CN113468922B - 一种基于雷达点云的道路边界识别方法及装置 - Google Patents

一种基于雷达点云的道路边界识别方法及装置 Download PDF

Info

Publication number
CN113468922B
CN113468922B CN202010243395.3A CN202010243395A CN113468922B CN 113468922 B CN113468922 B CN 113468922B CN 202010243395 A CN202010243395 A CN 202010243395A CN 113468922 B CN113468922 B CN 113468922B
Authority
CN
China
Prior art keywords
road boundary
point cloud
radar
vehicle
radar point
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
Application number
CN202010243395.3A
Other languages
English (en)
Other versions
CN113468922A (zh
Inventor
路晓静
张昆帆
衣春雷
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.)
Yutong Bus Co Ltd
Original Assignee
Yutong Bus 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 Yutong Bus Co Ltd filed Critical Yutong Bus Co Ltd
Priority to CN202010243395.3A priority Critical patent/CN113468922B/zh
Publication of CN113468922A publication Critical patent/CN113468922A/zh
Application granted granted Critical
Publication of CN113468922B publication Critical patent/CN113468922B/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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • 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
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种基于雷达点云的道路边界识别方法及装置，属于智能驾驶数据处理技术领域，基于雷达点云数据，提取初始道路边界点云；获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；将初始道路边界点云和所述道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别，解决现有获取道路边界的方法复杂、不能适用各种场景的问题。

Description

一种基于雷达点云的道路边界识别方法及装置
技术领域
本发明涉及一种基于雷达点云的道路边界识别方法及装置，属于智能驾驶数据处理技术领域。
背景技术
雷达是自动驾驶领域中不可或缺的传感器之一，通常用其对道路内的障碍物进行识别和跟踪，常用的雷达有激光雷达、毫米波雷达等，但激光、毫米波雷达点云数据量巨大，对整个雷达扫描范围内的障碍物进行识别往往会影响其识别的实时性，且大部分信息都在车辆行驶的道路边界以外，这些信息并不会对自车行驶造成实际影响，因此在进行障碍物识别前，需要过滤道路边界外的点云信息，获取少而有用的点云进行下一步处理，从而提高运算效率，保障实时性。
过滤道路边界外的点云首先要获取道路边界信息，道路边界存在的形式多种多样，常见的道路边界主要有马路牙子、花坛、隔离带等，结构化的道路边界容易进行识别，但非结构化的道路边界变化多样，同一路段中可能存在多种形式的道路边界，因此仅利用雷达点云识别道路边界较难实现。
除了上述利用雷达点云获取道路边界的方式外，另一种获取道路边界信息的方式是基于高精度地图及定位设备，通过定位设备获取车辆所在的位置信息，从而根据高精度地图获取车辆周围的道路边界信息，这种方法简单有效，能够获取较为精确的道路边界数据，但过于依赖精确定位，当车辆行驶在较为封闭或遮挡较多的场景时，无法获取车辆的精确位置。
发明内容
本发明的目的是提供一种基于雷达点云的道路边界识别方法及装置，以解决现有获取道路边界的方法复杂、不能适用各种场景的问题。
为实现上述目的，本发明的技术方案为：本发明提供了一种基于雷达点云的道路边界识别方法，包括如下步骤：
1)基于雷达点云数据，提取初始道路边界点云；
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；
3)将初始道路边界点云和所述道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
本发明通过雷达点云数据，获取初始道路边界点云，从而对道路边界点云进行粗提取，然后通过车辆自身的跟踪算法获取的车辆定位信息获取的高精度地图中的道路边界模型，并与初始道路边界点云进行拟合，获取对应的旋转和平移参数，计算得到基于雷达点云的道路边界模型，从而实现雷达点云的道路边界识别。该方法并不需要获取车辆精确的定位，即可实现道路边界激光雷达点云的准确提取，算法简单，能够适用于各种行驶场景。
进一步的，所述步骤2)中获取车辆定位信息的方法还包括，根据卫星定位确定车辆的初始位置。
进一步的，步骤3)中采用最小二乘法进行拟合。
进一步的，所述跟踪算法包括卡尔曼滤波算法。
进一步的，所述雷达为激光雷达或毫米波雷达。
本发明还提供了一种基于雷达点云的道路边界识别装置，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序以实现如下步骤：
1)基于雷达点云数据，提取初始道路边界点云；
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；
3)将初始道路边界点云和所述道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
本发明通过雷达点云数据，获取初始道路边界点云，从而对道路边界点云进行粗提取，然后通过车辆自身的跟踪算法获取的车辆定位信息获取的高精度地图中的道路边界模型，并与初始道路边界点云进行拟合，获取对应的旋转和平移参数，计算得到基于雷达点云的道路边界模型，从而实现雷达点云的道路边界识别。该方法并不需要获取车辆精确的定位，即可实现道路边界激光雷达点云的准确提取，算法简单，能够适用于各种行驶场景。
进一步的，所述步骤2)中获取车辆定位信息的方法还包括，根据卫星定位确定车辆的初始位置。
进一步的，步骤3)中采用最小二乘法进行拟合。
进一步的，所述跟踪算法包括卡尔曼滤波算法。
进一步的，所述雷达为激光雷达或毫米波雷达。
附图说明
图1是本发明基于雷达点云的道路边界识别方法实施例中的方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即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。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
基于雷达点云的道路边界识别方法实施例：
本实施例中给出了基于雷达点云的道路边界识别方法，如图1所示，本实施例中以激光雷达为例，通过利用高精度地图、激光雷达传感器和车辆定位设备，对获取的信息进行融合处理，实现全场景下的道路边界激光雷达点云提取，从而对激光雷达点云进行道路边界过滤。本实施例中并不局限于采用激光雷达获取点云数据，作为其他实施方式，本实施例中还可以采用毫米波雷达。
具体的，本实施例中的详细过程主要包括以下几个步骤：
1)基于雷达点云数据，提取初始道路边界点云。
获取激光雷达点云数据是获取激光雷达一个扫描周期的点云数据，并从中提取初始道路边界点云，即对激光雷达点云进行边界点的粗提取，具体为，利用点云之间的位置关系，提取出符合道路边缘特征的突变点，这些突变点中有一部分实际并不是真实道路边缘，有可能是其它障碍物的干扰，因此称之为粗提取。
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息。
在初始状态下利用定位设备获取车辆的初始位置，之后通过跟踪算法对车辆的位置进行跟踪，从而获取车辆的定位信息，也即自车粗定位。这样做的主要目的是为了得到高精度地图中自车周边的道路边界模型，该道路边界模型可以利用单个或多个曲线方程表示。该步骤对于定位的精度要求不高，因此适用于封闭或遮挡较多的场景环境。
本实施例中，定位设备采用车辆安装的GPS等，并在初始定位后，使用卡尔曼滤波等跟踪算法不断对自车的位置进行预测和更新。
3)将初始道路边界点云和所述道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数。
本实施例中，高精度地图中道路边界模型是已知的，且与实际获取的道路边界点云模型(初始道路边界点云)之间具有旋转和平移关系，将激光雷达点云与高精度地图道路边界放入同一坐标系且都投影到大地坐标系下，能够推断激光雷达点云道路边界与高精度地图道路边界的模型尺度相同，进而通过设定的拟合算法得到激光雷达点云道路边界与高精度地图道路边界模型之间的旋转和平移参数，从而可通过简单的旋转和平移得到两者的位置关系。
通过粗提取的道路边界点云只是离散点云，这些点云中有些是真实的道路边界点，有些是道路边界附近的点云，因此，通过拟合得到真实的道路边界模型，然后依据此模型识别出真正的道路边界。
本实施例中，具体的旋转和平移参数计算使用的是最小二乘法，假定一组旋转平移参数，可以得到一个道路边界模型，再利用粗筛选出的点云数据与该道路边界模型进行最小二乘平方和计算。取多组旋转平移参数进行计算，筛选出最小平方和所对应的旋转平移参数，作为最终结果。
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
在得到旋转和平移变量后，已知高精度地图道路边界模型，即可得到激光雷达点云的道路边界模型，从而实现基于雷达点云的道路边界识别。
基于雷达点云的道路边界识别装置实施例：
本实施例中给出了一种基于雷达点云的道路边界识别装置，包括处理器和存储器，以及存储在存储器上并在所述处理器上运行的计算机程序，处理器可以采用单片机、FPGA、DSP、PLC或MCU等实现，存储器可以采用RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域已知的任何其他形式的存储介质，可以将该存储介质耦接至处理器，使处理器能够从该存储介质读取信息，或者该存储介质可以是处理器的组成部分。
处理器执行所述计算机程序时实现以下基于雷达点云的道路边界识别方法：
1)基于雷达点云数据，提取初始道路边界点云；
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；
3)将初始道路边界点云和所述道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
上述步骤的详细过程已在上述基于雷达点云的道路边界识别方法实施例中详细说明，此处不再赘述。
以上所述，仅为本发明的较佳实施例，并不用以限制本发明，本发明的专利保护范围以权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

Claims (10)

1.一种基于雷达点云的道路边界识别方法，其特征在于，包括如下步骤：
1)基于雷达点云数据，提取初始道路边界点云；
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；
3)高精度地图中道路边界模型与初始道路边界点云之间具有旋转和平移关系；根据获取的初始道路边界点云和所述高精度地图中道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；
所述得到旋转和平移参数的具体过程为：假定一组旋转平移参数，得到一个初始点云道路边界模型，再利用获取的点云数据于该初始点云道路边界模型进行最小二乘法的平和方计算，取多组旋转平移参数进行计算，筛选出最小平方和所对应的旋转平移参数，作为最终结果；
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
2.根据权利要求1所述的基于雷达点云的道路边界识别方法，其特征在于，所述步骤2)中获取车辆定位信息的方法还包括，根据卫星定位确定车辆的初始位置。
3.根据权利要求1所述的基于雷达点云的道路边界识别方法，其特征在于，步骤3)中采用最小二乘法进行拟合。
4.根据权利要求1所述的基于雷达点云的道路边界识别方法，其特征在于，所述跟踪算法包括卡尔曼滤波算法。
5.根据权利要求1所述的基于雷达点云的道路边界识别方法，其特征在于，所述雷达为激光雷达或毫米波雷达。
6.一种基于雷达点云的道路边界识别装置，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序以实现如下步骤：
1)基于雷达点云数据，提取初始道路边界点云；
2)获取车辆定位信息，根据车辆定位信息得到高精度地图中车辆周边的道路边界模型；其中，通过车辆自身的跟踪算法获取所述车辆定位信息；
3)高精度地图中道路边界模型与初始道路边界点云之间具有旋转和平移关系；根据获取初始道路边界点云和所述高精度地图中道路边界模型在同一坐标系下进行拟合，得到旋转和平移参数；
所述得到旋转和平移参数的具体过程为：假定一组旋转平移参数，得到一个初始点云道路边界模型，再利用获取的点云数据于该初始点云道路边界模型进行最小二乘法的平和方计算，取多组旋转平移参数进行计算，筛选出最小平方和所对应的旋转平移参数，作为最终结果；
4)根据所述旋转和平移参数，计算得出雷达点云的道路边界模型，以实现基于雷达点云的道路边界识别。
7.根据权利要求6所述的基于雷达点云的道路边界识别装置，其特征在于，所述步骤2)中获取车辆定位信息的方法还包括，根据卫星定位确定车辆的初始位置。
8.根据权利要求6所述的基于雷达点云的道路边界识别装置，其特征在于，步骤3)中采用最小二乘法进行拟合。
9.根据权利要求6所述的基于雷达点云的道路边界识别装置，其特征在于，所述跟踪算法包括卡尔曼滤波算法。
10.根据权利要求6所述的基于雷达点云的道路边界识别装置，其特征在于，所述雷达为激光雷达或毫米波雷达。
CN202010243395.3A 2020-03-31 2020-03-31 一种基于雷达点云的道路边界识别方法及装置 Active CN113468922B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010243395.3A CN113468922B (zh) 2020-03-31 2020-03-31 一种基于雷达点云的道路边界识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010243395.3A CN113468922B (zh) 2020-03-31 2020-03-31 一种基于雷达点云的道路边界识别方法及装置

Publications (2)

Publication Number Publication Date
CN113468922A CN113468922A (zh) 2021-10-01
CN113468922B true CN113468922B (zh) 2023-04-18

Family

ID=77865419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010243395.3A Active CN113468922B (zh) 2020-03-31 2020-03-31 一种基于雷达点云的道路边界识别方法及装置

Country Status (1)

Country Link
CN (1) CN113468922B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113838196A (zh) * 2021-11-24 2021-12-24 阿里巴巴达摩院(杭州)科技有限公司 点云数据的处理方法、装置、设备及存储介质
CN114863089A (zh) * 2022-04-02 2022-08-05 天津港第二集装箱码头有限公司 自动驾驶感知数据的自动采集方法、装置、介质及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009086956A (ja) * 2007-09-28 2009-04-23 Hitachi Software Eng Co Ltd 道路地図データ作成装置
JP2014006588A (ja) * 2012-06-21 2014-01-16 Toyota Central R&D Labs Inc 路面境界推定装置及びプログラム
WO2018205119A1 (zh) * 2017-05-09 2018-11-15 深圳市速腾聚创科技有限公司 基于激光雷达扫描的路沿检测方法和系统
CN110376604A (zh) * 2019-08-09 2019-10-25 北京智行者科技有限公司 基于单线激光雷达的路沿检测方法
CN110696826A (zh) * 2019-10-09 2020-01-17 北京百度网讯科技有限公司 用于控制车辆的方法和装置
CN110736474A (zh) * 2018-07-18 2020-01-31 郑州宇通客车股份有限公司 一种车辆的地图信息获取方法及装置
CN110927762A (zh) * 2018-09-20 2020-03-27 上海汽车集团股份有限公司 一种定位修正方法、装置及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108955670B (zh) * 2017-05-25 2021-02-09 百度在线网络技术（北京）有限公司 信息获取方法和装置
JP7005326B2 (ja) * 2017-12-13 2022-01-21 株式会社Soken 路側物認識装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009086956A (ja) * 2007-09-28 2009-04-23 Hitachi Software Eng Co Ltd 道路地図データ作成装置
JP2014006588A (ja) * 2012-06-21 2014-01-16 Toyota Central R&D Labs Inc 路面境界推定装置及びプログラム
WO2018205119A1 (zh) * 2017-05-09 2018-11-15 深圳市速腾聚创科技有限公司 基于激光雷达扫描的路沿检测方法和系统
CN110736474A (zh) * 2018-07-18 2020-01-31 郑州宇通客车股份有限公司 一种车辆的地图信息获取方法及装置
CN110927762A (zh) * 2018-09-20 2020-03-27 上海汽车集团股份有限公司 一种定位修正方法、装置及系统
CN110376604A (zh) * 2019-08-09 2019-10-25 北京智行者科技有限公司 基于单线激光雷达的路沿检测方法
CN110696826A (zh) * 2019-10-09 2020-01-17 北京百度网讯科技有限公司 用于控制车辆的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Road Boundaries Detection based on Modified Occupancy Grid Map Using Millimeter-wave Radar;Fenglei Xu etal.;《Mobile Networks and Applications》;20191007;第2020年卷(第25期);全文 *
一种基于3D激光雷达的实时道路边缘提取算法;李广敬等;《计算机科学》;20180930;第45卷(第9期);全文 *

Also Published As

Publication number Publication date
CN113468922A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN109766404B (zh) 点云处理方法、装置及计算机可读存储介质
CN113468922B (zh) 一种基于雷达点云的道路边界识别方法及装置
CN110673107B (zh) 基于多线激光雷达的路沿检测方法及装置
CN111693968A (zh) 一种车载三维激光雷达系统外参的系统化标定方法
CN111179274B (zh) 地图地面分割方法、装置、计算机设备和存储介质
CN111340012A (zh) 一种地质灾害解译方法、装置、终端设备
KR101421128B1 (ko) 레이저 레이더 기반의 3차원 원시 데이터를 이용한 건물 영역 추출 방법
CN116520353B (zh) 基于激光点云的地面检测方法、装置、存储介质及设备
CN115077541A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN114488094A (zh) 一种车载多线激光雷达与imu外参数自动标定方法及装置
CN110580705A (zh) 一种基于双域图信号滤波检测建筑物边缘点的方法
CN113256990B (zh) 基于聚类算法的雷达采集道路车辆信息的方法及系统
CN112578405B (zh) 一种基于激光雷达点云数据去除地面的方法及系统
CN116184357B (zh) 一种地面点云数据处理方法、装置、电子装置和存储介质
CN112965076A (zh) 一种用于机器人的多雷达定位系统及方法
CN116467848B (zh) 一种毫米波雷达点云仿真的方法和装置
CN110174115B (zh) 一种基于感知数据自动生成高精度定位地图的方法及装置
CN111783648A (zh) 道路点云中护栏的提取方法及装置
CN111080536A (zh) 一种机载激光雷达点云的自适应滤波方法
CN115546437A (zh) 用于机械设备的斜坡检测方法、处理器和斜坡检测装置
CN112381029B (zh) 一种基于欧氏距离的机载LiDAR数据建筑物提取方法
CN113029166B (zh) 定位方法、装置、电子设备及存储介质
CN110737652B (zh) 露天矿山三维数字模型的数据清洗方法、系统及存储介质
CN114676907B (zh) 一种区域地质灾害预警方法、装置、存储介质及设备
WO2023073987A1 (ja) 電子制御装置、及び物体識別方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: No. 6, Yutong Road, Guancheng Hui District, Zhengzhou, Henan 450061

Applicant after: Yutong Bus Co.,Ltd.

Address before: No.1, Shibali Heyu Road, Guancheng Hui District, Zhengzhou City, Henan Province

Applicant before: ZHENGZHOU YUTONG BUS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant