CN114488026A - 基于4d毫米波雷达的地下停车库可通行空间检测方法 - Google Patents
基于4d毫米波雷达的地下停车库可通行空间检测方法 Download PDFInfo
- Publication number
- CN114488026A CN114488026A CN202210114643.3A CN202210114643A CN114488026A CN 114488026 A CN114488026 A CN 114488026A CN 202210114643 A CN202210114643 A CN 202210114643A CN 114488026 A CN114488026 A CN 114488026A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- cloud data
- points
- cluster
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
- G01S2013/9314—Parking operations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本方案涉及汽车雷达应用技术领域,具体涉及一种基于4D毫米波雷达的地下停车库可通行空间检测方法,本方案采用车载4D毫米波雷达进行可通行空间检测,包括下列步骤:1.从以太网获得云数据;2.对云数据进行三维空间聚类;3.删除未聚类成功的杂点;4.删除高度值不满足阈值的聚类点;5.从云数据中获取可通行空间的边界点;6.在上位机中显示可通行空间的边界点。本方案通过4D毫米波雷达检测,采用聚类算法处理,对检测出的障碍物进行高度计算,将杂点和障碍物反射的点云进行区分,再将可通行空间用边界关键点形成的边框输出,使得可通行空间的显示更加精确,同时反应速度更快。
Description
技术领域
本发明涉及汽车雷达应用技术领域,具体涉及一种基于4D毫米波雷达的地下停车库可通行空间检测方法。
背景技术
在智能驾驶领域,自动泊车技术快速发展,地下停车库场景的多传感器感知融合技术成为自动泊车技术的重要组成部分。其中,毫米波雷达具有探测范围广,障碍物坐标、速度、高度信息探测相对准确等优点,并且可以在全天候环境下工作,因此,毫米波雷达被广泛装配于车载感知传感器。
其他传感器中,视觉传感器作为一种被动传感器,对外界环境光照及光照变化敏感,并且只能识别训练数据中标注的物体类别,具有局限性,可通行空间的检测鲁棒性较差;激光雷达具有高可靠的障碍物检测能力、检测精度高、分辨率高等优势,但其成本高昂,也不能全天候工作。
专利CN110008941B描述一种方法,利用车载毫米波雷达提供的目标信噪比等特征,通过融合多个传感器数据,引入平滑算法,综合考虑障碍物位置与速度等特征信息,结合Bresenham算法,对求得的栅格地图进行高斯滤波后,更新栅格地图状态,将可通行空间的检测结果实时输出;但是该方法不能很好的适用于地下停车库等室内封闭场景,因为地下停车库天花板多铺设有金属管道等反射特性强的物体,车道上方的天花板将会被探测到很多点云,这些点云投影到地面二维坐标系下时,将会被误检为不可通行,导致误检率上升,甚至可通行空间检测方法的失效。
因此,需要开发一种基于毫米波雷达的适用于地下停车库等室内封闭场景的可通行空间检测方法。
发明内容
针对现有技术存在的上述不足,本发明的目的在于提供一种基于4D毫米波雷达的地下停车库可通行空间检测方法,能够进行全天候全地形环境工作,同时还能够对可通行空间实时精确的传输。
本发明采用如下技术方案,一种基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,所述可通行空间检测方法包括以下步骤:
步骤1,通过以太网获取4D毫米波雷达点云数据;
步骤2,对点云数据在三维空间上进行聚类;
步骤3,从点云数据中删除未聚类成功的杂点;
步骤4,从点云数据中删除高度值不满足阈值的聚类点;
步骤5,从点云数据中获取可通行空间的边界点;
步骤6,在上位机中显示可通行空间的边界点。
进一步地,步骤1中,获取4D毫米波雷达点云数据的具体过程包括:
步骤1-1,通过以太网udp协议,按照一定周期从雷达读取一帧探测数据;
步骤1-2,先对读取雷达的一帧数据进行物理值转换,根据车辆坐标系定义和三角函数关系,把距离、方位角和俯仰角值转换为X、Y、Z坐标值,然后再把坐标值转换到车辆坐标系下,形成点云数据,并存储在全局变量中。
进一步地,所述探测数据包括距离、方位角、俯仰角、速度以及信噪比。
进一步地,步骤2中,所述的对点云数据在三维空间上进行聚类的具体过程包括:
步骤2-1,初始化一个点的对象容器,并将点云数据存储到该容器中,点的对象包含以下成员变量:坐标X/Y/Z、编号ID、是否已访问标志Visited、簇ClusterID、是否核心点标志IsKey、邻域点列表;
步骤2-2,设置聚类参数;
步骤2-3,从点云数据中任意选取一个点,将该点Visited属性标记为已访问,计算该点的邻域半径R内点的个数PtsNum,如果点的个数PtsNum大于设置的阈值MinPts,则将该点的IsKey属性标记为核心点,并且分配一个簇ClusterID;同时遍历该点邻域半径R内所有点进行以下操作,将点Visited属性标记为已访问,分配同样的簇ClusterID,并且对这些点重复进行步骤2-3的操作,直到遍历访问点云数据中所有的点之后结束;
步骤2-4,对于聚类成功的点云簇,计算出每个点云簇的平均Z坐标,并存储到变量ClassZInfo中。
进一步地,步骤3中,所述从云数据中删除未聚类成功的杂点的具体过程为:遍历每个点云数据,读取每个点的簇ClusterID属性,如果ClusterID值为0,则将该点移出容器,否则跳过该点,保留该点在容器中。
进一步地,步骤4中,所述从云数据中删除高度值不满足阈值的聚类点的具体过程包括:
步骤4-1,根据实车尺寸和雷达高度设置点云簇的高度阈值参数,设定以下变量:最小Z坐标值PtMinZ和最大Z坐标值PtMaxZ;
步骤4-2,遍历每个点云数据,读取每个点的簇ClusterID属性,并从变量ClassZInfo中读取该ClusterID点云簇的平均Z坐标值,如果该Z坐标值大于PtMaxZ阈值或小于PtMinZ阈值,则将该点云簇中的每个点都移出容器中,否则,则跳过该点云簇,保留该点云簇在容器中。
进一步地,步骤5中,所述的从点云数据中获取可通行空间的边界点的具体过程包括:
步骤5-1,遍历每个点云数据,计算每个点与坐标原点的距离,和原点到该点向量在坐标系下的角度;
步骤5-2,将点云数据按照坐标系下的角度从0度到360度进行排序,设置角度参数阈值AngResolution;
步骤5-3,制定以下筛选可通行空间的边界点规则,以坐标系原点为中心,按照AngResolution阈值角度间隔将坐标系XY平面划分为若干个扇形区域;然后遍历每个点云数据,找出每一个扇形区域中与坐标原点距离最近的点,并存储到变量FreeSpacePt中,这些点即是所获取的可通行空间的边界点。
进一步地,步骤6中,所述在上位机中显示可通行空间的边界点的具体过程包括:遍历步骤5-3最终输出变量FreeSpacePt中的每一个点,并作图。
相比现有技术,本方案具有如下有益效果:
1、本方案通过聚类算法,将障碍物反射的点云和杂点区分出来,从而删除掉杂点和虚假点,能有效过滤环境中80%的杂点,提高可行使区域检测的准确性。
2、本方案利用4D毫米波雷达的俯仰探测能力,计算出聚类后的天花板及其他干扰物反射的点云高度,再通过与设定的阈值比较,能有效过滤90%的地下停车库等室内封闭场景下天花板反射杂点问题,极大的保证了可行使区域检测的准确性。
3、本方案的最终输出为一系列的边界关键点,而不是以栅格地图的形式输出,不仅精确表征了可通行空间的范围,也简化了数据传输量,对于可通行空间的使用者,降低了数据处理复杂度和处理器运算时间,提高了效率。
附图说明
图1本发明的检测流程图。
图2本发明一种实施例中上位机可通行空间的显示图。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
实施例:参见图1、图2,本发明采用如下技术方案,一种基于4D毫米波雷达的地下停车库可通行空间检测方法,包括以下步骤:
步骤1,通过以太网获取4D毫米波雷达点云数据;
步骤2,对点云数据在三维空间上进行聚类;
步骤3,从点云数据中删除未聚类成功的杂点;
步骤4,从点云数据中删除高度值不满足阈值的聚类点;
步骤5,从点云数据中获取可通行空间的边界点;
步骤6,在上位机中显示可通行空间的边界点。
本发明充分利用4D毫米波雷达的俯仰探测能力,通过聚类算法检测出物体,并通过计算物体的高度,有效过滤90%的地下停车库等室内封闭场景下天花板反射杂点,能极大的保证了可通行空间检测的准确性。
实施时,步骤1中,获取4D毫米波雷达点云数据的具体过程包括:
步骤1-1,通过以太网udp协议,按照一定周期从雷达读取一帧探测数据;其中,所述探测数据包括距离、方位角、俯仰角、速度以及信噪比。
步骤1-2,先对读取雷达的一帧数据进行物理值转换,根据车辆坐标系定义和三角函数关系,把距离、方位角和俯仰角值转换为(车辆坐标系)X、Y、Z坐标值,然后再把坐标值转换到车辆坐标系下,形成点云数据,并存储在全局变量中。
步骤2中,所述的对点云数据在三维空间上进行聚类的具体过程包括:
步骤2-1,初始化一个点的对象容器,并将点云数据存储到该容器中,点的对象包含以下成员变量:坐标X/Y/Z、编号ID、是否已访问标志Visited、簇ClusterID、是否核心点标志IsKey、邻域点列表。
步骤2-2,设置聚类参数;其中,聚类参数为三个,分别是邻域半径R、邻域最小数据个数MinPts和数据维度Dimension。作为一种实施方式,这里根据实车测试数据分析后,设置邻域半径R为2米,邻域最小数据个数MinPts为12,数据维度Dimension为3。
步骤2-3,从点云数据中任意选取一个点,将该点Visited属性标记为已访问,计算该点的邻域半径R内点的个数PtsNum,如果点的个数PtsNum大于设置的阈值MinPts,则将该点的IsKey属性标记为核心点,并且分配一个簇ClusterID;同时遍历该点邻域半径R内所有点进行以下操作,将点Visited属性标记为已访问,分配同样的簇ClusterID,并且对这些点重复进行步骤2-3的操作,直到遍历访问点云数据中所有的点之后结束。
步骤2-4,对于聚类成功的点云簇,计算出每个点云簇的平均Z坐标,并存储到变量ClassZInfo中。
步骤3中,所述从云数据中删除未聚类成功的杂点的具体过程为:遍历每个点云数据,读取每个点的簇ClusterID属性,如果ClusterID值为0,则将该点移出容器,否则跳过该点,保留该点在容器中。
步骤4中,所述从云数据中删除高度值不满足阈值的聚类点的具体过程包括:
步骤4-1,根据实车尺寸和雷达高度设置点云簇的高度阈值参数,设定以下变量:最小Z坐标值PtMinZ和最大Z坐标值PtMaxZ;作为一种实施方式,最小Z坐标值PtMinZ为-0.9和最大Z坐标值PtMaxZ为1.6。
步骤4-2,遍历每个点云数据,读取每个点的簇ClusterID属性,并从变量ClassZInfo中读取该ClusterID点云簇的平均Z坐标值,如果该Z坐标值大于PtMaxZ阈值或小于PtMinZ阈值,则将该点云簇中的每个点都移出容器中,否则,则跳过该点云簇,保留该点云簇在容器中。
步骤5中,所述的从点云数据中获取可通行空间的边界点的具体过程包括:
步骤5-1,遍历每个点云数据,计算每个点与坐标原点的距离,和原点到该点向量在坐标系下的角度。
步骤5-2,将点云数据按照坐标系下的角度从0度到360度进行排序,设置角度参数阈值AngResolution。作为一种实施方式,这里取AngResolution值为1。
步骤5-3,制定以下筛选可通行空间的边界点规则,以坐标系原点为中心,按照AngResolution阈值角度间隔将坐标系XY平面划分为若干个扇形区域;然后遍历每个点云数据,找出每一个扇形区域中与坐标原点距离最近的点,并存储到变量FreeSpacePt中,这些点即是所获取的可通行空间的边界点。
步骤6中,所述在上位机中显示可通行空间的边界点的具体过程包括:遍历步骤5-3最终输出变量FreeSpacePt中的每一个点,并作图,这些点即为可通行空间的边界点。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,所述可通行空间检测方法包括以下步骤:
步骤1,通过以太网获取4D毫米波雷达点云数据;
步骤2,对点云数据在三维空间上进行聚类;
步骤3,从点云数据中删除未聚类成功的杂点;
步骤4,从点云数据中删除高度值不满足阈值的聚类点;
步骤5,从点云数据中获取可通行空间的边界点;
步骤6,在上位机中显示可通行空间的边界点。
2.根据权利要求1所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤1中,获取4D毫米波雷达点云数据的具体过程包括:
步骤1-1,通过以太网udp协议,按照一定周期从雷达读取一帧探测数据;
步骤1-2,先对读取雷达的一帧数据进行物理值转换,根据车辆坐标系定义和三角函数关系,把距离、方位角和俯仰角值转换为X、Y、Z坐标值,然后再把坐标值转换到车辆坐标系下,形成点云数据,并存储在全局变量中。
3.根据权利要求2所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,所述探测数据包括距离、方位角、俯仰角、速度以及信噪比。
4.根据权利要求2所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤2中,所述的对点云数据在三维空间上进行聚类的具体过程包括:
步骤2-1,初始化一个点的对象容器,并将点云数据存储到该容器中,点的对象包含以下成员变量:坐标X/Y/Z、编号ID、是否已访问标志Visited、簇ClusterID、是否核心点标志IsKey、邻域点列表;
步骤2-2,设置聚类参数;
步骤2-3,从点云数据中任意选取一个点,将该点Visited属性标记为已访问,计算该点的邻域半径R内点的个数PtsNum,如果点的个数PtsNum大于设置的阈值MinPts,则将该点的IsKey属性标记为核心点,并且分配一个簇ClusterID;同时遍历该点邻域半径R内所有点进行以下操作,将点Visited属性标记为已访问,分配同样的簇ClusterID,并且对这些点重复进行步骤2-3的操作,直到遍历访问点云数据中所有的点之后结束;
步骤2-4,对于聚类成功的点云簇,计算出每个点云簇的平均Z坐标,并存储到变量ClassZInfo中。
5.根据权利要求4所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤3中,所述从云数据中删除未聚类成功的杂点的具体过程为:遍历每个点云数据,读取每个点的簇ClusterID属性,如果ClusterID值为0,则将该点移出容器,否则跳过该点,保留该点在容器中。
6.根据权利要求5所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤4中,所述从云数据中删除高度值不满足阈值的聚类点的具体过程包括:
步骤4-1,根据实车尺寸和雷达高度设置点云簇的高度阈值参数,设定以下变量:最小Z坐标值PtMinZ和最大Z坐标值PtMaxZ;
步骤4-2,遍历每个点云数据,读取每个点的簇ClusterID属性,并从变量ClassZInfo中读取该ClusterID点云簇的平均Z坐标值,如果该Z坐标值大于PtMaxZ阈值或小于PtMinZ阈值,则将该点云簇中的每个点都移出容器中,否则,则跳过该点云簇,保留该点云簇在容器中。
7.根据权利要求6所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤5中,所述的从点云数据中获取可通行空间的边界点的具体过程包括:
步骤5-1,遍历每个点云数据,计算每个点与坐标原点的距离,和原点到该点向量在坐标系下的角度;
步骤5-2,将点云数据按照坐标系下的角度从0度到360度进行排序,设置角度参数阈值AngResolution;
步骤5-3,制定以下筛选可通行空间的边界点规则,以坐标系原点为中心,按照AngResolution阈值角度间隔将坐标系XY平面划分为若干个扇形区域;然后遍历每个点云数据,找出每一个扇形区域中与坐标原点距离最近的点,并存储到变量FreeSpacePt中,这些点即是所获取的可通行空间的边界点。
8.根据权利要求7所述的基于4D毫米波雷达的地下停车库可通行空间检测方法,其特征在于,步骤6中,所述在上位机中显示可通行空间的边界点的具体过程包括:遍历步骤5-3最终输出变量FreeSpacePt中的每一个点,并作图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114643.3A CN114488026A (zh) | 2022-01-30 | 2022-01-30 | 基于4d毫米波雷达的地下停车库可通行空间检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114643.3A CN114488026A (zh) | 2022-01-30 | 2022-01-30 | 基于4d毫米波雷达的地下停车库可通行空间检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114488026A true CN114488026A (zh) | 2022-05-13 |
Family
ID=81479146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210114643.3A Pending CN114488026A (zh) | 2022-01-30 | 2022-01-30 | 基于4d毫米波雷达的地下停车库可通行空间检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114488026A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117590371A (zh) * | 2024-01-18 | 2024-02-23 | 上海几何伙伴智能驾驶有限公司 | 基于4d毫米波成像雷达实现全局车位状态检测的方法 |
-
2022
- 2022-01-30 CN CN202210114643.3A patent/CN114488026A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117590371A (zh) * | 2024-01-18 | 2024-02-23 | 上海几何伙伴智能驾驶有限公司 | 基于4d毫米波成像雷达实现全局车位状态检测的方法 |
CN117590371B (zh) * | 2024-01-18 | 2024-03-29 | 上海几何伙伴智能驾驶有限公司 | 基于4d毫米波成像雷达实现全局车位状态检测的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105955258B (zh) | 基于Kinect传感器信息融合的机器人全局栅格地图构建方法 | |
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
CN110084272B (zh) | 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法 | |
CN110531376B (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
EP2074380B1 (en) | A method of analysing the surroundings of a vehicle | |
CN113189975B (zh) | 确定车辆的位置数据和/或运动数据的方法 | |
CN113792699B (zh) | 一种基于语义点云的对象级快速场景识别方法 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
CN111622145B (zh) | 基于反光道钉的无人集卡定位方法及系统 | |
CN112184736B (zh) | 一种基于欧式聚类的多平面提取方法 | |
CN105404844A (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN114488194A (zh) | 一种智能驾驶车辆结构化道路下目标检测识别方法 | |
CN112781599A (zh) | 确定车辆的位置的方法 | |
CN114547866B (zh) | 基于bim-无人机-机械狗的预制构件智能检测方法 | |
CN113743171A (zh) | 目标检测方法及装置 | |
Zheng et al. | Background noise filtering and clustering with 3D LiDAR deployed in roadside of urban environments | |
CN114325634A (zh) | 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法 | |
CN114821526A (zh) | 基于4d毫米波雷达点云的障碍物三维边框检测方法 | |
CN115342821A (zh) | 一种复杂未知环境下的无人车导航代价地图构建方法 | |
CN115308770A (zh) | 一种基于拟合图形的动态障碍物检测方法 | |
CN114488026A (zh) | 基于4d毫米波雷达的地下停车库可通行空间检测方法 | |
Nitsch et al. | 3d ground point classification for automotive scenarios | |
CN113160280A (zh) | 一种基于激光雷达的动态多目标跟踪方法 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 |
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 |