RU2019145089A - Способы и системы для калибровки нескольких лидарных датчиков - Google Patents
Способы и системы для калибровки нескольких лидарных датчиков Download PDFInfo
- Publication number
- RU2019145089A RU2019145089A RU2019145089A RU2019145089A RU2019145089A RU 2019145089 A RU2019145089 A RU 2019145089A RU 2019145089 A RU2019145089 A RU 2019145089A RU 2019145089 A RU2019145089 A RU 2019145089A RU 2019145089 A RU2019145089 A RU 2019145089A
- Authority
- RU
- Russia
- Prior art keywords
- data points
- pairs
- given
- electronic device
- data
- Prior art date
Links
Classifications
-
- 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
-
- 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
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
-
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
-
- 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
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- 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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
- G02B26/08—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the direction of light
- G02B26/10—Scanning systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Optics & Photonics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Claims (86)
1. Реализованный посредством компьютера способ объединения наборов цифровых данных в многомерном пространстве, причем наборы цифровых данных содержат:
(i) первый набор данных, имеющий множество первых точек данных, и
(ii) второй набор данных, имеющий множество вторых точек данных и множество векторов нормали,
причем данная вторая точка данных из множества вторых точек данных ассоциирована с соответствующим вектором нормали из множества векторов нормали,
причем способ осуществляется посредством электронного устройства, при этом способ содержит этапы, на которых:
согласуют, посредством электронного устройства, по меньшей мере некоторые из множества первых точек данных по меньшей мере с некоторыми из множества вторых точек данных,
за счет этого определяя множество пар,
причем данная одна из множества пар включает в себя (i) данную первую точку данных и (ii) данную вторую точку данных;
определяют, посредством электронного устройства, конкретное для пары значение ошибки для данной одной из множества пар,
причем конкретное для пары значение ошибки указывает измерение расстояния для данной одной из множества пар в многомерном пространстве;
определяют, посредством электронного устройства, весовой коэффициент для данной одной из множества пар на основе вектора нормали, ассоциированного с данной второй точкой данных в данной одной из множества пар,
таким образом, что весовой коэффициент является обратно пропорциональным плотности возникновения вектора нормали в распределении множества векторов нормали;
определяют, посредством электронного устройства, глобальное значение ошибки для второго набора данных в качестве суммы конкретных для пары значений ошибки, взвешенных посредством соответствующих весовых коэффициентов,
причем глобальное значение ошибки представляет собой измерение предварительно определенного показателя ошибки, который следует минимизировать для выполнения объединения наборов цифровых данных в многомерном пространстве.
2. Способ по п. 1, в котором способ дополнительно содержит, до момента достижения предварительно определенного условия прекращения, этап, на котором:
итеративно минимизируют, посредством электронного устройства, глобальное значение ошибки второго набора данных посредством регулирования начальной позиции второго набора данных относительно первого набора данных в многомерном пространстве,
за счет этого итеративно определяя промежуточные позиции второго набора данных относительно первого набора данных в многомерном пространстве,
причем последняя промежуточная позиция второго набора данных представляет собой конечную позицию второго набора данных относительно первого набора данных в многомерном пространстве.
3. Способ по п. 2, в котором второй набор данных в конечной позиции по существу объединяется с первым набором данных.
4. Способ по п. 2, при этом способ содержит этап, на котором определяют, посредством электронного устройства, правило преобразования для второго набора данных, подлежащего смещению от начальной позиции к конечной позиции.
5. Способ по п. 4, в котором правило преобразования включает в себя правило перемещения и правило вращения.
6. Способ по п. 1, в котором способ дополнительно содержит, до согласования, этап, на котором выбирают, посредством электронного устройства, (i) по меньшей мере некоторые из множества первых точек данных из множества первых точек данных и (ii) по меньшей мере некоторые из множества вторых точек данных из множества вторых точек данных.
7. Способ по п. 6, в которой выбор содержит по меньшей мере один из этапов, на которых:
применяют, посредством электронного устройства, алгоритм равномерной выборки (uniform sampling algorithm) по меньшей мере к одной из множества первых точек данных и множества вторых точек данных;
применяют, посредством электронного устройства, алгоритм случайной выборки (random sampling algorithm) по меньшей мере к одной из множества первых точек данных и множества вторых точек данных; и
применяют, посредством электронного устройства, алгоритм распределения векторов нормали (normal-vector-distribution algorithm) по меньшей мере к одной из множества первых точек данных и множества вторых точек данных.
8. Способ по п. 1, в котором согласование содержит этап, на котором определяют, посредством электронного устройства, для данной одной из по меньшей мере некоторых из множества вторых точек данных ближайшую первую точку данных из по меньшей мере некоторых из первого множества точек данных к данной одной из по меньшей мере некоторых из множества вторых точек данных в многомерном пространстве, причем данная одна из по меньшей мере некоторых из множества вторых точек данных и ближайшая первая точка данных образуют одну из множества пар.
9. Способ по п. 1, в котором показатель ошибки представляет собой сумму квадратов расстояний между точками данных в соответствующих одних из множества пар, причем показатель ошибки представляет собой показатель ошибки "точка-точка".
10. Способ по п. 1, в котором показатель ошибки представляет собой сумму квадратов расстояний между данной второй точкой данных в соответствующей одной из множества пар до плоскости, содержащей данную первую точку данных в соответствующей одной из множества пар, причем плоскость является перпендикулярной вектору нормали, ассоциированному с данной первой точкой данных в соответствующей одной из множества пар, причем показатель ошибки представляет собой показатель ошибки типа "точка-плоскость".
11. Способ по п. 1, в котором определение весового коэффициента содержит этапы, на которых:
представляют каждый из множества векторов нормали на сфере предварительно определенного размера;
вычисляют, для данного одного из множества векторов нормали, число векторов нормали, расположенных в предварительно определенной замкнутой окрестности на сфере;
причем данный вектор нормали ассоциирован с данной второй точкой данных в данной одной из множества пар;
определяют, для данной одной из множества пар, весовой коэффициент в качестве обратной величины относительно числа векторов нормали, расположенных в предварительно определенной замкнутой окрестности.
12. Способ по п. 11, в котором сферу аппроксимируют с помощью многогранника, каждая вершина которого расположена на сфере, и множество векторов нормали распределены между гранями многогранника на основе близости к своей соответствующей вершине, и определение весового коэффициента содержит этапы, на которых:
вычисляют число векторов нормали, расположенных на данной грани многогранника,
причем данная грань содержит данный вектор нормали, ассоциированный с данной второй точкой данных в данной одной из множества пар;
определяют, для данной одной из множества пар, весовой коэффициент в качестве обратной величины относительно векторов нормали, расположенных в данной грани многогранника.
13. Способ по п. 1, в котором определение весового коэффициента содержит этапы, на которых:
аппроксимируют распределение множества векторов нормали с нормальным распределением с предварительно определенными параметрами, и
прогнозируют, с использованием байесовского вывода, плотность возникновения вектора нормали в распределении множества векторов нормали;
определяют, для данной одной из множества пар, весовой коэффициент в качестве обратной величины относительно возникновения векторов нормали вектора нормали в распределении множества векторов нормали.
14. Способ по п. 1, в котором определение весового коэффициента содержит этап, на котором:
определяют, посредством электронного устройства, скорректированный весовой коэффициент, если весовой коэффициент находится за пределами предварительно определенного диапазона,
причем скорректированный весовой коэффициент представляет собой ближайшее значение к весовому коэффициенту в предварительно определенном диапазоне.
15. Реализованный посредством компьютера способ выполнения итеративного алгоритма ближайших точек (Iterative Closest Point, ICP) для наборов цифровых данных в многомерном пространстве, причем наборы цифровых данных содержат:
(i) первый набор данных, имеющий множество первых точек данных, и
(ii) второй набор данных, имеющий множество вторых точек данных и множество векторов нормали,
причем данная вторая точка данных из множества вторых точек данных ассоциирована с соответствующим вектором нормали из множества векторов нормали,
причем способ осуществляется посредством электронного устройства, при этом способ содержит, во время выполнения ICP-алгоритма, этапы, на которых:
определяют, посредством электронного устройства, множество пар точек данных на основе по меньшей мере некоторых из множества первых точек данных и по меньшей мере некоторых из множества вторых точек данных,
причем данная одна из множества пар включает в себя (i) соответствующую первую точку данных и (ii) соответствующую вторую точку данных;
определяют, посредством электронного устройства, конкретные для пары значения ошибки для соответствующих одних из множества пар,
причем данное конкретное для пары значение ошибки указывает измерение расстояния для соответствующей одной из множества пар в многомерном пространстве,
взвешивают, посредством электронного устройства, конкретные для пары значения ошибки посредством соответствующих весовых коэффициентов, за счет этого определяя взвешенные конкретные для пары значения ошибки,
причем данный весовой коэффициент для соответствующей одной из множества пар является обратно пропорциональным плотности возникновения вектора нормали второй точки данных в соответствующей одной из множества пар в распределении множества векторов нормали таким образом, что:
(i) чем большее множество векторов нормали имеет векторы, которые являются аналогичными вектору нормали второй точки данных в соответствующей одной из множества пар,
тем больше взвешенное конкретное для пары значение ошибки соответствующей одной из множества пар уменьшается по сравнению с соответствующим конкретным для пары значением ошибки, и
(i) чем меньшее множество векторов нормали имеет векторы, которые являются аналогичными вектору нормали второй точки данных в соответствующей одной из множества пар,
тем больше взвешенное конкретное для пары значение ошибки соответствующей одной из множества пар увеличивается по сравнению с соответствующим конкретным для пары значением ошибки; и
- определяют, посредством электронного устройства, глобальное значение ошибки для второго набора данных в качестве суммы взвешенных конкретных для пары значений ошибки, при этом глобальное значение ошибки представляет собой измерение предварительно определенного показателя ошибки, который следует минимизировать во время выполнения ICP-алгоритма.
16. Электронное устройство, содержащее:
процессор;
машиночитаемый физический носитель информации, содержащий инструкции, причем инструкции служат для выполнения по меньшей мере итеративного алгоритма ближайших точек (ICP);
причем машиночитаемый физический носитель информации сохраняет по меньшей мере:
(i) первый набор данных, имеющий множество первых точек данных, и
(ii) второй набор данных, имеющий множество вторых точек данных и множество векторов нормали,
причем данная вторая точка данных из множества вторых точек данных ассоциирована с соответствующим вектором нормали из множества векторов нормали,
интерфейс связи для осуществления связи с датчиком, смонтированным на транспортном средстве,
причем процессор, при выполнении инструкций, выполнен с возможностью:
определять множество пар точек данных на основе по меньшей мере некоторых из множества первых точек данных и по меньшей мере некоторых из множества вторых точек данных,
причем данная одна из множества пар включает в себя (i) соответствующую первую точку данных и (ii) соответствующую вторую точку данных;
определять конкретные для пары значения ошибки для соответствующих одних из множества пар,
причем данное конкретное для пары значение ошибки указывает измерение расстояния для соответствующей одной из множества пар в многомерном пространстве,
взвешивать конкретные для пары значения ошибки посредством соответствующих весовых коэффициентов, за счет этого определяя взвешенные конкретные для пары значения ошибки,
причем данный весовой коэффициент для соответствующей одной из множества пар является обратно пропорциональным плотности возникновения вектора нормали второй точки данных в соответствующей одной из множества пар в распределении множества векторов нормали,
определять глобальное значение ошибки для второго набора данных в качестве суммы взвешенных конкретных для пары значений ошибки,
причем глобальное значение ошибки представляет собой измерение предварительно определенного показателя ошибки, который следует минимизировать во время выполнения ICP-алгоритма.
17. Электронное устройство по п. 16, в котором процессор, до определения множества пар, выполнен с возможностью:
выбирать (i) по меньшей мере некоторые из множества первых точек данных из множества первых точек данных и (ii) по меньшей мере некоторые из множества вторых точек данных из множества вторых точек данных.
18. Электронное устройство по п. 17, в котором процессор предварительно выполнен с возможностью:
применять алгоритм равномерной выборки по меньшей мере к одной из множества первых точек данных и множества вторых точек данных;
применять алгоритм случайной выборки по меньшей мере к одной из множества первых точек данных и множества вторых точек данных; и
применять алгоритм распределения векторов нормали ra по меньшей мере к одной из множества первых точек данных и множества вторых точек данных.
19. Электронное устройство по п. 16, в котором, для определения данной одной из множества пар, процессор выполнен с возможностью определять для данной одной из по меньшей мере некоторых из множества вторых точек данных ближайшую первую точку данных из по меньшей мере некоторых из множества первых точек данных к данной одной из по меньшей мере некоторых из множества вторых точек данных.
20. Электронное устройство по п. 16, в котором процессор дополнительно выполнен с возможностью применять один из показателя ошибки "точка-точка" и показателя ошибки "точка-плоскость".
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019145089A RU2767949C2 (ru) | 2019-12-30 | 2019-12-30 | Способ (варианты) и система для калибровки нескольких лидарных датчиков |
| US17/010,982 US11754690B2 (en) | 2019-12-30 | 2020-09-03 | Methods and systems for calibrating multiple LIDAR sensors |
| EP20206618.9A EP3845927B1 (en) | 2019-12-30 | 2020-11-10 | Merging multiple lidar point cloud data using an iterative closest point (icp) algorithm with weighting factor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019145089A RU2767949C2 (ru) | 2019-12-30 | 2019-12-30 | Способ (варианты) и система для калибровки нескольких лидарных датчиков |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| RU2019145089A true RU2019145089A (ru) | 2021-07-01 |
| RU2019145089A3 RU2019145089A3 (ru) | 2021-07-08 |
| RU2767949C2 RU2767949C2 (ru) | 2022-03-22 |
Family
ID=73288414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019145089A RU2767949C2 (ru) | 2019-12-30 | 2019-12-30 | Способ (варианты) и система для калибровки нескольких лидарных датчиков |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11754690B2 (ru) |
| EP (1) | EP3845927B1 (ru) |
| RU (1) | RU2767949C2 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3842760A1 (en) | 2019-12-24 | 2021-06-30 | Yandex Self Driving Group Llc | Methods of and system for generating trajectory for self-driving car (sdc) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3819665B1 (en) * | 2019-11-06 | 2022-01-19 | Yandex Self Driving Group LLC | Method and computer device for calibrating lidar system |
| US11531114B2 (en) * | 2020-06-16 | 2022-12-20 | Toyota Research Institute, Inc. | Sensor placement to reduce blind spots |
| WO2022271750A1 (en) * | 2021-06-21 | 2022-12-29 | Cyngn, Inc. | Three-dimensional object detection with ground removal intelligence |
| CN116310215A (zh) * | 2023-03-03 | 2023-06-23 | 网易（杭州）网络有限公司 | 数据处理方法、三维重建方法及其装置、设备和存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2942064A1 (fr) | 2009-02-10 | 2010-08-13 | Peugeot Citroen Automobiles Sa | Procede et systeme pour alerter un conducteur de vehicule |
| US10284387B2 (en) * | 2015-05-29 | 2019-05-07 | GM Global Technology Operations LLC | Hybrid intra-vehicle communication network |
| US10721451B2 (en) | 2016-03-23 | 2020-07-21 | Symbol Technologies, Llc | Arrangement for, and method of, loading freight into a shipping container |
| US10837773B2 (en) * | 2016-12-30 | 2020-11-17 | DeepMap Inc. | Detection of vertical structures based on LiDAR scanner data for high-definition maps for autonomous vehicles |
| US10699142B2 (en) | 2017-04-20 | 2020-06-30 | GM Global Technology Operations LLC | Systems and methods for traffic signal light detection |
| EP3616159A4 (en) | 2017-04-28 | 2020-05-13 | SZ DJI Technology Co., Ltd. | CALIBRATION OF LASER SENSORS |
| US10783381B2 (en) * | 2017-08-31 | 2020-09-22 | Tusimple, Inc. | System and method for vehicle occlusion detection |
| RU2679923C1 (ru) * | 2017-10-05 | 2019-02-14 | Акционерное общество "Лазерные системы" (АО "Лазерные системы") | Способ получения пространственной модели окружающей обстановки в режиме реального времени на основе данных лазерной локации и устройство для его осуществления |
| US10552689B2 (en) * | 2017-11-09 | 2020-02-04 | Here Global B.V. | Automatic occlusion detection in road network data |
| US10628949B2 (en) | 2017-12-18 | 2020-04-21 | Samsung Electronics Co., Ltd. | Image processing with iterative closest point (ICP) technique |
| JP6821712B2 (ja) * | 2018-06-25 | 2021-01-27 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 自然光景中での統合センサの較正 |
-
2019
- 2019-12-30 RU RU2019145089A patent/RU2767949C2/ru active
-
2020
- 2020-09-03 US US17/010,982 patent/US11754690B2/en active Active
- 2020-11-10 EP EP20206618.9A patent/EP3845927B1/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3842760A1 (en) | 2019-12-24 | 2021-06-30 | Yandex Self Driving Group Llc | Methods of and system for generating trajectory for self-driving car (sdc) |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3845927B1 (en) | 2022-03-30 |
| RU2767949C2 (ru) | 2022-03-22 |
| EP3845927A1 (en) | 2021-07-07 |
| RU2019145089A3 (ru) | 2021-07-08 |
| US11754690B2 (en) | 2023-09-12 |
| US20210199783A1 (en) | 2021-07-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2019145089A (ru) | Способы и системы для калибровки нескольких лидарных датчиков | |
| CN107230225B (zh) | 三维重建的方法和装置 | |
| CN113436238A (zh) | 点云配准精度的评估方法、装置和电子设备 | |
| CN106093939B (zh) | 一种基于相位差统计模型的InSAR图像相位解缠方法 | |
| CN113532419B (zh) | 天空偏振模式信息获取方法、装置、电子设备和存储介质 | |
| CN109685841B (zh) | 三维模型与点云的配准方法及系统 | |
| CN108344409A (zh) | 提高卫星姿态确定精度的方法 | |
| CN110686610B (zh) | 基于自适应网格的光学变形测量方法及电子设备 | |
| CN116563096B (zh) | 用于图像配准的形变场的确定方法、装置以及电子设备 | |
| CN114323536A (zh) | 一种提高五孔探针测量精度的插值方法 | |
| CN104407366B (zh) | 一种对伪距进行平滑处理的方法 | |
| US20100166295A1 (en) | Method and system for searching for global minimum | |
| US11861812B2 (en) | Camera parameter estimation apparatus, camera parameter estimation method, and computer-readable recording medium | |
| CN116466835A (zh) | 笔迹预测方法、装置、电子设备及存储介质 | |
| CN111294922A (zh) | 一种分级快速的无线传感器网络节点精准定位方法及装置 | |
| CN113487685B (zh) | 线激光扫描相机的标定方法、装置、设备和存储介质 | |
| WO2023009508A1 (en) | Determining minimum region for finding planar surfaces | |
| CN115035190A (zh) | 位姿定位方法、装置、计算机设备和存储介质 | |
| CN110866608B (zh) | 一种自适应学习率计算方法 | |
| CN112991140A (zh) | 一种gpu并行加速的包络对齐快速实现方法 | |
| CN118037825B (zh) | 表面点云有向法向量的校正方法及装置 | |
| CN106570915B (zh) | 一种基于点云数据的全凸闭合连续曲线的树干直径提取方法 | |
| CN112199814B (zh) | 测量系统的系统误差自检校方法、装置、设备和介质 | |
| WO2013026719A2 (en) | Method and system for scene visualization | |
| CN113674411B (zh) | 基于位姿图调整的建图方法及相关设备 |