CN116630553A - 点云数据处理方法、装置、设备和程序产品 - Google Patents
点云数据处理方法、装置、设备和程序产品 Download PDFInfo
- Publication number
- CN116630553A CN116630553A CN202310287555.8A CN202310287555A CN116630553A CN 116630553 A CN116630553 A CN 116630553A CN 202310287555 A CN202310287555 A CN 202310287555A CN 116630553 A CN116630553 A CN 116630553A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- road
- cloud data
- road surface
- segment
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 12
- 230000002829 reductive effect Effects 0.000 abstract description 10
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开涉及点云数据处理方法、装置、设备和程序产品。该方法包括:获取目标道路对应的原始点云数据;基于设定的路段长度值,至少沿轨迹数据的行进方向将原始点云数据划分为点云段;基于点云段包括的点云数据,确定点云段对应的路段的路段面;基于路段的路段面,生成目标道路对应的路面;基于原始点云数据中的点到路面的水平距离,对原始点云数据进行过滤处理,生成目标道路对应的道路点云数据。如此,既可以剔除原始点云数据中包含的道路无关信息,降低其对道路元素识别的干扰和点云数据的数据处理量,又可以避免交通元素点云的误剔除,提高道路元素点云的完整性,从而提高点云数据的处理效率和后续高精地图生产的准确性。
Description
技术领域
本公开涉及高精地图技术领域,尤其涉及一种点云数据处理方法、装置、设备和程序产品。
背景技术
目前,生产高精地图的资料数据包括点云数据,点云数据是采集车在道路上行驶时通过采集车上搭载的激光雷达对道路环境进行扫描得到的。在采集过程中,由于激光雷达的扫描范围较大,采集到的点云数据中往往包含道路范围外的树木、建筑物等与道路信息无关的点云数据。此类数据的出现,一方面,使得采集到的点云数据的处理耗时长、存储成本高,降低了高精地图的生产效率;另一方面,由于树木的树干与交通标志杆形状相似,易对交通标志杆的识别造成影响,降低了高精地图的准确性。
发明内容
为了解决上述采集的点云数据因含道路无关信息而导致高精地图的生产效率和准确性较低的技术问题,本公开提供了一种点云数据处理方法、装置、设备和程序产品。
第一方面,本公开实施例提供了一种点云数据处理方法,包括:
获取目标道路对应的原始点云数据;
基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段;所述轨迹数据是在所述目标道路上采集所述原始点云数据时生成的轨迹数据;
基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面;所述路段对应所述目标道路中的一段;
基于所述路段的路段面,生成所述目标道路对应的路面;
基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据。
第二方面,本公开实施例还提供了一种点云数据处理装置,包括:
原始点云数据获取模块,用于获取目标道路对应的原始点云数据;
点云段划分模块,用于基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段;所述轨迹数据是在所述目标道路上采集所述原始点云数据时生成的轨迹数据;
路段面确定模块,用于基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面;所述路段对应所述目标道路中的一段;
路面生成模块,用于基于所述路段的路段面,生成所述目标道路对应的路面;
点云过滤模块,用于基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据。
第三方面,本公开实施例还提供了一种电子设备,包括:
存储器和处理器,所述存储器用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现本公开任意实施例所提供的所述点云数据处理方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本公开任意实施例所提供的所述点云数据处理方法。
第五方面,本公开实施例还提供了一种计算机程序产品,所述计算机程序产品用于执行本公开任意实施例所提供的所述点云数据处理方法。
本公开实施例提供的点云数据处理方法、装置、设备和程序产品,可以对目标道路中的一个个路段的点云段进行路面拟合,并利用得到的各路段面来构建目标道路的整体的路面,再根据点与路面之间的水平距离对原始点云数据进行过滤处理,得到目标道路的道路点云数据;一方面,通过点与路面之间的水平距离进行点云过滤处理,简化了过滤逻辑,并且可以剔除原始点云数据中包含的树木、建筑物等道路无关信息,从而降低了点云数据的数据量和存储成本,且减少了道路无关信息的干扰,进而提高了点云数据的处理效率和后续高精地图生产的准确性;另一方面,利用整体的路面进行点云过滤,避免了将处于某个路段面的范围之外、但处于其他路段面的范围之内的交通元素的点云进行错误剔除,提高了道路元素点云的完整性,尤其确保了匝道、高架、盘桥等道路交叉场景中的道路元素点云的完整性,从而进一步提高了基于点云的高精地图自动化构建的效率和准确性。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例提供的一种点云数据处理方法的流程示意图;
图2为本公开实施例提供的一种基于局部拟合路面进行点云数据处理的结果示意图;
图3为图1示出的点云数据处理方法中S130的细化流程示意图;
图4为图1示出的点云数据处理方法中S150的细化流程示意图;
图5为本公开实施例提供的一种基于整体拟合路面进行点云数据处理的结果示意图;
图6为本公开实施例提供的一种点云数据处理装置的结构示意图;
图7为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
利用激光雷达等传感器所采集的原始点云数据进行高精地图生成的过程中,鉴于原始点云数据中包含道路周边的树木、建筑物等道路无关元素的点云,可以对原始点云数据进行过滤处理,以减少点云数据处理量和道路无关元素的干扰。
相关技术中,一种点云过滤方案是根据点云反射率进行路面点云的提取,但是因道路范围外的水泥、建筑物等的反射率与路面的反射率接近,使得该点云过滤方案不能尽可能多地过滤无关点云;另一种点云过滤方案是将距离采集车的行驶轨迹一定距离范围之外的点云进行剔除,但是因采集车所行驶的车道和当前道路宽度均存在不确定性,使得该方案的点云过滤准确度较低;又一种点云过滤方案是采用基于深度学习的点云语义分割的方法,但是该方案对计算资源的消耗较大,且处理速度较慢,会降低高精地图的生产效率。
基于上述情况,本公开实施例提供了一种点云数据处理方法,以将整条道路对应的原始点云数据,按照设定的路段长度值,划分为多个路段的点云段,并对点云段包括的点云数据进行局部的路面生成处理,得到点云段对应的路段的路段面;然后,将各路段面进行拼接和重建,得到整条道路的路面,并根据该整体的路面进行点云过滤,既可以剔除原始点云数据中包含的树木、建筑物等道路无关信息,降低其对道路元素识别的干扰和点云数据的数据处理量,又可以避免匝道、高架、盘桥等交叉道路场景中交通元素点云的误剔除,提高道路元素点云的完整性,从而提高点云数据的处理效率以及后续高精地图生产的效率与准确性。
图1为本公开实施例提供的一种点云数据处理方法的流程示意图,其可以适用于对包含道路元素在内的点云数据进行过滤的情形,例如可以适用于高精地图生成过程中对原始点云数据进行过滤等预处理的场景。该点云数据处理方法可以由点云数据处理装置执行,该装置可以采用软件和/或硬件实现,并可集成在具有一定的计算能力的电子设备上,例如可以是客户端或服务端所在的电子设备。该电子设备例如可以是激光雷达等点云数据采集设备,与点云数据采集设备通信连接的智能手机、笔记本电脑、移动工作站、车载终端等移动终端设备,与点云数据采集设备或车载终端通信连接的台式电脑、服务器等。
如图1所示,本公开实施例提供的点云数据处理方法可以包括:
S110、获取目标道路对应的原始点云数据。
其中,目标道路为待进行点云数据处理的道路。原始点云数据为采集车在目标道路上行驶时通过采集车上搭载的点云数据采集设备(如激光雷达)对道路环境进行扫描而得到的、未经过过滤处理的点云数据。
具体地,电子设备可以从点云数据采集设备中获取目标道路的原始点云数据,或者从本地/云端的存储介质中读取得到目标道路的原始点云数据。该原始点云数据将用于高精地图自动化构建,所以需要先对原始点云数据进行过滤处理,以滤除其中包含的、与道路元素无关的冗余点云,如道路外围的树木、建筑物等的点云。这里的道路元素是指构成道路的各地图元素,其至少可以包含路面、路面上的标识元素和路面边缘的交通元素等。该标识元素例如可以是车道线标识、行驶方向标识等,该交通元素例如可以是交通标牌、路灯、信号灯、防护栏等。
S120、基于设定的路段长度值,至少沿轨迹数据的行进方向将原始点云数据划分为点云段。
其中,路段长度值是预先设定的一个长度值,其用于将一条较长的道路划分为至少一个长度较短的、内部近似呈现为平面的路段。路段长度值可以根据点云数据采集设备的可视范围确定,和/或,路段长度值可以根据某一方向上路面的坡度变化量小于设定的某一角度值时对应的道路长度确定。例如,在采集车的行进方向上,30米内的路面认为坡度没有明显变化,则可将路段长度值设置为30米。轨迹数据是采集车在目标道路上采集原始点云数据时生成的轨迹数据。点云段是指沿某一方向(如采集车的行进方向或者行进方向的垂直方向等)的一段道路对应的点云数据。
具体地,本公开实施例中采用的点云过滤思路是将距离目标道路的路面的边缘一定范围之外的点云进行剔除。所以,电子设备可以先从原始点云数据中提取出目标道路的路面。但是,在目标道路的延伸长度较长时,道路区域内可能存在一些地形起伏,使得道路对应的面状区域为高低起伏的曲面,其不利于快速且准确地从原始点云数据中提取路面。基于此,考虑到局部范围内的路面基本可以视作平面的几何特征,本公开实施例中可以按照设定的路段长度值,至少在轨迹数据的行进方向上,将目标道路的原始点云数据划分为一个或多个局部的路段的点云段,每个点云段所覆盖的路段的路面(称为路段面)可近似呈现为一个平面。
在一些实施例中,S120包括:沿轨迹数据的行进方向,按照预设重叠度,分别从原始点云数据中提取轨迹数据的轨迹长度达到路段长度值的点云数据,作为各点云段。
其中,行进方向是指采集车向前行驶的方向,其对应于道路的纵向延伸方向。预设重叠度是指预先设置的相邻点云段之间的重叠度,其可以是重叠百分比,也可以是重叠长度值。
具体地,原始点云数据是在采集车行进过程中采集所得,故其呈现为与采集车行进方向一致的条带状点云集合。基于此,电子设备可以根据采集车行驶轨迹(如一系列卫星定位点)确定出采集车的轨迹数据的行进方向。然后,沿着该行进方向,按照预设重叠度,每次判断间隔的轨迹长度达到路段长度值时,便对原始点云数据进行分割,可得到行进方向上的多个点云段,且这些点云段之间具有一定的重叠部分。这样不仅可以避免相邻点云段交接处的同一交通元素被切割而遗漏,提高点云处理效率,而且可以为后续多个路段面的拼接提供相同控制点,提高拼接效率和准确性。
在另一些实施例中,S120包括:沿行进方向和行进方向的垂直方向,按照预设重叠度和路段长度值,对原始点云数据进行栅格划分,得到各点云段。
具体地,可以在轨迹数据的行进方向和行进方向的垂直方向上对原始点云数据进行栅格式的区域划分。行进方向及其垂直方向上的路段长度值可根据对应方向上的路面坡度变化情况来确定。这样,便可按照预设重叠度和两个方向上的路段长度值,将原始点云数据对应的区域划分为多个块状子区域。然后,可将每个块状子区域对应的局部的点云数据作为一个点云段,这些点云段在相邻区域中也存在重叠部分。
S130、基于点云段包括的点云数据,确定点云段对应的路段的路段面。
其中,路段对应目标道路中的一段。路段面是路段的实际表面的面状表征,其不包含道路周边的交通元素。路段面可以是平面,也可以是具有一定的起伏度的曲面。
具体地,电子设备对每个点云段包含的点云数据进行相同的路面拟合处理,得到对应点云段的路段面。
在一些实施例中,S130包括:对点云数据进行三维平面拟合,生成路段的路段面。
具体地,根据上述说明,点云段所覆盖的路面具有近似平面的几何特征,所以电子设备可以直接对点云段包含的点云数据进行三维的平面拟合,所得的拟合结果可作为该点云段的路段面。
在另一些实施例中,考虑到点云段中包含噪声点云,电子设备可以先对点云段中包含的点云数据进行去噪处理,再对去噪后的点云数据进行平面拟合或曲面拟合,得到更加准确的路段面。该些实施例的详细阐述可见后续实施例的说明。
S140、基于路段的路段面,生成目标道路对应的路面。
其中,路面是指整条目标道路的实际表面的面状表征。
具体地,实际的目标道路中可能存在匝道、盘桥、高架等交叉道路结构,这些交叉道路结构会使得目标道路中的部分路段有重叠区域。如果直接按照局部路段的路段面的边缘外扩一定距离(称为水平距离阈值)的范围进行点云过滤,很可能将重叠区域中包含的交通元素点云误剔除,即将处于某个路段的路段面的水平距离阈值范围之外、但处于其他路段的路段面的水平距离阈值范围之内的交通元素点云进行错误剔除。
例如,参见图2,常规路段210和高架路段220之间存在交叉关系,使得常规路段210和高架路段220之间存在重叠区域。如果先对常规路段210按照水平距离阈值230进行点云过滤,那么其会将高架路段220的边缘到其水平距离阈值230范围内的交通元素点云也剔除,如图2中黑色填充区域所示。这样就会减少采集到的道路元素点云,降低道路元素点云的完整性,从而降低后续根据该道路元素点云构建的高精地图的精度。
基于上述说明,本公开实施例中未直接根据局部的路段的路段面进行点云过滤,而是先将各路段的路段面进行拼接与路面重建,生成原始点云数据对应的整体的路面,即得到目标道路的路面。例如,电子设备可直接对各路段面进行基于面状区域的拼接,得到整体的路面;再如,电子设备可先从各路段面中得到各个点,再对这些点进行路面生成处理,得到整体的路面。
后续过程中便以该路面为过滤基准进行整个目标道路的原始点云数据的过滤处理,以避免上述道路元素点云误剔除的问题,确保目标道路的道路元素点云的完整性。
S150、基于原始点云数据中的点到目标道路的路面的水平距离,对原始点云数据进行过滤处理,生成目标道路对应的道路点云数据。
具体地,电子设备将原始点云数据中的全部点或者目标道路的路面之外的部分点确定为待进行过滤处理的点(即待处理点),并计算待处理点到目标道路的路面的边缘之间的水平距离。如果水平距离处于水平距离阈值范围内,则保留相应待处理点;如果水平距离处于水平距离阈值范围之外,则剔除相应待处理点。经过这样的过滤处理之后,原始点云数据中剩余的点云便是目标道路的道路点云数据。
在一些实施例中,参见图3,可以对点云段中包含的点云数据进行去噪处理,以剔除无关点,从而降低路段面的生成复杂度,且提高路段面的准确性。
如图3所示,为图1示出的点云数据处理方法中S130的细化流程示意图。参见图3,S130“基于点云段包括的点云数据,确定点云段对应的路段的路段面”可针对每个点云段执行S321~S323:
S321、对点云数据进行三维平面拟合,生成路段的平面。
具体地,基于点云段覆盖的路段的路面呈现近似平面的几何特征,电子设备可以利用诸如三元一次平面方程的预设平面方程,对点云段包括的点云数据中的各点进行三维平面拟合,得到该点云段对应的路段的平面。或者,电子设备也可以采用诸如随机抽样一致(RANdom SAmple Consensus,RANSAC)算法或霍夫(Hough)变换算法,对点云段包括的点云数据中的各点进行三维平面拟合,确定出经过点云数据中的点数目最多的三维平面,作为该点云段对应的路段的平面。
S322、基于路段的平面,从点云段包括的点云数据中筛选处于路段的路面区域的路面点云。
具体地,鉴于点云段覆盖的路段的路面只是近似平面而非完全平面的特性,电子设备可以在确定路段的平面后,继续从点云段中提取属于路段的路面区域的点。这样,电子设备以上述平面为基础,以点云段对应的路段的路面区域为约束,对点云段包括的点云数据进行筛选,得到处于路面的路面区域中的各个点,作为路面点云。
在一些实施例中,S322包括:确定点云数据中各点到平面的垂直距离;若垂直距离小于垂直距离阈值,则将垂直距离对应的点确定为路面点云。
具体地,基于上述路段面近似平面的几何特效可知,路段面中的点与该路段面对应的平面之间的距离比较小。如此,可以预设一个数值较小的距离值(即垂直距离阈值)。然后,计算点云段包括的点云数据中的点到该路段的平面之间的垂直距离。如果某个点对应的垂直距离小于垂直距离阈值,则该点属于路段的路面区域;反之,该点不属于路面区域。经过上述过滤处理,可将属于路段的路面区域的各点确定为该路段的路面点云。
在另一些实施例中,S322包括:从点云数据中提取处于平面上的平面点云;基于平面点云,从点云数据中筛选路面点云。
具体地,电子设备从点云段包括的点云数据中提取处于路段的平面上的点,作为平面点云。然后,以平面点云作为种子点,借鉴诸如膨胀算法、分裂合并算法等基于种子点的图像分割算法,从点云段包括的点云数据中得到属于路段的路面区域的点,即路面点云。
示例性地,上述“基于平面点云,从点云数据中筛选路面点云”包括:在路段的范围内,对平面点云进行三维区域生长处理,得到路段的路面区域;将点云数据中处于路面区域内的点确定为路面点云。
具体地,电子设备可以路段范围为边界,对平面点云进行三维区域生长处理,得到路段的路面区域。然后,从点云段包括的点云数据中提取处于该路面区域内的点,得到路段的路面点云,以排除掉处于路段的路面范围之外的离群点。这样可以避免经验设置距离值所引入的人为误差,可在一定程度上进一步提高道路范围提取的精度。
S323、基于路面点云,生成路段的路段面。
具体地,电子设备可以对上述得到的路面点云进行诸如曲面拟合、三角化等曲面生成处理,得到点云段对应的路段的路段面。
在一些实施例中,S323包括:对路面点云进行三维曲面拟合,生成路段的路段面。在该些实施例中,电子设备可以直接对路面点云进行三维曲面的拟合处理,所得到的拟合曲面作为路段的路段面。
在另一些实施例中,S323包括:对路面点云进行三角化处理,生成路段的路段面。
具体地,为了更加精确地表征道路区域的地形起伏以及上述区域生长处理所引入的地形起伏,电子设备可以采用诸如网格前沿算法(Advancing Front Method,又称启发式的网格生成算法)、基于Delaunay准则的网格生成算法等三角网格生成算法对路面点云进行三角化处理,生成该点云段对应的路段的三角网格路面表示,即该路段的路段面。
可选地,在上述实施例的基础上,图1示出的点云数据处理方法中S140“基于路段的路段面,生成目标道路对应的路面”可包括:对各路段的路段面进行三角网格拼接和网格重构,生成路面。
具体地,电子设备可以采用网格重构Remeshing算法,对上述以三角网格表征的各路段面进行三角网格的拼接和重建,生成契合目标道路的道路长度的完整的路面。如此,经过网格重构处理,可进一步提高目标道路的路面的准确性。
在一些实施例中,如图4所示,提供了在从点云段包括的点云数据中筛选出对应路段的路面点云的情况下,图1示出的点云数据处理方法中S150的细化流程示意图。参见图4,S150“基于原始点云数据中的点到路面的水平距离,对原始点云数据进行过滤处理,生成目标道路对应的道路点云数据”,包括:
S451、将原始点云数据中除点云段对应的路面点云之外的点,确定为待处理点。
具体地,根据上述说明,目标道路的路面是利用各路段的路面点云重构来表征的,而路面点云均是对应的点云段包括的点云数据中的点,那么构成路面的点均属于原始点云数据中的点。这些点因已经属于目标道路的路面区域而无需再参与点云过滤处理。所以,电子设备可以从原始点云数据中提取除了上述各路面点云之外的点,作为待处理点。这些待处理点是需要继续进行点云过滤处理的点。
通过待处理点的提取,可以进一步减少点云过滤的数据处理量,从而进一步提高点云过滤的处理效率。
S452、基于待处理点到路面的水平距离,对待处理点进行过滤处理。
具体地,电子设备可计算各待处理点到目标道路的路面的边缘的水平距离,并判断该水平距离是否处于水平距离阈值的范围内,由此来对各待处理点进行是否剔除的过滤处理。
示例性地,S452包括:将待处理点向预设范围内的路面进行投影,生成投影点;确定投影点到路面的边缘的水平距离;基于水平距离和水平距离阈值,对待处理点进行过滤处理。
其中,预设范围是预先设定的投影距离范围,其可以是各投影距离中的最小值。水平距离阈值是预先设定的一个水平距离的值。示例性地,水平距离阈值基于交通元素在道路周边的设立位置确定。例如,可对多条不同类型的道路上的交通元素设置位置与道路边缘之间的距离进行统计,所得统计值便可作为水平距离阈值;再如,可根据交通元素设立所依据的标准文件中的规定值,确定水平距离阈值。
具体地,对于某个待处理点,电子设备先将待处理点向其预设范围内的路面进行投影,得到对应的投影点。
在一示例中,可以将待处理点投影至距离最近的路段对应的路面,得到该待处理点投影后的点,即投影点。例如,对于图2所示的待处理点240,其距离常规路段210最近,那么可将待处理点240投影至常规路段210对应的路面,而非高架路段220对应的路面。这样可以防止待处理点被距离较远的路段的路面错误划分为道路范围之外的点而误剔除,从而可以进一步提升道路元素点云的完整性。
然后,电子设备计算投影点到路面的边缘的水平距离。之后,电子设备将该水平距离与水平距离阈值进行比较。如果水平距离大于或等于水平距离阈值,那么可将该待处理点剔除。如果水平距离小于水平距离阈值,那么保留该待处理点。
按照上述过程对每个待处理点进行过滤处理,可剔除一些待处理点,也可以保留一些待处理点。
S453、将过滤后剩余的待处理点和路面点云,确定为道路点云数据。
具体地,将上述过滤处理后保留下来的各待处理点和各路段对应的路面点云进行合并,便可得到道路点云数据。
在一些实施例中,在路段面和路面由对应的点云数据进行三维平面拟合或三维曲面拟合而得到的情况下,S150“基于原始点云数据中的点到路面的水平距离,对原始点云数据进行过滤处理,生成目标道路对应的道路点云数据”,包括:从原始点云数据中提取处于路面之外的点,作为待处理点;基于待处理点到路面的水平距离,对待处理点进行过滤处理;将过滤后剩余的待处理点和原始点云数据中处于路面内的点,确定为道路点云数据。
具体地,该些实施例中,电子设备以目标道路的路面为点云分割依据,将原始点云数据分割为处于目标道路的路面内的点和处于目标道路的路面外的点,并将原始点云数据中处于目标道路的路面外的点作为待处理点。然后,对每个待处理点执行上述实施例所说明的过滤处理,得到过滤后剩余的待处理点。最后,将过滤后剩余的待处理点和原始点云数据中处于目标道路的路面内的点进行合并,得到道路点云数据。
参见图5,对于图2所示的常规路段和高架路段的交叉道路结构,电子设备经过上述处理后,可得到包含常规路段510和高架路段520的整体的路面。然后,以距离路面的边缘的水平距离阈值530处进行点云过滤范围划分,可得到点云滤除区域540(以点状填充示意)。电子设备可将原始点云数据所包含的、投影点处于点云滤除区域540中的待处理点予以剔除,便可得到过滤完成的道路点云数据。
图6为本公开实施例提供的一种点云数据处理装置的结构示意图。如图6所示,本公开实施例提供的点云数据处理装置600可以包括:
原始点云数据获取模块610,用于获取目标道路对应的原始点云数据;
点云段划分模块620,用于基于设定的路段长度值,至少沿轨迹数据的行进方向将原始点云数据划分为点云段;轨迹数据是在目标道路上采集原始点云数据时生成的轨迹数据;
路段面确定模块630,用于基于点云段包括的点云数据,确定点云段对应的路段的路段面;路段对应目标道路中的一段;
路面生成模块640,用于基于路段的路段面,生成目标道路对应的路面;
点云过滤模块650,用于基于原始点云数据中的点到路面的水平距离,对原始点云数据进行过滤处理,生成目标道路对应的道路点云数据。
在一些实施例中,路段面确定模块630具体用于:
对点云数据进行三维平面拟合,生成路段的路段面。
在另一些实施例中,路段面确定模块630包括:
平面生成子模块,用于对点云数据进行三维平面拟合,生成路段的平面;
路面点云筛选子模块,用于基于平面,从点云数据中筛选处于路段的路面区域的路面点云;
路段面生成子模块,用于基于路面点云,生成路段的路段面。
在一些实施例中,路面点云筛选子模块具体用于:
确定点云数据中各点到平面的垂直距离;
若垂直距离小于垂直距离阈值,则将垂直距离对应的点确定为路面点云。
在另一些实施例中,路面点云筛选子模块具体用于:
从点云数据中提取处于平面上的平面点云;
基于平面点云,从点云数据中筛选路面点云。
进一步地,路面点云筛选子模块具体用于:
在路段的范围内,对平面点云进行三维区域生长处理,得到路段的路面区域;
将点云数据中处于路面区域内的点确定为路面点云。
在一些实施例中,路段面生成子模块具体用于:
对路面点云进行三角化处理,生成路段的路段面。
进一步地,路面生成模块640具体用于:
对各路段的路段面进行三角网格拼接和网格重构,生成路面。
在另一些实施例中,路段面生成子模块具体用于:
对路面点云进行三维曲面拟合,生成路段的路段面。
在一些实施例中,点云过滤模块650包括:
待处理点确定子模块,用于将原始点云数据中除点云段对应的路面点云之外的点,确定为待处理点;
待处理点过滤子模块,用于基于待处理点到路面的水平距离,对待处理点进行过滤处理;
道路点云数据确定子模块,用于将过滤后剩余的待处理点和路面点云,确定为道路点云数据。
在另一些实施例中,点云过滤模块650包括:
待处理点确定子模块,用于从原始点云数据中提取处于路面之外的点,作为待处理点;
待处理点过滤子模块,用于基于待处理点到路面的水平距离,对待处理点进行过滤处理;
道路点云数据确定子模块,用于将过滤后剩余的待处理点和原始点云数据中处于路面内的点,确定为道路点云数据。
进一步地,待处理点过滤子模块具体用于:
将待处理点向预设范围内的路面进行投影,生成投影点;
确定投影点到路面的边缘的水平距离;
基于水平距离和水平距离阈值,对待处理点进行过滤处理。
在一些实施例中,点云段划分模块620具体用于:
沿行进方向,按照预设重叠度,分别从原始点云数据中提取轨迹数据的轨迹长度达到路段长度值的点云数据,作为各点云段。
在另一些实施例中,点云段划分模块620具体用于:
沿行进方向和行进方向的垂直方向,按照预设重叠度和路段长度值,对原始点云数据进行栅格划分,得到各点云段。
本公开实施例所提供的点云数据处理装置可执行本公开任意实施例所提供的点云数据处理方法,具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
图7为本公开实施例提供的一种电子设备的结构示意图,用于对实现本公开任意实施例中的点云数据处理方法的电子设备进行示例性说明,不应理解为对本公开实施例的具体限定。
如图7所示,电子设备700可以包括处理器(例如中央处理器、图形处理器等701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有电子设备700操作所需的各种程序和数据。处理器701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然示出了具有各种装置的电子设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理器701执行时,可以执行本公开任意实施例提供的点云数据处理方法中限定的功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务端可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行本公开任意实施例所提供的点云数据处理方法。
在本公开实施例中,可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在计算机上执行、部分地在计算机上执行、作为一个独立的软件包执行、部分在计算机上部分在远程计算机上执行、或者完全在远程计算机或服务端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,计算机可读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程序。计算机可读介质可以是计算机可读信号介质或计算机可读储存介质。计算机可读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。计算机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。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (17)
1.一种点云数据处理方法,其特征在于,包括:
获取目标道路对应的原始点云数据;
基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段;所述轨迹数据是在所述目标道路上采集所述原始点云数据时生成的轨迹数据;
基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面;所述路段对应所述目标道路中的一段;
基于所述路段的路段面,生成所述目标道路对应的路面;
基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据。
2.根据权利要求1所述的方法,其中,所述基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面包括:
对所述点云数据进行三维平面拟合,生成所述路段的路段面。
3.根据权利要求1所述的方法,其中,所述基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面包括:
对所述点云数据进行三维平面拟合,生成所述路段的平面;
基于所述平面,从所述点云数据中筛选处于所述路段的路面区域的路面点云;
基于所述路面点云,生成所述路段的路段面。
4.根据权利要求3所述的方法,其中,所述基于所述平面,从所述点云数据中筛选处于所述路段的路面区域的路面点云包括:
确定所述点云数据中各点到所述平面的垂直距离;
若所述垂直距离小于垂直距离阈值,则将所述垂直距离对应的点确定为所述路面点云。
5.根据权利要求3所述的方法,其中,所述基于所述平面,从所述点云数据中筛选处于所述路段的路面区域的路面点云包括:
从所述点云数据中提取处于所述平面上的平面点云;
基于所述平面点云,从所述点云数据中筛选所述路面点云。
6.根据权利要求5所述的方法,其中,所述基于所述平面点云,从所述点云数据中筛选所述路面点云包括:
在所述路段的范围内,对所述平面点云进行三维区域生长处理,得到所述路段的路面区域;
将所述点云数据中处于所述路面区域内的点确定为所述路面点云。
7.根据权利要求3所述的方法,其中,所述基于所述路面点云,生成所述路段的路段面包括:
对所述路面点云进行三角化处理,生成所述路段的路段面。
8.根据权利要求3所述的方法,其中,所述基于所述路面点云,生成所述路段的路段面包括:
对所述路面点云进行三维曲面拟合,生成所述路段的路段面。
9.根据权利要求7所述的方法,其中,所述基于所述路段的路段面,生成所述目标道路对应的路面包括:
对各所述路段的路段面进行三角网格拼接和网格重构,生成所述路面。
10.根据权利要求3所述的方法,其中,所述基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据包括:
将所述原始点云数据中除所述点云段对应的所述路面点云之外的点,确定为待处理点;
基于所述待处理点到所述路面的水平距离,对所述待处理点进行过滤处理;
将过滤后剩余的所述待处理点和所述路面点云,确定为所述道路点云数据。
11.根据权利要求1所述的方法,其中,所述基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据包括:
从所述原始点云数据中提取处于所述路面之外的点,作为待处理点;
基于所述待处理点到所述路面的水平距离,对所述待处理点进行过滤处理;
将过滤后剩余的所述待处理点和所述原始点云数据中处于所述路面内的点,确定为所述道路点云数据。
12.根据权利要求10或11所述的方法,其中,所述基于所述待处理点到所述路面的水平距离,对所述待处理点进行过滤处理包括:
将所述待处理点向预设范围内的所述路面进行投影,生成投影点;
确定所述投影点到所述路面的边缘的水平距离;
基于所述水平距离和水平距离阈值,对所述待处理点进行过滤处理。
13.根据权利要求1所述的方法,其中,所述基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段包括:
沿所述行进方向,按照预设重叠度,分别从所述原始点云数据中提取所述轨迹数据的轨迹长度达到所述路段长度值的点云数据,作为各所述点云段。
14.根据权利要求1所述的方法,其中,所述基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段包括:
沿所述行进方向和所述行进方向的垂直方向,按照预设重叠度和所述路段长度值,对所述原始点云数据进行栅格划分,得到各所述点云段。
15.一种点云数据处理装置,其特征在于,包括:
原始点云数据获取模块,用于获取目标道路对应的原始点云数据;
点云段划分模块,用于基于设定的路段长度值,至少沿轨迹数据的行进方向将所述原始点云数据划分为点云段;所述轨迹数据是在所述目标道路上采集所述原始点云数据时生成的轨迹数据;
路段面确定模块,用于基于所述点云段包括的点云数据,确定所述点云段对应的路段的路段面;所述路段对应所述目标道路中的一段;
路面生成模块,用于基于所述路段的路段面,生成所述目标道路对应的路面;
点云过滤模块,用于基于所述原始点云数据中的点到所述路面的水平距离,对所述原始点云数据进行过滤处理,生成所述目标道路对应的道路点云数据。
16.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器用于存储所述处理器可执行指令;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现如权利要求1至14中任一项所述的点云数据处理方法。
17.一种计算机程序产品,其特征在于,所述计算机程序产品用于执行权利要求1至14中任一项所述的点云数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287555.8A CN116630553A (zh) | 2023-03-22 | 2023-03-22 | 点云数据处理方法、装置、设备和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287555.8A CN116630553A (zh) | 2023-03-22 | 2023-03-22 | 点云数据处理方法、装置、设备和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116630553A true CN116630553A (zh) | 2023-08-22 |
Family
ID=87608858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310287555.8A Pending CN116630553A (zh) | 2023-03-22 | 2023-03-22 | 点云数据处理方法、装置、设备和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630553A (zh) |
-
2023
- 2023-03-22 CN CN202310287555.8A patent/CN116630553A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
KR102062680B1 (ko) | 레이저 포인트 클라우드 기반의 도시 도로 인식 방법, 장치, 저장 매체 및 기기 | |
CN115540896B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN108470174B (zh) | 障碍物分割方法及装置、计算机设备及可读介质 | |
CN112100298B (zh) | 一种建图方法、装置、计算机可读存储介质及机器人 | |
CN112258519B (zh) | 一种高精度地图制作中道路的让行线自动化提取方法及装置 | |
CN114842450B (zh) | 一种可行驶区域检测方法、装置及设备 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN110163900B (zh) | 用于调整点云数据方法和装置 | |
CN116071729A (zh) | 可行驶区域和路沿的检测方法、装置及相关设备 | |
CN113806464A (zh) | 路牙确定方法、装置、设备以及存储介质 | |
CN114612616A (zh) | 建图方法、装置、电子设备和存储介质 | |
CN115406457A (zh) | 一种可行驶区域检测方法、系统、设备及存储介质 | |
CN112622923B (zh) | 用于控制车辆的方法和装置 | |
CN114972758A (zh) | 一种基于点云弱监督的实例分割方法 | |
CN112258568B (zh) | 一种高精度地图要素的提取方法及装置 | |
CN113377748B (zh) | 激光雷达点云数据的静态点去除方法和装置 | |
CN115468578B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
CN115131761B (zh) | 道路边界的识别方法、绘制方法及装置 | |
CN116630553A (zh) | 点云数据处理方法、装置、设备和程序产品 | |
CN116434181A (zh) | 地面点检测方法、装置、电子设备和介质 | |
CN111383337B (zh) | 用于识别对象的方法和装置 | |
CN114170347A (zh) | 一种道路外侧线属性点的自动生成方法及系统 | |
CN114049449A (zh) | 一种高精度地图道路层级的计算方法及系统 | |
CN114519686A (zh) | 用于检测路牙的方法、装置、电子设备和介质 |
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 |