CN114755695A - 关于激光雷达点云数据的路面检测方法、装置及介质 - Google Patents
关于激光雷达点云数据的路面检测方法、装置及介质 Download PDFInfo
- Publication number
- CN114755695A CN114755695A CN202210671641.4A CN202210671641A CN114755695A CN 114755695 A CN114755695 A CN 114755695A CN 202210671641 A CN202210671641 A CN 202210671641A CN 114755695 A CN114755695 A CN 114755695A
- Authority
- CN
- China
- Prior art keywords
- point
- data
- point data
- grid
- coordinate
- 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
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- 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)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Road Repair (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本公开是关于一种关于激光雷达点云数据的路面检测方法、装置及介质。关于激光雷达点云数据的路面检测方法包括:获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;以所述激光雷达为中心构建三维坐标轴,确定各点数据相对所述三维坐标轴的初始坐标;获取基准平面,所述基准平面与所述激光雷达所处平面之间的高度差与所述激光雷达的高度值相一致,并通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标;基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据。通过本公开可以实现对高低不平、曲面等复杂路面的路面检测。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种关于激光雷达点云数据的路面检测方法、装置及介质。
背景技术
激光雷达(Light Detection and Ranging,LiDAR),是一种以发射激光束探测目标的位置、速度等特征量的雷达系统。通过激光雷达所获取的数据为点云数据。其中,获取点云数据的方式可以包括:星载、机载或者地面。
在自动驾驶中,主要采用车载地面的方式获取点云数据。车载激光雷达根据多线(16线,32线或者64线)激光光束旋转一周采集到的数据,对车辆所处环境进行准确的三维建模,以便明确某个三维物体在激光雷达坐标系中的准确位置,大小及姿态。而在此过程中,尤为重要的问题是如何确定点云数据集中属于地面的地面点云数据集,以便于对路面的实际情况做出解析。
发明内容
为克服相关技术中存在的问题,本公开提供一种关于激光雷达点云数据的路面检测方法、装置及介质。
根据本公开实施例的第一方面,提供一种关于激光雷达点云数据的路面检测方法,包括:
获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;以所述激光雷达为中心构建三维坐标轴,确定各点数据相对所述三维坐标轴的初始坐标;获取基准平面,所述基准平面与所述激光雷达所处平面之间的高度差与所述激光雷达的高度值相一致,并通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标;基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据。
一种实施方式中,所述通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标,包括:分别基于所述各点数据的初始坐标,确定所述各点数据与所述基准平面之间的竖坐标差异度;将所述各点数据的竖坐标调节为与所述基准平面的竖坐标相一致,并基于通过各点数据确定的竖坐标差异度,对所述各点数据的横坐标及纵坐标分别进行调节,得到调节后的横坐标及纵坐标;基于调节后的横坐标、纵坐标及竖坐标,得到所述各点数据的投影坐标。
一种实施方式中,所述基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据,包括:为所述基准平面配置多个栅格,其中,投影至所述基准平面的各点数据分别属于所述多个栅格中的一个栅格;基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据;将所述第一点数据确定为地面点云数据。
一种实施方式中,所述基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据,包括:将所述多个栅格中各栅格分别作为目标栅格;在所述目标栅格所包含的各点数据中确定第二点数据和第三点数据;其中,所述第二点数据的初始坐标对应所述目标栅格中各点数据投影前的最高高度值,所述第三点数据的初始坐标对应所述目标栅格中各点数据投影前的最低高度值;基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据。
一种实施方式中,所述基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据,包括:基于所述第二点数据的投影坐标,确定所述第二点数据与所述基准平面的中心点之间的第一径向距离,以及基于所述第三点数据的投影坐标,确定所述第三点数据与所述基准平面的中心点之间的第二径向距离;若所述第一径向距离与所述第二径向距离之间的差异值小于第一阈值,则将所述目标栅格中各个点数据确定为第一点数据。
一种实施方式中,所述第一阈值基于所述第一径向距离与所述第二径向距离之间的最小径向距离确定。
一种实施方式中,所述方法还包括:将各所述第一点数据分别作为目标点数据,并在所述各点数据中确定第四点数据,所述第四点数据为所述各点数据中除所述第一点数据外的其他点数据,且所述第四点数据与所述目标点数据之间的初始坐标差异值小于第二阈值;基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据;将所述第五点数据确定为地面点云数据。
一种实施方式中,所述基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据,包括:基于所述目标点数据的投影坐标,确定所述目标点数据与所述基准平面的中心点之间的第三径向距离,以及基于所述第四点数据的投影坐标,确定所述第四点数据与所述基准平面的中心点之间的第四径向距离;将所述第四点数据中满足使所述第三径向距离与所述第四径向距离之间的差异值小于第三阈值的点数据,确定为所述第五点数据。
一种实施方式中,所述方法还包括:删除所述基准平面中除第一栅格外的其他全部栅格,所述第一栅格为所述第一点数据所属的栅格,并为所述基准平面配置多个第二栅格,其中,各所述第五点数据分别属于所述多个第二栅格中的一个栅格;若所述第一栅格和/或所述第二栅格中存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格,则将所述两个栅格进行栅格合并;重复执行栅格合并,直至所述基准平面中不存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格;确定栅格合并后各栅格的栅格尺寸,并将栅格尺寸大于预设尺寸的栅格中各点数据确定为地面点云数据。
一种实施方式中,采用如下方式确定所述栅格间垂直梯度:针对第三栅格和第四栅格,所述第三栅格和所述第四栅格为所述第一栅格和/或所述第二栅格中的不同栅格,对所述第三栅格中各点数据的初始坐标进行均值处理,得到第一均值坐标,对所述第四栅格所中各点数据的初始坐标进行均值处理,得到第二均值坐标;基于所述第一均值坐标与所述第二均值坐标之间的坐标差异度,得到所述第三栅格与所述第四栅格之间的垂直梯度。
根据本公开实施例的第二方面,提供一种关于激光雷达点云数据的路面检测装置,包括:
获取单元,用于获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;以及用于获取基准平面,所述基准平面与所述激光雷达所处平面之间的高度差与所述激光雷达的高度值相一致;确定单元,用于以所述激光雷达为中心构建三维坐标轴,确定各点数据相对所述三维坐标轴的初始坐标;处理单元,用于通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标;以及用于基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据。
一种实施方式中,所述处理单元采用如下方式通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标:分别基于所述各点数据的初始坐标,确定所述各点数据与所述基准平面之间的竖坐标差异度;将所述各点数据的竖坐标调节为与所述基准平面的竖坐标相一致,并基于通过各点数据确定的竖坐标差异度,对所述各点数据的横坐标及纵坐标分别进行调节,得到调节后的横坐标及纵坐标;基于调节后的横坐标、纵坐标及竖坐标,得到所述各点数据的投影坐标。
一种实施方式中,所述处理单元采用如下方式基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据:为所述基准平面配置多个栅格,其中,投影至所述基准平面的各点数据分别属于所述多个栅格中的一个栅格;基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据;将所述第一点数据确定为地面点云数据。
一种实施方式中,所述处理单元采用如下方式基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据:将所述多个栅格中各栅格分别作为目标栅格;在所述目标栅格所包含的各点数据中确定第二点数据和第三点数据;其中,所述第二点数据的初始坐标对应所述目标栅格中各点数据投影前的最高高度值,所述第三点数据的初始坐标对应所述目标栅格中各点数据投影前的最低高度值;基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据。
一种实施方式中,所述处理单元采用如下方式基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据:基于所述第二点数据的投影坐标,确定所述第二点数据与所述基准平面的中心点之间的第一径向距离,以及基于所述第三点数据的投影坐标,确定所述第三点数据与所述基准平面的中心点之间的第二径向距离;若所述第一径向距离与所述第二径向距离之间的差异值小于第一阈值,则将所述目标栅格中各个点数据确定为第一点数据。
一种实施方式中,所述第一阈值基于所述第一径向距离与所述第二径向距离之间的最小径向距离确定。
一种实施方式中,所述处理单元还用于:将各所述第一点数据分别作为目标点数据,并在所述各点数据中确定第四点数据,所述第四点数据为所述各点数据中除所述第一点数据外的其他点数据,且所述第四点数据与所述目标点数据之间的初始坐标差异值小于第二阈值;基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据;将所述第五点数据确定为地面点云数据。
一种实施方式中,所述处理单元采用如下方式基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据:基于所述目标点数据的投影坐标,确定所述目标点数据与所述基准平面的中心点之间的第三径向距离,以及基于所述第四点数据的投影坐标,确定所述第四点数据与所述基准平面的中心点之间的第四径向距离;将所述第四点数据中满足使所述第三径向距离与所述第四径向距离之间的差异值小于第三阈值的点数据,确定为所述第五点数据。
一种实施方式中,所述处理单元还用于:删除所述基准平面中除第一栅格外的其他全部栅格,所述第一栅格为所述第一点数据所属的栅格,并为所述基准平面配置多个第二栅格,其中,各所述第五点数据分别属于所述多个第二栅格中的一个栅格;若所述第一栅格和/或所述第二栅格中存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格,则将所述两个栅格进行栅格合并;重复执行栅格合并,直至所述基准平面中不存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格;确定栅格合并后各栅格的栅格尺寸,并将栅格尺寸大于预设尺寸的栅格中各点数据确定为地面点云数据。
一种实施方式中,所述处理单元采用如下方式确定所述栅格间垂直梯度:针对第三栅格和第四栅格,所述第三栅格和所述第四栅格为所述第一栅格和/或所述第二栅格中的不同栅格,对所述第三栅格中各点数据的初始坐标进行均值处理,得到第一均值坐标,对所述第四栅格所中各点数据的初始坐标进行均值处理,得到第二均值坐标;基于所述第一均值坐标与所述第二均值坐标之间的坐标差异度,得到所述第三栅格与所述第四栅格之间的垂直梯度。
根据本公开实施例第三方面,提供一种关于激光雷达点云数据的路面检测装置,包括:
处理器;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:执行第一方面或者第一方面任意一种实施方式中所述的关于激光雷达点云数据的路面检测方法。
根据本公开实施例第四方面,提供一种存储介质,所述存储介质中存储有指令,当所述存储介质中的指令由处理器执行时,使得处理器能够执行第一方面或者第一方面任意一种实施方式中所述的关于激光雷达点云数据的路面检测方法。
本公开的实施例提供的技术方案可以包括以下有益效果:本公开提供的关于激光雷达点云数据的路面检测方法,针对所获取的各点数据,可以通过中心投影方式将各点数据投影至基准平面,并通过各点数据投影后的投影坐标对各点数据进行筛选,得到地面点云数据。其中,由于以中心投影方式得到的各点数据的投影坐标,能够较优的表征各点数据在三维空间内的实际分布,因此,该方法便于筛除与地面点高度相近的干扰点,可以实现较为精准的地面点云数据筛选。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种点云数据标注示意图。
图2是根据一示例性实施例示出的一种关于激光雷达点云数据的路面检测方法的流程图。
图3是根据一示例性实施例示出的一种通过中心投影方式将各点数据投影至基准平面,得到各点数据的投影坐标的方法流程图。
图4是根据一示例性实施例示出的一种基于各点数据的投影坐标对各点数据进行筛选,得到地面点云数据的方法流程图。
图5是根据一示例性实施例示出的一种基于各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到第一点数据的方法流程图。
图6是根据一示例性实施例示出的一种基于第二点数据的投影坐标和第三点数据的投影坐标,对目标栅格中各点数据进行筛选,得到第一点数据的方法流程图。
图7是根据一示例性实施例示出的一种对各点数据中除第一点数据外的其他点数据进行再次筛选的方法流程图。
图8是根据一示例性实施例示出的一种基于目标点数据的投影坐标以及第四点数据的投影坐标,对第四点数据进行筛选,得到第五点数据的方法流程图。
图9是根据一示例性实施例示出的一种通过栅格尺寸对第一点数据以及第二点数据进行筛选的方法流程图。
图10是根据一示例性实施例示出的一种确定第三栅格与第四栅格之间的垂直梯度的方法流程图。
图11是根据一示例性实施例示出的一种关于激光雷达点云数据的路面检测装置框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本公开一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本公开,而不能理解为对本公开的限制。基于本公开中的实施例,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,都属于本公开保护的范围。下面结合附图对本公开的实施例进行详细说明。
本公开所提供的关于激光雷达点云数据的路面检测方法适用于通过车载激光雷达获取点云数据的使用场景。在一示例中,以激光光束为64线的激光雷达设备为例。在采集点云数据时,以激光雷达设备为中心,根据固定的不同角度向外发射64条激光射线,进行360度的扫射,得到一帧点云数据,进而针对每一帧的点云数据,对目标物体进行标注。基于点云数据进行物体标注的结果可以如图1所示。图1是根据一示例性实施例示出的一种点云数据标注示意图。
相关技术中,基于采集到的点云数据进行地面检测时,是直接通过平面拟合的方式,确定地面点云数据。但该种方式仅适用于地面点云数据充足,地面情况简单且为单一平面的地面。而针对高低不平、曲面等复杂路面,通过平面拟合的方式确定地面点云数据时,地面检测结果的准确性会受到限制。
鉴于此,本公开提供一种关于激光雷达点云数据的路面检测方法,本公开提供的关于激光雷达点云数据的路面检测方法,针对所获取的各点数据,可以通过中心投影方式将各点数据投影至基准平面,并通过各点数据投影后的投影坐标对各点数据进行筛选,得到地面点云数据。其中,由于以中心投影方式得到的各点数据的投影坐标,能够较优的表征各点数据在三维空间内的实际分布,因此,该方法便于筛除与地面点高度相近的干扰点,可以实现较为精准的地面点云数据筛选。
图2是根据一示例性实施例示出的一种关于激光雷达点云数据的路面检测方法的流程图,如图2所示,包括以下步骤。
在步骤S11中,获取待进行地面检测的点云数据。
其中,点云数据包括多个三维空间的点数据。
在步骤S12中,以激光雷达为中心构建三维坐标轴,确定各点数据相对三维坐标轴的初始坐标。
在步骤S13中,获取基准平面,并通过中心投影方式将各点数据投影至基准平面,得到各点数据的投影坐标。
其中,基准平面与激光雷达所处平面之间的高度差与激光雷达的高度值相一致。一示例中,可以通过激光雷达检测自身相对地面的当前高度值,并在激光雷达所处平面的基础上,沿竖直方向按照当前高度值下移平面,得到基准平面。可以理解的是,基准平面为地面点云数据筛选的参考平面。
在步骤S14中,基于各点数据的投影坐标对各点数据进行筛选,得到地面点云数据。
本公开实施例中,以中心投影方式将各点数据投影至基准平面,并根据各点数据在基准平面的实际投影情况,对各点数据进行解析,以此实现地面点云数据筛选。
示例的,通过中心投影方式将各点数据投影至基准平面,例如可以是通过如下方式实现的。
图3是根据一示例性实施例示出的一种通过中心投影方式将各点数据投影至基准平面,得到各点数据的投影坐标的方法流程图,如图3所示,包括以下步骤。
在步骤S21中,分别基于各点数据的初始坐标,确定各点数据与基准平面之间的竖坐标差异度。
示例的,若基准平面与激光雷达所处平面之间的高度差为h,且点数据的竖坐标为z,则点数据与基准平面之间的竖坐标差异度可通过h/z表示。
在步骤S22中,将各点数据的竖坐标调节为与基准平面的竖坐标相一致,并基于通过各点数据确定的竖坐标差异度,对各点数据的横坐标及纵坐标分别进行调节,得到调节后的横坐标及纵坐标。
在步骤S23中,基于调节后的横坐标、纵坐标及竖坐标,得到各点数据的投影坐标。
本公开实施例中,在将各点数据按照中心投影方式投影至基准平面的情况下,以基准平面的中心点为圆心,任意长为半径,落于圆内的多个不同点数据实际位于相同平面。可见,中心投影方式便于实现高效准确的地面点云数据筛选。
一实施方式中,可以为基准平面配置多个栅格,并通过栅格辅助筛选地面点云数据。本公开以下为便于描述,将通过各点数据的投影坐标以及多个栅格筛选得到的点数据称为第一点数据。
图4是根据一示例性实施例示出的一种基于各点数据的投影坐标对各点数据进行筛选,得到地面点云数据的方法流程图,如图4所示,包括以下步骤。
在步骤S31中,为基准平面配置多个栅格。
其中,投影至基准平面的各点数据分别属于多个栅格中的一个栅格。
本公开实施例中,针对所配置的多个栅格,可以删除点数据间初始坐标的高度差值大于0.5的栅格,以及删除没有点数据存在的栅格,该方法可以滤除例如房屋、树木以及高墙等模型内点数据具有一定高度差的障碍物。
在步骤S32中,基于各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到第一点数据。
在步骤S33中,将第一点数据确定为地面点云数据。
此外,除上述实施例中先将各点数据进行中心投影再进行栅格配置的实现方式外,还可以先将各点数据进行栅格化,得到多个栅格,再将各点数据进行中心投影。换言之,本公开实施例中,中心投影与栅格配置的执行顺序可根据实际需求进行调整,本公开对此不作限制。
本公开实施例中,可以根据各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到地面点云数据。进一步的,以下对根据各点数据的投影坐标以及多个栅格筛选各点数据的实现方式进行示例性说明。
图5是根据一示例性实施例示出的一种基于各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到第一点数据的方法流程图,如图5所示,包括以下步骤。
在步骤S41中,将多个栅格中各栅格分别作为目标栅格。
例如,若多个栅格包括栅格1、栅格2和栅格3,则将栅格1、栅格2以及栅格3分别作为目标栅格,用以分别执行后续步骤S42及步骤S43。
在步骤S42中,在目标栅格所包含的各点数据中确定第二点数据和第三点数据。
其中,第二点数据的初始坐标对应目标栅格中各点数据投影前的最高高度值,第三点数据的初始坐标对应目标栅格中各点数据投影前的最低高度值。具体的,点数据投影前的高度值可通过点数据初始坐标中的纵坐标表征。例如,若目标栅格中包括点数据A(xA,yA,zA)、点数据B(xB,yB,zB)以及点数据C(xC,yC,zC),且zA>zB>zC,则点数据A为目标栅格中的第二点数据,点数据C为目标栅格中的第三点数据。
在步骤S43中,基于第二点数据的投影坐标和第三点数据的投影坐标,对目标栅格中各点数据进行筛选,得到第一点数据。
示例的,可以通过计算点数据与基准平面中心点之间的径向距离的方式,筛选目标栅格中各点数据。本公开以下为便于描述,将第二点数据与基准平面的中心点之间的径向距离称为第一径向距离,将第三点数据与基准平面的中心点之间的径向距离称为第二径向距离,将通过径向距离进行筛选第一点数据时所设置的阈值称为第一阈值。
图6是根据一示例性实施例示出的一种基于第二点数据的投影坐标和第三点数据的投影坐标,对目标栅格中各点数据进行筛选,得到第一点数据的方法流程图,如图6所示,包括以下步骤。
在步骤S51中,基于第二点数据的投影坐标,确定第二点数据与基准平面的中心点之间的第一径向距离,以及基于第三点数据的投影坐标,确定第三点数据与基准平面的中心点之间的第二径向距离。
示例的,若第二点数据的投影坐标为A`(x`A,y`A,h),则可以通过的方式确定第二点数据与基准平面的中心点之间的第一径向距离(示例以rA表示)。相应的,若第三点数据的投影坐标为C`(x`C,y`C,h),可以通过的方式确定第三点数据与基准平面的中心点之间的第二径向距离(示例以rA表示)。
在步骤S52a中,若第一径向距离与第二径向距离之间的差异值小于第一阈值,则将目标栅格中各个点数据确定为第一点数据。
在步骤S52b中,若第一径向距离与第二径向距离之间的差异值大于或等于第一阈值,则将目标栅格中各个点数据筛除。
示例的,第一径向距离与第二径向距离之间的差异值,例如可以是通过计算第一径向距离与第二径向距离之间的差值得到的。本公开实施例中,可以判别目标栅格内各点数据是否来自同一平面。具体的,可以在第一径向距离与第二径向距离之间的差异值小于第一阈值的情况下,确定目标栅格内各点数据来自同一平面,并将目标栅格内的点数据确定为第一点数据,用以作为筛选得到的地面点云数据。
上述实施例中,第一阈值可以根据第一径向距离以及第二径向距离进行适应性调整,以使第一阈值可以满足对不同点数据进行筛选的实际需求。例如,第一阈值可以是根据第一径向距离与第二径向距离之间的最小径向距离确定的。具体的,若第一径向距离为rA,第二径向距离为rC,则可以通过t=s·min(rA,rC)的方式确定第一阈值(示例以t表示)。其中,s为常数,基于经验值设置。
示例的,针对未被筛选为地面点云数据的多个点数据(即各点数据中除第一点数据外的其他点数据),可以通过如下方式进行再次筛选。本公开以下为便于描述,将待筛选的点数据称为第四点数据,将在第四点数据中筛选得到的点数据称为第五点数据。
图7是根据一示例性实施例示出的一种对各点数据中除第一点数据外的其他点数据进行再次筛选的方法流程图,如图7所示,包括以下步骤。
在步骤S61中,将各第一点数据分别作为目标点数据,并在各点数据中确定第四点数据。
本公开实施例中,第四点数据为各点数据中除第一点数据外的其他点数据,且第四点数据与目标点数据之间的初始坐标差异值小于第二阈值。其中,第二阈值应设置的尽量小,用以实现仅对目标点数据的相邻点进行筛选。
在步骤S62中,基于目标点数据的投影坐标以及第四点数据的投影坐标,对第四点数据进行筛选,得到第五点数据。
在步骤S63中,将第五点数据确定为地面点云数据。
在一实施方式中,可以为第一点数据设置用于表征点数据已被筛选为地面点云数据的第一标签(示例的,第一标签为1),以及为各点数据中除第一点数据外的其他点数据,设置用于表征点数据未被筛选为地面点云数据的第二标签(示例的,第二标签为0)。进一步的,将各第一点数据分别作为目标点数据,对与其相邻且标签为第二标签的点数据(也即,第四点数据)进行筛选,进而在遍历所有具有第一标签的第一点数据的情况下,结束筛选,得到第五点数据。最终,将第五点数据的标签由第二标签修改为第一标签,以备后续使用地面点云数据时直接调用。
本公开实施例中,与筛选第一点数据的方式相似的,可以通过计算径向距离差异值的方式筛选第四点数据。本公开以下为便于描述,将目标点数据与基准平面的中心点之间的径向距离称为第三径向距离,将第四点数据与基准平面的中心点之间的径向距离称为第二径向距离,将通过径向距离进行筛选第四点数据时所设置的阈值称为第三阈值。
图8是根据一示例性实施例示出的一种基于目标点数据的投影坐标以及第四点数据的投影坐标,对第四点数据进行筛选,得到第五点数据的方法流程图,如图8所示,包括以下步骤。
在步骤S71中,基于目标点数据的投影坐标,确定目标点数据与基准平面的中心点之间的第三径向距离,以及基于第四点数据的投影坐标,确定第四点数据与基准平面的中心点之间的第四径向距离。
在步骤S72中,将第四点数据中满足使第三径向距离与第四径向距离之间的差异值小于第三阈值的点数据,确定为第五点数据。
示例的,第三阈值可以与第一阈值相同或不同。一实施方式中,将第一阈值与第三阈值设置为相同,以使筛选标准保持一致。另一实施方式中,将第一阈值与第三阈值设置为不同。例如,将第三阈值设置为小于第一阈值,用以提高再次筛选的标准,进一步提高筛选精度。其中,第三阈值可以是根据第三径向距离与第四径向距离之间的最小径向距离确定的,为使第三阈值不同于第一阈值,可以将计算使用的常数设置为不一致。
本公开提供的方法,可以通过计算径向距离差异值的方式,可以找回与物体底部相接处的地面点云数据(示例的,与物体底部相接处的地面点云数据例如可以是与车胎底部或人脚底相接的地面点云数据),该方法可以进一步扩充地面点云数据的样本,提高了针对地面点云数据的筛选精度。
在此基础上,本公开还可以通过栅格尺寸对第一点数据以及第二点数据进行进一步筛选。本公开以下为便于描述,将第一点数据所属的栅格称为第一栅格,将为基准平面再次配置栅格称为第二栅格。
图9是根据一示例性实施例示出的一种通过栅格尺寸对第一点数据以及第二点数据进行筛选的方法流程图,如图9所示,包括以下步骤。
在步骤S81中,删除基准平面中除第一栅格外的其他全部栅格,并为基准平面配置多个第二栅格。
其中,各第五点数据分别属于多个第二栅格中的一个栅格。
在步骤S82中,若第一栅格和/或第二栅格中存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格,则将两个栅格进行栅格合并。
其中,栅格间垂直梯度表征不同栅格之间在竖直方向的差异程度,预设垂直梯度用于判别两栅格是否位于相同平面,基于经验值设置。
在步骤S83中,重复执行栅格合并,直至基准平面中不存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格。
示例的,重复执行栅格合并,以使位于不同栅格但实际处于相同平面的点数据被合并为同一点数据集,该方法便于后续根据栅格尺寸进行点数据筛选。
在步骤S84中,确定栅格合并后各栅格的栅格尺寸,并将栅格尺寸大于预设尺寸的栅格中各点数据确定为地面点云数据。
示例的,预设尺寸可根据经验值设置,例如可以为10m。
本公开实施例提供的方法,可以筛除例如花坛、车顶等具有平整区域的点数据,该方法减小了干扰点占比,可以进一步提高地面点云数据的筛选精度。
示例的,针对第一栅格和/或第二栅格中的不同栅格,可以通过如下方式确定栅格间垂直梯度。如下以第三栅格和第四栅格为例(第三栅格和第四栅格表征第一栅格和/或第二栅格中的不同栅格)对栅格间垂直梯度的计算方式进行示例性说明。本公开以下为便于描述,将对第三栅格中各点数据的初始坐标进行均值处理得到的坐标称为第一均值坐标,对第四栅格中各点数据的初始坐标进行均值处理得到的坐标称为第二均值坐标。
图10是根据一示例性实施例示出的一种确定第三栅格与第四栅格之间的垂直梯度的方法流程图,如图10所示,包括以下步骤。
在步骤S91中,针对第三栅格和第四栅格,对第三栅格中各点数据的初始坐标进行均值处理,得到第一均值坐标,对第四栅格所中各点数据的初始坐标进行均值处理,得到第二均值坐标。
在步骤S92中,基于第一均值坐标与第二均值坐标之间的坐标差异度,得到第三栅格与第四栅格之间的垂直梯度。
本公开实施例提供的方法,使用中心投影的方式筛选候选地面点(第一点数据),有效的删除了与地面点高度相近的干扰点。进一步的,对与每一第一点数据相邻的其他点数据进行再次筛选,以此找回与物体(车、人等)底部相接处的地面点云数据(第五点数据)。在此基础上,通过栅格合并以及栅格面积对筛选后保留的各点数据(第一点数据及第五点数据)进行进一步筛选,以此减小例如花坛、车顶等平面区域对数据结果的干扰。综上,该方法整体解决了点云数据中高低不平、曲面等复杂路面的检测,相较于现有技术中以平面拟合进行路面检测的方式,拥有更高的适用性。
基于相同的构思,本公开实施例还提供一种关于激光雷达点云数据的路面检测装置。
可以理解的是,本公开实施例提供的关于激光雷达点云数据的路面检测装置为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤,本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本公开实施例的技术方案的范围。
图11是根据一示例性实施例示出的一种关于激光雷达点云数据的路面检测装置框图。参照图11,该装置100包括获取单元101、确定单元102和处理单元103
获取单元101,用于获取待进行地面检测的点云数据,其中,点云数据包括多个三维空间的点数据。以及用于获取基准平面,基准平面与激光雷达所处平面之间的高度差与激光雷达的高度值相一致。确定单元102,用于以激光雷达为中心构建三维坐标轴,确定各点数据相对三维坐标轴的初始坐标。处理单元103,用于通过中心投影方式将各点数据投影至基准平面,得到各点数据的投影坐标。以及用于基于各点数据的投影坐标对各点数据进行筛选,得到地面点云数据。
一种实施方式中,处理单元103采用如下方式通过中心投影方式将各点数据投影至基准平面,得到各点数据的投影坐标:分别基于各点数据的初始坐标,确定各点数据与基准平面之间的竖坐标差异度。将各点数据的竖坐标调节为与基准平面的竖坐标相一致,并基于通过各点数据确定的竖坐标差异度,对各点数据的横坐标及纵坐标分别进行调节,得到调节后的横坐标及纵坐标。基于调节后的横坐标、纵坐标及竖坐标,得到各点数据的投影坐标。
一种实施方式中,处理单元103采用如下方式基于各点数据的投影坐标对各点数据进行筛选,得到地面点云数据:为基准平面配置多个栅格,其中,投影至基准平面的各点数据分别属于多个栅格中的一个栅格。基于各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到第一点数据。将第一点数据确定为地面点云数据。
一种实施方式中,处理单元103采用如下方式基于各点数据的投影坐标以及多个栅格,对各点数据进行筛选,得到第一点数据:将多个栅格中各栅格分别作为目标栅格。在目标栅格所包含的各点数据中确定第二点数据和第三点数据。其中,第二点数据的初始坐标对应目标栅格中各点数据投影前的最高高度值,第三点数据的初始坐标对应目标栅格中各点数据投影前的最低高度值。基于第二点数据的投影坐标和第三点数据的投影坐标,对目标栅格中各点数据进行筛选,得到第一点数据。
一种实施方式中,处理单元103采用如下方式基于第二点数据的投影坐标和第三点数据的投影坐标,对目标栅格中各点数据进行筛选,得到第一点数据:基于第二点数据的投影坐标,确定第二点数据与基准平面的中心点之间的第一径向距离,以及基于第三点数据的投影坐标,确定第三点数据与基准平面的中心点之间的第二径向距离。若第一径向距离与第二径向距离之间的差异值小于第一阈值,则将目标栅格中各个点数据确定为第一点数据。
一种实施方式中,第一阈值基于第一径向距离与第二径向距离之间的最小径向距离确定。
一种实施方式中,处理单元103还用于:将各第一点数据分别作为目标点数据,并在各点数据中确定第四点数据,第四点数据为各点数据中除第一点数据外的其他点数据,且第四点数据与目标点数据之间的初始坐标差异值小于第二阈值。基于目标点数据的投影坐标以及第四点数据的投影坐标,对第四点数据进行筛选,得到第五点数据。将第五点数据确定为地面点云数据。
一种实施方式中,处理单元103采用如下方式基于目标点数据的投影坐标以及第四点数据的投影坐标,对第四点数据进行筛选,得到第五点数据:基于目标点数据的投影坐标,确定目标点数据与基准平面的中心点之间的第三径向距离,以及基于第四点数据的投影坐标,确定第四点数据与基准平面的中心点之间的第四径向距离。将第四点数据中满足使第三径向距离与第四径向距离之间的差异值小于第三阈值的点数据,确定为第五点数据。
一种实施方式中,处理单元103还用于:删除基准平面中除第一栅格外的其他全部栅格,第一栅格为第一点数据所属的栅格,并为基准平面配置多个第二栅格,其中,各第五点数据分别属于多个第二栅格中的一个栅格。若第一栅格和/或第二栅格中存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格,则将两个栅格进行栅格合并。重复执行栅格合并,直至基准平面中不存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格。确定栅格合并后各栅格的栅格尺寸,并将栅格尺寸大于预设尺寸的栅格中各点数据确定为地面点云数据。
一种实施方式中,处理单元103采用如下方式确定栅格间垂直梯度:针对第三栅格和第四栅格,第三栅格和第四栅格为第一栅格和/或第二栅格中的不同栅格,对第三栅格中各点数据的初始坐标进行均值处理,得到第一均值坐标,对第四栅格所中各点数据的初始坐标进行均值处理,得到第二均值坐标。基于第一均值坐标与第二均值坐标之间的坐标差异度,得到第三栅格与第四栅格之间的垂直梯度。
关于上述实施例中的装置,其中各个模块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。
在一些实施方式中,本公开提供了一种关于激光雷达点云数据的路面检测装置,该装置包括处理器;用于存储处理器可执行指令的存储器;其中,处理器被配置为执行上文所述的任何方法。
在一些实施方式中,本公开提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,计算机可执行指令在由处理器执行时,执行上文所述的任何方法。
可以理解的是,本公开中“多个”是指两个或两个以上,其它量词与之类似。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
进一步可以理解的是,术语“第一”、“第二”等用于描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开,并不表示特定的顺序或者重要程度。实际上,“第一”、“第二”等表述完全可以互换使用。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。
进一步可以理解的是,除非有特殊说明,“连接”包括两者之间不存在其他构件的直接连接,也包括两者之间存在其他元件的间接连接。
进一步可以理解的是,本公开实施例中尽管在附图中以特定的顺序描述操作,但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作,或是要求执行全部所示的操作以得到期望的结果。在特定环境中,多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利范围指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利范围来限制。
Claims (13)
1.一种关于激光雷达点云数据的路面检测方法,其特征在于,所述方法包括:
获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;
以所述激光雷达为中心构建三维坐标轴,确定各点数据相对所述三维坐标轴的初始坐标;
获取基准平面,所述基准平面与所述激光雷达所处平面之间的高度差与所述激光雷达的高度值相一致,并通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标;
基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据。
2.根据权利要求1所述的方法,其特征在于,所述通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标,包括:
分别基于所述各点数据的初始坐标,确定所述各点数据与所述基准平面之间的竖坐标差异度;
将所述各点数据的竖坐标调节为与所述基准平面的竖坐标相一致,并基于通过各点数据确定的竖坐标差异度,对所述各点数据的横坐标及纵坐标分别进行调节,得到调节后的横坐标及纵坐标;
基于调节后的横坐标、纵坐标及竖坐标,得到所述各点数据的投影坐标。
3.根据权利要求1所述的方法,其特征在于,所述基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据,包括:
为所述基准平面配置多个栅格,其中,投影至所述基准平面的各点数据分别属于所述多个栅格中的一个栅格;
基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据;
将所述第一点数据确定为地面点云数据。
4.根据权利要求3所述的方法,其特征在于,所述基于所述各点数据的投影坐标以及所述多个栅格,对所述各点数据进行筛选,得到第一点数据,包括:
将所述多个栅格中各栅格分别作为目标栅格;
在所述目标栅格所包含的各点数据中确定第二点数据和第三点数据;其中,所述第二点数据的初始坐标对应所述目标栅格中各点数据投影前的最高高度值,所述第三点数据的初始坐标对应所述目标栅格中各点数据投影前的最低高度值;
基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第二点数据的投影坐标和所述第三点数据的投影坐标,对所述目标栅格中各点数据进行筛选,得到第一点数据,包括:
基于所述第二点数据的投影坐标,确定所述第二点数据与所述基准平面的中心点之间的第一径向距离,以及基于所述第三点数据的投影坐标,确定所述第三点数据与所述基准平面的中心点之间的第二径向距离;
若所述第一径向距离与所述第二径向距离之间的差异值小于第一阈值,则将所述目标栅格中各个点数据确定为第一点数据。
6.根据权利要求5所述的方法,其特征在于,所述第一阈值基于所述第一径向距离与所述第二径向距离之间的最小径向距离确定。
7.根据权利要求3至6中任一项所述的方法,其特征在于,所述方法还包括:
将各所述第一点数据分别作为目标点数据,并在所述各点数据中确定第四点数据,所述第四点数据为所述各点数据中除所述第一点数据外的其他点数据,且所述第四点数据与所述目标点数据之间的初始坐标差异值小于第二阈值;
基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据;
将所述第五点数据确定为地面点云数据。
8.根据权利要求7所述的方法,其特征在于,所述基于所述目标点数据的投影坐标以及所述第四点数据的投影坐标,对所述第四点数据进行筛选,得到第五点数据,包括:
基于所述目标点数据的投影坐标,确定所述目标点数据与所述基准平面的中心点之间的第三径向距离,以及基于所述第四点数据的投影坐标,确定所述第四点数据与所述基准平面的中心点之间的第四径向距离;
将所述第四点数据中满足使所述第三径向距离与所述第四径向距离之间的差异值小于第三阈值的点数据,确定为所述第五点数据。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
删除所述基准平面中除第一栅格外的其他全部栅格,所述第一栅格为所述第一点数据所属的栅格,并为所述基准平面配置多个第二栅格,其中,各所述第五点数据分别属于所述多个第二栅格中的一个栅格;
若所述第一栅格和/或所述第二栅格中存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格,则将所述两个栅格进行栅格合并;
重复执行栅格合并,直至所述基准平面中不存在满足使栅格间垂直梯度小于预设垂直梯度的两个栅格;
确定栅格合并后各栅格的栅格尺寸,并将栅格尺寸大于预设尺寸的栅格中各点数据确定为地面点云数据。
10.根据权利要求9所述的方法,其特征在于,采用如下方式确定所述栅格间垂直梯度:
针对第三栅格和第四栅格,所述第三栅格和所述第四栅格为所述第一栅格和/或所述第二栅格中的不同栅格,对所述第三栅格中各点数据的初始坐标进行均值处理,得到第一均值坐标,对所述第四栅格所中各点数据的初始坐标进行均值处理,得到第二均值坐标;
基于所述第一均值坐标与所述第二均值坐标之间的坐标差异度,得到所述第三栅格与所述第四栅格之间的垂直梯度。
11.一种关于激光雷达点云数据的路面检测装置,其特征在于,所述装置包括:
获取单元,用于获取待进行地面检测的点云数据,其中,所述点云数据包括多个三维空间的点数据;以及用于获取基准平面,所述基准平面与所述激光雷达所处平面之间的高度差与所述激光雷达的高度值相一致;
确定单元,用于以所述激光雷达为中心构建三维坐标轴,确定各点数据相对所述三维坐标轴的初始坐标;
处理单元,用于通过中心投影方式将所述各点数据投影至所述基准平面,得到所述各点数据的投影坐标;以及用于基于所述各点数据的投影坐标对所述各点数据进行筛选,得到地面点云数据。
12.一种关于激光雷达点云数据的路面检测装置,其特征在于,包括:
处理器;
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:执行权利要求1至10中任意一项所述的关于激光雷达点云数据的路面检测方法。
13.一种存储介质,其特征在于,所述存储介质中存储有指令,当所述存储介质中的指令由处理器执行时,使得处理器能够执行权利要求1至10中任意一项所述的关于激光雷达点云数据的路面检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210671641.4A CN114755695B (zh) | 2022-06-15 | 2022-06-15 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210671641.4A CN114755695B (zh) | 2022-06-15 | 2022-06-15 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114755695A true CN114755695A (zh) | 2022-07-15 |
CN114755695B CN114755695B (zh) | 2022-09-13 |
Family
ID=82336919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210671641.4A Active CN114755695B (zh) | 2022-06-15 | 2022-06-15 | 关于激光雷达点云数据的路面检测方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755695B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN110111414A (zh) * | 2019-04-10 | 2019-08-09 | 北京建筑大学 | 一种基于三维激光点云的正射影像生成方法 |
US20190324471A1 (en) * | 2018-04-19 | 2019-10-24 | Faraday&Future Inc. | System and method for ground plane detection |
US20210107531A1 (en) * | 2019-10-11 | 2021-04-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting pedestrian |
CN113253294A (zh) * | 2021-06-16 | 2021-08-13 | 北京海天瑞声科技股份有限公司 | 关于3d雷达点云数据中地面点检测的方法、装置及介质 |
CN113496491A (zh) * | 2020-03-19 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的路面分割方法及装置 |
WO2022067647A1 (zh) * | 2020-09-30 | 2022-04-07 | 华为技术有限公司 | 一种路面要素确定方法及装置 |
CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
-
2022
- 2022-06-15 CN CN202210671641.4A patent/CN114755695B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20190324471A1 (en) * | 2018-04-19 | 2019-10-24 | Faraday&Future Inc. | System and method for ground plane detection |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN110111414A (zh) * | 2019-04-10 | 2019-08-09 | 北京建筑大学 | 一种基于三维激光点云的正射影像生成方法 |
US20210107531A1 (en) * | 2019-10-11 | 2021-04-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting pedestrian |
CN113496491A (zh) * | 2020-03-19 | 2021-10-12 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的路面分割方法及装置 |
WO2022067647A1 (zh) * | 2020-09-30 | 2022-04-07 | 华为技术有限公司 | 一种路面要素确定方法及装置 |
CN113253294A (zh) * | 2021-06-16 | 2021-08-13 | 北京海天瑞声科技股份有限公司 | 关于3d雷达点云数据中地面点检测的方法、装置及介质 |
CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通(北京)科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
Non-Patent Citations (3)
Title |
---|
KIIN NA 等: "The Ground Segmentation of 3D LIDAR Point Cloud with the Optimized Region Merging", 《2013 INTERNATIONAL CONFERENCE ON CONNECTED VEHICLES AND EXPO (ICCVE)》 * |
朱株等: "基于马尔科夫随机场的三维激光雷达路面实时分割", 《浙江大学学报(工学版)》 * |
董敏: "基于Mesh的地面激光点云分离方法研究", 《计算机工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114755695B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858460B (zh) | 一种基于三维激光雷达的车道线检测方法 | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
US8611585B2 (en) | Clear path detection using patch approach | |
CN110502983B (zh) | 一种检测高速公路中障碍物的方法、装置及计算机设备 | |
CN108845569A (zh) | 生成三维高清道路图水平弯道行车线的半自动点云方法 | |
CN111488808B (zh) | 基于交通违法图像数据的车道线检测方法 | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
CN106446150A (zh) | 一种车辆精确检索的方法及装置 | |
JP7046218B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN114365013A (zh) | 用于自由空间估计的系统和方法 | |
CN108052921B (zh) | 一种车道线检测方法、装置及终端 | |
CN113640826A (zh) | 一种基于3d激光点云的障碍物识别方法及系统 | |
CN113253294A (zh) | 关于3d雷达点云数据中地面点检测的方法、装置及介质 | |
CN115620263A (zh) | 基于摄像机和激光雷达图像融合的智能车障碍物检测方法 | |
CN113219472B (zh) | 一种测距系统和方法 | |
CN115240160A (zh) | 无人清扫车贴边清扫时的避障方法、装置及设备 | |
CN114755695B (zh) | 关于激光雷达点云数据的路面检测方法、装置及介质 | |
JP5531643B2 (ja) | 通路検出方法、装置、及びプログラム | |
CN117315224A (zh) | 一种改进边界框回归损失的目标检测方法、系统及介质 | |
CN116358528A (zh) | 地图更新方法、地图更新装置、自移动设备及存储介质 | |
CN112989946A (zh) | 一种车道线的确定方法、装置、设备及车辆 | |
CN115331189A (zh) | 一种车辆可通行区域检测方法、系统和存储介质 | |
CN114972731A (zh) | 交通灯检测识别方法及装置、移动工具、存储介质 | |
JP2023152480A (ja) | 地図データ生成方法、地図データ生成装置及び地図データ生成プログラム | |
CN115249223A (zh) | 动态目标检测方法及装置、存储介质、终端 |
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 |