CN112162297A - 一种剔除激光点云地图中动态障碍伪迹的方法 - Google Patents

一种剔除激光点云地图中动态障碍伪迹的方法 Download PDF

Info

Publication number
CN112162297A
CN112162297A CN202011017187.8A CN202011017187A CN112162297A CN 112162297 A CN112162297 A CN 112162297A CN 202011017187 A CN202011017187 A CN 202011017187A CN 112162297 A CN112162297 A CN 112162297A
Authority
CN
China
Prior art keywords
point cloud
cloud data
data
frame
radar
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
CN202011017187.8A
Other languages
English (en)
Other versions
CN112162297B (zh
Inventor
刘爽
刘轩
赵丁选
倪涛
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN202011017187.8A priority Critical patent/CN112162297B/zh
Publication of CN112162297A publication Critical patent/CN112162297A/zh
Application granted granted Critical
Publication of CN112162297B publication Critical patent/CN112162297B/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
    • 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
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种能够快速实时将动态障碍从静态背景地图剔除动态障碍物伪迹的方法，所述方法包括：采集激光雷达、IMU、GPS数据，将n帧雷达点云转换到UTM坐标系下；第k帧密集点云地图由第k帧之前的N‑1帧点云配准到第N帧得到，对于k>2N‑2帧，第k帧密集点云地图由第k帧之前的N‑1帧静态点云配准到第N帧得到；将第k帧密集点云地图和第k云进行地面分割，保留非地面点No和Ni；将点云No和Ni栅格化，判断每个栅格的动静态属性；将第N帧至第n‑1帧处理得到的静态点云配准到第n帧点云后生成的点云地图即为剔除动态障碍伪迹多帧点云密集地图，该方法保证精度的同时大大减小了计算量，节约了计算时间，达到快速生成剔除动态障碍伪迹的密集点云地图的目的。

Description

一种剔除激光点云地图中动态障碍伪迹的方法
技术领域
本发明涉及雷达数据处理技术领域，尤其涉及一种剔除激光点云地图中动态障碍伪迹的方法。
背景技术
随着自动驾驶和辅助驾驶的快速发展，环境感知显得至关重要。目前，车前地形的检测主要内容是检测车辆前方的路面障碍物位置信息，以避障为主要目的，单帧激光点云即可完成此目的。针对具有越障和主动悬架调控能力的车辆，能快速生成精确的车前地形地图有着非常重要的意义。但单帧点云过于稀疏，不能精确的反映地面地形的起伏变化，因此往往需要多帧点云配准在一起形成密集点云地图。但当有如行人、滚石等移动物体出现在车辆前方时，由于每帧其位置都不相同，在多帧配准后多的密集地图上会形成连续的伪迹，这会对地面地形信息的提取产生严重的干扰，因此研究剔除激光点云地图中动态障碍伪迹的方法具有实际意义。现有的检测动态障碍的方法主要利用动态追踪技术对固定模型的动态障碍进行追踪检测，这类方法往往依赖动态障碍的几何模型或运动模型，对于几何特征和运动特征不明显的动态障碍不能取得较好的检测结果。
发明内容
根据现有技术存在的问题，本发明公开了一种剔除激光点云地图中动态障碍伪迹的方法，用于从静态背景点云中剔除动态障碍点，保留静态点云生成多帧点云密集地图，包括以下步骤：
S1:激光雷达采集车辆周围环境的点云数据、IMU采集车辆的姿态数据、GPS采集车辆的位置数据，将所有采集的雷达点云数据、姿态数据和位置数据进行数据融合，消除雷达的点云畸变，并将所有消除畸变的雷达点云数据转换到UTM坐标系下，得到完成粗配准n帧雷达数据，其中：n>2N-1，取k＝N；
S2:将完成粗配准的第k帧点云数据之前的N-1帧完成粗配准雷达点云数据以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk；
S3:将密集点云数据Pk和第k帧完成粗配准的雷达点云数据分别进行地面分割，剔除地面点，得到密集点云数据Pk的非地面点点云数据的No和第k帧完成粗配准的雷达点云数据的非地面点点云数据Ni；
S4:将非地面点点云数据的No和的非地面点点云数据Ni进行栅格化，根据对比方法对比No和Ni相同栅格中点云数目，当同一栅格No的点云数目介于Ni的点云数目的1-ξ至1+ξ倍时，Ni的此栅格被判断为具有动态属性，滤除Ni中具有动态属性的栅格包含的点云数据，保留其它栅格的点云数据构成第k帧剔除地面点和动态障碍点的点云数据Pk,S；
S5：k＝k+1，当N<k<2N-1时，返回S2，当2N-2<k<n时，将第k帧之前的N-1帧剔除地面点和动态障碍点后的点云数据Pi,S(i＝k-N+1，k-N+2…k-1)以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk，返回S3，当k＝n时，对得到的所有剔除地面点和动态障碍点的点云数据Pj,S(j＝N，N+1…n-1)，以完成粗配准的第n帧点云数据为参考点云进行精配准拼接，生成密集点云数据Qn，此时利用密集点云数据Qn生成的点云地图即为剔除动态障碍伪迹多帧点云密集地图。
进一步地，所述数据融合的过程如下：将激光雷达、IMU和GPS的时间标签对准，具体为
S1-1:利用GPS的秒脉冲信号对IMU和激光雷达进行帧间数据同步授时；
S1-2:利用匀加速模型和插值法对帧内数据进行同步。
进一步地，所述的n帧点云，指雷达采集得到所有点云数据，所述N表示对比法中形成密集点云的帧数，所述k表示雷达点云的序列数。
进一步地，所述精配准算法采用迭代最近邻算法。
进一步地，所述地面分割算法采用随机采样一致算法。
进一步地，所述栅格化的过程如下：
将三维雷达点云根据水平轴xy轴坐标映射到二维坐标系，具体为：
Figure BDA0002699452580000021
其中，[·]表示取整函数，x0、y0表示栅格的大小，
Figure BDA0002699452580000022
表示栅格化后的坐标，xve，yve表示车辆质心在UTM坐标系下x,y轴的坐标值。
进一步地，所述比较方法为：
Figure BDA0002699452580000031
其中，
Figure BDA0002699452580000032
表示栅格属性，D＝1，表示此栅格具有动态属性，D＝0，表示此栅格不具有动态属性，
Figure BDA0002699452580000034
和
Figure BDA0002699452580000035
分别表示点云No和Ni在栅格
Figure BDA0002699452580000036
内的点云数量，ξ表示阈值，其取值范围为：0<ξ<1，N0表示栅格内点数阈值；
进一步地：所述滤除第N帧点云数据中动态栅格包含的点云得到其它栅格点云的方法为：
Figure BDA0002699452580000037
其中，PoN表示静态点云，
Figure BDA0002699452580000038
表示栅格
Figure BDA0002699452580000039
中的点云，
Figure BDA00026994525800000310
表示点云的相加。
由于采用了上述技术方案，本发明提供的种剔除激光点云地图中动态障碍伪迹的方法，利用激光雷达对动静态障碍物扫描得到的多帧点云地图在不同区域的密度会有所不同这种激光雷达地图特有的属性作为区分动静态障碍的标准，同时结合多传感器数据融合及栅格法，通过先栅格化再判断动静态属性的方法，达到既快又准的分割效果，同时也具有普遍适应性，在保证精度的同时大大减小了计算量，节约了计算时间，达到快速生成剔除动态障碍伪迹的密集点云地图的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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申请中记载的一些实施例，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是该发明方法原理图；
图2该方法的流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚，下面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的描述：
图1是该发明方法原理图；图2该方法的流程图；一种剔除激光点云地图中动态障碍伪迹的方法，用于从静态背景点云中剔除动态障碍点，保留静态点云生成多帧点云密集地图，其特征在于，包括以下步骤：
S1:激光雷达采集车辆周围环境的点云数据、IMU采集车辆的姿态数据、GPS采集车辆的位置数据，将所有采集的雷达点云数据、姿态数据和位置数据进行数据融合，消除雷达的点云畸变，并将所有消除畸变的雷达点云数据转换到UTM坐标系下，得到完成粗配准n帧雷达数据，其中：n>2N-1，取k＝N；
S2:将完成粗配准的第k帧点云数据之前的N-1帧完成粗配准雷达点云数据以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk；
S3:将密集点云数据Pk和第k帧完成粗配准的雷达点云数据分别进行地面分割，剔除地面点，得到密集点云数据Pk的非地面点点云数据的No和第k帧完成粗配准的雷达点云数据的非地面点点云数据Ni；
S4:将非地面点点云数据的No和的非地面点点云数据Ni进行栅格化，根据对比方法对比No和Ni相同栅格中点云数目，当同一栅格No的点云数目介于Ni的点云数目的1-ξ至1+ξ倍时，Ni的此栅格被判断为具有动态属性，滤除Ni中具有动态属性的栅格包含的点云数据，保留其它栅格的点云数据构成第k帧剔除地面点和动态障碍点的点云数据Pk,S；
S5：k＝k+1，当N<k<2N-1时，返回S2，当2N-2<k<n时，将第k帧之前的N-1帧剔除地面点和动态障碍点后的点云数据Pi,S(i＝k-N+1，k-N+2…k-1)以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk，返回S3，当k＝n时，对得到的所有剔除地面点和动态障碍点的点云数据Pj,S(j＝N，N+1…n-1)，以完成粗配准的第n帧点云数据为参考点云进行精配准拼接，生成密集点云数据Qn，此时利用密集点云数据Qn生成的点云地图即为剔除动态障碍伪迹多帧点云密集地图。
进一步地，所述数据融合的过程如下：将激光雷达、IMU和GPS的时间标签对准，具体为：
S1-1:利用GPS的秒脉冲信号对IMU和激光雷达进行帧间数据同步授时；
S1-2:利用匀加速模型和插值法对帧内数据进行同步。
进一步地，所述的n帧点云，指雷达采集得到所有点云数据，所述N表示对比法中形成密集点云的帧数，所述k表示雷达点云的序列数。
进一步地，所述精配准算法采用迭代最近邻算法。
进一步地，所述地面分割算法采用随机采样一致算法。
进一步地，所述栅格化的过程如下：
将三维雷达点云根据水平轴xy轴坐标映射到二维坐标系，具体为：
Figure BDA0002699452580000051
其中，[·]表示取整函数，x0、y0表示栅格的大小，
Figure BDA0002699452580000052
表示栅格化后的坐标，xve，yve表示车辆质心在UTM坐标系下x,y轴的坐标值。
进一步地，所述比较方法为：
Figure BDA0002699452580000053
其中，
Figure BDA0002699452580000054
表示栅格
Figure BDA0002699452580000055
属性，D＝1，表示此栅格具有动态属性，D＝0，表示此栅格不具有动态属性，
Figure BDA0002699452580000056
和
Figure BDA0002699452580000057
分别表示点云No和Ni在栅格
Figure BDA0002699452580000058
内的点云数量，ξ表示阈值，其取值范围为：0<ξ<1，N0表示栅格内点数阈值；
进一步地，所述滤除第N帧点云数据中动态栅格包含的点云得到其它栅格点云的方法为：
Figure BDA0002699452580000059
其中，PoN表示静态点云，
Figure BDA00026994525800000510
表示栅格
Figure BDA00026994525800000511
中的点云，
Figure BDA00026994525800000512
表示点云的相加。
实施例1，一种剔除激光点云地图中动态障碍伪迹的方法，包括如下具体流程：
S1：激光雷达采集车辆周围环境的点云数据、IMU采集车辆的姿态数据、GPS采集车辆的位置数据，将所有采集的雷达点云数据、姿态数据和位置数据进行数据融合，消除雷达的点云畸变，并将所有消除畸变的雷达点云数据转换到UTM坐标系下，得到完成粗配准n帧雷达数据，取k＝5；
S2：将完成粗配准的第k帧点云数据之前的4帧完成粗配准雷达点云数据以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk；
S3：将密集点云数据Pk和第k帧完成粗配准的雷达点云数据分别进行地面分割，剔除地面点，得到密集点云数据Pk的非地面点点云数据的No和第k帧完成粗配准的雷达点云数据的非地面点点云数据Ni；
S4:将非地面点点云数据的No和的非地面点点云数据Ni进行栅格化，根据对比方法对比No和Ni相同栅格中点云数目，当同一栅格No的点云数目介于Ni的点云数目的1-ξ至1+ξ倍时，ξ通常去0.5，Ni的此栅格被判断为具有动态属性，滤除Ni中具有动态属性的栅格包含的点云数据，保留其它栅格的点云数据构成第k帧剔除地面点和动态障碍点的点云数据Pk,S；
S5：k＝k+1，当5<k<9时，返回S2，当8<k<n时，将第k帧之前的N-1帧剔除地面点和动态障碍点后的点云数据Pi,S(i＝k-4，k-3…k-1)以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk，返回S3，当k＝n时，对得到的所有剔除地面点和动态障碍点的点云数据Pj,S(j＝5，6…n-1)，以完成粗配准的第n帧点云数据为参考点云进行精配准拼接，生成密集点云数据Qn，此时利用密集点云数据Qn生成的点云地图即为剔除动态障碍伪迹多帧点云密集地图。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种剔除激光点云地图中动态障碍伪迹的方法，用于从静态背景点云中剔除动态障碍点，保留静态点云生成多帧点云密集地图，其特征在于，包括以下步骤：
S1:激光雷达采集车辆周围环境的点云数据、IMU采集车辆的姿态数据、GPS采集车辆的位置数据，将所有采集的雷达点云数据、姿态数据和位置数据进行数据融合，消除雷达的点云畸变，并将所有消除畸变的雷达点云数据转换到UTM坐标系下，得到完成粗配准n帧雷达数据，其中：n>2N-1，取k＝N；
S2:将完成粗配准的第k帧点云数据之前的N-1帧完成粗配准雷达点云数据以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk；
S3:将密集点云数据Pk和第k帧完成粗配准的雷达点云数据分别进行地面分割，剔除地面点，得到密集点云数据Pk的非地面点点云数据的No和第k帧完成粗配准的雷达点云数据的非地面点点云数据Ni；
S4:将非地面点点云数据的No和的非地面点点云数据Ni进行栅格化，根据对比方法对比No和Ni相同栅格中点云数目，当同一栅格No的点云数目介于Ni的点云数目的1-ξ至1+ξ倍时，Ni的此栅格被判断为具有动态属性，滤除Ni中具有动态属性的栅格包含的点云数据，保留其它栅格的点云数据构成第k帧剔除地面点和动态障碍点的点云数据Pk,S；
S5：k＝k+1，当N<k<2N-1时，返回S2，当2N-2<k<n时，将第k帧之前的N-1帧剔除地面点和动态障碍点后的点云数据Pi,S(i＝k-N+1，k-N+2…k-1)以第k帧完成粗配准的雷达点云数据为参考点云进行精配准拼接，生成第k帧的密集点云数据Pk，返回S3，当k＝n时，对得到的所有剔除地面点和动态障碍点的点云数据Pj,S(j＝N，N+1…n-1)，以完成粗配准的第n帧点云数据为参考点云进行精配准拼接，生成密集点云数据Qn，此时利用密集点云数据Qn生成的点云地图即为剔除动态障碍伪迹多帧点云密集地图。
2.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征在于：所述数据融合的过程如下：将激光雷达、IMU和GPS的时间标签对准，具体为S1-1:利用GPS的秒脉冲信号对IMU和激光雷达进行帧间数据同步授时；
S1-2:利用匀加速模型和插值法对帧内数据进行同步。
3.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述的n帧点云，指雷达采集得到所有点云数据，所述N表示对比法中形成密集点云的帧数，所述k表示雷达点云的序列数。
4.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述精配准算法采用迭代最近邻算法。
5.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述地面分割算法采用随机采样一致算法。
6.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述栅格化的过程如下：
将三维雷达点云根据水平轴xy轴坐标映射到二维坐标系，具体为：
Figure FDA0002699452570000021
其中，[·]表示取整函数，x0、y0表示栅格的大小，
Figure FDA0002699452570000022
表示栅格化后的坐标，xve，yve表示车辆质心在UTM坐标系下x,y轴的坐标值。
7.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述比较方法为：
Figure FDA0002699452570000023
其中，
Figure FDA0002699452570000024
表示栅格
Figure FDA0002699452570000025
属性，D＝1，表示此栅格具有动态属性，D＝0，表示此栅格不具有动态属性，
Figure FDA0002699452570000026
和
Figure FDA0002699452570000027
分别表示点云No和Ni在栅格
Figure FDA0002699452570000031
内的点云数量，ξ表示阈值，其取值范围为：0<ξ<1，N0表示栅格内点数阈值。
8.根据权利要求1所述的一种剔除激光点云地图中动态障碍伪迹的方法，其特征还在于：所述滤除第N帧点云数据中动态栅格包含的点云得到其它栅格点云的方法为：
Figure FDA0002699452570000032
其中，PoN表示静态点云，
Figure FDA0002699452570000033
表示栅格
Figure FDA0002699452570000034
中的点云，
Figure FDA0002699452570000035
表示点云的相加。
CN202011017187.8A 2020-09-24 2020-09-24 一种剔除激光点云地图中动态障碍伪迹的方法 Active CN112162297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011017187.8A CN112162297B (zh) 2020-09-24 2020-09-24 一种剔除激光点云地图中动态障碍伪迹的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011017187.8A CN112162297B (zh) 2020-09-24 2020-09-24 一种剔除激光点云地图中动态障碍伪迹的方法

Publications (2)

Publication Number Publication Date
CN112162297A true CN112162297A (zh) 2021-01-01
CN112162297B CN112162297B (zh) 2022-07-19

Family

ID=73862765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011017187.8A Active CN112162297B (zh) 2020-09-24 2020-09-24 一种剔除激光点云地图中动态障碍伪迹的方法

Country Status (1)

Country Link
CN (1) CN112162297B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240713A (zh) * 2021-05-12 2021-08-10 深圳市千乘机器人有限公司 一种自主移动机器人建图的动态物体过滤方法
CN113419539A (zh) * 2021-07-14 2021-09-21 燕山大学 具有复杂地形可通过性判断的移动机器人路径规划方法
CN113688880A (zh) * 2021-08-02 2021-11-23 南京理工大学 一种基于云计算的障碍地图的创建方法
CN114384492A (zh) * 2022-03-24 2022-04-22 北京一径科技有限公司 用于激光雷达的点云处理方法及装置、存储介质
CN115060276A (zh) * 2022-06-10 2022-09-16 江苏集萃清联智控科技有限公司 一种多环境适应性自动驾驶车辆定位设备、系统及方法
WO2024027587A1 (zh) * 2022-08-02 2024-02-08 湖南大学无锡智能控制研究院 一种激光点云动态障碍物剔除方法、装置及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190011566A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for identifying laser point cloud data of autonomous vehicle
CN109443369A (zh) * 2018-08-20 2019-03-08 北京主线科技有限公司 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法
CN110658531A (zh) * 2019-08-23 2020-01-07 畅加风行(苏州)智能科技有限公司 一种用于港口自动驾驶车辆的动态目标追踪方法
CN110824495A (zh) * 2019-11-20 2020-02-21 中国人民解放军国防科技大学 基于激光雷达的果蝇视觉启发的三维运动目标检测方法
JP2020034559A (ja) * 2018-08-30 2020-03-05 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 動的障害物の位置校正方法、装置、機器、及び記憶媒体
CN111338361A (zh) * 2020-05-22 2020-06-26 浙江远传信息技术股份有限公司 低速无人车避障方法、装置、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190011566A1 (en) * 2017-07-04 2019-01-10 Baidu Online Network Technology (Beijing) Co., Ltd. Method and apparatus for identifying laser point cloud data of autonomous vehicle
CN109443369A (zh) * 2018-08-20 2019-03-08 北京主线科技有限公司 利用激光雷达和视觉传感器融合构建动静态栅格地图的方法
JP2020034559A (ja) * 2018-08-30 2020-03-05 バイドゥ オンライン ネットワーク テクノロジー （ベイジン） カンパニー リミテッド 動的障害物の位置校正方法、装置、機器、及び記憶媒体
CN110658531A (zh) * 2019-08-23 2020-01-07 畅加风行(苏州)智能科技有限公司 一种用于港口自动驾驶车辆的动态目标追踪方法
CN110824495A (zh) * 2019-11-20 2020-02-21 中国人民解放军国防科技大学 基于激光雷达的果蝇视觉启发的三维运动目标检测方法
CN111338361A (zh) * 2020-05-22 2020-06-26 浙江远传信息技术股份有限公司 低速无人车避障方法、装置、设备及介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GANG CHEN ET AL.: "Path planning method with obstacle avoidance for manipulators in dynamic environment", 《INTERNATIONAL JOURNAL OF ADVANCED ROBOTIC SYSTEMS》 *
YUXIAO LI: "Dynamic Obstacle Tracking Based On High-Definition Map In Urban Scene", 《PROCEEDING OF THE IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS》 *
杜军: "基于激光雷达的环境识别及局部路径规划技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》 *
王任栋等: "一种鲁棒的城市复杂动态场景点云配准方法", 《机器人》 *
郑壮壮等: "动态环境下无人地面车辆点云地图快速重定位方法", 《兵工学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240713A (zh) * 2021-05-12 2021-08-10 深圳市千乘机器人有限公司 一种自主移动机器人建图的动态物体过滤方法
CN113419539A (zh) * 2021-07-14 2021-09-21 燕山大学 具有复杂地形可通过性判断的移动机器人路径规划方法
CN113419539B (zh) * 2021-07-14 2022-07-01 燕山大学 具有复杂地形可通过性判断的移动机器人路径规划方法
CN113688880A (zh) * 2021-08-02 2021-11-23 南京理工大学 一种基于云计算的障碍地图的创建方法
CN114384492A (zh) * 2022-03-24 2022-04-22 北京一径科技有限公司 用于激光雷达的点云处理方法及装置、存储介质
CN115060276A (zh) * 2022-06-10 2022-09-16 江苏集萃清联智控科技有限公司 一种多环境适应性自动驾驶车辆定位设备、系统及方法
CN115060276B (zh) * 2022-06-10 2023-05-12 江苏集萃清联智控科技有限公司 一种多环境适应性自动驾驶车辆定位设备、系统及方法
WO2024027587A1 (zh) * 2022-08-02 2024-02-08 湖南大学无锡智能控制研究院 一种激光点云动态障碍物剔除方法、装置及电子设备

Also Published As

Publication number Publication date
CN112162297B (zh) 2022-07-19

Similar Documents

Publication Publication Date Title
CN112162297B (zh) 一种剔除激光点云地图中动态障碍伪迹的方法
CN110658531B (zh) 一种用于港口自动驾驶车辆的动态目标追踪方法
CN108152831B (zh) 一种激光雷达障碍物识别方法及系统
CN111928862A (zh) 利用激光雷达和视觉传感器融合在线构建语义地图的方法
CN111652179A (zh) 基于点线特征融合激光的语义高精地图构建与定位方法
CN111209825B (zh) 一种用于动态目标3d检测的方法和装置
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN110542908A (zh) 应用于智能驾驶车辆上的激光雷达动态物体感知方法
CN113640822B (zh) 一种基于非地图元素过滤的高精度地图构建方法
JP2022542289A (ja) 地図作成方法、地図作成装置、電子機器、記憶媒体及びコンピュータプログラム製品
CN112740225B (zh) 一种路面要素确定方法及装置
CN113205604A (zh) 一种基于摄像机和激光雷达的可行区域检测方法
CN114325634A (zh) 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法
CN114485698A (zh) 一种交叉路口引导线生成方法及系统
CN114295139A (zh) 一种协同感知定位方法及系统
CN114556442A (zh) 三维点云分割方法和装置、可移动平台
CN112257668A (zh) 主辅路判断方法、装置、电子设备及存储介质
CN115908539A (zh) 一种目标体积自动测量方法和装置、存储介质
CN111829514A (zh) 一种适用于车辆底盘集成控制的路面工况预瞄方法
CN112732860B (zh) 道路提取方法、装置、可读存储介质及设备
CN110927765B (zh) 激光雷达与卫星导航融合的目标在线定位方法
CN116403191A (zh) 一种基于单目视觉的三维车辆跟踪方法、装置和电子设备
CN116246033A (zh) 一种面向非结构化道路的快速语义地图构建方法
CN115468576A (zh) 一种基于多模态数据融合的自动驾驶定位方法及系统
CN111414848B (zh) 一种全类别3d障碍物检测方法、系统和介质

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