CN114325760A - 基于多线激光雷达的公路隧道质检避障方法及系统 - Google Patents
基于多线激光雷达的公路隧道质检避障方法及系统 Download PDFInfo
- Publication number
- CN114325760A CN114325760A CN202111682884.XA CN202111682884A CN114325760A CN 114325760 A CN114325760 A CN 114325760A CN 202111682884 A CN202111682884 A CN 202111682884A CN 114325760 A CN114325760 A CN 114325760A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- tunnel
- effective
- quality inspection
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种基于多线激光雷达的公路隧道质检避障方法及系统，包括：预处理获取原始激光点云数据，得到用于地面障碍物检测的有效点云、中心点有效区域点云和隧道障碍物检测有效点云；对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云；对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；利用欧式聚类对非地面点云和非隧道曲面点云进行处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的位置；根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令；本发明能够高效地实时分割并识别隧道曲面的障碍物，实现了隧道探测机器人质量检测的实时精准避障。
Description
技术领域
本发明涉及三维复杂场景的地面、曲面分割及障碍物检测技术领域，特别涉及一种基于多线激光雷达的公路隧道质检避障方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术，并不必然构成现有技术。
随着5G技术及3D激光SLAM(Simultaneous Localization And Mapping)技术的快速发展，障碍物检测逐渐成为多线激光雷达领域的研究热点。智能检测技术是公路隧道质量检测的重要技术手段，隧道表面质量智能检测的关键在于如何识别隧道两侧及顶部障碍物(包括风扇、灯器等)，确保机器人在检测过程中能够识别障碍物，实现自主精准避障的智能化检测。
传统的手工检测方式不仅安全性低、效率低，而且精度也难以控制，无法满足现代化检测需求；单一机器人检测方式，需要人工控制规避隧道顶部障碍物，智能化程度不高，效率低；基于激光雷达的障碍物检测方法主要利用激光雷达高度及点云几何特征实现地面障碍物的检测，无法实现隧道曲面的分割及障碍物检测；基于激光雷达相对距离的障碍物检测，只能识别物体几何特征较为突出的障碍物，鲁棒性较低，精度差。
发明内容
为了解决现有技术的不足，本发明提供了一种基于多线激光雷达的公路隧道质检避障方法及系统，能够高效地实时分割并识别隧道曲面的障碍物，实现了隧道探测机器人质量检测的实时精准避障。
为了实现上述目的，本发明采用如下技术方案：
本发明第一方面提供了一种基于多线激光雷达的公路隧道质检避障方法。
一种基于多线激光雷达的公路隧道质检避障方法，包括以下过程：
预处理获取原始激光点云数据，得到用于地面障碍物检测的有效点云、中心点有效区域点云和隧道障碍物检测有效点云；
对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云；
对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；
利用欧式聚类对非地面点云和非隧道曲面点云进行处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的位置；
根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
本发明第二方面提供了一种基于多线激光雷达的公路隧道质检避障系统。
一种基于多线激光雷达的公路隧道质检避障系统，包括：
点云预处理模块，被配置为：预处理获取原始激光点云数据，至少得到中心点有效区域点云和隧道障碍物检测有效点云；
非地面点云分割模块，被配置为：对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云；
曲面拟合分割模块，被配置为：对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；
障碍物识别模块，被配置为：利用欧式聚类对非地面点云和非隧道曲面点云进行处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的准确位置；
避障控制模块，被配置为：根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
本发明第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
本发明第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
与现有技术相比，本发明的有益效果是：
1、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过限制原始点云数据范围及降采样降低点云数量，提高了后续点云处理效率。
2、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过基于坡度思想实现地面的精确分割并，提取有效隧道点云及中心点有效点云，再利用多线程并行思想保证了地面分割过程中的时效性。
3、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过三维公路隧道点云轴向分区并将点云向区域初始界面投影转化为二维点云，提高了点云数据处理速度及KDTree搜索速度。
4、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过非线性最小二乘方法近似拟合每一区域的隧道界面，再利用区域中心截面重投影约束曲线拟合，并利用曲线原始索引连接到三维隧道点云，再利用区域拼接方法实现隧道曲面的分割并得到非隧道障碍物点云，提高隧道曲面拟合过程的速度及精度。
5、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过多参数欧式聚类，提高了点云聚类过程中的鲁棒性。
6、本发明所述的基于多线激光雷达的公路隧道质检避障方法及系统，通过方向长方体模型，减少了封装过程中的重合误差，更加精确的反应出障碍物实际位姿，实现了障碍物的精准检测。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于多线激光雷达的公路隧道质检避障方法的流程示意图
图2为本发明实施例1提供的公路隧道质检过程示意图。
图3为本发明实施例1提供的有效点云获取及地面分割流程示意图。
图4为本发明实施例1提供的隧道曲面点云分割流程示意图。
图5为本发明实施例1提供的障碍物点云聚类及检测流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1所示，本发明实施例1提供了一种基于多线激光雷达的公路隧道质检避障方法，包括以下过程：
S1：制定公路隧道质检相适应方案：利用多线激光雷达装置获取原始激光点云数据，通过三通道预处理点云数据，提取相应有效点云，通过地面分割算法提取非地面点云；
S2：通过隧道障碍物有效点云及中心点有效区域点云轴向分区、投影及平面曲线拟合思想，对隧道曲面拟合分割，并利用区域中心点对隧道点云添加约束，获取隧道质检过程中的高精度障碍物点云；
S3：利用欧式聚类对非曲面点云处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于机器人的准确位置；
S4：根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
S1中，具体的，包括以下过程：
公路隧道表面及地面车辆等设备都有可能中断智能检测装置的质检过程，因此，需根据公路隧道的表面特征，设置主要测线(本实施例设置为6条测线)，并采用底装三层升降装置及机械臂实现公路隧道的质检过程，公路隧道及智能检测装置简图如图2所示。
隧道原始点云预处理方法主要包含以下步骤：
首先，利用多线激光雷达获取原始点云数据，通过体素降采样降低点云密度，从而提高点云后续处理效率；
然后，设置三通道方法预处理点云，每条通道设置不同空间坐标范围提取相应点云，去除工作噪声，三通道主要是为了分别获取用于地面障碍物检测的有效点云(下段点云)、计算隧道中心点的有效点云(中段点云)及用于质检系统障碍物检测的有效点云(上段点云)；
接着，通过激光雷达分辨率实现地面有效点云的区域划分，利用多线程方法，在每一区域内利用距离对点云进行升序排列，实现区域点云的有序化；
最后，基于坡度思想分割地面，该方法主要通过雷达高度确定初始地面点，再遍历任一区域点云，利用相邻点区域坡度阈值及相对于初始地面点坡度阈值思想实现地面点云与非地面点云的分割，并提取非地面点云，有效点云获取及地面分割流程如图3所示。
S2中，具体的，如图4所示，包括以下过程：
获取隧道障碍物检测有效点云及中心点有效区域点云后；
首先，利用坐标范围沿隧道中心轴方向对两者点云区域划分(若雷达坐标系X或Y轴与隧道中心轴同向，则沿雷达坐标系进行区域划分较简单，后面默认为隧道中心轴与雷达坐标系Y轴正方向重合)；
接着，通过将隧道有效点云所有区域内点云的Y值置为对应区域初始边界Y值投影到初始边界面上，实现点云信息的降维；
然后，通过计算相邻投影界面点云的坐标均值，计算XY平面的偏转角(θ)，如果θ不大于角度阈值(θMAX)，由于隧道界面可以近似为某一椭圆，因此，利用椭圆模型(式(1))对每一区域的二维点云通过非线性最小二乘法实现目标函数(式(2))的最小化来拟合隧道界面曲线。
x2+Axy+By2+Cx+Dy+E＝0 (1)
其中，A，B，C，D，E为椭圆方程系数，N代表该区域内点云个数。通过不断迭代求得目标函数的最小值对应的A，B，C，D，E，进而实现平面曲线的近似拟合；
如果θ大于角度阈值(θMAX)，则利用中心点所有区域有效点云向XY平面投影，由于该有效点云为隧道中段点云，根据聚类阈值设置，可将点云分为左右边界两类点云，提取每一类点云中心点附近的有效种子，利用左右边界种子点计算得到该区域中心点，建立中心点与本区域投影界面的直线方程，过该中心点构建垂直于这条直线的平面为该区域隧道截面；
然后，将区域点云投影至该平面，进行截面点云曲线拟合；
最后，分别将所有曲线点云及非曲线点云对应三维有效隧道点云的索引保存，并对所有区域的曲线点云及非曲线点云进行拼接，最终，实现隧道曲面点云与非曲面点云的分割，并将相应点云进行保存提取。
S3中，具体的，如图5所示，包括以下过程：
由于激光相邻线束会随着距离越远不断增大，导致单一参数的欧式聚类不能满足要求，因此，本实施例通过分割区域的方法，并在每一区域设置相应的聚类参数，提高欧式聚类的鲁棒性；对于聚类点云的封装，采用基于搜索的方法拟合长方体模型。
首先，将点云投影到XY平面上，接着，将0-90°划分为若干等份，每一方向都代表矩形模型一条直角边的可能方向，由于两条直角边相差90°，因此，另一条直角边方向可以用该直角边±90°计算得到；
然后，分别计算该类所有点云相对于两条直角边的距离，通过比较选择任一点云相对于两相邻直角边距离，保留其中的最小值，并计算所有点对应的最小值平方和；
接着，通过不断地迭代，遍历所有方向，找到平方和最小的那个方向作为该类点云对应的长方形模型一条边，因此，可以得到该长方体模型；当然，可以理解的，在其他一些实施方式中，还可以通过包围该类点云的面积最小化或者利用贴近两相邻直角边程度最大化来拟合长方形；
最后，通过计算得到该类点云对应Z方向的最大、小差值作为长方体的高，实现长方体模型的构建，再利用长方体顶点计算得到障碍物中心坐标，隧道探测装置通过该坐标及长方体几何尺寸实现障碍物的精准检测及识别。
实施例2：
本发明实施例2提供了一种基于多线激光雷达的公路隧道质检避障系统，包括：
点云预处理模块，被配置为：预处理获取原始激光点云数据，至少得到中心点有效区域点云和隧道障碍物检测有效点云；；
曲面拟合分割模块，被配置为：对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；
障碍物识别模块，被配置为：利用欧式聚类对非隧道曲面点云处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的准确位置；
避障控制模块，被配置为：根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
所述系统的工作方法与实施例1提供的基于多线激光雷达的公路隧道质检避障方法相同，这里不再赘述。
实施例3：
本发明实施例3提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明实施例1所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
实施例4：
本发明实施例4提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明实施例1所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多线激光雷达的公路隧道质检避障方法，其特征在于：
包括以下过程：
预处理获取原始激光点云数据，得到用于地面障碍物检测的有效点云、中心点有效区域点云和隧道障碍物检测有效点云；
对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云；
对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；
利用欧式聚类对非地面点云和非隧道曲面点云进行处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的位置；
根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
2.如权利要求1所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
预处理获取原始激光点云数据，至少包括：
通过体素降采样进行点云密度降低处理；
设置三通道处理密度降低处理后的点云，每条通道设置不同空间坐标范围提取相应点云，一条通道获取中心点有效区域点云，一条通道获取隧道障碍物检测有效点云，一条通道获取用于地面障碍物检测的有效点云。
3.如权利要求2所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云，包括：
通过激光雷达分辨率进行地面有效点云的区域划分，利用多线程方法，在每一区域内利用距离对点云进行升序排列；
通过雷达高度确定初始地面点，遍历任一区域点云，利用相邻点区域坡度阈值及相对于初始地面点坡度阈值进行地面点云与非地面点云的分割，得到非地面点云。
4.如权利要求1所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云，包括：
利用坐标范围沿隧道中心轴方向对两者点云区域划分；
通过将隧道有效点云所有区域内点云的Y值置为对应区域初始边界Y值投影到初始边界面上；
通过计算相邻投影界面点云的坐标均值，计算XY平面的偏转角，如果偏转角小于或等于角度阈值，利用椭圆模型对每一区域的二维点云通过非线性最小二乘法实现目标函数的最小化拟合隧道界面曲线；
如果偏转角大于角度阈值，利用中心点所有区域有效点云向XY平面投影，将点云分为左右边界两类点云，提取每一类点云中心点附近的有效种子，利用左右边界种子点计算得到区域中心点，建立中心点与本区域投影界面的直线方程，过该中心点构建垂直于这条直线的平面为该区域隧道截面，将区域点云投影至该平面，进行截面点云曲线拟合；
分别将所有曲线点云及非曲线点云对应的三维有效隧道点云的索引保存，并对所有区域的曲线点云及非曲线点云进行拼接，得到非曲面点云的分割结果。
5.如权利要求4所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
所述目标函数为：
其中，A，B，C，D，E为椭圆方程系数，N代表该区域内点云个数，通过不断迭代求得目标函数的最小值对应的A，B，C，D，E，实现平面曲线的近似拟合。
6.如权利要求4所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
隧道中心轴与雷达坐标系Y轴的正方向重合。
7.如权利要求1所述的基于多线激光雷达的公路隧道质检避障方法，其特征在于：
用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的位置，包括：
将非曲面点云投影到XY平面上，将0到90°划分为若干等份，每一方向代表矩形模型一条直角边的可能方向，另一条直角边方向用该直角边±90°计算得到；
分别计算该类所有点云相对于两条直角边的距离，通过比较选择任一点云相对于两相邻直角边距离，保留其中的最小值，并计算所有点对应的最小值平方和；
通过不断地迭代，遍历所有方向，找到平方和最小的那个方向作为该类点云对应的长方形模型一条边；
通过计算得到该类点云对应Z方向的最大和最小差值作为长方体的高，实现长方体模型的构建，再利用长方体顶点计算得到障碍物中心坐标。
8.一种基于多线激光雷达的公路隧道质检避障系统，其特征在于：
包括：
点云预处理模块，被配置为：预处理获取原始激光点云数据，至少得到中心点有效区域点云和隧道障碍物检测有效点云；
非地面点云分割模块，被配置为：对用于地面障碍物检测的有效点云进行点云分割，得到非地面点云；
曲面拟合分割模块，被配置为：对中心点有效区域点云和隧道障碍物检测有效点云进行曲面拟合分割，得到非曲面点云；
障碍物识别模块，被配置为：利用欧式聚类对非地面点云和非隧道曲面点云进行处理，并用方向模型对每一类点云进行可视化封装，获取质检过程中障碍物相对于质检机器人的准确位置；
避障控制模块，被配置为：根据障碍物的相对于质检机器人的准确位置，生成机器人避障指令。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于多线激光雷达的公路隧道质检避障方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111682884.XA CN114325760A (zh) | 2021-12-31 | 2021-12-31 | 基于多线激光雷达的公路隧道质检避障方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111682884.XA CN114325760A (zh) | 2021-12-31 | 2021-12-31 | 基于多线激光雷达的公路隧道质检避障方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114325760A true CN114325760A (zh) | 2022-04-12 |
Family
ID=81023270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111682884.XA Pending CN114325760A (zh) | 2021-12-31 | 2021-12-31 | 基于多线激光雷达的公路隧道质检避障方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114325760A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114815821A (zh) * | 2022-04-19 | 2022-07-29 | 山东亚历山大智能科技有限公司 | 基于多线激光雷达的室内自适应全景避障方法及系统 |
| CN116381698A (zh) * | 2023-06-05 | 2023-07-04 | 蘑菇车联信息科技有限公司 | 道路遗撒物的检测方法、装置及电子设备 |
-
2021
- 2021-12-31 CN CN202111682884.XA patent/CN114325760A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114815821A (zh) * | 2022-04-19 | 2022-07-29 | 山东亚历山大智能科技有限公司 | 基于多线激光雷达的室内自适应全景避障方法及系统 |
| CN114815821B (zh) * | 2022-04-19 | 2022-12-09 | 山东亚历山大智能科技有限公司 | 基于多线激光雷达的室内自适应全景避障方法及系统 |
| CN116381698A (zh) * | 2023-06-05 | 2023-07-04 | 蘑菇车联信息科技有限公司 | 道路遗撒物的检测方法、装置及电子设备 |
| CN116381698B (zh) * | 2023-06-05 | 2024-03-12 | 蘑菇车联信息科技有限公司 | 道路遗撒物的检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109961440B (zh) | 一种基于深度图的三维激光雷达点云目标分割方法 | |
| CN111665842B (zh) | 一种基于语义信息融合的室内slam建图方法及系统 | |
| CN110222626B (zh) | 一种基于深度学习算法的无人驾驶场景点云目标标注方法 | |
| CN111797734B (zh) | 车辆点云数据处理方法、装置、设备和存储介质 | |
| CN111598916A (zh) | 一种基于rgb-d信息的室内占据栅格地图的制备方法 | |
| CN113640826B (zh) | 一种基于3d激光点云的障碍物识别方法及系统 | |
| Broggi et al. | Terrain mapping for off-road autonomous ground vehicles using rational b-spline surfaces and stereo vision | |
| WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
| CN114325760A (zh) | 基于多线激光雷达的公路隧道质检避障方法及系统 | |
| CN113345008B (zh) | 考虑轮式机器人位姿估计的激光雷达动态障碍物检测方法 | |
| CN110688947B (zh) | 一种同步实现人脸三维点云特征点定位和人脸分割的方法 | |
| CN107766405A (zh) | 自动车辆道路模型定义系统 | |
| CN110349260B (zh) | 一种路面标线自动提取方法及装置 | |
| CN110728753B (zh) | 一种基于线性拟合的目标点云3d边界框拟合方法 | |
| CN113920134B (zh) | 一种基于多线激光雷达的斜坡地面点云分割方法及系统 | |
| CN115372989A (zh) | 基于激光雷达的越野自动小车长距离实时定位系统及方法 | |
| Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
| US20230005278A1 (en) | Lane extraction method using projection transformation of three-dimensional point cloud map | |
| CN111325138A (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
| CN113570629B (zh) | 去除动态物体的语义分割方法及系统 | |
| CN115082881A (zh) | 目标检测方法、存储介质、电子设备及车辆 | |
| CN111783722B (zh) | 一种激光点云的车道线提取方法和电子设备 | |
| CN116109601A (zh) | 一种基于三维激光雷达点云的实时目标检测方法 | |
| CN116524219A (zh) | 一种基于激光雷达点云聚类的障碍物检测方法 | |
| CN112435336B (zh) | 一种弯道类型识别方法、装置、电子设备及存储介质 |
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 |