CN117854019A - 一种激光点云处理程序的检测方法 - Google Patents
一种激光点云处理程序的检测方法 Download PDFInfo
- Publication number
- CN117854019A CN117854019A CN202211208043.XA CN202211208043A CN117854019A CN 117854019 A CN117854019 A CN 117854019A CN 202211208043 A CN202211208043 A CN 202211208043A CN 117854019 A CN117854019 A CN 117854019A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- laser point
- surrounding object
- detection result
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012805 post-processing Methods 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000008569 process Effects 0.000 abstract description 8
- 238000011158 quantitative evaluation Methods 0.000 abstract description 6
- 238000004088 simulation Methods 0.000 description 33
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 10
- 230000007547 defect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Abstract
本发明提供了一种激光点云处理程序的检测方法,通过生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据并进行时间对齐处理生成第二激光点云数据和第二周围物体数据;对第二激光点云数据进行检测生成检测结果信息;基于检测结果信息以及第二周围物体数据进行融合得到第一显示信息,并显示。本发明解决了真实道路数据采集成本高以及配置不灵活的问题,降低数据获取成本,提升获取点云数据中物体位置的效率和准确性;通过在检测过程中将要处理的数据存储至文件并在之后通过读取文件的方式对要处理的数据进行后处理分析,实现对处理程序的多维度、多参数的定量评价。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种激光点云处理程序的检测方法。
背景技术
随着人工智能技术以及现代制造业的发展,自动驾驶技术已经逐渐走进人们的日常生活,潜移默化的改变着人们的出行方式。在自动驾驶系统软件的研发过程中,激光雷达作为重要的感知部件为自动驾驶系统提供原始信息输入,其数据检测结果的准确性与稳定性对整个系统的运行起着至关重要的作用。
为了能够更好地使用激光雷达为自动驾驶系统提供输入,并保证算法模块对于多场景、多形态的原始数据处理的准确性与稳定性,需要大量基础数据作为输入,并提供多次、稳定的测试和分析评判工作对检测效果进行综合性分析,及时发现问题,保证检测效果的持续提升。
激光雷达物体检测技术在当前自动驾驶领域使用较多,对其检测效果的验证主要通过路采数据->数据标定->数据回放->算法处理->人工比对的方式进行。激光雷达检测程序的测试工作需要激光雷达从客观世界中获取到的激光点云为输入,此输入数据的获取通过安装有符合配置要求的激光雷达的车辆在道路中行驶并实时采集记录数据获得,激光点云数据被保存成特定格式保存后,在计算机中对其进行处理,通过人工或半自动化的形式对点云中每一帧存在的物体进行提取,并标记出类型和位置,启动算法处理程序,通过数据回放软件将激光点云数据按照时间顺序读取并发送到算法处理程序中,将每一帧的标定数据和算法处理程序的结果数据在同一个显示终端进行显示,通过人工或半自动化的方式对两者进行观察和判断,能够对检测结果进行直观、简单的优劣判定。
真实道路采集数据的方式存在成本高、配置不灵活的问题,其需要采集车、激光雷达、工控机等硬件条件,同时需要设备调试、采集操作等人工工作支持,并受到天气、时间和道路条件等客观因素限制,几乎不可能对同一环境进行多种传感器采集,对相同环境输入条件下不同品牌、不同类型的纵向测试无法执行;数据标定环节当前主要还是人工完成,存在成本高、时间长、效率低、错误率高的缺点,虽然对某些特征明显的物体可以采用软件分析标注后人工检查的半自动方式,但其对特征模糊、体积较小的物体依然存在难以发现的问题;测试结果的分析工作主要采用人工方式,由于标定工作存在人工参与,且标定软件能力存在差异,往往直观获取的是物体在点云图的三维位置,其位置数据的精确性是存在人工偏差的,因此最终的对比也只能从定性上对其进行分析和判定。
发明内容
本发明的目的是针对现有技术中存在的缺陷,提供一种激光点云处理程序的检测方法,通过仿真环境来生成车辆的激光点云数据和车辆周围物体数据以解决真实道路数据采集成本高以及配置不灵活的问题,降低数据获取成本,提升获取点云数据中物体位置的效率和准确性,解决人工标定数据存在的成本高、时间长、效率低及错误率高的缺点;通过在检测过程中将要处理的数据存储至文件并在之后通过读取文件的方式对要处理的数据进行后处理分析,实现对处理程序的多维度、多参数的定量评价。
为实现上述目的,本发明提供了一种激光点云处理程序的检测方法,所述方法包括:
生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据;
对所述第一激光点云数据和所述第一周围物体数据进行时间对齐处理生成第二激光点云数据和第二周围物体数据;
对所述第二激光点云数据进行检测生成检测结果信息;
基于所述检测结果信息和所述第二周围物体数据融合成第一显示信息,并显示。
优选的,所述方法还包括:
将所述第二周围物体数据存储至原始数据文件;
将所述检测结果信息存储至检测结果数据文件;
从所述原始数据文件中读取所述第二周围物体数据,并从所述检测结果数据文件中读取所述检测结果信息,基于所述第二周围物体数据和所述检测结果信息融合成第二显示信息,并显示。
优选的,生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据具体包括:
生成车辆所在环境中基于车辆的第一激光点云数据,并将所述第一激光点云数据通过共享内存的方式进行发送;
生成车辆所在环境中基于车辆的第一周围物体数据,并将所述第一周围物体数据通过网络进行发送。
优选的,对所述第一激光点云数据和所述第一周围物体数据进行时间对齐处理生成第二激光点云数据和第二周围物体数据之后,还包括:
对所述第二激光点云数据和所述第二周围物体数据增加相同的时间戳信息。
进一步优选的,所述检测结果信息包含所述第二激光点云数据中的时间戳信息;
根据所述时间戳信息完成所述第二周围物体数据和所述检测结果信息的对齐。
优选的,基于所述检测结果信息和所述第二周围物体数据融合成第一显示信息,具体为:
将所述检测结果信息中的障碍物信息和所述第二周围物体数据在同一空间坐标系内进行融合生成第一显示信息。
本发明提供的一种激光点云处理程序的检测方法,通过生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据并进行时间对齐处理生成第二激光点云数据和第二周围物体数据;对第二激光点云数据进行检测生成检测结果信息;基于检测结果信息以及第二周围物体数据进行融合得到第一显示信息,并显示。本发明通过仿真环境来生成车辆的激光点云数据和车辆周围物体数据以解决真实道路数据采集成本高以及配置不灵活的问题,降低数据获取成本,提升获取点云数据中物体位置的效率和准确性,解决人工标定数据存在的成本高、时间长、效率低及错误率高的缺点;通过在检测过程中将要处理的数据存储至文件并在之后通过读取文件的方式对要处理的数据进行后处理分析,实现对处理程序多维度、多参数的定量评价。
附图说明
图1为本发明实施例提供的一种激光点云处理程序的检测方法的流程图;
图2为本发明实施例提供的用于实现激光点云处理程序的检测方法的检测系统的结构示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明实施例提供的一种激光点云处理程序的检测方法,通过生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据并进行时间对齐处理生成第二激光点云数据和第二周围物体数据;对第二激光点云数据进行检测生成检测结果信息;基于检测结果信息以及第二周围物体数据进行融合得到第一显示信息,并显示。本发明通过仿真环境来生成车辆的激光点云数据和车辆周围物体数据以解决真实道路数据采集成本高以及配置不灵活的问题,降低数据获取成本,提升获取点云数据中物体位置的效率和准确性,解决人工标定数据存在的成本高、时间长、效率低及错误率高的缺点;通过在检测过程中将要处理的数据存储至文件并在之后通过读取文件的方式对要处理的数据进行后处理分析,实现对处理程序多维度、多参数的定量评价。
第一、第二等编号仅予以区分,并无其他含义。
图1为本发明实施例提供的一种激光点云处理程序的检测方法的流程图,该方法用于对激光点云数据处理程序进行检测并对检测效果进行综合分析,持续提升激光点云处理程序的准确性及稳定性。本发明的技术方案以基于ROS(Robot Operating System,机器人操作系统)的分布式运行程序为基础,运行于Linux系统中。图2为本发明实施例提供的用于实现激光点云处理程序的检测方法的检测系统的结构示意图,如图2所示,本发明提供的激光点云处理程序的检测系统包括:仿真环境模块200、仿真接口程序210、检测算法程序220、后处理程序230、实时结果显示程序240、原始数据文件250、检测结果数据文件260和结果后处理显示程序270。
如图1所示,本发明实施例提供的激光点云处理程序的检测方法包括以下步骤:
步骤100,生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据。
具体的,车辆为仿真车辆,车辆所在环境为仿真环境,由仿真环境模块200提供,仿真环境模块200内安装有仿真软件,能够提供准确、稳定、统一的环境数据输出,保证大量数据状态下的数据帧不丢失,并提供多种数据共享方式为后续程序实时提供数据。仿真环境模块200包括激光点云模块201和物体检测模块202,仿真环境模块200能够提供基于车辆的环境数据,环境数据分为基于车辆的激光点云数据和车辆的周围物体数据两种。其中,激光点云模块201生成基于车辆的第一激光点云数据,物体检测模块202生成基于车辆的第一周围物体数据。仿真环境模块200能够根据具体需要方便地设置线束均匀分布的虚拟雷达的可观测范围(又称视场角FOV)和具有特殊线束分布要求的射线角度分布,可以对雷达的线束数量、任意相邻两个线束之间的垂直角以及水平角做设置,以达到符合激光线束的具体分布要求,同时可以针对不同材质和光照强度,模拟物体对光束的吸收和反射效果,激光点云数据采用光线追踪方法通过从激光雷达的安装位置按照配置信息发送符合要求的光线来进行碰撞检测,获取碰撞点后结合其所在物体的材质和光照信息,对碰撞点数据进行处理和填充,可通过设置模拟一帧内的所有光线碰撞点在一个时刻发生,也可以将其离散到有限仿真帧来模拟车辆边走边采集数据的效果,并最终收集完整一次点云数据,将其转换到车辆的坐标系下进行输出。第一周围物体数据为物体检测模块202从仿真环境模块200的底层直接获取的物体列表,通过和激光雷达配置的最远距离进行过滤,使用遮挡剔除原理将在检测范围内但被前方物体完全遮挡的物体进行二次过滤,将符合要求的物体的位置、姿态、大小、速度、类型等信息获取并生成第一周围物体数据,避免了人工标定数据带来的成本高、时间长、效率低及错误率高的缺点。激光点云模块201通过共享内存的方式将第一激光点云数据发送至仿真接口程序210,物体检测模块202通过网络通讯的方式将第一周围物体数据发送至仿真接口程序210。
步骤101,对第一激光点云数据和第一周围物体数据进行时间对齐处理生成第二激光点云数据和第二周围物体数据。
具体的,在仿真接口程序210接收到从仿真环境模块200发送的第一激光点云数据和第一周围物体数据之后,根据两种数据中包含的时间信息进行时间对齐处理分别生成第二激光点云数据和第二周围物体数据。为了保证后续的流程中所使用的数据为同一仿真帧下的数据,仿真接口程序210对时间对齐处理所得到的第二激光点云数据和第二周围物体数据分别添加相同的时间戳信息。仿真接口程序210将第二激光点云数据和第二周围物体数据按照检测算法程序定义的输入数据格式进行转换和格式调整,并通过ROS通讯方式以预设的频率发送至检测算法程序220,其中,检测算法程序220即为激光点云处理程序。同时,仿真接口程序210将第二周围物体数据存储至原始数据文件250内,并将第二周围物体数据通过ROS通讯方式发送给后处理程序230。
步骤102,对第二激光点云数据进行检测生成检测结果信息。
具体的,检测算法程序220接收仿真接口程序210以预设的频率发送的第二激光点云数据,并对第二激光点云数据进行检测生成检测结果信息,该检测结果信息中包含有第二激光点云数据中的时间戳信息,还包括检测算法程序根据第二激光点云数据所检测出来的障碍物信息数据,障碍物信息数据主要包括障碍物的大小及位姿等信息。
步骤103,基于检测结果信息和第二周围物体数据融合成第一显示信息,并显示。
具体的,后处理程序230实时地从检测算法程序220获取其检测到的检测结果信息,以及接收仿真接口程序210发送过来的第二周围物体数据,并基于检测结果信息和第二周围物体数据将两者数据转换为显示程序能够识别的格式,按照不同的显示风格融合成第一显示信息。其中,具体的融合方式为将检测结果信息中的障碍物信息数据与第二周围物体数据在同一空间坐标系内进行融合生成第一显示信息。第一显示信息具体为仿真接口程序210发送的第二周围物体数据与检测算法程序220检测到的基于车辆的障碍物信息在同一空间坐标系下的对比情况,以此来衡量检测算法程序220对激光点云数据的检测结果。后处理程序230同时将检测算法程序220发送过来的检测结果信息存储至检测结果数据文件260中,供后续的结果后处理显示程序270使用。
后处理程序230将生成的第一显示信息进行发送至实时结果显示程序240进行显示。在实时结果显示程序240中,使用者可以看到当前帧的激光点云信息、自车周围物体和检测算法程序220所产生的检测结果信息的实时显示效果,通过实时显示效果对自车周围数据和检测结果信息的障碍物信息进行比对分析,来判断检测算法程序220的检测效果。本发明中的实时结果显示程序240使用ROS系统自带的RVIZ程序,RVIZ是ROS的一个可视化工具,用于可视化传感器的数据和状态信息。
在一个优选的方案中,本发明的激光点云处理程序的检测方法还包括:
仿真接口程序210将第二周围物体数据存储至原始数据文件250,后处理程序230同时将检测算法程序220发送过来的检测结果信息存储至检测结果数据文件260中,结果后处理显示程序270从原始数据文件250中读取第二周围物体数据,并从检测结果数据文件260中读取检测结果信息,将第二周围物体数据和检测结果信息融合成第二显示信息并显示。
具体的,仿真接口程序210将时间对齐处理后所得到的第二周围物体数据存储至原始数据文件250,后处理程序230将获取到的检测算法程序220检测到的检测结果信息存储至检测结果数据文件260。
结果后处理显示程序270在仿真运行结束后运行,通过对前面各个节点处理后生成的数据进行分析和判定。其输入信息来自于原始数据文件250中保存的第二周围物体数据和检测结果数据文件260中保存的检测结果信息,从理论角度讲,二者应该是完全一致的,但现实中由于点云密度、间隔距离、部分遮挡、多物衔接、特征不明显甚至关联等因素,单一激光检测模块对于物体的检测结果几乎不可避免的会出现漏检和误检的现象,其偏差数据需要通过自动驾驶系统中的感知融合和规划认知等智能程序进行再处理。
结果后处理显示程序270从原始数据文件250中获取第二周围物体数据,从检测结果数据文件260中获取检测结果信息,通过仿真接口程序210定义的时间戳信息完成第二周围物体数据和检测结果信息的对齐,并按照设定规则执行结果比对操作,融合成第二显示信息,具体操作为将第二周围物体数据与检测结果信息中的障碍物信息合并到同一空间坐标系内生成第二显示信息,结果后处理显示程序270将第二显示信息显示在程序界面中,若使用者对第二显示信息存在质疑,结果后处理显示程序270会加载对应帧的原始的第一激光点云数据,供结果分析。对于数据的结果比对操作,分为简单模式和复杂模式两种,简单模式仅匹配两个结果文件中物体的位置,考虑到车辆在复杂环境中的速度和数据离散所带来的误差,设置可接受的最大偏移距离系数来对冲离散误差,该系数需要和目标物体的最大长度相乘得出最终可接受距离,因此在相同外部条件下,不同物体根据其大小不同可接受的误差距离是不一样的;复杂模式除了上述简单模式的位置匹配计算以外,会增加对检测算法程序220输出数据中物体的外部点的检测计算,检测方法是从原始的第一激光点云数据中获取所有与目标物体相交的点,将这些点连接成一个曲面,后方看不见的地方通过目标物体的朝向和大小做理想数据填充获得一个多面体,在可接受偏差范围内,所有边界点均被生成的多面体包含则被判定为检测成功,此两种检测方法能够在不同性能层次上判断检测结果信息的优劣,虽然复杂模式中会消耗较大计算资源,但由于采用的是后处理方法,计算过程是自动的,不需要过多考虑实时性问题。
结果后处理显示程序270对检测结果信息的分析同样会顾及距离和遮挡衔接等现实情况对检测结果的影响。由于所有的激光设备发射光束都是从一个近似点发射的,必然会造成近距离物体碰撞时点云数据密集、远距离物体碰撞时点云数据稀疏,再结合三维世界中近大远小的基本理论,距离越远,可用来做检测功能的原始数据越少,而不同距离下的检测结果用相同预期去进行分析评判本身就是不合适的;检测结果信息中带有结果可信度信息,其主要收到距离和匹配度影响,考虑到仿真环境与真实世界的差别,可根据需求考虑对某一置信度阈值以下的数据加以忽略,结合距离设置条件,可以针对同一次仿真检测运行结果对不同距离、不同置信系数下的结果进行单独分析,明确目标检测程序在不同距离下的可信物体的检测结果,通过统计大量帧数据,获得成功检测率、漏检率和误检率数据,生成报告后供相关人员做测试结论,实现对处理程序通过漏检、误检等多个维度以及根据距离、置信度、位置误差、轮廓位置等多个参数进行定量评价。仿真软件可以提供运行稳定的环境输出数据,可针对不同时期、不同优化方向的检测程序执行相同仿真场景,通过设置相同的分析指标,分析不同版本的检测能力改变效果,为整体测试过程服务。
本发明实施例提供的一种激光点云处理程序的检测方法,通过生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据并进行时间对齐处理生成第二激光点云数据和第二周围物体数据;对第二激光点云数据进行检测生成检测结果信息;基于检测结果信息以及第二周围物体数据进行融合得到第一显示信息,并显示。本发明通过仿真环境来生成车辆的激光点云数据和车辆周围物体数据以解决真实道路数据采集成本高以及配置不灵活的问题,降低数据获取成本,提升获取点云数据中物体位置的效率和准确性,解决人工标定数据存在的成本高、时间长、效率低及错误率高的缺点;通过在检测过程中将要处理的数据存储至文件并在之后通过读取文件的方式对要处理的数据进行后处理分析,实现对处理程序的多维度、多参数的定量评价。
专业人员应该还可以进一步意识到,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、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种激光点云处理程序的检测方法,其特征在于,所述方法包括:
生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据;
对所述第一激光点云数据和所述第一周围物体数据进行时间对齐处理生成第二激光点云数据和第二周围物体数据;
对所述第二激光点云数据进行检测生成检测结果信息;
基于所述检测结果信息和所述第二周围物体数据融合成第一显示信息,并显示。
2.根据权利要求1所述的激光点云处理程序的检测方法,其特征在于,所述方法还包括:
将所述第二周围物体数据存储至原始数据文件;
将所述检测结果信息存储至检测结果数据文件;
从所述原始数据文件中读取所述第二周围物体数据,并从所述检测结果数据文件中读取所述检测结果信息,基于所述第二周围物体数据和所述检测结果信息融合成第二显示信息,并显示。
3.根据权利要求1所述的激光点云处理程序的检测方法,其特征在于,生成车辆所在环境中基于车辆的第一激光点云数据和第一周围物体数据具体包括:
生成车辆所在环境中基于车辆的第一激光点云数据,并将所述第一激光点云数据通过共享内存的方式进行发送;
生成车辆所在环境中基于车辆的第一周围物体数据,并将所述第一周围物体数据通过网络进行发送。
4.根据权利要求1所述的激光点云处理程序的检测方法,其特征在于,对所述第一激光点云数据和所述第一周围物体数据进行时间对齐处理生成第二激光点云数据和第二周围物体数据之后,还包括:
对所述第二激光点云数据和所述第二周围物体数据增加相同的时间戳信息。
5.根据权利要求4所述的激光点云处理程序的检测方法,其特征在于,所述检测结果信息包含所述第二激光点云数据中的时间戳信息;
根据所述时间戳信息完成所述第二周围物体数据和所述检测结果信息的对齐。
6.根据权利要求1所述的激光点云处理程序的检测方法,其特征在于,基于所述检测结果信息和所述第二周围物体数据融合成第一显示信息,具体为:
将所述检测结果信息中的障碍物信息和所述第二周围物体数据在同一空间坐标系内进行融合生成第一显示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208043.XA CN117854019A (zh) | 2022-09-30 | 2022-09-30 | 一种激光点云处理程序的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208043.XA CN117854019A (zh) | 2022-09-30 | 2022-09-30 | 一种激光点云处理程序的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117854019A true CN117854019A (zh) | 2024-04-09 |
Family
ID=90538608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211208043.XA Pending CN117854019A (zh) | 2022-09-30 | 2022-09-30 | 一种激光点云处理程序的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117854019A (zh) |
-
2022
- 2022-09-30 CN CN202211208043.XA patent/CN117854019A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949372B (zh) | 一种激光雷达与视觉联合标定方法 | |
CN107680124B (zh) | 提高三维姿态评分和消除三维图像数据杂点的系统及方法 | |
CN112949782A (zh) | 一种目标检测方法、装置、设备及存储介质 | |
CN110136186B (zh) | 一种用于移动机器人目标测距的检测目标匹配方法 | |
EP1459035B1 (en) | Method for determining corresponding points in stereoscopic three-dimensional measurements | |
CN113869629A (zh) | 一种基于激光点云的输电线路安全风险分析判断评估方法 | |
WO2022183685A1 (zh) | 目标检测方法、电子介质和计算机存储介质 | |
CN116625354B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及系统 | |
CN117269940B (zh) | 点云数据生成方法、激光雷达的感知能力验证方法 | |
CN114565908A (zh) | 车道线的检测方法、装置、电子设备及存储介质 | |
WO2021238095A1 (zh) | 一种合金分析系统及其复检方法 | |
CN113961627A (zh) | 一种基于高保真传感器仿真的数据融合的评测方法及系统 | |
CN117854019A (zh) | 一种激光点云处理程序的检测方法 | |
JP2021154935A (ja) | 車両シミュレーションシステム、車両シミュレーション方法およびコンピュータプログラム | |
CN116629106A (zh) | 移动机器人运行场景的准数字孪生方法、系统、设备及介质 | |
CN110161053A (zh) | 缺陷检测系统 | |
US20220221585A1 (en) | Systems and methods for monitoring lidar sensor health | |
CN113468735A (zh) | 一种激光雷达仿真方法、装置、系统和存储介质 | |
CN112560258A (zh) | 一种测试方法、装置、设备及存储介质 | |
CN112729341A (zh) | 一种视觉测距精度测试方法及系统 | |
CN117437602B (zh) | 一种双图层数据标定方法、装置、设备及可读存储介质 | |
CN116821409B (zh) | 基于图像数据处理的生产安全管理方法及系统 | |
JP7019118B1 (ja) | 情報処理装置及び情報処理方法 | |
CN116227849B (zh) | 一种用于企业危险作业的规范化管理及预警系统 | |
US20230025579A1 (en) | High-definition mapping |
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 |