CN115032615A - 一种激光雷达标定点确定方法、装置、设备及存储介质 - Google Patents
一种激光雷达标定点确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115032615A CN115032615A CN202210612070.7A CN202210612070A CN115032615A CN 115032615 A CN115032615 A CN 115032615A CN 202210612070 A CN202210612070 A CN 202210612070A CN 115032615 A CN115032615 A CN 115032615A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional point
- cloud data
- preset
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000009466 transformation Effects 0.000 claims abstract description 23
- 238000005192 partition Methods 0.000 claims description 110
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000280 densification Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01S7/497—Means for monitoring or calibrating
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
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)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种激光雷达标定点确定方法、装置、设备及存储介质。该方法包括:通过获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;其中,预设标靶为包括圆轮廓的标靶。本发明实施例的技术方案,解决了激光雷达针对标靶采集数据过于稀疏,难以准确进行标定点确定的问题,使得赋值后的点云图像更加完整,霍夫变换后所得到的圆轮廓更加清晰,提升了激光雷达标定点确定的准确性。
Description
技术领域
本发明涉及雷达技术领域,尤其涉及一种激光雷达标定点确定方法、装置、设备及存储介质。
背景技术
目前国家在大力发展新能源汽车,而在新能源汽车平台中,各大公司均在大力发展自动驾驶业务,而随着智能感知技术的快速发展,激光雷达作为智能传感器之一在物体探测识别任务中得到广泛的应用,其常常作为辅助传感器与摄像头进行配合以实现高阶的自动驾驶功能。
一辆具备自动驾驶功能的汽车需配置多个传感器,因此针对多传感器的标定是保障多传感器工作稳定性和探测结果准确性的必要手段,在进行标定时常通过对采集到的二维点云数据采用霍夫变换进行特征检测,基于已有的图像信息识别出图像中直线和圆等形状,以根据识别出的形状确定标定点。进行特征检测的图像中信息完整度越高,处理后所得到的形状越准确。
然而,由激光雷达直接针对标靶采集的二维点云的图像点较为稀疏,在标靶中包含待识别形状中包括圆形时,基于稀疏的二维点云图像无法准确获取圆的轮廓,进而影响最终标定点的确定,使得多传感器间标定准确性较低。
发明内容
本发明提供了一种激光雷达标定点确定方法、装置、设备及存储介质,通过不同填充模板对激光雷达采集的稀疏点云数据进行填充,进而使用稠密化的点云图像进行激光雷达标定点的确定,提升了标定点确定的准确性。
第一方面,本发明实施例提供了一种激光雷达标定点确定方法,包括:
获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;
根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;
根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;
对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;
其中,预设标靶为包括圆轮廓的标靶。
第二方面,本发明实施例还提供了一种激光雷达标定点确定装置,包括:
待处理图像获取模块,用于获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;
中间图像确定模块,用于根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;
目标图像确定模块,用于根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;
标定点确定模块,用于对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;
其中,预设标靶为包括圆轮廓的标靶。
第三方面,本发明实施例还提供了一种激光雷达标定点确定设备,该激光雷达标定点确定设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,使得至少一个处理器能够实现本发明任一实施例的激光雷达标定点确定方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的激光雷达标定点确定方法。
本发明实施例提供的一种激光雷达标定点确定方法、装置、设备及存储介质,通过获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;其中,预设标靶为包括圆轮廓的标靶。通过采用上述技术方案,在获取到待处理二维点云图像后,依次通过预设行填充模板和预设圆轮廓填充模板将待处理二维点云图像中缺失的点云行,与圆轮廓边沿特性相关的点云数据进行填充赋值,依据更新后确定的目标二维点云图像进行霍夫变换后的结果确定激光雷达的标定点,解决了激光雷达针对标靶采集数据过于稀疏,难以准确进行标定点确定的问题,使得赋值后的点云图像更加完整,霍夫变换后所得到的圆轮廓更加清晰,提升了激光雷达标定点确定的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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是本发明实施例一中的一种激光雷达标定点确定方法的流程图;
图2是本发明实施例一中的一种预设标靶的示例图;
图3是本发明实施例二中的一种激光雷达标定点确定方法的流程图;
图4是本发明实施例二中的一种预设行填充模板的示例图;
图5是本发明实施例二中的一种预设圆轮廓填充模板的示例图;
图6是本发明实施例三中的一种激光雷达标定点确定装置的结构示意图;
图7是本发明实施例四中的一种激光雷达标定点确定设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种激光雷达标定点确定方法的流程图,本发明实施例可适用于多激光雷达标定时针对其中每个激光雷达采集的点云数据进行稠密化,进而依据稠密化后的二维点云数据进行标定点确定的情况,该方法可以由激光雷达标定点确定装置来执行,该激光雷达标定点确定装置可以配置在计算机设备上,该计算机设备可以是笔记本、台式计算机以及智能平板等。
如图1所示,本实施例一提供的一种激光雷达标定点确定方法,具体包括如下步骤:
S101、获取待处理二维点云图像。
其中,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像,预设标靶为包括圆轮廓的标靶。
在本实施例中,点云具体可理解为采集到的目标表面特性的海量点的集合,待处理二维点云图像具体可理解为由激光雷达直接对标靶进行特征采集所得到的点云数据所构成的特征图像。预设标靶具体可理解为根据实际标定需求预先设定的,用作激光雷达图像识别目标的物品。可选的,在本发明实施例中所采用的预设标靶为包括圆轮廓的标靶,示例性的,图2为本发明实施例一提供的一种预设标靶的示例图,其中包括四个圆,被识别的各圆圆心可作为激光雷达确定的标定点。
具体的,获取需进行标定点确定的激光雷达,针对预设标靶进行图像采集所获取的点云数据的集合,将获取到的各点云数据集合所构成的点云图像确定为待处理二维点云图像。需要明确的是,直接由激光雷达对预设标靶进行采集所得到的待处理二维点云图像中点较为稀疏,可能存在点云行的缺失,或区域内的点云数据均缺失的情况,此时若直接依据待处理二维点云图像进行标定点确定,确定结果准确性较低。
S102、根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像。
在本实施例中,预设行填充模板具体可理解为预先设置的,用以根据实际点云数据情况对二维点云图像中缺失的点云行进行填充赋值的模板,可选的,预设行填充模板可为十字模板,也可为其他可达到相同目的的模板,本发明实施例对此不进行限制。中间二维点云图像具体可理解为经点云行填充后,基本消除全空白点云行的二维点云图像。
具体的,对待处理二维点云图像中各点进行遍历,将其中每个点依次作为预设行填充模板中的中心点,并将与其对应的待处理二维点云数据代入至预设行填充模板中,若符合赋值填充的条件,则对预设行填充模板中的待处理二维点云数据进行更新,得到基本完成缺失点云行填充的中间二维点云图像。
S103、根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像。
在本实施例中,预设圆轮廓填充模板具体可理解为预先设置的,用以根据圆轮廓边沿特性对二维点云图像中的点云数据进行修正赋值的模板,可选,预设圆轮廓填充模板可为十字模板,也可为其他可达到相同目的的模板,本发明实施例对此不进行限制。目标二维点云图像具体可理解为经圆轮廓填充修正后,可用以进行激光雷达标定点确定的稠密点云图像。
具体的,对中间二维点云图像中各点进行遍历,将其中每个点依次作为预设圆轮廓填充模板中的中心点,并将与其对应的中间二维点云图像中的点云数据代入至预设圆轮廓填充模板中,根据与模板对应的赋值填充条件,对预设圆轮廓填充模板中的中间二维点云数据进行更新,得到可用于进行激光雷达标定点确定的稠密点云图像,将该稠密点云图像确定为目标二维点云图像。
S104、对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点。
在本实施例中,霍夫变换具体可理解为一种特征提取方法,其可基于已有的图像信息对图像中的直线和圆形等简单形状的边界进行识别,具有可解释性和稳定性的优势。
具体的,对目标二维点云图像进行霍夫变换,根据变换结果对目标二维点云图像中对应的图形边界进行识别,进而依据边界识别的结果明确激光雷达对应的标定点位置。
本实施例的技术方案,通过获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;其中,预设标靶为包括圆轮廓的标靶。通过采用上述技术方案,在获取到待处理二维点云图像后,依次通过预设行填充模板和预设圆轮廓填充模板将待处理二维点云图像中缺失的点云行,与圆轮廓边沿特性相关的点云数据进行填充赋值,依据更新后确定的目标二维点云图像进行霍夫变换后的结果确定激光雷达的标定点,解决了激光雷达针对标靶采集数据过于稀疏,难以准确进行标定点确定的问题,使得赋值后的点云图像更加完整,霍夫变换后所得到的圆轮廓更加清晰,提升了激光雷达标定点确定的准确性。
实施例二
图3为本发明实施例二提供的一种激光雷达标定点确定方法的流程图,本发明实施例的技术方案在上述各可选技术方案的基础上进一步优化,分别明确了通过预设行填充模板对待处理二维点云图像进行遍历赋值,和通过预设圆轮廓填充模板对中间二维点云图像进行遍历赋值的方法,通过对预设圆轮廓填充模板进行分区,进而依据分区中各点云数据之和与预设像素阈值的大小关系对中间二维点云数据中各点云数据进行更新,使得更新后得到的目标二维点云图像更适于通过霍夫变换对圆轮廓进行识别,进而将根据目标二维点云图像识别得到的目标圆轮廓的圆心确定为激光雷达的标定点,提升了激光雷达标定点确定的准确性。
如图3所示,本发明实施例二提供的一种激光雷达标定点确定方法,具体包括如下步骤:
S201、获取待处理二维点云图像。
其中,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;预设标靶为包括圆轮廓的标靶。
S202、遍历待处理二维点云图像中每一个待处理二维点云数据,以待处理二维点云数据为中心,将待处理二维点云数据对应的点云行数据及点云列数据代入预设行填充模板。
具体的,遍历待处理二维点云图像中的每一个待处理二维点云数据,针对其中一个待处理二维点云数据使用预设行填充模板进行赋值时,将该待处理二维点云数据,以及待处理二维点云图像中与该待处理二维点云数据位于同一点云行和点云列的待处理二维点云数据,依据预设行填充模板的大小进行代入。
示例性的,图4为本发明实施例二提供的一种预设行填充模板的示例图,假设预设行填充模板的形式如图4所示,为一个可覆盖7*7范围内点云数据的模板,假设预设行填充模板遍历至的待处理二维点云数据在待处理二维点云图像中的对应位置可表示为(i,j),则需将待处理二维点云图像中对应位置为(i-3,j)、(i-2,j)、(i-1,j)、(i,j)、(i+1,j)、(i+2,j)、(i+3,j)、(i,j-1)、(i,j-2)、(i,j-3)、(i,j+1)、(i,j+2)和(i,j+3)的待处理二维点云数据代入至预设行填充模板中。
S203、判断代入后的预设行填充模板中是否各点云行数据均为第一预设数值,若是,则执行步骤S204,若否,则返回执行步骤S202。
在本实施例中,第一预设数值具体可理解为根据实际需求预先设置的,用以表明点云数据缺失的数值,需要明确的是,激光雷达在进行标靶数据确定时仅存在两种像素值,也即未检测到的点像素值为0,检测到的点像素值为255,在本发明实施例中,可将第一预设数值确定为0,也可依据实际情况进行设置,本发明实施例对此不进行限制。
具体的,通过判断代入后的预设行填充模板中各点云行数据是否均为第一预设数值,若点云数据为第一预设数值则可认为该点并未采集到数据,也即为激光雷达采集的值为空值。若是,则可认为遍历至的待处理二维点云数据所对应点云行为缺失的点云行,需要进行点云行填充,此时执行步骤S204;若否,则可认为遍历至的待处理二维点云数据所对应点云行并不存在点缺失问题,无需进行点云行填充,此时返回执行步骤S202,继续执行遍历操作,以对下一待处理二维点云数据进行处理。
接上述示例,假设预设行填充模板遍历至的待处理二维点云数据在待处理二维点云图像中的对应位置可表示为(i,j),在图像对应位置(i-3,j)、(i-2,j)、(i-1,j)、(i,j)、(i+1,j)、(i+2,j)和(i+3,j)的待处理二维点云数据均为第一预设数值时,可认为待处理二维点云图像中第j行点云数据缺失,此时可执行步骤S204以依据当前待处理二维点云数据所处点云列中的点云数据,对其进行填充;否则,可认为待处理二维点云图像中第j行点云数据不存在缺失问题,此时返回执行步骤S202以继续对待处理二维点云图像进行遍历。
S204、判断各点云列数据中是否存在至少一组与待处理二维点云数据对称、间隔至少一个点云列数据且值为第二预设数值的点云列数据,若是,则执行步骤S205,若否,则执行步骤S206。
在本实施例中,第二预设数值具体可理解为根据实际需求预先设置的,用以表明点云数据存在的数值,可选的,第二预设数值可被确定为255。
具体的,在确定当前遍历到的待处理二维点云数据处于缺失的点云行,需要被填充后,通过判断预设行填充模板中的各点云列数据中是否存在至少一组与待处理二维点云数据对称、间隔至少一个点云列数据且值为第二预设数值的点云列数据,也即在与该待处理二维点云数据同列且不相邻的待处理二维点云数据中,是否存在相对于该待处理二维点云数据对称的一组可作为填充依据的待处理二维点云数据,若存在,则执行步骤S205;否则,执行步骤S206。
接上述示例,在确定位于(i,j)的待处理二维点云数据处于缺失的点云行后,判断与(i,j)同列且不相邻的,与其对称分布急案各至少一个点云列数据的各待处理二维点云数据中是否存在值为第二预设数值的待处理二维点云数据,也即判断(i,j-3)和(i,j+3)对应位置的像素值,或(i,j-2)和(i,j+2)对应位置的像素值是否为第二预设数值,若是,则执行步骤S205以对(i,j)位置的待处理二维点云数据进行更新;若否,则执行步骤S206以对(i,j)位置的待处理二维点云数据进行更新。
S205、将待处理二维点云数据更新为第二预设数值,并执行步骤S207。
具体的,在对应位置存在一组值为第二预设数值的待处理二维点云数据时,可认为当前遍历至的待处理二维点云数据可直接依据所处点云列中数据进行填充赋值,此时将待处理二维点云数据更新为第二预设数值。
S206、将待处理二维点云数据更新为第一预设数值,并执行步骤S207。
具体的,在对应位置不存在一组值为第二预设数值的待处理二维点云数据时,可认为难以判定当前遍历至的待处理二维点云数据是由于点云行缺失而造成的数据缺失,还是其自身本就应为第一预设数值,此时也将待处理二维点云数据进行更新,只是更新值为第一预设数值使其在更新前后保持不变。
进一步地,在步骤S205及S206执行之后,若待处理二维点云图像中的待处理二维点云数据尚未被遍历完毕,则返回执行步骤S202,直到完成遍历后执行步骤S207。
S207、将各更新后的待处理二维点云数据对应的点云图像确定为中间二维点云图像。
具体的,在所有待处理二维点云数据均被更新后,则可认为由激光雷达采集的待处理二维点云图像已完成针对缺失点云行的填充赋值,此时将各更新后的待处理二维点云数据所构成的点云图像确定为中间二维点云图像,以便于以其为基础进行针对性的点云数据更新填充。
S208、遍历中间二维点云图像中每一个中间二维点云数据,以中间二维点云数据为中心点云数据,将中心点云数据对应的,与预设圆轮廓填充模板中点云数据量相同的中间二维点云数据代入预设圆轮廓填充模板。
具体的,遍历中间二维点云图像中每一个中间二维点云数据,针对其中一个中间二维点云数据使用预设圆轮廓填充模板进行填充赋值时,将该中间二维点云数据作为中心点云数据,将该中心点云数据以及与依据预设圆轮廓填充模板大小确定的,中间二维点云图像中对应的中间二维点云数据进行代入。
示例性的,图5为本发明实施例二提供的一种预设圆轮廓填充模板的示例图,假设预设圆轮廓填充模板的形式如图5所示,为一个可覆盖11*11范围内点云数据的模板,假设预设圆轮廓填充模板遍历至的中心点云数据在中间二维点云图像中对应位置可表示为(i,j),则需将位于中间二维点云图像中第i-5列至第i+5列,和第j-5行至第j+5行范围内的中间二维点云数据代入至预设圆轮廓填充模板中。
S209、根据代入后的预设圆轮廓填充模板中不同分区中所有中间二维点云数据的和与预设像素阈值的大小关系,对预设圆轮廓填充模板中各中间二维点云数据进行更新。
其中,预设圆轮廓填充模板包括第一分区、第二分区、第三分区和第四分区;其中,第一分区与第四分区相对于中心点云数据对称设置,第二分区与第三分区相对于中心点云数据对称设置。
在本实施例中,预设像素阈值具体可理解为根据实际情况设置的,用于判断所属区域内是否为预设标靶中圆轮廓存在区域的像素值,其可根据具体情况适应性设置,本发明实施例对此不进行限制。
在本实施例中,第一分区、第二分区、第三分区和第四分区具体可理解为以中心点云数据所在点云行与点云列为分界线,将预设圆轮廓填充模板等分为四份后所对应的分区。可选的,第一分区可为中心点云数据对应的左上方向的分区,第二分区可为中心点云数据对应的右上方向的分区,第三分区可为中心点云数据对应的左下方向的分区,第四分区可为中心点云数据对应的右下方向的分区。接上述示例,也即第i-5至第i-1列,第j-1至第j-5行所包含区域可为预设圆轮廓填充模板中的第一分区;第i+1至第i+5列,第j-1至第j-5行所包含区域可为预设圆轮廓填充模板中的第二分区;第i-5至第i-1列,第j+1至第j+5行所包含区域可为预设圆轮廓填充模板中的第三分区;第i+5至第i+1列,第j+1至第j+5行所包含区域可为预设圆轮廓填充模板中的第四分区。
进一步地,根据代入后的预设圆轮廓填充模板中不同分区中所有中间二维点云数据的和与预设像素阈值的大小关系,对预设圆轮廓填充模板中各中间二维点云数据进行更新,具体可包括下述情况:
1)若第一分区内所有中间二维点云数据之和小于预设像素阈值,则将第四分区内所有中间二维点云数据,以及第二分区和第三分区中与中心点云数据距离最近的中间二维点云数据更新为第二预设数值。
具体的,若第一分区内的所有中间二维点云数据之和小于预设像素阈值,则可认为第一分区为激光雷达识别到预设标靶中圆所在位置,此时保持第一分区内各中间二维点云数据不变,并将第一分区相对于中心点云数据对称的第四分区中所有中间二维点云数据更新为第二预设数值,同时将第二分区和第三分区中与中心点云数据举例最近的中间二维点云数据更新为第二预设数值。
接上述示例,在第一分区内的所有中间二维点云数据之和小于预设像素阈值时,可将第i+5至第i+1列,第j+1至第j+5行所包含区域内所有中间二维点云数据更新为第二预设数值,并将位于(i-1,j+1)和(i+1,j-1)的中间二维点云数据更新为第二预设数值。
2)若第二分区内所有中间二维点云数据之和小于预设像素阈值,则将第三分区内所有中间二维点云数据,以及与中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值。
具体的,若第二分区内的所有中间二维点云数据之和小于预设像素阈值,则可认为第二分区为激光雷达识别到预设标靶中圆所在位置,此时保持第二分区内各中间二维点云数据不变,并将第二分区相对于中心点云数据对称的第三分区中所有中间二维点云数据更新为第二预设数值,同时将第一分区和第四分区中与中心点云数据举例最近的中间二维点云数据更新为第二预设数值。
接上述示例,在第二分区内的所有中间二维点云数据之和小于预设像素阈值时,可将第i-5至第i-1列,第j+1至第j+5行所包含区域内所有中间二维点云数据更新为第二预设数值,并将位于(i-1,j-1)和(i+1,j+1)的中间二维点云数据更新为第二预设数值。
3)若第三分区内所有中间二维点云数据之和小于预设像素阈值,则将第二分区内所有中间二维点云数据,以及与中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值。
具体的,若第三分区内的所有中间二维点云数据之和小于预设像素阈值,则可认为第三分区为激光雷达识别到预设标靶中圆所在位置,此时保持第三分区内各中间二维点云数据不变,并将第三分区相对于中心点云数据对称的第二分区中所有中间二维点云数据更新为第二预设数值,同时将第一分区和第四分区中与中心点云数据举例最近的中间二维点云数据更新为第二预设数值。
接上述示例,在第三分区内的所有中间二维点云数据之和小于预设像素阈值时,可将第i+1至第i+5列,第j-1至第j-5行所包含区域内所有中间二维点云数据更新为第二预设数值,并将位于(i-1,j-1)和(i+1,j+1)的中间二维点云数据更新为第二预设数值。
4)若第四分区内所有中间二维点云数据之和小于预设像素阈值,则将第一分区内所有中间二维点云数据,以及与中心点云数据对应的右上方向和左下方向的中间二维点云数据更新为第二预设数值。
具体的,若四分区内的所有中间二维点云数据之和小于预设像素阈值,则可认为第四分区为激光雷达识别到预设标靶中圆所在位置,此时保持第四分区内各中间二维点云数据不变,并将第四分区相对于中心点云数据对称的第一分区中所有中间二维点云数据更新为第二预设数值,同时将第二分区和第三分区中与中心点云数据举例最近的中间二维点云数据更新为第二预设数值。
接上述示例,在第四分区内的所有中间二维点云数据之和小于预设像素阈值时,可将第i-5至第i-1列,第j-1至第j-5行所包含区域内所有中间二维点云数据更新为第二预设数值,并将位于(i-1,j+1)和(i+1,j-1)的中间二维点云数据更新为第二预设数值。
S210、将各更新后的中间二维点云数据对应的点云图像确定为目标二维点云图像。
具体的,在所有中间二维点云数据均被更新后,则可认为由激光雷达采集的待处理二维点云图像在完成缺失点云行的填充赋值后,完成了依据圆轮廓边缘特性的点云数据填充,此时将各更新后的中间二维点云数据所构成的点云图像确定为目标二维点云图像,以便根据目标二维点云图像进行后续图像特征识别。
S211、对目标二维点云图像进行霍夫变换,确定至少一个目标圆轮廓。
具体的,对目标二维点云图像进行霍夫变换,进以对目标二维点云图像中的圆轮廓边界进行识别,提取至少一个圆轮廓,并将提取出的圆轮廓确定为目标圆轮廓。
S212、将各目标圆轮廓对应的圆心确定为激光雷达的标定点。
本实施例的技术方案,首先依据待处理二维点云图像中各待处理二维点云数据所对应点云行和点云列数据的情况,代入至预设行填充模板中对待处理二维点云图像进行遍历赋值,以对待处理二维点云图像中缺失的点云行进行一次填充,进而依据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值的方法,通过对预设圆轮廓填充模板进行分区,进而依据分区中各点云数据之和与预设像素阈值的大小关系对中间二维点云数据中各点云数据进行更新,使得更新后得到的目标二维点云图像更适于通过霍夫变换对圆轮廓进行识别,进而将根据目标二维点云图像识别得到的目标圆轮廓的圆心确定为激光雷达的标定点,提升了激光雷达标定点确定的准确性。
实施例三
图6为本发明实施例三提供的一种激光雷达标定点确定装置的结构示意图,该激光雷达标定点确定装置包括:待处理图像获取模块31,中间图像确定模块32,目标图像确定模块33和标定点确定模块34。
其中,待处理图像获取模块31,用于获取待处理二维点云图像,待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;中间图像确定模块32,用于根据预设行填充模板对待处理二维点云图像进行遍历赋值,确定中间二维点云图像;目标图像确定模块33,用于根据预设圆轮廓填充模板对中间二维点云图像进行遍历赋值,确定目标二维点云图像;标定点确定模块34,用于对目标二维点云图像进行霍夫变换,根据变换结果确定激光雷达的标定点;其中,预设标靶为包括圆轮廓的标靶。
本实施例的技术方案,在获取到待处理二维点云图像后,依次通过预设行填充模板和预设圆轮廓填充模板将待处理二维点云图像中缺失的点云行,与圆轮廓边沿特性相关的点云数据进行填充赋值,依据更新后确定的目标二维点云图像进行霍夫变换后的结果确定激光雷达的标定点,解决了激光雷达针对标靶采集数据过于稀疏,难以准确进行标定点确定的问题,使得赋值后的点云图像更加完整,霍夫变换后所得到的圆轮廓更加清晰,提升了激光雷达标定点确定的准确性。
进一步地,中间图像确定模块32,包括:
数据代入单元,用于遍历待处理二维点云图像中每一个待处理二维点云数据,以待处理二维点云数据为中心,将待处理二维点云数据对应的点云行数据及点云列数据代入预设行填充模板;
数据更新单元,用于若代入后的预设行填充模板中各点云行数据均为第一预设数值,且各点云列数据中存在至少一组与待处理二维点云数据对称、间隔至少一个点云列数据且值为第二预设数值的点云列数据,则将待处理二维点云数据更新为第二预设数值;否则,将待处理二维点云数据更新为第一预设数值;
中间图像确定单元,用于将各更新后的待处理二维点云数据对应的点云图像确定为中间二维点云图像。
进一步地,目标图像确定模块33,包括:
数据代入单元,用于遍历中间二维点云图像中每一个中间二维点云数据,以中间二维点云数据为中心点云数据,将中心点云数据对应的,与预设圆轮廓填充模板中点云数据量相同的中间二维点云数据代入预设圆轮廓填充模板;
数据更新单元,用于根据代入后的预设圆轮廓填充模板中不同分区中所有中间二维点云数据的和与预设像素阈值的大小关系,对预设圆轮廓填充模板中各中间二维点云数据进行更新;
目标图像确定单元,用于将各更新后的中间二维点云数据对应的点云图像确定为目标二维点云图像。
其中,预设圆轮廓填充模板包括第一分区、第二分区、第三分区和第四分区;其中,第一分区与第四分区相对于中心点云数据对称设置,第二分区与第三分区相对于中心点云数据对称设置。
进一步地,数据更新单元,具体用于:
若第一分区内所有中间二维点云数据之和小于预设像素阈值,则将第四分区内所有中间二维点云数据,以及第二分区和第三分区中与中心点云数据距离最近的中间二维点云数据更新为第二预设数值;
若第二分区内所有中间二维点云数据之和小于预设像素阈值,则将第三分区内所有中间二维点云数据,以及与中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值;
若第三分区内所有中间二维点云数据之和小于预设像素阈值,则将第二分区内所有中间二维点云数据,以及与中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值;
若第四分区内所有中间二维点云数据之和小于预设像素阈值,则将第一分区内所有中间二维点云数据,以及与中心点云数据对应的右上方向和左下方向的中间二维点云数据更新为第二预设数值。
进一步地,标定点确定模块34,包括:
圆轮廓确定单元,用于对目标二维点云图像进行霍夫变换,确定至少一个目标圆轮廓;
标定点确定单元,用于将各目标圆轮廓对应的圆心确定为激光雷达的标定点。
本发明实施例提供的激光雷达标定点确定装置可执行本发明任意实施例提供的激光雷达标定点确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图7为本发明实施例四提供的一种激光雷达标定点确定设备的结构示意图。激光雷达标定点确定设备70可为电子设备,旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,激光雷达标定点确定设备70包括至少一个处理器71,以及与至少一个处理器71通信连接的存储器,如只读存储器(ROM)72、随机访问存储器(RAM)73等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器71可以根据存储在只读存储器(ROM)72中的计算机程序或者从存储单元78加载到随机访问存储器(RAM)73中的计算机程序,来执行各种适当的动作和处理。在RAM 73中,还可存储激光雷达标定点确定设备70操作所需的各种程序和数据。处理器71、ROM 72以及RAM 73通过总线74彼此相连。输入/输出(I/O)接口75也连接至总线74。
激光雷达标定点确定设备70中的多个部件连接至I/O接口75,包括:输入单元76,例如键盘、鼠标等;输出单元77,例如各种类型的显示器、扬声器等;存储单元78,例如磁盘、光盘等;以及通信单元79,例如网卡、调制解调器、无线通信收发机等。通信单元79允许激光雷达标定点确定设备70通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器71可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器71的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器71执行上文所描述的各个方法和处理,例如激光雷达标定点确定方法。
在一些实施例中,激光雷达标定点确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元78。在一些实施例中,计算机程序的部分或者全部可以经由ROM 72和/或通信单元79而被载入和/或安装到激光雷达标定点确定设备70上。当计算机程序加载到RAM 73并由处理器71执行时,可以执行上文描述的激光雷达标定点确定方法的一个或多个步骤。备选地,在其他实施例中,处理器71可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行激光雷达标定点确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种激光雷达标定点确定方法,其特征在于,包括:
获取待处理二维点云图像,所述待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;
根据预设行填充模板对所述待处理二维点云图像进行遍历赋值,确定中间二维点云图像;
根据预设圆轮廓填充模板对所述中间二维点云图像进行遍历赋值,确定目标二维点云图像;
对所述目标二维点云图像进行霍夫变换,根据变换结果确定所述激光雷达的标定点;
其中,所述预设标靶为包括圆轮廓的标靶。
2.根据权利要求1所述的方法,其特征在于,所述根据预设行填充模板对所述待处理二维点云图像进行遍历赋值,确定中间二维点云图像,包括:
遍历所述待处理二维点云图像中每一个待处理二维点云数据,以所述待处理二维点云数据为中心,将所述待处理二维点云数据对应的点云行数据及点云列数据代入预设行填充模板;
若代入后的预设行填充模板中各点云行数据均为第一预设数值,且各点云列数据中存在至少一组与所述待处理二维点云数据对称、间隔至少一个点云列数据且值为第二预设数值的点云列数据,则将所述待处理二维点云数据更新为所述第二预设数值;否则,将所述待处理二维点云数据更新为所述第一预设数值;
将各更新后的待处理二维点云数据对应的点云图像确定为中间二维点云图像。
3.根据权利要求1所述的方法,其特征在于,所述根据预设圆轮廓填充模板对所述中间二维点云图像进行遍历赋值,确定目标二维点云图像,包括:
遍历所述中间二维点云图像中每一个中间二维点云数据,以所述中间二维点云数据为中心点云数据,将所述中心点云数据对应的,与所述预设圆轮廓填充模板中点云数据量相同的中间二维点云数据代入预设圆轮廓填充模板;
根据代入后的预设圆轮廓填充模板中不同分区中所有中间二维点云数据的和与预设像素阈值的大小关系,对所述预设圆轮廓填充模板中各中间二维点云数据进行更新;
将各更新后的中间二维点云数据对应的点云图像确定为目标二维点云图像。
4.根据权利要求3所述的方法,其特征在于,所述预设圆轮廓填充模板包括第一分区、第二分区、第三分区和第四分区;其中,所述第一分区与所述第四分区相对于所述中心点云数据对称设置,所述第二分区与所述第三分区相对于所述中心点云数据对称设置。
5.根据权利要求4所述的方法,其特征在于,所述根据代入后的预设圆轮廓填充模板中不同分区中所有点云数据的和与预设像素阈值的大小关系,对所述预设圆轮廓填充模板中各中间二维点云数据进行更新,包括:
若所述第一分区内所有中间二维点云数据之和小于预设像素阈值,则将所述第四分区内所有中间二维点云数据,以及所述第二分区和所述第三分区中与所述中心点云数据距离最近的中间二维点云数据更新为第二预设数值;
若所述第二分区内所有中间二维点云数据之和小于预设像素阈值,则将所述第三分区内所有中间二维点云数据,以及与所述中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值;
若所述第三分区内所有中间二维点云数据之和小于预设像素阈值,则将所述第二分区内所有中间二维点云数据,以及与所述中心点云数据对应的左上方向和右下方向的中间二维点云数据更新为第二预设数值;
若所述第四分区内所有中间二维点云数据之和小于预设像素阈值,则将所述第一分区内所有中间二维点云数据,以及与所述中心点云数据对应的右上方向和左下方向的中间二维点云数据更新为第二预设数值。
6.根据权利要求1所述的方法,其特征在于,所述对所述目标二维点云图像进行霍夫变换,根据变换结果确定所述激光雷达的标定点,包括:
对所述目标二维点云图像进行霍夫变换,确定至少一个目标圆轮廓;
将各所述目标圆轮廓对应的圆心确定为所述激光雷达的标定点。
7.一种激光雷达标定点确定装置,其特征在于,包括:
待处理图像获取模块,用于获取待处理二维点云图像,所述待处理二维点云图像为激光雷达针对预设标靶采集的点云图像;
中间图像确定模块,用于根据预设行填充模板对所述待处理二维点云图像进行遍历赋值,确定中间二维点云图像;
目标图像确定模块,用于根据预设圆轮廓填充模板对所述中间二维点云图像进行遍历赋值,确定目标二维点云图像;
标定点确定模块,用于对所述目标二维点云图像进行霍夫变换,根据变换结果确定所述激光雷达的标定点;
其中,所述预设标靶为包括圆轮廓的标靶。
8.根据权利要求7所述的激光雷达标定点确定装置,其特征在于,所述目标图像确定模块,包括:
数据代入单元,用于遍历所述中间二维点云图像中每一个中间二维点云数据,以所述中间二维点云数据为中心点云数据,将所述中心点云数据对应的,与所述预设圆轮廓填充模板中点云数据量相同的中间二维点云数据代入预设圆轮廓填充模板;
数据更新单元,用于根据代入后的预设圆轮廓填充模板中不同分区中所有中间二维点云数据的和与预设像素阈值的大小关系,对所述预设圆轮廓填充模板中各中间二维点云数据进行更新;
目标图像确定单元,用于将各更新后的中间二维点云数据对应的点云图像确定为目标二维点云图像。
9.一种激光雷达标定点确定设备,其特征在于,所述激光雷达标定点确定设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的激光雷达标定点确定方法。
10.一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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的激光雷达标定点确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612070.7A CN115032615A (zh) | 2022-05-31 | 2022-05-31 | 一种激光雷达标定点确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210612070.7A CN115032615A (zh) | 2022-05-31 | 2022-05-31 | 一种激光雷达标定点确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115032615A true CN115032615A (zh) | 2022-09-09 |
Family
ID=83123746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210612070.7A Pending CN115032615A (zh) | 2022-05-31 | 2022-05-31 | 一种激光雷达标定点确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032615A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060290695A1 (en) * | 2001-01-05 | 2006-12-28 | Salomie Ioan A | System and method to obtain surface structures of multi-dimensional objects, and to represent those surface structures for animation, transmission and display |
CN108278968A (zh) * | 2018-01-17 | 2018-07-13 | 北京建筑大学 | 一种车载扫描系统控制点检校方法 |
CN208765735U (zh) * | 2018-10-08 | 2019-04-19 | 深圳市鹰眼在线电子科技有限公司 | 校准设备 |
CN110400363A (zh) * | 2018-04-24 | 2019-11-01 | 北京京东尚科信息技术有限公司 | 基于激光点云的地图构建方法和装置 |
CN111710023A (zh) * | 2020-06-16 | 2020-09-25 | 武汉称象科技有限公司 | 一种三维点云数据特征点提取方法及应用 |
CN113359118A (zh) * | 2021-07-12 | 2021-09-07 | 广州小鹏自动驾驶科技有限公司 | 一种车载激光雷达标定方法、装置、车辆、存储介质 |
CN113513988A (zh) * | 2021-07-12 | 2021-10-19 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达标靶检测方法、装置、车辆、存储介质 |
CN113534110A (zh) * | 2021-06-24 | 2021-10-22 | 香港理工大学深圳研究院 | 一种多激光雷达系统静态标定方法 |
CN113592989A (zh) * | 2020-04-14 | 2021-11-02 | 广东博智林机器人有限公司 | 一种三维场景的重建系统、方法、设备及存储介质 |
CN113610765A (zh) * | 2021-07-12 | 2021-11-05 | 武汉特创科技有限公司 | 一种车辆轮廓检测方法、装置、电子设备和可读存储介质 |
CN114296056A (zh) * | 2021-12-02 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达外参标定方法、装置、设备及存储介质 |
CN114359386A (zh) * | 2021-12-31 | 2022-04-15 | 中国第一汽车股份有限公司 | 点云数据的处理方法、处理装置、存储介质及处理器 |
-
2022
- 2022-05-31 CN CN202210612070.7A patent/CN115032615A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060290695A1 (en) * | 2001-01-05 | 2006-12-28 | Salomie Ioan A | System and method to obtain surface structures of multi-dimensional objects, and to represent those surface structures for animation, transmission and display |
CN108278968A (zh) * | 2018-01-17 | 2018-07-13 | 北京建筑大学 | 一种车载扫描系统控制点检校方法 |
CN110400363A (zh) * | 2018-04-24 | 2019-11-01 | 北京京东尚科信息技术有限公司 | 基于激光点云的地图构建方法和装置 |
CN208765735U (zh) * | 2018-10-08 | 2019-04-19 | 深圳市鹰眼在线电子科技有限公司 | 校准设备 |
CN113592989A (zh) * | 2020-04-14 | 2021-11-02 | 广东博智林机器人有限公司 | 一种三维场景的重建系统、方法、设备及存储介质 |
CN111710023A (zh) * | 2020-06-16 | 2020-09-25 | 武汉称象科技有限公司 | 一种三维点云数据特征点提取方法及应用 |
CN113534110A (zh) * | 2021-06-24 | 2021-10-22 | 香港理工大学深圳研究院 | 一种多激光雷达系统静态标定方法 |
CN113359118A (zh) * | 2021-07-12 | 2021-09-07 | 广州小鹏自动驾驶科技有限公司 | 一种车载激光雷达标定方法、装置、车辆、存储介质 |
CN113513988A (zh) * | 2021-07-12 | 2021-10-19 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达标靶检测方法、装置、车辆、存储介质 |
CN113610765A (zh) * | 2021-07-12 | 2021-11-05 | 武汉特创科技有限公司 | 一种车辆轮廓检测方法、装置、电子设备和可读存储介质 |
CN114296056A (zh) * | 2021-12-02 | 2022-04-08 | 广州小鹏自动驾驶科技有限公司 | 一种激光雷达外参标定方法、装置、设备及存储介质 |
CN114359386A (zh) * | 2021-12-31 | 2022-04-15 | 中国第一汽车股份有限公司 | 点云数据的处理方法、处理装置、存储介质及处理器 |
Non-Patent Citations (3)
Title |
---|
DO-HYEONG KIM ET AL.: "Efficient Calibration Method of Multiple LiDARs on Autonomous Vehicle Platform", 《2020 IEEE INTERNATIONAL CONFERENCE ON BIG DATA AND SMART COMPUTING (BIGCOMP)》, 20 April 2020 (2020-04-20) * |
赵霞;袁家政;刘宏哲;: "基于视觉的目标定位技术的研究进展", 计算机科学, no. 06, 15 June 2016 (2016-06-15) * |
黄小云;高峰;徐国艳;丁能根;邢龙龙;: "基于单幅立式标靶图像的单目深度信息提取", 北京航空航天大学学报, vol. 41, no. 04, 30 April 2015 (2015-04-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN112526470A (zh) | 标定雷达参数的方法和装置、电子设备、存储介质 | |
CN113436233A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN115656989A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN115457152A (zh) | 外参标定方法、装置、电子设备及存储介质 | |
CN113326796B (zh) | 物体检测方法、模型训练方法、装置及电子设备 | |
CN114299242A (zh) | 高精地图中图像处理方法、装置、设备以及存储介质 | |
CN115830268A (zh) | 用于优化感知算法的数据的获取方法、装置和存储介质 | |
CN116300946A (zh) | 一种自动装载机的路径规划方法、装置、设备及介质 | |
CN115032615A (zh) | 一种激光雷达标定点确定方法、装置、设备及存储介质 | |
CN114910892A (zh) | 一种激光雷达的标定方法、装置、电子设备及存储介质 | |
CN115761698A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN115511999A (zh) | 一种测线的分段方法、装置、设备及介质 | |
CN114842305A (zh) | 深度预测模型训练方法、深度预测方法及相关装置 | |
CN115147395A (zh) | 一种脂蛋白亚型组分划分方法、装置、设备及存储介质 | |
US20230142243A1 (en) | Device environment identification method and apparatus, electronic device, and autonomous vehicle | |
CN114049615B (zh) | 行驶环境中交通对象融合关联方法、装置及边缘计算设备 | |
CN116642503A (zh) | 一种似然地图更新方法、装置、设备及存储介质 | |
CN114694138A (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN115468570A (zh) | 高精地图地面要素的提取方法、装置、设备及存储介质 | |
CN117629182A (zh) | 一种定位方法、装置、设备及存储介质 | |
CN115984176A (zh) | 高精地图环境变更检测方法、装置、设备及自动驾驶车辆 | |
CN117690181A (zh) | 虹膜图像的处理方法、装置、电子设备及存储介质 | |
CN113689444A (zh) | 建筑物点云单体分割方法及装置 | |
CN116343024A (zh) | 山体林地数据提取方法、装置、电子设备及可读存储介质 |
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 |