CN112147602A - 一种基于激光点云的路沿识别方法及系统 - Google Patents

一种基于激光点云的路沿识别方法及系统 Download PDF

Info

Publication number
CN112147602A
CN112147602A CN201910559112.3A CN201910559112A CN112147602A CN 112147602 A CN112147602 A CN 112147602A CN 201910559112 A CN201910559112 A CN 201910559112A CN 112147602 A CN112147602 A CN 112147602A
Authority
CN
China
Prior art keywords
data
road
road edge
radar
channel
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
Application number
CN201910559112.3A
Other languages
English (en)
Other versions
CN112147602B (zh
Inventor
任甜
丁伟东
李利茹
韩跳跳
席喜峰
寇毅祥
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.)
Shaanxi Automobile Group Co Ltd
Original Assignee
Shaanxi Automobile Group 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 Shaanxi Automobile Group Co Ltd filed Critical Shaanxi Automobile Group Co Ltd
Priority to CN201910559112.3A priority Critical patent/CN112147602B/zh
Publication of CN112147602A publication Critical patent/CN112147602A/zh
Application granted granted Critical
Publication of CN112147602B publication Critical patent/CN112147602B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于激光点云的路沿识别方法及系统。所述方法包括：通过对激光雷达数据分通道处理，根据不同通道连续点的空间距离将数据分段，根据不同分段上点云数据的高度斜率将数据再次分段，根据路沿物理特性将包含道路路沿的分段提取出来，提取道路路沿点。本发明提取到的路沿点用于高精度地图的建立，为高精度地图提供准确的道路边界。

Description

一种基于激光点云的路沿识别方法及系统
技术领域
本发明涉及一种建立高精度地图的方法及系统，具体涉及一种基于激光点云的路沿识别方法及系统。
背景技术
随着无人自动驾驶技术的不断发展，道路高精度地图逐渐成为自动驾驶不可或缺的一部分，其中准确识别出路沿是识别出可行驶区域重要的一步。
目前，无人驾驶技术传感器包括：激光雷达、毫米波雷达、摄像头等。现有传感器中激光雷达受环境干扰性小，可以快速对其周围环境进行扫描和点云的构建。有必要针对目前的激光雷达扫描点云数据，提出一种能准确识别路沿的方法，从而提供精确的安全行驶区域。
发明内容
为了建立适用于自动驾驶的高精度地图，本发明提出一种基于激光点云的路沿识别方法及系统，用于确定道路边界。
本发明提供一种基于激光点云的路沿识别方法，用于确定道路边界，其特征在于，包括以下步骤：
步骤一、对原始激光雷达数据进行解析，并进行点云数据与GPS数据的一一对应，选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
步骤二、对于步骤一中选取的数据，根据不同通道到达地面的最远距离，计算连续点云数据间的平均距离，确定各通道激光雷达数据分段门限值，将激光雷达各通道数据分为不同的连续段数据；
步骤三、对各通道分段数据进行平滑滤波，计算各通道各分段数据在z轴上的斜率值，根据斜率的正负性对分段数据进行再次分段；其中，雷达数据扫描到路沿可分为以下三种情况：①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路时，扫描在路沿上的数据在z轴上斜率先为正后为负；②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正；根据这三种情况提取各通道数据的路沿候选段；根据提取的各通道数据的路沿候选段，提取可能的路沿点，再通过LDA思想与高度聚类的方法，剔除异常路沿点；
步骤四、对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
本发明还提供一种基于激光点云的路沿识别系统，用于确定道路边界，其特征在于，包括：
激光雷达数据预处理模块，用于对原始激光雷达数据进行解析，并进行点云数据与GPS数据的一一对应，选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
激光雷达数据分段模块，用于对所述选取的数据，根据不同通道到达地面的最远距离，计算连续点云数据间的平均距离，确定各通道激光雷达数据分段门限值，将激光雷达各通道数据分为不同的连续段数据；
分段数据处理模块，用于对各通道分段数据进行平滑滤波，计算各通道各分段数据在z轴上的斜率值，根据斜率的正负性对分段数据进行再次分段；其中，雷达数据扫描到路沿可分为以下三种情况：①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路时，扫描在路沿上的数据在z轴上斜率先为正后为负；②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正；分段数据处理模块还用于根据这三种情况提取各通道数据的路沿候选段，并根据提取的各通道数据的路沿候选段，提取可能的路沿点，再通过LDA思想与高度聚类的方法，剔除异常路沿点；
拟合模块，用于对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
附图说明
图1为本发明的方法的总体流程图；
图2为雷达一帧数据俯视图；
图3为雷达一帧数据路沿识别俯视图；
图4为路沿地图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合一台车载16线激光雷达的一帧数据对本发明进行详细描述，本实例中激光雷达装在小型巴士车头左前方的中间位置，距地高度为1.13m。该16线激光雷达采集频率为10Hz，角分辨率为0.18°，包括采集时间、x、y、z、折射率、车速等二进制信息。
步骤一：激光雷达数据预处理：
(1)对数据进行解析，并将雷达点云数据坐标与GPS坐标进行一一匹配；
(2)数据感兴趣范围选取：选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
(3)车身数据剔除：由于本实例中雷达装载的位置，会导致大约有90°范围的点云数据会扫描在车身上，需对车身数据进行剔除；
(4)数据排序：由于对车身数据进行了剔除，为使数据连续对数据进行重新排序，需使数据起始点和终止点刚好为剔除数据的两端。
图2所示为雷达一帧数据俯视图，为车辆行驶过程中在一个丁字路口所扫描到的点云数据，坐标(0,0)为雷达中心位置，y轴正方向是车辆行驶方向，为主道路，x轴负方向为副道路。
步骤二：激光雷达数据分段：分开读取不同通道的数据，识别数据断点，将数据分为不同的段。对于步骤一中选取的数据，本技术方案中不使用全部数据同时寻找路沿的方法，而是各通道单独处理一帧数据。
(1)识别断点：找到每一条通道的最远距离,根据勾股定理与圆周长公式，则可计算出点距p_pdis。
(2)本实施例中认为可调参数为10，以10*p_pdis作为分段点门限值，对数据进行分段。其中可调参数为自定义值，可根据需求自行决定。
步骤三：分段数据处理：通过对分段后数据的物理特征进行比较，筛选出可能包含路沿的分段数据。
(1)计算分段数据的物理特征，即各分段数据在z轴上的斜率值，为正这说明为升高，为负这说明降低。根据各分段计算出的斜率的正负性，再次对数据分段。
(2)雷达数据扫描到路沿可分为以下三种情况：
①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路内时，扫描在路沿上的数据在z轴上斜率先为正后为负；
②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；
③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正。
(3)对满足(2)中三种情况的分段进行高度差与数据z轴变化的判断，确定该分段是否包含路沿点，提取各通道数据的路沿候选段。
(4)根据(3)提取的各通道数据的路沿候选段，提取可能的路沿点。再通过LDA思想与高度聚类的方法，剔除异常路沿点数据。
图3的雷达一帧数据路沿识别俯视图与图2同位置，其中点数据是雷达扫描的一帧点云数据，空心圆表示识别的路沿点。
步骤四：对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
在另一实施方式中，本发明还提供一种基于激光点云的路沿识别系统，用于确定道路边界，包括：
激光雷达数据预处理模块，用于对原始激光雷达数据进行解析，并进行点云数据与GPS数据的一一对应，选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
激光雷达数据分段模块，用于对所述选取的数据，根据不同通道数据点的点距，确定各通道激光雷达数据分段门限值，将激光雷达各通道数据分为不同的连续段数据；
分段数据处理模块，用于对各通道分段数据进行平滑滤波，计算各通道各分段数据在z轴上的斜率值，根据斜率的正负性对分段数据进行再次分段；其中，雷达数据扫描到路沿可分为以下三种情况：①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路时，扫描在路沿上的数据在z轴上斜率先为正后为负；②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正；分段数据处理模块还用于根据这三种情况提取各通道数据的路沿候选段，并根据提取的各通道数据的路沿候选段，提取可能的路沿点，再通过LDA思想与高度聚类的方法，剔除异常路沿点；
拟合模块，用于对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
图4路沿地图中，左边图为本实施例采集地点的卫星截图。
图4路沿地图中，中间和右边图为车辆在园区内行驶两圈所采集到的雷达垂直夹角小于0°的所有点云数据，通过步骤一到步骤三的方法识别到的所有路沿点。
图4中，左边和中间图中的路口编号1至5相互对应。
图4中，中间图编号6处路沿缺失部分是因为此处停有车辆，将路沿遮挡，激光雷达无法扫描到路沿。对于该情况，可利用不同时段对数据进行采集，对无法扫描到的点进行补充。
图4中，右边图为本实例对路沿点数据的拟合结果。本实施例采取封闭园区的思路，对每个路口进行封闭连接，但本发明应用不局限于封闭园区路沿地图的建立。本实例未对缺失数据进行二次扫描，而是对未扫描到的路段进行直线连接，在实际应用中根据道路情况选择是否对缺失数据进行多次补充。对于路沿分段拟合的结果，可以看出识别错误的路沿点对路沿拟合几乎无影响。
最后应当说明的是：以上实施实例仅阐述了本案的一种技术方案，虽然本文通过附图等对本方案进行了详细说明，但所属领域的普通技术人员应当理解：通过对本案的一些具体实施方式进行修改或对其部分技术特征进行等同替换，而不脱离本技术方案的设计思路，由此产生的类似方案依然属于本案请求保护范围当中。

Claims (2)

1.一种基于激光点云的路沿识别方法，用于确定道路边界，其特征在于，包括以下步骤：
步骤一、对原始激光雷达数据进行解析，并进行点云数据与GPS数据的一一对应，选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
步骤二、对于步骤一中选取的数据，根据不同通道到达地面的最远距离，计算连续点云数据间的平均距离，确定各通道激光雷达数据分段门限值，将激光雷达各通道数据分为不同的连续段数据；
步骤三、对各通道分段数据进行平滑滤波，计算各通道各分段数据在z轴上的斜率值，根据斜率的正负性对分段数据进行再次分段；其中，雷达数据扫描到路沿可分为以下三种情况：①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路时，扫描在路沿上的数据在z轴上斜率先为正后为负；②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正；根据这三种情况提取各通道数据的路沿候选段；根据提取的各通道数据的路沿候选段，提取可能的路沿点，再通过LDA思想与高度聚类的方法，剔除异常路沿点；
步骤四、对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
2.一种基于激光点云的路沿识别系统，用于确定道路边界，其特征在于，包括：
激光雷达数据预处理模块，用于对原始激光雷达数据进行解析，并进行点云数据与GPS数据的一一对应，选取雷达垂直角度小于0°的雷达通道数据作为分析数据；
激光雷达数据分段模块，用于对所述选取的数据，根据不同通道到达地面的最远距离，计算连续点云数据间的平均距离，确定各通道激光雷达数据分段门限值，将激光雷达各通道数据分为不同的连续段数据；
分段数据处理模块，用于对各通道分段数据进行平滑滤波，计算各通道各分段数据在z轴上的斜率值，根据斜率的正负性对分段数据进行再次分段；其中，雷达数据扫描到路沿可分为以下三种情况：①雷达扫描点从道路进入到道路路沿后从道路路沿回到道路时，扫描在路沿上的数据在z轴上斜率先为正后为负；②雷达扫描点从道路外进入到道路时，扫描在路沿上的数据在z轴上斜率为负；③雷达扫描点从道路进入到道路外时，扫描在路沿上的数据在z轴上斜率为正；分段数据处理模块还用于根据这三种情况提取各通道数据的路沿候选段，并根据提取的各通道数据的路沿候选段，提取可能的路沿点，再通过LDA思想与高度聚类的方法，剔除异常路沿点；
拟合模块，用于对提取到的路沿点在GPS坐标系下进行拟合，建立路沿地图。
CN201910559112.3A 2019-06-26 2019-06-26 一种基于激光点云的路沿识别方法及系统 Active CN112147602B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910559112.3A CN112147602B (zh) 2019-06-26 2019-06-26 一种基于激光点云的路沿识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910559112.3A CN112147602B (zh) 2019-06-26 2019-06-26 一种基于激光点云的路沿识别方法及系统

Publications (2)

Publication Number Publication Date
CN112147602A true CN112147602A (zh) 2020-12-29
CN112147602B CN112147602B (zh) 2024-01-16

Family

ID=73869685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910559112.3A Active CN112147602B (zh) 2019-06-26 2019-06-26 一种基于激光点云的路沿识别方法及系统

Country Status (1)

Country Link
CN (1) CN112147602B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114425774A (zh) * 2022-01-21 2022-05-03 深圳优地科技有限公司 机器人行走道路的识别方法、识别设备以及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法
CN108519605A (zh) * 2018-04-09 2018-09-11 重庆邮电大学 基于激光雷达和摄像机的路沿检测方法
WO2018205119A1 (zh) * 2017-05-09 2018-11-15 深圳市速腾聚创科技有限公司 基于激光雷达扫描的路沿检测方法和系统
CN108931786A (zh) * 2018-05-17 2018-12-04 北京智行者科技有限公司 路沿检测装置和方法
CN109752701A (zh) * 2019-01-18 2019-05-14 中南大学 一种基于激光点云的道路边沿检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636763A (zh) * 2014-12-01 2015-05-20 北京工业大学 一种基于无人驾驶车的道路与障碍物检测方法
WO2018205119A1 (zh) * 2017-05-09 2018-11-15 深圳市速腾聚创科技有限公司 基于激光雷达扫描的路沿检测方法和系统
CN108519605A (zh) * 2018-04-09 2018-09-11 重庆邮电大学 基于激光雷达和摄像机的路沿检测方法
CN108931786A (zh) * 2018-05-17 2018-12-04 北京智行者科技有限公司 路沿检测装置和方法
CN109752701A (zh) * 2019-01-18 2019-05-14 中南大学 一种基于激光点云的道路边沿检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孔栋;孙亮;王建强;王晓原;: "基于3D激光雷达点云的道路边界识别算法", 广西大学学报(自然科学版), no. 03 *
段建民;任璐;王昶人;刘丹;: "基于四线激光雷达的道路信息提取与目标检测", 激光杂志, no. 06 *
邹斌;谭亮;侯献军;: "基于激光雷达的道路可行区域检测", 武汉理工大学学报(交通科学与工程版), no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114425774A (zh) * 2022-01-21 2022-05-03 深圳优地科技有限公司 机器人行走道路的识别方法、识别设备以及存储介质
CN114425774B (zh) * 2022-01-21 2023-11-03 深圳优地科技有限公司 机器人行走道路的识别方法、识别设备以及存储介质

Also Published As

Publication number Publication date
CN112147602B (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
EP3506158B1 (en) Method and apparatus for determining lane line on road
CN110780305A (zh) 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法
CN109143207B (zh) 激光雷达内参精度验证方法、装置、设备及介质
CN108132675B (zh) 一种工厂巡视无人机自主路径巡航以及智能避障方法
CN108280840B (zh) 一种基于三维激光雷达的道路实时分割方法
CN112380317B (zh) 高精地图更新方法、装置、电子设备和存储介质
CN114488194A (zh) 一种智能驾驶车辆结构化道路下目标检测识别方法
CN112740225B (zh) 一种路面要素确定方法及装置
Wang et al. Automatic road extraction from mobile laser scanning data
CN115049700A (zh) 一种目标检测方法及装置
CN112001216A (zh) 一种基于计算机的汽车行驶车道检测系统
CN111580131A (zh) 三维激光雷达智能车在高速公路上识别车辆的方法
CN109636842A (zh) 车道线修正方法、装置、设备及存储介质
CN113255444A (zh) 图像识别模型的训练方法、图像识别方法和装置
CN113424240B (zh) 行驶道路识别装置
CN114821526A (zh) 基于4d毫米波雷达点云的障碍物三维边框检测方法
CN114863376A (zh) 一种基于车载激光点云数据的道路标线分割方法及系统
CN114841910A (zh) 车载镜头遮挡识别方法及装置
Sucgang et al. Road surface obstacle detection using vision and LIDAR for autonomous vehicle
CN114881241A (zh) 基于深度学习的车道线检测方法、装置及自动驾驶方法
CN112147602A (zh) 一种基于激光点云的路沿识别方法及系统
CN112733678A (zh) 测距方法、装置、计算机设备和存储介质
Na et al. Drivable space expansion from the ground base for complex structured roads
CN114419573A (zh) 动态占据栅格估计方法及装置
CN111539278A (zh) 一种用于目标车辆的检测方法及系统

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: 710201 Jingwei Industrial Zone, Xi'an economic and Technological Development Zone, Shaanxi, China

Applicant after: Shaanxi Automobile Group Co.,Ltd.

Address before: 710201 Jingwei Industrial Zone, Xi'an economic and Technological Development Zone, Shaanxi, China

Applicant before: SHAANXI AUTOMOBILE GROUP Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant