FR3128998A1 - Traitement de données d’un capteur LiDAR - Google Patents
Traitement de données d’un capteur LiDAR Download PDFInfo
- Publication number
- FR3128998A1 FR3128998A1 FR2111822A FR2111822A FR3128998A1 FR 3128998 A1 FR3128998 A1 FR 3128998A1 FR 2111822 A FR2111822 A FR 2111822A FR 2111822 A FR2111822 A FR 2111822A FR 3128998 A1 FR3128998 A1 FR 3128998A1
- Authority
- FR
- France
- Prior art keywords
- group
- pixels
- neighboring pixels
- neighboring
- pixel
- 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
- 239000002245 particle Substances 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims abstract description 11
- 239000007787 solid Substances 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 12
- 239000007789 gas Substances 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 239000000725 suspension Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 1
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
La divulgation concerne un dispositif de traitement de données de capteur LiDAR monté sur un véhicule. Le dispositif de traitement de données permet de déterminer si des groupes de pixels d’une matrice de pixels obtenus par le capteur LiDAR correspondent à des nuages de particules notamment à partir d’une distribution de vecteurs normaux associés à ces pixels.
Description
La présente invention concerne un dispositif et un procédé de traitement de données d’un capteur LiDAR.
Un capteur LiDAR (Light Detection And Ranging) est un capteur émettant des ondes lumineuses et déterminant, à partir de la réflexion de ces ondes lumineuses, une matrice cartographiant un environnement du capteur LiDAR.
La matrice de l’environnement du capteur LiDAR peut comprendre des particules en suspension et notamment, lorsque le capteur LiDAR est embarqué à bord d’un véhicule, des particules en suspension issues des gaz d’échappement.
Dans le cadre d’un capteur LiDAR positionné sur un véhicule circulant sur le réseau routier, les particules en suspension sont nombreuses notamment du fait des gaz d’échappement des différents véhicules et peuvent empêcher une interprétation correcte de la matrice de l’environnement du capteur LiDAR.
Une solution proposée par le document US8818609 consiste à déterminer si une zone de points obtenus par le capteur LiDAR correspond à des gaz d’échappement ou s’il s’agit d’une zone correspondant à un objet solide à partir d’un profil de densité et d’un profil d’élévation de ces points. Plus précisément, les profils de densité et d’élévation sont comparés avec des profils préalablement déterminés et un classifieur est utilisé pour déterminer s’il s’agit de gaz d’échappement ou d’un objet solide sur la base de la comparaison.
Toutefois, cette solution est limitée dans la mesure où un objet solide peut également être compris au niveau des gaz d’échappement et dans ce cas, la discrimination entre les gaz d’échappement et l’objet solide peut s’avérer difficile.
En ce sens, la précision de la détection des particules en suspension et la discrimination d’objets dans ces particules peut donc être améliorée.
Présentation de l’invention
Un premier objectif de la présente divulgation consiste donc à proposer un dispositif et un procédé alternatifs adaptés pour détecter si un groupe de points (pixels) obtenus par un capteur LiDAR adapté pour être monté sur un véhicule correspond en tout ou partie à un nuage de particules.
Un autre objectif de la présente divulgation consiste à permettre au dispositif et au procédé de déceler si, à l’intérieur de ce groupe de pixels préalablement identifiés comme appartenant en tout ou partie à un nuage de particules, des pixels correspondent à des éléments solides autres que des particules.
A ce titre, la présente divulgation présente un dispositif de traitement de données d’un capteur LiDAR adapté pour être monté sur un véhicule, le dispositif comprenant un calculateur configuré pour :
- obtenir une matrice de pixels acquise par le capteur LiDAR, chaque pixel de la matrice étant associé à une intensité lumineuse et à une position dans un espace en trois dimensions,
- identifier au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* déterminer une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identifier si le groupe de pixels voisins appartient en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins.
- obtenir une matrice de pixels acquise par le capteur LiDAR, chaque pixel de la matrice étant associé à une intensité lumineuse et à une position dans un espace en trois dimensions,
- identifier au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* déterminer une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identifier si le groupe de pixels voisins appartient en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins.
Optionnellement, le calculateur est également configuré pour, déterminer, pour au moins un pixel spécifique du groupe de pixels voisins identifié comme appartenant en tout ou partie à un nuage de particules, si le pixel spécifique appartient à un élément solide autre que le nuage de particules.
Optionnellement, le calculateur est configuré pour déterminer que le pixel spécifique appartient à un élément solide lorsqu’une intensité associée au pixel est supérieur à un seuil d’intensité associé à un élément solide déterminé.
Optionnellement, le calculateur est en outre configuré pour déterminer une distance moyenne du groupe de pixels voisins par rapport au capteur LiDAR. Un groupe de pixels voisins peut être candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une distance moyenne des pixels du groupe de pixels voisins par rapport au capteur LiDAR est inférieure à un seuil de distance prédéterminé.
Optionnellement, le calculateur est en outre configuré pour déterminer une intensité moyenne du groupe de pixels voisins et une distance moyenne du groupe de pixels voisins par rapport au capteur LiDAR. Un groupe de pixels voisins peut être candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une intensité moyenne des pixels du groupe de pixels voisins est inférieure à un seuil d’intensité déterminé, le seuil d’intensité étant déterminé à partir de la distance moyenne du groupe de pixels.
Optionnellement, le calculateur est en outre configuré pour déterminer un angle d’azimut pour chacun des pixels du groupe de pixels voisins. Un groupe de pixels voisins peut être candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une distribution de l’angle d’azimut des pixels du groupe de pixels voisins correspond sensiblement à un modèle prédéterminé.
Optionnellement, le calculateur est configuré pour identifier un groupe de pixels voisins comme correspondant à une pluralité de pixels dont chaque pixel est à une distance inférieure à un seuil voisin prédéterminé d’un autre pixel du groupe de pixels.
Selon un autre aspect, la présente divulgation présente un véhicule embarquant un dispositif de traitement de données selon l’une des options décrites ci-dessus. Le calculateur du dispositif de traitement de données est alors configuré pour identifier un nuage de particules comprenant des particules de gaz d’échappement.
Selon un autre aspect, la présente divulgation présente un procédé de traitement de données d’un capteur LiDAR monté sur un véhicule caractérisé en ce qu’il comprend :
- obtention d’une matrice de pixels acquise par le capteur LiDAR, chaque pixel de la matrice étant associé à une intensité lumineuse et à une position dans un espace en trois dimensions,
- identification d’au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* détermination d’une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identification d’une appartenance du groupe de pixels voisins en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins.
- obtention d’une matrice de pixels acquise par le capteur LiDAR, chaque pixel de la matrice étant associé à une intensité lumineuse et à une position dans un espace en trois dimensions,
- identification d’au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* détermination d’une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identification d’une appartenance du groupe de pixels voisins en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins.
Optionnellement, le procédé comprend en outre une détermination, pour au moins un pixel spécifique du groupe de pixels voisins, d’une appartenance du pixel spécifique à un élément solide autre que le nuage de particules.
La présente divulgation présente par ailleurs un produit programme d’ordinateur comprenant des instructions pour la mise en œuvre de l’un quelconque des procédés présentés dans le présent document lorsqu’il est mis en œuvre par un ordinateur. Elle présente également un support de stockage non transitoire lisible par ordinateur sur lequel sont stockées des instructions de code pour la mise en œuvre de l’un quelconque des procédés décrits dans le présent document.
D’autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l’analyse des dessins annexés, sur lesquels :
Claims (12)
- Dispositif de traitement de données (1) d’un capteur LiDAR (2) adapté pour être monté sur un véhicule (10), le dispositif comprenant un calculateur (3) configuré pour :
- obtenir (110) une matrice de pixels (p) acquise par le capteur LiDAR (2), chaque pixel (p) de la matrice étant associé à une intensité lumineuse (I) et à une position (x, y, z) dans un espace en trois dimensions,
- identifier (120) au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* déterminer (130) une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identifier (140) si le groupe de pixels voisins appartient en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins. - Dispositif (1) selon la revendication précédente, caractérisé en ce que le calculateur (3) est également configuré pour, déterminer (150), pour au moins un pixel spécifique du groupe de pixels voisins identifié comme appartenant en tout ou partie à un nuage de particules, si le pixel spécifique appartient à un élément solide autre que le nuage de particules.
- Dispositif (1) selon la revendication précédente, caractérisé en ce que le calculateur (3) est configuré pour déterminer que le pixel spécifique appartient à un élément solide lorsqu’une intensité associée au pixel est supérieur à un seuil d’intensité associé à un élément solide déterminé.
- Dispositif (1) selon l’une quelconque des revendications précédentes, caractérisé en ce que le calculateur (3) est en outre configuré pour déterminer une distance moyenne du groupe de pixels voisins par rapport au capteur LiDAR (2) et en ce qu’un groupe de pixels voisins est candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une distance moyenne des pixels du groupe de pixels voisins par rapport au capteur LiDAR (2) est inférieure à un seuil de distance prédéterminé.
- Dispositif (1) selon l’une quelconque des revendications précédentes, caractérisé en ce que le calculateur (3) est en outre configuré pour déterminer une intensité moyenne du groupe de pixels voisins et une distance moyenne du groupe de pixels voisins par rapport au capteur LiDAR (2),
et en ce qu’un groupe de pixels voisins est candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une intensité moyenne des pixels du groupe de pixels voisins est inférieure à un seuil d’intensité déterminé, le seuil d’intensité étant déterminé à partir de la distance moyenne du groupe de pixels. - Dispositif (1) selon l’une quelconque des revendications précédentes, caractérisé en ce que le calculateur est en outre configuré pour déterminer un angle d’azimut pour chacun des pixels du groupe de pixels voisins, et en ce qu’un groupe de pixels voisins est candidat à être identifié comme appartenant en tout ou partie au nuage de particules lorsqu’une distribution de l’angle d’azimut des pixels du groupe de pixels voisins correspond sensiblement à un modèle prédéterminé.
- Dispositif (1) selon l’une quelconque des revendications précédentes, caractérisé en ce que le calculateur (3) est configuré pour identifier un groupe de pixels voisins comme correspondant à une pluralité de pixels dont chaque pixel est à une distance inférieure à un seuil voisin prédéterminé d’un autre pixel du groupe de pixels.
- Véhicule (10) caractérisé en ce qu’il embarque un dispositif de traitement de données (1) selon l’une quelconque des revendications précédentes, en ce qu’un capteur LiDAR (2) est monté à l’arrière du véhicule et en ce que le calculateur (3) du dispositif de traitement de données (1) est configuré pour identifier un nuage de particules comprenant des particules de gaz d’échappement.
- Procédé de traitement de données d’un capteur LiDAR (2) monté sur un véhicule (10) caractérisé en ce qu’il comprend :
- obtention (110) d’une matrice de pixels (p) acquise par le capteur LiDAR (2), chaque pixel (p) de la matrice étant associé à une intensité lumineuse (I) et à une position (x, y, z) dans un espace en trois dimensions,
- identification (120) d’au moins un groupe de pixels voisins de la matrice de pixels et,
pour au moins un groupe de pixels voisins identifié :
* détermination (130) d’une pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins,
* identification (140) d’une appartenance du groupe de pixels voisins en tout ou partie à un nuage de particules à partir d’une distribution de la pluralité de vecteurs normaux associés aux pixels du groupe de pixels voisins. - Procédé selon la revendication précédente, caractérisé en ce qu’il comprend en outre une détermination (150), pour au moins un pixel spécifique du groupe de pixels voisins identifié comme appartenant en tout ou partie à un nuage de particules, d’une appartenance du pixel spécifique à un élément solide autre que le nuage de particules.
- Produit programme d’ordinateur comprenant des instructions pour la mise en œuvre de l’un quelconque des revendications de procédé ci-dessus lorsqu’il est mis en œuvre par un ordinateur.
- Support de stockage non transitoire lisible par ordinateur sur lequel sont stockées des instructions de code pour la mise en œuvre d’un procédé selon l’une quelconque des revendications de procédé ci-dessus.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2111822A FR3128998B1 (fr) | 2021-11-08 | 2021-11-08 | Traitement de données d’un capteur LiDAR |
PCT/EP2022/080562 WO2023078936A1 (fr) | 2021-11-08 | 2022-11-02 | Traitement de données d'un capteur lidar |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2111822A FR3128998B1 (fr) | 2021-11-08 | 2021-11-08 | Traitement de données d’un capteur LiDAR |
FR2111822 | 2021-11-08 |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3128998A1 true FR3128998A1 (fr) | 2023-05-12 |
FR3128998B1 FR3128998B1 (fr) | 2024-01-19 |
Family
ID=80736106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2111822A Active FR3128998B1 (fr) | 2021-11-08 | 2021-11-08 | Traitement de données d’un capteur LiDAR |
Country Status (2)
Country | Link |
---|---|
FR (1) | FR3128998B1 (fr) |
WO (1) | WO2023078936A1 (fr) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8818609B1 (en) | 2012-11-15 | 2014-08-26 | Google Inc. | Using geometric features and history information to detect features such as car exhaust in point maps |
US20190056504A1 (en) * | 2017-08-21 | 2019-02-21 | Caterpillar Inc. | Lidar waveform classification |
-
2021
- 2021-11-08 FR FR2111822A patent/FR3128998B1/fr active Active
-
2022
- 2022-11-02 WO PCT/EP2022/080562 patent/WO2023078936A1/fr unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8818609B1 (en) | 2012-11-15 | 2014-08-26 | Google Inc. | Using geometric features and history information to detect features such as car exhaust in point maps |
US20190056504A1 (en) * | 2017-08-21 | 2019-02-21 | Caterpillar Inc. | Lidar waveform classification |
Non-Patent Citations (3)
Title |
---|
SHAMSUDIN A U: "Fog removal using laser beam penetration, laser intensity, and geometrical features for 3D measurements in fog-filled room", vol. 30, no. 11-12, 17 June 2016 (2016-06-17), pages 729 - 743, XP009536205, ISSN: 0169-1864, Retrieved from the Internet <URL:http://www.tandfonline.com/doi/full/10.1080/01691864.2016.1164620> [retrieved on 20160412], DOI: 10.1080/01691864.2016.1164620 * |
STANISLAS ET AL: "Airborne Particle Classification in LiDAR Point Clouds Using Deep Learning", 1 January 2021 (2021-01-01), XP009536147, ISSN: 2511-1256, ISBN: 978-3-030-42026-0, Retrieved from the Internet <URL:http://link.springer.com/10.1007/978-981-15-9460-1_28> [retrieved on 20210113] * |
TANG HANBO ET AL: "SmogNet: A Point Cloud Smog Segmentation Network for Unmanned Vehicles", 2021 5TH CAA INTERNATIONAL CONFERENCE ON VEHICULAR CONTROL AND INTELLIGENCE (CVCI), IEEE, 29 October 2021 (2021-10-29), pages 1 - 6, XP033996613, DOI: 10.1109/CVCI54083.2021.9661231 * |
Also Published As
Publication number | Publication date |
---|---|
FR3128998B1 (fr) | 2024-01-19 |
WO2023078936A1 (fr) | 2023-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110458854B (zh) | 一种道路边缘检测方法和装置 | |
US9196048B2 (en) | Autonomous pavement condition assessment | |
Kim et al. | Review and analysis of pothole detection methods | |
CN103886757B (zh) | 用于自动分类运动中的车辆的方法 | |
US20170293895A1 (en) | Device and method for calculating damage repair cost | |
CN103134777A (zh) | 用于检测路面特性的装置和方法 | |
JP2014228300A (ja) | 路面状態推定装置 | |
CN106679633B (zh) | 一种车载测距系统及方法 | |
US11669947B2 (en) | Machine learning assisted image analysis | |
WO2007016517B1 (fr) | Procedes, structures de donnees et systemes de classification de microparticules | |
Kawai et al. | A method to distinguish road surface conditions for car-mounted camera images at night-time | |
CN114518574A (zh) | 用于传感器融合系统的基于峰度的修剪 | |
CN115578468A (zh) | 外参标定方法、装置、计算机设备、存储介质 | |
FR3128998A1 (fr) | Traitement de données d’un capteur LiDAR | |
FR2965354A1 (fr) | Procede et dispositif de detection de brouillard, la nuit | |
WO2018138064A1 (fr) | Detection d'obstacles dans l'environnement d'un vehicule automobile par traitement d'images | |
FR2953300B1 (fr) | Procede de detection par telemetrie d'au moins un objet filiforme suspendu se trouvant dans le champ de detection d'un telemetre embarque a bord d'un vehicule | |
Pan et al. | One-stage 3D profile-based pavement crack detection and quantification | |
EP2556467A1 (fr) | Procede de detection de cibles dans des images stereoscopiques | |
FR2899363A1 (fr) | Procede et dispositif de detection de mouvement d'objets sur des images d'une scene | |
FR3054673B1 (fr) | Fusion de donnees de detection et de suivi d'objets pour vehicule automobile | |
CN112906519B (zh) | 一种车辆类型识别方法及装置 | |
Hedeya et al. | A low-cost multi-sensor deep learning system for pavement distress detection and severity classification | |
KR20230166573A (ko) | 라이다 센서를 이용하여 도로 대비 차량의 기울기를 추정하기 위한 장치 및 그 방법 | |
CN111126225A (zh) | 多线激光雷达地面分割方法及车辆、计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20230512 |
|
PLFP | Fee payment |
Year of fee payment: 3 |