CN112162297B - 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 PDFInfo
- Publication number
- CN112162297B CN112162297B CN202011017187.8A CN202011017187A CN112162297B CN 112162297 B CN112162297 B CN 112162297B CN 202011017187 A CN202011017187 A CN 202011017187A CN 112162297 B CN112162297 B CN 112162297B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- data
- radar
- frame
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000003068 static effect Effects 0.000 claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 239000004576 sand Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000004888 barrier function Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (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
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:
进一步地,所述比较方法为:
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:
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:
进一步地,所述比较方法为:
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:
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 (7)
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;所述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;
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:所述精配准算法采用迭代最近邻算法。
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:所述地面分割算法采用随机采样一致算法。
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 CN112162297A (zh) | 2021-01-01 |
CN112162297B true 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) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733938A (zh) * | 2021-01-11 | 2021-04-30 | 上海思岚科技有限公司 | 一种障碍物识别辅助建图与定位的方法及设备 |
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 |
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 |
CN113688880B (zh) * | 2021-08-02 | 2024-09-13 | 南京理工大学 | 一种基于云计算的障碍地图的创建方法 |
CN114384492B (zh) * | 2022-03-24 | 2022-06-24 | 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 |
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 |
CN115273068B (zh) * | 2022-08-02 | 2023-05-12 | 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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214248B (zh) * | 2017-07-04 | 2022-04-29 | 阿波罗智能技术(北京)有限公司 | 用于识别无人驾驶车辆的激光点云数据的方法和装置 |
-
2020
- 2020-09-24 CN CN202011017187.8A patent/CN112162297B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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)
Title |
---|
Dynamic Obstacle Tracking Based On High-Definition Map In Urban Scene;Yuxiao Li;《Proceeding of the IEEE International Conference on Robotics and Biomimetics》;20191231;第461-466页 * |
Path planning method with obstacle avoidance for manipulators in dynamic environment;Gang Chen et al.;《International Journal of Advanced Robotic Systems》;20181128;第1-18页 * |
一种鲁棒的城市复杂动态场景点云配准方法;王任栋等;《机器人》;20180531;第40卷(第03期);第257-265页 * |
动态环境下无人地面车辆点云地图快速重定位方法;郑壮壮等;《兵工学报》;20200831;第41卷(第08期);第1581-1589页 * |
基于激光雷达的环境识别及局部路径规划技术研究;杜军;《中国优秀博硕士学位论文全文数据库(硕士)工程科技II辑》;20200815;第9-34页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112162297A (zh) | 2021-01-01 |
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 | |
CN109341706B (zh) | 一种面向无人驾驶汽车的多特征融合地图的制作方法 | |
CN107505644B (zh) | 基于车载多传感器融合的三维高精度地图生成系统及方法 | |
CN113985445B (zh) | 一种基于相机与激光雷达数据融合的3d目标检测算法 | |
CN111192295B (zh) | 目标检测与跟踪方法、设备和计算机可读存储介质 | |
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 | |
CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
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 | |
CN112740225B (zh) | 一种路面要素确定方法及装置 | |
CN113640822B (zh) | 一种基于非地图元素过滤的高精度地图构建方法 | |
CN113358112B (zh) | 一种地图构建方法及一种激光惯性里程计 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN114323050B (zh) | 车辆定位方法、装置和电子设备 | |
CN114217665B (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN114485698B (zh) | 一种交叉路口引导线生成方法及系统 | |
CN113240813B (zh) | 三维点云信息确定方法及装置 | |
CN112859110B (zh) | 一种基于三维激光雷达的定位导航方法 | |
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 | |
CN111829514A (zh) | 一种适用于车辆底盘集成控制的路面工况预瞄方法 | |
CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
CN114565674A (zh) | 自动驾驶车辆城市结构化场景纯视觉定位方法及装置 | |
CN114556419A (zh) | 三维点云分割方法和装置、可移动平台 | |
CN116736322B (zh) | 融合相机图像与机载激光雷达点云数据的速度预测方法 | |
CN116309943B (zh) | 一种停车场语义地图路网构建方法、装置及电子设备 |
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 |