CN113970758A - 点云数据处理的方法、及装置 - Google Patents
点云数据处理的方法、及装置 Download PDFInfo
- Publication number
- CN113970758A CN113970758A CN202010713990.9A CN202010713990A CN113970758A CN 113970758 A CN113970758 A CN 113970758A CN 202010713990 A CN202010713990 A CN 202010713990A CN 113970758 A CN113970758 A CN 113970758A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- processing
- target
- threads
- 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.)
- Pending
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
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- 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
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
-
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
-
- 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
- G01S7/491—Details of non-pulse systems
- G01S7/493—Extracting wanted echo signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种点云数据处理的方法、行驶车辆控制方法、装置、电子设备及存储介质,该方法包括:根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
Description
技术领域
本公开涉及激光雷达技术领域,具体而言,涉及一种点云数据处理的方法、行驶车辆控制方法、装置、电子设备及存储介质。
背景技术
激光雷达为目标检测中最重要的传感器之一,故激光雷达被广泛使用,比如,将激光雷达应用于自动驾驶领域中。目前,可以将激光雷达设置在车辆上,激光雷达通过360°旋转发射激光束,并产生点云数据,进而通过对点云数据进行处理,实现行驶环境中目标对象的检测。
一般的,在激光雷达采集了点云数据之后,可以对激光雷达采集的点云数据依次进行处理,以确定点云数据中包括的目标对象的检测结果,这种情况下,当激光雷达采集的点云数据的数量较大时,处理效率比较低。
发明内容
有鉴于此,本公开至少提供一种点云数据处理的方法、行驶车辆控制方法、装置、电子设备及存储介质。
第一方面,本公开提供了一种点云数据处理的方法,应用于雷达装置,所述雷达装置中同步运行有多个处理线程,所述方法包括:
根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
采用上述方法,雷达装置在获取了每帧当前点云数据之后,可以控制多个处理线程并行对当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理,由于采用多个处理线程并行对当前帧点云数据进行栅格化处理,从而提高了处理速度,使得得到目标检测结果的实时性较好。
一种可能的实施方式中,所述控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理,包括:
控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域;
各个处理线程分别对落入自身负责的子检测范围内的各个目标栅格区域中的点云点进行栅格化处理。
一种可能的实施方式中,控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域,包括:
针对所述当前帧点云数据中的每个点云点,根据各个点云点的坐标信息、以及所述多个处理线程中的每个处理线程对应的子检测范围,确定所述点云点对应的目标处理线程以及所述点云点所在的栅格区域;
在检测到所述目标处理线程对应的子检测范围内存在点云点的有效栅格区域的第一数量小于第一阈值时,则基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域。
一种可能的实施方式中,所述基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域,包括:
在检测到所述点云点所在的栅格区域内存在的点云点的第二数量小于设置的第二阈值时,则将所述点云点所在的栅格区域确定为所述点云点所对应的目标栅格区域。
一种可能的实施方式中,基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果,包括:
基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,其中,目标栅格区域为存在点云点的栅格区域。
上述实施方式下,通过确定存在点云点的目标栅格区域,并基于栅格化处理结果中目标栅格区域对应的点云数据,确定针对当前帧点云数据的目标检测结果,而无需对多个栅格区域中除目标栅格区域之外的其他栅格区域的信息进行处理,降低了信息处理的计算量,提高了确定目标检测结果的效率。
一种可能的实施方式中,基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,包括:
基于所述目标栅格区域对应的点云数据,确定所述当前帧点云数据对应的点云特征图以及稀疏矩阵;其中,所述点云特征图用于指示每个所述目标栅格区域对应的点云数据,所述稀疏矩阵中与每个所述目标栅格区域对应的元素的元素值,和与除所述目标栅格区域外的其它栅格区域对应的元素的元素值不同;
基于所述点云特征图以及所述稀疏矩阵,确定针对所述当前帧点云数据的目标检测结果。
上述实施方式下,确定当前帧点云数据对应的点云特征图以及稀疏矩阵,通过稀疏矩阵中目标栅格区域对应的元素值指示的位置,确定点云特征图中待处理的数据,并对点云特征图中待处理的数据进行处理,无需对点云特征图中除待处理的数据之外的其他数据进行处理,降低了处理量,提高了处理效率。
一种可能的实施方式中,根据下述步骤确定多个处理线程的线程数量:
基于所述雷达装置中的片上系统中包括的处理器的内核数量,确定多个处理线程的线程数量。
上述方式中,通过内核数量,确定多个处理线程的线程数量,比如,若处理器的内核数量为4,则可以设置线程数量为4,使得处理器的每个内核可以执行一个处理线程,提高了点云数据的栅格化处理的效率。
第二方面,本公开提供了一种行驶车辆控制方法,包括:
获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于第一方面或第一方面任一实施方式所述的点云数据处理的方法确定得到的;
基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
以下装置、电子设备等的效果描述参见上述方法的说明,这里不再赘述。
第三方面,本公开提供了一种点云数据处理的装置,包括:
分配模块,用于根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
处理模块,用于在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
确定模块,用于基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
第四方面,本公开提供了一种行驶车辆控制装置,包括:
获取模块,用于获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于第一方面或第一方面任一实施方式所述的点云数据处理的方法确定得到的;
控制模块,用于基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
第五方面,本公开提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述第一方面或任一实施方式所述的点云数据处理的方法的步骤,或执行如上述第二方面所述的行驶车辆控制方法的步骤。
第六方面,本公开提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述第一方面或任一实施方式所述的点云数据处理的方法的步骤,或执行如上述第二方面所述的行驶车辆控制方法的步骤。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,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示出了本公开实施例所提供的一种点云数据处理的方法的流程示意图;
图2示出了本公开实施例所提供的一种点云数据处理的方法中,雷达检测范围的示意图;
图3示出了本公开实施例所提供的一种点云数据处理的方法中,雷达检测范围栅格化区域图和稀疏矩阵的示意图;
图4示出了本公开实施例所提供的一种行驶车辆控制方法的流程示意图;
图5示出了本公开实施例所提供的一种云数据处理的装置的架构示意图;
图6示出了本公开实施例所提供的一种行驶车辆控制装置的架构示意图;
图7示出了本公开实施例所提供的一种电子设备700的结构示意图;
图8示出了本公开实施例所提供的一种电子设备800的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开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公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,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,都属于本公开保护的范围。
一般的,在激光雷达采集了点云数据之后,可以对激光雷达采集的点云数据依次进行处理,以确定点云数据中包括的目标对象的检测结果,这种情况下,当激光雷达采集的点云数据的数量较大时,处理效率比较低。
为了解决上述问题,本公开实施例提供了一种点云数据处理的方法。
为便于对本公开实施例进行理解,首先对本公开实施例所公开的一种点云数据处理的方法进行详细介绍。
参见图1所示,为本公开实施例所提供的点云数据处理的方法的流程示意图,其中该方法可以应用于雷达装置,该雷达装置中同步运行有多个处理线程。具体的,该方法包括S101-S103,其中:
S101,根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围。
S102,在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理。
S103,基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
上述方法中,雷达装置在获取了每帧当前点云数据之后,可以控制多个处理线程并行对当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理,由于采用多个处理线程并行对当前帧点云数据进行栅格化处理,从而提高了处理速度,使得得到目标检测结果的实时性较好。
针对S101:
作为一可选实施方式,可以根据下述步骤确定多个处理线程的线程数量:基于所述雷达装置中的片上系统中包括的处理器的内核数量,确定多个处理线程的线程数量。
这里,可以根据雷达装置中的片上系统中包括的处理器的内核数量,确定多个处理线程的线程数量,比如,若处理器的内核数量为4,即该处理器为四核处理器,则线程数量可以为大于等于4,使得处理器中的每个内核负责运行至少一个处理线程。在具体实施时,片上系统可以为现场可编辑逻辑门阵列(Field Programmable Gate Array,FPGA)异构系统,FPGA异构系统上集成有处理器,通过集成的处理器的内核数量,确定线程数量。
上述方式中,通过内核数量,确定多个处理线程的线程数量,比如,若内核数量为4,则可以设置线程数量为4,使得每个内核可以执行一个处理线程,提高了点云数据的栅格化处理的效率。
作为一优选实施方式,多个处理线程的线程数量可以与处理器的内核数量相同。比如,若处理器为四核处理器时,则多个处理线程的线程数量为4,使得每个内核负责运行一个处理线程;若处理器为八核处理器时,则多个处理线程的线程数量为8,使得每个内核负责运行一个处理线程,实现雷达装置的处理器并行的运行多个处理线程。
确定雷达装置的雷达检测范围,按照确定的线程数量,将雷达装置的雷达检测范围划分为对应数量的子检测范围,比如,若线程数量为4,则将雷达装置的雷达检测范围均等的划分为4个子检测范围,为多个处理线程中的每个处理线程分配一个子检测范围。进而在多个处理线程的线程数量等于处理器的内核数时,可以使得处理器中的每个内核对应一个子检测范围。
参见图2所示,在多个处理线程的线程数量为4个时,则将雷达检测范围(即图2中所示的雷达检测区域)均等的划分为4个子检测范围,每个线程对应一个子检测范围,比如线程A对应子检测范围一,线程B对应子检测范围二,线程C对应子检测范围三,线程D对应子检测范围四。同时,还可以将每个子检测范围划分为多个栅格区域,比如划分为长为L、宽为W的栅格区域,其中每个子检测范围对应到的栅格的数量相同。其中,栅格区域的尺寸以及数量可以根据实际需要进行确定。
针对S102:
雷达装置可以实时的采集每一帧点云数据,雷达装置在检测得到一帧点云数据之后,将获取的该帧点云数据作为当前帧点云数据,控制多个处理线程并行对当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理。
具体实施时,在得到当前帧点云数据之后,可以控制处理器中的各个内核并行处理多个线程,进而控制多个线程并行对当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理。
一种可选实施方式中,所述控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理,可以包括:控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域;各个处理线程分别对落入自身负责的子检测范围内的各个目标栅格区域中的点云点进行栅格化处理。
在具体实施时,处理器中的各个内核并行遍历当前帧点云数据,确定每个点云点对应的目标栅格区域。具体的,针对每个内核运行的处理线程,遍历当前帧点云数据,判断当前帧点云数据中每个点云点是否位于自身负责的子检测范围内,若是,则基于该点云点的坐标信息和自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定该点云点所对应的目标栅格区域;若否,则不对该点云点进行处理;进而确定得到了每个点云点所对应的目标栅格区域。
进一步地,各个处理线程分别对落入自身负责的子检测范围内的各个目标栅格区域中点云点进行栅格化处理。示例性的,可以将目标栅格区域中的各个点云点的点云数据,确定为该目标栅格区域对应的特征数据,进而可以得到各个目标栅格区域分别对应的特征数据。
作为一可选实施方式,控制多个处理线程中的每个处理线程分别根据当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个点云点所在的目标栅格区域,包括:
针对当前帧点云数据中的每个点云点,根据各个点云点的坐标信息、以及多个处理线程中的每个处理线程对应的子检测范围,确定点云点对应的目标处理线程以及点云点所在的栅格区域;
在检测到目标处理线程对应的子检测范围内存在点云点的有效栅格区域的第一数量小于第一阈值时,则基于点云点所在的栅格区域,确定点云点所对应的目标栅格区域。
这里,可以根据每个点云点的坐标信息、以及多个处理线程中的每个处理线程对应的子检测范围,确定该点云点落在哪个子检测范围内,比如,若点云点A的坐标信息位于子检测范围一之内,则子检测范围一对应的处理线程即为点云点对应的目标处理线程,目标处理线程根据点云点的坐标信息以及该子检测范围内每个栅格区域对应的位置信息,确定该点云点所在的栅格区域。
在确定了目标处理处理线程之后,确定该目标处理线程对应的子检测范围内存在点云点的有效栅格区域的第一数量,若该第一数量小于第一阈值,则基于点云点所在的栅格区域,确定该点云点所对应的目标栅格区域;若第一数量等于第一阈值,则不对该点云点进行处理,并且该目标处理线程对应的点云栅格化处理过程结束,该目标处理线程停止工作,即该目标处理线程不再遍历该帧点云数据中的未遍历的点云点。
这里,通过设置第一阈值,可以在有效栅格的数量等于第一阈值时,结束目标处理线程,使得有效栅格的数量保持为第一阈值,在保障目标检测结果准确度的基础上,减少数据的计算量,提高检测的效率。
作为一可选实施方式,基于点云点所在的栅格区域,确定点云点所对应的目标栅格区域,包括:在检测到点云点所在的栅格区域内存在的点云点的第二数量小于设置的第二阈值时,则将点云点所在的栅格区域确定为点云点所对应的目标栅格区域。
这里,可以先确定点云点所在的栅格区域内存在的点云点的第二数量,若第二数量小于设置的第二阈值,则将点云点所在的栅格区域确定为点云点所对应的目标栅格区域,即该目标栅格区域中存在该点云点的点云数据;若第二数量等于设置的第二阈值,则不对点云点进行处理,将该点云点的点云数据筛掉,即目标栅格区域中不包含该点云点的点云数据。其中,第一阈值和第二阈值可以根据实际需要进行设置。
这里,通过设置第二阈值,可以在目标栅格区域中包括的点云点的数量等于第二阈值时,不再对目标栅格区域中增加点云点,使得目标栅格区域中的点云点的数量小于或等于第二阈值,可以在保障目标检测结果准确度的基础上,减少数据的计算量,提高检测的效率。
针对S103:
这里,可以基于栅格化处理结果,确定当前帧点云数据的目标检测结果,其中,该目标检测结果可以为当前帧点云数据中每个目标对象的三维检测数据,该三维检测数据可以为每个目标对象的三维检测框的中心点坐标、三维检测框的尺寸(长、宽、高)、三维检测框的朝向角、目标对象的类别、跟踪ID、时间戳、以及置信度等。
一种可选实施方式中,基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果,包括:基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,其中,目标栅格区域为存在点云点的栅格区域。
这里,可以基于当前帧点云数据的栅格化处理结果,确定存在点云点的目标栅格区域,比如,存在点云点的目标栅格区域可以为标号为1的栅格区域等。
在确定了目标栅格区域之后,可以根据各个目标栅格区域对应的点云数据,确定当前帧点云数据对应的目标检测结果,其中,目标栅格区域可以分布在多个处理线程负责的自检测范围内。比如,若雷达检测范围内存在100个栅格区域,而目标栅格区域为5个,即第一栅格区域、第五栅格区域、第十栅格区域、第十八栅格区域、第二十栅格区域,则基于第一栅格区域对应的点云数据、第五栅格区域对应的点云数据、第十栅格区域对应的点云数据、第十八栅格区域对应的点云数据、第二十栅格区域对应的点云数据,确定当前帧点云数据对应的目标检测结果;将其他不存在点云数据的栅格区域筛掉。
上述实施方式下,通过确定存在点云点的目标栅格区域,并基于目标栅格区域对应的点云数据,确定针对当前帧点云数据的目标检测结果,而无需对多个栅格区域中除目标栅格区域之外的其他栅格区域的信息进行处理,降低了信息处理的计算量,提高了确定目标检测结果的效率。
一种可选实施方式中,基于所述目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,包括:将所述目标栅格区域对应的点云数据输入训练的神经网络,得到所述目标检测结果。
在具体实施时,可以将目标栅格区域对应的点云数据输入训练的神经网络,得到所述目标检测结果,比如,可以在FPGA异构系统的逻辑电路中设置神经网络,FPGA异构系统中的处理器将目标栅格区域对应的点云数据传输至该逻辑电路中,使得逻辑电路中设置的神经网络可以对目标栅格区域对应的点云数据进行处理,得到目标检测结果。
承接上述示例继续说明,可以将第一栅格区域对应的点云数据、第五栅格区域对应的点云数据、第十栅格区域对应的点云数据、第十八栅格区域对应的点云数据、第二十栅格区域对应的点云数据,输入至训练的神经网络中,确定当前帧点云数据对应的目标检测结果;将栅格区域中除目标栅格区域之外的其他栅格区域筛掉,即其他栅格区域的信息不输入至神经网络中,减少神经网络的运算量。其中,训练的神经网路的结构可以根据实际需要进行设置。
上述实施方式下,通过将目标栅格区域对应的点云数据输入训练的神经网络,得到目标检测结果,而无需将不存在点云数据的栅格区域的信息输入至神经网络,降低了神经网络的计算量,提高了处理效率。
一种可选实施方式中,基于所述目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,包括:
一、基于所述目标栅格区域对应的点云数据,确定所述当前帧点云数据对应的点云特征图以及稀疏矩阵;其中,所述点云特征图用于指示每个所述目标栅格区域对应的点云数据,所述稀疏矩阵中与每个所述目标栅格区域对应的元素的元素值,和与除所述目标栅格区域外的其它栅格区域对应的元素的元素值不同。
二、基于所述点云特征图以及所述稀疏矩阵,确定针对所述当前帧点云数据的目标检测结果。
这里,可以基于目标栅格区域对应的点云数据,确定当前帧点云数据对应的点云特征图以及稀疏矩阵,其中,点云特征图的尺寸、稀疏矩阵的行列数、与栅格区域的数量相匹配。比如,栅格区域的数量为N×M,则点云特征图的尺寸也为N×M,以及稀疏矩阵的行列数也为N×M。
具体实施时,点云特征图中与目标栅格区域对应的目标位置处的特征值可以为:目标栅格区域中包括的点云点的点云数据,其中该点云数据可以包括点云点的位置信息以及反射率信息;点云特征图中不与目标栅格区域对应的其他位置处的特征值可以为0。
具体实施时,稀疏矩阵中与目标栅格区域对应的元素的元素值可以为1,稀疏矩阵中与除目标栅格区域以外的其他栅格区域对应的元素的元素值可以为0。
进而,在得到点云特征图和稀疏矩阵之后,可以将点云特征图以及稀疏矩阵,输入至训练后的神经网络,确定针对当前帧点云数据的目标检测结果。
上述实施方式下,确定当前帧点云数据对应的点云特征图以及稀疏矩阵,通过稀疏矩阵中与目标栅格区域对应的元素指示的位置,确定点云特征图中待处理的数据,并对点云特征图中待处理的数据进行处理,无需对点云特征图中除待处理的数据之外的其他数据进行处理,降低了处理量,提高了处理效率。
参见图3所示,图中包括在雷达检测范围内的各个栅格区域31,其中,存在黑色阴影的栅格区域为存在点云点的目标栅格区域311,将存在点云点的目标栅格区域对应的第一元素值设置为1,将不存在点云点的其他栅格区域的第二元素值设置为0,得到了每个栅格区域的元素值。最后,基于每个栅格区域对应的元素值,生成当前帧点云数据对应的稀疏矩阵32。
以及,将存在点云点的目标栅格区域对应的特征值设置为包括的各个点云点的点云数据,将不存在点云点的其他栅格区域的特征值设置为0,得到了每个栅格区域的特征值。最后,基于每个栅格区域对应的特征值,生成当前帧点云数据对应的点云特征图。
参见图4所示,为本公开实施例所提供的行驶车辆控制方法的流程示意图,其中该方法包括S401-S402,其中:
S401,获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于上述实施方式所述的点云数据处理的方法确定得到的。
S402,基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
示例性的,目标检测结果可以为点云数据中包括的每个目标对象的三维检测数据,其中,目标对象可以为出现在道路上的动物、行人等,也可以为道路上的其他车辆等。
其中,在控制行驶车辆时,可以控制行驶车辆加速、减速、转向、制动等,或者可以播放语音提示信息,以提示驾驶员控制行驶装置加速、减速、转向、制动等。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于相同的构思,本公开实施例还提供了一种点云数据处理的装置,参见图5所示,为本公开实施例提供的点云数据处理的装置的架构示意图,包括分配模块501、处理模块502、确定模块503,具体的:
分配模块501,用于根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
处理模块502,用于在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
确定模块503,用于基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
一种可能的实施方式中,所述处理模块502,在控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理时,用于:
控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域;
各个处理线程分别对落入自身负责的子检测范围内的各个目标栅格区域中的点云点进行栅格化处理。
一种可能的实施方式中,所述处理模块,在控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域时,用于:
针对所述当前帧点云数据中的每个点云点,根据各个点云点的坐标信息、以及所述多个处理线程中的每个处理线程对应的子检测范围,确定所述点云点对应的目标处理线程以及所述点云点所在的栅格区域;
在检测到所述目标处理线程对应的子检测范围内存在点云点的有效栅格区域的第一数量小于第一阈值时,则基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域。
一种可能的实施方式中,所述处理模块,在基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域时,用于:
在检测到所述点云点所在的栅格区域内存在的点云点的第二数量小于设置的第二阈值时,则将所述点云点所在的栅格区域确定为所述点云点所对应的目标栅格区域。
一种可能的实施方式中,所述确定模块503,在基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果时,用于:
基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,其中,所述目标栅格区域为存在点云点的栅格区域。
一种可能的实施方式中,所述确定模块503,在基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果时,用于:
基于所述目标栅格区域对应的点云数据,确定所述当前帧点云数据对应的点云特征图以及稀疏矩阵;其中,所述点云特征图用于指示每个所述目标栅格区域对应的点云数据,所述稀疏矩阵中与每个所述目标栅格区域对应的元素的元素值,和与除所述目标栅格区域外的其它栅格区域对应的元素的元素值不同;
基于所述点云特征图以及所述稀疏矩阵,确定针对所述当前帧点云数据的目标检测结果。
一种可能的实施方式中,所述分配模块501,用于根据下述步骤确定的多个处理线程的线程数量:
基于所述雷达装置中的片上系统中包括的处理器的内核数量,确定多个处理线程的线程数量。
基于相同的构思,本公开实施例还提供了一种行驶车辆控制装置,参见图6所示,为本公开实施例提供的行驶车辆控制装置的架构示意图,包括获取模块601、控制模块602,具体的:
获取模块601,用于获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为上述实施方式所述的点云数据处理的方法确定得到的;
控制模块602,用于基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
基于同一技术构思,本公开实施例还提供了一种电子设备。参照图7所示,为本公开实施例提供的电子设备的结构示意图,包括处理器701、存储器702、和总线703。其中,存储器702用于存储执行指令,包括内存7021和外部存储器7022;这里的内存7021也称内存储器,用于暂时存放处理器701中的运算数据,以及与硬盘等外部存储器7022交换的数据,处理器701通过内存7021与外部存储器7022进行数据交换,当电子设备700运行时,处理器701与存储器702之间通过总线703通信,使得处理器701在执行以下指令:
根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
基于同一技术构思,本公开实施例还提供了一种电子设备。参照图8所示,为本公开实施例提供的电子设备的结构示意图,包括处理器801、存储器802、和总线803。其中,存储器802用于存储执行指令,包括内存8021和外部存储器8022;这里的内存8021也称内存储器,用于暂时存放处理器801中的运算数据,以及与硬盘等外部存储器8022交换的数据,处理器801通过内存8021与外部存储器8022进行数据交换,当电子设备800运行时,处理器801与存储器802之间通过总线803通信,使得处理器801在执行以下指令:
获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于上述实施方式所述的点云数据处理的方法确定得到的;
基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
此外,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的点云数据处理的方法的步骤,或执行上述方法实施例中所述的行驶车辆控制方法的步骤。
本公开实施例所提供的点云数据处理的方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的点云数据处理的方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例所提供的行驶车辆控制方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的行驶车辆控制方法的步骤,具体可参见上述方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种点云数据处理的方法,其特征在于,应用于雷达装置,所述雷达装置中同步运行有多个处理线程,所述方法包括:
根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
2.根据权利要求1所述的方法,其特征在于,所述控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理,包括:
控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域;
各个处理线程分别对落入自身负责的子检测范围内的各个目标栅格区域中的点云点进行栅格化处理。
3.根据权利要求2所述的方法,其特征在于,控制所述多个处理线程中的每个处理线程分别根据所述当前帧点云数据中的每个点云点的坐标信息,以及自身负责的子检测范围内的每个栅格区域对应的坐标信息,确定每个所述点云点所在的目标栅格区域,包括:
针对所述当前帧点云数据中的每个点云点,根据各个点云点的坐标信息、以及所述多个处理线程中的每个处理线程对应的子检测范围,确定所述点云点对应的目标处理线程以及所述点云点所在的栅格区域;
在检测到所述目标处理线程对应的子检测范围内存在点云点的有效栅格区域的第一数量小于第一阈值时,则基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域。
4.根据权利要求3所述的方法,其特征在于,所述基于所述点云点所在的栅格区域,确定所述点云点所对应的目标栅格区域,包括:
在检测到所述点云点所在的栅格区域内存在的点云点的第二数量小于设置的第二阈值时,则将所述点云点所在的栅格区域确定为所述点云点所对应的目标栅格区域。
5.根据权利要求1~4任一所述的方法,其特征在于,基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果,包括:
基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,其中,目标栅格区域为存在点云点的栅格区域。
6.根据权利要求5所述的方法,其特征在于,基于所述栅格化处理结果中目标栅格区域对应的点云数据,确定针对所述当前帧点云数据的目标检测结果,包括:
基于所述目标栅格区域对应的点云数据,确定所述当前帧点云数据对应的点云特征图以及稀疏矩阵;其中,所述点云特征图用于指示每个所述目标栅格区域对应的点云数据,所述稀疏矩阵中与每个所述目标栅格区域对应的元素的元素值,和与除所述目标栅格区域外的其它栅格区域对应的元素的元素值不同;
基于所述点云特征图以及所述稀疏矩阵,确定针对所述当前帧点云数据的目标检测结果。
7.根据权利要求1~6任一所述的方法,其特征在于,根据下述步骤确定多个处理线程的线程数量:
基于所述雷达装置中的片上系统中包括的处理器的内核数量,确定多个处理线程的线程数量。
8.一种行驶车辆控制方法,其特征在于,包括:
获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于权利要求1至7任一所述的点云数据处理的方法确定得到的;
基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
9.一种点云数据处理的装置,其特征在于,包括:
分配模块,用于根据多个处理线程的线程数量,将所述雷达装置的雷达检测范围划分为对应数量的子检测范围,并为所述多个处理线程分别分配一个子检测范围;
处理模块,用于在获取到当前帧点云数据的情况下,控制所述多个处理线程并行对所述当前帧点云数据中,属于自身负责的子检测范围内的点云数据进行栅格化处理;
确定模块,用于基于所述栅格化处理结果,确定针对所述当前帧点云数据的目标检测结果。
10.一种行驶车辆控制装置,其特征在于,包括:
获取模块,用于获取装载有雷达装置的行驶车辆在行驶过程中,实时确定的每帧点云数据的目标检测结果,所述每帧点云数据的目标检测结果为基于权利要求1至7任一所述的点云数据处理的方法确定得到的;
控制模块,用于基于所述每帧点云数据的目标检测结果,控制所述行驶车辆。
11.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的点云数据处理的方法的步骤,或执行如权利要求8所述的行驶车辆控制方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述的点云数据处理的方法的步骤,或执行如权利要求8所述的行驶车辆控制方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010713990.9A CN113970758A (zh) | 2020-07-22 | 2020-07-22 | 点云数据处理的方法、及装置 |
PCT/CN2021/103119 WO2022017136A1 (zh) | 2020-07-22 | 2021-06-29 | 点云数据处理的方法及装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010713990.9A CN113970758A (zh) | 2020-07-22 | 2020-07-22 | 点云数据处理的方法、及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113970758A true CN113970758A (zh) | 2022-01-25 |
Family
ID=79585076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010713990.9A Pending CN113970758A (zh) | 2020-07-22 | 2020-07-22 | 点云数据处理的方法、及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113970758A (zh) |
WO (1) | WO2022017136A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114842150B (zh) * | 2022-05-20 | 2024-06-28 | 北京理工大学 | 一种融合图案信息的数字化车辆点云模型构建方法及系统 |
CN115409862B (zh) * | 2022-08-31 | 2024-07-26 | 深圳前海瑞集科技有限公司 | 焊缝位置的确定方法和装置、电子设备及存储介质 |
CN117292140B (zh) * | 2023-10-17 | 2024-04-02 | 小米汽车科技有限公司 | 点云数据的处理方法、装置、车辆及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104298998B (zh) * | 2014-09-28 | 2017-09-08 | 北京理工大学 | 一种3d点云的数据处理方法 |
CN106054208B (zh) * | 2016-08-16 | 2019-02-19 | 长春理工大学 | 多线激光雷达车辆目标识别方法和汽车的防撞装置 |
CN109214248B (zh) * | 2017-07-04 | 2022-04-29 | 阿波罗智能技术(北京)有限公司 | 用于识别无人驾驶车辆的激光点云数据的方法和装置 |
US10769846B2 (en) * | 2018-10-11 | 2020-09-08 | GM Global Technology Operations LLC | Point cloud data compression in an autonomous vehicle |
CN111338804B (zh) * | 2020-05-19 | 2020-11-24 | 北京数字绿土科技有限公司 | 激光雷达点云数据的解算方法、装置及多线程处理系统 |
-
2020
- 2020-07-22 CN CN202010713990.9A patent/CN113970758A/zh active Pending
-
2021
- 2021-06-29 WO PCT/CN2021/103119 patent/WO2022017136A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022017136A1 (zh) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113970758A (zh) | 点云数据处理的方法、及装置 | |
CN113761999B (zh) | 一种目标检测方法、装置、电子设备和存储介质 | |
US8913784B2 (en) | Noise reduction in light detection and ranging based imaging | |
CN112560800B (zh) | 路沿检测方法、装置及存储介质 | |
CN112789521B (zh) | 感知区域的确定方法、装置、存储介质及车辆 | |
CN106772434A (zh) | 一种基于TegraX1雷达数据的无人车障碍物检测方法 | |
CN110738223B (zh) | 一种激光雷达的点云数据聚类方法及装置 | |
CN114694106A (zh) | 道路检测区域的提取方法、装置、计算机设备和存储介质 | |
WO2023179717A1 (zh) | 用于激光雷达的点云处理方法、装置、设备及存储介质 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
CN113158864A (zh) | 卡车车头与挂车之间的夹角的确定方法与确定装置 | |
CN113859228A (zh) | 一种车辆控制方法、装置、电子设备及存储介质 | |
CN112859893B (zh) | 一种飞行器避障方法、装置 | |
CN115728734A (zh) | 激光雷达遮挡检测方法、装置、存储介质及激光雷达 | |
US11747454B2 (en) | Granularity-flexible existence-based object detection | |
CN115713600A (zh) | 自动驾驶场景的数字高程模型的生成方法和装置 | |
CN111746521B (zh) | 泊车路线的规划方法、装置、设备及存储介质 | |
CN116863325A (zh) | 一种用于多个目标检测的方法和相关产品 | |
CN114066739A (zh) | 背景点云滤除方法、装置、计算机设备和存储介质 | |
CN113671460A (zh) | 一种地图生成方法、装置、计算机设备及存储介质 | |
CN117893412B (zh) | 一种点云数据滤除方法、装置、设备及存储介质 | |
CN113610883B (zh) | 点云处理系统和方法、计算机设备和存储介质 | |
CN116176579B (zh) | 自动驾驶跟车车距测量计算装置及方法 | |
CN117351167B (zh) | 一种基于gpu的三维地图构建方法、装置、设备和存储介质 | |
CN111612095B (zh) | 信息聚类方法、装置及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40059198 Country of ref document: HK |