CN113777616A - 一种运动车辆测距方法 - Google Patents
一种运动车辆测距方法 Download PDFInfo
- Publication number
- CN113777616A CN113777616A CN202110849089.9A CN202110849089A CN113777616A CN 113777616 A CN113777616 A CN 113777616A CN 202110849089 A CN202110849089 A CN 202110849089A CN 113777616 A CN113777616 A CN 113777616A
- Authority
- CN
- China
- Prior art keywords
- distance
- vehicle
- contour
- current
- scanning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000033001 locomotion Effects 0.000 claims abstract description 5
- 238000013519 translation Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012360 testing method 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及视觉识别测距技术领域，一种运动车辆测距方法，包括如下步骤，将激光雷达安装在车辆运动方向的上方，激光雷达实时发射激光束扫描，扫描车辆起始位置作为标准参考位置；在车辆运动一段距离后，激光雷达扫描当前时刻车辆轮廓，对标准参考位置轮廓数据做滤波处理；计算车辆当前位置与标准参考位置之间的距离，同时预测车辆当前位置与标准参考位置之间的距离，并判断计算距离与预测距离是否超过阈值，基于阈值选择该次测量结果。在车辆运动距离测量完毕后，基于测量距离和实时扫描轮廓逐步将车辆轮廓复原。该测距方法车辆运动状态下测量精度高，扫描环境条件宽容度高。
Description
技术领域
本发明涉及视觉识别测距技术领域，特别是一种运动车辆测距方法。
背景技术
目前运动车辆测速技术主要有基于激光测距雷达、激光测速雷达两种实时测量方法。测距雷达是通过对被测物体发射激光光束，并接收该激光光束的反射波，记录该时间差，来确定被测物体与测试点的距离。激光测速雷达是对物体移动速度的测量，通过对被测物体进行两次有特定时间间隔的激光测距，从而得到该被测物体的移动速度。再基于时间与实时速度计算得到运动车辆的实时距离。
不足1：车辆运动状态下测量精度不高，无法实时稳定获取车辆当前位置。由于应用场景限制激光雷达无法安装于车辆行驶的正前方，导致激光雷达扫描所得车辆轮廓实时变化且随着与激光雷达的距离变化而变化，因此由激光雷达扫描返回的车辆距离并不可靠。
不足2：对激光雷达成像质量要求高，抗干扰性差。激光雷达在距离车辆目标距离较远时车辆实时扫描成像质量不稳定，偶尔出现噪点较多，扫描目标轮廓失真的情况。以往常用方法无法很好处理这种激光雷达成像不佳的情况，应用时普遍需要采用昂贵的高精度雷达、限定在良好的扫描环境条件。
不足3：玻璃具有透光性质性，激光雷达扫描车头挡风玻璃部分会缺失。因此激光雷达扫描得到缺失的车辆轮廓，仅凭缺失的车辆轮廓判断车辆当前位置距离并不可靠准确。
发明内容
为解决上述问题，本发明提供一种运动车辆测距方法，该测距方法车辆运动状态下测量精度高，扫描环境条件宽容度高，并可准确复原车辆轮廓。
为实现上述目的，本发明采用的技术方案是：
一种运动车辆测距方法，包括如下步骤，
步骤1、将激光雷达安装在车辆运动方向的上方，激光雷达实时发射激光束扫描，扫描车辆起始位置作为标准参考位置；
步骤2、在车辆运动一段距离后，激光雷达扫描当前时刻车辆轮廓，对标准参考位置轮廓数据做滤波处理；
步骤3、计算车辆当前位置与标准参考位置之间的距离，预测车辆当前位置与标准参考位置之间的距离，并判断计算距离与预测距离是否超过阈值，
当计算距离与预测距离超过阈值时，采用预测距离作为测量结果；当计算距离与预测距离小于阈值时，采用计算距离作为测量结果；
步骤4、在车辆运动距离测量完毕后，基于测量距离和实时扫描轮廓逐步将车辆轮廓复原。
作为优选的，在步骤2中，对复原的标准轮廓进行滤波处理，滤波处理采用了体素滤波，以降低叠加点云的密度，使得点云不会随着时间增加而无限增加；在运动距离方向上将偏离主体较远的叠加点云剔除，以避免不断叠加过程中轮廓复原失真。
作为优选的，在步骤3中，计算当前车辆位置距离包括：
激光雷达扫描的当前车辆与标准参考位置车辆点云做点云配准，计算两个点云之间的平移距离，过程如下：
步骤31A、从当前扫描轮廓点云中取一点p，在标准参考轮廓中搜索距离点p最近点q,计算两点间距离；
步骤32A、遍历当前帧轮廓所有点，重复步骤31，将距离求和；
步骤33A、在车辆运动方向上将当前扫描轮廓平移，重复步骤31和步骤32，每一次平移计算得到一个距离和，距离和最小的平移距离为测量结果。
作为优选的，在步骤3中，预测当前车辆位置距离包括：预测估计当前车辆的位置距离，取距离当前扫描帧最近的前n帧，统计分析前n帧距离结果的均值、方差以及导数，基于方差大小以及导数大小综合判断,选择基于均值或基于导数计算当前位置距离。
作为优选的，在步骤4中，基于实时计算所得当前扫描轮廓与标准位置扫描轮廓的位置距离，将实时扫描所得的当前轮廓平移至标准位置扫描轮廓，不断叠加融合，逐渐复原车辆完整的轮廓。
本发明的有益效果是：
1、本发明可以实时测量运动车辆的位置距离。以往基于测距激光雷达、测速激光雷达方法普遍只适用于获取车辆一段时间行驶速度或者某个时间点车辆的当前位置。本发明可以实时计算运动车辆相对于已知参考位置的实时位置距离。
2、本发明克服车辆挡风玻璃透光的特性问题。本发明基于实时复原扫描车辆轮廓、轮廓匹配的算法思想，可克服因扫描轮廓失真而无法准确计算的情况。
附图说明
图1为本发明运动车辆测距方法的流程图。
图2为本发明运动车辆测距方法中激光雷达的位置示意图。
图3为本发明运动车辆测距方法中运动车辆位移示意图。
具体实施方式
以下结合附图对本发明进行详细的描述。
如图1-图3所示，本实施例提出一种运动车辆测距方法，包括如下步骤，
步骤1、将激光雷达安装在车辆运动方向的上方，激光雷达实时发射激光束扫描，扫描车辆起始位置作为标准参考位置；步骤2、在车辆运动一段距离后，激光雷达扫描当前时刻车辆轮廓，对标准参考位置轮廓数据做滤波处理；步骤3、计算车辆当前位置与标准参考位置之间的距离，预测车辆当前位置与标准参考位置之间的距离，并判断计算距离与预测距离是否超过阈值，当计算距离与预测距离超过阈值时，采用预测距离作为测量结果；当计算距离与预测距离小于阈值时，采用计算距离作为测量结果；步骤4、在车辆运动距离测量完毕后，基于测量距离和实时扫描轮廓逐步将车辆轮廓复原。
作为优选的，在步骤2中，对复原的标准轮廓进行滤波处理，滤波处理采用了体素滤波，以降低叠加点云的密度，使得点云不会随着时间增加而无限增加；在平移距离方向上对偏离较远的叠加点云剔除，以避免不断叠加过程中轮廓复原失真。
作为优选的，在步骤3中，计算当前车辆位置距离包括：激光雷达扫描的当前车辆与标准参考位置车辆点云做点云配准，计算两个点云之间的平移距离，过程如下：步骤31A、从当前扫描轮廓点云中取一点p，在标准参考轮廓中搜索距离点p最近点q,计算两点间距离；步骤32A、遍历当前帧轮廓所有点，重复步骤31，将距离求和；步骤33A、在行驶方向上将当前扫描轮廓平移，重复步骤31和步骤32，每一次平移计算得到一个距离和，距离和最小的平移距离为测量结果。
作为优选的，在步骤3中，预测当前车辆位置距离包括：预测估计当前车辆的位置距离，取距离当前扫描帧最近的前n帧，统计分析前n帧距离结果的均值、方差以及导数，基于方差大小以及导数大小综合判断,选择基于均值或基于导数计算当前位置距离。
作为优选的，在步骤4中，基于实时计算所得当前扫描轮廓与标准位置扫描轮廓的位置距离，将实时扫描所得的当前轮廓平移至标准位置扫描轮廓，不断叠加融合，逐渐复原车辆完整的轮廓。
本发明的详细过程如下：
滤波处理：计算距离复原轮廓后，实时融合叠加复原的轮廓会将成像的噪声一并引入，同时累积距离计算误差。若长时间不做处理，实时复原的轮廓将逐渐失真。因此需要对复原的标准轮廓进行滤波处理，滤波处理采用了体素滤波降低叠加点云的密度，使得点云不会随着时间增加而无限增加。另一方面，在平移距离方向上对偏离较远的叠加点云剔除，以避免不断叠加过程中轮廓复原失真。
计算当前车辆位置距离：本步骤基于点云配准的思想，激光雷达扫描的当前车辆与标准参考位置车辆点云做点云配准，计算两个点云之间的平移距离。算法基于迭代最近点(Iterative Closest Point,ICP)算法配准框架，提出一种针对单帧线扫激光的配准算法。算法流程如下：第一步，从当前扫描轮廓点云中取一点p，在标准参考轮廓中搜索距离点p最近点q,计算两点间距离。第二步，遍历当前帧轮廓所有点，重复步骤1，将距离求和。第三步，在行驶方向上将当前扫描轮廓平移，重复步骤1、2。每一次平移计算得到一个距离和，距离和最小的平移距离为测量结果。
预测当前车辆位置距离：由于外部环境变化、车辆挡风玻璃等原因，激光雷达扫描的车辆轮廓可能出现严重失真的情况。在扫描轮廓失真的情况下无法保证计算出车辆准确的位置距离，因此需要预测估计当前车辆的位置距离。估计原理为取距离当前扫描帧最近的前n帧，统计分析前n帧距离结果的均值、方差以及导数，基于方差大小以及导数大小综合判断,选择基于均值或基于导数计算当前位置距离。
车辆轮廓复原：应用场景为车辆运动的，运动过程中车辆与激光雷达的相对距离和角度不断变化，某时刻只扫描到车辆部分的轮廓，且随时间变化。因此需要基于实时得到的部分轮廓将完整车辆轮廓复原。复原的原理为，基于实时计算所得当前扫描轮廓与标准位置扫描轮廓的位置距离，将实时扫描所得的当前轮廓平移至标准位置扫描轮廓，不断叠加融合，逐渐复原车辆完整的轮廓。
本方法适用于运动车辆的实时测量。以往激光雷达测距方法无法实时测量运动车辆的位置距离。本方法基于激光雷达扫描轮廓匹配思想。以往测距激光雷达基于返回的扫描车辆轮廓整体独立计算车辆的位置与距离。本方法通过匹配思想，将激光扫描轮廓平移逼近标准参考位置车辆轮廓直到吻合，以平移距离作为计算结果。本发明以车辆轮廓一个面作为参考，而以往方法以激光雷达单点做参考。本方法加入预测估算机制。预测估算机制可以避免极端情况下激光雷达扫描成像噪点多、失真情况严重的异常情况。
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上可以作出许多变化，只要这些变化未脱离本发明的构思，均属于本发明的保护范围。
Claims (5)
1.一种运动车辆测距方法，其特征在于：包括如下步骤，
步骤1、将激光雷达安装在车辆运动方向的上方，激光雷达实时发射激光束扫描，扫描车辆起始位置作为标准参考位置；
步骤2、在车辆运动一段距离后，激光雷达扫描当前时刻车辆轮廓，对标准参考位置轮廓数据做滤波处理；
步骤3、计算车辆当前位置与标准参考位置之间的距离，同时预测车辆当前位置与标准参考位置之间的距离，并判断计算距离与预测距离是否超过阈值，
当计算距离与预测距离超过阈值时，采用预测距离作为测量结果；当计算距离与预测距离小于阈值时，采用计算距离作为测量结果；
步骤4、在车辆运动距离测量完毕后，基于测量距离和实时扫描轮廓逐步将车辆轮廓复原。
2.根据权利要求1所述的运动车辆测距方法，其特征在于：在步骤2中，对复原的标准轮廓进行滤波处理，滤波处理采用了体素滤波，以降低叠加点云的密度，使得点云不会随着时间增加而无限增加；在运动距离方向上将偏离主体较远的叠加点云剔除，以避免不断叠加过程中轮廓复原失真。
3.根据权利要求1所述的运动车辆测距方法，其特征在于：在步骤3中，计算当前车辆位置距离包括：
激光雷达扫描的当前车辆与标准参考位置车辆点云做点云配准，计算两个点云之间的平移距离，过程如下：
步骤31A、从当前扫描轮廓点云中取一点p，在标准参考轮廓点云中搜索距离点p最近点q,计算两点间距离；
步骤32A、遍历当前帧轮廓所有点，重复步骤31，将距离求和；
步骤33A、在车辆运动方向上将当前扫描轮廓平移，重复步骤31和步骤32，每一次平移计算得到一个距离和，距离和最小的平移距离为测量计算结果。
4.根据权利要求3所述的运动车辆测距方法，其特征在于：在步骤3中，预测当前车辆位置距离包括：预测估计当前车辆的位置距离，取距离当前扫描帧最近的前n帧，统计分析前n帧距离结果的均值、方差以及导数，基于方差大小以及导数大小综合判断,选择基于均值或基于导数计算当前位置距离。
5.根据权利要求1所述的运动车辆测距方法，其特征在于：在步骤4中，基于实时计算所得当前扫描轮廓与标准位置扫描轮廓的位置距离，将实时扫描所得的当前轮廓平移至标准位置扫描轮廓，不断叠加融合，逐渐复原车辆完整的轮廓。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849089.9A CN113777616B (zh) | 2021-07-27 | 2021-07-27 | 一种运动车辆测距方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849089.9A CN113777616B (zh) | 2021-07-27 | 2021-07-27 | 一种运动车辆测距方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113777616A true CN113777616A (zh) | 2021-12-10 |
| CN113777616B CN113777616B (zh) | 2024-06-18 |
Family
ID=78836078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110849089.9A Active CN113777616B (zh) | 2021-07-27 | 2021-07-27 | 一种运动车辆测距方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113777616B (zh) |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07253467A (ja) * | 1994-03-15 | 1995-10-03 | Nissan Motor Co Ltd | 車両用レーダ装置 |
| US20090116751A1 (en) * | 2005-10-25 | 2009-05-07 | Mitsubishi Electric Corporation | Image Discrimination Apparatus |
| CN103116988A (zh) * | 2013-01-18 | 2013-05-22 | 合肥工业大学 | 基于tof相机的车流量及车型检测方法 |
| CN103162639A (zh) * | 2011-12-12 | 2013-06-19 | 无锡物联网产业研究院 | 一种获取车辆三维轮廓的方法、装置及系统 |
| CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
| US20170337434A1 (en) * | 2016-01-22 | 2017-11-23 | Beijing Smarter Eye Technology Co. Ltd. | Warning Method of Obstacles and Device of Obstacles |
| CN107607044A (zh) * | 2017-08-21 | 2018-01-19 | 南京理工大学 | 一种基于激光位移传感器的车轮踏面磨耗检测方法 |
| CN107632308A (zh) * | 2017-08-24 | 2018-01-26 | 吉林大学 | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 |
| CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
| CN109166155A (zh) * | 2018-09-26 | 2019-01-08 | 北京图森未来科技有限公司 | 一种车载双目摄像机测距误差的计算方法和装置 |
| CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及系统 |
| CN111751852A (zh) * | 2020-06-17 | 2020-10-09 | 北京联合大学 | 基于点云配准的无人车gnss定位可靠性评价方法 |
| CN112014855A (zh) * | 2020-07-20 | 2020-12-01 | 江西路通科技有限公司 | 一种基于激光雷达的车辆外廓检测方法及系统 |
| CN112348864A (zh) * | 2020-11-11 | 2021-02-09 | 湖南大学 | 一种融合线激光轮廓特征的三维点云自动配准方法 |
| CN112415217A (zh) * | 2020-12-24 | 2021-02-26 | 中建材信息技术股份有限公司 | 一种基于视频的车辆测速方法 |
| DE102020007772A1 (de) * | 2020-12-18 | 2021-03-04 | Daimler Ag | Verfahren zur In-Betrieb-Kalibrierung eines Lidars und Fahrzeug |
-
2021
- 2021-07-27 CN CN202110849089.9A patent/CN113777616B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07253467A (ja) * | 1994-03-15 | 1995-10-03 | Nissan Motor Co Ltd | 車両用レーダ装置 |
| US20090116751A1 (en) * | 2005-10-25 | 2009-05-07 | Mitsubishi Electric Corporation | Image Discrimination Apparatus |
| CN103162639A (zh) * | 2011-12-12 | 2013-06-19 | 无锡物联网产业研究院 | 一种获取车辆三维轮廓的方法、装置及系统 |
| CN103116988A (zh) * | 2013-01-18 | 2013-05-22 | 合肥工业大学 | 基于tof相机的车流量及车型检测方法 |
| CN104484648A (zh) * | 2014-11-27 | 2015-04-01 | 浙江工业大学 | 基于轮廓识别的机器人可变视角障碍物检测方法 |
| US20170337434A1 (en) * | 2016-01-22 | 2017-11-23 | Beijing Smarter Eye Technology Co. Ltd. | Warning Method of Obstacles and Device of Obstacles |
| CN107607044A (zh) * | 2017-08-21 | 2018-01-19 | 南京理工大学 | 一种基于激光位移传感器的车轮踏面磨耗检测方法 |
| CN107632308A (zh) * | 2017-08-24 | 2018-01-26 | 吉林大学 | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 |
| CN108132025A (zh) * | 2017-12-24 | 2018-06-08 | 上海捷崇科技有限公司 | 一种车辆三维轮廓扫描构建方法 |
| CN109166155A (zh) * | 2018-09-26 | 2019-01-08 | 北京图森未来科技有限公司 | 一种车载双目摄像机测距误差的计算方法和装置 |
| CN109633676A (zh) * | 2018-11-22 | 2019-04-16 | 浙江中车电车有限公司 | 一种基于激光雷达侦测障碍物运动方向的方法及系统 |
| CN111751852A (zh) * | 2020-06-17 | 2020-10-09 | 北京联合大学 | 基于点云配准的无人车gnss定位可靠性评价方法 |
| CN112014855A (zh) * | 2020-07-20 | 2020-12-01 | 江西路通科技有限公司 | 一种基于激光雷达的车辆外廓检测方法及系统 |
| CN112348864A (zh) * | 2020-11-11 | 2021-02-09 | 湖南大学 | 一种融合线激光轮廓特征的三维点云自动配准方法 |
| DE102020007772A1 (de) * | 2020-12-18 | 2021-03-04 | Daimler Ag | Verfahren zur In-Betrieb-Kalibrierung eines Lidars und Fahrzeug |
| CN112415217A (zh) * | 2020-12-24 | 2021-02-26 | 中建材信息技术股份有限公司 | 一种基于视频的车辆测速方法 |
Non-Patent Citations (3)
| Title |
|---|
| ZHAOZHENG HU ET AL.: "Registration of image and 3D LIDAR data from extrinsic calibration", 2015 INTERNATIONAL CONFERENCE ON TRANSPORTATION INFORMATION AND SAFETY (ICTIS), vol. 0, no. 0, 25 June 2015 (2015-06-25), pages 102 - 106, XP033216070, DOI: 10.1109/ICTIS.2015.7232189 * |
| 李诚;张宏烈;: "一种抗动态运动干扰的雷达车辆测距算法仿真", 计算机仿真, no. 06, 15 June 2013 (2013-06-15), pages 182 - 185 * |
| 胡远志;刘俊生;肖佐仁;耿庄程;: "基于数据融合的目标测距方法研究", 重庆理工大学学报(自然科学), no. 12, 15 December 2019 (2019-12-15), pages 18 - 25 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113777616B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109459750B (zh) | 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法 | |
| CN116071387B (zh) | 基于机器视觉的枕轨生产质量检测方法 | |
| CN107632308B (zh) | 一种基于递归叠加算法的车辆前方障碍物轮廓检测方法 | |
| CN109434251B (zh) | 一种基于粒子滤波的焊缝图像跟踪方法 | |
| JP2013190421A (ja) | 車両において通行物体位置検出を向上する方法 | |
| KR102283773B1 (ko) | 라이더 스캔 데이터의 누적에 의한 자율주행 자동차의 위치인식 시스템 및 그 방법 | |
| CN107517592B (zh) | 汽车可行驶区域实时检测方法和系统 | |
| CN112862858A (zh) | 一种基于场景运动信息的多目标跟踪方法 | |
| CN110532582B (zh) | 对扫描距离传感器进行建模的方法 | |
| CN108830257A (zh) | 一种基于单目光流的潜在障碍物检测方法 | |
| CN115856872A (zh) | 一种车辆运动轨迹连续跟踪方法 | |
| CN111879264A (zh) | 一种基于线结构光的平整度测量与评估系统 | |
| CN108876771B (zh) | 一种咬边焊接缺陷的检测方法 | |
| CN115151836A (zh) | 用于探测车辆周围环境中的移动对象的方法和机动车辆 | |
| CN113379776A (zh) | 一种道路边界检测方法 | |
| CN116229385A (zh) | 一种基于卷积神经网络结合贪心算法的车辆3d多目标跟踪方法 | |
| CN117826179A (zh) | 分类和去除光探测和测距点云中对象伪影以增强探测的系统和方法 | |
| KR20230101560A (ko) | 차량용 라이다 시스템 및 그 객체 검출 방법 | |
| CN116958842B (zh) | 基于激光-视觉融合的地下管线的巡检方法及装置 | |
| CN114035188A (zh) | 一种地基雷达冰川流速高精度监测算法与系统 | |
| CN113777616B (zh) | 一种运动车辆测距方法 | |
| CN117406234A (zh) | 基于单线激光雷达与视觉融合的目标测距和追踪的方法 | |
| US11567172B2 (en) | Method for capturing at least one object, device of a sensor apparatus, sensor apparatus and driver assistance system with at least one sensor apparatus | |
| CN114463704A (zh) | 一种基于视觉融合的车辆识别方法 | |
| Lu et al. | Algorithm for de-scattering 3D images from infrared time-of-flight (ToF) cameras |
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 |