CN113176547B - 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 - Google Patents
基于贝塞尔建模的路侧雷达的实时滤除背景的方法 Download PDFInfo
- Publication number
- CN113176547B CN113176547B CN202011122526.9A CN202011122526A CN113176547B CN 113176547 B CN113176547 B CN 113176547B CN 202011122526 A CN202011122526 A CN 202011122526A CN 113176547 B CN113176547 B CN 113176547B
- Authority
- CN
- China
- Prior art keywords
- road space
- boundary
- radar
- road
- background
- 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
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及基于贝塞尔建模的路侧雷达的实时滤除背景的方法，基于贝塞尔对道路空间进行几何建模，用几何模型将雷达监控的道路空间包围并封闭起来，位于几何模型内的点云为侦测对象保留，而几何模型外的点云则作为背景滤除。本发明采用贝塞尔优异的几何建模性能适应各种复杂的道路空间几何形体；本发明的应用可以使得道路空间以外的各种变化不形成干扰；通过查表法，计算负荷低，计算耗时短，可以实时滤除背景。
Description
技术领域
本发明涉及交通图像处理与交通信息技术领域，尤其涉及一种基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
背景技术
三维激光雷达能够全天候感知空间三维信息，而且不受光照条件的影响，安装于路侧对道路交通进行监控，能够大大弥补视频检测技术的不足。随着激光雷达分辨率的提高，对道路情况的三维空间信息感知越来越细腻，应用价值越来越凸显。除了可以对机动车进行实时跟踪与监管，对于非机动车、行人与抛洒物的管理也成为重要的应用领域。
三维激光雷达分辨率提高的同时，感知出来的三维点云数据量也大幅增加。从而对后续的点云数据分析与处理造成了一定的困难。为了能够有效地降低处理器负荷，减少资源浪费，背景的快速滤除是关键性的步骤。背景的滤除好坏将直接影响到后续的点云分割与目标跟踪等处理。背景滤除的快慢也将直接影响到后续交通道路事件检测的实时性。
激光雷达所感知的空间信息中，除了被侦测对象(包括机动车、非机动车、行人和抛洒物等)之外，其它部分作为背景信息需要滤除。背景包括如下几种：(1)交通道路以外的空间物体；(2)交通道路内的路面；(3)交通道路内绿化带、路侧的路灯、指示牌和龙门架等。背景有静态和动态之分，静态背景指固定不动的背景，而动态背景则是会发生位移。例如：路面、路灯、指示牌和龙门架等固定不动，但绿化带的树叶则会随风飘动。
通常背景滤除算法中假设背景固定不动，通过将实时感知出来的点云帧与背景数据进行对比，去掉背景数据。但移动的背景由于位置不固定会对背景滤除带来困难。现有文献大多针对静态背景提出了滤除的方法，而对于会移动的背景物体的滤除问题，很少涉及。Wu等(Transportation Research Record,2018,Vol.2672(45)106–114)假设移动背景仅仅做小范围来回振动，通过对多帧点云数据进行叠加，然后统计点云密度，将背景位置标记出来，用来对实时数据进行过滤。但是这种方法对于做较大移动的背景物体失效。例如：狂风时的树叶、树枝、天空中的飞鸟和无人飞机等。此外，道路范围外的背景任何大变动都会引起现有方法的失效。解决移动背景滤除的难度在于很难将其与被侦测对象区分开来。
解决移动背景的滤除问题的意义在于：对于基于路侧三维激光雷达感知的道路交通监管系统能够适应恶劣天气和道路范围外的各种空间变化。
有鉴于上述的缺陷，本设计人积极加以研究创新，以期创设基于贝塞尔建模的路侧雷达的实时滤除背景的方法，使其更具有产业上的利用价值。
发明内容
为解决上述技术问题，本发明的目的是提供一种基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
为实现上述目的，本发明采用如下技术方案：
作为本发明的目的之一，基于贝塞尔建模的路侧雷达的实时滤除背景的方法，基于贝塞尔对道路空间进行几何建模，用几何模型将雷达监控的道路空间包围并封闭起来，位于几何模型内的点云为侦测对象保留，而几何模型外的点云则作为背景滤除，具体包括以下步骤：
步骤一，三维激光雷达扫描监控区域，记录多帧数据；
步骤二，将视野场网格化：在球坐标系
下，将雷达视野场范围内的方位角
和仰角θ进行网格划分，方位角和仰角的网格尺寸根据雷达扫描的分辨率确定适当的取值；网格划分后，根据网格中心的值分别对方位角和仰角进行升序编号，从0开始编号；视野场网格化后，每一帧点云数据可以用二维表格表示；行号i为仰角编号，列号j为方位角编号；表格中(i，j)处的值则为网格(i，j)处的点与坐标原点之间的距离，即球坐标r值；
步骤三，叠加多帧点云数据：将步骤一中的多帧点云数据放在同一坐标系下叠加起来；
步骤四，基于贝塞尔对道路空间进行几何建模：根据步骤三叠加后的三维点云数据，构造出道路交通的三维形态；分析三维形态，将监控区域内的道路空间的点分离出来；将代表道路空间的边界线的点提取出来；并将代表道路空间的边界面上的点提取出来；根据各条边界线上的点，采用贝塞尔曲线拟合构造出轮廓线；根据边界面上的点，采用贝塞尔曲面拟合出边界面；对于道路空间的侧面和顶面，根据地面上的边界线，构造贝塞尔曲面；最后由边界面将道路空间包围并封闭起来；
步骤五，将道路空间网格化：在步骤二网格化后的视野场基础上，将步骤四构造的道路空间几何模型进行网格化，即计算几何模型每个贝塞尔曲面落在视野网格(i，j)的球坐标系r值；
步骤六，用二维表格表示道路空间边界：在步骤五基础上，建立两张二维表格记录道路空间的边界；一张表格为近边界，另一张为远边界；表格中行号i和列号j分别为视野场的仰角编号与方位角编号；其中，近边界表格中(i，j)的值为视野网格(i，j)处离雷达最近的道路空间边界面的球坐标系r值；远边界表格中(i，j)的值则为视野网格(i，j)处离雷达次近的道路空间边界面的球坐标系r值；若(i，j)处无道路空间边界，则值设为0；
步骤七，检测地面，更新边界表格：为了更好地对地面与探测物体分离，对多帧数据检测地面，采用检测出来的地面点云数据更新步骤六中的道路空间远边界表格；
步骤八，实时滤除背景：基于远、近边界表格，对雷达扫描的实时帧进行背景滤除；对于实时扫描出来的点，根据其所在的视野网格位置(i，j)进行查表；若表格中(i，j)的值为零，则意味着在道路空间外，直接去除；若其r值落在远、近两张边界表格(i，j)处的值之间则为道路空间内的点，给予保留。
作为本发明的进一步改进，步骤一中选取交通不拥堵，无车、人和物长时间停留的情形。
作为本发明的进一步改进，步骤二采用柱坐标系的雷达，则将视野场范围内方位角和高度进行网格划分。
作为本发明的进一步改进，步骤三对多帧数据进行分析，求每个视野网格(i，j)中最大的球坐标系r值。
作为本发明的进一步改进，步骤四中，道路空间指道路上供人、车和物行进的空间。
作为本发明的进一步改进，步骤四中，建道路空间几何模型时，把雷达置于道路空间之外，把交通道路内绿化带、路侧的路灯、指示牌和龙门架也置于道路空间之外。
作为本发明的进一步改进，步骤七中，点云地面检测采取RANSAC算法。
作为本发明的进一步改进，步骤五中的计算可以采用以下方法：
从原点出发沿着视野网格(i，j)中心发出一体射线，计算射线与道路空间几何模型的贝塞尔边界面的交点，此交点代表在视野网格(i，j)上的道路空间边界。
作为本发明的目的之二，一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
作为本发明的目的之三，一种计算机可读存储介质，储存有指令，当指令在计算机上运行时，使得计算机执行基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
借由上述方案，本发明至少具有以下优点：
本发明提供的基于贝塞尔(Bézier)建模的路侧三维激光雷达的实时滤除背景的方法，采用贝塞尔优异的几何建模性能适应各种复杂的道路空间几何形体；本发明的应用可以使得道路空间以外的各种变化不形成干扰；通过查表法，计算负荷低，计算耗时短，可以实时滤除背景。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明基于贝塞尔建模的路侧雷达的实时滤除背景的方法的雷达视野网格化示意图；
图2是本发明基于贝塞尔建模的路侧雷达的实时滤除背景的方法的道路空间几何模型示意图；
图3是本发明基于贝塞尔建模的路侧雷达的实时滤除背景的方法的流程图。
其中，图中各附图标记的含义如下。
1雷达 2视野网格
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
实施例
如图1～图3所示，
作为本发明的目的之一，
本发明是这样实现的，基于贝塞尔(Bézier)对道路空间进行几何建模，用几何模型将雷达监控的道路空间包围并封闭起来，位于几何模型内的点云为侦测对象保留，而几何模型外的点云则作为背景滤除。为了实现实时背景滤除，包括以下步骤：
步骤一，三维激光雷达扫描监控区域，记录多帧数据；
步骤二，将视野场网格化；
在球坐标系
下，将雷达视野场范围内的方位角
和仰角θ进行网格划分，方位角和仰角的网格尺寸根据雷达扫描的分辨率确定适当的取值。网格划分后，根据网格中心的值分别对方位角和仰角进行升序编号(从0开始编号)。
视野场网格化后，每一帧点云数据可以用二维表格表示。行号i为仰角编号，列号j为方位角编号。表格中(i，j)处的值则为网格(i，j)处的点与坐标原点之间的距离(即球坐标r值)。
步骤三，叠加多帧点云数据；
将步骤一中的多帧点云数据放在同一坐标系下叠加起来。
步骤四，基于贝塞尔(Bézier)对道路空间进行几何建模；
根据步骤三叠加后的三维点云数据，构造出道路交通的三维形态；分析三维形态，将监控区域内的道路空间的点分离出来；将代表道路空间的边界线的点提取出来；并将代表道路空间的边界面上的点提取出来；根据各条边界线上的点，采用贝塞尔曲线拟合构造出轮廓线；根据边界面上的点，采用贝塞尔曲面拟合出边界面；对于道路空间的侧面和顶面，可以根据地面上的边界线，以一定高度(例如：5米)构造贝塞尔曲面；最后由边界面将道路空间包围并封闭起来；
步骤五，将道路空间网格化；
在步骤二网格化后的视野场基础上，将步骤四构造的道路空间几何模型进行网格化。也即计算几何模型每个贝塞尔曲面落在视野网格(i，j)的球坐标系r值。
步骤六，用二维表格表示道路空间边界；
在步骤五基础上，建立两张二维表格记录道路空间的边界。一张表格为近边界，另一张为远边界。表格中行号i和列号j分别为视野场的仰角编号与方位角编号。其中，近边界表格中(i，j)的值为视野网格(i，j)处离雷达最近的道路空间边界面的球坐标系r值。远边界表格中(i，j)的值则为视野网格(i，j)处离雷达次近的道路空间边界面的球坐标系r值。若(i，j)处无道路空间边界，则值设为0；
步骤七，检测地面，更新边界表格；
为了更好地对地面与探测物体分离，对多帧数据检测地面，采用检测出来的地面点云数据更新步骤六中的道路空间远边界表格。
步骤八，实时滤除背景；
基于远、近边界表格，对雷达扫描的实时帧进行背景滤除。对于实时扫描出来的点，根据其所在的视野网格位置(i，j)进行查表。若表格中(i，j)的值为零，则意味着在道路空间外，直接去除。若其r值落在远、近两张边界表格(i，j)处的值之间则为道路空间内的点，给予保留。
进一步的，步骤一中选取交通不拥堵，无车、人和物长时间停留的情形。
进一步的，步骤二不仅仅局限于球坐标系，对于适合采用柱坐标系的雷达，则将视野场范围内方位角和高度进行网格划分，方法与球坐标系相近。为了方便阐述，后续内容仅以球坐标系进行阐述。
进一步的，步骤三不仅仅局限于多帧叠加的方式，也可以对多帧数据进行分析，求每个视野网格(i，j)中最大的球坐标系r值。
进一步的，步骤四中，道路空间指道路上供人、车和物行进的空间，不包括地面。
进一步的，步骤四中，建道路空间几何模型时，把雷达置于道路空间之外，把交通道路内绿化带、路侧的路灯、指示牌和龙门架也置于道路空间之外。
进一步的，步骤四中，建道路空间几何模型时，从雷达视角出发，所建的边界面尽量少遮挡其后的空间。
进一步的，步骤五中的计算可以采用以下方法：
从原点出发沿着视野网格(i，j)中心发出一体射线，计算射线与道路空间几何模型的贝塞尔边界面的交点。此交点代表在视野网格(i，j)上的道路空间边界。
进一步的，步骤七中，点云地面检测可以采取随机抽样一致(RANSAC)算法，但并不局限于此算法。
作为本发明的目的之二，一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
作为本发明的目的之三，一种计算机可读存储介质，储存有指令，当指令在计算机上运行时，使得计算机执行基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
本发明提供的基于贝塞尔(Bézier)建模的路侧三维激光雷达的实时滤除背景的方法，采用贝塞尔优异的几何建模性能适应各种复杂的道路空间几何形体；本发明的应用可以使得道路空间以外的各种变化不形成干扰；通过查表法，计算负荷低，计算耗时短，可以实时滤除背景。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，基于贝塞尔对道路空间进行几何建模，用几何模型将雷达监控的道路空间包围并封闭起来，位于几何模型内的点云为侦测对象保留，而几何模型外的点云则作为背景滤除，具体包括以下步骤：
步骤一，三维激光雷达扫描监控区域，记录多帧数据；
步骤二，将视野场网格化：在球坐标系下
将雷达视野场范围内的方位角
和仰角θ进行网格划分，方位角和仰角的网格尺寸根据雷达扫描的分辨率确定适当的取值；网格划分后，根据网格中心的值分别对方位角和仰角进行升序编号，从0开始编号；视野场网格化后，每一帧点云数据可以用二维表格表示；行号i为仰角编号，列号j为方位角编号；表格中(i，j)处的值则为网格(i，j)处的点与坐标原点之间的距离，即球坐标r值；
步骤三，叠加多帧点云数据：将步骤一中的多帧点云数据放在同一坐标系下叠加起来；
步骤四，基于贝塞尔对道路空间进行几何建模：根据步骤三叠加后的三维点云数据，构造出道路交通的三维形态；分析三维形态，将监控区域内的道路空间的点分离出来；将代表道路空间的边界线的点提取出来；并将代表道路空间的边界面上的点提取出来；根据各条边界线上的点，采用贝塞尔曲线拟合构造出轮廓线；根据边界面上的点，采用贝塞尔曲面拟合出边界面；对于道路空间的侧面和顶面，根据地面上的边界线，构造贝塞尔曲面；最后由边界面将道路空间包围并封闭起来；
步骤五，将道路空间网格化：在步骤二网格化后的视野场基础上，将步骤四构造的道路空间几何模型进行网格化，即计算几何模型每个贝塞尔曲面落在视野网格(i，j)的球坐标系r值；
步骤六，用二维表格表示道路空间边界：在步骤五基础上，建立两张二维表格记录道路空间的边界；一张表格为近边界，另一张为远边界；表格中行号i和列号j分别为视野场的仰角编号与方位角编号；其中，近边界表格中(i，j)的值为视野网格(i，j)处离雷达最近的道路空间边界面的球坐标系r值；远边界表格中(i，j)的值则为视野网格(i，j)处离雷达次近的道路空间边界面的球坐标系r值；若(i，j)处无道路空间边界，则值设为0；
步骤七，检测地面，更新边界表格：为了更好地对地面与探测物体分离，对多帧数据检测地面，采用检测出来的地面点云数据更新步骤六中的道路空间远边界表格；
步骤八，实时滤除背景：基于远、近边界表格，对雷达扫描的实时帧进行背景滤除；对于实时扫描出来的点，根据其所在的视野网格位置(i，j)进行查表；若表格中(i，j)的值为零，则意味着在道路空间外，直接去除；若其r值落在远、近两张边界表格(i，j)处的值之间则为道路空间内的点，给予保留。
2.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤一中选取交通不拥堵，无车、人和物长时间停留的情形。
3.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤二采用柱坐标系的雷达，则将视野场范围内方位角和高度进行网格划分。
4.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤三对多帧数据进行分析，求每个视野网格(i，j)中最大的球坐标系r值。
5.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤四中，道路空间指道路上供人、车和物行进的空间。
6.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤四中，建道路空间几何模型时，把雷达置于道路空间之外，把交通道路内绿化带、路侧的路灯、指示牌和龙门架也置于道路空间之外。
7.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤七中，点云地面检测采取RANSAC算法。
8.如权利要求1所述的基于贝塞尔建模的路侧雷达的实时滤除背景的方法，其特征在于，所述步骤五中的计算可以采用以下方法：
从原点出发沿着视野网格(i，j)中心发出一体射线，计算射线与道路空间几何模型的贝塞尔边界面的交点，此交点代表在视野网格(i，j)上的道路空间边界。
9.一种存储在计算机可读介质上的计算机程序产品，其特征在于，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的权利要求1基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
10.一种计算机可读存储介质，其特征在于，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的权利要求1基于贝塞尔建模的路侧雷达的实时滤除背景的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122526.9A CN113176547B (zh) | 2020-10-20 | 2020-10-20 | 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011122526.9A CN113176547B (zh) | 2020-10-20 | 2020-10-20 | 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113176547A CN113176547A (zh) | 2021-07-27 |
| CN113176547B true CN113176547B (zh) | 2022-03-22 |
Family
ID=76921545
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011122526.9A Active CN113176547B (zh) | 2020-10-20 | 2020-10-20 | 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113176547B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9778351B1 (en) * | 2007-10-04 | 2017-10-03 | Hrl Laboratories, Llc | System for surveillance by integrating radar with a panoramic staring sensor |
| CN110220529A (zh) * | 2019-06-17 | 2019-09-10 | 深圳数翔科技有限公司 | 一种路侧自动驾驶车辆的定位方法 |
| EP3620823A1 (en) * | 2018-09-06 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for detecting precision of internal parameter of laser radar |
| CN111540201A (zh) * | 2020-04-23 | 2020-08-14 | 山东大学 | 基于路侧激光雷达的车辆排队长度实时估计方法及系统 |
-
2020
- 2020-10-20 CN CN202011122526.9A patent/CN113176547B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9778351B1 (en) * | 2007-10-04 | 2017-10-03 | Hrl Laboratories, Llc | System for surveillance by integrating radar with a panoramic staring sensor |
| EP3620823A1 (en) * | 2018-09-06 | 2020-03-11 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for detecting precision of internal parameter of laser radar |
| CN110220529A (zh) * | 2019-06-17 | 2019-09-10 | 深圳数翔科技有限公司 | 一种路侧自动驾驶车辆的定位方法 |
| CN111540201A (zh) * | 2020-04-23 | 2020-08-14 | 山东大学 | 基于路侧激光雷达的车辆排队长度实时估计方法及系统 |
Non-Patent Citations (4)
| Title |
|---|
| Motion Based Online Calibration for 4D Imaging Radar in Autonomous Driving Applications;Yiyang Bao等;《2020 German Microwave Conference (GeMiC)》;20200430;第108-111页 * |
| 基于RANSAC分割的点云数据K-近邻去噪算法研究;郭宁博等;《电子测量技术》;20171215(第12期);第216-220页 * |
| 基于点云密度的结构化道路边界增强检测方法;苏致远等;《汽车工程》;20170725(第07期);第109-114页 * |
| 基于路侧三维激光雷达的车辆目标分类算法;杨思远等;《传感器与微系统》;20200702(第07期);第129-132页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113176547A (zh) | 2021-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113176548B (zh) | 基于多边形建模的路侧雷达的实时滤除背景的方法 | |
| Serna et al. | Detection, segmentation and classification of 3D urban objects using mathematical morphology and supervised learning | |
| CN103500338B (zh) | 基于车载激光扫描点云的道路斑马线自动提取方法 | |
| CN103226833B (zh) | 一种基于三维激光雷达的点云数据分割方法 | |
| Negru et al. | Image based fog detection and visibility estimation for driving assistance systems | |
| CN112990086B (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
| CN114898296B (zh) | 基于毫米波雷达与视觉融合的公交车道占用检测方法 | |
| CN113176546B (zh) | 基于nurbs建模的路侧雷达的实时滤除背景的方法 | |
| EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
| CN112014856A (zh) | 一种适于交叉路段的道路边沿提取方法及装置 | |
| CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
| CN111783690A (zh) | 基于车辆密度感知的城市可行驶区域cim信息处理方法 | |
| CN114022760B (zh) | 铁路隧道障碍物监测预警方法、系统、设备及存储介质 | |
| CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
| CN114187744A (zh) | 一种滑坡泥石流监测预警方法、设备、系统及介质 | |
| CN113176547B (zh) | 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 | |
| Rufei et al. | Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud | |
| CN112820109A (zh) | 一种道路巡检安全预警方法及系统 | |
| CN114252859A (zh) | 目标区域的确定方法、装置、计算机设备和存储介质 | |
| CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
| CN115906250A (zh) | 道路障碍物的检测方法、养护方法、系统、设备及介质 | |
| Yue et al. | A method for extracting street trees from mobile LiDAR point clouds | |
| CN114283167A (zh) | 一种基于视觉的清扫区域检测方法 | |
| CN113870337A (zh) | 一种基于极坐标栅格与平面拟合的地面点云分割方法 | |
| CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 |
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 |