CN113160191A - 一种基于激光雷达的环境构图完整性判别方法和装置 - Google Patents

一种基于激光雷达的环境构图完整性判别方法和装置 Download PDF

Info

Publication number
CN113160191A
CN113160191A CN202110465247.0A CN202110465247A CN113160191A CN 113160191 A CN113160191 A CN 113160191A CN 202110465247 A CN202110465247 A CN 202110465247A CN 113160191 A CN113160191 A CN 113160191A
Authority
CN
China
Prior art keywords
map
boundary
integrity
pixel point
gradient
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
CN202110465247.0A
Other languages
English (en)
Other versions
CN113160191B (zh
Inventor
王红星
卞尹蕾
黄郑
刘斌
赖际舟
朱洁
邹冰倩
张欣
吕品
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.)
Nanjing University of Aeronautics and Astronautics
Jiangsu Fangtian Power Technology Co Ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
Jiangsu Fangtian Power 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 Nanjing University of Aeronautics and Astronautics, Jiangsu Fangtian Power Technology Co Ltd filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202110465247.0A priority Critical patent/CN113160191B/zh
Publication of CN113160191A publication Critical patent/CN113160191A/zh
Application granted granted Critical
Publication of CN113160191B publication Critical patent/CN113160191B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种基于激光雷达的环境构图完整性判别方法和装置，包括：将激光雷达构建的全局栅格地图转为灰度图像；对灰度图像中的边缘进行检测；基于检测到的边缘，提取地图中的目标边界；根据目标边界和完整性评估模型，判断地图完整性。采用本发明的技术方案，构建地图时可以判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。

Description

一种基于激光雷达的环境构图完整性判别方法和装置
技术领域
本发明属于测绘领域，尤其涉及一种基于激光雷达的环境构图完整性判别方法和装置。
背景技术
环境地图的及时获取是机器人实现自主化与智能化的关键之一，其任务的快速进行需要环境信息作为参考，而人为进行地图构建将耗费巨大的成本与时间。无人机和无人车等无人驾驶工具体积小、机动性强、自主性高，因此使用无人驾驶工具实现对环境的自主探索与地图构建是其技术发展的重要方向之一。而构建地图时也需要判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。
发明内容
本发明的目的在于提供一种基于激光雷达的环境构图完整性判别方法和装置，构建地图时可以判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。
为达到上述目的，本发明的技术方案为：
一种基于激光雷达的环境构图完整性判别方法，包括如下步骤：
步骤1、将激光雷达构建的全局栅格地图转为灰度图像；
步骤2、对灰度图像中的边缘进行检测；
步骤3、基于检测到的边缘，提取地图中的目标边界；
步骤4、根据目标边界和完整性评估模型，判断地图完整性。
作为优选，步骤2具体包括：
步骤2.1、计算灰度图像梯度幅值和方向；
步骤2.2、采用沿着梯度方向寻找像素的局部最大值对梯度幅值进行非极大值抑制；
步骤2.3、采用双阈值检测并连接边缘，其包括以下步骤：
步骤2.3.1、当边缘像素点的梯度值大于高阈值时，该像素点被标记为强边缘点，保留该像素点；
步骤2.3.2、当其梯度值在两个阈值之间时，被标记为弱边缘，检查弱边缘周围邻域的像素，若存在强边缘点，则保留该像素点，否则将其抑制；
步骤2.3.3、当像素点梯度值小于低阈值，则抑制该像素点。
作为优选，步骤3具体包括：
步骤3.1、提取已知无障碍物区域、存在障碍物区域和未知区域之间的三种边界；将原始的灰度图像记为F1，对其进行边缘检测，得到的边界集合记为{e1}；
步骤3.2、提取存在障碍物区域与未知区域、已知无障碍区域的两种边界，对F1进行灰度调整，将已知无障碍物区域的灰度与未知区域的灰度设为相同，变化后的图像记为F2，对F2进行边缘检测，得到的边界集合为{e2}；
步骤3.3、计算已知无障碍区域与未知区域的边界，得到的边界集合为{e3}，
e3＝e1-e2
作为优选，步骤4具体包括：根据步骤3中提取的目标边界，通过完整性评估模型，判断地图完整性，完整性评估模型计算公式如下：
Figure BDA0003043061320000031
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
作为优选，步骤4中，当地图内不存在有效边界，即满足以下公式时，认为地图构建完整，探索任务完成：
τ＜rfree，
当构建的地图尚不完整，计算有效边界的重心，作为边界点，加入全局边界点集合，使用基于多RRT的环境探索算法继续生成路径并构建地图，直到地图完整。
作为优选，步骤2.2包括：
步骤2.2.1、计算中心像素点梯度方向的两个像素点的梯度幅值C为中心像素点，g1到g8为它周围连通区域内的8个像素点，g12和g78分别为图像梯度方向所在直线与像素点g1、g2和g7、g8的交点，因此使用线性插值的方法计算其梯度幅值，计算方法如下：
G12＝wG2+(1-w)G1
Figure BDA0003043061320000032
其中，
Figure BDA0003043061320000033
表示像素点g1与g2间的距离，w为比例系数，可通过梯度方向得到；
步骤2.2.2、比较中心像素点与两个像素点的梯度幅值
若中心像素点的梯度幅值大于g12和g78，表示C处为局部极大值，则保留该像素点，否则将其置零，保留局部梯度最大的像素点，实现非极大值的抑制。
本发明还提供一种基于激光雷达的环境构图完整性判别装置，包括：
预处理模块，用于将激光雷达构建的全局栅格地图转为灰度图像；
检测模块，用于对灰度图像中的边缘进行检测；
提取模块，用于基于检测到的边缘，提取地图中的目标边界；
判断模块，用于根据目标边界和完整性评估模型，判断地图完整性。
作为优选，所述判断模块根据提取的目标边界，通过完整性评估模型，判断地图完整性，完整性评估模型计算公式如下：
Figure BDA0003043061320000041
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
本发明首先将激光雷达构建的全局栅格地图转为灰度图像，然后，对灰度图像中的边缘进行检测。其次，基于检测到的边缘，提取地图中的目标边界。最后，根据目标边界和完整性评估模型，判断地图完整性。采用本发明的技术方案，构建地图时可以判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明基于激光雷达的环境构图完整性判别的方法的流程图；
图2为本发明基于激光雷达的环境构图完整性判别的装置的结构图。
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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供一种基于激光雷达的环境构图完整性判别方法，包括：
步骤1、将激光雷达构建的全局栅格地图转为灰度图像
步骤2、对灰度图像中的边缘进行检测
步骤3、基于检测到的边缘，提取地图中的目标边界
步骤4、根据目标边界和完整性评估模型，判断地图完整性。
进一步，步骤2具体包括：
步骤2.1、计算梯度幅值和方向
图像梯度的幅值为：
Figure BDA0003043061320000061
可将其简化近似为：
G＝|Gx|+|Gy|
图像梯度的角度为：
Figure BDA0003043061320000062
其中，Gx、Gy分别代表水平和垂直方向的边缘检测算子，通过以下公式计算得到：
Figure BDA0003043061320000063
Figure BDA0003043061320000064
其中，f(x,y)表示灰度图像。
步骤2.2、对梯度幅值进行非极大值抑制
非极大值抑制的原理采用沿着梯度方向寻找像素的局部最大值，包括以下两个步骤。
步骤2.2.1、计算中心像素点梯度方向的两个像素点的梯度幅值C为中心像素点，g1到g8为它周围连通区域内的8个像素点，g12和g78分别为图像梯度方向所在直线与像素点g1、g2和g7、g8的交点。由于g12和g78不是整数像素点，因此使用线性插值的方法计算其梯度幅值，计算方法如下：
G12＝wG2+(1-w)G1
Figure BDA0003043061320000071
其中，
Figure BDA0003043061320000072
表示像素点g1与g2间的距离，w为比例系数，可通过梯度方向得到。
步骤2.2.2、比较中心像素点与两个像素点的梯度幅值
若中心像素点的梯度幅值大于g12和g78，表示C处为局部极大值，则保留该像素点，否则将其置零，这样就可以保留局部梯度最大的像素点，实现非极大值的抑制。
步骤2.3、使用双阈值检测并连接边缘
对边缘进行检测时可采用双阈值，即高阈值与低阈值来区分边缘像素，其包括以下步骤：
步骤2.3.1、当边缘像素点的梯度值大于高阈值时，该像素点被标记为强边缘点，保留该像素点。
步骤2.3.2、当其梯度值在两个阈值之间时，被标记为弱边缘，检查弱边缘周围邻域的像素，若存在强边缘点，则保留该像素点，否则将其抑制；
步骤2.3.3、当像素点梯度值小于低阈值，则抑制该像素点。
进一步，步骤3具体包括：
步骤3.1、取已知无障碍物区域、存在障碍物区域和未知区域之间的三种边界
将原始的灰度图像记为F1，对其进行边缘检测，得到的边界集合记为{e1}。
步骤3.2、提取存在障碍物区域与未知区域、已知无障碍区域的两种边界。
对F1进行灰度调整，将已知无障碍物区域的灰度与未知区域的灰度设为相同，变化后的图像记为F2，对F2进行边缘检测，得到的边界集合为{e2}。
步骤3.3、计算已知无障碍区域与未知区域的边界，得到的边界集合为{e3}。
e3＝e1-e2
进一步，步骤4具体包括：
步骤4.1、根据步骤3中提取的目标边界，通过完整性评估模型，判断地图完整性
完整性评估模型计算公式如下：
Figure BDA0003043061320000081
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
步骤4.2、当地图内不存在有效边界，即满足以下公式时，认为地图构建完整，探索任务完成：
τ＜rfree
步骤4.3、当构建的地图尚不完整，计算有效边界的重心，作为边界点，加入全局边界点集合，使用基于多RRT的环境探索算法继续生成路径并构建地图，直到地图完整。
边界重心
Figure BDA0003043061320000091
可通过以下公式计算得到：
Figure BDA0003043061320000092
其中，mpq为二维(p+q)阶几何矩阵。
mpq可通过以下公式计算得到：
Figure BDA0003043061320000093
其中，f(i，j)表示大小为M×N的图像坐标点(i，j)处的灰度值。
本发明首先将激光雷达构建的全局栅格地图转为灰度图像，然后，对灰度图像中的边缘进行检测。其次，基于检测到的边缘，提取地图中的目标边界。最后，根据目标边界和完整性评估模型，判断地图完整性。采用本发明的技术方案，构建地图时可以判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。
如图2所示，本发明还提供一种基于激光雷达的环境构图完整性判别装置，包括：
预处理模块，用于将激光雷达构建的全局栅格地图转为灰度图像；
检测模块，用于对灰度图像中的边缘进行检测；
提取模块，用于基于检测到的边缘，提取地图中的目标边界；
判断模块，用于根据目标边界和完整性评估模型，判断地图完整性。
进一步，所述判断模块根据提取的目标边界，通过完整性评估模型，判断地图完整性，完整性评估模型计算公式如下：
Figure BDA0003043061320000101
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
当地图内不存在有效边界，即满足以下公式时，认为地图构建完整，探索任务完成：
τ＜rfree
当构建的地图尚不完整，计算有效边界的重心，作为边界点，加入全局边界点集合，使用基于多RRT的环境探索算法继续生成路径并构建地图，直到地图完整。
边界重心
Figure BDA0003043061320000102
可通过以下公式计算得到：
Figure BDA0003043061320000103
其中，mpq为二维(p+q)阶几何矩阵。
mpq可通过以下公式计算得到：
Figure BDA0003043061320000104
其中，f(i，j)表示大小为M×N的图像坐标点(i，j)处的灰度值。
采用本发明的技术方案，构建地图时可以判断地图构建的完整性，降低地图构建不完整而探索提前终止的可能性。
以上所述的实施例仅是对本发明的优选方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种基于激光雷达的环境构图完整性判别方法，其特征在于，包括如下步骤：
步骤1、将激光雷达构建的全局栅格地图转为灰度图像；
步骤2、对灰度图像中的边缘进行检测；
步骤3、基于检测到的边缘，提取地图中的目标边界；
步骤4、根据目标边界和完整性评估模型，判断地图完整性。
2.如权利要求1所述的基于激光雷达的环境构图完整性判别方法，其特征在于，步骤2具体包括：
步骤2.1、计算灰度图像梯度幅值和方向；
步骤2.2、采用沿着梯度方向寻找像素的局部最大值对梯度幅值进行非极大值抑制；
步骤2.3、采用双阈值检测并连接边缘，其包括以下步骤：
步骤2.3.1、当边缘像素点的梯度值大于高阈值时，该像素点被标记为强边缘点，保留该像素点；
步骤2.3.2、当其梯度值在两个阈值之间时，被标记为弱边缘，检查弱边缘周围邻域的像素，若存在强边缘点，则保留该像素点，否则将其抑制；
步骤2.3.3、当像素点梯度值小于低阈值，则抑制该像素点。
3.如权利要求1或2所述的基于激光雷达的环境构图完整性判别方法，其特征在于，步骤3具体包括：
步骤3.1、提取已知无障碍物区域、存在障碍物区域和未知区域之间的三种边界；将原始的灰度图像记为F1，对其进行边缘检测，得到的边界集合记为{e1}；
步骤3.2、提取存在障碍物区域与未知区域、已知无障碍区域的两种边界，对F1进行灰度调整，将已知无障碍物区域的灰度与未知区域的灰度设为相同，变化后的图像记为F2，对F2进行边缘检测，得到的边界集合为{e2}；
步骤3.3、计算已知无障碍区域与未知区域的边界，得到的边界集合为{e3}，
e3＝e1-e2。
4.如权利要求3所述的基于激光雷达的环境构图完整性判别方法，其特征在于，步骤4具体包括：根据步骤3中提取的目标边界，通过完整性评估模型，判断地图完整性，完整性评估模型计算公式如下：
Figure FDA0003043061310000021
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
5.如权利要求4所述的基于激光雷达的环境构图完整性判别方法，其特征在于，步骤4中，当地图内不存在有效边界，即满足以下公式时，认为地图构建完整，探索任务完成：
τ＜rfree，
当构建的地图尚不完整，计算有效边界的重心，作为边界点，加入全局边界点集合，使用基于多RRT的环境探索算法继续生成路径并构建地图，直到地图完整。
6.如权利要求4所述的基于激光雷达的环境构图完整性判别方法，其特征在于，
步骤2.2包括：
步骤2.2.1、计算中心像素点梯度方向的两个像素点的梯度幅值
C为中心像素点，g1到g8为它周围连通区域内的8个像素点，g12和g78分别为图像梯度方向所在直线与像素点g1、g2和g7、g8的交点，使用线性插值的方法计算其梯度幅值，计算方法如下：
G12＝wG2+(1-w)G1
Figure FDA0003043061310000031
其中，
Figure FDA0003043061310000032
表示像素点g1与g2间的距离，w为比例系数，可通过梯度方向得到；
步骤2.2.2、比较中心像素点与两个像素点的梯度幅值
若中心像素点的梯度幅值大于g12和g78，表示C处为局部极大值，则保留该像素点，否则将其置零，保留局部梯度最大的像素点，实现非极大值的抑制。
7.一种基于激光雷达的环境构图完整性判别装置，其特征在于，包括：
预处理模块，用于将激光雷达构建的全局栅格地图转为灰度图像；
检测模块，用于对灰度图像中的边缘进行检测；
提取模块，用于基于检测到的边缘，提取地图中的目标边界；
判断模块，用于根据目标边界和完整性评估模型，判断地图完整性。
8.如权利要求1所述的基于激光雷达的环境构图完整性判别装置，其特征在于，所述判断模块根据提取的目标边界，通过完整性评估模型，判断地图完整性，完整性评估模型计算公式如下：
Figure FDA0003043061310000041
其中，τ为有效边界，N为提取的边界总数量，li表示边界长度，rfree为四旋翼飞行器飞行安全阈值。
CN202110465247.0A 2021-04-28 2021-04-28 一种基于激光雷达的环境构图完整性判别方法和装置 Active CN113160191B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110465247.0A CN113160191B (zh) 2021-04-28 2021-04-28 一种基于激光雷达的环境构图完整性判别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110465247.0A CN113160191B (zh) 2021-04-28 2021-04-28 一种基于激光雷达的环境构图完整性判别方法和装置

Publications (2)

Publication Number Publication Date
CN113160191A true CN113160191A (zh) 2021-07-23
CN113160191B CN113160191B (zh) 2022-07-08

Family

ID=76871905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110465247.0A Active CN113160191B (zh) 2021-04-28 2021-04-28 一种基于激光雷达的环境构图完整性判别方法和装置

Country Status (1)

Country Link
CN (1) CN113160191B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115615444A (zh) * 2022-12-02 2023-01-17 高德软件有限公司 地图数据的检测方法、装置及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108983781A (zh) * 2018-07-25 2018-12-11 北京理工大学 一种无人车目标搜索系统中的环境探测方法
CN110490889A (zh) * 2019-08-12 2019-11-22 中电科技（合肥）博微信息发展有限责任公司 一种基于边缘检测的雷达目标提取方法
CN110531760A (zh) * 2019-08-16 2019-12-03 广东工业大学 基于曲线拟合和目标点邻域规划的边界探索自主建图方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108983781A (zh) * 2018-07-25 2018-12-11 北京理工大学 一种无人车目标搜索系统中的环境探测方法
CN110490889A (zh) * 2019-08-12 2019-11-22 中电科技（合肥）博微信息发展有限责任公司 一种基于边缘检测的雷达目标提取方法
CN110531760A (zh) * 2019-08-16 2019-12-03 广东工业大学 基于曲线拟合和目标点邻域规划的边界探索自主建图方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115615444A (zh) * 2022-12-02 2023-01-17 高德软件有限公司 地图数据的检测方法、装置及存储介质
CN115615444B (zh) * 2022-12-02 2023-03-10 高德软件有限公司 地图数据的检测方法、装置及存储介质

Also Published As

Publication number Publication date
CN113160191B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN111486855B (zh) 一种具有物体导航点的室内二维语义栅格地图构建方法
CN109271944B (zh) 障碍物检测方法、装置、电子设备、车辆及存储介质
CN110276269B (zh) 一种基于注意力机制的遥感图像目标检测方法
Chen et al. Gaussian-process-based real-time ground segmentation for autonomous land vehicles
CN103389103B (zh) 一种基于数据挖掘的地理环境特征地图构建与导航方法
Zhu et al. 3d lidar point cloud based intersection recognition for autonomous driving
CN111091105A (zh) 基于新的边框回归损失函数的遥感图像目标检测方法
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
CN106556412A (zh) 一种室内环境下考虑地面约束的rgb‑d视觉里程计方法
CN105700525B (zh) 基于Kinect传感器深度图机器人工作环境不确定性地图构建法
CN104536009A (zh) 一种激光红外复合的地面建筑物识别及导航方法
CN112346463B (zh) 一种基于速度采样的无人车路径规划方法
CN113052109A (zh) 一种3d目标检测系统及其3d目标检测方法
Shan et al. LiDAR-based stable navigable region detection for unmanned surface vehicles
CN110674674A (zh) 一种基于yolo v3的旋转目标检测方法
Song et al. Application of acoustic image processing in underwater terrain aided navigation
CN108871409A (zh) 一种故障检测方法和系统
CN113177593A (zh) 一种水上交通环境中雷达点云与影像数据的融合方法
CN115018903A (zh) 一种堆场料堆体积计算方法及系统
CN113160191B (zh) 一种基于激光雷达的环境构图完整性判别方法和装置
CN103679740A (zh) 一种无人机对地目标roi提取方法
Wang et al. 3D-LIDAR based branch estimation and intersection location for autonomous vehicles
CN115077519A (zh) 基于模板匹配与激光惯导松耦合的定位建图方法和装置
US10445611B1 (en) Method for detecting pseudo-3D bounding box to be used for military purpose, smart phone or virtual driving based-on CNN capable of converting modes according to conditions of objects and device using the same
Mukhija et al. Outdoor intersection detection for autonomous exploration

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