CN113177966A - 基于速度聚类统计的三维扫描相干激光雷达点云处理方法 - Google Patents
基于速度聚类统计的三维扫描相干激光雷达点云处理方法 Download PDFInfo
- Publication number
- CN113177966A CN113177966A CN202110408941.9A CN202110408941A CN113177966A CN 113177966 A CN113177966 A CN 113177966A CN 202110408941 A CN202110408941 A CN 202110408941A CN 113177966 A CN113177966 A CN 113177966A
- Authority
- CN
- China
- Prior art keywords
- speed
- laser radar
- point
- subinterval
- point cloud
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于速度聚类统计的高精度三维扫描相干激光雷达点云处理的方法。首先利用相干激光雷达和三维扫描器获得运动目标的距离速度信息和对应的目标位置信息,然后通过数据存储单元存储构成点云数据集。最后对点云数据集中每个数据点进行速度聚类统计。经聚类后的点云数据集被统计在若干个速度子区间内。对所有速度子区间分别进行速度分层处理,通过比较速度子区间的特征速度值的大小和符号,判断目标的运动状态,通过速度实现对目标运动属性和运动行为的准确判断。与其他处理方法相比,本方法具有准确有效、计算速度快、实时性好等诸多优势。
Description
技术领域
本发明涉及三维扫描相干激光雷达,特别是一种基于速度聚类统计的三维扫描相干激光雷达的点云处理方法。
技术背景
激光雷达作为一种可直接获取目标物体三维信息的高精度传感器,目前在无人驾驶技术、自主导航、遥感探测等环境感知方面发挥着越来越重要的作用,其测量精度可达到厘米量级,并且受外界环境影响较小。通常而言,激光雷达所获得的有效数据在无人驾驶技术等成像领域中主要以点云的形式展现出来。在路面环境下,激光雷达点云的目标检测与识别主要分为目标分割和目标识别两部分,其中由于易受到地面等环境杂散目标影响,目标分割在点云数据处理过程中占据较大比重。
现有技术文献[陈全,基于激光雷达的三维地面目标检测与识别方法研究[D].华中科技大学,2019]采用基于前视图的地面点滤除算法和分层次欧式距离聚类算法共同完成地面环境条件下,激光雷达点云的地面点滤除和目标分割操作。文献[张雪,基于聚类分析下的运动目标跟踪算法研究[D].哈尔滨工程大学,2019.]利用人眼直接区分运动目标与背景差异性的视觉特性,引入显著性检测MSS算法提出了一种改进型MOG算法,实现了运动目标与背景分离的目的。以上算法依靠对整帧点云数据点处理、视觉特性等算法,存在算法复杂、运行效率不高、实时性不强的问题。
发明内容
本发明针对现有三维扫描激光雷达点云图像分割方案中存在的算法复杂、流程繁琐的问题,提出一种基于速度聚类统计的三维扫描相干激光雷达的点云处理方法,该方法采用了速度聚类统计的方法,通过在三维扫描相干激光雷达点云数据中特有的测速特征,对速度进行统计分类处理。通过设置特定速度阈值,直接实现点云中无效数据点的分离。该发明以相干系统的速度信息作为出发点,结合目标距离速度信息和目标位置信息,采用速度聚类统计方式,分层处理,逐点滤波,实现三维扫描相干激光雷达点云与杂散背景之间的快速分离以及对目标运动状态的判断。该方法可简单直接、准确有效、快速地实现对地面点及其他无效数据点滤除,对不同目标的运动状态判断,具备更好的实时性、更高的计算速度。
本发明的具体解决方案如下:
一种基于速度聚类统计的三维扫描相干激光雷达点云处理的方法,其特点在于:包括以下几个步骤:
1)相干激光雷达发射调制激光光束,通过三维扫描器实现对特定视场范围内目标的三维扫描;
2)调制激光光束经漫反射目标的反射后,被相干激光雷达接收系统接收,并与激光雷达的本振光束相干拍频,得到特定扫描位置目标的距离L和相对速度V;
3)相干激光雷达的存储单元同时记录下三维扫描器的所有位置信息(X,Y,Z)和对应目标点的距离和速度信息(L,V),构成数据点总数为P的三维点云数据集d(X,Y,Z,L,V);
4)根据相干激光雷达系统探测器决定速度范围[Vminth,Vmaxth],设置所需速度子区间数为n,另外速度子区间长度为ΔV=(Vmaxth-Vminth)/n,ΔV不应小于相干激光雷达探测的速度分辨率δV=λc×δf/2=λc×PRF/2,其中,λc表示激光雷达的中心波长,δf表示相干激光雷达系统的频率分辨率,PRF表示脉冲重复频率;
5)创建速度子区间矩阵:A1,A2,A3,···,Ai,···,An(i=1,2,3···,n),并设置对应速度子区间矩阵的计数因子k1=k2=···=ki=···=kn=0;
6)取所述的三维点云数据集d(X,Y,Z,L,V)中的数据点dp(Xp,Yp,Zp,Lp,Vp),其中p=1,2,3,···,P,初始化计数因子i=1;
7)判断当前数据点速度Vp是否满足Vp≥Vminth+(i-1)*ΔV且Vp≤Vminth+i*ΔV,如果满足此条件,则将该数据点dp(Xp,Yp,Zp,Lp,Vp)放入对应的速度子区间Ai中,速度子区间矩阵计数因子ki执行加1操作,如果不满足此条件,计数因子i则将执行加1操作,寻找下一个速度子区间,直到满足该条件为止;
8)令p=p+1,当p<P时,返回步骤6),当p>P时,进入步骤9);
9)根据所有速度子区间A1,A2,A3,···,Ai,···,An和对应所有的计数因子k1,k2,k3,···,ki,···,kn可获得所有数据点分布函数S(V),且满足其中Vi=Vminth+(i-1)*ΔV表示第i速度子区间内最小速度,Si(Vi)=ki表示第i速度子区间内数据点统计点数ki,所有数据点分布函数S(V)可清楚显示出单帧点云图像内不同速度子区间的数据点统计分布情况;
10)根据速度分布函数S(V),对全部运动速度子区间A1,A2,A3,···,An内所有数据点进行速度分层处理,同时创建地面点区间Ag;对于当前速度子区间Aj(j=1,2,3...,n),提取当前速度子区间特征运动速度VSj=Vminth+j*ΔV/2并判断VSj符号,求出当前速度子区间Aj内包含的目标相对相干激光雷达的运动状态:如果VSj>0,则表示该速度子区间Aj内数据点的运动速度高于该相干激光雷达的运动速度;如果VSj<0,则表示当前速度子区间Aj内数据点的运动速度低于该相干激光雷达的运动速度;VSj=0表示当前速度子区间Aj内数据点的运动速度等于该相干激光雷达的运动速度,根据颜色计算公式 其中(RA,GA,BA)表示最小速度对应的颜色A设置值,(RB,GB,BB)表示最大速度对应的颜色B设置值,(RA′,GA′,BA′)表示第j个速度子区间对应的颜色A′设置值,计算出该速度子区间的颜色值(RA′,GA′,BA′),用于点云显示;
11)对当前速度子区间Aj内的所有数据点速度采用高度阈值分割法滤除地面点,同时提取运动目标:该方法中的高度阈值Hth需根据相干激光雷达的实际安装位置H0设置,且满足Hth=H0,具体实施方法为:首先当前速度子区间Sj(V)内每个数据点速度对地面的投影垂直距离其中激光雷达坐标系中且且然后判断是否等于Hth,如果说明该数据点属于地面点,并保存在地面点区间Ag中;如果则说明该数据点为有效目标点,并继续保存在该区间;
12)令j=j+1,当j<n时,返回步骤11),当>n+1时,进入步骤13);
13)对所有速度子区间A1,A2,A3,···,An内运动目标进行点云融合显示(位置、距离、速度、运动状态、RGB颜色)。
本发明具有以下特点:
1.直接利用三维扫描相干激光雷达点云数据中速度参数,通过速度聚类统计,实现对点云数据中目标的运动状态判断以及不同运动目标和背景的快速分离。
2.与传统目标分离算法不同,该方法基于速度分层,使用点云间欧氏距离来区分目标和背景,避免了以前实现方法的复杂性,实现更加简洁、方便。
3.提高了运行效率和实时性。
本发明的技术效果:
本发明通过速度聚类统计方法可快速实现单帧激光雷达点云中多运动目标分割。并且直接利用三维扫描相干激光雷达点云数据的速度参数,实现对点云中目标运动状态的判断。同时与传统方法相比,本方法避免了实现方法的复杂性,提高了运行效率和实时性,对相干激光雷达在无人驾驶、自主导航、遥感探测等领域具有主要意义。
附图说明
图1是本发明基于速度聚类统计的三维扫描相干激光雷达点云处理的方法的速度聚类统计流程图
图2是本发明中三维扫描相干激光雷达点云数据获取示意图
图3是本发明中单帧点云图像数据点速度聚类统计图
图4是本发明中三维相干激光雷达坐标系
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明,但不应以此限制本发明的保护范围。
图1为本发明三维扫描相干激光雷达的速度聚类统计流程,其获取过程可简单分为以下几个步骤:
1)如图2所示,相干激光雷达发射调制激光光束,通过三维扫描器实现对特定视场范围内目标的三维扫描;
2)调制激光光束经漫反射目标反射后,被相干激光雷达接收系统接收,并与激光雷达的本振光束相干拍频,得到特定扫描位置目标的距离L和相对速度V;
3)相干激光雷达存储单元同时记录下三维扫描器的所有位置信息(X,Y,Z)和对应目标点的距离速度信息(L,V),构成总数据点数为P的三维点云数据点集d(X,Y,Z,L,V);
4)如图1所示,根据相干激光雷达系统探测器决定速度范围[Vminth,Vmaxth],设置所需速度子区间数n,其中可根据场景中目标运动的先验知识,预先设置最大速度阈值Vmaxth、最小速度阈值Vminth,初步实现单帧点云图像中无效数据点的滤除,为后续步骤减少计算量,设置所需速度子区间数为n,速度子区间长度为ΔV=(Vmaxth-Vminth)/n,该速度子区间长度不应小于相干激光雷达探测的速度分辨率δV=λc×δf/2=λc×PRF/2,其中,λc表示激光雷达的中心波长,δf表示相干激光雷达系统的频率分辨率,PRF表示脉冲重复频率;
5)创建速度子区间矩阵A1,A2,A3,···,Ai,···,An(i=1,2,3···,n),并设置对应速度子区间矩阵的计数因子k1=k2=···=ki=···=kn=1;
6)取点云数据点集d(X,Y,Z,L,V)中的数据点dp(Xp,Yp,Zp,Lp,Vp),其中p=1,2,3,···,P,初始化计数因子i=1;
7)判断当前数据点速度Vp是否满足Vp≥Vminth+(i-1)*ΔV且Vp≤Vminth+i*ΔV,如果满足此条件,则将该数据点dp(Xp,Yp,Zp,Lp,Vp)放入对应的速度子区间Ai中,速度子区间矩阵计数因子ki执行加1操作。如果不满足此条件,计数因子i则将执行加1操作,寻找下一个速度子区间,直到满足该条件为止;
8)令p=p+1,当p<P时,返回步骤6),当p>P时,进入步骤9);
9)根据所有速度子区间A1,A2,A3,···,Ai,···,An和对应所有的计数因子k1,k2,k3,···,ki,···,kn可获得所有数据点分布函数S(V),且满足其中Vi=Vminth+(i-1)*ΔV表示第i速度子区间内最小速度,Si(Vi)=ki表示第i速度子区间内数据点统计点数ki,所有数据点分布函数S(V)可清楚显示出单帧点云图像内不同速度子区间的数据点统计分布情况;
10)根据速度分布函数S(V),对全部运动速度子区间A1,A2,A3,···,An内所有数据点进行速度分层处理,同时创建地面点区间Ag;对于当前速度子区间Aj(j=1,2,3...,n),提取当前速度子区间特征运动速度VSj=Vmin+j*ΔV/2,判断VSj符号,求出当前速度子区间Aj内包含的目标相对相干激光雷达的运动状态:如果VSj>0,则表示该速度子区间内数据点的运动速度高于该相干激光雷达的运动速度;如果VSj<0,则表示当前速度子区间内数据点的运动速度低于该相干激光雷达的运动速度;VSj=0表示当前速度子区间内数据点的运动速度等于该相干激光雷达的运动速度,根据颜色计算公式
其中(RA,GA,BA)表示最小速度对应的颜色A设置值,(RB,GB,BB)表示最大速度对应的颜色B设置值,(RA′,GA′,BA′)表示第j个速度子区间对应的颜色A′设置值,计算出该速度子区间的颜色值(RA′,GA′,BA′),用于点云显示;
11)对当前速度子区间Aj内的所有数据点速度采用高度阈值分割法滤除地面点,同时提取运动目标。该方法中的高度阈值Hth需根据相干激光雷达的实际安装位置H0设置,且满足Hth=H0。具体实施方法为:首先当前速度子区间Sj(V)内每个数据点对地面的投影垂直距离为其中激光雷达坐标系如图4所示,且且然后判断是否等于Hth,如果说明该数据点属于地面点,则保存在地面点区间Ag中;如果则说明该数据点为有效目标点,继续保存在该区间Aj;
12)令计数因子j=j+1,当j≤n时,返回步骤11),当j=n+1时,进入下一步;
13)所述的处理器进一步对所有速度子区间S(V)内运动目标进行目标检测与识别,最终实现点云融合显示(位置、距离、速度、运动状态、RGB颜色)。
Claims (1)
1.一种基于速度聚类统计的三维扫描相干激光雷达点云处理的方法,其特征在于:包括以下几个步骤:
1)相干激光雷达发射调制激光光束,通过三维扫描器实现对特定视场范围内目标的三维扫描;
2)调制激光光束经漫反射目标反射后,被相干激光雷达接收系统接收,并与激光雷达的本振光束相干拍频,得到特定扫描位置目标的距离L和相对速度V;
3)相干激光雷达存储单元同时记录下三维扫描器的所有位置信息(X,Y,Z)和对应目标点的距离和速度信息(L,V),然后通过数据存储单元存储,构成点云数据集构成数据点总数为P的三维点云数据集d(X,Y,Z,L,V);
4)根据相干激光雷达系统探测器决定速度范围[Vminth,Vmaxth],设置所需速度子区间数为n,另外速度子区间长度为ΔV=(Vmaxth-Vminth)/n,ΔV不应小于相干激光雷达探测的速度分辨率δV=λc×δf/2=λc×PRF/2,其中,λc表示激光雷达的中心波长,δf表示相干激光雷达系统的频率分辨率,PRF表示脉冲重复频率;
5)创建速度子区间矩阵:A1,A2,A3,···,Ai,···,An(i=1,2,3···,n),并设置对应速度子区间矩阵的计数因子k1=k2=···=ki=···=kn=0;
6)取点云数据集d(X,Y,Z,L,V)中的数据点dp(Xp,Yp,Zp,Lp,Vp),其中p=1,2,3,···,P,初始化计数因子i=1,令p=1;
7)判断当前数据点的速度Vp是否满足Vp≥Vminth+(i-1)*ΔV且Vp≤Vminth+i*ΔV,如果满足此条件,则将该数据点dp(Xp,Yp,Zp,Lp,Vp)放入对应的速度子区间Ai中,速度子区间矩阵计数因子ki执行加1操作,如果不满足此条件,则令i=i+1,寻找下一个速度子区间Ai,当i>n,则进入下一步;
8)令p=p+1,当p<P时,返回步骤6),当p>P时,进入步骤9);
9)根据所有速度子区间A1,A2,A3,···,Ai,···,An和对应所有的计数因子k1,k2,k3,···,ki,···,kn可获得所有数据点分布函数S(V),且满足其中Vi=Vminth+(i-1)*ΔV表示第i速度子区间内最小速度,Si(Vi)=ki表示第i速度子区间内数据点统计点数ki,所有数据点分布函数S(V)可清楚显示出单帧点云图像内不同速度子区间的数据点统计分布情况;
10)根据速度分布函数S(V),对全部运动速度子区间A1,A2,A3,···,An内所有数据点进行速度分层处理,同时创建地面点区间Ag;对于当前速度子区间Aj(j=1,2,3...,n),提取当前速度子区间特征运动速度VSj=Vminth+j*ΔV/2,并判断VSj符号,求出当前速度子区间Aj内包含的目标相对相干激光雷达的运动状态:如果VSj>0,则表示该速度子区间Aj内数据点的运动速度高于该相干激光雷达的运动速度;如果VSj<0,则表示当前速度子区间Aj内数据点的运动速度低于该相干激光雷达的运动速度;VSj=0表示当前速度子区间Aj内数据点的运动速度等于该相干激光雷达的运动速度。根据颜色计算公式 其中(RA,GA,BA)表示最小速度对应的颜色A设置值,(RB,GB,BB)表示最大速度对应的颜色B设置值,(RA′,GA′,BA′)表示第j个速度子区间速度对应的颜色A′设置值,计算出该速度子区间的颜色值(RA′,GA′,BA′),用于点云显示;
11)对当前速度子区间Aj内的所有数据点速度采用高度阈值分割法滤除地面点,同时提取运动目标:该方法中的高度阈值Hth需根据相干激光雷达的实际安装位置H0设置,且满足Hth=H0,具体实施方法为:首先当前速度子区间Sj(V)内每个数据点速度对地面的投影垂直距离其中激光雷达坐标系中且且然后判断是否等于Hth,如果说明该数据点属于地面点,并保存在地面点区间Ag中;如果则说明该数据点为有效目标点,并继续保存在该区间;
12)令j=j+1,当j<n时,返回步骤11),当>n+1时,进入步骤13);
13)对所有速度子区间A1,A2,A3,···,An内运动目标进行点云融合显示(位置、距离、速度、运动状态、RGB颜色)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110408941.9A CN113177966B (zh) | 2021-04-15 | 2021-04-15 | 基于速度聚类统计的三维扫描相干激光雷达点云处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110408941.9A CN113177966B (zh) | 2021-04-15 | 2021-04-15 | 基于速度聚类统计的三维扫描相干激光雷达点云处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113177966A true CN113177966A (zh) | 2021-07-27 |
CN113177966B CN113177966B (zh) | 2022-06-28 |
Family
ID=76923533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110408941.9A Active CN113177966B (zh) | 2021-04-15 | 2021-04-15 | 基于速度聚类统计的三维扫描相干激光雷达点云处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177966B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113721253A (zh) * | 2021-08-30 | 2021-11-30 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
CN108508430A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 用于目标检测的激光雷达转动控制方法 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
CN111325229A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达的单线数据分析对物体空间封闭的聚类方法 |
CN112654894A (zh) * | 2020-06-30 | 2021-04-13 | 华为技术有限公司 | 一种雷达探测方法及相关装置 |
-
2021
- 2021-04-15 CN CN202110408941.9A patent/CN113177966B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204705A (zh) * | 2016-07-05 | 2016-12-07 | 长安大学 | 一种基于多线激光雷达的3d点云分割方法 |
CN108508430A (zh) * | 2018-04-03 | 2018-09-07 | 中国人民解放军国防科技大学 | 用于目标检测的激光雷达转动控制方法 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
CN111325229A (zh) * | 2018-12-17 | 2020-06-23 | 兰州大学 | 一种基于激光雷达的单线数据分析对物体空间封闭的聚类方法 |
CN109872329A (zh) * | 2019-01-28 | 2019-06-11 | 重庆邮电大学 | 一种基于三维激光雷达的地面点云快速分割方法 |
CN112654894A (zh) * | 2020-06-30 | 2021-04-13 | 华为技术有限公司 | 一种雷达探测方法及相关装置 |
Non-Patent Citations (7)
Title |
---|
XIAOHAN TU ET AL: "LiDAR Point Cloud Recognition and Visualization with Deep Learning for Overhead Contact Inspection", 《SENSORS》 * |
ZHIYONG LU ET AL: "A real-time three-dimensional coherent ladar demonstration: System structure, imaging processing, and experiment result", 《OPTICS COMMUNICATIONS》 * |
唐学哲等: "基于无人机载激光雷达数据的建筑物自动提取算法", 《中国防汛抗旱》 * |
杨旭: "激光雷达点云数据的滤波和分割处理", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
范哲等: "相干激光雷达在机动车速度测量中的应用", 《测量与设备》 * |
蔡新雨等: "相干调频连续波激光雷达畸变补偿技术研究", 《中国激光》 * |
陈健华: "基于机载LiDAR点云的道路提取算法研究", 《测绘工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113721253A (zh) * | 2021-08-30 | 2021-11-30 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
CN113721253B (zh) * | 2021-08-30 | 2024-03-15 | 杭州视光半导体科技有限公司 | 基于fmcw激光雷达的运动物体速度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113177966B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462237B (zh) | 利用多源信息构建四通道虚拟图像的目标距离检测方法 | |
CN111781608B (zh) | 一种基于fmcw激光雷达的运动目标检测方法及系统 | |
Zhang et al. | Background filtering and vehicle detection with roadside lidar based on point association | |
CN114494287A (zh) | 一种远距离激光雷达点云数据处理方法 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN115685185B (zh) | 一种4d毫米波雷达与视觉融合感知方法 | |
CN113721253B (zh) | 基于fmcw激光雷达的运动物体速度检测方法 | |
CN111999744A (zh) | 一种无人机多方位探测、多角度智能避障方法 | |
Xu et al. | Plane segmentation and fitting method of point clouds based on improved density clustering algorithm for laser radar | |
CN113177966B (zh) | 基于速度聚类统计的三维扫描相干激光雷达点云处理方法 | |
CN113281782A (zh) | 一种基于无人驾驶车的激光雷达雪点滤除方法 | |
JPH0980146A (ja) | レーダ装置 | |
Li et al. | Pedestrian liveness detection based on mmwave radar and camera fusion | |
CN114609609A (zh) | Fmcw激光雷达随机采样提取静止点云的速度估计方法 | |
WO2024114119A1 (zh) | 一种基于双目相机引导的传感器融合方法 | |
CN117606497A (zh) | 一种实时地图构建方法、系统及导盲眼镜 | |
Du et al. | Particle filter based object tracking of 3D sparse point clouds for autopilot | |
CN115792890B (zh) | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 | |
CN116482627A (zh) | 一种基于毫米波雷达和单目相机的联合标定方法 | |
CN113895482B (zh) | 基于轨旁设备的列车测速方法及装置 | |
CN115453570A (zh) | 一种多特征融合的矿区粉尘滤除方法 | |
CN115220059A (zh) | 一种基于目标识别的水下目标激光距离选通搜索成像方法 | |
KR20230158474A (ko) | 센싱 시스템 | |
CN114384486A (zh) | 一种数据处理方法及装置 | |
Hu et al. | Modified multi-hypothesis tracking algorithm based on radar target appearance features |
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 |