CN111859612A - 激光雷达仿真方法以及装置 - Google Patents
激光雷达仿真方法以及装置 Download PDFInfo
- Publication number
- CN111859612A CN111859612A CN202010512095.0A CN202010512095A CN111859612A CN 111859612 A CN111859612 A CN 111859612A CN 202010512095 A CN202010512095 A CN 202010512095A CN 111859612 A CN111859612 A CN 111859612A
- Authority
- CN
- China
- Prior art keywords
- laser
- model
- coordinate system
- dimensional model
- scene
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004088 simulation Methods 0.000 title claims abstract description 36
- 230000003068 static effect Effects 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002441 reversible effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种激光雷达仿真方法以及装置,该方法包括:S10,根据场景模型的第一动态属性数据从场景模型中筛选出与激光碰撞的场景模型;S20,通过场景模型的静态属性数据和数据索引结构遍历与激光相交的场景模型的网格以计算与激光相关联的碰撞点,其中,数据索引结构用于管理场景模型中的网格,静态属性数据包括场景模型中的网格之间的相对位置。上述技术方案至少能够提高激光雷达仿真算法的运行效率。
Description
技术领域
本发明涉及智能驾驶仿真技术领域,更具体地,涉及一种激光雷达仿真方法以及装置。
背景技术
激光雷达是目前智能驾驶领域最关键的传感器之一,因此激光雷达功能也是智能驾驶仿真领域不可或缺的功能。激光雷达仿真软件的核心算法是激光碰撞算法(RayShooting Algorithm,RSA),该算法通常会在GPU(图形处理器,Graphics ProcessingUnit)上进行运算。在实现RSA时,现有的一种算法是穷举遍历法,即,将每一根激光与每一片网格进行碰撞点检测,并从中选取最近的碰撞点。另一种非穷举法通常是通过预先建立某种数据结构索引,来对场景中的所有网格进行管理,从而降低碰撞点检测数目,提高RSA的运行速度。常用的数据索引结构包括KD树(KD-Tree)、层次包围盒(Bounding VolumeHierarchy,BVH)、均匀网格(Uniform Grid,UG)等。
与常规的图片渲染场景不同,由于激光雷达的运动及转向、车辆及行人的移动、场景的动态加载等,激光雷达仿真软件中的场景全部为动态场景,并且场景的刷新频率要高于激光雷达的刷新频率。在现有的RSA中,穷举法可以很好的适应动态场景,但穷举法在进行场景遍历时的运算量极大,即使充分利用GPU的算力也无法达到很高的刷新频率。而对于非穷举法,由于数据索引需要在场景遍历前进行,因此,对于动态场景,必须在每次场景遍历前重新建立或修改数据索引,这使得预先建立好的数据索引只能在每一帧的使用被利用一次,利用率极低。另外,当场景变化时,BVH与UG对数据索引的修改运算量相对较小,但在对场景进行遍历时,BVH和UG的效率不如KD树。
发明内容
针对相关技术中的上述问题,本发明提出一种激光雷达仿真方法以及装置,能够更有效的适应激光雷达仿真的动态场景以提高激光雷达仿真算法的运行效率。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种激光雷达仿真方法,包括:
S10,根据场景模型的第一动态属性数据从所述场景模型中筛选出与激光碰撞的场景模型;
S20,通过所述场景模型的静态属性数据和数据索引结构遍历与激光相交的所述场景模型的网格以计算与所述激光相关联的碰撞点,其中,所述数据索引结构用于管理所述场景模型中的网格,所述静态属性数据包括所述场景模型中的网格之间的相对位置。
根据本发明的实施例,在S10之后还包括:根据所述场景模型的第二动态属性数据对激光坐标进行坐标变换,以将所述激光坐标由激光坐标系转换至三维模型坐标系,其中,所述场景模型是三维模型,所述三维模型坐标系是所述三维模型的本地坐标系,所述第二动态属性数据包括所述三维模型的位置、旋转角度和缩放信息;其中,所述数据索引结构是关于所述三维模型坐标系建立的,在所述坐标转换之后对所述三维模型进行所述遍历。
其中,t为参数;
其中,使用所述三维坐标系中的激光参数方程和所述数据索引结构对所述三维模型的网格进行遍历以计算所述碰撞点。
根据本发明的实施例,所述第一动态属性数据包括包围盒数据,并且步骤S10包括:使用穷举法判断所述激光是否与所述场景模型的每个包围盒相交。
根据本发明的实施例,激光雷达仿真方法还包括:建立包括第一层模型和第二层模型的混合模型,其中,在所述第一层模型中进行步骤S10,在所述第二层模型中执行步骤S20。
根据本发明的实施例,所述数据索引结构为预先建立的KD树。
根据本发明的另一个方面,提供了一种激光雷达仿真装置,包括:
第一层模型模块,用于根据场景模型的第一动态属性数据从所述场景模型中筛选出与激光碰撞的场景模型;
第二层模型模块,用于通过所述场景模型的静态属性数据和数据索引结构遍历与激光相交的所述场景模型的网格以计算与所述激光相关联的碰撞点,其中,所述数据索引结构用于管理所述场景模型中的网格,所述静态属性数据包括所述场景模型中的网格之间的相对位置。
根据本发明的实施例,激光雷达仿真装置还包括:根据所述场景模型的第二动态属性数据对激光坐标进行坐标变换,以将所述激光坐标由激光坐标系转换至三维模型坐标系,其中,所述场景模型是三维模型,所述三维模型坐标系是所述三维模型的本地坐标系,所述第二动态属性数据包括所述三维模型的位置、旋转角度和缩放信息;其中,所述数据索引结构是关于所述三维模型坐标系建立的,在所述坐标转换之后对所述三维模型进行所述遍历。
其中,t为参数;
其中,所述第二层模型模块使用所述三维坐标系中的激光参数方程和所述数据索引结构对所述三维模型的网格进行遍历以计算所述碰撞点。
根据本发明的实施例,所述第一动态属性数据包括包围盒数据,并且所述第一层模型模块使用穷举法判断所述激光是否与所述场景模型的每个包围盒相交。
本发明的上述技术方案,首先集中处理场景的动态属性数据来进行碰撞检测,然后集中处理场景的静态属性数据并利用静态属性数据进行遍历,从而实现了将动态属性数据和静态属性数据分开处理,因此可以提高激光雷达仿真算法的运行效率。
通过建立一种双层的混合模型,第一层模型可以采用遍历效率低但适合处理动态场景的算法,例如穷举法;而第二层模型可以采用遍历效率高但要求场景保持静态的算法,例如KD树。从而,可以将穷举法适合处理场景动态属性的特性与KD树高遍历效率的优势相结合,动态属性数据量小,能够有效规避穷举法运算量大的缺陷。
预先建立三维模型的本地KD树,并结合激光参数方程的坐标变换,可以有效规避KD树算法(尤其是基于SAH的KD树)建树速度慢的缺陷。
因此,能够显著提高激光雷达仿真软件的刷新帧率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的激光雷达仿真方法的流程图;
图2是根据本发明实施例的激光与包围盒碰撞的示意图;
图3A和图3B是本发明实施例的坐标变换过程的示意图;
图4是根据本发明实施例的激光雷达仿真装置的框图。
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,显然,所描述的实施例仅仅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所获得的所有其他实施例,都属于本发明保护的范围。
针对现有技术的方法对于动态场景运行效率不高的问题,本发明提供一种激光雷达仿真方法,该方法将动态属性数据和静态属性数据分开处理,首先集中处理场景模型的第一动态属性数据(例如包围盒信息),然后处理场景模型的静态属性数据(例如网格之间的相对位置)和另外的第二动态属性数据(例如位置、旋转角度和缩放信息),这样可以更有效的适应激光雷达仿真的动态场景。
图1是根据本发明实施例的激光雷达仿真方法的流程图。如图1所示,本发明的激光雷达仿真方法可以包括以下步骤:
S10,根据场景模型的第一动态属性数据从场景模型中筛选出与激光碰撞的场景模型。场景模型可以是例如建筑物、数目、车辆、行人等的模型。在此步骤S10中,集中处理场景的部分动态属性数据(即,第一动态属性数据)来进行碰撞检测,可以筛选出与激光碰撞的场景模型。用于碰撞检测的第一动态属性数据可以是任何适用于碰撞检测的参数,例如场景模型的包围盒信息。对步骤S10中筛选出的场景模型执行步骤S20。
S20,通过场景模型的静态属性数据和数据索引结构遍历与激光相交的场景模型的网格以计算与激光相关联的碰撞点。在激光雷达仿真场景中,场景模型可以是预先绘制的三维模型(例如建筑物、数目、车辆、行人等的三维模型)并且绝大部分网格集中在三维模型中。因为可以通过激光和网格来检测碰撞点,所以在步骤S20处,用于计算碰撞点的静态属性数据可以包括场景模型中网格之间的相对位置。并且在步骤S20中,通过数据索引结构管理场景模型中的网格。在一些实施例中,数据索引结构为KD树。数据索引结构也可以采用任何适用的其他数据索引结构。
本发明的上述技术方案,首先集中处理场景的动态属性数据来进行碰撞检测,然后集中处理场景的静态属性数据并利用静态属性数据进行遍历,从而实现了将动态属性数据和静态属性数据分开处理,因此可以提高激光雷达仿真算法的运行效率。
根据本发明的实施例,可以建立一种双层的混合模型,将场景中的动态属性与静态属性分离。并且,在第一层模型中进行步骤S10,在第二层模型中进行步骤S20。这样,第一层模型集中处理场景的第一动态属性数据,第二层模型集中处理场景的静态属性数据及第二动态属性数据。根据本发明的实施例,将动态属性数据和静态属性数据分开处理,按照这种方式划分的静态属性数据将远多于动态属性数据。因此第一层模型可以采用遍历效率低但适合处理动态场景的算法,例如穷举法;而第二层模型可以采用遍历效率高但要求场景保持静态的算法,例如KD树。
具体来说,在步骤S10处,可以在第一层模型中保留场景模型的第一动态属性数据,第一动态属性数据包括包围盒数据。使用穷举法判断激光是否与场景模型的每个包围盒相交,从而筛选出与激光碰撞的场景模型。图2是本发明实施例的激光L与包围盒B碰撞的示意图。如图2所示,与激光L相交的包围盒B的场景模型进入第二层模型进行步骤S20的处理,否则退出。
为了在第二层模型中进行步骤S20,需要利用数据索引结构遍历步骤S10中筛选出的场景模型的网格以计算与激光相关联的碰撞点。因此对于数据索引结构,本发明的激光雷达仿真方法还可以包括预处理阶段,在该预处理阶段,对每个三维模型中的网格建立一棵关于其本地坐标系(也可以称为局部坐标系)的KD树,该KD树位于第二层模型以用于计算碰撞点。应理解,虽然以KD树为实例进行说明,但是在预处理阶段中也可以关于三维模型的本地坐标系建立其它数据索引结构。可以在任何适当的时间执行该预处理阶段。由于KD树是关于本地坐标系建立的,因此不会随场景模型在场景中的移动、旋转、缩放而发生变化。另外,由于预处理阶段对运行时间没有要求,因此可以采用建立速度慢但遍历效率高的方法建立KD树,例如SAH(Surface Area Heuristic,表面面积启发式)方法。
由于三维模型的KD树是关于其本地坐标系建立的并且是保持不变的,因此不需要对KD树进行另外的处理。在激光坐标被使用之前,需对激光的激光坐标进行坐标变换以将激光坐标变换到三维模型的本地坐标系。因此,在步骤S10之后还可以包括进行坐标变换的步骤。可以根据场景模型的第二动态属性数据进行该坐标变换,其中,第二动态属性数据包括三维模型的位置、旋转角度和缩放信息。具体的,该位置、旋转角度和缩放信息可以是三维模型的位移向量、三维模型的缩放矩阵和三维模型的反向旋转矩阵。
具体的,坐标变换的过程如下:
其中,表示激光在激光坐标系的方向向量,表示激光在激光坐标系的原点位置坐标,表示三维模型的位移向量,S表示三维模型的缩放矩阵,M-ZM-XM-Y表示三维模型的反向旋转矩阵。若对应的三维模型旋转矩阵MYMXMZ表示依次沿Y、X、Z轴旋转角度θY、θX、θZ,则M- ZM-XM-Y表示依次沿Z、X、Y轴旋转角度-θZ、-θX、-θY。坐标变换的过程如图3A和图3B所示,其中具有箭头的线L代表激光,三角形T代表三维模型的网格,x-y坐标系表示激光坐标系,x’-y’坐标系表示三维模型坐标系。
其中,t为参数。激光坐标系和三维模型坐标系中的t值为保持不变,所以不需要在两个坐标系之间进行变换。上述坐标变换的过程可以在第一层模型或第二层模型中实现,也可以单独实现。若在第二层模型中实现,则在第二层模型中需要保留三维模型的位置、旋转角度、缩放信息、以及三维模型的网格之间的相对位置和例如KD树的索引数据结构。
在进行坐标变换之后,方法可以进行至步骤S 20(图1)。在步骤S 20处,使用坐标变换后的三维模型坐标系中的激光参数方程,并且配合预先建立的KD树对场景模型的网格进行遍历,计算碰撞点的t值即可计算出碰撞点。通过预先建立三维模型的本地KD树并结合激光参数方程的坐标变换,可以有效规避KD树算法(尤其是基于SAH的KD树)建树速度慢的缺陷。
在一个示例性实施例中,可以在预处理阶段对每个场景模型分别建立关于其本地坐标系的KD树。然后,在进行步骤S10的第一层模型中,保留每个场景模型的包围盒数据,使用穷举法判断激光雷达的激光是否与各个包围盒相交,从而可以筛选出与激光碰撞的包围盒对应的场景模型(例如建筑物、数目、车辆、行人等)。随后,在进行步骤S20的第二层模型中,利用上述公式(1)、公式(2),对激光坐标进行坐标变换而将激光坐标系变换至场景模型本地的三维坐标系。从而,可以得到在三维坐标系中的激光参数方程,并且结合预处理阶段建立的KD树对场景模型的网格进行遍历来计算碰撞点。
综上所述,本发明提出的基于双层混合模型的激光雷达仿真算法,可以将场景模型的动态属性数据与静态属性数据进行分离,从而可以将穷举法适合处理场景动态属性的特性与KD树高遍历效率的优势相结合。动态属性数据量小,有效的规避了穷举法运算量大的缺陷;三维模型的本地KD树预先建立,并结合激光参数方程的坐标变换,可以有效规避KD树算法(尤其是基于SAH的KD树)建树速度慢的缺陷。从而能够显著提高激光雷达仿真软件的刷新帧率。
根据本发明的另一个方面,提供了一种激光雷达仿真装置。激光雷达仿真装置可以用于执行上述的激光雷达仿真方法。图4是根据本发明实施例的激光雷达仿真装置400的框图。如图4所示,激光雷达仿真装置400可以包括第一层模型模块410和第二层模型模块420。第一层模型模块410用于根据场景模型的第一动态属性数据从所述场景模型中筛选出与激光碰撞的场景模型。第二层模型模块420用于通过所述场景模型的静态属性数据和数据索引结构遍历与激光相交的所述场景模型的网格以计算与所述激光相关联的碰撞点。其中,所述数据索引结构用于管理所述场景模型中的网格,所述静态属性数据包括所述场景模型中的网格之间的相对位置。
根据本发明的实施例,激光雷达仿真装置400还包括坐标转换模块430。坐标转换模块430用于根据所述场景模型的第二动态属性数据对激光坐标进行坐标变换,以将激光坐标由与所述激光对应的激光坐标系转换至三维模型坐标系,其中,所述场景模型是三维模型,所述三维模型坐标系是所述三维模型的本地坐标系。其中,所述第二动态属性数据包括所述三维模型的位置、旋转角度和缩放信息。其中,所述数据索引结构是关于所述三维模型坐标系建立的,在所述坐标转换后对所述三维模型进行所述遍历。
其中,t为参数;
其中,所述第二层模型模块420使用所述三维坐标系中的激光参数方程和所述数据索引结构对所述三维模型的网格进行遍历以计算所述碰撞点。
根据本发明的实施例,所述第一动态属性数据包括包围盒数据,并且所述第一层模型模块410使用穷举法判断所述激光是否与所述场景模型的每个包围盒相交。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种激光雷达仿真方法,其特征在于,包括:
S10,根据场景模型的第一动态属性数据从所述场景模型中筛选出与激光碰撞的场景模型;
S20,通过所述场景模型的静态属性数据和数据索引结构遍历与激光相交的所述场景模型的网格以计算与所述激光相关联的碰撞点,其中,所述数据索引结构用于管理所述场景模型中的网格,所述静态属性数据包括所述场景模型中的网格之间的相对位置。
2.根据权利要求1所述的激光雷达仿真方法,其特征在于,在S10之后还包括:
根据所述场景模型的第二动态属性数据对激光坐标进行坐标变换,以将所述激光坐标由激光坐标系转换至三维模型坐标系,其中,所述场景模型是三维模型,所述三维模型坐标系是所述三维模型的本地坐标系,所述第二动态属性数据包括所述三维模型的位置、旋转角度和缩放信息;
其中,所述数据索引结构是关于所述三维模型坐标系建立的,在所述坐标转换之后对所述三维模型进行所述遍历。
4.根据权利要求1所述的激光雷达仿真方法,其特征在于,所述第一动态属性数据包括包围盒数据,并且步骤S10包括:使用穷举法判断所述激光是否与所述场景模型的每个包围盒相交。
5.根据权利要求1-4任一项所述的激光雷达仿真方法,其特征在于,还包括:
建立包括第一层模型和第二层模型的混合模型,其中,在所述第一层模型中进行步骤S10,在所述第二层模型中执行步骤S20。
6.根据权利要求1-4任一项所述的激光雷达仿真方法,其特征在于,所述数据索引结构为预先建立的KD树。
7.一种激光雷达仿真装置,其特征在于,包括:
第一层模型模块,用于根据场景模型的第一动态属性数据从所述场景模型中筛选出与激光碰撞的场景模型;
第二层模型模块,用于通过所述场景模型的静态属性数据和数据索引结构遍历与激光相交的所述场景模型的网格以计算与所述激光相关联的碰撞点,其中,所述数据索引结构用于管理所述场景模型中的网格,所述静态属性数据包括所述场景模型中的网格之间的相对位置。
8.根据权利要求7所述的激光雷达仿真装置,其特征在于,还包括:
坐标转换模块,根据所述场景模型的第二动态属性数据对激光坐标进行坐标变换,以将所述激光坐标由激光坐标系转换至三维模型坐标系,其中,所述场景模型是三维模型,所述三维模型坐标系是所述三维模型的本地坐标系,所述第二动态属性数据包括所述三维模型的位置、旋转角度和缩放信息;
其中,所述数据索引结构是关于所述三维模型坐标系建立的,在所述坐标转换之后对所述三维模型进行所述遍历。
9.根据权利要求7所述的激光雷达仿真装置,其特征在于,所述坐标转换模块包括:
其中,表示所述激光在所述激光坐标系的方向向量,表示所述激光在所述激光坐标系的原点位置坐标,表示所述三维模型的位移向量,S表示所述三维模型的缩放矩阵,M- ZM-XM-Y表示所述三维模型的反向旋转矩阵;
其中,t为参数;
其中,所述第二层模型模块使用所述三维坐标系中的激光参数方程和所述数据索引结构对所述三维模型的网格进行遍历以计算所述碰撞点。
10.根据权利要求7所述的激光雷达仿真装置,其特征在于,所述第一动态属性数据包括包围盒数据,并且所述第一层模型模块使用穷举法判断所述激光是否与所述场景模型的每个包围盒相交。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512095.0A CN111859612A (zh) | 2020-06-08 | 2020-06-08 | 激光雷达仿真方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010512095.0A CN111859612A (zh) | 2020-06-08 | 2020-06-08 | 激光雷达仿真方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859612A true CN111859612A (zh) | 2020-10-30 |
Family
ID=72986351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010512095.0A Pending CN111859612A (zh) | 2020-06-08 | 2020-06-08 | 激光雷达仿真方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859612A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657010A (zh) * | 2021-10-21 | 2021-11-16 | 山东神力索具有限公司 | 索具模型的网格划分调整方法、系统以及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080259075A1 (en) * | 2007-04-19 | 2008-10-23 | David Keith Fowler | Dynamically Configuring and Selecting Multiple Ray Tracing Intersection Methods |
CN107966693A (zh) * | 2017-12-05 | 2018-04-27 | 成都合纵连横数字科技有限公司 | 一种基于深度渲染的车载激光雷达仿真方法 |
CN108090947A (zh) * | 2018-01-03 | 2018-05-29 | 沈阳品尚科技有限公司 | 一种面向3d场景的光线追踪优化方法 |
CN108732556A (zh) * | 2018-08-17 | 2018-11-02 | 西南交通大学 | 一种基于几何求交运算的车载激光雷达仿真方法 |
US10491885B1 (en) * | 2018-06-13 | 2019-11-26 | Luminar Technologies, Inc. | Post-processing by lidar system guided by camera information |
CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
-
2020
- 2020-06-08 CN CN202010512095.0A patent/CN111859612A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080259075A1 (en) * | 2007-04-19 | 2008-10-23 | David Keith Fowler | Dynamically Configuring and Selecting Multiple Ray Tracing Intersection Methods |
CN107966693A (zh) * | 2017-12-05 | 2018-04-27 | 成都合纵连横数字科技有限公司 | 一种基于深度渲染的车载激光雷达仿真方法 |
CN108090947A (zh) * | 2018-01-03 | 2018-05-29 | 沈阳品尚科技有限公司 | 一种面向3d场景的光线追踪优化方法 |
US10491885B1 (en) * | 2018-06-13 | 2019-11-26 | Luminar Technologies, Inc. | Post-processing by lidar system guided by camera information |
CN108732556A (zh) * | 2018-08-17 | 2018-11-02 | 西南交通大学 | 一种基于几何求交运算的车载激光雷达仿真方法 |
CN110969624A (zh) * | 2019-11-07 | 2020-04-07 | 哈尔滨工程大学 | 一种激光雷达三维点云分割方法 |
Non-Patent Citations (3)
Title |
---|
ZHANGFEI WANG; BO YU; JIAN CHEN; CHUNYANG LIU; KUN ZHAN; XIN SUI; YUJUN XUE; JISHUN LI: "Research on Lidar Point Cloud Segmentation and Collision Detection Algorithm", 2019 6TH INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND CONTROL ENGINEERING (ICISCE) * |
付增良;叶铭;林艳萍;苏永琳;王成焘;: "基于层次包围盒和光线追踪的两步法碰撞检测技术", 沈阳工业大学学报, no. 05 * |
王振文;徐华;: "虚拟仿真中碰撞检测系统设计与实现", 北京石油化工学院学报, no. 03 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657010A (zh) * | 2021-10-21 | 2021-11-16 | 山东神力索具有限公司 | 索具模型的网格划分调整方法、系统以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108732556B (zh) | 一种基于几何体求交运算的车载激光雷达仿真方法 | |
CN109977523B (zh) | 一种海量船舶ais轨迹数据在线压缩方法及装置 | |
CN112613378B (zh) | 3d目标检测方法、系统、介质及终端 | |
US20230386076A1 (en) | Target detection method, storage medium, electronic device, and vehicle | |
CN105678683A (zh) | 一种三维模型的二维存储方法 | |
CN113001551B (zh) | 基于八叉树结构分割的快速碰撞检测方法 | |
CN111047682B (zh) | 一种三维车道模型生成方法及系统 | |
CN108154553A (zh) | 一种三维模型与监控视频的无缝融合方法及装置 | |
JP3507057B2 (ja) | 三角形ポリゴン描画装置および三角形ポリゴン描画方法 | |
CN111859612A (zh) | 激光雷达仿真方法以及装置 | |
CN116310135B (zh) | 一种基于多分辨率lod模型的曲面显示方法及系统 | |
CN116402936A (zh) | 一种基于八叉树的透明渲染复杂场景深度估计方法和装置 | |
CN115953541A (zh) | 一种四叉树lod地形生成方法、装置、设备及存储介质 | |
CN113808243B (zh) | 一种可形变雪地网格的绘制方法和装置 | |
CN111784789B (zh) | 一种地貌生成方法、装置、计算机设备和存储介质 | |
JP2002342785A (ja) | 三角形メッシュ簡単化装置およびプログラム | |
CN112800873A (zh) | 确定目标方向角的方法、装置、系统及存储介质 | |
JPH08212334A (ja) | 3次元地形データ生成方法及びその装置 | |
CN116912383B (zh) | 一种三维模型数据的渲染方法和装置 | |
CN110738719A (zh) | 一种基于视距分层优化的Web3D模型渲染方法 | |
CN112802175A (zh) | 大规模场景遮挡剔除方法、装置、设备及存储介质 | |
JP2001273523A (ja) | 三次元データ削減装置及び方法 | |
JP2007334739A (ja) | 画像生成装置 | |
CN116502479B (zh) | 一种三维物体在仿真环境中的碰撞检测方法和装置 | |
CN113160398B (zh) | 一种快速三维栅格构建系统、方法、介质、设备、无人车 |
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 | ||
CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hengrun Technology Co., Ltd Address before: 100101 Beijing city Chaoyang District Anxiang Beili 11 B block 8 layer Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
CB02 | Change of applicant information |