CN114612869A - 一种路侧激光雷达与车载激光雷达信息融合方法 - Google Patents

一种路侧激光雷达与车载激光雷达信息融合方法 Download PDF

Info

Publication number
CN114612869A
CN114612869A CN202210247824.3A CN202210247824A CN114612869A CN 114612869 A CN114612869 A CN 114612869A CN 202210247824 A CN202210247824 A CN 202210247824A CN 114612869 A CN114612869 A CN 114612869A
Authority
CN
China
Prior art keywords
point cloud
vehicle
laser radar
cloud data
roadside
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
Application number
CN202210247824.3A
Other languages
English (en)
Inventor
程腾
吴泽旭
石琴
黄鹤
姜俊昭
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.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
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 Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN202210247824.3A priority Critical patent/CN114612869A/zh
Publication of CN114612869A publication Critical patent/CN114612869A/zh
Pending legal-status Critical Current

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明公开了一种路侧激光雷达与车载激光雷达信息融合方法，包括如下步骤：利用路侧边缘设备的路侧激光雷达对所在路口的所有交通参与物进行探测，得到路侧点云数据；对路侧点云数据进行检测识别，从交通参与物中识别分类出车辆；选择路侧激光雷达探测范围内处于点云密度衰减的边缘区域的车辆；路侧边缘设备获取边缘区域内各个车辆的车载激光雷达的车端点云数据；对车端点云数据进行转换处理，接着，将转换后的车端点云数据拼接融合至同一时间下的路侧点云数据内，最终，得到补全后的路端点云图。本发明的技术方案既扩大了路侧激光雷达的监测范围，又能够提高探测范围内的准确性，减少了探测盲区，能够获取到更加全面详细的交通信息。

Description

一种路侧激光雷达与车载激光雷达信息融合方法
技术领域
本发明涉及激光雷达技术领域，具体为一种路侧激光雷达与车载激光雷达信息融合方法。
背景技术
随着交通参与者数目的不断增加，路况信息日趋复杂。现有技术中将激光雷达检测设备安装在道路路侧，对路口过往的机动车、非机动车和行人进行实时精确识别，经过点云数据特征提取后，将数据发送给路侧单元，为路口的行人、非机动车和机动车提供路口通行信息及交通安全信息提示。
然而，激光雷达检测设备存在随着检测距离增大而导致点云密度减小的问题，点运数的衰减导致测量结果精度不够、有效检测范围减小，存在信息误判的可能；另外，目前激光雷达在交通信息获取上的运用，要么仅仅是通过单车激光雷达获取道路交通信息用于自车使用，要么仅仅通过路侧激光雷达获取路口的交通信息，由于获取方式的局限性，这些交通信息都不够全面。
发明内容
本发明的目的在于提供一种路侧激光雷达与车载激光雷达信息融合方法，通过选定路侧激光雷达检测范围内车辆，获取同一时间选定车辆的车载激光雷达所检测到的信息，对路侧激光雷达的检测信息进行补充，从而扩大路侧激光雷达的感知精度和范围，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种路侧激光雷达与车载激光雷达信息融合方法，包括如下步骤：
S1、利用路侧边缘设备的路侧激光雷达对所在路口的所有交通参与物进行探测，得到路侧点云数据，构建路侧点云图；
S2、对路侧点云数据进行检测识别，从交通参与物中识别分类出车辆，并获取路侧激光雷达探测范围内的车辆相对路侧激光雷达的相对坐标；
S3、选择路侧激光雷达探测范围内处于点云密度衰减的边缘区域的车辆；
S4、路侧边缘设备与所述步骤S3中选定的各个车辆的车载终端进行通讯连接，获取边缘区域内各个车辆的车载激光雷达的车端点云数据；
S5、根据车辆相对路侧激光雷达的相对坐标，对车端点云数据进行转换处理，接着，路侧边缘设备将转换后的车端点云数据拼接融合至同一时间下的路侧点云数据内，进行拼接后处理，最终，得到补全后的路端点云图。
作为本发明进一步的方案：所述边缘区域为环形区域，边缘区域的内圈边界是以路侧激光雷达为圆心，Rv为半径的圆形边界；边缘区域的外圈边界是以路侧激光雷达为圆心，路侧激光雷达的最大测量距离为半径的圆形边界；
其中，
Figure BDA0003545743000000021
h表示路侧激光雷达的安装高度，θV6为路侧激光雷达绝对值由低到高排序第六位的的负垂直角度。
作为本发明进一步的方案：所述步骤S5中对车端点云数据进行转换处理的具体步骤为：将车载激光雷达对被测目标的车端点云数据，进行平移、缩放后，将被测目标的车端点云数据转换到路侧激光雷达的点云坐标系内。
作为本发明进一步的方案：设定以路侧激光雷达为圆心，路侧激光雷达与当前通讯车辆的车载激光雷达之间的水平距离为半径的圆形区域为临界区域；
当被测目标位于临界区域内，且处于路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据直接拼接至同一时间下同一被测目标的路侧点云数据内；
当被测目标位于临界区域外，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据覆盖掉同一时间下同一被测目标的路侧点云数据；
当被测目标位于临界区域内，但不在路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据与同一时间下同一被测目标的路侧点云数据进行对比，删除车端点云数据中与路侧点云数据重叠的部分，将不重叠部分的车端点云数据与路侧点云数据进行拼接。
作为本发明进一步的方案：所述步骤S5中拼接后处理的具体步骤为：拼接完成后，将点云数据进行点云滤波，过滤掉点云数据噪声；然后，进行点云特征点提取和特征描述，进行点云分割，将点云数据中特征相同的点云划分到一块，最终获得被测目标的点云数据信息。
作为本发明进一步的方案：所述的路侧激光雷达采用RS-LiDAR-32型号激光雷达、RS-LiDAR-16型号激光雷达或VLP-32C型号的激光雷达。
作为本发明进一步的方案：所述的车载激光雷达采用RS-LiDAR-M1型号激光雷达、AT128型号激光雷达或Velarray H800型号的激光雷达。
作为本发明进一步的方案：每个车辆上分布设置有多个用于覆盖车辆四周区域的车载激光雷达。
作为本发明进一步的方案：在所述的步骤S3中，还选择边缘区域的内圈边界以内，且行驶方向朝向路侧激光雷达的车辆。
与现有技术相比，本发明的有益效果是：相较于单纯使用路侧激光雷达进行路口交通信息的探测，通过车载激光雷达所获取的探测信息与路侧激光雷达探测信息相结合的方式，可以很好地解决路侧激光雷达存在的点云分布随着距离增加而逐渐变稀疏的问题，也能一定程度上扩大路侧激光雷达所能获取到路口交通信息的范围；车载激光雷达的补充信息在一定程度上能够减少由于障碍物遮挡而造成的探测盲区问题；并且本方案只选取路口部分区域内车辆的车载激光雷达数据，减少了数据传输量，减少了系统的分析计算时间，降低了获取信息的时延，保证了探测信息的时效性和准确性。
附图说明
图1为本发明的流程示意图；
图2为本发明实施例1第一种情况的路口情景图；
图3为本发明实施例1第二种情况的路口情景图；
图4为本发明实施例1第三种情况的路口情景图；
图5为本发明实施例2的路口情景图；
图6为本发明实施例2补全后的路端点云图。
图中：1-路侧激光雷达，2-车辆，3-被测目标。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～4，一种路侧激光雷达与车载激光雷达信息融合方法，包括如下步骤：
S1、利用路侧边缘设备的路侧激光雷达对所在路口的所有交通参与物进行探测，得到路侧点云数据，结合路侧边缘设备的实际坐标，构建路侧点云图；
S2、对路侧点云数据进行检测识别，从交通参与物中识别分类出车辆，并获取路侧激光雷达探测范围内的车辆相对路侧激光雷达的相对坐标；
S3、选择路侧激光雷达探测范围内处于点云密度衰减的边缘区域的车辆；
S4、路侧边缘设备与所述步骤S3中选定的各个车辆的车载终端进行通讯连接，获取边缘区域内各个车辆的车载激光雷达的车端点云数据；
S5、根据车辆相对路侧激光雷达的相对坐标，对车端点云数据进行转换处理，接着，路侧边缘设备将转换后的车端点云数据拼接融合至同一时间下的路侧点云数据内，进行拼接后处理，最终，得到补全后的路端点云图。
在发明中，所述边缘区域为环形区域，边缘区域的内圈边界是以路侧激光雷达为圆心，Rv为半径的圆形边界；边缘区域的外圈边界是以路侧激光雷达为圆心，路侧激光雷达的最大测量距离为半径的圆形边界；
其中，
Figure BDA0003545743000000051
h表示路侧激光雷达的安装高度，θV6为路侧激光雷达绝对值由低到高排序第六位的的负垂直角度。
下面以Robosense公司生产的32线旋转式激光雷达(RS-LiDAR-32)为路侧激光雷达举例说明，该激光雷达的主要参数如表所示。
参数类型 数值
线束 32线
激光波长 905nm
测量距离 0.2～200m
垂直视角场 +15°～-25°
垂直角分辨率 最小0.33°
水平视角场 360°
水平角分辨率 0.1°/0.2°/0.4°
工作温度 -30℃～+60℃
根据激光雷达的水平、垂直角分辨率可以估算出被测目标距离D处，激光雷达获取点云数在水平和垂直方向的频率，选取水平、垂直角分辨率分别为0.1°和0.33°其估算公式分别如下所示：
(1)
Figure BDA0003545743000000052
(2)lV＝D×tan 0.33°；
当D为0.2m，即取激光雷达参数的最近监测距离时，lH≈0.00035m，lV≈0.00115m。当距离为0.2m时，激光雷达在水平方向大约每间隔0.00035m获取一点数据，在垂直方向每隔0.00115m获取一点数据。当D为200m，即取激光雷达参数的最远监测距离时，lH≈0.35m，lV≈1.15m。当距离为0.2m时，激光雷达在水平方向大约每间隔0.35m获取一点数据，在垂直方向每隔1.15m获取一点数据。从最近到最远监测距离，数据获取间隔扩大了1000倍，由此可以看出D越小，获取点的间距越小，则同一目标上能够返回的点云数越多。由于垂直方向获取间隔远大于水平方向，因此对垂直方向进行分析。下表为激光雷达的激光通道序号与激光垂直角参数。
通道序 垂直角 通道序 垂直角 通道序 垂直角 通道序 垂直角
1 -25.000 9 -2.333 17 -10.281 25 0.333
2 -14.638 10 -2.667 18 -6.424 26 0.000
3 -7.910 11 -3.000 19 2.333 27 -0.333
4 -5.407 12 -3.333 20 3.333 28 -0.667
5 -3.667 13 -1.000 21 4.667 29 1.667
6 -4.000 14 -1.333 22 7.000 30 1.333
7 -4.333 15 -1.667 23 10.333 31 1.000
8 -4.667 16 -2.000 24 15.000 32 0.667
如表所示，激光雷达中32条射线与水平路面的角度是固定值θV，当激光雷达的安装高度确定时，可以根据以下公式得出每条向地面扫描的射线到达地面的距离，这个距离称为激光雷达射线的本征半径。
Figure BDA0003545743000000061
其中，dV表示激光雷达射线射在地面的扫描点与激光雷达之间的距离，h表示激光雷达的安装高度。
可由此本征半径公式来得出车辆选择范围的最小距离。假定路测激光雷达的安装高度为5m，通道序号16号的本征半径dV＝143.18m，也就是当车辆处于143.18m处时，能返回点云数据的激光只有通道序号13、14、15、16、27和28六条激光。由于被检测目标与激光雷达射线的角度关系，对dV进行的数据进行取整为144m，半径144m以外的目标能够被检测到的点云非常稀疏。因此，可选择在路侧激光雷达的144m-200m范围内车辆的车载激光雷达信息，来对路侧激光雷达进行信息补充。
其中，作为其他实施例，所述的路侧激光雷达还可采用RS-LiDAR-16型号激光雷达或VLP-32C型号的激光雷达。
所述的车载激光雷达采用RS-LiDAR-M1型号激光雷达、AT128型号激光雷达或Velarray H800型号的激光雷达。
在图2-6中，虚线大圆圈为外圈边界，即路侧激光雷达的最远探测距离；细实线中圆圈为内圈边界，即车辆选择范围的最小距离，细实线扇形和细实线小圆圈为车载激光雷达的探测范围，点划线为路侧激光雷达与车载激光雷达之间的连线。
实施例1：设定以路侧激光雷达为圆心，路侧激光雷达与当前通讯车辆的车载激光雷达之间的水平距离为半径的圆形区域为临界区域；
当被测目标位于临界区域，且处于路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据直接拼接至同一时间下同一被测目标的路侧点云数据内。
拼接完成后，将被测目标拼接融合后的点云数据进行点云滤波，过滤掉点云数据噪声；然后，进行点云特征点提取和特征描述，进行点云分割，将点云数据中特征相同的点云划分到一块，最终获得被测目标的点云数据信息。
当被测目标位于临界区域外，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据覆盖掉同一时间下同一被测目标的路侧点云数据。
覆盖完成后，将被测目标的点云数据进行点云滤波，过滤掉点云数据噪声；然后，进行点云特征点提取和特征描述，进行点云分割，将点云数据中特征相同的点云划分到一块，最终获得被测目标的点云数据信息。
当被测目标位于临界区域内，但不在路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据与同一时间下同一被测目标的路侧点云数据进行对比，删除车端点云数据中与路侧点云数据重叠的部分，将不重叠部分的车端点云数据与路侧点云数据进行拼接。
拼接完成后，将被测目标拼接融合后的点云数据进行点云滤波，过滤掉点云数据噪声；然后，进行点云特征点提取和特征描述，进行点云分割，将点云数据中特征相同的点云划分到一块，最终获得被测目标的点云数据信息。
综合上述所有被测目标的点云数据信息，即可得到补全后的路端点云图。
本发明技术方案既扩大了路侧激光雷达的监测范围，又能够提高路侧激光雷达原本探测范围内的准确性，减少了探测盲区，能够获取到详细的交通信息；并且随着路口车流量的增加，更多选定范围内的车辆会被选中，提供车载激光雷达的监测信息，最后融合出的点云图更加的真实详细，能够有效地抑制了由于车流量增大而可能引发的交通安全隐患。同时，部分车辆的选择，减少了数据的传输量，降低了获取信息的时延，保证信息的时效性。
实施例2：请参阅图5～6，一种路侧激光雷达与车载激光雷达信息融合方法，与前述实施例的区别在于，每个车辆上分布设置有多个用于覆盖车辆四周区域的车载激光雷达。由图6可以看出，新的路端点云图范围更大，整体呈现出花朵形状，能够在路口的交通主路上延长监测范围，提供更多的交通信息。
实施例3：一种路侧激光雷达与车载激光雷达信息融合方法，与前述实施例1的区别在于，在所述的步骤S3中，还选择边缘区域的内圈边界以内，且行驶方向朝向路侧激光雷达的车辆。通过融合增加行驶方向朝向路侧激光雷达的车载激光雷达点云信息，例如：该车载激光雷达点云信息包含有被测目标A、被测目标B、被测目标C...等的点云数据，通过本实施例的方法可对各个被测目标(被测目标A、被测目标B、被测目标C)的路侧点云数据进行补充，使得被测目标的最终点云数据更全面、更立体化和具象化，另外，还能避免单独采用路侧激光雷达进行上述被测目标点云数据采集时的遮挡问题，避免监测盲区和漏检，比如被测目标A为修路时的路障围栏，被测目标B是被测目标A与车辆之间的行人，此时的车辆行驶方向朝向路侧激光雷达，显然，由于被测目标A的遮挡，路侧激光雷达无法检测到被测目标B，而补全后的路端点云图显然会补充进入被测目标B的点云数据，使得被检测到的交通参与物更加全面、准确。
本发明技术方案是一种通过路侧激光雷达点云图与车载激光雷达点云图结合的方式，扩大了路侧激光雷达的监测范围，提高了检测精度，减少了监测盲区。在路口车流量增加，交通安全隐患也随之增加，但是本方案在车流量增加时，也会增加选定范围内的车辆，能够提供更多更详细的路口交通信息，用于辅助交通指挥，从而减少路口的交通隐患。同时，本方案只选取路口部分车辆的车载激光雷达数据，减少了数据的传输量，减少了系统的分析计算时间，降低了获取信息的时延，保证了探测信息的时效性和准确性。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

Claims (9)

1.一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：包括如下步骤：
S1、利用路侧边缘设备的路侧激光雷达对所在路口的所有交通参与物进行探测，得到路侧点云数据，构建路侧点云图；
S2、对路侧点云数据进行检测识别，从交通参与物中识别分类出车辆，并获取路侧激光雷达探测范围内的车辆相对路侧激光雷达的相对坐标；
S3、选择路侧激光雷达探测范围内处于点云密度衰减的边缘区域的车辆；
S4、路侧边缘设备与所述步骤S3中选定的各个车辆的车载终端进行通讯连接，获取边缘区域内各个车辆的车载激光雷达的车端点云数据；
S5、根据车辆相对路侧激光雷达的相对坐标，对车端点云数据进行转换处理，接着，路侧边缘设备将转换后的车端点云数据拼接融合至同一时间下的路侧点云数据内，进行拼接后处理，最终，得到补全后的路端点云图。
2.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：所述边缘区域为环形区域，边缘区域的内圈边界是以路侧激光雷达为圆心，Rv为半径的圆形边界；边缘区域的外圈边界是以路侧激光雷达为圆心，路侧激光雷达的最大测量距离为半径的圆形边界；
其中，
Figure FDA0003545742990000011
h表示路侧激光雷达的安装高度，θV6为路侧激光雷达绝对值由低到高排序第六位的的负垂直角度。
3.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：所述步骤S5中对车端点云数据进行转换处理的具体步骤为：将车载激光雷达对被测目标的车端点云数据，进行平移、缩放后，将被测目标的车端点云数据转换到路侧激光雷达的点云坐标系内。
4.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：设定以路侧激光雷达为圆心，路侧激光雷达与当前通讯车辆的车载激光雷达之间的水平距离为半径的圆形区域为临界区域；
当被测目标位于临界区域内，且处于路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据直接拼接至同一时间下同一被测目标的路侧点云数据内；
当被测目标位于临界区域外，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据覆盖掉同一时间下同一被测目标的路侧点云数据；
当被测目标位于临界区域内，但不在路侧激光雷达与当前通讯车辆的车载激光雷达之间的连线上，所述步骤S5中具体拼接融合的方法为：将转换后的车端点云数据与同一时间下同一被测目标的路侧点云数据进行对比，删除车端点云数据中与路侧点云数据重叠的部分，将不重叠部分的车端点云数据与路侧点云数据进行拼接。
5.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：所述步骤S5中拼接后处理的具体步骤为：拼接完成后，将点云数据进行点云滤波，过滤掉点云数据噪声；然后，进行点云特征点提取和特征描述，进行点云分割，将点云数据中特征相同的点云划分到一块，最终获得被测目标的点云数据信息。
6.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：所述的路侧激光雷达采用RS-LiDAR-32型号激光雷达、RS-LiDAR-16型号激光雷达或VLP-32C型号的激光雷达。
7.根据权利要求1所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：所述的车载激光雷达采用RS-LiDAR-M1型号激光雷达、AT128型号激光雷达或VelarrayH800型号的激光雷达。
8.根据权利要求7所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：每个车辆上分布设置有多个用于覆盖车辆四周区域的车载激光雷达。
9.根据权利要求2所述的一种路侧激光雷达与车载激光雷达信息融合方法，其特征在于：在所述的步骤S3中，还选择边缘区域的内圈边界以内，且行驶方向朝向路侧激光雷达的车辆。
CN202210247824.3A 2022-03-14 2022-03-14 一种路侧激光雷达与车载激光雷达信息融合方法 Pending CN114612869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210247824.3A CN114612869A (zh) 2022-03-14 2022-03-14 一种路侧激光雷达与车载激光雷达信息融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210247824.3A CN114612869A (zh) 2022-03-14 2022-03-14 一种路侧激光雷达与车载激光雷达信息融合方法

Publications (1)

Publication Number Publication Date
CN114612869A true CN114612869A (zh) 2022-06-10

Family

ID=81863775

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210247824.3A Pending CN114612869A (zh) 2022-03-14 2022-03-14 一种路侧激光雷达与车载激光雷达信息融合方法

Country Status (1)

Country Link
CN (1) CN114612869A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114972654A (zh) * 2022-06-15 2022-08-30 清华大学 一种基于路侧点云补全的三维目标检测方法
CN115711618A (zh) * 2022-11-03 2023-02-24 北京踏歌智行科技有限公司 一种基于路侧导引的矿区高精度定位方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106128115A (zh) * 2016-08-01 2016-11-16 青岛理工大学 一种基于双摄像机检测道路交通信息的融合方法
CN108986450A (zh) * 2018-07-25 2018-12-11 北京万集科技股份有限公司 车辆环境感知方法、终端及系统
CN110030951A (zh) * 2019-05-14 2019-07-19 武汉大学 一种基于三维激光扫描技术的引水竖井缺陷检测方法
CN110414418A (zh) * 2019-07-25 2019-11-05 电子科技大学 一种图像-激光雷达图像数据多尺度融合的道路检测方法
US20200025935A1 (en) * 2018-03-14 2020-01-23 Uber Technologies, Inc. Three-Dimensional Object Detection
CN111274976A (zh) * 2020-01-22 2020-06-12 清华大学 基于视觉与激光雷达多层次融合的车道检测方法及系统
CN111982109A (zh) * 2019-05-24 2020-11-24 北京百度网讯科技有限公司 用于路径规划的方法、装置、设备和计算机可读存储介质
CN112462381A (zh) * 2020-11-19 2021-03-09 浙江吉利控股集团有限公司 一种基于车路协同的多激光雷达融合方法
CN113970734A (zh) * 2021-10-13 2022-01-25 长安大学 路侧多线激光雷达降雪噪点去除方法、装置及设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106128115A (zh) * 2016-08-01 2016-11-16 青岛理工大学 一种基于双摄像机检测道路交通信息的融合方法
US20200025935A1 (en) * 2018-03-14 2020-01-23 Uber Technologies, Inc. Three-Dimensional Object Detection
CN108986450A (zh) * 2018-07-25 2018-12-11 北京万集科技股份有限公司 车辆环境感知方法、终端及系统
CN110030951A (zh) * 2019-05-14 2019-07-19 武汉大学 一种基于三维激光扫描技术的引水竖井缺陷检测方法
CN111982109A (zh) * 2019-05-24 2020-11-24 北京百度网讯科技有限公司 用于路径规划的方法、装置、设备和计算机可读存储介质
CN110414418A (zh) * 2019-07-25 2019-11-05 电子科技大学 一种图像-激光雷达图像数据多尺度融合的道路检测方法
CN111274976A (zh) * 2020-01-22 2020-06-12 清华大学 基于视觉与激光雷达多层次融合的车道检测方法及系统
CN112462381A (zh) * 2020-11-19 2021-03-09 浙江吉利控股集团有限公司 一种基于车路协同的多激光雷达融合方法
CN113970734A (zh) * 2021-10-13 2022-01-25 长安大学 路侧多线激光雷达降雪噪点去除方法、装置及设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐斌: "基于路侧三维激光雷达的车辆检测与追踪方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114972654A (zh) * 2022-06-15 2022-08-30 清华大学 一种基于路侧点云补全的三维目标检测方法
CN114972654B (zh) * 2022-06-15 2023-02-03 清华大学 一种基于路侧点云补全的三维目标检测方法
CN115711618A (zh) * 2022-11-03 2023-02-24 北京踏歌智行科技有限公司 一种基于路侧导引的矿区高精度定位方法

Similar Documents

Publication Publication Date Title
CN111352112B (zh) 基于视觉、激光雷达和毫米波雷达的目标检测方法
CN112639821B (zh) 一种车辆可行驶区域检测方法、系统以及采用该系统的自动驾驶车辆
CN107161141B (zh) 无人驾驶汽车系统及汽车
EP3885794A1 (en) Track and road obstacle detecting method
CN106909152B (zh) 一种车用环境感知系统及汽车
CN114612869A (zh) 一种路侧激光雷达与车载激光雷达信息融合方法
Wang et al. Automatic road extraction from mobile laser scanning data
Lin et al. An automatic lane marking detection method with low-density roadside LiDAR data
CN114677446B (zh) 基于路侧多传感器融合的车辆检测方法、装置及介质
JP2006184276A (ja) 視覚検知による全天候障害物衝突防止装置とその方法
EP4137846A1 (en) High-precision map generation method, localization method, and device
CN112379674B (zh) 一种自动驾驶设备及系统
CN212220188U (zh) 地下停车场融合定位系统
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN110008891B (zh) 一种行人检测定位方法、装置、车载计算设备及存储介质
CN113743171A (zh) 目标检测方法及装置
US11645759B1 (en) Background filtering method and background filtering system based on roadside solid-state lidar
US20240144507A1 (en) Electronic device and control method
CN114365182A (zh) 物体检测装置、物体检测系统、移动体和物体检测方法
CN114842166A (zh) 应用于结构化道路的负障碍检测方法、系统、介质及设备
CN109801503B (zh) 基于激光的车辆测速方法及系统
CN113884090A (zh) 智能平台车环境感知系统及其数据融合方法
WO2021060117A1 (ja) 物体検出装置、物体検出システム、移動体及び物体検出方法
CN115546595A (zh) 基于激光雷达和摄像头融合感知的轨迹追踪方法及系统
CN116189138A (zh) 一种基于车路协同的视野盲区行人检测算法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220610

RJ01 Rejection of invention patent application after publication