CN114355381A - 激光雷达点云质量检测与提升方法 - Google Patents
激光雷达点云质量检测与提升方法 Download PDFInfo
- Publication number
- CN114355381A CN114355381A CN202111676578.5A CN202111676578A CN114355381A CN 114355381 A CN114355381 A CN 114355381A CN 202111676578 A CN202111676578 A CN 202111676578A CN 114355381 A CN114355381 A CN 114355381A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- point cloud
- theta
- ground
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及激光雷达点云质量检测与提升方法,包括地面点识别步骤与游离点剔除步骤,地面点识别步骤计算每一数据列的相邻反射点之间连线与激光雷达水平基准线的倾角θ,根据倾角θ与第三阈值θtd的关系确定该相邻反射点是否为为地面点;游离点剔除步骤计算待定点分别与其前向预设数量的非地面点的距离均值以及该待定点分别与其后向预设数量的非地面点的距离,将所得距离的平均作为所述待定点的特征距离L,根据特征距离L与第四阈值Ltd的关系确定该待定点是否为游离点,并去除游离点,本发明在极坐标下实现了对地面点与非地面点的区分以及游离点的挑选剔除,计算简单,易于软件实现,满足矿车自动驾驶需要的前提下能够兼顾点云处理效率。
Description
技术领域
本发明涉及点云数据处理技术领域,具体涉及一种激光雷达点云质量检测与提升方法。
背景技术
自动驾驶技术的应用离不开自动驾驶主体上安装的各种传感器对周围环境的感知,这些传感器包括激光雷达、摄像头、毫米波雷达、全球卫星定位终端等等。在矿区推进矿车自动驾驶,进而实现智能矿山的进程中,由于矿区环境多尘多土,地形复杂给传感器的使用与可靠工作带来了困难。
激光雷达在矿区环境下工作,空间扬尘严重,弥漫的扬尘反射激光信号导致接收数据中离散点数量远大于常规场景;矿区为非铺装道路,崎岖不平,矿车运行过程中,振动严重影响激光雷达连接可靠性;矿区异常情况较多,矿渣、尾料可能遮挡激光雷达视野。以上各种因素使矿区场景下的激光雷达数据质量低于其他应用场景,为了满足矿车自动驾驶的需要,有必要对所获得的激光雷达点云数据做针对性处理。
发明内容
鉴于现有激光雷达点云数据无法满足矿区自动驾驶场景的问题,本发明提供一种激光雷达数据质量提升方法。
本发明的技术方案为一种激光雷达点云质量检测与提升方法,包括:
地面点识别步骤:计算每一数据列的相邻反射点之间连线与激光雷达水平基准线的倾角θ,预设第三阈值θtd,判断倾角θ与第三阈值θtd的关系,若θ≤θtd,则所述相邻反射点为地面点;
游离点剔除步骤:对于每一数据列,取一非地面点为待定点,计算该待定点分别与其前向预设数量的非地面点的距离均值作为第一距离,计算该待定点分别与其后向预设数量的非地面点的距离均值作为第二距离,取第一距离与第二距离的平均作为所述待定点的特征距离L,预设第四阈值Ltd,若L>Ltd,则所述待定点为游离点并从激光点云中剔除该游离点。
具体的,所述判断倾角θ与第三阈值θtd的关系的步骤包括:
对所述相邻反射点按点云自底向上方向标记为第一点A(ra,αa)与第二点B(rb,αb);
激光雷达传输的距离与角度数据,对应了反射点在设备坐标系下的极坐标值,对于上述相邻点,其极坐标表示为:第一点A(ra,αa),第二点B(rb,αb),若
rb·sin(αb-θtd)>ra·sin(αa-θtd)
则第二点B在临界平面左上方,θ>θtd,若
rb·sin(αb-θtd)≤ra·sin(αa-θtd)
则第二点B在临界平面右下方,θ<θtd。
优选的,所述激光雷达点云质量检测与提升方法还包括点云质量检测步骤,取所有数据列中发射方向低于激光雷达水平基准线的数据通道作为包含地面方向数据的点云集合Ugd,记录该点云集合Ugd的点云总数N,统计该点云集合Ugd中所有无效点的数量总和NNan,计算名义无效点占比PNan=NNan/N,预设第二阈值Ptd,若PNan>Ptd,则点云质量不满足条件。
优选的,所述激光雷达点云质量检测与提升方法还包括判断通信连通性步骤,预先根据激光雷达工作频率设定第一阈值,在主控单元接收激光雷达数据时,若接收时间间隔大于所述第一阈值,则判定存在通信连通性问题。
本发明通过在不将激光雷达数据转换到直角坐标的前提下,使用激光雷达的原始数据在极坐标下实现了对地面点与非地面点的区分以及游离点的挑选剔除,计算简单,易于软件实现,满足矿车自动驾驶需要的前提下能够兼顾点云处理效率。
附图说明
图1为本发明中对应激光雷达数据通道发射激光的示意图;
图2为本发明的激光雷达点云数据质量检测与提升方法的工作流程图;
图3为本发明一个数据列中的反射点示意图;
图4为本发明的地面点判断示意图;
图5为剔除游离点的计算示意图。
具体实施方式
以下结合附图和具体实施例,对本发明进行详细说明,在本说明书中,附图尺寸比例并不代表实际尺寸比例,其只用于体现各部件之间的相对位置关系与连接关系,名称相同或标号相同的部件代表相似或相同的结构,且仅限于示意的目的。
对于一个如图1所示的m线激光雷达,其在内部旋转结构上安装有m个在竖直平面内相对于激光雷达水平基准线呈扇形发射激光的激光器,构成m个数据通道,一个工作周期内,其在水平方向上旋转一周覆盖以水平分辨率δx为步长覆盖一个以激光雷达为圆心的圆形区域,产生n=360/δx个数据列,每个数据列包含对应上述m个数据通道获取的反射点数据,对于本发明的技术方案中使用的RS-LiDAR-32激光雷达,其设置有32个激光器,对应于32个数据通道,所有32个激光器覆盖了竖直平面内以设备水平基准线为中心-25°~+15°的扇形范围,在600rpm时,在水平方向则产生环绕激光雷达360°的总计360/0.2=1800个数据列。该激光雷达根据不同的转速设定,其水平方向角分辨率范围为0.1°~0.4°,该激光雷达的水平方向角分辨率δx、工作频率ω与工作转速P之间满足下表的关系:
转速P(rpm) | 工作频率ω(Hz) | 水平角分辨率δ<sub>x</sub>(°) |
300 | 5 | 0.1 |
600 | 10 | 0.2 |
1200 | 20 | 0.4 |
需要说明的是,虽然本发明中使用的是上述型号的激光雷达,但本发明中的激光雷达点云质量检测与提升方法同样适用于其他型号的激光雷达。
本发明为了解决激光雷达在矿区场景下可能存在的通信丢失、数据缺失以及点云噪声大的问题,提出了如图2的流程图表示的一种高效、易实现的点云质量检测与提升方法。其步骤包括:
判断通信连通性,预先根据激光雷达工作频率设定第一阈值Ttd,在主控单元接收激光雷达数据时,若接收时间间隔Trec>Ttd,判定存在通信连通性问题。
点云质量检测,在不存在通信连通性问题时,根据激光雷达接收的点云数据中的无效点数量占比确认点云质量,若点云质量不满足条件丢弃该帧点云。
地面点标记,若点云质量满足条件,通过同一数据列中两相邻反射点之间的连线与激光雷达水平基准线的角度确定该相邻点是否为地面点。
游离点剔除,在同一数据列中,对于非地面点根据间距阈值确定游离点并将其剔除。
判断通信连通性,首先根据历史工作情况设定一大于激光雷达工作周期的第一阈值Ttd,激光雷达的工作周期为其工作频率的倒数,具体的,当激光雷达设定工作在P=600rpm的转速时,其工作频率ω=10Hz,工作周期为在每一个工作周期内,激光雷达将发出一帧数据到主控,考虑到数据传输存在一定的延时,因此Ttd>100ms。根据历史工作情况,将第一阈值取Ttd=200ms。若主控接收数据的时间间隔T≤Ttd,说明激光雷达的通信连通性完好,可以继续点云数据分析步骤,否则丢弃该帧数据并发出告警信息。
判断数据质量,当激光雷达设置工作在非稠密点云状态下时,激光雷达在没有接收到反射光线的情况下,会返回以Nan标记的无效点。一般返回以Nan标记的无效点的情况发生在:a.没有发射点(如向天空发射)或反射点距离超出激光雷达的最大工作距离;b.激光雷达被脏污或其他物体遮挡,且遮挡距离小于激光雷达的最小工作距离,导致反射光返回太快小于激光雷达的时间分辨率;C.由于反射面质量好造成发生镜面反射(比如地面上的水),没有足够的反射光线进入激光雷达接收器。根据接收的无效点数量可以初步判断激光雷达的点云质量。在发射方向高于水平基准线的数据通道上的无效点,可以认为都源于向天空发射造成的无效点,在不同的环境条件下,上述发射方向高于水平基准线的数据通道上的无效点的数量基本一致,不能作为激光雷达点云质量的判断标准。发射方向低于水平基准线的数据通道上的无效点,表征了由于环境中障碍物遮挡以及激光发生全反射无法接收的反射点,能够有效地衡量激光雷达点云的质量。因此,选择所有数据列中,发射方向低于水平基准线的数据通道作为包含地面方向数据的点云集合Ugd,遍历统计该点云集合Ugd中所有无效点的数量NNan,点云总数N=m·n,可以得到名义无效点占比PNan=NNan/N。这里,Ptd为预先设定的第二阈值。若PNan≥Ptd,则点云质量不满足条件,丢弃该帧点云数据,通常Ptd取30%~50%之间。该方法的优点在于,省去了对水平基准线以上数据的无效操作,可以减少40%-50%的点云操作,提高运行效率,并且,通过固定偏移量加速访问能够进一步提高处理效率。
地面点标记步骤,图3展示了一个数据列中点云数据的来源示意图,该数据列中依激光器排布顺序的m个数据通道的数据构成自低点向高点依序排布的m个反射点,反映了空间内的实体信息,对于地面点,预先设定第三阈值θtd,自第一个反射点开始,通过比较相邻反射点之间连线相对于设备水平基准线的倾角θ与第三阈值θtd区分,沿点云自低点向高点推进方向,若相邻反射点的倾角θ≤θtd,则判定并标记该相邻反射点为地面点。根据矿山场景地面崎岖不平的特点,本发明中的θtd在15°~35°内取值。传统方法下,这一步骤需要根据m个数据通道的反射点距离信息以及激光器角度信息,解算出在设备坐标系下反射点的直角坐标,再依据相邻两反射点的坐标解算出该相邻点之间连线相对于设备水平基准线的倾角θ的正切,进而得到θ值,并同第三阈值θtd比较,得出结论。本发明提供一种简化方案,如图4所示:
激光雷达传输的距离与角度数据,直接对应了反射点在设备坐标系下的极坐标值,对于上述相邻点,沿点云自低点向高点推进方向其极坐标可分别表示为:第一点A(ra,αa),第二点B(rb,αb),
过第一点A对应于上述第三阈值θtd的临界平面l的极坐标方程可以表示为:
r·sin(α-θtd)=ra·sin(αa-θtd)
因此,若
rb·sin(αb-θtd)>ra·sin(αa-θtd)
则第二点B在临界平面左上方,得到θ>θtd,该相邻反射点为非地面点,若
rb·sin(αb-θtd)≤ra·sin(αa-θtd)
则第二点B在临界平面右下方,得到θ≤θtd,该相邻反射点为地面点,并将其标记为地面点。
上述算法的优点在于:a.直接使用激光雷达传输的距离与角度数据计算,略去坐标解算过程;b.通过判断第二相邻点与经第一相邻点形成的阈值平面的位置关系取代计算倾角θ,只需要做大小判断,不需要具体计算θ值;c.对于一个数据列中地面点的判别,上一步判别中的rb·sin(αb-θtd)实际就是下一步判别中的ra·sin(αa-θtd),不需要重复计算,对于整个地面点判别过程,所有数据列中对应第i个激光通道的角度αi是固定的,因此可以将sin(αb-θtd)存储后调用,进一步降低重复计算量;d.上述判别式具有形式上的统一性,并且相邻步之间以及不同数据列之间事实上是独立的,为实现并行计算提供了方便。
游离点剔除,由于空气中灰尘或其他漂浮物的反射,会导致激光雷达接收的点云数据中存在孤立于主要点云断面之外的游离点,这些游离点不反映空间实体会影响后续自动驾驶决策,在矿山环境下,空气中扬尘比较严重,游离点的情况更加严重,因此需要采取措施,去除游离点,具体的步骤为:
对于每一数据列,取非地面点C(rc,αc)作为待定点
计算该待定点C分别与其前向j个非地面点C-i(r-i,α-i)(i=1,...,j)的距离CC-i,该距离CC-i可以在极坐标内使用余弦公式计算,再计算距离CC-i的平均值作为C(rc,αc)的前向距离CCf:
j根据激光雷达的数据通道数量在3~10内取值。
同样的方法,计算该待定点C分别与其后向j个非地面点C+i(r+i,α+i)(i=1,...,j)的距离CC+i,该距离CC+i可以在极坐标内使用余弦公式计算,再计算距离CC+i的平均值作为C(rc,αc)的后向距离CCr:
则该待定点C的特征距离L为前向距离CCf与后向距离CCr的平均:
设定第四阈值Ltd,若L>Ltd则所述待定点C为游离点,并从激光点云中剔除该游离点。否则所述待定点C为非游离点,保留该点。由于激光束呈扇形发散,距离越远后,两相邻发射点之间的距离也越大,为此,取第四阈值
上述内容仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (4)
1.一种激光雷达点云质量检测与提升方法,其特征在于,包括:
地面点识别步骤:计算每一数据列的相邻反射点之间连线与激光雷达水平基准线所成的倾角θ,预设第三阈值θtd,判断倾角θ与第三阈值θtd的关系,若θ≤θtd,则所述相邻反射点为地面点;
游离点剔除步骤:对于每一数据列,取一非地面点为待定点,计算该待定点分别与其前向预设数量的非地面点的距离均值作为第一距离,计算该待定点分别与其后向预设数量的非地面点的距离均值作为第二距离,取第一距离与第二距离的平均作为所述待定点的特征距离L,预设第四阈值Ltd,若L>Ltd,则所述待定点为游离点并从激光点云中剔除该游离点。
2.如权利要求1所述的激光雷达点云质量检测与提升方法,其特征在于,所述判断倾角θ与第三阈值θtd的关系的步骤包括:
对所述相邻反射点按点云自底部向顶部方向标记为第一点A(ra,αa)与第二点B(rb,αb),若
rb·sin(αb-θtd)>ra·sin(αa-θtd)
则第二点B在临界平面左上方,θ>θtd,若
rb·sin(αb-θtd)≤ra·sin(αa-θtd)
则第二点B在临界平面右下方,θ≤θtd。
3.如权利要求1所述的激光雷达点云质量检测与提升方法,其特征在于,还包括点云质量检测步骤,取所有数据列中发射方向低于激光雷达水平基准线的数据通道作为包含地面方向数据的点云集合Ugd,记录该点云集合Ugd的点云总数N,统计该点云集合Ugd中所有无效点的数量总和NNan,计算名义无效点占比PNan=NNan/N,预设第二阈值Ptd,若PNan>Ptd,则点云质量不满足条件。
4.如权利要求1所述的激光雷达点云质量检测与提升方法,其特征在于,还包括判断通信连通性步骤,预先根据激光雷达工作频率设定第一阈值,在主控单元接收激光雷达数据时,若接收时间间隔大于所述第一阈值,则判定存在通信连通性问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676578.5A CN114355381B (zh) | 2021-12-31 | 2021-12-31 | 激光雷达点云质量检测与提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676578.5A CN114355381B (zh) | 2021-12-31 | 2021-12-31 | 激光雷达点云质量检测与提升方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114355381A true CN114355381A (zh) | 2022-04-15 |
CN114355381B CN114355381B (zh) | 2022-09-09 |
Family
ID=81105866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111676578.5A Active CN114355381B (zh) | 2021-12-31 | 2021-12-31 | 激光雷达点云质量检测与提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355381B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908749A (zh) * | 2022-11-21 | 2023-04-04 | 中国科学院空天信息创新研究院 | 一种基于激光雷达点云数据的特定目标识别方法 |
CN116071550A (zh) * | 2023-02-09 | 2023-05-05 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
CN110221312A (zh) * | 2019-07-05 | 2019-09-10 | 上海大学 | 一种基于激光雷达快速检测地面点云的方法 |
CN111435163A (zh) * | 2020-03-18 | 2020-07-21 | 深圳市镭神智能系统有限公司 | 地面点云数据过滤方法、装置、探测系统及存储介质 |
US20200379096A1 (en) * | 2019-04-22 | 2020-12-03 | Hesai Photonics Technology Co., Ltd. | Method for identification of a noise point used for lidar, and lidar system |
US20210124054A1 (en) * | 2019-10-25 | 2021-04-29 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting obstacle |
WO2021097618A1 (zh) * | 2019-11-18 | 2021-05-27 | 深圳市大疆创新科技有限公司 | 点云分割方法、系统及计算机存储介质 |
CN112883820A (zh) * | 2021-01-26 | 2021-06-01 | 上海应用技术大学 | 基于激光雷达点云的道路目标3d检测方法及系统 |
CN113031004A (zh) * | 2021-03-05 | 2021-06-25 | 西北工业大学 | 基于三维激光雷达的无人船水面目标检测及路径规划方法 |
CN113593022A (zh) * | 2021-07-06 | 2021-11-02 | 安徽海博智能科技有限责任公司 | 一种用于矿山无人驾驶场景的高精地图制作方法 |
-
2021
- 2021-12-31 CN CN202111676578.5A patent/CN114355381B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767375A (zh) * | 2017-11-02 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种点云质量评估方法及装置 |
CN109858460A (zh) * | 2019-02-20 | 2019-06-07 | 重庆邮电大学 | 一种基于三维激光雷达的车道线检测方法 |
US20200379096A1 (en) * | 2019-04-22 | 2020-12-03 | Hesai Photonics Technology Co., Ltd. | Method for identification of a noise point used for lidar, and lidar system |
CN110221312A (zh) * | 2019-07-05 | 2019-09-10 | 上海大学 | 一种基于激光雷达快速检测地面点云的方法 |
US20210124054A1 (en) * | 2019-10-25 | 2021-04-29 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting obstacle |
WO2021097618A1 (zh) * | 2019-11-18 | 2021-05-27 | 深圳市大疆创新科技有限公司 | 点云分割方法、系统及计算机存储介质 |
CN111435163A (zh) * | 2020-03-18 | 2020-07-21 | 深圳市镭神智能系统有限公司 | 地面点云数据过滤方法、装置、探测系统及存储介质 |
CN112883820A (zh) * | 2021-01-26 | 2021-06-01 | 上海应用技术大学 | 基于激光雷达点云的道路目标3d检测方法及系统 |
CN113031004A (zh) * | 2021-03-05 | 2021-06-25 | 西北工业大学 | 基于三维激光雷达的无人船水面目标检测及路径规划方法 |
CN113593022A (zh) * | 2021-07-06 | 2021-11-02 | 安徽海博智能科技有限责任公司 | 一种用于矿山无人驾驶场景的高精地图制作方法 |
Non-Patent Citations (2)
Title |
---|
吴环宇: "基于激光雷达的智能车辆三维地图构建和定位算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
赵浩杰等: "基于几何特征的无人机激光雷达电力线提取", 《测绘通报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908749A (zh) * | 2022-11-21 | 2023-04-04 | 中国科学院空天信息创新研究院 | 一种基于激光雷达点云数据的特定目标识别方法 |
CN116071550A (zh) * | 2023-02-09 | 2023-05-05 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
CN116071550B (zh) * | 2023-02-09 | 2023-10-20 | 安徽海博智能科技有限责任公司 | 一种激光雷达灰尘点云过滤方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114355381B (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114355381B (zh) | 激光雷达点云质量检测与提升方法 | |
CN109298415B (zh) | 一种轨道和道路障碍物检测方法 | |
CN111566508B (zh) | 基于侧向毫米波雷达的侧向静止物体和移动速度检测方法 | |
CN110782465B (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
CN111435163A (zh) | 地面点云数据过滤方法、装置、探测系统及存储介质 | |
CN112684458B (zh) | 基于激光雷达通道线扫描特点的光子点云去噪方法和系统 | |
CN112083441A (zh) | 激光雷达和毫米波雷达深度融合的障碍物检测方法及系统 | |
CN108955584A (zh) | 一种路面探测方法及装置 | |
CN111999744A (zh) | 一种无人机多方位探测、多角度智能避障方法 | |
CN113743171A (zh) | 目标检测方法及装置 | |
WO2022198637A1 (zh) | 点云滤噪方法、系统和可移动平台 | |
KR102062579B1 (ko) | 영상 보정을 통해 그림자 및 빛 반사로 훼손된 차량번호판을 인식하는 차량번호판 인식 시스템 | |
CN115151954A (zh) | 可行驶区域检测的方法和装置 | |
CN113734176A (zh) | 智能驾驶车辆的环境感知系统、方法、车辆及存储介质 | |
CN113763262A (zh) | 自动驾驶矿卡车的点云数据中过滤车身技术的应用方法 | |
CN112863230A (zh) | 空车位检测方法及装置、车辆和计算机设备 | |
CN111650604B (zh) | 利用精确定位实现自我车辆和周边障碍物精确探知的方法 | |
CN111275715A (zh) | 点云分割方法、装置、电子设备、存储介质和机器人 | |
CN114925769B (zh) | 一种多传感器数据融合处理系统 | |
CN117387572A (zh) | 水平度校验方法、终端和计算机可读存储介质 | |
US20210302554A1 (en) | System and method for lidar defogging | |
Yang et al. | Towards high accuracy parking slot detection for automated valet parking system | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN114089376A (zh) | 一种基于单激光雷达的负障碍物检测方法 | |
RU2649840C1 (ru) | Способ управления движением транспортного средства (варианты) |
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 |