CN114384492A - 用于激光雷达的点云处理方法及装置、存储介质 - Google Patents

用于激光雷达的点云处理方法及装置、存储介质 Download PDF

Info

Publication number
CN114384492A
CN114384492A CN202210293601.0A CN202210293601A CN114384492A CN 114384492 A CN114384492 A CN 114384492A CN 202210293601 A CN202210293601 A CN 202210293601A CN 114384492 A CN114384492 A CN 114384492A
Authority
CN
China
Prior art keywords
point
points
grid
point cloud
adhesion
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
Application number
CN202210293601.0A
Other languages
English (en)
Other versions
CN114384492B (zh
Inventor
王栋
夏冰冰
石拓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zvision Technologies Co Ltd
Original Assignee
Zvision Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zvision Technologies Co Ltd filed Critical Zvision Technologies Co Ltd
Priority to CN202210293601.0A priority Critical patent/CN114384492B/zh
Publication of CN114384492A publication Critical patent/CN114384492A/zh
Application granted granted Critical
Publication of CN114384492B publication Critical patent/CN114384492B/zh
Priority to PCT/CN2023/083414 priority patent/WO2023179718A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本申请公开了一种用于激光雷达的点云处理方法及装置、存储介质，所述方法包括：根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；遍历每个栅格内的所有点，获取栅格内最近点以及最远点，计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；所述粘连点处理包括：保留栅格内最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点；将所述粘连点删除。本申请处理后的点云数据更合理，能准确对障碍物进行避让，大大方便了自动驾驶中的路径规划，保证了行车安全。

Description

用于激光雷达的点云处理方法及装置、存储介质
技术领域
本申请实施例涉及激光雷达中点云数据处理技术，尤其涉及一种用于激光雷达的点云处理方法及装置、存储介质。
背景技术
随着工业智能化的发展，自动驾驶、机器人避障、智慧城市的车路协同以及测绘领域等，对3D感知技术尤其是激光雷达技术的需求日益增加。在利用激光雷达进行环境感知的情况下，经常存在这样一种情况：由于激光雷达的发射光存在发散角，形成的光斑覆盖有一定面积，当某束光斑同时照射于前后两个物体且相互之间相距较近的物体边界处时，产生的回波就会叠加到一起。如图2所示，虚线为一束光斑同时打到前后两个物体且相互之间相距较近的物体边界处分别形成的回波，实线为实际叠加后的回波信号。由于不能区分前后两个物体分别形成的回波，实际信号处理中是根据叠加后的回波信号进行距离计算，计算与物体之间的距离会存在极大的偏差，因此会导致处于同方向上的前后物体边缘间出现漂浮的虚假点云，即出现点云粘连现象。对于自动驾驶车辆而言，若前方有两个障碍物相邻较近，很容易出现点云粘连现象，自动驾驶车辆根据出现粘连的点云进行感知，将会影响自动驾驶车辆的感知路线规划等算法，影响车速调整等发生。
发明内容
有鉴于此，本申请实施例提供一种用于激光雷达的点云处理方法及装置、存储介质。
根据本申请实施例的第一方面，提供一种用于激光雷达的点云处理方法，包括：
根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；
遍历每个栅格内的所有点，获取栅格内最近点以及最远点，计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；其中，在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值；在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；所述第二设定阈值大于第一设定阈值；
所述粘连点处理包括：保留栅格内最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点；
将所述粘连点删除。
在一些示例性的实施例中，所述方法还包括：
在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。
在一些示例性的实施例中，所述保留最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点，包括：
保留最近点的第一设定距离范围内的点以及最远点的第二设定距离范围内的点，将所述栅格内的其余的点确定为粘连点。
在一些示例性的实施例中，所述将激光雷达的点云划分为不同的栅格，包括：
将所述激光雷达的点云转换为以球坐标系表征；
将所述球坐标系表征的点云划分为不同的栅格化；其中，每个栅格中的点的数量大于或等于设定值。
在一些示例性的实施例中，所述方法还包括：
根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。
在一些示例性的实施例中，所述方法还包括：
将激光雷达的点云中距离小于第三设定阈值的区域确定为感兴趣区域（Regionof Interest，ROI）；
对应地，所述将激光雷达的点云划分为不同的栅格，包括：
将ROI包含的点云划分为不同的栅格。
根据本申请实施例的第二方面，提供一种用于激光雷达的点云处理装置，包括：
划分单元，用于根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；
获取单元，用于遍历每个栅格内的所有点云，获取栅格内最近点以及最远点；
粘连点处理单元，用于计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；其中，在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值；在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；所述第二设定阈值大于第一设定阈值；所述粘连点处理包括：保留最近点以及最远点的一定距离范围内的点云，将其余的点云确定为粘连点云；
删除单元，用于将所述粘连点云删除。
在一些示例性的实施例中，所述粘连点处理单元，还用于：
在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。
在一些示例性的实施例中，所述粘连点处理单元，还用于：
保留最近点的第一设定距离范围内的点，以及最远点的第二设定距离范围内的点，将栅格内的其余的点确定为粘连点。
在一些示例性的实施例中，所述划分单元，还用于：
将所述激光雷达的点云转换为以球坐标系表征；
将所述球坐标系表征的点云进行栅格化处理；其中，每个栅格中的点云的数量大于或等于设定值。
在一些示例性的实施例中，所述划分单元，还用于：
根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。
在一些示例性的实施例中，所述装置还包括：
确定单元，用于将距离小于第三设定阈值的区域确定为点云的ROI；
对应地，所述划分单元，还用于：将ROI包含的点云划分为不同的栅格。
根据本申请实施例的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述的用于激光雷达的点云处理方法的步骤。
本申请实施例中，根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格，判断栅格内最近点和最远点的距离差是否大于设定阈值，如果大于，才对该栅格进行粘连点处理，这样可以避免误删。当激光雷达和障碍物入射角较大时，其在栅格中形成的最近点和最远点距离差值较大，但是其他特征和粘连点非常接近，因此，可以先对栅格最近点和最远点距离差值进行判断，排除激光雷达和障碍物入射角较大时形成的栅格，避免误删。通过栅格内最远点和最近点之间的距离差值来确定是否针对栅格进行粘连点处理，提升了粘连点确定的准确性，降低了粘连点误删除的概率。当栅格内的点来自不同对象如来自前后两个物体的情况下，第一设定阈值设置的较小，当最远点和最近点的差值小于第一设定阈值时，即对应不同对象离得特别近时，虽然产生的粘连点删除不掉，但是离得较近的对象间的粘连点对实际应用产生的影响较小；而当栅格内的点来自于同一个对象时，第二设定阈值设置的较大，这样，每个栅格内的最远点和最近点的距离差值随着激光雷达与探测对象的入射角的增大而增加，当激光雷达和障碍物入射角较大时，栅格中形成的最近点和最远点距离差值较大，其他特征和粘连点非常接近，因此，可以先对栅格最近点和最远点距离差值进行判断，排除激光雷达和障碍物入射角较大时形成的栅格，避免误删。基于本申请实施例处理后的点云进行障碍物尺寸感知时更准确，有利于自动驾驶车辆等真实的障碍物尺寸确定相应的路线规划，能准确对障碍物进行避让等，大大方便了自动驾驶中的路径规划，保证了行车安全；本申请实施例还支持先确定可能出现粘连的区域，仅对可能出现粘连的区域进行粘连点的确定并删除，而提升点云处理效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1示出了点云数据发生粘连的场景示意图；
图2示出了发生粘连的激光信号的回波信号示意图；
图3示出了点云图中发生粘连的点云示意图；
图4为本申请实施例的用于激光雷达的点云处理方法的流程示意图；
图5为本申请实施例的用于激光雷达的点云处理方法的示例示意图；
图6为本申请实施例的栅格内各点分布情况示意图；
图7为本申请实施例的栅格内各点分布情况示意图；
图8为本申请实施例的栅格内各点分布情况示意图；
图9示出了点云图中删除了粘连点的点云示意图；
图10为本申请实施例的用于激光雷达的点云处理装置的组成结构示意图。
具体实施方式
以下结合附图，详细阐明本申请实施例技术方案的实质。
图1示出了点云数据发生粘连的场景示意图，如图1所示，由于激光雷达的发射的激光光斑有一定大小，当一束激光光斑照射于前后两个物体且相互之间相距较近的物体边界处（该距离和发光脉冲宽度有关），产生的回波就会叠加到一起，实际信号处理中是根据叠加后的回波信号进行距离计算，这样会导致所算结果与物体之间的距离会存在极大的偏差，导致感知算法处理得到的障碍物的尺寸偏离真实值。
图2示出了发生粘连的激光信号的回波信号示意图，如图2所示，虚线所示为一束光斑同时照射于前后两个物体且相距较近的物体边界处分别形成的回波信号，实线所示为实际叠加后的回波信号。激光雷达根据图2中实线所示叠加后的回波信号对物体的距离进行计算时，将与实际距离存在较大的偏差。实际应用中如自动驾驶车辆行进方向存在相邻较近的障碍物，会影响自动驾驶车辆的路线规划，无法正常通行。
图3示出了点云图中发生粘连的点云示意图，如图3所示，在完整的点云图上，点云粘连表现为处于同方向上的前后物体边缘间会出现漂浮的点云。
图4为本申请实施例的用于激光雷达的点云处理方法的流程示意图，如图4所示，本申请实施例的用于激光雷达的点云处理方法包括以下步骤：
步骤401，根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格。
本申请实施例中，为了避免激光雷达的点云中存在粘连点，对整个激光雷达的点云进行粘连点的查找并进行删除。
具体地，根据预设的角度范围以及分辨率，将点云按照球坐标系栅格化。将激光雷达的点云转换为以球坐标系表征；根据预设的角度范围以及分辨率，将所述球坐标系表征的点云划分为不同的栅格，其中，每个栅格中的点的数量大于或等于设定值。本申请实施例中，将点云划分栅格的目的，是依据点云的分布特点按栅格进行粘连点的查找。由于栅格包含一定数量的点，从而使栅格内较大概率会包含照射在前面物体的点云，粘连点云和照射在后面物体的点云，因此，划分为栅格可以提高粘连点的查找准确率及查找效率。这里的设定值可以设置为4，即保证一个子栅格中点云数量维持于4个左右。具体地，该设定值也可以为5、或6等。本申请实施例中不作限定。在栅格划分时，为保证每个栅格中的点数量，可以根据预设的角度范围以及点云数据的分辨率来调整栅格的大小，以使每个子栅格中的点数量维持在设定值左右。
本申请实施例中，可以根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。即根据点云的坐标值确定其落入哪个栅格中，将该点云划分至相应栅格中。当栅格中的点云数量不满足上述设定数量的情况下，可以根据点云的分辨率，调整栅格的分配角度范围，最终使每个栅格内的点云数量均保持在设定值数量左右。
步骤402，遍历每个栅格内的所有点，获取栅格内最近点以及最远点，计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理。
这里，所述粘连点处理包括：保留栅格内最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点。
本申请实施例中，针对所划分后的每个栅格，获取每个栅格中的点的测距值，确定栅格中的最远点和最近点。计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理。
具体地，在栅格内的点来自于不同对象反射形成时，在所述距离差值大于第一设定阈值的情况下，进行粘连点处理。即在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值。
在具体实施过程中，第一设定阈值趋向于设定阈值可取值范围的最小值。在此情形时，当最远点和最近点的差值小于第一设定阈值时，即对应不同对象离得特别近时，虽然产生的粘连点删除不掉，但是离得较近的对象间的粘连点对实际应用产生的影响较小，因此这种情况在实际应用是可以接受的。
在栅格内的点来自于同一对象反射形成时，在所述距离差值大于第二设定阈值的情况下，进行粘连点处理。即在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；其中，所述第二设定阈值大于第一设定阈值。
在具体实施过程中，第二设定阈值趋向于设定阈值可取值范围的最大值。每个栅格内的最远点和最近点的距离差随着激光雷达与探测对象的入射角的增大而增加，当激光雷达和障碍物入射角较大时，其在栅格中形成的最近点和最远点距离差值较大，但是其他特征和粘连点非常接近，因此，可以先对栅格最近点和最远点距离差值进行判断，排除激光雷达和障碍物入射角较大时形成的栅格，避免误删。
作为一种示例，设定阈值可以位于0.1m~1m的范围，第一设定阈值可以参考设定阈值的最小值如0.1m来设置，如可以设置为0.2m、0.35m等，第二设定阈值可以参考设定阈值的最大值如1m来设置，如可以设置为0.7m、0.8m或0.95m等。
在距离差值大于设定阈值的情况下，查找出与所述最近点距离位于第一设定距离范围内的点云，以及与所述最远点距离位于第二设定距离范围内的点，将所查找的最近点以及最远点的一定距离范围内的点之外的点确定为所述粘连点。
本申请实施例中，第一设定距离范围可以与第二设定距离范围相同。例如，第一设定距离范围可以设置为不超过0.06m的范围，当栅格内的最近点的附近0.06m范围内的点，认为是正常点，其余的点则为粘连点。作为一种示例，第二设定距离范围可以设置为不超过0.06m的范围，当栅格内的最远点附近0.06m范围内的点，认为是正常点，其余的点则为粘连点。本领域技术人员应当理解，上述第一设定距离范围、第二设定距离范围仅为示例性说明，并非是限定。
本申请实施例中，第一设定距离范围可以与第二设定距离范围也可以不相同。例如，第一设定距离范围可以设置为不超过0.06m的范围，当栅格内的最近点的附近0.06m范围内的点，认为是正常点，其余的点则为粘连点。作为一种示例，第二设定距离范围可以设置为不超过0.08m的范围，当栅格内的最远点附近0.08m范围内的点云，认为是正常点云，其余的点则为粘连点。本领域技术人员应当理解，上述第一设定距离范围、第二设定距离范围仅为示例性说明，并非是限定。
步骤403，将所述粘连点删除。
本申请实施例中，根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格，判断栅格内最近点和最远点的距离差是否大于设定阈值，如果大于，才对该栅格进行粘连点处理，这样可以避免误删。当激光雷达和障碍物入射角较大时，其在栅格中形成的最近点和最远点距离差值较大，但是其他特征和粘连点非常接近，因此，可以先对栅格最近点和最远点距离差值进行判断，排除激光雷达和障碍物入射角较大时形成的栅格，避免误删。通过栅格内最远点和最近点之间的距离差值来确定是否针对栅格进行粘连点处理，提升了粘连点确定的准确性，降低了粘连点误删除的概率。当栅格内的点来自不同对象如来自前后两个物体的情况下，第一设定阈值设置的较小，当最远点和最近点的差值小于第一设定阈值时，即对应不同对象离得特别近时，虽然产生的粘连点删除不掉，但是离得较近的对象间的粘连点对实际应用产生的影响较小；而当栅格内的点来自于同一个对象时，第二设定阈值设置的较大，这样，每个栅格内的最远点和最近点的距离差值随着激光雷达与探测对象的入射角的增大而增加，当激光雷达和障碍物入射角较大时，栅格中形成的最近点和最远点距离差值较大，其他特征和粘连点非常接近，因此，可以先对栅格最近点和最远点距离差值进行判断，排除激光雷达和障碍物入射角较大时形成的栅格，避免误删。基于本申请实施例处理后的点云进行障碍物尺寸感知时更准确，有利于自动驾驶车辆等真实的障碍物尺寸确定相应的路线规划，能准确对障碍物进行避让等，大大方便了自动驾驶中的路径规划，保证了行车安全；本申请实施例还支持先确定可能出现粘连的区域，仅对可能出现粘连的区域进行粘连点的确定并删除，而提升点云处理效率。
本申请实施例中，为提升点云处理效率，还可以对可能出现点云粘连的区域进行预判断，将可能出现点云粘连的区域尽可能确定出，并将不同区域内的粘连点进行删除。
本申请实施例中，首先确定激光雷达可能产生粘连点的相关区域，以便直接在相关区域进行粘连点的判断，以节省点云识别的运算资源，提升粘连点识别的处理效率。当障碍物与激光雷达之间的距离较近如小于1.6m的情况下，激光雷达的回波信号的脉宽较宽，两个距离较近的障碍物的激光回波信号叠加到一起的概率增加，导致产生粘连现象。而距离远的回波脉宽较窄，所以距离较近的障碍物的回波叠加到一起的可能性会降低，因此，本申请实施例中，将距离小于第三设定阈值的区域确定为点云的感兴趣区域（Region OfInterest， ROI），ROI即为容易出现粘连点的区域。本申请实施例中，先确定出可能产生粘连点的ROI区域，以便仅在ROI区域中进行粘连点的查找及删除等处理，不必对整个激光雷达的所有点云进行粘连点的查找，从而大大提升点云处理的效率。因此，点云的ROI区域可以根据距离或者其他可能产生粘连点的区域进行选取，通过确定出点云的ROI区域，可以将激光雷达的原始点云分为ROI点云和非ROI点云。这里，第三设定阈值可以为1.6m，本领域技术人员应当理解，该第三设定阈值也可以是其他数值如1.7m、2.1m等，仅为示例性说明。
本申请实施例中，根据点云的距离确定障碍物可能导致的粘连现象，如当根据回波信号确定的点所在距离小于1.6m的范围内时，容易产生点云粘连的现象，可以将所采集的点云中，点距离小于1.6m的点所在区域均确定为ROI区域。本申请实施例中，也可以根据障碍物的大致形状，将障碍物的边缘区域划分为ROI区域等。
针对ROI区域中的栅格，确定栅格内的最近点和最远点，根据最远点和最近点之间的距离差值，确定是否针对该栅格进行粘连点处理。将进行了粘连点处理后的激光雷达的点云作为有效点云，即将去除粘连点后的ROI包含的点云及非ROI中的点云确定为有效点云，进行障碍物距离运算及其他数据处理分析等。
本申请实施例中，在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。通过设定阈值，即可将可能产生粘连的栅格区域和基本不会产生粘连现象的栅格作出区分，仅对可能出现粘连现象的栅格进行粘连点的处理。
以下通过具体示例，进一步阐明本申请实施例的技术方案的实质。
本申请实施例中，当确定出ROI后，并不会对ROI中的栅格中的点进行粘连点处理，而是需要对栅格中的点进行粘连点判断，仅在可能存在粘连点的情况下，再进行粘连点处理。并且，本申请实施例的粘连点处理方式不会导致对非粘连点的误删的情况，例如当雷达与物体间的入射角度大于一定角度时，此时会将部分正常点云误判为粘连点，如图6所示，0表示激光雷达，3表示一个正常物体(假设为一个平面)，A点和B点表示一个栅格内同一物体3上的最近点和最远点，1和2的长度分别对应激光雷达到A点和到B点的距离，若直接依据最近点第一设定距离范围内的点以及最远点的第二设定距离范围内点为非粘连点，而栅格内的其他点为粘连点，很可能会导致正常点的误删情况。例如，如果入射角较小，则A点和B点的距离差值较小，保留最近点A和最远点B一定距离内的点不会造成误删除，但是如果雷达和物体的入射角大于一定角度，例如如图7所示，在A点和B点的距离差值较大的情况下，A、B之间的点很可能被误删除，例如远处的地面点由于入射角较大会被误删除等。
本申请实施例正是针对上述的粘连点误删除的情况，提出一种更合理的点云处理方法。
图5为本申请实施例的用于激光雷达的点云处理方法的示例示意图，如图5所示，本申请实施例的用于激光雷达的点云处理方法包括以下处理步骤：
步骤1，对激光雷达所有的回波信号形成的点云选取ROI区域，该ROI区域可以根据距离或者其他可能产生粘连点的区域选取，将原始点云分为ROI点云和非ROI点云。
由于距离远的回波脉宽较窄，所以两个物体的回波叠加到一起的可能性会降低，因此ROI区域可以为一定距离（如小于1.6m）范围内的点云对应的区域。本申请实施例中，划分ROI区域的目的，是降低粘连点处理的效率，即仅对ROI区域进行粘连点云的处理，而对ROI区域之外的其他区域不进行粘连点云的处理。
作为一种实现方式，也可以不必区分ROI区域，而对激光雷达的点云直接进行粘连点云的处理。
步骤2，根据预设的角度范围和分辨率对点云按极坐标栅格化。对于ROI区域的点云的每一个点云中的点云坐标（x，y，z），反算为球坐标系的（element（极角），azimuth（方位角），distance（距离）），然后根据预设的角度范围以及分辨率，将点云中所有点按照球坐标系进行栅格化划分，划分为不同的栅格。
栅格化是指根据预设的角度范围和角度分辨率分别计算得到每个点所处的栅格的横纵坐标序号，得到每个点所处栅格的水平和垂直序号（hori_pos和vert_pos）。
点云的栅格单元对应的坐标确定示例如下：
hori_pos = floor(azimuth-angle_hori_min) / angle_hori_resolution
vert_pos = floor(element-angle_vert_min)/ angle_vert_resolution
其中，angle_hori_min， angle_vert_min，表示待处理点最小的水平和垂直角度；angle_hori_resolution，angle_vert_resolution分别表示栅格化水平和垂直的分辨率；Floor(arg)为向下取整函数，返回不大于arg的最大整数值。
步骤3，计算每个栅格内的最近点和最远点。遍历每个栅格内的所有点，得到最近点的距离以及最远点的距离。
本申请实施例中，可以根据雷达扫描分辨率（即点之间的间距）调整栅格大小，从而对栅格内点的数量进行控制，例如使栅格中点的数量至少为4，由于包含一定数量的点从而使栅格内较大概率会包含照射在前面物体的点，粘连点和照射于后面物体的点。保留每个栅格中最近点第一设定距离范围内的点和最远点第二设定距离范围内的点，其余点视为粘连点而删除。对于只包含正常物体点云的栅格，由于每个栅格的入射角度较小，所有物体的点云都处在一定范围内，因此直接进行粘连点处理，可以保留正常的点云。但是对于入射角度较大的情况，如图7所示的场景，这种粘连点处理方法会存在点误删的情况，导致点云质量损失，尤其是会导致后物体边缘缺失。
步骤4，判断每个栅格内最近点和最远点的距离差值是否大于设定阈值，如果栅格内最近点和最远点的距离差值大于设定阈值，执行步骤5，否则，认为该栅格内不包含粘连点，不执行步骤5的粘连点处理。
本申请实施例中，对于待处理的栅格，只有当最远点和最近点的距离差值大于设定阈值X（X的取值范围为例如0.1m~1m）时，才进行栅格内的粘连点的删除处理。
具体针对以下两种情形：
对于同一栅格内的点为两个物体反射形成的情况下，如图8所示，0表示激光雷达，3和4分别为前后两个物体，A点为栅格内的最近点，B点为栅格内的最远点，C为边界处的粘连点，只有当3和4两个物体的距离超过一定阈值X1时才会处理，将粘连点C删除，保留距离在A，B点一定范围内的点。对于此情形，阈值取值趋向于X可取值范围的最小值。
在此情形时，当最远点和最近点的距离差值小于第一设定阈值X1时，即对应两个物体离得特别近时产生的粘连点删除不掉，但是这种情况在实际应用是可以接受的，两个离得较近的物体间的粘连点对实际应用产生的影响较小。作为一种示例，X1可以取值为0.1m、0.2m、或0.25m等。而当最远点和最近点的距离差值大于第一设定阈值X1时，则认为栅格中存在粘连点现象，需要对该栅格内的点进行粘连点处理。
对于同一栅格内的点云为一个物体反射形成的情况，如图7所示，因为每个栅格内的最远点距离1和最近点距离2的距离差随着入射角的增大而增加，只有同一个物体上两个A点和B点距离超过第二设定阈值X2时才会处理。对于此情形，第二设定阈值X2的取值趋向于X可取值范围的最大值。以尽可能避免正常点云被删除。
由于此时阈值X2取值较大，所以对于图6来说，由于通常每个栅格的角度设置的角度较小，所以每个栅格内的最远点距离1和最近点距离2的距离差都小于该阈值，所以这些情况不进行处理，从而相比原方法不会造成误删.
步骤5，确定每个栅格中与最近点的距离位于第一设定距离范围内的点，及与最远点的距离位于第二设定距离范围内的点，栅格中其余点视为粘连点，需要进行删除。
本申请实施例中的这种处理方式会将包含粘连点的栅格中照射于前面障碍物的点和照射于在后面障碍物的点保留，粘连点被删除。而对于未包含粘连点的正常栅格，正常栅格中的点通常都处在一定距离范围内；即最远点的距离和最近点的距离差值小于上述第一设定阈值，不执行上述粘连点删除操作，从而可以保留正常的点云。图9示出了删除了粘连点后的点云示意图，如图9所示。
步骤6，删除栅格中的粘连点。将删除粘连点的激光雷达的点云数据作为有效点云数据。
图10为本申请实施例的用于激光雷达的点云处理装置的组成结构示意图，如图10所示，本申请实施例的用于激光雷达的点云处理装置包括：
划分单元80，用于根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；
获取单元81，用于遍历每个栅格内的所有点云，获取栅格内最近点以及最远点；
粘连点处理单元82，用于计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值；在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；所述第二设定阈值大于第一设定阈值；所述粘连点处理包括：保留最近点以及最远点的一定距离范围内的点云，将其余的点云确定为粘连点云；
删除单元83，用于将所述粘连点云删除。
本申请实施例中，作为一种实现方式，所述粘连点处理单元82，还用于：
在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。
在一些示例性的实施例中，所述粘连点处理单元82，还用于：
保留最近点的第一设定距离范围内的点，以及最远点的第二设定距离范围内的点，将栅格内的其余的点确定为粘连点。
在一些示例性的实施例中，所述划分单元80，还用于：
将所述激光雷达的点云转换为以球坐标系表征；
将所述球坐标系表征的点云进行栅格化处理；其中，每个栅格中的点云的数量大于或等于设定值。
在一些示例性的实施例中，所述划分单元80，还用于：
根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。
在图8所示的用于激光雷达的点云处理装置的基础上，本申请实施例的用于激光雷达的点云处理装置还包括：
确定单元（图8中未示出），用于将距离小于第三设定阈值的区域确定为点云的ROI；
对应地，所述划分单元80，还用于：将ROI包含的点云划分为不同的栅格。
在示例性实施例中，划分单元80、获取单元81、粘连点处理单元82、删除单元83、确定单元等可以被一个或多个中央处理器（CPU，Central Processing Unit）、图形处理器（GPU，Graphics Processing Unit）、应用专用集成电路（ASIC，Application SpecificIntegrated Circuit）、DSP、可编程逻辑器件（PLD，Programmable Logic Device）、复杂可编程逻辑器件（CPLD，Complex Programmable Logic Device）、现场可编程门阵列（FPGA，Field-Programmable Gate Array）、通用处理器、控制器、微控制器（MCU，MicroController Unit）、微处理器（Microprocessor）、或其他电子元件实现。
在本申请实施例中，图10示出的用于激光雷达的点云处理装置中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请实施例还记载了一种电子设备，所述电子设备包括：处理器和用于存储处理器可执行指令的存储器，其中，所述处理器被配置为在调用存储器中的可执行指令时，能够执行所述实施例的用于激光雷达的点云处理方法的步骤。
本申请实施例还记载了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现所述实施例的用于激光雷达的点云处理方法的步骤。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅是示意性的，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不存在。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
以上所述，仅为本发明的实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种用于激光雷达的点云处理方法，其特征在于，所述方法包括：
根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；
遍历每个栅格内的所有点，获取栅格内最近点以及最远点，计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；其中，在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值；在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；所述第二设定阈值大于第一设定阈值；
所述粘连点处理包括：保留栅格内最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点；
将所述粘连点删除。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。
3.根据权利要求1或2所述的方法，其特征在于，所述保留最近点以及最远点的一定距离范围内的点，将其余的点确定为粘连点，包括：
保留最近点的第一设定距离范围内的点以及最远点的第二设定距离范围内的点，将所述栅格内的其余的点确定为粘连点。
4.根据权利要求1或2所述的方法，其特征在于，所述将激光雷达的点云划分为不同的栅格，包括：
将所述激光雷达的点云转换为以球坐标系表征；
将所述球坐标系表征的点云划分为不同的栅格；其中，每个栅格中的点的数量大于或等于设定值。
5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。
6.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
将激光雷达的点云中距离小于第三设定阈值的区域确定为感兴趣区域ROI；
对应地，所述将激光雷达的点云划分为不同的栅格，包括：
将ROI包含的点云划分为不同的栅格。
7.一种用于激光雷达的点云处理装置，其特征在于，所述装置包括：
划分单元，用于根据预设的角度范围以及分辨率，将激光雷达的点云划分为不同的栅格；
获取单元，用于遍历每个栅格内的所有点云，获取栅格内最近点以及最远点；
粘连点处理单元，用于计算所述最远点和所述最近点的距离差值，在所述距离差值大于设定阈值的情况下，进行粘连点处理；其中，在栅格内的点来自于不同对象反射形成的情况下，所述设定阈值为第一设定阈值；在栅格内的点来自于同一对象反射形成的情况下，所述设定阈值为第二设定阈值；所述第二设定阈值大于第一设定阈值；所述粘连点处理包括：保留最近点以及最远点的一定距离范围内的点云，将其余的点云确定为粘连点云；
删除单元，用于将所述粘连点云删除。
8.根据权利要求7所述的装置，其特征在于，所述粘连点处理单元，还用于：
在所述距离差值小于或等于所述设定阈值的情况下，不进行粘连点处理。
9.根据权利要求7或8所述的装置，其特征在于，所述粘连点处理单元，还用于：
保留最近点的第一设定距离范围内的点，以及最远点的第二设定距离范围内的点，将栅格内的其余的点确定为粘连点。
10.根据权利要求7或8所述的装置，其特征在于，所述划分单元，还用于：
将所述激光雷达的点云转换为以球坐标系表征；
将所述球坐标系表征的点云进行栅格化处理；其中，每个栅格中的点云的数量大于或等于设定值。
11.根据权利要求7或8所述的装置，其特征在于，所述划分单元，还用于：
根据所述激光雷达的点云的坐标信息，将所述激光雷达的点云划分至不同的栅格。
12.根据权利要求7或8所述的装置，其特征在于，所述装置还包括：
确定单元，用于将距离小于第三设定阈值的区域确定为点云的ROI；
对应地，所述划分单元，还用于：将ROI包含的点云划分为不同的栅格。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的用于激光雷达的点云处理方法的步骤。
CN202210293601.0A 2022-03-24 2022-03-24 用于激光雷达的点云处理方法及装置、存储介质 Active CN114384492B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210293601.0A CN114384492B (zh) 2022-03-24 2022-03-24 用于激光雷达的点云处理方法及装置、存储介质
PCT/CN2023/083414 WO2023179718A1 (zh) 2022-03-24 2023-03-23 用于激光雷达的点云处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210293601.0A CN114384492B (zh) 2022-03-24 2022-03-24 用于激光雷达的点云处理方法及装置、存储介质

Publications (2)

Publication Number Publication Date
CN114384492A true CN114384492A (zh) 2022-04-22
CN114384492B CN114384492B (zh) 2022-06-24

Family

ID=81204938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210293601.0A Active CN114384492B (zh) 2022-03-24 2022-03-24 用于激光雷达的点云处理方法及装置、存储介质

Country Status (2)

Country Link
CN (1) CN114384492B (zh)
WO (1) WO2023179718A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023179717A1 (zh) * 2022-03-24 2023-09-28 北京一径科技有限公司 用于激光雷达的点云处理方法、装置、设备及存储介质
WO2023179718A1 (zh) * 2022-03-24 2023-09-28 北京一径科技有限公司 用于激光雷达的点云处理方法、装置、设备及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663237A (zh) * 2012-03-21 2012-09-12 武汉大学 基于网格分块与移动最小二乘的点云数据全自动滤波方法
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
CN106204705A (zh) * 2016-07-05 2016-12-07 长安大学 一种基于多线激光雷达的3d点云分割方法
JP2019106034A (ja) * 2017-12-13 2019-06-27 Kddi株式会社 点群から対象を特定する対象識別装置、プログラム及び方法
CN110208819A (zh) * 2019-05-14 2019-09-06 江苏大学 一种多个障碍物三维激光雷达数据的处理方法
CN110705543A (zh) * 2019-08-23 2020-01-17 芜湖酷哇机器人产业技术研究院有限公司 基于激光点云进行车道线识别的方法和系统
CN110879399A (zh) * 2019-10-08 2020-03-13 驭势科技（浙江）有限公司 处理点云数据的方法、装置、车辆、电子设备和介质
CN111310663A (zh) * 2020-02-17 2020-06-19 北京三快在线科技有限公司 道路栅栏检测方法、装置、设备及存储介质
CN111337941A (zh) * 2020-03-18 2020-06-26 中国科学技术大学 一种基于稀疏激光雷达数据的动态障碍物追踪方法
WO2020137134A1 (ja) * 2018-12-27 2020-07-02 ヤンマー株式会社 作業車両用の衝突回避システム
CN111652060A (zh) * 2020-04-27 2020-09-11 宁波吉利汽车研究开发有限公司 一种基于激光雷达的限高预警方法、装置、电子设备及存储介质
CN112162297A (zh) * 2020-09-24 2021-01-01 燕山大学 一种剔除激光点云地图中动态障碍伪迹的方法
CN112816993A (zh) * 2020-12-25 2021-05-18 北京一径科技有限公司 激光雷达点云处理方法和装置
WO2021207954A1 (zh) * 2020-04-15 2021-10-21 华为技术有限公司 一种目标识别的方法和装置
CN113640779A (zh) * 2021-10-15 2021-11-12 北京一径科技有限公司 雷达失效判定方法及装置、存储介质
CN114089377A (zh) * 2021-10-21 2022-02-25 江苏大学 一种基于激光雷达的点云处理和物体识别系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7029479B2 (ja) * 2019-01-30 2022-03-03 バイドゥ ドットコム タイムス テクノロジー （ベイジン） カンパニー リミテッド 自動運転車のためのポイントクラウドゴースト効果検出システム
CN111079801B (zh) * 2019-11-29 2023-05-09 上海有个机器人有限公司 基于点云匹配快速搜索最近点的方法、介质、终端和装置
CN112183393A (zh) * 2020-09-30 2021-01-05 深兰人工智能(深圳)有限公司 激光雷达点云目标检测方法、系统及装置
CN113569958B (zh) * 2021-07-29 2024-04-12 清华大学苏州汽车研究院（吴江） 激光点云数据聚类方法、装置、设备及介质
CN114384492B (zh) * 2022-03-24 2022-06-24 北京一径科技有限公司 用于激光雷达的点云处理方法及装置、存储介质

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663237A (zh) * 2012-03-21 2012-09-12 武汉大学 基于网格分块与移动最小二乘的点云数据全自动滤波方法
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
CN106204705A (zh) * 2016-07-05 2016-12-07 长安大学 一种基于多线激光雷达的3d点云分割方法
JP2019106034A (ja) * 2017-12-13 2019-06-27 Kddi株式会社 点群から対象を特定する対象識別装置、プログラム及び方法
WO2020137134A1 (ja) * 2018-12-27 2020-07-02 ヤンマー株式会社 作業車両用の衝突回避システム
CN110208819A (zh) * 2019-05-14 2019-09-06 江苏大学 一种多个障碍物三维激光雷达数据的处理方法
CN110705543A (zh) * 2019-08-23 2020-01-17 芜湖酷哇机器人产业技术研究院有限公司 基于激光点云进行车道线识别的方法和系统
CN110879399A (zh) * 2019-10-08 2020-03-13 驭势科技（浙江）有限公司 处理点云数据的方法、装置、车辆、电子设备和介质
CN111310663A (zh) * 2020-02-17 2020-06-19 北京三快在线科技有限公司 道路栅栏检测方法、装置、设备及存储介质
CN111337941A (zh) * 2020-03-18 2020-06-26 中国科学技术大学 一种基于稀疏激光雷达数据的动态障碍物追踪方法
WO2021207954A1 (zh) * 2020-04-15 2021-10-21 华为技术有限公司 一种目标识别的方法和装置
CN111652060A (zh) * 2020-04-27 2020-09-11 宁波吉利汽车研究开发有限公司 一种基于激光雷达的限高预警方法、装置、电子设备及存储介质
CN112162297A (zh) * 2020-09-24 2021-01-01 燕山大学 一种剔除激光点云地图中动态障碍伪迹的方法
CN112816993A (zh) * 2020-12-25 2021-05-18 北京一径科技有限公司 激光雷达点云处理方法和装置
CN113640779A (zh) * 2021-10-15 2021-11-12 北京一径科技有限公司 雷达失效判定方法及装置、存储介质
CN114089377A (zh) * 2021-10-21 2022-02-25 江苏大学 一种基于激光雷达的点云处理和物体识别系统及方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
YU,Y等: "The Car Washing Control Method using 3D Contour Segmention", 《2015 15TH INTERNATIONAL CONFERENCE ON CONTROL,AUTOMATION AND SYSTEMS(ICCAS)》 *
YU,Y等: "The Car Washing Control Method using 3D Contour Segmention", 《2015 15TH INTERNATIONAL CONFERENCE ON CONTROL,AUTOMATION AND SYSTEMS(ICCAS)》, 30 November 2016 (2016-11-30), pages 935 - 937 *
ZHOU, Y等: "A Fast and Accurate Segmentation Method for Ordered LiDAR Point Cloud of Large-Scale Scenes", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
ZHOU, Y等: "A Fast and Accurate Segmentation Method for Ordered LiDAR Point Cloud of Large-Scale Scenes", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, vol. 11, no. 11, 9 July 2017 (2017-07-09), pages 1981 - 1985, XP011549257, DOI: 10.1109/LGRS.2014.2316009 *
张卫正等: "基于机载LiDAR数据的林木冠层投影面积与体积测量", 《农业机械学报》 *
张卫正等: "基于机载LiDAR数据的林木冠层投影面积与体积测量", 《农业机械学报》, no. 01, 25 January 2016 (2016-01-25), pages 309 - 314 *
李芸: "机载激光雷达（LIDAR）的数据处理和山区脊谷特征提取研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 *
李芸: "机载激光雷达（LIDAR）的数据处理和山区脊谷特征提取研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》, 15 June 2014 (2014-06-15), pages 008 - 10 *
葛宝臻等: "激光三维扫描数据的表面重建", 《计算机测量与控制》 *
葛宝臻等: "激光三维扫描数据的表面重建", 《计算机测量与控制》, no. 10, 25 October 2006 (2006-10-25), pages 89 - 90 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023179717A1 (zh) * 2022-03-24 2023-09-28 北京一径科技有限公司 用于激光雷达的点云处理方法、装置、设备及存储介质
WO2023179718A1 (zh) * 2022-03-24 2023-09-28 北京一径科技有限公司 用于激光雷达的点云处理方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2023179718A1 (zh) 2023-09-28
CN114384492B (zh) 2022-06-24

Similar Documents

Publication Publication Date Title
CN114384491B (zh) 用于激光雷达的点云处理方法及装置、存储介质
CN111712731B (zh) 目标检测方法、系统及可移动平台
EP3293669B1 (en) Enhanced camera object detection for automated vehicles
CN111352110B (zh) 处理雷达数据的方法和装置
CN114384492B (zh) 用于激光雷达的点云处理方法及装置、存储介质
CN111192295B (zh) 目标检测与跟踪方法、设备和计算机可读存储介质
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
CN109635816B (zh) 车道线生成方法、装置、设备以及存储介质
CN110927742A (zh) 障碍物跟踪方法、装置、设备及存储介质
CN108562913A (zh) 一种基于三维激光雷达的无人艇假目标检测方法
CN111722249B (zh) 物体识别装置以及车辆控制系统
CN109100744B (zh) 用于agv的目标定位方法及系统
CN114663526A (zh) 障碍物检测方法、装置、机器人及计算机可读存储介质
CN115792945B (zh) 一种浮空障碍物检测方法、装置和电子设备、存储介质
CN115523935A (zh) 点云地面检测方法、装置、车辆及存储介质
CN115151954A (zh) 可行驶区域检测的方法和装置
CN113496199B (zh) 对目标对象的基于直方图的l形检测
Nitsch et al. 3d ground point classification for automotive scenarios
KR102275671B1 (ko) 객체 형태 검출 장치 및 방법
CN114212106B (zh) 一种车辆的可行驶区域内安全概率的确定方法及装置
CN112651405B (zh) 目标检测方法及装置
CN112286178B (zh) 识别系统、车辆控制系统、识别方法及存储介质
CN114549764A (zh) 基于无人车的障碍物识别方法、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
JP2023550508A (ja) アクティブセンサシステム、および物体検出

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20220422

Assignee: Suzhou Yijing Technology Co.,Ltd.

Assignor: ZVISION TECHNOLOGIES Co.,Ltd.

Contract record no.: X2024980015835

Denomination of invention: Point cloud processing method and device for LiDAR, storage medium

Granted publication date: 20220624

License type: Exclusive License

Record date: 20240920