CN111435163A - 地面点云数据过滤方法、装置、探测系统及存储介质 - Google Patents
地面点云数据过滤方法、装置、探测系统及存储介质 Download PDFInfo
- Publication number
- CN111435163A CN111435163A CN202010190836.8A CN202010190836A CN111435163A CN 111435163 A CN111435163 A CN 111435163A CN 202010190836 A CN202010190836 A CN 202010190836A CN 111435163 A CN111435163 A CN 111435163A
- Authority
- CN
- China
- Prior art keywords
- ground
- cloud data
- point cloud
- measured
- points
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明实施例公开了一种地面点云数据过滤方法、装置、探测系统及存储介质,所述方法包括:获取激光雷达扫描到的点云数据;根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。本发明实施例实现了快速高效的分辨出地面点云数据中的地面点,并且通过坡度判断地面待测点云数据是否为地面点云数据中的地面点,进一步提高了地面点云数据确认的精确度,能够更加准确地识别并过滤地面点云数据。
Description
技术领域
本发明实施例涉及自动控制技术领域,尤其涉及一种地面点云数据过滤方法、装置、探测系统及存储介质。
背景技术
随着城市的发展和人们对生活品质的追求,自动驾驶技术的研发也越来越深入。自动驾驶技术的关键在于能够精确地识别周围的道路环境,从而使车辆能够不依靠人工操作而自动安全可靠地行驶。目前的自动驾驶车辆通过安装激光雷达,已经能够实时获取周围的点云数据,通过点云数据构建出高精度的道路数据,车辆便能做出正确的行驶决策,而高精度道路数据需要识别出道路的地面以及地面上的各种障碍物。
为了更好的确定地面上的各种障碍物,通常需要将地面过滤掉,也就是要先确定地面的点云数据。目前常用的过滤地面点云数据的方法有两种,一种是通过安装在车辆上的激光雷达与地面的高度过滤地面点云数据,一种是通过实时拟合地面点云数据方程,通过计算所有点云数据到地面方程的距离判断点云数据是否为地面。使用第一种方法确定地面点云数据时精确度不高,特别是当车辆运行中有较大的颠簸时,会无法确定地面点云数据。使用第二种方法需要实时拟合地面点云数据方程,当道路上障碍物较多时,地面方程的拟合速度较慢甚至不能实时拟合,这时就无法确认地面点云数据,进而无法实现地面点云数据的过滤。
发明内容
有鉴于此,本发明实施例提供一种地面点云数据过滤方法、装置、探测系统及存储介质,以实现快速地确认地面点云数据并进行过滤,提高地面点云数据过滤的精确度。
第一方面,本发明实施例提供一种地面点云数据过滤方法,包括:
获取激光雷达扫描到的点云数据;
根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;
根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
进一步的,根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据包括:
确定所述点云数据中的各点在预设三维坐标系下的第一坐标,所述预设三维坐标系是以所述激光雷达所在自主体上的一个点为原点建立的三维空间坐标系;
根据各点的第一坐标确定各点相对于所述激光雷达的竖直高度与所述激光雷达的安装高度的偏差;
若所述偏差在预设距离范围内,则确定所述点云数据中的点为地面待测点云数据中的地面待测点,进而确定地面待测点云数据。
进一步的,根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据包括:
根据所述多个地面待测点的第一坐标确定所述多个地面待测点在预设二维坐标系下的第二坐标,所述预设二维坐标系根据所述预设三维坐标系的一个平行于地面的平面而建立;
根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度;
若所述坡度在预设坡度范围内,则确定所述两个地面待测点为地面点云数据中的地面点,进而得到地面点云数据并过滤所述地面点云数据。
进一步的,根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度包括:
根据预设角度对所述地面待测点云数据进行分区,得到多个以所述预设二维坐标系的原点为中心的扇形分区,每个扇形分区内包括n个地面待测点,其中,激光雷达的线数≥n≥0,且n为整数;
根据n个地面待测点的第二坐标对每个扇形分区内的n个地面待测点按照距离所述预设二维坐标系的原点的距离进行排序,得到每个扇形分区内的n个地面待测点的排列顺序;
根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度。
进一步的,根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度,包括:
根据每个扇形分区中n个地面待测点的排列顺序,确定地面参考点;
基于所述地面参考点,依次确定所述地面参考点之后的相邻的两个地面待测点之间的坡度。
进一步的,所述预设角度小于所述激光雷达的水平角度分辨率。
进一步的,确定所述点云数据中的各点在预设三维坐标系下的第一坐标包括:
若所述激光雷达是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行平移转换至基于预设三维坐标系的第一坐标;
若所述激光雷达不是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行旋转平移转换至基于预设三维坐标系的第一坐标。
第二方面,本发明实施例提供一种地面点云数据过滤装置,包括:
点云数据获取模块,用于获取激光雷达扫描到的点云数据;
地面待测点云数据确定模块,用于根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;
地面点云数据过滤模块,用于根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
第三方面,本发明实施例提供一种探测系统,包括激光雷达以及处理系统,所述激光雷达与所述处理系统进行通信连接,用于对目标环境进行扫描以得到点云数据;所述处理系统包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例提供的地面点云数据过滤方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现本发明任意实施例提供的地面点云数据过滤方法。
本发明实施例实现了快速高效的分辨出地面点云数据中的地面点,并且通过坡度判断地面待测点云数据是否为地面点云数据中的地面点,进一步提高了地面点云数据确认的精确度,能够更加准确地识别并过滤地面点云数据。
附图说明
图1为本发明实施例一提供的一种地面点云数据过滤方法的流程示意图;
图2为本发明实施例二提供的一种地面点云数据过滤方法的流程示意图;
图3为本发明实施例二提供的一种确定相邻的两个地面待测点之间的坡度的方法的流程示意图;
图4为本发明实施例三提供的一种地面点云数据过滤装置的结构示意图;
图5是本发明实施例四提供的一种探测系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止,但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
此外,术语“第一”、“第二”等可在本文中用于描述各种方向、动作、步骤或元件等,但这些方向、动作、步骤或元件不受这些术语限制。这些术语仅用于将第一个方向、动作、步骤或元件与另一个方向、动作、步骤或元件区分。术语“第一”、“第二”等而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”、“批量”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
实施例一
图1为本发明实施例一提供的一种地面点云数据过滤方法的流程示意图,本实施例可适用于通过激光雷达确定障碍物时对地面点云数据进行过滤,即用于过滤掉激光雷达扫描到的点云数据中的地面点云以确定障碍物点云。激光雷达安装在自主体上,自主体可以是具有自移动功能的车辆(无人车或者自动驾驶车辆)、机器人等在地面移动的设备。如图1所示,本发明实施例一提供的地面点云数据过滤方法包括:
S110、获取激光雷达扫描到的点云数据。
具体的,点云数据是多个点的集合,这些点表示的是物体表面采样点的空间坐标。激光雷达将激光光束照射到物体表面,物体表面会对激光光束进行反射,且物体表面反射的激光光束由激光雷达中的激光接收器进行接收,从而根据收发激光光束的情况得到障碍物的距离信息,并根据激光光束发射时的发射角度以及对应的扫描角度即可确定出来其方位进而计算得到相对于激光雷达的坐标信息,比如表示为(X,Y,Z)。激光雷达的分辨率越高,扫描得到的点云数据就会越多,也即其包含的检测点也就越多。激光雷达扫描到的点云数据为激光雷达向目标环境发射激光光束之后获取到的反应目标环境信息的全部点云数据。
S120、根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点。
具体的,目标环境中的物体通常可以分为两大类:地面和障碍物,障碍物通常是高出地面一定距离的。根据激光雷达的安装高度对激光雷达扫描到的点云数据进行筛选,就是初步筛选出距离地面较近的点云数据,以使后续的步骤中,不再对点云数据中明显是障碍物的点云数据进行判断,减少计算量。点云数据中筛选出来的可能是地面的点称为地面待测点,由多个地面待测点形成的数据集合称为地面待测点云数据。可能是地面的点为包含地面以及距离地面一定距离范围内的点。
S130、根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
具体的,坡度表示以地面为参考的两点之间的倾斜角度,用α表示。相邻的两个地面待测点,是指地面待测点云数据中的不存在中间点的两个地面待测点。地面通常被视作一个水平面,但在实际情况中,地面也会存在不平坦的地方,例如,地面有上凸或下凹的地方,因此,坡度α可以大于零,也可以小于零,当坡度α在一定范围内时,例如,α在±10°的范围内,则确定对应的地面待测点为地面点,从而可以确定地面点云并对其进行过滤,对于过于上凸或下凹的点均视为障碍物上的点。
以3个相邻的地面待测点为例,将3个地面待测点距离激光雷达的距离从小到大排列,依次称为第一地面待测点A、第二地面待测点B和第三地面待测点C,则第二地面待测点B相对于第一地面待测点A的坡度为αBA,第三地面待测点C相对于第二地面待测点B的坡度为αCB,由于已通过激光雷达的安装高度进行了初步筛选,那么默认第一地面待测点A为地面点,若αBA在±10°的范围内,则可以确定第二地面待测点B也是地面点,此时若αCB不在±10°的范围内,则认为第三地面待测点C不是地面点。若αBA不在±10°的范围内,则认为第二地面待测点B不是地面点,此时应剔除第二地面待测点B,与第三地面待测点C相邻的另一地面待测点为第一地面待测点A,故计算第三地面待测点C相对于第一地面待测点A的坡度为αCA,若αCA在±10°的范围内,则确定第三地面待测点C是地面点;若αCA不在±10°的范围内,则认为第三地面待测点C也不是地面点,同时剔除第三地面待测点C,继续确定第三地面待测点C之后的地面待测点相对于第一地面待测点A的坡度。
本发明实施例一提供的地面点云数据过滤方法实现了快速高效的分辨出地面点云数据中的地面点,并且通过坡度判断地面待测点云数据是否为地面点云数据中的地面点,进一步提高了地面点云数据确认的精确度,能够更加准确地识别并过滤地面点云数据。
实施例二
图2为本发明实施例二提供的一种地面点云数据过滤方法的流程示意图,本实施例是对上述实施例的进一步细化。如图2所示,本发明实施例二提供的地面点云数据过滤方法包括:
S210、获取激光雷达扫描到的点云数据。
具体的,点云数据是多个点的集合,这些点表示的是物体表面采样点的空间坐标。激光雷达将激光光束照射到物体表面,物体表面会对激光光束进行反射,且物体表面反射的激光光束由激光雷达中的激光接收器进行接收,从而根据收发激光光束的情况得到障碍物的距离信息,并根据激光光束发射时的发射角度以及对应的扫描角度即可确定出来其方位进而计算得到相对于激光雷达的坐标信息,比如表示为(X,Y,Z)。激光雷达的分辨率越高,扫描得到的点云数据就会越多,也即其包含的检测点也就越多。激光雷达扫描到的点云数据为激光雷达向目标环境发射激光光束之后获取到的反应目标环境信息的全部点云数据。
S220、确定所述点云数据中的各点在预设三维坐标系下的第一坐标,所述预设三维坐标系是以所述激光雷达所在自主体上的一个点为原点建立的三维空间坐标系。
具体的,预设三维坐标系是以激光雷达所在的自主体上的一个点为原点建立的三维空间坐标系,点云数据中的点在预设三维坐标系下的坐标称为第一坐标。例如,自主体是安装有激光雷达的自动驾驶车辆,则可以选择激光雷达在车辆上的安装位置作为原点建立三维空间坐标系,在其他的实施例中,也可以以自主体安装有该激光雷达所在一侧的中心点作为原点建立三维坐标空间系。可选的,预设三维坐标系是三维笛卡尔坐标系,包括X轴、Y轴和Z轴,其中,坐标系原点为激光雷达的安装位置,X轴和Y轴所在的平面与地面平行,Z轴与地面垂直,点云数据中的点的第一坐标反应了该点处物体的空间位置坐标,例如,第一坐标表示为(x,y,z)。
具体的,激光雷达通常安装在需要进行障碍物探测的自主体上,自主体可以是具有自动驾驶模式的车辆上或者机器人等设备上。激光雷达坐标系是指激光雷达自身的坐标系,通常激光雷达坐标系的原点为其激光发射中心,激光雷达水平设置时,X轴和Y轴所在的平面与地面平行,Z轴与地面垂直。预设三维坐标系是以自主体上的一个点为原点建立的三维空间坐标系,比如自主体正前方的中间位置,又例如,可以选择激光雷达在车辆上的安装位置作为原点建立三维空间坐标系。
可选的,将激光雷达坐标系的原点和自主体的坐标系原点设置为相同,此时需要激光雷达水平安装,从而建立的三维笛卡尔坐标系,包括X轴、Y轴和Z轴,其中,X轴和Y轴所在的平面与地面平行,Z轴与地面垂直,激光发射方向为Y轴正方向,Z轴以竖直向上为正方向。此时,激光雷达扫描得到的点云数据的坐标也即等于自主体坐标系下的坐标。
当激光雷达呈一定倾角安装时,则激光雷达坐标系也会发生一定的倾角,也即坐标轴与水平面之间的角度根据激光雷达的安装是否有倾角而确定。若激光雷达安装时与水平地面有倾角,则激光雷达坐标系与预设三维坐标系之间也会产生倾角,为了计算的方便性,需要将激光雷达坐标系转换至预设三维坐标系,以使激光雷达获取的点云数据的坐标表示能够统一。
进一步的,一种确定所述点云数据中的各点在预设三维坐标系下的第一坐标的方法包括步骤S221或者步骤S222(图中未示出)。
S221、若所述激光雷达是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行平移转换至基于预设三维坐标系的第一坐标。
若激光雷达是水平安装,两个坐标系之间只需要进行平移即可实现二者的坐标转换,也即确定出来二者的平移向量即可。在另一实施例中,如果两个坐标系具有相同的原点,则激光雷达坐标系与预设三维坐标系是相同的,可以直接将激光雷达坐标系作为预设三维坐标系使用,激光雷达扫描得到的点云数据中各点的坐标可直接作为预设三维坐标系的第一坐标,无需进行其他转换。
S222、若所述激光雷达不是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行旋转平移转换至基于预设三维坐标系的第一坐标。
通常,激光雷达相对于自主体的安装位姿是确定的,不会在行驶过程中发生变化。因此可以预先确定出来激光雷达的安装倾斜角度,进而确定激光雷达坐标系相对于自主体坐标系也即预设第三坐标系下的倾斜参数以及偏移向量等,从而确定出来两个坐标系的坐标变换矩阵。在预先确定激光雷达坐标系的安装角度时,可以利于具有较好拟合度的地面来实现,也即通过激光雷达对地面进行扫描得到相应的点云数据后拟合得到地面平面方程,进而根据该方程确定出来激光雷达的安装倾斜角度等倾斜参数,根据改倾斜参数将激光雷达坐标系进行旋转平移转换至基于预设三维坐标系,从而将激光雷达扫描得到的点云数据中各点的坐标转换为预设三维坐标系的第一坐标。
S230、根据各点的第一坐标确定各点相对于所述激光雷达的竖直高度与所述激光雷达的安装高度的偏差。
通过对点云数据中的各点相对于激光雷达的竖直高度与激光雷达的安装高度之间的偏差即可确定该点是否属于地面或者位于地面一定范围内,需要进一步确认,故可以根据偏差确定出来地面待检测点。
在一实施例中,根据预设三维坐标系的坐标轴方向,Z轴以竖直向上为正方向,坐标系原点为激光雷达的安装位置,激光雷达的安装高度为h,将激光雷达的安装高度h对应到预设三维坐标系的Z轴方向上,则h≤0,例如,激光雷达的安装高度为2米(m),对应到预设三维坐标系的Z轴方向上表示为-2。若点云数据中的点在预设三维坐标系下的Z轴坐标为z,则该点在竖直方向上与激光雷达的安装高度的偏差H为:H=z-h。示例性的,激光雷达的安装高度在预设三维坐标系的Z轴方向上表示为h=-5,点云数据中的点在预设三维坐标系下的Z轴坐标为z=-4.75,则该点与激光雷达之间的竖直高度与所述激光雷达的安装高度的偏差H=0.25m。
S240、若所述偏差在预设距离范围内,则确定所述点云数据中的点为地面待测点云数据中的地面待测点,进而确定地面待测点云数据。
具体的,预设距离范围用于从高度上对激光雷达获取的点云数据进行地面点云数据的初步筛选,当点云数据中的点在竖直方向上与激光雷达的安装高度的偏差在预设距离范围内时,说明该点可能是地面的点,则将其视为地面待测点云数据中的地面待测点。若点云数据中的点在竖直方向上与激光雷达的安装高度的偏差不在预设距离范围内,则说明该点距离地面较远,其极大可能不是地面点云数据中的地面点,则不再对这种点云数据进行后续的地面点云数据的判断,减少计算量。例如,预设距离范围为[-0.5,0.5],点云数据中的点距离地面的距离H=0.25m在预设距离范围[-0.5,0.5]内,则将该点视为地面待测点云数据中的地面待测点。若偏差不在预设距离范围内,则该点为障碍物点而非地面点,无需对其进行过滤。
S250、根据所述多个地面待测点的第一坐标确定所述多个地面待测点在预设二维坐标系下的第二坐标,所述预设二维坐标系根据所述预设三维坐标系的一个平行于地面的平面而建立。
具体的,预设二维坐标系是根据预设三维坐标系的一个平行于地面的平面建立的二维坐标系,也即预设二维坐标系是根据预设三维坐标系的X轴和Y轴所在的平面建立的极坐标系,极轴为X轴,则地面待测点在预设二维坐标系下的第二坐标包括极径和极角,极径为地面待测点到预设二维坐标系的原点的距离,地面待测点与原点可形成连线,该连线与极轴之间的角度为地面待测点的极角。例如,地面待测点的第二坐标表示为(r,θ),其中,
进一步的,为了后续计算的方便性,还可以将地面待测点的第一坐标和第二坐标统一以第三坐标的形式表示为(x,y,z,r,θ),还可以有其他更加方便的表现形式,本发明实施例中不做限制。
S260、根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度。
具体的,坡度表示以地面为参考的两点之间的倾斜角度,用α表示。相邻的两个地面待测点表示为第一地面待测点A和第二地面待测点B,则相邻的两个地面待测点之间的坡度可以表示为αBA,代表第二地面待测点B相对于第一地面待测点A的倾斜角度。根据第一地面待测点A的第一坐标和第二坐标,以及第二地面待测点B的第一坐标和第二坐标,就可以计算出坡度αBA。
进一步的,一种根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度的方法如图3所示,包括步骤S261~S263。
S261、根据预设角度对所述地面待测点云数据进行分区,得到多个以所述预设二维坐标系的原点为中心的扇形分区,每个扇形分区内包括n个地面待测点,其中,激光雷达的线数≥n≥0,且n为整数。
具体的,根据预设角度对地面待测点云数据进行分区,可以看成是用若干个在原点相交且与水平面垂直的切面将地面待测点云数据等分成多个扇形分区,其中,每个切面之间的夹角为预设角度,预设角度也可以称为水平等分角度,也即各个扇形分区的圆心角相同。激光雷达水平角度分辨率是指激光雷达发射出的两条激光扫描线之间在水平面内的最小角度,预设角度小于或者接近激光雷达水平角度分辨率,从而可以保证在每个扇形分区内,激光雷达的每一条扫描线只得到一个点,多条激光扫描线则会形成多个对应的点,故每个扇形分区内包括n个地面待测点,其中,激光雷达的线数≥n≥0,n为整数,激光雷达的线数表示激光雷达发射出的激光扫描线的数量,激光雷达可以是单线激光雷达,也可以是多线激光雷达,多线激光雷达可以为4线、8线、16线、64线等激光雷达。
进一步的,预设角度过小会导致分区过细,不利于计算,且会存在部分区域内一个点也没有的情况,故预设角度的取值范围通常是激光雷达水平角度分辨率的80%~95%。例如,若激光雷达水平角度分辨率为0.2°,则预设角度可以取0.18°,从而确保每个扇形分区内都能够有相应的点。
S262、根据n个地面待测点的第二坐标对每个扇形分区内的n个地面待测点按照距离所述预设二维坐标系的原点的距离进行排序,得到每个扇形分区内的n个地面待测点的排列顺序;
具体的,对地面待测点云数据进行分区之后,对于每一个扇形分区内的n个地面待测点,根据n个地面待测点的第二坐标进行排序,也就是根据n个地面待测点的第二坐标中的极径大小进行排序,极径较小的排列在前,极径较大的排列在后。通过排序可以确保相邻的两个地面待测点是空间内最邻近的两个地面待测点。
S263、根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度。
具体的,坡度表示以地面为参考的两点之间的倾斜角度,用α表示。由于已通过激光雷达的安装高度进行了初步筛选,对于每个扇形分区中的第1个地面待测点,其距离激光雷达的距离最近,因此测量误差较小,通常默认其为地面点云数据中的地面点,故可以根据每个扇形分区内的n个地面待测点的排列顺序以及n个地面待测点的第一坐标和第二坐标,将第1个地面待测点作为地面点云数据的参考点,依次确定第i个地面待测点和第i+1个地面待测点之间的坡度,其中,1≤i<n。第i个地面待测点的第一坐标表示为(xi,yi,zi),其第二坐标表示为(ri,θi),第(i+1)个地面待测点的第一坐标表示为(xi+1,yi+1,zi+1),其第二坐标表示为(ri+1,θi+1),第(i+1)个地面待测点相对于第i个地面待测点的坡度表示为αi,则αi可由下式计算。由于经过反正切函数计算得出的数据单位是弧度,故需要乘以180/π换算成度。
进一步的,根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度具体包括步骤S263_1~S263_2(图中未示出)。
S263_1、根据每个扇形分区中n个地面待测点的排列顺序,确定地面参考点。
在一实施例中,可以直接将距离预设二维坐标系的原点最近的地面待测点作为地面参考点。在另一实施例中,也可以进一步判断该点相对于激光雷达的竖直高度与激光雷达的安装高度的偏差是否小于第二阈值,如果是则确认其为地面参考点。第二阈值小于用于确定地面待测点云数据时的偏差距离,从而确保地面参考点的准确性,确保整个过程的有效性。
S263_2、基于所述地面参考点,依次确定所述地面参考点之后的相邻的两个地面待测点之间的坡度。
具体的,对于每个扇形分区中的第1个地面待测点,其距离激光雷达的距离最近,因此测量误差较小,通常默认其为地面参考点,而后续的地面参考点可以通过相邻的两个地面待测点之间的坡度是否在预设坡度范围内来判断。
示例性的,若αi不在预设坡度范围内,则认为第(i+1)个地面待测点不是地面点,从第(i+2)个地面待测点开始确定地面参考点,进而在确定新的地面参考点后计算从新的地面参考点起相邻两个地面待测点之间的坡度。比如,当确定第(i+2)个地面待测点为地面参考点时,计算第(i+3)个地面待测点和第(i+2)地面待测点之间的坡度。
S270、若所述坡度在预设坡度范围内,则确定所述两个地面待测点为地面点云数据中的地面点,进而得到地面点云数据并过滤所述地面点云数据。
具体的,地面通常被视作一个水平面,但在实际情况中,地面也会存在不平坦的地方,故通过预设坡度范围来确定地面待测点是否是地面点云数据中的地面点。如果相邻的两个地面待测点之间的坡度在预设坡度范围内,则说明两个地面待测点之间没有太大的倾斜角度,两个地面待测点属于相同的水平面内,则可以认为两个地面待测点为地面点云数据中的地面待测点,进而得到地面点云数据并进行过滤。
本发明实施例二提供的地面点云数据过滤方法先从高度方面粗略的对地面点云数据进行估算,除去明显不是地面点云数据的点云数据,减少了计算量。通过预设角度对地面待测点云数据进行等分排序以及坡度计算来确认是否为地面点云数据,计算方式不仅简单,还提高了地面点云数据确认的精确度,能够更加准确地识别出地面点云数据,从而提高地面点云数据过滤的精确度。
实施例三
图4为本发明实施例三提供的一种地面点云数据过滤装置的结构示意图,本实施例可适用于通过激光雷达确定障碍物时对地面点云数据进行过滤。本发明实施例提供的地面点云数据过滤装置可以实现本发明任意实施例提供的地面点云数据过滤方法,具备实现方法的相应功能结构和有益效果,本实施例中未详尽描述的内容可参考本发明任意方法实施例的描述。
如图4所示,本发明实施例提供的地面点云数据过滤装置包括:点云数据获取模块410、地面待测点云数据确定模块420、地面点云数据过滤模块430。
点云数据获取模块410,用于获取激光雷达扫描到的点云数据;
地面待测点云数据确定模块420,用于根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;
地面点云数据过滤模块430,用于根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
进一步的,地面待测点云数据确定模块420包括:
第一坐标确定单元,用于确定所述点云数据中的各点在预设三维坐标系下的第一坐标,所述预设三维坐标系是以所述激光雷达所在自主体上的一个点为原点建立的三维空间坐标系;
偏差确定单元,用于根据各点的第一坐标确定各点相对于所述激光雷达的竖直高度与所述激光雷达的安装高度的偏差;
地面待测点云数据确定单元,用于若所述偏差在预设距离范围内,则确定所述点云数据中的点为地面待测点云数据中的地面待测点,进而确定地面待测点云数据。
进一步的,地面点云数据过滤模块430包括:
第二坐标确定单元,用于根据所述多个地面待测点的第一坐标确定所述多个地面待测点在预设二维坐标系下的第二坐标,所述预设二维坐标系根据所述预设三维坐标系的一个平行于地面的平面而建立;
坡度确定单元,用于根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度;
地面点云数据过滤单元,用于若所述坡度在预设坡度范围内,则确定所述两个地面待测点为地面点云数据中的地面点,进而得到地面点云数据并过滤所述地面点云数据。
进一步的,所述坡度确定单元包括:
分区子单元,用于根据预设角度对所述地面待测点云数据进行分区,得到多个以所述预设二维坐标系的原点为中心的扇形分区,每个扇形分区内包括n个地面待测点,其中,激光雷达的线数≥n≥0,且n为整数;
排序子单元,用于根据n个地面待测点的第二坐标对每个扇形分区内的n个地面待测点按照距离所述预设二维坐标系的原点的距离进行排序,得到每个扇形分区内的n个地面待测点的排列顺序;
坡度确定子单元,用于根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度。
进一步的,所述坡度确定子单元具体用于:根据每个扇形分区中n个地面待测点的排列顺序,确定地面参考点;基于所述地面参考点,依次确定所述地面参考点之后的相邻的两个地面待测点之间的坡度。
进一步的,所述预设角度小于所述激光雷达的水平角度分辨率。
进一步的,所述第一坐标确定单元具体用于:若所述激光雷达是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行平移转换至基于预设三维坐标系的第一坐标;若所述激光雷达不是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行旋转平移转换至基于预设三维坐标系的第一坐标。
本发明实施例三提供的地面点云数据确认装置实现了快速高效的分辨出地面点云数据中的地面点,并且通过坡度判断地面待测点云数据是否为地面点云数据中的地面点,进一步提高了地面点云数据确认的精确度,能够更加准确地识别和过滤地面点云数据。
实施例四
图5是本发明实施例四提供的一种探测系统的结构示意图。如图5所示,本实施例中的探测系统500,包括激光雷达510以及处理系统520,激光雷达510与处理系统520进行通信连接,激光雷达510用于扫描待定位工件以获得待定位工件的三维点云数据,处理系统520包括存储器521和处理器522,存储器521上存储有可在处理器522上运行的计算机程序,处理器522执行计算机程序时实现上述基于激光扫描的工件定位方法的步骤。在本实施例中,该处理系统520还包括输入装置523和输出装置524。处理系统520中处理器522的数量可以是一个或多个,图5中以一个处理器522为例;处理系统520中的存储器521、处理器522、输入装置530和输出装置540可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器521作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的地面点云数据过滤方法对应的程序指令/模块(例如,基于地面点云数据过滤装置中的点云数据获取模块、地面待测点云数据确定模块、地面点云数据过滤模块等)。处理器522通过运行存储在存储器521中的软件程序、指令以及模块,从而执行处理系统520的各种功能应用以及数据处理,即实现本发明任意实施例所提供的应用地面点云数据过滤方法,该方法可以包括:获取激光雷达扫描到的点云数据;根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
存储器521可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器521可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器521可进一步包括相对于处理器522远程设置的存储器,这些远程存储器可以通过网络连接至服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置523可用于接收输入的数字或字符信息,以及产生与服务器的用户设置以及功能控制有关的键信号输入。输出装置524可包括显示屏等显示设备。
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的地面点云数据过滤方法,该方法可以包括:获取激光雷达扫描到的点云数据;根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种地面点云数据过滤方法,其特征在于,包括:
获取激光雷达扫描到的点云数据;
根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;
根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
2.如权利要求1所述的方法,其特征在于,根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据包括:
确定所述点云数据中的各点在预设三维坐标系下的第一坐标,所述预设三维坐标系是以所述激光雷达所在自主体上的一个点为原点建立的三维空间坐标系;
根据各点的第一坐标确定各点相对于所述激光雷达的竖直高度与所述激光雷达的安装高度的偏差;
若所述偏差在预设距离范围内,则确定所述点云数据中的点为地面待测点云数据中的地面待测点,进而确定地面待测点云数据。
3.如权利要求2所述的方法,其特征在于,根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据包括:
根据所述多个地面待测点的第一坐标确定所述多个地面待测点在预设二维坐标系下的第二坐标,所述预设二维坐标系根据所述预设三维坐标系的一个平行于地面的平面而建立;
根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度;
若所述坡度在预设坡度范围内,则确定所述两个地面待测点为地面点云数据中的地面点,进而得到地面点云数据并过滤所述地面点云数据。
4.如权利要求3所述的方法,其特征在于,根据所述多个地面待测点的第一坐标和第二坐标确定所述地面待测点云数据中相邻的两个地面待测点之间的坡度包括:
根据预设角度对所述地面待测点云数据进行分区,得到多个以所述预设二维坐标系的原点为中心的扇形分区,每个扇形分区内包括n个地面待测点,其中,激光雷达的线数≥n≥0,且n为整数;
根据n个地面待测点的第二坐标对每个扇形分区内的n个地面待测点按照距离所述预设二维坐标系的原点的距离进行排序,得到每个扇形分区内的n个地面待测点的排列顺序;
根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度。
5.根据权利要求4所述的方法,其特征在于,根据每个扇形分区中n个地面待测点的排列顺序,确定相邻的两个地面待测点之间的坡度,包括:
根据每个扇形分区中n个地面待测点的排列顺序,确定地面参考点;
基于所述地面参考点,依次确定所述地面参考点之后的相邻的两个地面待测点之间的坡度。
6.如权利要求4所述的方法,其特征在于,所述预设角度小于所述激光雷达的水平角度分辨率。
7.如权利要求2所述的方法,其特征在于,确定所述点云数据中的各点在预设三维坐标系下的第一坐标包括:
若所述激光雷达是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行平移转换至基于预设三维坐标系的第一坐标;
若所述激光雷达不是水平安装,则将所述点云数据中的各点的坐标从激光雷达坐标系进行旋转平移转换至基于预设三维坐标系的第一坐标。
8.一种地面点云数据过滤装置,其特征在于,包括:
点云数据获取模块,用于获取激光雷达扫描到的点云数据;
地面待测点云数据确定模块,用于根据所述激光雷达的安装高度对所述点云数据进行筛选,以确定地面待测点云数据,所述地面待测点云数据中包含多个地面待测点;
地面点云数据过滤模块,用于根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,进而过滤所述地面点云数据。
9.一种探测系统,其特征在于,包括激光雷达以及处理系统,所述激光雷达与所述处理系统进行通信连接,用于对目标环境进行扫描以得到点云数据;所述处理系统包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的地面点云数据过滤方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的地面点云数据过滤方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010190836.8A CN111435163B (zh) | 2020-03-18 | 2020-03-18 | 地面点云数据过滤方法、装置、探测系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010190836.8A CN111435163B (zh) | 2020-03-18 | 2020-03-18 | 地面点云数据过滤方法、装置、探测系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435163A true CN111435163A (zh) | 2020-07-21 |
CN111435163B CN111435163B (zh) | 2023-06-30 |
Family
ID=71581113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010190836.8A Active CN111435163B (zh) | 2020-03-18 | 2020-03-18 | 地面点云数据过滤方法、装置、探测系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435163B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180343A (zh) * | 2020-09-30 | 2021-01-05 | 东软睿驰汽车技术(沈阳)有限公司 | 激光点云数据处理方法、装置、设备及无人驾驶系统 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN113093218A (zh) * | 2021-05-14 | 2021-07-09 | 汤恩智能科技(苏州)有限公司 | 斜坡检测方法及驱动设备、存储介质 |
CN113534193A (zh) * | 2021-07-19 | 2021-10-22 | 京东鲲鹏(江苏)科技有限公司 | 确定目标反射点的方法、装置、电子设备及存储介质 |
CN113744323A (zh) * | 2021-08-11 | 2021-12-03 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
CN114355381A (zh) * | 2021-12-31 | 2022-04-15 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
WO2022088723A1 (zh) * | 2020-10-30 | 2022-05-05 | 上海商汤临港智能科技有限公司 | 一种数据处理方法及装置 |
CN116229405A (zh) * | 2023-05-05 | 2023-06-06 | 倍基智能科技(四川)有限公司 | 一种从点云数据中检测地面的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419794A (zh) * | 2011-10-31 | 2012-04-18 | 武汉大学 | 一种机载激光点云数据的快速滤波方法 |
CN102915560A (zh) * | 2012-09-21 | 2013-02-06 | 中国石油大学(华东) | 一种阈值无关的机载激光雷达点云滤波方法及装置 |
CN109143259A (zh) * | 2018-08-20 | 2019-01-04 | 北京主线科技有限公司 | 面向港口无人集卡的高精地图制作方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN110443786A (zh) * | 2019-07-25 | 2019-11-12 | 深圳一清创新科技有限公司 | 激光雷达点云滤波方法、装置、计算机设备和存储介质 |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN110781827A (zh) * | 2019-10-25 | 2020-02-11 | 中山大学 | 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法 |
CN110782465A (zh) * | 2019-12-30 | 2020-02-11 | 中智行科技有限公司 | 一种基于激光雷达的地面分割方法、装置及存储介质 |
-
2020
- 2020-03-18 CN CN202010190836.8A patent/CN111435163B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419794A (zh) * | 2011-10-31 | 2012-04-18 | 武汉大学 | 一种机载激光点云数据的快速滤波方法 |
CN102915560A (zh) * | 2012-09-21 | 2013-02-06 | 中国石油大学(华东) | 一种阈值无关的机载激光雷达点云滤波方法及装置 |
CN109143259A (zh) * | 2018-08-20 | 2019-01-04 | 北京主线科技有限公司 | 面向港口无人集卡的高精地图制作方法 |
CN109188448A (zh) * | 2018-09-07 | 2019-01-11 | 百度在线网络技术(北京)有限公司 | 点云非地面点过滤方法、装置及存储介质 |
CN110443786A (zh) * | 2019-07-25 | 2019-11-12 | 深圳一清创新科技有限公司 | 激光雷达点云滤波方法、装置、计算机设备和存储介质 |
CN110781827A (zh) * | 2019-10-25 | 2020-02-11 | 中山大学 | 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法 |
CN110764108A (zh) * | 2019-11-05 | 2020-02-07 | 畅加风行(苏州)智能科技有限公司 | 一种用于港口自动驾驶场景的障碍物检测方法及装置 |
CN110782465A (zh) * | 2019-12-30 | 2020-02-11 | 中智行科技有限公司 | 一种基于激光雷达的地面分割方法、装置及存储介质 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180343A (zh) * | 2020-09-30 | 2021-01-05 | 东软睿驰汽车技术(沈阳)有限公司 | 激光点云数据处理方法、装置、设备及无人驾驶系统 |
WO2022088723A1 (zh) * | 2020-10-30 | 2022-05-05 | 上海商汤临港智能科技有限公司 | 一种数据处理方法及装置 |
CN112308052A (zh) * | 2020-12-29 | 2021-02-02 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN112308052B (zh) * | 2020-12-29 | 2021-08-17 | 智道网联科技(北京)有限公司 | 一种道路异常区域检测方法、装置、电子设备及存储介质 |
CN113093218A (zh) * | 2021-05-14 | 2021-07-09 | 汤恩智能科技(苏州)有限公司 | 斜坡检测方法及驱动设备、存储介质 |
CN113534193A (zh) * | 2021-07-19 | 2021-10-22 | 京东鲲鹏(江苏)科技有限公司 | 确定目标反射点的方法、装置、电子设备及存储介质 |
CN113744323A (zh) * | 2021-08-11 | 2021-12-03 | 深圳蓝因机器人科技有限公司 | 点云数据处理方法和装置 |
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 |
CN114355381A (zh) * | 2021-12-31 | 2022-04-15 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
CN114355381B (zh) * | 2021-12-31 | 2022-09-09 | 安徽海博智能科技有限责任公司 | 激光雷达点云质量检测与提升方法 |
CN116229405A (zh) * | 2023-05-05 | 2023-06-06 | 倍基智能科技(四川)有限公司 | 一种从点云数据中检测地面的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111435163B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111435163A (zh) | 地面点云数据过滤方法、装置、探测系统及存储介质 | |
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
CN110782465B (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
CN111624622B (zh) | 障碍物检测方法、装置 | |
CN112634181A (zh) | 用于检测地面点云点的方法和装置 | |
CN111563450B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN110568433A (zh) | 基于毫米波雷达的高空抛物检测方法 | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN110516621B (zh) | 无障碍行驶区域的检测方法、装置、车辆及存储介质 | |
CN113569958B (zh) | 激光点云数据聚类方法、装置、设备及介质 | |
CN115661269B (zh) | 相机与激光雷达的外参标定方法、装置及存储介质 | |
CN112669458A (zh) | 基于激光点云进行地面滤波的方法、设备和程序载体 | |
CN113835078A (zh) | 基于局部三维栅格的信号级联合检测方法及装置 | |
CN112130166B (zh) | 基于反光板网络的agv定位方法及装置 | |
CN112630798B (zh) | 用于估计地面的方法和装置 | |
CN111694009A (zh) | 一种定位系统、方法以及装置 | |
CN111275715A (zh) | 点云分割方法、装置、电子设备、存储介质和机器人 | |
CN112313535A (zh) | 距离检测方法、距离检测设备、自主移动平台和存储介质 | |
WO2022160879A1 (zh) | 一种转换参数的确定方法和装置 | |
CN110412613B (zh) | 基于激光的测量方法、移动装置、计算机设备和存储介质 | |
CN117387572A (zh) | 水平度校验方法、终端和计算机可读存储介质 | |
US20230359186A1 (en) | System And Method for Controlling a Mobile Industrial Robot Using a Probabilistic Occupancy Grid | |
CN113313654A (zh) | 激光点云滤波去噪方法、系统、设备及存储介质 |
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 |