+1-yi+1,j-1)+zi-1,j+1×(xi,j-xi-1,j+1)/(xi+1,j+1-xi-1,j+1)×(yi,j-yi-1,j+1)/(yi-1,j+1-yi-1,j-1)+zi+1,j+1×(xi+1,j+1-xi,j)/(xi+1,j+1-xi-1,j+1)×(yi+1,j+1-yi,j)/(yi+1,j+1-yi+1,j-1)
除上述插值方式外,其他明显变型的插值方式也在本发明的公开范围内。
该步骤1之前还可以包括:系统对获取的点云数据,可以预先进行聚类等处理提取采集目标,对于采集目标可以继续执行步骤1。该采集目标可以为分布较为集中,位于同一物体上的点云数据。
通过上述步骤,基于扫描得到的点云数据,生成了新的点云数据,不仅提高了激光点云密度,而且丰富了目标特征等相关信息,可以提高激光雷达点云目标的感知和识别能力。
基于图3所述示例,经过上述超分辨处理后,在激光光斑A、B之间增加了新的点云数据,也就是增加了基于激光光斑A、B的点云数据的变化趋势而获取的该目标的边缘细节信息,进而增加了激光雷达识别该物体的成功概率。
上述实施例仅为实现本发明的示例性描述,而不用以限制本发明的保护范围,保护范围请参阅后附带权利要求书中记载为准。
Claims (10)
1.一种激光雷达点云数据超分辨处理方法,其特征在于,该方法包括:
步骤1,对激光雷达的点云数据进行光斑重叠探测;
步骤2,对于存在光斑重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。
2.如权利要求1所述的方法,其特征在于,该步骤1进一步包括:
步骤11,对目标点云数据分析其相邻点云数据,根据探测距离和激光发散角判断该目标点云数据与相邻点云数据的光斑重叠区域是否大于一阈值,如果是,视为该相邻点云数据与该目标点云数据存在光斑重叠。
3.如权利要求1所述的方法,其特征在于,该步骤2在X、Y、Z三轴方向上分别进行相邻点插值处理。
6.如权利要求3所述的方法,其特征在于,该步骤2进一步包括:
当该目标点云数据与相邻点云数据沿X和Y方向存在光斑重叠,
zi=zi-1,j-1×(xi,j-xi-1,j-1)/(xi+1,j-1-xi-1,j-1)×(yi,j-yi-1,j-1)/(yi-1,j+1-yi-1,j-1)
+zi+1,j-1×(xi+1,j-1-xi,j)/(xi+1,j-1-xi-1,j-1)×(yi+1,j-1-yi,j)/(yi+1,j+1-yi+1,j-1)
+zi-1,j+1×(xi,j-xi-1,j+1)/(xi+1,j+1-xi-1,j+1)×(yi,j-yi-1,j+1)/(yi-1,j+1-yi-1,j-1)
+zi+1,j+1×(xi+1,j+1-xi,j)/(xi+1,j+1-xi-1,j+1)×(yi+1,j+1-yi,j)/(yi+1,j+1-yi+1,j-1) 。
7.一种激光雷达点云数据超分辨处理系统,其特征在于,该系统包括:
探测单元,用于对激光雷达的点云数据进行光斑重叠探测;
插值单元,用于对于存在光斑重叠的相邻点云数据,进行相邻点插值处理,以在相邻点之间生成插入点。
8.如权利要求7所述的系统,其特征在于,该探测单元进一步包括:
重叠区域识别单元,对目标点云数据分析其相邻点云数据,根据探测距离和激光发散角判断该目标点云数据与相邻点云数据的光斑重叠区域是否大于一阈值,如果是,视为该相邻点云数据与该目标点云数据存在光斑重叠。
9.如权利要求7所述的系统,其特征在于,该插值单元进一步包括:
当该目标点云数据与相邻点云数据仅沿X方向存在光斑重叠,
当该目标点云数据与相邻点云数据仅沿Y方向存在光斑重叠,
当该目标点云数据与相邻点云数据沿X和Y方向存在光斑重叠,
zi=zi-1,j-1×(xi,j-xi-1,j-1)/(xi+1,j-1-xi-1,j-1)×(yi,j-yi-1,j-1)/(yi-1,j+1-yi-1,j-1)
+zi+1,j-1×(xi+1,j-1-xi,j)/(xi+1,j-1-xi-1,j-1)×(yi+1,j-1-yi,j)/(yi+1,j+1-yi+1,j-1)
+zi-1,j+1×(xi,j-xi-1,j+1)/(xi+1,j+1-xi-1,j+1)×(yi,j-yi-1,j+1)/(yi-1,j+1-yi-1,j-1)
+zi+1,j+1×(xi+1,j+1-xi,j)/(xi+1,j+1-xi-1,j+1)×(yi+1,j+1-yi,j)/(yi+1,j+1-yi+1,j-1) 。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,包括:所述计算机程序被处理器执行时实现如权利要求1-6中任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636156.3A CN111398985B (zh) | 2018-12-29 | 2018-12-29 | 一种激光雷达点云数据超分辨处理方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811636156.3A CN111398985B (zh) | 2018-12-29 | 2018-12-29 | 一种激光雷达点云数据超分辨处理方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111398985A true CN111398985A (zh) | 2020-07-10 |
CN111398985B CN111398985B (zh) | 2022-02-15 |
Family
ID=71430136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811636156.3A Active CN111398985B (zh) | 2018-12-29 | 2018-12-29 | 一种激光雷达点云数据超分辨处理方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111398985B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805191A (zh) * | 2021-09-16 | 2021-12-17 | 梁平 | 一种激光雷达防多机串扰方法、装置及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08124080A (ja) * | 1994-10-20 | 1996-05-17 | Honda Motor Co Ltd | 車両の障害物検出装置 |
CN102750668A (zh) * | 2012-07-04 | 2012-10-24 | 西南交通大学 | 结合局部方向特征的数字图像三倍插值放大方法 |
US8798372B1 (en) * | 2012-03-07 | 2014-08-05 | Hrl Laboratories, Llc | Method for detecting bridges using lidar point cloud data |
CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN107862656A (zh) * | 2017-10-30 | 2018-03-30 | 北京零壹空间科技有限公司 | 一种3d图像点云数据的规整化实现方法、系统 |
CN108986024A (zh) * | 2017-06-03 | 2018-12-11 | 西南大学 | 一种基于网格的激光点云规则排列处理方法 |
CN109073757A (zh) * | 2016-04-22 | 2018-12-21 | 欧普赛斯技术有限公司 | 多波长lidar系统 |
-
2018
- 2018-12-29 CN CN201811636156.3A patent/CN111398985B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08124080A (ja) * | 1994-10-20 | 1996-05-17 | Honda Motor Co Ltd | 車両の障害物検出装置 |
US8798372B1 (en) * | 2012-03-07 | 2014-08-05 | Hrl Laboratories, Llc | Method for detecting bridges using lidar point cloud data |
CN102750668A (zh) * | 2012-07-04 | 2012-10-24 | 西南交通大学 | 结合局部方向特征的数字图像三倍插值放大方法 |
CN105761312A (zh) * | 2016-02-06 | 2016-07-13 | 中国农业大学 | 一种微地形表面重建方法 |
CN109073757A (zh) * | 2016-04-22 | 2018-12-21 | 欧普赛斯技术有限公司 | 多波长lidar系统 |
CN108986024A (zh) * | 2017-06-03 | 2018-12-11 | 西南大学 | 一种基于网格的激光点云规则排列处理方法 |
CN107301648A (zh) * | 2017-06-09 | 2017-10-27 | 大连理工大学 | 基于重叠区域边界角度的冗余点云去除方法 |
CN107862656A (zh) * | 2017-10-30 | 2018-03-30 | 北京零壹空间科技有限公司 | 一种3d图像点云数据的规整化实现方法、系统 |
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
Non-Patent Citations (2)
Title |
---|
周富强 等: "基于三维测量扫描线点云的表面重建", 《仪器仪表学报》 * |
王勋: "基于三维激光扫描的桥面变形检测技术应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113805191A (zh) * | 2021-09-16 | 2021-12-17 | 梁平 | 一种激光雷达防多机串扰方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111398985B (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10656252B1 (en) | Adaptive control of Ladar systems using spatial index of prior Ladar return data | |
JP6505470B2 (ja) | ノイズ除去方法および物体認識装置 | |
US20230270309A1 (en) | Linear laser beam-based method and device for obstacle avoidance | |
JP2011232325A (ja) | 物体認識装置 | |
CN111090087B (zh) | 一种智能导航机器、激光雷达盲区补偿方法及存储介质 | |
CN113866791A (zh) | 雷达装置采集的数据的处理方法及处理装置 | |
WO2022001322A1 (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN109100744B (zh) | 用于agv的目标定位方法及系统 | |
JP2019105654A (ja) | ノイズ除去方法および物体認識装置 | |
CN111398985B (zh) | 一种激光雷达点云数据超分辨处理方法、系统及存储介质 | |
CN114384491B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN114384492B (zh) | 用于激光雷达的点云处理方法及装置、存储介质 | |
CN110554409B (zh) | 一种凹障碍物检测方法及系统 | |
JP2019164098A (ja) | 路面形状推定装置、路面形状推定プログラム、及び移動体 | |
CN114779207A (zh) | 噪声数据识别方法、装置及存储介质 | |
CN107153202B (zh) | 多线激光雷达系统及多线激光雷达系统的控制方法 | |
CN116189122A (zh) | 道路边界的识别方法及装置、存储介质、终端 | |
CN111126225B (zh) | 多线激光雷达地面分割方法及车辆、计算机可读介质 | |
CN111723797B (zh) | 一种确定三维目标的包围框的方法及系统 | |
JP6274410B2 (ja) | 架線検出方法 | |
CN115719354B (zh) | 基于激光点云提取立杆的方法与装置 | |
CN113763308A (zh) | 一种地面检测方法、装置、服务器及介质 | |
CN115680345A (zh) | 一种控制泊车机器人泊车的方法及泊车机器人 | |
CN116008999A (zh) | 地面识别方法及其装置、移动工具和相关产品 | |
US20230079909A1 (en) | Dynamic laser emission control in light detection and ranging (lidar) systems |
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 |