CN116547562A - 点云滤噪方法、系统和可移动平台 - Google Patents
点云滤噪方法、系统和可移动平台 Download PDFInfo
- Publication number
- CN116547562A CN116547562A CN202180079745.XA CN202180079745A CN116547562A CN 116547562 A CN116547562 A CN 116547562A CN 202180079745 A CN202180079745 A CN 202180079745A CN 116547562 A CN116547562 A CN 116547562A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- points
- cloud data
- noise
- 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
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
-
- 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
- G01S7/483—Details of pulse systems
- G01S7/486—Receivers
- G01S7/487—Extracting wanted echo signals, e.g. pulse detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
Abstract
一种点云滤噪方法、系统和可移动平台,点云滤噪方法包括:获取待处理的点云数据;对点云数据进行特征提取,将满足预设特征的点云点标记为第一目标点;根据点云数据的聚集度标记点云数据中的第二目标点;将第一目标点和第二目标点的重合部分判定为真实测量点,将真实测量点之外的至少部分点云数据确定为噪点。该方法使用特征提取和聚集度结合的方式进行噪点筛选,既能够有效地保留真实被测物的信息,又能够对噪点进行识别。
Description
说明书
本发明实施例涉及测距技术领域,并且更具体地,涉及一种点云滤噪方法、系统和可移动平台。
诸如激光雷达在内的三维点云探测系统、激光测距仪等激光测距装置可以通过测量测距装置和被测物之间光传播的时间,即光飞行时间(Time-of-Flight,TOF),来探测被测物到测距装置的距离。
现有的激光测距装置大部分存在近处测量精度下降的问题,尤其是对于低反射率物体,其测量结果通常在深度上存在较大不确定性,从而产生大量近处噪点;而在使用激光测距装置的具体应用中,存在大量非常关注近处测量的情况,如室内机器人、无人配送小车等,近处的噪点极大地影响系统运行,可能造成机器人或小车急停、卡顿、无法脱困等情况。而针对这种情况,亦不可采用近距离点云完全滤除的方法,否则容易出现障碍物漏检,从而造成更大的安全风险。
发明内容
在发明内容部分中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
针对现有技术的不足,本发明实施例第一方面提供了一种点云滤噪方法,包括:
获取待处理的点云数据;
对所述点云数据进行特征提取,将满足预设特征的点云点标记为第一目标点;
根据所述点云数据的聚集度标记所述点云数据中的第二目标点;
将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
本发明实施例第二方面提供了一种点云滤噪系统,包括存储器和处理器,所述存储器,用于存储程序指令;所述处理器用于执行所述存储器存储的程序指令,当所述程序指令被执行时,所述处理器用于:
获取待处理的点云数据;
对所述点云数据进行特征提取,将满足预设特征的点云点确定为第一目标点;
根据所述点云数据的聚集度确定所述点云数据中的第二目标点;
将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
本发明实施例第三方面提供一种可移动平台,包括:
可移动平台本体;
以及,如上所述的点云滤噪系统,所述点云滤噪系统搭载在所述可移动平台本体上。
本发明实施例第四方面提供一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的点云滤噪方法。
本发明实施例的点云滤噪方法、系统和可移动平台使用特征提取和聚集度结合的方式进行噪点筛选,既能够有效地保留真实被测物的信息,又能够对噪点进行识别。
为了更清楚地说明本发明实施例的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种点云滤噪方法的示意性流程图;
图2是本发明实施例的点云滤噪方法中噪点的示意图;
图3是本发明实施例的点云滤噪方法中噪点和非噪点的对比图;
图4是本发明实施例的点云滤噪方法中平面点和边缘点的示意图;
图5是本发明一个实施例的第二目标点和非第二目标点的示意图;
图6是本发明另一个实施例的第二目标点和非第二目标点的示意图;
图7是本发明一个实施例的真实测量点和噪点的示意图;
图8是根据本发明实施例的点云滤噪系统的示意性框图。
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
应当理解的是,本发明能够以不同形式实施,而不应当解释为局限于这里提出的实施例。相反地,提供这些实施例将使公开彻底和完全,并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时,单数形式的“一”、“一个”和“所述/该”也意图包括复数形式,除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”,当在该说明书中使用时,确定所述特征、整数、步骤、操作、元件和/或部件的存在,但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时,术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明,将在下列的描述中提出详细的结构,以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下,然而除了这些详细描述外,本发明还可以具有其他实施方式。
激光测距装置是一种主动探测仪器,在其对周围环境进行探测时,由激光发射模块发射激光脉冲,该激光脉冲在传播路径上遇到被测物时会产生激光回波信号,该激光回波信号由激光测距装置的接收模块所探测,并由激光回波信号计算得到被测物的三维空间位置。由于激光脉冲在激光测距装置的内部也会发生反射,例如经由窗口玻璃发生反射等,从而产生内部反射光T0;而对于距离激光测距装置非常近的被测物,被测物产生的目标反射光T1会由于距离T0过近而使得二者难以区分,尤其是当该被测物为低反射率材质或光滑镜面等情况时,该问题变得更加严重,从而造成深度测量不准的情况,进而在点云数据中产生噪点。
针对这一问题,激光测距装置通常从底层信号的角度进行优化,期望能够有效区分T0和T1。然而,由于底层信息有限,若T0与T1回波的波形完全融合,则无法对其进行有效区分。
再者,由于远处的被测物产生的激光回波信号大概率为小信号,基于激光回波信号的大小或者脉宽等信息的滤除策略极易将远处探测到的真实被测物的点云误判为噪点。由于在信号层面可用的信息太少,滤除噪点的同时也极易滤除近处小被测物产生的激光回波信号。
针对以上问题,本发明实施例提出了一种点云滤噪方法,基于上层信息进行点云滤噪。图1示出了根据本申请实施例的点云滤噪方法100的示意性流程图。如图1所示,点云滤噪方法100包括以下步骤:
在步骤S110,获取待处理的点云数据;
在步骤S120,对所述点云数据进行特征提取,将满足预设特征的点云点标记为第一目标点;
在步骤S130,根据所述点云数据的聚集度标记所述点云数据中的第二目标点;
在步骤S140,将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
本发明实施例的点云滤噪方法100基于点云上层信息,使用特征提取和聚集度比较相结合的方式进行噪点筛选,既能够有效地保留真实被测物的信息,又能够对噪点进行识别。
具体地,在步骤S110中,待处理的点云数据为激光测距装置对其周围环 境进行探测所得到的三维点云数据。点云数据中包括点云点的坐标信息,还可以包括点云点的反射率信息。
其中,激光测距装置可以是激光雷达、激光测距设备等电子设备。在一种实施方式中,激光测距装置用于感测外部环境信息,例如,环境目标的距离信息、方位信息、反射强度信息、速度信息等。激光测距装置可以通过测量激光测距装置和被测物之间光传播的时间,即光飞行时间(Time-of-Flight,TOF),来探测被测物到激光测距装置的距离。
激光测距装置可以包括发射电路、接收电路、采样电路和运算电路。发射电路可以发射激光脉冲序列。接收电路可以接收经过被被测物反射的光脉冲序列,并对该光脉冲序列进行光电转换,以得到电信号,再对电信号进行处理之后可以输出给采样电路。采样电路可以对电信号进行采样,以获取采样结果。运算电路可以基于采样电路的采样结果,以确定激光测距装置与被被测物之间的距离。可选地,该激光测距装置还可以包括控制电路,该控制电路可以实现对其他电路的控制,例如,可以控制各个电路的工作时间和/或对各个电路进行参数设置等。激光测距装置还可以包括扫描模块,用于将发射电路出射的至少一路激光脉冲序列改变传播方向出射。
激光测距装置可以采用同轴光路,也即激光测距装置出射的光束和经反射回来的光束在激光测距装置内共用至少部分光路。例如,发射电路出射的至少一路激光脉冲序列经扫描模块改变传播方向出射后,经被测物反射回来的激光脉冲序列经过扫描模块后入射至接收电路。
示例性地,激光测距装置包括测距模块,测距模块包括发射器(可以包括上述的发射电路)、准直元件、探测器(可以包括上述的接收电路、采样电路和运算电路)和光路改变元件。测距模块用于发射光束,且接收回光,将回光转换为电信号。其中,发射器可以用于发射光脉冲序列。在一个实施例中,发射器可以发射激光脉冲序列。可选的,发射器发射出的激光束为波长在可见光范围之外的窄带宽光束。准直元件设置于发射器的出射光路上,用于准直从发射器发出的光束,将发射器发出的光束准直为平行光出射至扫描模块。准直元件还用于会聚经被测物反射的回光的至少一部分。该准直元件可以是准直透镜或者是其他能够准直光束的元件。
示例性地,可以通过光路改变元件来将测距装置内的发射光路和接收光 路在准直元件之前合并,使得发射光路和接收光路可以共用同一个准直元件,使得光路更加紧凑。发射器和探测器也可以分别使用各自的准直元件,将光路改变元件设置在准直元件之后的光路上。光路改变元件可以偏离准直元件的光轴,也可以位于准直元件的光轴上。
激光测距装置还包括扫描模块,放置于测距模块的出射光路上,用于改变经准直元件出射的准直光束的传输方向并投射至外界环境,并将回光投射至准直元件。回光经准直元件汇聚到探测器上。扫描模块可以包括至少一个光学元件,用于改变光束的传播路径,其中,该光学元件可以通过对光束进行反射、折射、衍射等等方式来改变光束传播路径。扫描模块中的各光学元件旋转可以将光投射至不同的方向,如此对激光测距装置周围的空间进行扫描。当扫描模块内的光学元件的速度变化时,扫描图案也会随之变化。
当扫描模块投射出的光打到被测物时,一部分光被被测物沿与投射的光相反的方向反射至激光测距装置。被测物反射的回光经过扫描模块后入射至准直元件。探测器与发射器放置于准直元件的同一侧,探测器用于将穿过准直元件的至少部分回光转换为电信号。
进一步地,可以确定激光脉冲接收时间,例如,通过探测电信号脉冲的上升沿时间和/或下降沿时间确定激光脉冲接收时间。如此,激光测距装置可以利用脉冲接收时间信息和脉冲发出时间信息计算光飞行时间(Time-of-Flight,TOF),从而确定被测物到激光测距装置的距离,并生成点云数据。
由于使用同轴光路,除了被测物反射的回光脉冲信号以外,激光测距装置自身的光学器件(包括透镜、反射镜、棱镜、窗口玻璃等)也会反射激光脉冲信号,最终也可以由接收电路接收到。当被测物距离激光测距装置较近时,内部反射光和目标反射光会由于过于接近而出现脉冲融合,融合信号会影响对目标反射光的接收时刻的鉴别,从而在点云数据中产生噪点。本发明实施例能够解决噪点与真正的近处被测物的点云的区分问题,在保证滤除噪点的同时,对真正的近处被测物的点云进行保留,避免出现障碍物漏检而引发更大的安全问题。
在一些实施例中,获取激光测距装置采集的初始点云数据后,从初始点云数据中筛选出预设深度范围内的点云数据,以得到待处理的点云数据,即 待处理的点云数据是原始点云数据中的预设深度范围内的点云数据。由于本发明实施例主要针对近处被测物的点云与噪点的区分,例如,当噪点是由于信号融合现象而产生的噪点时,由于信号融合仅发生在预设深度范围内,因此首先从点云数据中提取预设深度范围内的点云数据以进行后续的滤噪处理,在预设深度范围以外的点云数据可以应用其他滤噪方法进行滤噪处理,本发明实施例对此不做限制。
在一些实施例中,还可以对初始点云数据进行其他预处理,例如,去除测量范围以外的点云点,以及对初始点云数据进行初步的滤噪等。
在实际应用场景中,黑车材质为典型易产生噪点的材质,图2示出了黑车的噪点表现,如图2所示,噪点201主要有以下几个特点:
噪点仍呈锥形分布,其投影图案仍为设计状,即噪点产生的原因主要是深度估计不准,而角度估计正常;其次,被测物的表面返回的回光脉冲信号在时域上呈现连续的梯度特性,即在时域连续的一条线上,每相邻两个点云点之间的距离相等;而噪点在时域连续的一条线上并不呈现连续的梯度特性,而是几乎无规律的变化。
为了区分噪点与近处被测物产生的点云,对各类近处被测物产生的点云进行分析,得出其存在以下特点:首先,近处被测物的点云形态虽然可能存在畸变,但仍保留了一定的形态特性;其次,由于近处被测物是在近处遮挡激光测距装置出射的激光脉冲信号,因而对应于被测物的点云中的点云点十分密集。
因此,本发明实施例基于以上特征对待处理的点云数据进行滤噪处理。本发明实施例的点云滤噪方法100针对的噪点不限于上述的黑车噪点,还包括阳光噪点或其他形式的噪点。
具体地,首先在步骤S120,对点云数据进行特征提取,将满足预设特征的点云点标记为第一目标点。对点云数据进行特征提取即从点云数据中提取出具有某种特殊性的特征点。由于被测物产生的点云具有一定的形态特性,而噪点具有不规律性,对被测物的点云进行特征提取可以得到一定的特征点,而对噪点进行特征提取则无法得到特征点。因此,对点云数据进行特征提取可以得到体现被测物形态的点云点,即第一目标点。
在一个实施例中,考虑到被测物可能存在多种不同形状,满足预设特征 的点云点可以包括满足平面点特征的点云点以及满足边缘点特征的点云点,即平面点和边缘点。对于各种不同形状的被测物,通常都能够在其点云中提取出平面点和边缘点,并且平面点和边缘点能够体现被测物的形态,将这部分点云点作为第一目标点予以保留有利于对被测物进行后续的识别。
对于平面点和边缘点来说,示例性地,平面点的提取可以采用滑窗法来实现。具体地,首先以一定的滑窗大小从点云数据中按照时序获取预定数目的一组点云点,并判断所获取的一组点云点是否满足以下条件:该组点云点的空间分布近似为一条直线,并且该组点云点以中间点为中心时近似中心对称。示例性地,可以采用主成分分析方法确定所获取的一组点云点是否满足上述条件。
若当前滑窗内的一组点云点满足上述条件,则将该组点云点确定为平面点候选点。之后,滑窗向后移动,从而获取同等数目下一组点云点以进行判断,下一组点云点至少包括上一组点云点中的一个点云点。滑窗遍历所有点云点,并提取所有满足第一预设条件的平面点候选点以后,则可以在平面点候选点之中确定最终平面点提取结果。
边缘点的提取可以基于平面点的提取结果来进行。例如,可以将两个平面的交界线上的点确定为边缘点、将孤立平面边缘上的点确定为边缘点,以及将其他细小物体边缘上的点确定为边缘点等。
需要说明的是,以上的特征点类型和特征点提取方法仅作为示例,本发明实施例中所提取的第一目标点不限于点云数据中的边缘点和平面点,也可以包括具有其他特征的点云点;特征提取方式也不限于上述的特征提取方式,例如,可以采用聚类方法、基于模型匹配的方法、基于神经网络的方法等任意合适的特征点提取方法。
参照图3和图4,其中,图3示出了针对黑车采集的点云数据。图3中左侧部分为对应于黑车的点云301,右侧部分为噪点302,在对应于黑车的点云301中能够提取出大量的特征点,而在噪点302中则几乎提取不到特征点。图4示出了针对近处小障碍物采集的点云数据,在图4的点云数据中同样能够提取出大量的特征点。由此可见,采用特征提取的方法提取到的特征点基本属于被测物产生的点云点。在提取特征点时,可以采用相对严格的特征提取方法,即在步骤S120中不要求提取到被测物产生的全部点云点,但需要使得提 取到的特征点中不包含噪点。
在步骤S130,根据点云数据的聚集度标记点云数据中的第二目标点。考虑被测物的点云的空间连续性,对应于被测物的点云聚集度较高,而噪点的聚集度较低,例如,假设一束1度×1度的出射光照射到被测物的表面上,由于反射光来自同一平面,并且角度变化很小,因而所得到的点云的深度变化很小。而噪点由于具有无规则型,因而不同噪点之间深度变化非常剧烈。因此,可以基于这一特性,根据点云数据的聚集度对被测物的点云与噪点进行分辨。其中,聚集度表示一定范围内点云点的空间变化程度,进一步地,聚集度可以是深度聚集度,表示一定范围内点云点的深度变化程度。
在一个实施例中,在根据点云数据的聚集度标记第二目标点时,可以将点云数据投影到目标平面上,根据点云数据的投影计算点云数据的聚集度,进而根据聚集度确定第二目标点。其中,目标平面可以包括激光测距装置的成像平面,即垂直于深度方向的平面。当目标平面垂直于深度方向时,可以基于点云数据的深度信息计算点云数据的聚集度。
具体地,根据点云数据的投影计算点云数据的聚集度包括:将目标平面划分为多个网格,分别计算不同网格内的点云点的聚集度。若某个网格内点云点的聚集度较小,说明空间变化幅度较小,因而可以将聚集度不高于第一预设阈值的点云点标记为第二目标点。当目标平面为激光测距装置的成像平面时,目标平面中的一个网格对应于角度域的一个出射锥体,网格内点云点的聚集度可以根据网格内点云点的深度进行计算。
在一个实施例中,每个网格内点云点的聚集度包括但不限于该网格内多个点云点的深度的方差;除方差以外,也可以采用其他能够体现点云点之间深度差异的参数计算聚集度。
由于例如激光雷达的激光测距装置具有依照特定扫描模式连续高频扫描的特点,按照特定的轨迹对周围场景进行连续扫描,因此每个点云点带有明显的时序和位置信息,任一时间窗口内的点映射到扫描轨迹上都会形成连续的线段。如上所述,在时序上连续的一条线上,被测物产生的点云点之间的深度呈现连续的梯度变化,而噪点呈现的是无规律的变化。因此,被测物产生的点云点的深度的方差较小,而噪点的方差较大。因此,若网格内所有点云点的深度的方差不高于第一预设阈值,可以将该网格内的点云点均标记为 第二目标点;反之,若网格内所有点云点的深度的方差高于第一预设阈值,可以将该网格内的点云点均标记为噪点。
示例性地,第一预设阈值可以与激光测距装置的扫描角速度相关,扫描角速度越大,时序上相邻的两个点云点之间的深度值变化越大,因而可以选择较大的第一预设阈值。
此外,由于不同应用场景中被测物的类型不同,第一预设阈值阈值还可以根据应用场景进行选择。第一预设阈值阈值还可以根据所针对的噪点类型进行选择。例如,由于融合信号产生的噪点深度较小,滤除阳光噪点以及雨雾、灰尘等自然场景噪点深度较大,因而当用于滤除融合信号产生的噪点时可以采用较小的第一预设阈值,当用于自然场景噪点时可以采用较大的第一预设阈值。
示例性地,还可以根据点云数据的预设深度范围调整第一预设阈值。由于投影到目标平面的每个网格中点云点的数目与待处理的点云数据的深度范围有关,预先选择的深度范围越大,范围内的点云数据越多,因而投影到目标平面的每个网格中点云点的数目越多,因此可以适当增加第一预设阈值。在一些实施例中,还可以将点云数据的预设深度范围划分为多个深度区间,分别对每个深度区间设定第一预设阈值,并分别对每个深度区间内的点云数据提取第二目标点。
在一些实施例中,第一预设阈值可以是基于理论计算或实验测试得到的固定值。在其他实施例中,第一预设阈值也可以浮动值。例如,可以结合相邻的多个网格内的方差确定第一预设阈值。在一些实施例中,由于视场不同区域的点云点密度不同,因而对应于激光测距视场不同区域的网格可以采用不同的第一预设阈值。
在一些实施例中,网格的划分密度是根据激光测距装置的角分辨率确定的。示例性地,网格的划分与激光测距装置的角分辨率有关,例如,可以使每个网格占据一个像素,从而能够以像素为单位进行滤噪。在一些实施例中,对应于激光测距视场不同区域的网格可以具有不同的尺寸。
除了投影到二维平面上计算聚集度以外,在其他实施例中,也可以在三维空间中划分网格,并以三维空间中的网格为单位计算聚集度,三维空间内聚集度的可以采用类似于上述二维平面的方法进行计算。
参照图5、图6,其中图5示出了黑车场景下的第二目标点501和非第二目标点502,图6示出了近处小障碍物的第二目标点601和非第二目标点602。通过步骤S130同样可以对噪点和真实测量点进行一定程度的区分。
在步骤S140,将第一目标点和第二目标点的重合部分判定为真实测量点,将真实测量点之外的至少部分点云数据确定为噪点。示例性地,可以将步骤S120中提取的第一目标点设置标记flag1,对步骤S130中提取的第二目标点设置标记flag2,将同时具有flag1和flag2标记的点云点判定为真实测量点,即对应于真实被测物的点云点,其他的至少部分点云点判定为噪点。参照图7,其中示出了最终提取出的真实测量点701和噪点702。
通过步骤S120的基于特征提取的辨别方式和步骤S130的基于聚集度的辨别方式,均能对噪点进行一定程度的识别,对近处被测物的点云也能有一定的保留。若单独采用步骤S120或步骤S130的方式进行滤噪,则为了滤除所有噪点,被测物的点云也将变得极其稀少,从而有可能引发被测物的漏检。因此,本发明实施例将两种辨别方式相互结合,仅将既属于第一目标点、又属于第二目标点的点云点判定为真实测量点,滤噪效果更加稳定,且能够保留被测物的点云。
在一些实施例中,点云滤噪方法100还包括:将真实测量点中的孤立点确定为噪点。其中,孤立点为邻域内相邻点的数目小于第二预设阈值的点云点。由于真实测量点的空间连续性,孤立点通常为噪点,将真实测量点中的孤立点确定为噪点可以进一步滤除上述滤噪过程中未能识别到的噪点,提高降噪效果。
其中,识别孤立点的过程可以在三维点云中进行。具体地,可以统计点云空间中被判定为真实测量点的点云点在邻域内的相邻点云点的数目,并将相邻点云点的数目少于第二预设阈值的真实测量点判断为噪点,并添加噪点标记或去除噪点。
其中,三维空间中原始点云点的邻域可以是以当前点云点为中心的预定半径的球形三维空间区域,所述半径的大小可以根据实际需要进行设置。在一个实施例中,所有点云点可以采用相同的邻域半径和相邻点的阈值。在另一个实施例中,由于对距离较近的物体采集到的点云较为稠密,而对距离较远的物体采集到的点云较为稀疏,因而更容易被判断为噪声点,因而对于距 离较远的点云可以适用于较大的半径或较小的阈值。
对于通过上述方法确定为噪点的点云点可以按照下述方法进行处理:在一个实施例中,当确定所述当前点云点为噪点时,将当前点云点滤除。在另一个示例中,对确定为噪点的点云点添加噪点标记,上层算法可以对添加有噪点标记的点云点与真实测量点进行区别化处理。
综上所述,针对激光测距装置在实际应用产生的噪点,在面对底层信号无法区分的噪点时,本发明实施例的点云滤噪方法结合特征提取和聚集度比较两种方式进行滤噪,既能够有效保留真实的被测物信息,又能够分辨出噪点,极大地提升了激光测距装置的可应用范围,例如,在物流小车的使用场景或城市道路场景中,本发明实施例的点云滤噪方法能够避免车辆系统由于将噪点误检为障碍物而陷入卡顿、卡停等情况,同时在遇到真实障碍物时能够对障碍物点进行有效识别,避免由于漏检而出现安全风险。
下面,参考图8对本发明一个实施例的点云滤噪系统800进行描述,其中,前述点云滤噪方法100的特征可以结合到本实施例中。点云滤噪系统800可以实现为计算机、服务器或车载终端等电子设备。点云滤噪系统800可以应用于可移动平台。具有点云滤噪系统800的可移动平台可以对外部环境进行测量,例如,测量移动平台与障碍物的距离用于避障等用途,和对外部环境进行二维或三维的测绘。在某些实施方式中,可移动平台包括无人驾驶车辆或安装有高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)的车辆。可移动平台还可以包括无人飞行器、机器人、船、相机中的至少一种。
点云滤噪系统800包括一个或多个处理器810,以及一个或多个存储器820,一个或多个处理器810共同地或单独地工作。可选地,点云滤噪系统800还可以包括输入装置(未示出)、输出装置(未示出)以及图像传感器(未示出)中的至少一个,这些组件通过总线系统和/或其它形式的连接机构(未示出)互连。
存储器820用于存储处理器可执行的程序指令,例如用于存储用于实现根据本发明实施例的点云滤噪方法的相应步骤和程序指令。可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如 可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
输入装置可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。输出装置可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个,输出装置可以用于用于将滤噪后的点云输出为图像或视频。
通信接口(未示出)用于与其他设备之间进行通信,包括有线或者无线方式的通信。激光测距装置可以接入基于通信标准的无线网络,如WiFi、2G、3G、8G、5G或它们的组合。在一个示例性实施例中,通信接口经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信接口还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
处理器810可以是中央处理单元(CPU)、图像处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制点云滤噪系统中的其它组件以执行期望的功能。处理器810能够执行存储器中存储的指令,以执行本文描述的本发明实施例的点云滤噪方法。例如,处理器能够包括一个或多个嵌入式处理器、处理器核心、微型处理器、逻辑电路、硬件有限状态机(FSM)、数字信号处理器(DSP)或它们的组合。在本实施例中,所述处理器包括现场可编程门阵列(FPGA),其中,测距装置的运算电路可以是现场可编程门阵列(FPGA)的一部分。
具体地,当存储器820存储的程序指令被处理器810执行时,处理器810用于:
获取待处理的点云数据;
对所述点云数据进行特征提取,将满足预设特征的点云点确定为第一目标点;
根据所述点云数据的聚集度确定所述点云数据中的第二目标点;
将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
在一个实施例中,所述获取待处理的点云数据之前还包括:从初始点云数据中筛选出预设深度范围内的点云数据。
在一个实施例中,所述满足预设特征的点云点包括满足平面点特征的点云点,以及满足边缘点特征的点云点。
在一个实施例中,所述根据所述点云数据的聚集度标记所述点云数据中的第二目标点,包括:将所述点云数据投影到目标平面上;根据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点。
在一个实施例中,所述目标平面包括用于采集所述点云数据的测距装置的成像平面。
在一个实施例中,所述根据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点,包括:将所述目标平面划分为多个网格,分别计算不同网格内的点云点的聚集度;将聚集度不高于第一预设阈值的点云点标记为所述第二目标点。
在一个实施例中,所述聚集度包括所述网格内多个点云点的深度的方差。
在一个实施例中,所述处理器还用于根据所述点云数据的深度范围调整所述第一预设阈值。
在一个实施例中,所述网格的划分密度是根据所述激光测距装置的角分辨率确定的。
在一个实施例中,当所述程序指令被执行时,所述处理器还用于:滤除所述真实测量点中的孤立点,所述孤立点为邻域内相邻点的数目小于第二预设阈值的点云点。
在一个实施例中,所述处理器还用于:滤除所述噪点,或对所述噪点添加噪点标记。
本发明实施例的点云滤噪系统使用特征提取和聚集度结合的方式进行噪点筛选,既能够有效地保留真实被测物的信息,又能够对噪点进行识别。
本发明实施例还提供了一种可移动平台,包括可移动平台本体以及如上所述的点云滤噪系统800,点云滤噪系统800搭载在可移动平台本体上。可移动平台还包括激光测距装置,例如激光雷达,激光测距装置与点云滤噪系统800通信连接,点云滤噪系统800用于对激光测距装置采集的点云数据进行滤 噪。
在某些实施方式中,可移动平台包括无人飞行器、汽车、遥控车、机器人、相机、云台中的至少一种。当可移动平台为无人飞行器时,可移动平台本体为无人飞行器的机身。当可移动平台为汽车时,可移动平台本体为汽车的车身。该汽车可以是自动驾驶汽车或者半自动驾驶汽车,在此不做限制。当可移动平台为遥控车时,可移动平台本体为遥控车的车身。当可移动平台为机器人时,可移动平台本体为机器人。当可移动平台为相机时,可移动平台本体为相机本身。当可移动平台为云台时,可移动平台本体为云台本体。
由于可移动平台采用了根据本发明实施例的点云滤噪系统,因而也具备了上文所述的优点。
另外,本发明实施例还提供了一种计算机存储介质,其上存储有计算机程序。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器可以运行存储器存储的所述程序指令,以实现本文所述的本发明实施例中(由处理器实现)的功能以及/或者其它期望的功能,例如以执行根据本发明实施例的点云滤噪方法的相应步骤,在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
例如,所述计算机存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。例如一个计算机可读存储介质包含用于对点云的反射率进行调整的程序代码等。
由于计算机存储介质存储的计算机程序指令用于实现本发明实施例的点云滤噪方法,因而也具备了上文所述的优点。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其他任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、 或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如数字视频光盘(digital video disc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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。例如,以上所描述的设备实施例仅仅是示意性的,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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中 所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (24)
- 一种点云滤噪方法,其特征在于,所述方法包括:获取待处理的点云数据;对所述点云数据进行特征提取,将满足预设特征的点云点标记为第一目标点;根据所述点云数据的聚集度标记所述点云数据中的第二目标点;将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
- 根据权利要求1所述的方法,其特征在于,所述获取待处理的点云数据之前还包括:从初始点云数据中筛选出预设深度范围内的点云数据。
- 根据权利要求1或2所述的方法,其特征在于,所述满足预设特征的点云点包括满足平面点特征的点云点以及满足边缘点特征的点云点。
- 根据权利要求1或2所述的方法,其特征在于,所述根据所述点云数据的聚集度标记所述点云数据中的第二目标点,包括:将所述点云数据投影到目标平面上;根据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点。
- 根据权利要求4所述的方法,其特征在于,所述目标平面包括采集所述点云数据的激光测距装置的成像平面。
- 根据权利要求4或5所述的方法,其特征在于,所述根据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点,包括:将所述目标平面划分为多个网格,分别计算不同网格内的点云点的聚集度;将聚集度不高于第一预设阈值的点云点标记为所述第二目标点。
- 根据权利要求6所述的方法,其特征在于,所述聚集度包括所述网格内多个点云点的深度的方差。
- 根据权利要求6所述的方法,其特征在于,还包括:根据所述点云数据的深度范围调整所述第一预设阈值。
- 根据权利要求6所述的方法,其特征在于,所述网格的划分密度是根据所述激光测距装置的角分辨率确定的。
- 根据权利要求1-9中任一项所述的方法,其特征在于,还包括:将所述真实测量点中的孤立点确定为噪点,所述孤立点为邻域内相邻点的数目小于第二预设阈值的点云点。
- 根据权利要求1-10中任一项所述的方法,其特征在于,还包括:滤除所述噪点,或对所述噪点添加噪点标记。
- 一种点云滤噪系统,其特征在于,包括存储器和处理器,所述存储器,用于存储程序指令;所述处理器用于执行所述存储器存储的程序指令,当所述程序指令被执行时,所述处理器用于:获取待处理的点云数据;对所述点云数据进行特征提取,将满足预设特征的点云点确定为第一目标点;根据所述点云数据的聚集度确定所述点云数据中的第二目标点;将所述第一目标点和所述第二目标点的重合部分判定为真实测量点,将所述真实测量点之外的至少部分点云数据确定为噪点。
- 根据权利要求12所述的点云滤噪系统,其特征在于,所述获取待处理的点云数据之前还包括:从初始点云数据中筛选出预设深度范围内的点云数据。
- 根据权利要求12或13所述的点云滤噪系统,其特征在于,所述满足预设特征的点云点包括满足平面点特征的点云点,以及满足边缘点特征的点云点。
- 根据权利要求12或13所述的点云滤噪系统,其特征在于,所述根据所述点云数据的聚集度标记所述点云数据中的第二目标点,包括:将所述点云数据投影到目标平面上;根据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点。
- 根据权利要求15所述的点云滤噪系统,其特征在于,所述目标平面包括采集所述点云数据的激光测距装置的成像平面。
- 根据权利要求15或16所述的点云滤噪系统,其特征在于,所述根 据所述点云数据的投影计算所述点云数据的聚集度,并根据所述聚集度确定所述第二目标点,包括:将所述目标平面划分为多个网格,分别计算不同网格内的点云点的聚集度;将聚集度不高于第一预设阈值的点云点标记为所述第二目标点。
- 根据权利要求17所述的点云滤噪系统,其特征在于,所述聚集度包括所述网格内多个点云点的深度的方差。
- 根据权利要求17所述的点云滤噪系统,其特征在于,所述处理器还用于根据所述点云数据的深度范围调整所述第一预设阈值。
- 根据权利要求17所述的点云滤噪系统,其特征在于,所述网格的划分密度是根据所述激光测距装置的角分辨率确定的。
- 根据权利要求12-20中任一项所述的点云滤噪系统,其特征在于,当所述程序指令被执行时,所述处理器还用于:滤除所述真实测量点中的孤立点,所述孤立点为邻域内相邻点的数目小于第二预设阈值的点云点。
- 根据权利要求12-21中任一项所述的点云滤噪系统,其特征在于,所述处理器还用于:滤除所述噪点,或对所述噪点添加噪点标记。
- 一种可移动平台,其特征在于,包括:可移动平台本体;以及,如权利要求12至22中任一项所述的点云滤噪系统,所述点云滤噪系统搭载在所述可移动平台本体上。
- 一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至11中任一项所述的点云滤噪方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/083286 WO2022198637A1 (zh) | 2021-03-26 | 2021-03-26 | 点云滤噪方法、系统和可移动平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116547562A true CN116547562A (zh) | 2023-08-04 |
Family
ID=83396283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180079745.XA Pending CN116547562A (zh) | 2021-03-26 | 2021-03-26 | 点云滤噪方法、系统和可移动平台 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116547562A (zh) |
WO (1) | WO2022198637A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115469292B (zh) * | 2022-11-01 | 2023-03-24 | 天津卡尔狗科技有限公司 | 环境感知方法、装置、电子设备和存储介质 |
CN116012613B (zh) * | 2023-01-04 | 2024-01-16 | 北京数字绿土科技股份有限公司 | 一种基于激光点云的露天矿的土方量变化测算方法和系统 |
CN117494549A (zh) * | 2023-10-12 | 2024-02-02 | 青岛市勘察测绘研究院 | 一种三维地理信息系统的信息仿真展示方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8885925B2 (en) * | 2013-03-12 | 2014-11-11 | Harris Corporation | Method for 3D object identification and pose detection using phase congruency and fractal analysis |
CN106548520A (zh) * | 2016-11-16 | 2017-03-29 | 湖南拓视觉信息技术有限公司 | 一种点云数据去噪的方法和系统 |
WO2019133922A1 (en) * | 2017-12-29 | 2019-07-04 | Flir Systems, Inc. | Point cloud denoising systems and methods |
CN110031823B (zh) * | 2019-04-22 | 2020-03-24 | 上海禾赛光电科技有限公司 | 可用于激光雷达的噪点识别方法以及激光雷达系统 |
WO2020215252A1 (zh) * | 2019-04-24 | 2020-10-29 | 深圳市大疆创新科技有限公司 | 测距装置点云滤噪的方法、测距装置和移动平台 |
WO2021051281A1 (zh) * | 2019-09-17 | 2021-03-25 | 深圳市大疆创新科技有限公司 | 点云滤噪的方法、测距装置、系统、存储介质和移动平台 |
-
2021
- 2021-03-26 WO PCT/CN2021/083286 patent/WO2022198637A1/zh active Application Filing
- 2021-03-26 CN CN202180079745.XA patent/CN116547562A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022198637A1 (zh) | 2022-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3063552B1 (en) | Method and apparatus for road width estimation | |
CN116547562A (zh) | 点云滤噪方法、系统和可移动平台 | |
KR101829556B1 (ko) | 객체 움직임의 라이더 기반 분류 기법 | |
CN112513679B (zh) | 一种目标识别的方法和装置 | |
CN110865393A (zh) | 基于激光雷达的定位方法及系统、存储介质和处理器 | |
US20170294026A1 (en) | Method and apparatus for generating road surface, method and apparatus for processing point cloud data, computer program, and computer readable recording medium | |
EP4296721A2 (en) | Generating 3-dimensional maps of a scene using passive and active measurements | |
CN111753609B (zh) | 一种目标识别的方法、装置及摄像机 | |
WO2020243962A1 (zh) | 物体检测方法、电子设备和可移动平台 | |
CN110782465B (zh) | 一种基于激光雷达的地面分割方法、装置及存储介质 | |
CN114270410A (zh) | 移动物体的点云融合方法、系统及计算机存储介质 | |
CN114080625A (zh) | 绝对位姿确定方法、电子设备及可移动平台 | |
CN109993192A (zh) | 目标对象识别方法及装置、电子设备、存储介质 | |
US20210018611A1 (en) | Object detection system and method | |
JP6919764B2 (ja) | レーダ画像処理装置、レーダ画像処理方法、および、プログラム | |
KR102060286B1 (ko) | 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치 | |
CN117751301A (zh) | 处理激光雷达点云的方法、装置、设备及存储介质 | |
CN114026461A (zh) | 构建点云帧的方法、目标检测方法、测距装置、可移动平台和存储介质 | |
CN115643809A (zh) | 点云探测系统的信号处理方法和点云探测系统 | |
WO2022083529A1 (zh) | 一种数据处理方法及装置 | |
CN115131756A (zh) | 一种目标检测方法及装置 | |
CN114675295A (zh) | 一种障碍物判定的方法、装置、设备及存储介质 | |
KR20220128787A (ko) | 라이다 센서를 이용한 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체 | |
Godfrey et al. | Evaluation of Flash LiDAR in Adverse Weather Conditions towards Active Road Vehicle Safety | |
Huang et al. | An efficient multi-threshold selection method for lane detection based on lidar |
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 |