CN114359463A - 一种针对地面标识的点云标注系统及方法 - Google Patents
一种针对地面标识的点云标注系统及方法 Download PDFInfo
- Publication number
- CN114359463A CN114359463A CN202210274006.2A CN202210274006A CN114359463A CN 114359463 A CN114359463 A CN 114359463A CN 202210274006 A CN202210274006 A CN 202210274006A CN 114359463 A CN114359463 A CN 114359463A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- coordinates
- data
- module
- ground identification
- 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
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种针对地面标识的点云标注系统及方法，涉及自动驾驶数据标注技术领域，标注系统包括数据管理模块、多帧融合模块、多传感器融合模块、大规模点云渲染模块和标注模块；本发明公开的一种针对地面标识的点云标注方法，包括S100、用户数据上传，S200、多帧点云融合，S300、点云染色，S400、点云预处理以及渲染,S500、数据标注，S600、标注数据存储和更新，S700、标注数据导出。本发明解决了地面标识的局部点云信息缺失以及因受环境影响难以分辨的问题，提高了标注效率。
Description
技术领域
本发明涉及自动驾驶数据标注技术领域，尤其涉及一种针对地面标识的点云标注系统及方法。
背景技术
随着汽车工业的发展，用户对汽车智能化特别是自动驾驶功能的需求日益迫切。自动驾驶中最核心的功能模块是由感知层、决策层以及控制层组成。感知层中的信息主要来自于激光雷达，毫米波雷达，视觉传感器以及IMU（Inertial measurement unit，惯性测量单元，测量物体三轴姿态角（或角速率）以及加速度的装置）等设备对周围环境信息的获取。无人驾驶系统中的检测系统根据传感器采集的信息进行目标检测，场景分割以及车道线识别。其中车道线识别对自动驾驶以及一些辅助驾驶系统如车道偏离预警系统（LDW）及车道线保持辅助系统（LKA）尤为重要。此外，无论是自车感知能力的增强，还是高精地图的构建，都依赖于大量已标注的车道级道路数据。针对这一需求，多种标注系统被发开并用于数据标注。现公开的标注系统主要包括数据管理模块以及标注管理模块。针对地面标识的标注任务，目前的解决方案主要针对图像数据的标注，而缺乏对点云数据的标注。针对地面标识的点云标注，由于多种原因的影响使其成为困难且耗时的课题。采用现有标注系统对点云中的地面标识进行标注时，系统对单帧点云不加处理，此时场景中包含的3D点稀疏，且随着距离的增大越来越稀疏，并且在采集过程中，地面标识常常被其他车辆遮挡导致被遮挡区域地面标识信息缺失，这导致地面标识难以分辨。此外，地面标识对激光雷达的反射率相比较于其他路面差异不大，导致标注员难以在渲染后的点云场景中分辨出地面标识。尤其当地面标识受到日常损耗的影响，其分辨更加困难。现有标注工具多提供3D包围框编辑工具以及圈选工具（用于语意分割），并未提供如何在2D屏幕中标注以及编辑3D折线/曲线的方法，而地面标识的标注常需要采用折线/曲线拟合，因而也增加了标注难度。
综上所述，目前现有技术针对地面标识的点云标注系统存在以下问题：
1、单帧点云中的3D点稀疏，并且随着相对激光雷达距离的增大越来越稀疏。现有的标注系统没有对点云的稀疏性进行处理，使得地面标识不易分辨。
2、地面标识对激光雷达的反射率相比较于其他路面差异不大，导致标注员难以在点云场景中分辨出地面标识。尤其当地面标识受到日常损耗的影响，其分辨更加困难。
3、由于车辆遮挡等原因，地面标识信息缺失。利用现有点云标注系统无法分辨信息缺失区域的语意信息。
4、地面标识的标注常需要采用折线/曲线拟合，现有标注系统并未解决如何在屏幕（2D）中标注以及编辑3D折线/曲线。
因此，本领域的技术人员致力于开发一种针对地面标识的点云标注系统。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是点云场景中地面标识的局部3D点信息缺失以及因受环境影响难以分辨的问题。
发明人分析了现有技术针对地面标识的点云标注系统的技术缺陷，研究了大规模点云的加载及渲染方法，使用开源大规模点云渲染器对点云进行预处理以及渲染。本发明的一个实施例中，提供了一种针对地面标识的点云标注系统，包括：
数据管理模块，对数据进行管理，包括用户数据上传、标注数据存储、标注数据更新以及标注数据导出；
多帧融合模块，拼接融合多帧点云，使原本稀疏的点云更加稠密；
多传感器融合模块，利用图像中的像素点颜色将点云中的3D点染色，使地面标识更加清晰明显；
大规模点云渲染模块，使用大规模点云渲染器加载并渲染大规模点云；
标注模块，提供标注的交互界面与操作接口；
数据管理模块、多帧融合模块、多传感器融合模块、大规模点云渲染模块和标注模块通信连接，待标注点云文件经数据管理模块上传，经多帧融合模块进行点云多帧融合，再到多传感器融合模块进行染色，然后到大规模点云渲染模块进行渲染，最终由标注模块对数据进行标注，并把标注数据发送到数据管理模块进行存储或更新。
可选地，在上述实施例中的针对地面标识的点云标注系统中，数据管理模块的用户数据包括图像、待标注点云文件、IMU数据和标定数据。
可选地，在上述实施例中的针对地面标识的点云标注系统中，数据管理模块基于Spring框架，即一种Java 平台的开源的全栈应用程序框架和控制反转容器实现。
可选地，在上述任一实施例中的针对地面标识的点云标注系统中，数据管理模块使用华为云obs，即华为云对象存储服务。
可选地，在上述任一实施例中的针对地面标识的点云标注系统中，多帧融合模块使用每一帧时刻自车的标定数据以及IMU数据将点云中的3D点坐标转换至世界坐标后进行拼接融合。
可选地，在上述任一实施例中的针对地面标识的点云标注系统中，多传感器融合模块使用每一帧时刻自车的标定数据，建立图像像素点与点云中的3D点的对应关系。
可选地，在上述任一实施例中的针对地面标识的点云标注系统中，大规模点云渲染器为基于 WebGL 的开源大规模点云渲染器Potree。
进一步地，在上述实施例中的针对地面标识的点云标注系统中，大规模点云渲染模块把融合后的点云文件转换为Potree所需的八叉树结构，按需请求数据，加载并渲染特定位置的点。
可选地，在上述任一实施例中的针对地面标识的点云标注系统中，标注模块采用Vue或React前端框架并配合Three.js开发。
基于上述任一实施例，本发明的另一个实施例中，提供了一种针对地面标识的点云标注方法，包括如下步骤：
S100、用户数据上传，在数据管理模块中对用户数据进行上传；
S200、多帧点云融合，在多帧融合模块中，拼接融合多帧点云数据，使稀疏点云更加稠密；
S300、点云染色，在多传感器融合模块中，利用图像中的像素点颜色将点云中的3D点染色；
S400、点云预处理以及渲染,大规模点云渲染模块使用大规模点云渲染器加载并渲染大规模点云；
S500、数据标注；
S600、标注数据存储和更新；
S700、标注数据导出。
可选地，在上述实施例中的针对地面标识的点云标注方法中，步骤S100中用户数据包括图像、待标注点云文件、IMU数据和标定数据。
可选地，在上述任一实施例中的针对地面标识的点云标注方法中，步骤S200还包括：
S210、自车坐标转换，利用标定数据依次将待标注点云文件中的3D点坐标由雷达坐标转换至自车坐标；
S220、世界坐标转换，利用IMU数据依次将点云文件中的3D点坐标由自车坐标转换至世界坐标；
S230、坐标信息拼接，将所有点云文件中3D点的世界坐标进行拼接，写入文件中。
可选地，在上述实施例中的针对地面标识的点云标注方法中，步骤S210还包括雷达坐标进行平移及旋转变换获得自车坐标，旋转变换公式如（1）所示：
其中
为3D点在旋转变换前的坐标，
为3D点在旋转变换后的坐标，T为旋转矩阵，其中α，β，ɤ为3D点分别围绕X，Y，Z轴旋转的角度。
可选地，在上述实施例中的针对地面标识的点云标注方法中，步骤S220中IMU数据中包含当前帧自车坐标系原点相对于初始位置（即世界坐标系原点）的平移及旋转信息，利用平移及旋转信息将雷达坐标进行平移及旋转变换获得世界坐标，旋转变换公式使用公式（1）。
可选地，在上述任一实施例中的针对地面标识的点云标注方法中，步骤S300具体包括：
S310、计算相机坐标，利用激光雷达的标定信息与相机外参，即描述激光雷达与相机之间空间几何关系的参数，包括旋转与位移，计算点云文件中3D点的相机坐标，即点云文件中的3D点在相机坐标系中的坐标；
S320、计算图像坐标，利用相机内参，即相机检校参数，包括像主点坐标与焦距，将相机坐标换为图像坐标，即在图像坐标系中的2D坐标，使用的变换矩阵即相机内参矩阵如式（2）所示：
其中fx，fy为表示焦距的参数，cx，cy为相机的主轴与图像平面的交点的偏移量；
S330、渲染颜色，如果S320计算获得的2D坐标在指定图像范围内，则将该点渲染为图像中相应位置的颜色，当图像坐标非整数时，采用双线性插值或按照最近邻原则取颜色值；如果S320计算获得的2D坐标不在指定图像范围内，则舍弃该点。
本发明设计的多帧融合模块，将多帧点云进行融合，使得点云足够稠密，并且克服了点云场景中由于车辆的遮挡导致局部点云信息缺失的缺点；利用激光雷达与相机的标定信息建立图像像素点与点云中的3D点的对应关系。利用图像中的像素点颜色将点云中的3D点染色，克服了地面标识对激光雷达的反射率相比较于其他路面差异不大，尤其当地面标识受到日常损耗的影响时，地面标识难以分辨的缺点。本发明解决了地面标识的局部点云信息缺失以及因受环境影响难以分辨的问题，方便编辑3D场景中的折线/曲线，提高了标注效率。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是图示根据示例性实施例的针对地面标识的点云标注系统结构图；
图2是图示根据示例性实施例的针对地面标识的点云标注方法流程图；
图3是初始点云渲染效果图；
图4是图示根据示例性实施例的多帧融合模块和多传感器融合模块处理后的点云渲染效果图。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方示意性地适当夸大了部件的厚度。
发明人设计了一种针对地面标识的点云标注系统，如图1所示，包括：
数据管理模块，对数据进行管理，包括用户数据上传、标注数据存储、标注数据更新以及标注数据导出，用户数据包括图像、待标注点云文件、IMU数据和标定数据；数据管理模块基于Spring框架，即一种Java 平台的开源的全栈应用程序框架和控制反转容器实现，使用华为云obs，即华为云对象存储服务；
多帧融合模块，拼接融合多帧点云，使用每一帧时刻自车的标定数据以及IMU数据将点云中的3D点坐标转换至世界坐标后进行拼接融合，使原本稀疏的点云更加稠密；
多传感器融合模块，利用图像中的像素点颜色将点云中的3D点染色，使地面标识更加清晰明显，使用每一帧时刻自车的标定数据，建立图像像素点与点云中的3D点的对应关系；
大规模点云渲染模块，使用大规模点云渲染器加载并渲染大规模点云，大规模点云渲染器为基于 WebGL 的开源大规模点云渲染器Potree，把融合后的点云文件转换为Potree所需的八叉树结构，按需请求数据，加载并渲染特定位置的点；如图3和图4所示，分别为单帧点云渲染效果图与经过多帧融合及多传感器融合处理后的点云渲染效果图，经过多帧融合及多传感器融合处理后，点云场景变得更加稠密，地面标识清晰明显；
标注模块，提供标注的交互界面与操作接口，采用Vue或React前端框架并配合Three.js开发；
数据管理模块、多帧融合模块、多传感器融合模块、大规模点云渲染模块和标注模块通信连接，待标注点云文件经数据管理模块上传，经多帧融合模块进行点云多帧融合，再到多传感器融合模块进行染色，然后到大规模点云渲染模块进行渲染，最终由标注模块对数据进行标注，并把标注数据发送到数据管理模块进行存储或更新。
基于上述实施例，发明人提供了一种针对地面标识的点云标注方法，如图2所示，包括如下步骤：
S100、用户数据上传，在数据管理模块中对用户数据进行上传，用户数据包括图像、待标注点云文件、IMU数据和标定数据；
S200、多帧点云融合，在多帧融合模块中，拼接融合多帧点云数据，使稀疏点云更加稠密；本步骤还包括：
S210、自车坐标转换，利用标定数据依次将待标注点云文件中的3D点坐标由雷达坐标转换至自车坐标，包括雷达坐标进行平移及旋转变换获得自车坐标，旋转变换公式如（1）所示：
其中
为3D点在旋转变换前的坐标，
为3D点在旋转变换后的坐标，T为旋转矩阵，其中α，β，ɤ为3D点分别围绕X，Y，Z轴旋转的角度
S220、世界坐标转换，利用IMU数据依次将点云文件中的3D点坐标由自车坐标转换至世界坐标；IMU数据中包含当前帧自车坐标系原点相对于初始位置（即世界坐标系原点）的平移及旋转信息，利用平移及旋转信息将雷达坐标进行平移及旋转变换获得世界坐标，旋转变换公式使用公式（1）；
S230、坐标信息拼接，将所有点云文件中3D点的世界坐标进行拼接，写入文件中。
S300、点云染色，在多传感器融合模块中，利用图像中的像素点颜色将点云中的3D点染色；具体包括：
S310、计算相机坐标，利用激光雷达的标定信息与相机外参，即描述激光雷达与相机之间空间几何关系的参数，包括旋转与位移，计算点云文件中3D点的相机坐标，即点云文件中的3D点在相机坐标系中的坐标；
S320、计算图像坐标，利用相机内参，即相机检校参数，包括像主点坐标与焦距，将相机坐标换为图像坐标，即在图像坐标系中的2D坐标，使用的变换矩阵即相机内参矩阵如式（2）所示：
其中fx，fy为表示焦距的参数，cx，cy为相机的主轴与图像平面的交点的偏移量；
S330、渲染颜色，如果S320计算获得的2D坐标在指定图像范围内，则将该点渲染为图像中相应位置的颜色，当图像坐标非整数时，采用双线性插值或按照最近邻原则取颜色值；如果S320计算获得的2D坐标不在指定图像范围内，则舍弃该点。
S400、点云预处理以及渲染,大规模点云渲染模块使用大规模点云渲染器加载并渲染大规模点云；
S500、数据标注；
S600、标注数据存储和更新；
S700、标注数据导出。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种针对地面标识的点云标注系统，其特征在于，包括：
数据管理模块，对数据进行管理，包括用户数据上传、标注数据存储、标注数据更新以及标注数据导出；
多帧融合模块，拼接融合多帧点云，使原本稀疏的点云更加稠密；
多传感器融合模块，利用图像中的像素点颜色将所述点云中的3D点染色，使地面标识更加清晰明显；
大规模点云渲染模块，使用大规模点云渲染器加载并渲染大规模点云；
标注模块，提供标注的交互界面与操作接口；
所述数据管理模块、所述多帧融合模块、所述多传感器融合模块、所述大规模点云渲染模块和所述标注模块通信连接，待标注点云文件经所述数据管理模块上传，经所述多帧融合模块进行点云多帧融合，再到所述多传感器融合模块进行染色，然后到所述大规模点云渲染模块进行渲染，最终由所述标注模块对数据进行标注，并把标注数据发送到所述数据管理模块进行存储或更新。
2.如权利要求1所述的针对地面标识的点云标注系统，其特征在于，所述数据管理模块的用户数据包括图像、待标注点云文件、IMU数据和标定数据。
3.如权利要求1所述的针对地面标识的点云标注系统，其特征在于，所述数据管理模块基于Spring框架，即一种Java 平台的开源的全栈应用程序框架和控制反转容器实现。
4.如权利要求1所述的针对地面标识的点云标注系统，其特征在于，所述多帧融合模块使用每一帧时刻自车的标定数据以及IMU数据将所述点云中的3D点坐标转换至世界坐标后进行拼接融合。
5.如权利要求1所述的针对地面标识的点云标注系统，其特征在于，所述多传感器融合模块使用每一帧时刻自车的标定数据，建立图像像素点与所述点云中的3D点的对应关系。
6.如权利要求1所述的针对地面标识的点云标注系统，其特征在于，所述大规模点云渲染器为基于 WebGL 的开源大规模点云渲染器Potree。
7.一种针对地面标识的点云标注方法，使用如权利要求1-6任一项所述的针对地面标识的点云标注系统，其特征在于，包括如下步骤：
S100、用户数据上传，在所述数据管理模块中对用户数据进行上传；
S200、多帧点云融合，在所述多帧融合模块中，拼接融合多帧点云数据，使稀疏点云更加稠密；
S300、点云染色，在所述多传感器融合模块中，利用图像中的像素点颜色将所述点云中的3D点染色；
S400、点云预处理以及渲染,所述大规模点云渲染模块使用大规模点云渲染器加载并渲染大规模点云；
S500、数据标注；
S600、标注数据存储和更新；
S700、标注数据导出。
8.如权利要求7所述的针对地面标识的点云标注方法，其特征在于，所述步骤S200包括：
S210、自车坐标转换，利用标定数据依次将待标注点云文件中的3D点坐标由雷达坐标转换至自车坐标；
S220、世界坐标转换，利用IMU数据依次将所述点云文件中的3D点坐标由所述自车坐标转换至世界坐标；
S230、坐标信息拼接，将所有点云文件中3D点的所述世界坐标进行拼接，写入文件中。
9.如权利要求7或8任一项所述的针对地面标识的点云标注方法，其特征在于，所述步骤S210还包括所述雷达坐标进行平移及旋转变换获得所述自车坐标，旋转变换公式如（1）所示
10.如权利要求7所述的针对地面标识的点云标注方法，其特征在于，所述步骤S300包括：
S310、计算相机坐标，利用激光雷达的标定信息与相机外参，即描述激光雷达与相机之间空间几何关系的参数，包括旋转与位移，计算点云文件中3D点的相机坐标，即点云文件中的3D点在相机坐标系中的坐标；
S320、计算图像坐标，利用相机内参，即相机检校参数，包括像主点坐标与焦距，将相机坐标换为图像坐标，即在图像坐标系中的2D坐标，使用的变换矩阵即相机内参矩阵如式（2）所示：
S330、渲染颜色，如果所述2D坐标在指定图像范围内，则将该点渲染为图像中相应位置的颜色，当图像坐标非整数时，采用双线性插值或按照最近邻原则取颜色值；如果所述2D坐标不在指定图像范围内，则舍弃该点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274006.2A CN114359463A (zh) | 2022-03-20 | 2022-03-20 | 一种针对地面标识的点云标注系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210274006.2A CN114359463A (zh) | 2022-03-20 | 2022-03-20 | 一种针对地面标识的点云标注系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114359463A true CN114359463A (zh) | 2022-04-15 |
Family
ID=81094316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210274006.2A Pending CN114359463A (zh) | 2022-03-20 | 2022-03-20 | 一种针对地面标识的点云标注系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114359463A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107943961A (zh) * | 2017-11-27 | 2018-04-20 | 武汉地普三维科技有限公司 | 一种基于Web的海量点云渲染方法 |
| CN109633665A (zh) * | 2018-12-17 | 2019-04-16 | 北京主线科技有限公司 | 交通场景稀疏激光点云拼接方法 |
| CN111045017A (zh) * | 2019-12-20 | 2020-04-21 | 成都理工大学 | 一种激光和视觉融合的巡检机器人变电站地图构建方法 |
| US20210027524A1 (en) * | 2019-07-22 | 2021-01-28 | Scale AI, Inc. | Visualization techniques for data labeling |
| CN112487932A (zh) * | 2020-11-26 | 2021-03-12 | 济南北方交通工程咨询监理有限公司 | 基于道路点云的高速公路场景重构系统及方法 |
| CN113052761A (zh) * | 2019-12-26 | 2021-06-29 | 炬星科技（深圳）有限公司 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
| CN113192206A (zh) * | 2021-04-28 | 2021-07-30 | 华南理工大学 | 基于目标检测和背景去除的三维模型实时重建方法及装置 |
| CN113359141A (zh) * | 2021-07-28 | 2021-09-07 | 东北林业大学 | 一种基于无人机多传感器数据融合的林火定位方法及系统 |
| CN113674287A (zh) * | 2021-09-03 | 2021-11-19 | 阿波罗智能技术(北京)有限公司 | 高精地图的绘制方法、装置、设备以及存储介质 |
| CN114076956A (zh) * | 2021-11-12 | 2022-02-22 | 北京斯年智驾科技有限公司 | 一种基于激光雷达点云辅助的车道线标定方法 |
-
2022
- 2022-03-20 CN CN202210274006.2A patent/CN114359463A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107943961A (zh) * | 2017-11-27 | 2018-04-20 | 武汉地普三维科技有限公司 | 一种基于Web的海量点云渲染方法 |
| CN109633665A (zh) * | 2018-12-17 | 2019-04-16 | 北京主线科技有限公司 | 交通场景稀疏激光点云拼接方法 |
| US20210027524A1 (en) * | 2019-07-22 | 2021-01-28 | Scale AI, Inc. | Visualization techniques for data labeling |
| CN111045017A (zh) * | 2019-12-20 | 2020-04-21 | 成都理工大学 | 一种激光和视觉融合的巡检机器人变电站地图构建方法 |
| CN113052761A (zh) * | 2019-12-26 | 2021-06-29 | 炬星科技（深圳）有限公司 | 激光点云地图融合方法、设备以及计算机可读存储介质 |
| CN112487932A (zh) * | 2020-11-26 | 2021-03-12 | 济南北方交通工程咨询监理有限公司 | 基于道路点云的高速公路场景重构系统及方法 |
| CN113192206A (zh) * | 2021-04-28 | 2021-07-30 | 华南理工大学 | 基于目标检测和背景去除的三维模型实时重建方法及装置 |
| CN113359141A (zh) * | 2021-07-28 | 2021-09-07 | 东北林业大学 | 一种基于无人机多传感器数据融合的林火定位方法及系统 |
| CN113674287A (zh) * | 2021-09-03 | 2021-11-19 | 阿波罗智能技术(北京)有限公司 | 高精地图的绘制方法、装置、设备以及存储介质 |
| CN114076956A (zh) * | 2021-11-12 | 2022-02-22 | 北京斯年智驾科技有限公司 | 一种基于激光雷达点云辅助的车道线标定方法 |
Non-Patent Citations (3)
| Title |
|---|
| 向祎，文琳: "基于WebGL 技术点云可视化系统的研究与实现", 《地理空间信息》 * |
| 艾叔: "《Spark大数据编程实用教程》", 31 May 2020 * |
| 闫利等: "车载LiDAR海量点云数据管理与可视化研究", 《武汉大学学报(信息科学版)》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109461211B (zh) | 基于视觉点云的语义矢量地图构建方法、装置和电子设备 | |
| CN110160502B (zh) | 地图要素提取方法、装置及服务器 | |
| CN109583415B (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
| CN115082924B (zh) | 一种基于单目视觉和雷达伪图像融合的三维目标检测方法 | |
| CN108648194B (zh) | 基于cad模型三维目标识别分割和位姿测量方法及装置 | |
| KR102200299B1 (ko) | 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법 | |
| KR102113068B1 (ko) | 수치지도 및 도로정밀지도 구축 자동화를 위한 방법 | |
| Volden et al. | Vision-based positioning system for auto-docking of unmanned surface vehicles (USVs) | |
| WO2022183685A1 (zh) | 目标检测方法、电子介质和计算机存储介质 | |
| CN109978954A (zh) | 基于箱体的雷达和相机联合标定的方法和装置 | |
| CN113096003B (zh) | 针对多视频帧的标注方法、装置、设备和存储介质 | |
| Zhou et al. | Developing and testing robust autonomy: The university of sydney campus data set | |
| CN114913290A (zh) | 多视角融合的场景重建方法、感知网络训练方法及装置 | |
| CN113643431A (zh) | 一种用于视觉算法迭代优化的系统及方法 | |
| CN115147328A (zh) | 三维目标检测方法及装置 | |
| CN117576652B (zh) | 道路对象的识别方法、装置和存储介质及电子设备 | |
| US20210272289A1 (en) | Sky determination in environment detection for mobile platforms, and associated systems and methods | |
| CN114120254A (zh) | 道路信息识别方法、装置及存储介质 | |
| CN114359463A (zh) | 一种针对地面标识的点云标注系统及方法 | |
| CN115409965A (zh) | 一种面向非结构化道路的矿区地图自动生成方法 | |
| CN114998436A (zh) | 对象标注方法、装置、电子设备及存储介质 | |
| CN115665553A (zh) | 一种无人机的自动跟踪方法、装置、电子设备及存储介质 | |
| CN115790568A (zh) | 基于语义信息的地图生成方法及相关设备 | |
| Lee et al. | Semi-automatic framework for traffic landmark annotation | |
| JP2021071885A (ja) | 領域切り出し方法および領域切り出しプログラム |
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 |