CN111602171A - 一种点云特征点提取方法、点云传感系统及可移动平台 - Google Patents

一种点云特征点提取方法、点云传感系统及可移动平台 Download PDF

Info

Publication number
CN111602171A
CN111602171A CN201980008461.4A CN201980008461A CN111602171A CN 111602171 A CN111602171 A CN 111602171A CN 201980008461 A CN201980008461 A CN 201980008461A CN 111602171 A CN111602171 A CN 111602171A
Authority
CN
China
Prior art keywords
point cloud
height
map
dimensional
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.)
Pending
Application number
CN201980008461.4A
Other languages
English (en)
Inventor
江灿森
张宏辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SZ DJI Technology Co Ltd
Shenzhen Dajiang Innovations Technology Co Ltd
Original Assignee
SZ DJI Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SZ DJI Technology Co Ltd filed Critical SZ DJI Technology Co Ltd
Publication of CN111602171A publication Critical patent/CN111602171A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种点云特征点提取方法、点云传感系统及可移动平台，其中，所述方法包括：获取可移动平台所处环境的三维点云(S201)；将所述三维点云沿高度方向投影到水平平面，得到二维投影点云(S202)；对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图(S203)；基于所述点云信息图确定点云特征点(S204)。通过本发明实施例可以基于点云信息图有效提取点云中的特征点。

Description

一种点云特征点提取方法、点云传感系统及可移动平台
技术领域
本申请涉及数据处理技术领域，尤其涉及一种点云特征点提取方法、点云传感系统及可移动平台。
背景技术
定位技术可以为可移动平台提供位置等信息，是可移动平台进行路径规划、运动控制和自主决策的前提。目前较为成熟的方法是基于点云传感器对可移动平台进行定位，基于点云传感器定位需要对点云传感器采集到的完整点云进行在线计算，并基于有效范围内所有点云进行匹配。由于点云传感器采集到的完整点云数据量通常很大，故对完整点云进行在线计算时运算量大，导致需要消耗大量的计算资源，算法应用成本高。为降低定位过程中的运算量，可以考虑只对完整点云中的部分点云进行计算，但如何提取完整点云中用于定位计算的部分点云是有待解决的问题。
发明内容
本发明实施例公开了一种点云特征点提取方法、点云传感系统及可移动平台，可以基于点云信息图有效提取点云中的特征点。
本发明实施例第一方面公开了一种点云特征点提取方法，所述方法包括：
获取可移动平台所处环境的三维点云；
将所述三维点云沿高度方向投影到水平平面，得到二维投影点云；
对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图；
基于所述点云信息图确定点云特征点。
本发明实施例第二方面公开了一种点云传感系统，包括：点云传感器、存储器和处理器，所述存储器，用于存储程序指令；
所述处理器，用于执行所述存储器存储的程序指令，当所述程序指令被执行时，所述处理器用于：
通过所述点云传感器获取所述点云传感系统所处环境的三维点云；
将所述三维点云沿高度方向投影到水平平面，得到二维投影点云；
对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图；
基于所述点云信息图确定点云特征点。
本发明实施例第三方面公开了一种可移动平台，包括：
机身；
动力系统，安装在所述机身，用于为所述可移动平台提供动力；
如上述第二方面所述的点云传感系统。
本发明实施例第三四方面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中存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。
本发明实施例通过获取可移动平台所处环境的三维点云，并将三维点云沿高度方向投影到水平平面，得到二维投影点云；对二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，并基于点云信息图确定点云特征点，从而可以基于点云信息图有效提取点云中的特征点。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种可移动平台的结构示意图；
图2是本发明实施例公开的一种点云特征点提取方法的流程示意图；
图3是本发明实施例公开的点云分布情况示意图；
图4是本发明实施例公开的一种点云传感系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请一并参见图1，图1为本发明实施例提供的一种可移动平台的结构示意图。如图1所示，可移动平台包括：机身101、动力系统102、点云传感系统103和云台104。动力系统102安装在机身101上，用于为可移动平台提供动力。点云传感系统包括点云传感器1031、处理器1032和存储器1033。点云传感器1031为用于采集可移动平台或者说点云传感系统103所处环境的三维点云数据的传感设备。在一些实施方式中，点云传感器1031可以为激光雷达。点云传感器1031通过云台104承载在可移动平台的机身101上，具体地，云台104安装于可移动平台的机身101上，而点云传感器1031固定在云台104上；云台104可以带动点云传感器1031绕偏航轴、横滚轴和俯仰轴中的一个或者多个轴线进行旋转，从而调整点云传感器1031采集三维点云数据的姿态。另外，在某些实施例中，点云传感器1031可以直接承载在可移动平台的机身101上。
其中，存储器1033用于存储程序指令，处理器1032用于执行存储器1033存储的程序指令，当程序指令被执行时，处理器1032用于：通过点云传感器1031获取点云传感系统103或者说可移动平台所处环境的三维点云，并将获取到的三维点云沿高度方向投影到水平平面，得到二维投影点云；对二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，并基于点云信息图确定点云特征点。采用上述方式，可以基于点云信息图有效提取点云中的特征点，以便于后续基于点云传感器定位时直接对提取出的点云特征点进行计算，从而有效节省运算量。
需要说明的是，图1所示可移动平台是以车辆为例进行说明，本发明实施例中的可移动平台还可以是无人机(Unmanned Aerial Vehicle，UAV)、无人船、移动机器人等可移动设备。
请参阅图2，图2为本发明实施例提供的一种点云特征点提取方法的流程示意图。本发明实施例中所描述的点云特征点提取方法可以应用于图1所示的可移动平台，所述点云特征点提取方法包括：
S201、获取可移动平台所处环境的三维点云。
本发明实施例中，三维点云包括可移动平台所处环境的完整三维点云、地面三维点云、非地面三维点云中的一种或者多种。可移动平台通过其配置的点云传感器采集可移动平台所处环境的完整三维点云，并可以基于采集到的完整三维点云获取可移动平台所处环境的地面三维点云和非地面三维点云。其中，点云传感器例如是以激光雷达为主的传感设备，本文所述的点云可以携带点的坐标信息，还可以携带点的反射率信息。
S202、将所述三维点云沿高度方向投影到水平平面，得到二维投影点云。
本发明实施例中，三维点云的三维坐标对应的坐标系为空间三维坐标系，空间三维坐标系包括横轴(X轴)、纵轴(Y轴)和竖轴(Z轴)。如果Z轴为点云高度方向，可移动平台则将三维点云沿Z轴方向往X轴和Y轴构成的X-Y平面投影，得到一系列二维散点，该一系列散点即构成了二维投影点云。
S203、对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图。
本发明实施例中，栅格化处理包括对二维投影点云中的二维投影散点进行栅格化分割，得到多个栅格；每个栅格对应实际距离为K*M范围的面积，K和M可以相同，也可以不同。栅格单元大小K和M可根据定位精度需求灵活调整，如K＝0.2m，M＝0.2m。
当获取到的三维点云包括可移动平台所处环境的完整三维点云时，可移动平台对该完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，并将生成的点云高度图作为点云信息图。在一实施例中，生成的点云高度图包括点云高度均值图。可移动平台先对该完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；然后计算各个栅格内二维投影点云所对应高度值的高度平均值，并将每个栅格用栅格坐标和高度平均值表示，生成所述点云高度均值图，也即是将一个栅格作为高度均值图的一个像素点，栅格坐标也即是相应像素点的坐标，栅格内二维投影点云的高度平均值也即是相应像素点的像素值。在另一实施例中，生成的点云高度图包括点云高度方差图。可移动平台先对该完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；然后计算各个栅格内二维投影点云所对应高度值的高度方差值，并将每个栅格用栅格坐标和高度方差值表示，生成所述点云高度方差图，也即是将一个栅格作为高度方差图的一个像素点，栅格坐标也即是相应像素点的坐标，栅格内二维投影点云的高度方差值也即是相应像素点的像素值。
在又一实施例中，可移动平台计算各个栅格内二维投影点云所对应高度值的高度平均值和/或高度方差值时，先获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，然后计算目标栅格内目标二维投影点云所对应高度值的高度平均值和/或高度方差值。其中，目标栅格为二维投影点云栅格化处理后得到的多个栅格中的任意一个，标准差是基于目标栅格内所有二维投影点所对应高度值确定的；预设数量例如为2。采用上述方式，计算栅格内二维投影点云的高度平均值和/或高度方差值前，先将栅格内高度值在预设数量个标准差外的点进行去除，有利于实现算法的鲁棒性。
当获取到的三维点云包括可移动平台所处环境的地面三维点云时，可移动平台对该地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，并将生成的点云反射率图作为点云信息图。在一实施例中，生成的点云反射率图包括点云最大反射率图。可移动平台先对该地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；然后计算各个栅格内二维投影点云所对应反射率值的最大反射率值，并将每个栅格用栅格坐标和最大反射率值表示，生成所述点云最大反射率图，也即是将一个栅格作为点云最大反射率图的一个像素点，栅格坐标也即是相应像素点的坐标，栅格内二维投影点云的最大反射率值也即是相应像素点的像素值。在另一实施例中，生成的点云反射率图包括点云反射率方差图。可移动平台先对该地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；然后计算各个栅格内二维投影点云所对应反射率值的反射率方差值，并将每个栅格用栅格坐标和反射率方差值表示，生成所述点云反射率方差图，也即是将一个栅格作为点云反射率方差图的一个像素点，栅格坐标也即是相应像素点的坐标，栅格内二维投影点云的反射率方差值也即是相应像素点的像素值。同理，计算栅格内二维投影点云的反射率方差值前，也可以先将栅格内反射率值在预设数量个标准差外的点进行去除，具体实现方式可参考前文描述，此处不再赘述。
S204、基于所述点云信息图确定点云特征点。
本发明实施例中，当点云信息图包括点云高度均值图时，可移动平台可以基于点云高度均值图确定点云中的高度跳变特征点。可移动平台获取点云高度均值图中与第一栅格相邻的相邻栅格，第一栅格为点云高度均值图中的任意一个栅格或者说像素点，相邻栅格也可以说是相邻像素点；然后从该相邻栅格中确定第二栅格，第二栅格内二维投影点云的高度平均值与第一栅格内二维投影点云的高度平均值之间的差值的绝对值大于或者等于第一数值；进一步地，检测第二栅格的数量是否大于或者等于第二数值，若第二栅格的数量大于或者等于第二数值，则将第一栅格内的二维投影点确定为高度跳变特征点。需要说明的是，第一数值和第二数值可以是预设的数值，也可以是基于第一栅格内二维投影点云的高度平均值，以及与第一栅格相邻的相邻栅格内二维投影点云的高度平均值确定的。第二数值还可以是基于与第一栅格相邻的相邻栅格的数量确定的。
例如，给定一大小为3*3的窗口，窗口大小为3*3也即是指窗口长宽均为3个栅格的长度。根据给定窗口对某一栅格与其8邻域栅格之间的高度差进行统计，分析其邻域栅格内高度不同的栅格的个数。例如，在一种实施方式中，可以以n＝sum(|po-pi|≥d1)来进行统计，如果n≥3，即该栅格与其周围8个邻域栅格中的至少3个邻域栅格的高度差大于预定差值，则认为该栅格为高度跳变栅格，将栅格po内的二维投影点确定为高度跳变特征点。其中，sum函数为求和函数；po为给定窗口内处于中心位置的栅格，pi为窗口内与栅格po相邻的8个栅格中的任意一个；d1可以是基于窗口中的各个栅格内二维投影点云的高度平均值确定的数值，也可以是预先设置的一个数值。其中，窗口大小可根据栅格的实际面积大小进行优化调整，邻域图案可根据实际需求进行灵活调整。确定出给定窗口内的高度跳变特征点之后，按照预设步长在点云高度均值图中移动该给定窗口，并按照上述方式确定移动后的窗口内的高度跳变特征点，直至确定出点云中的所有高度跳变特征点为止。高度跳变特征点能快速、准确的描述点云中的高度跳变结构，例如道路场景中的栏杆、墙壁等静态物体。
在另一实施例中，当点云信息图包括点云最大反射率图和点云反射率方差图时，可移动平台可以基于点云最大反射率图和点云反射率方差图确定巡线特征点，巡线特征点可以是车道线特征点等。可移动平台基于栅格化处理得到的多个栅格对地面三维点云对应的二维投影点云进行区域划分，得到多个点云区域，每一个点云区域包括多个栅格；进一步地，基于点云最大反射率图和点云反射率方差图确定该多个点云区域中各个点云区域的二维混合高斯模型，并基于各个点云区域的二维混合高斯模型从该多个点云区域中确定巡线特征点。
例如，由于车道线的材质跟路面材质不同，激光雷达点云反射率值受材料影响很大，车道线区域的反射率通常大于路面区域的反射率。因此，通过反射率值信息可以区分车道线和地面区域。首先对地面三维点云进行区域划分，得到多个点云区域；每一个点云区域包括多个栅格，每一个点云区域的范围面积如2m*2m。进一步地，基于点云最大反射率图和点云反射率方差图确定各个点云区域的二维混合高斯模型。假设某一点云区域的二维混合高斯模型的数学表达为N1～(u1，sigma1)和N2～(u2，sigma2)，如果|u1–u2|>d2，则可认为该某一点云区域内存在车道线，并将该某一点云区域内反射率值在一个标准差内的点设定为车道线特征点，例如车道线特征点的反射率值大于(u2–sigma2)或者大于(u1–sigma1)。其中，u1，u2表示反射率均值，sigma1，sigma2表示反射率标准差。上述方式，可以确定出点云中的车道线特征点，以便于后续定位时基于车道线特征点确定在线激光点云中的车道线位置，并通过比较在线激光点云中的车道线位置与高精地图中的车道线位置，更准确的获得可移动平台当前的横向定位。
本发明实施例中，由于地面区域的二维投影点云有较小的高度均值、邻域高度差和栅格内点云高度方差等，而墙壁边缘、树丛等几何结构复杂的物体的二维投影点云则有较大的高度均值、邻域高度差、栅格内点云高度方差等。故基于点云高度均值图和点云高度方差图等高度图对二维投影点云进行特征点分析，可以很好的提取稳定的高度图特征点，例如提取地面区域的点云特征点、树丛对应的点云特征点等。在某些实施例中，可移动平台可以提取二维投影点云中的高密度特征点。高密度特征点对应的区域内点云的数量总和较大、且高密度特征点间的距离大于一定阈值。高密度特征点对应物理意义为交通灯杆、树干、柱子等具有明显几何结构的静态物体，如交通灯杆，通常为细长条状物体，具有一定高度、投影位置集中、两两物体距离较大等特点。在某些实施例中，可移动平台可以提取二维投影点云中的稀疏特征点。稀疏特征点对应的区域内点云的数量总和较小。稀疏特征点对应实际环境中的如树丛、远处建筑等静态物体。由于点云传感器角分辨率较低，远处物体给点云传感器扫描到的位置较少，成稀疏状态分布；而树丛等物体由其稀疏结构决定了其点云分布稀疏的特征。
在某些实施例中，可移动平台可以提取非路面特征点，具体可以基于非地面三维点云提取非路面特征点。非路面特征点对应的是去除地面点以外的所有区域的点，非路面特征点如高速公路的路墩子、道路两旁楼房建筑、树木等对应的点具有较高的几何稳定性。在某些实施例中，可移动平台可以提取非地面区域高反射率特征点。在非地面区域的点云中，反射率较高的物体通常为道路两边的栏杆、交通牌、广告牌等静态金属物体。因此，提取非地面区域高反射率特征点可获得更多的非地面区域的静态物体特征。
本发明实施例中，可移动平台确定出点云特征点之后，可以基于确定出的点云特征点在高精度地图中确定可移动平台的位置。目前，基于完整三维点云进行定位，需要大量在线计算资源，且难以实现芯片化应用。而本方案先基于点云信息图有效提取点云中的特征点，然后基于提取出的点云特征点进行计算即可实现定位。由于采用上述方式提取出的点云特征点的数量远小于完整三维点云的总点数量，故基于提取出的点云特征点进行定位可以大大降低运算量，有效节省计算资源。另外，采用上述方式提取出的点云特征点包括大量物理意义为静态物体对应的特征点，由于静态物体能较好的表达环境的结构稳定性和场景的相似性，故基于提取出的点云特征点进行定位还可以有效保证定位精准度。另外，提取出的点云特征点能实现快速单元化、并行化处理，且处理过程可以在图形处理器(GraphicsProcessing Unit，GPU)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)上实现，故对提取出的点云特征点进行计算处理具有良好的并行性，实时性好，能够满足可移动平台高速处理的需求，且可以实现芯片化应用。
在另一实施例中，由于点云特征点分布均匀与否直接影响定位结果的精度和稳定性，故可以在基于确定出的点云特征点确定可移动平台的位置之前，先对获取到的点云特征点进行均衡化处理。本发明实施例提供一种基于均匀分布或非均匀分布的点云特征点均衡化方法，具体地，可移动平台先将获取到的点云特征点转换到极坐标下，得到极坐标下的点云特征点；然后将极坐标下的点云特征点进行基于角度和径向长度的按比例划分，得到按比例划分后的点云特征点，从而完成对点云特征点的均衡化。请一并参见图3，图3为经过实验得到的点云分布情况示意图。如图3中的左图，为获取到的点云特征点均衡化处理后的分布情况；如图3中的右图所示，为获取到的点云特征点的原始分布情况。可以看出，未均衡化的点云特征点主要集中在距离中心位置较近的区域，距离中心位置较远的区域点云特征点稀疏分布，未均衡化的点云特征点分布不均匀；而均衡化处理后的点云特征点比较均匀的分布在各个区域。可见，本发明实施例提供的点云特征点均衡化方法可以很好的平衡远处和中间位置的点云特征点数量。进一步地，可移动平台基于按比例划分后的点云特征点在高精度地图中确定可移动平台的位置。基于均衡化处理后的点云特征点进行定位，可以在一定程度上提高定位精准度。
本发明实施例通过获取可移动平台所处环境的三维点云，并将三维点云沿高度方向投影到水平平面，得到二维投影点云；对二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，并基于点云信息图确定点云特征点，从而可以基于点云信息图有效提取点云中的特征点。
请参阅图4，图4为本发明实施例提供的一种点云传感系统的结构示意图。本发明实施例中所描述的点云传感系统包括：处理器401、点云传感器402、存储器403。其中，处理器401、点云传感器402、存储器403可通过总线或其他方式连接，本发明实施例以通过总线连接为例。
处理器401可以是中央处理器(central processing unit，CPU)，图形处理器(Graphics Processing Unit，GPU)，或者CPU和GPU的组合。处理器401也可以是多核CPU、或多核GPU中用于实现通信标识绑定的核。所述处理器401可以是硬件芯片。所述硬件芯片可以是专用集成电路(application-specific integrated circuit，ASIC)，可编程逻辑器件(programmable logic device，PLD)或其组合。所述PLD可以是复杂可编程逻辑器件(complex programmable logic device，CPLD)，现场可编程逻辑门阵列(field-programmable gate array，FPGA)，通用阵列逻辑(generic array logic，GAL)或其任意组合。
点云传感器402可用于采集点云传感系统所处环境的三维点云。所述存储器403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存储程序(比如文字存储功能、位置存储功能等)；存储数据区可存储根据装置的使用所创建的数据(比如图像数据、文字数据)等，并可以包括应用存储程序等。此外，存储器403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、或其他易失性固态存储器件。
所述存储器403还用于存储程序指令。所述处理器401，用于执行所述存储器403存储的程序指令，当所述程序指令被执行时，所述处理器401用于：通过所述点云传感器402获取所述点云传感系统所处环境的三维点云；将所述三维点云沿高度方向投影到水平平面，得到二维投影点云；对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图；基于所述点云信息图确定点云特征点。
本发明实施例中处理器执行的方法均从处理器的角度来描述，可以理解的是，本发明实施例中处理器要执行上述方法需要其他硬件结构的配合。本发明实施例对具体的实现过程不作详细描述和限制。
在一实施例中，所述三维点云包括完整三维点云、地面三维点云、非地面三维点云中的一种或者多种。
在一实施例中，所述三维点云包括完整三维点云，所述处理器401对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图时，具体用于：对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，并将所述点云高度图作为点云信息图。
在一实施例中，所述点云高度图包括点云高度均值图，所述处理器401对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图时，具体用于：对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；计算各个栅格内二维投影点云所对应高度值的高度平均值；将每个栅格用栅格坐标和高度平均值表示，生成所述点云高度均值图。
在一实施例中，所述处理器401计算各个栅格内二维投影点云所对应高度值的高度平均值时，具体用于：获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；计算所述目标栅格内所述目标二维投影点云所对应高度值的高度平均值。
在一实施例中，所述点云高度图包括点云高度方差图，所述处理器401对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图时，具体用于：对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；计算各个栅格内二维投影点云所对应高度值的高度方差值；将每个栅格用栅格坐标和高度方差值表示，生成所述点云高度方差图。
在一实施例中，所述处理器401计算各个栅格内二维投影点云所对应高度值的高度方差值时，具体用于：获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；计算所述目标栅格内所述目标二维投影点云所对应高度值的高度方差值。
在一实施例中，所述三维点云包括地面三维点云，所述处理器401对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图时，具体用于：对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，并将所述点云反射率图作为点云信息图。
在一实施例中，所述点云反射率图包括点云最大反射率图，所述处理器401对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图时，具体用于：对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；计算各个栅格内二维投影点云所对应反射率值的最大反射率值；将每个栅格用栅格坐标和最大反射率值表示，生成所述点云最大反射率图。
在一实施例中，所述点云反射率图包括点云反射率方差图，所述处理器401对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图时，具体用于：对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；计算各个栅格内二维投影点云所对应反射率值的反射率方差值；将每个栅格用栅格坐标和反射率方差值表示，生成所述点云反射率方差图。
在一实施例中，所述处理器401基于所述点云信息图确定点云特征点时，具体用于：基于所述点云高度均值图确定高度跳变特征点。
在一实施例中，所述处理器401基于所述点云高度均值图确定高度跳变特征点时，具体用于：获取所述点云高度均值图中与第一栅格相邻的相邻栅格，所述第一栅格为所述点云高度均值图中的任意一个栅格；从所述相邻栅格中确定第二栅格，所述第二栅格内二维投影点云的高度平均值与所述第一栅格内二维投影点云的高度平均值之间的差值的绝对值大于或者等于第一数值；若所述第二栅格的数量大于或者等于第二数值，则将所述第一栅格内的二维投影点确定为高度跳变特征点。
在一实施例中，所述点云反射率图包括点云最大反射率图和点云反射率方差图，所述处理器401基于所述点云信息图确定点云特征点时，具体用于：基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点。
在一实施例中，所述处理器401基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点时，具体用于：对所述地面三维点云对应的二维投影点云进行区域划分，得到多个点云区域；基于所述点云最大反射率图和所述点云反射率方差图确定所述多个点云区域中各个点云区域的二维混合高斯模型；基于所述二维混合高斯模型从所述多个点云区域中确定巡线特征点。
在一实施例中，所述处理器401基于所述点云信息图确定点云特征点之后，还用于：基于所述点云特征点在高精度地图中确定所述点云传感系统的位置。
在一实施例中，所述处理器401基于所述点云特征点在高精度地图中确定所述点云传感系统的位置时，具体用于：将所述点云特征点转换到极坐标下，并将极坐标下的点云特征点进行基于角度和径向长度的按比例划分；基于按比例划分后的点云特征点在高精度地图中确定所述点云传感系统的位置。
具体实现中，本发明实施例中所描述的处理器401、点云传感器402、存储器403可执行本发明实施例提供的一种点云特征点提取方法中所描述的可移动平台的实现方式，在此不再赘述。
上述点云传感系统通过点云传感器获取点云传感系统所处环境的三维点云，并将三维点云沿高度方向投影到水平平面，得到二维投影点云；对二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，并基于点云信息图确定点云特征点，从而可以基于点云信息图有效提取点云中的特征点，以便于后续基于点云传感器定位时直接对提取出的点云特征点进行计算，有效节省运算量。
基于上述点云特征点提取方法以及点云传感系统的描述，本发明实施例提供一种可移动平台。可移动平台包括机身、动力系统和上述点云传感系统；其中，动力系统，安装在可移动平台的机身上，用于为可移动平台提供动力。点云传感系统包括点云传感器、处理器和存储器。点云传感器直接承载于可移动平台的机身上，或者通过可移动平台的云台承载于可移动平台的机身上；存储器用于存储程序指令，处理器用于执行存储器存储的程序指令，当程序指令被执行时，处理器用于：通过点云传感器获取点云传感系统或者说可移动平台所处环境的三维点云，并将获取到的三维点云沿高度方向投影到水平平面，得到二维投影点云；对二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，并基于点云信息图确定点云特征点。上述步骤的具体实现方式可参考前文描述，此处不再赘述。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法实施例所述的点云特征点提取方法。
本发明实施例还提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法实施例所述的点云特征点提取方法。
需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
本发明实施例方法中的步骤可根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的模块可根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上对本发明实施例所提供的一种点云特征点提取方法、点云传感系统及可移动平台进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (34)

1.一种点云特征点提取方法，其特征在于，所述方法包括：
获取可移动平台所处环境的三维点云；
将所述三维点云沿高度方向投影到水平平面，得到二维投影点云；
对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图；
基于所述点云信息图确定点云特征点。
2.根据权利要求1所述的方法，其特征在于，所述三维点云包括完整三维点云、地面三维点云、非地面三维点云中的一种或者多种。
3.根据权利要求1或2所述的方法，其特征在于，所述三维点云包括完整三维点云，所述对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，包括：
对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，并将所述点云高度图作为点云信息图。
4.根据权利要求3所述的方法，其特征在于，所述点云高度图包括点云高度均值图，所述对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，包括：
对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应高度值的高度平均值；
将每个栅格用栅格坐标和高度平均值表示，生成所述点云高度均值图。
5.根据权利要求4所述的方法，其特征在于，所述计算各个栅格内二维投影点云所对应高度值的高度平均值，包括：
获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；
计算所述目标栅格内所述目标二维投影点云所对应高度值的高度平均值。
6.根据权利要求3所述的方法，其特征在于，所述点云高度图包括点云高度方差图，所述对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，包括：
对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应高度值的高度方差值；
将每个栅格用栅格坐标和高度方差值表示，生成所述点云高度方差图。
7.根据权利要求6所述的方法，其特征在于，所述计算各个栅格内二维投影点云所对应高度值的高度方差值，包括：
获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；
计算所述目标栅格内所述目标二维投影点云所对应高度值的高度方差值。
8.根据权利要求1或2所述的方法，其特征在于，所述三维点云包括地面三维点云，所述对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图，包括：
对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，并将所述点云反射率图作为点云信息图。
9.根据权利要求8所述的方法，其特征在于，所述点云反射率图包括点云最大反射率图，所述对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，包括：
对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应反射率值的最大反射率值；
将每个栅格用栅格坐标和最大反射率值表示，生成所述点云最大反射率图。
10.根据权利要求8所述的方法，其特征在于，所述点云反射率图包括点云反射率方差图，所述对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，包括：
对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应反射率值的反射率方差值；
将每个栅格用栅格坐标和反射率方差值表示，生成所述点云反射率方差图。
11.根据权利要求4或5所述的方法，其特征在于，所述基于所述点云信息图确定点云特征点，包括：
基于所述点云高度均值图确定高度跳变特征点。
12.根据权利要求11所述的方法，其特征在于，所述基于所述点云高度均值图确定高度跳变特征点，包括：
获取所述点云高度均值图中与第一栅格相邻的相邻栅格，所述第一栅格为所述点云高度均值图中的任意一个栅格；
从所述相邻栅格中确定第二栅格，所述第二栅格内二维投影点云的高度平均值与所述第一栅格内二维投影点云的高度平均值之间的差值的绝对值大于或者等于第一数值；
若所述第二栅格的数量大于或者等于第二数值，则将所述第一栅格内的二维投影点确定为高度跳变特征点。
13.根据权利要求8所述的方法，其特征在于，所述点云反射率图包括点云最大反射率图和点云反射率方差图，所述基于所述点云信息图确定点云特征点，包括：
基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点。
14.根据权利要求13所述的方法，其特征在于，所述基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点，包括：
对所述地面三维点云对应的二维投影点云进行区域划分，得到多个点云区域；
基于所述点云最大反射率图和所述点云反射率方差图确定所述多个点云区域中各个点云区域的二维混合高斯模型；
基于所述二维混合高斯模型从所述多个点云区域中确定巡线特征点。
15.根据权利要求1至14中任一项所述的方法，其特征在于，所述基于所述点云信息图确定点云特征点之后，所述方法还包括：
基于所述点云特征点在高精度地图中确定所述可移动平台的位置。
16.根据权利要求15所述的方法，其特征在于，所述基于所述点云特征点在高精度地图中确定所述可移动平台的位置，包括：
将所述点云特征点转换到极坐标下，并将极坐标下的点云特征点进行基于角度和径向长度的按比例划分；
基于按比例划分后的点云特征点在高精度地图中确定所述可移动平台的位置。
17.一种点云传感系统，其特征在于，包括：点云传感器、存储器和处理器，所述存储器，用于存储程序指令；
所述处理器，用于执行所述存储器存储的程序指令，当所述程序指令被执行时，所述处理器用于：
通过所述点云传感器获取所述点云传感系统所处环境的三维点云；
将所述三维点云沿高度方向投影到水平平面，得到二维投影点云；
对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图；
基于所述点云信息图确定点云特征点。
18.根据权利要求17所述的点云传感系统，其特征在于，所述三维点云包括完整三维点云、地面三维点云、非地面三维点云中的一种或者多种。
19.根据权利要求17或18所述的点云传感系统，其特征在于，所述三维点云包括完整三维点云，所述处理器对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图时，具体用于：
对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图，并将所述点云高度图作为点云信息图。
20.根据权利要求19所述的点云传感系统，其特征在于，所述点云高度图包括点云高度均值图，所述处理器对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图时，具体用于：
对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应高度值的高度平均值；
将每个栅格用栅格坐标和高度平均值表示，生成所述点云高度均值图。
21.根据权利要求20所述的点云传感系统，其特征在于，所述处理器计算各个栅格内二维投影点云所对应高度值的高度平均值时，具体用于：
获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；
计算所述目标栅格内所述目标二维投影点云所对应高度值的高度平均值。
22.根据权利要求19所述的点云传感系统，其特征在于，所述点云高度图包括点云高度方差图，所述处理器对所述完整三维点云对应的二维投影点云进行栅格化处理以及高度信息统计，生成点云高度图时，具体用于：
对所述完整三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应高度值的高度方差值；
将每个栅格用栅格坐标和高度方差值表示，生成所述点云高度方差图。
23.根据权利要求22所述的点云传感系统，其特征在于，所述处理器计算各个栅格内二维投影点云所对应高度值的高度方差值时，具体用于：
获取目标栅格内所对应高度值在正负预设数量个标准差内的目标二维投影点云，所述目标栅格为所述多个栅格中的任意一个，所述标准差是基于所述目标栅格内所有二维投影点所对应高度值确定的；
计算所述目标栅格内所述目标二维投影点云所对应高度值的高度方差值。
24.根据权利要求17或18所述的点云传感系统，其特征在于，所述三维点云包括地面三维点云，所述处理器对所述二维投影点云进行栅格化处理以及特征信息统计，生成点云信息图时，具体用于：
对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图，并将所述点云反射率图作为点云信息图。
25.根据权利要求24所述的点云传感系统，其特征在于，所述点云反射率图包括点云最大反射率图，所述处理器对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图时，具体用于：
对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应反射率值的最大反射率值；
将每个栅格用栅格坐标和最大反射率值表示，生成所述点云最大反射率图。
26.根据权利要求24所述的点云传感系统，其特征在于，所述点云反射率图包括点云反射率方差图，所述处理器对所述地面三维点云对应的二维投影点云进行栅格化处理以及反射率信息统计，生成点云反射率图时，具体用于：
对所述地面三维点云对应的二维投影点云进行栅格化处理，得到多个栅格；
计算各个栅格内二维投影点云所对应反射率值的反射率方差值；
将每个栅格用栅格坐标和反射率方差值表示，生成所述点云反射率方差图。
27.根据权利要求20或21所述的点云传感系统，其特征在于，所述处理器基于所述点云信息图确定点云特征点时，具体用于：
基于所述点云高度均值图确定高度跳变特征点。
28.根据权利要求27所述的点云传感系统，其特征在于，所述处理器基于所述点云高度均值图确定高度跳变特征点时，具体用于：
获取所述点云高度均值图中与第一栅格相邻的相邻栅格，所述第一栅格为所述点云高度均值图中的任意一个栅格；
从所述相邻栅格中确定第二栅格，所述第二栅格内二维投影点云的高度平均值与所述第一栅格内二维投影点云的高度平均值之间的差值的绝对值大于或者等于第一数值；
若所述第二栅格的数量大于或者等于第二数值，则将所述第一栅格内的二维投影点确定为高度跳变特征点。
29.根据权利要求24所述的点云传感系统，其特征在于，所述点云反射率图包括点云最大反射率图和点云反射率方差图，所述处理器基于所述点云信息图确定点云特征点时，具体用于：
基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点。
30.根据权利要求29所述的点云传感系统，其特征在于，所述处理器基于所述点云最大反射率图和所述点云反射率方差图确定巡线特征点时，具体用于：
对所述地面三维点云对应的二维投影点云进行区域划分，得到多个点云区域；
基于所述点云最大反射率图和所述点云反射率方差图确定所述多个点云区域中各个点云区域的二维混合高斯模型；
基于所述二维混合高斯模型从所述多个点云区域中确定巡线特征点。
31.根据权利要求17至30中任一项所述的点云传感系统，其特征在于，所述处理器基于所述点云信息图确定点云特征点之后，还用于：
基于所述点云特征点在高精度地图中确定所述点云传感系统的位置。
32.根据权利要求31所述的点云传感系统，其特征在于，所述处理器基于所述点云特征点在高精度地图中确定所述点云传感系统的位置时，具体用于：
将所述点云特征点转换到极坐标下，并将极坐标下的点云特征点进行基于角度和径向长度的按比例划分；
基于按比例划分后的点云特征点在高精度地图中确定所述点云传感系统的位置。
33.一种可移动平台，其特征在于，包括：
机身；
动力系统，安装在所述机身，用于为所述可移动平台提供动力；
如权利要求17至32中任一项所述的点云传感系统。
34.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至16中任一项所述方法的步骤。
CN201980008461.4A 2019-07-26 2019-07-26 一种点云特征点提取方法、点云传感系统及可移动平台 Pending CN111602171A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/097960 WO2021016751A1 (zh) 2019-07-26 2019-07-26 一种点云特征点提取方法、点云传感系统及可移动平台

Publications (1)

Publication Number Publication Date
CN111602171A true CN111602171A (zh) 2020-08-28

Family

ID=72191958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980008461.4A Pending CN111602171A (zh) 2019-07-26 2019-07-26 一种点云特征点提取方法、点云传感系统及可移动平台

Country Status (2)

Country Link
CN (1) CN111602171A (zh)
WO (1) WO2021016751A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348781A (zh) * 2020-10-26 2021-02-09 广东博智林机器人有限公司 一种基准面高度检测方法、装置、设备及存储介质
CN112406964A (zh) * 2020-11-10 2021-02-26 北京埃福瑞科技有限公司 一种列车定位方法及系统
CN112666573A (zh) * 2020-11-17 2021-04-16 青岛慧拓智能机器有限公司 一种矿区卸载区车后方挡土墙及障碍物的检测方法
CN112766135A (zh) * 2021-01-14 2021-05-07 北京航空航天大学杭州创新研究院 目标检测方法、装置、电子设备和存储介质
CN113139569A (zh) * 2021-03-04 2021-07-20 山东科技大学 目标分类检测方法、装置与系统
CN114020015A (zh) * 2021-10-29 2022-02-08 国网电力科学研究院武汉南瑞有限责任公司 基于障碍物地图双向搜索的无人机路径规划系统及方法
CN114556419A (zh) * 2020-12-15 2022-05-27 深圳市大疆创新科技有限公司 三维点云分割方法和装置、可移动平台
TWI766744B (zh) * 2021-06-29 2022-06-01 鴻海精密工業股份有限公司 點雲密度調整方法、電腦裝置及儲存介質
CN114677454A (zh) * 2022-03-25 2022-06-28 杭州睿影科技有限公司 一种图像生成方法和装置
CN118037790A (zh) * 2024-01-11 2024-05-14 北京集度科技有限公司 一种点云处理方法、装置、计算机设备及存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113487669A (zh) * 2021-07-07 2021-10-08 广东博智林机器人有限公司 作业轨迹确定方法、装置、计算机设备和存储介质
CN113808142B (zh) * 2021-08-19 2024-04-26 高德软件有限公司 一种地面标识的识别方法、装置、电子设备
CN113805157B (zh) * 2021-09-22 2024-08-27 航天新气象科技有限公司 基于标靶的高度测量方法、装置及设备
CN114353779B (zh) * 2021-09-30 2024-05-10 南京晨光集团有限责任公司 一种采用点云投影快速更新机器人局部代价地图的方法
CN114972621B (zh) * 2021-12-06 2024-09-10 华北水利水电大学 一种三维建筑轮廓提取方法、装置、电子设备及存储介质
CN114863108B (zh) * 2022-05-24 2024-06-21 合众新能源汽车股份有限公司 点云处理的方法、系统、电子设备及计算机可读存储介质
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
WO2024180708A1 (ja) * 2023-03-01 2024-09-06 日立Astemo株式会社 物標認識装置及び物標認識方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140192050A1 (en) * 2012-10-05 2014-07-10 University Of Southern California Three-dimensional point processing and model generation
US20170168630A1 (en) * 2015-12-11 2017-06-15 Immersion Corporation Systems and Methods for Position-Based Haptic Effects
CN109270544A (zh) * 2018-09-20 2019-01-25 同济大学 基于杆状物识别的移动机器人自定位系统
CN109636718A (zh) * 2018-10-31 2019-04-16 百度在线网络技术（北京）有限公司 点云拼接质量的检测方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101740259B1 (ko) * 2011-10-07 2017-05-29 한국전자통신연구원 3차원 포인트 클라우드의 공간 분할 방법
CN105404844B (zh) * 2014-09-12 2019-05-31 广州汽车集团股份有限公司 一种基于多线激光雷达的道路边界检测方法
CN106355194A (zh) * 2016-08-22 2017-01-25 广东华中科技大学工业技术研究院 一种基于激光成像雷达的无人艇水面目标处理方法
CN107341825A (zh) * 2017-07-06 2017-11-10 西南科技大学 一种用于大场景高精度三维激光测量点云数据的简化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140192050A1 (en) * 2012-10-05 2014-07-10 University Of Southern California Three-dimensional point processing and model generation
US20170168630A1 (en) * 2015-12-11 2017-06-15 Immersion Corporation Systems and Methods for Position-Based Haptic Effects
CN109270544A (zh) * 2018-09-20 2019-01-25 同济大学 基于杆状物识别的移动机器人自定位系统
CN109636718A (zh) * 2018-10-31 2019-04-16 百度在线网络技术（北京）有限公司 点云拼接质量的检测方法、装置、设备及存储介质

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112348781A (zh) * 2020-10-26 2021-02-09 广东博智林机器人有限公司 一种基准面高度检测方法、装置、设备及存储介质
CN112406964A (zh) * 2020-11-10 2021-02-26 北京埃福瑞科技有限公司 一种列车定位方法及系统
CN112406964B (zh) * 2020-11-10 2022-12-02 北京埃福瑞科技有限公司 一种列车定位方法及系统
CN112666573B (zh) * 2020-11-17 2022-08-23 青岛慧拓智能机器有限公司 一种矿区卸载区车后方挡土墙及障碍物的检测方法
CN112666573A (zh) * 2020-11-17 2021-04-16 青岛慧拓智能机器有限公司 一种矿区卸载区车后方挡土墙及障碍物的检测方法
CN114556419A (zh) * 2020-12-15 2022-05-27 深圳市大疆创新科技有限公司 三维点云分割方法和装置、可移动平台
CN112766135A (zh) * 2021-01-14 2021-05-07 北京航空航天大学杭州创新研究院 目标检测方法、装置、电子设备和存储介质
CN112766135B (zh) * 2021-01-14 2024-03-19 北京航空航天大学杭州创新研究院 目标检测方法、装置、电子设备和存储介质
CN113139569A (zh) * 2021-03-04 2021-07-20 山东科技大学 目标分类检测方法、装置与系统
CN113139569B (zh) * 2021-03-04 2022-04-22 山东科技大学 目标分类检测方法、装置与系统
TWI766744B (zh) * 2021-06-29 2022-06-01 鴻海精密工業股份有限公司 點雲密度調整方法、電腦裝置及儲存介質
CN114020015A (zh) * 2021-10-29 2022-02-08 国网电力科学研究院武汉南瑞有限责任公司 基于障碍物地图双向搜索的无人机路径规划系统及方法
CN114677454A (zh) * 2022-03-25 2022-06-28 杭州睿影科技有限公司 一种图像生成方法和装置
CN114677454B (zh) * 2022-03-25 2022-10-04 杭州睿影科技有限公司 一种图像生成方法和装置
WO2023179011A1 (zh) * 2022-03-25 2023-09-28 杭州睿影科技有限公司 一种图像生成方法和装置
CN118037790A (zh) * 2024-01-11 2024-05-14 北京集度科技有限公司 一种点云处理方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
WO2021016751A1 (zh) 2021-02-04

Similar Documents

Publication Publication Date Title
CN111602171A (zh) 一种点云特征点提取方法、点云传感系统及可移动平台
CN108509820B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN104463872B (zh) 基于车载LiDAR点云数据的分类方法
CN108470174B (zh) 障碍物分割方法及装置、计算机设备及可读介质
CN110879994A (zh) 基于形状注意力机制的三维目测检测方法、系统、装置
CN109711410A (zh) 一种三维物体快速分割和识别方法、装置及系统
CN106886980B (zh) 一种基于三维激光雷达目标识别的点云密度增强的方法
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
US9959670B2 (en) Method for rendering terrain
CN105844602A (zh) 一种基于体元的机载lidar点云三维滤波方法
CN110363771B (zh) 一种基于三维点云数据的隔离护栏形点提取方法及装置
CN113761999A (zh) 一种目标检测方法、装置、电子设备和存储介质
CN111709923A (zh) 一种三维物体检测方法、装置、计算机设备和存储介质
CN112789521B (zh) 感知区域的确定方法、装置、存储介质及车辆
Shen et al. A new algorithm of building boundary extraction based on LIDAR data
CN107545602B (zh) 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法
CN115436910B (zh) 一种对激光雷达点云进行目标检测的数据处理方法和装置
Wiemann et al. Surface reconstruction from arbitrarily large point clouds
Kulawiak et al. Processing of LiDAR and multibeam sonar point cloud data for 3D surface and object shape reconstruction
CN111458691B (zh) 建筑物信息的提取方法、装置及计算机设备
CN114120067A (zh) 一种物体识别方法、装置、设备及介质
CN116482711A (zh) 一种用于着陆区自主选择的局部静态环境感知方法及装置
Stepanas et al. OHM: GPU based occupancy map generation
CN114387293A (zh) 道路边缘检测方法、装置、电子设备及车辆
Błaszczak-Bąk et al. Optimization of point clouds for 3D bas-relief modeling

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200828

WD01 Invention patent application deemed withdrawn after publication