CN112882059A - 一种基于激光雷达的无人船内河障碍物感知方法 - Google Patents
一种基于激光雷达的无人船内河障碍物感知方法 Download PDFInfo
- Publication number
- CN112882059A CN112882059A CN202110026459.9A CN202110026459A CN112882059A CN 112882059 A CN112882059 A CN 112882059A CN 202110026459 A CN202110026459 A CN 202110026459A CN 112882059 A CN112882059 A CN 112882059A
- Authority
- CN
- China
- Prior art keywords
- grid
- target
- point cloud
- information
- ship
- 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
Images
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
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Radar Systems Or Details Thereof (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于激光雷达的无人船内河障碍物感知方法，步骤为：1、以本船位置为参照点实时在线构建任务水域区域多边形地理电子围栏区域；2、对激光雷达生成的360°点云进行畸变修正，并将处理后的点云信息结合本船位置根据步骤1中的地理围栏区域进行过滤；3，对修正后的点云进行水平面栅格投影降维处理，统计归属于每个栅格内的点云多维特征信息，根据特征值计算每个栅格的目标置信度；4，对栅格地图进行噪声去除、目标栅格分割和聚类处理，提取每个目标的位置和尺度信息，获取目标二维矩形包围框；5，根据激光雷达前后帧栅格地图提取障碍物目标包围框的位置坐标和包围框长宽比信息，进行前后帧聚类目标关联匹配，提取目标位置速度信息。本发明实现了目标的位置和大小的准确获取。
Description
技术领域
本发明属于无人智能船舶目标感知检测领域，具体涉及一种基于激光雷达的无人船内河障碍物感知方法。
背景技术
内河航道相比开阔海面，具有航路狭窄曲折，典型的目标如码头、游泳的人、渔网箱、浮球、水草等，具有尺度较小、类型众多等特点。无人船感知所依靠的主要传感器导航雷达在较为狭窄的内河中受两侧堤岸及陆地反射杂波影响，障碍物探测和跟踪性能显著下降，不能满足无人船内河航行障碍物规避的需要。
利用激光雷达分辨率高、距离和尺度信息精确、探测周期短的特点，可以更快速、更精准的探测不同种类的水面目标，是水面无人船障碍物感知的重要手段。但由于激光雷达点云数据本身存在无序性、高稀疏性、数据量大的特点，目前基于激光雷达的内河无人艇障碍物感知研究相对较少。
发明内容
本发明的目的在于克服现有技术的不足之处，提供一种能够实现对内河航道障碍的感知探测，较为准确的获取目标位置和大小的基于激光雷达的无人船内河障碍物感知方法。
本发明的上述目的通过如下技术方案来实现：
一种基于激光雷达的无人船内河障碍物感知方法，其特征在于，包括如下步骤：
步骤1、可航行区域轮廓构建，具体为：利用从地图、海图等已知信息中获取的内河可航行区域经纬度坐标，以本船位置为参照点，实时在线构建任务可航行水域多边形地理电子围栏区域；
步骤2、利用差分GNSS和船载IMU接收实时位姿信息，补偿激光雷达与IMU标定后获得的X，Y，Z安装角度误差；利用IMU姿态信息对激光雷达生成的360°点云进行畸变修正，并将点云球坐标系转换至大地笛卡尔坐标系；最后将处理后的点云信息结合本船位置，根据步骤1中的地理围栏区域进行过滤，去除可航行区域外部的点云；
步骤3，对步骤2修正后的点云进行水平面栅格投影降维，形成二维投影栅格，统计归属于每个栅格内的点云多维特征信息，根据多维特征值计算每个栅格的目标置信度；
步骤4，对步骤3中二维投影栅格形成的栅格地图进行障碍物栅格滤波，包括噪声去除、目标栅格分割和聚类处理，获取目标二维矩形包围框，提取每个目标的位置和尺度信息；
步骤5，根据激光雷达前后帧栅格地图提取障碍物目标包围框的位置坐标和包围框长宽比信息，进行前后帧聚类目标关联匹配，提取目标位置速度信息。
进一步的：步骤2中，畸变修正采用的方式为：对获取的位姿信息做双线性插值，根据激光雷达点云360°不同扇区所对应的时间戳获取插值后的位姿信息实现畸变修正，减少点云因船体摇摆和运动产生的畸变。
进一步的：步骤3中，二维投影栅格以激光雷达为中心，与水平面平行，采用正方形栅格，栅格划分密度根据待探测障碍物所需最小分辨能力确定，每个栅格边长为障碍物最小分辨率的0.5倍。
进一步的：步骤3中，栅格点云多维特征信息包括点云数量、最大最小高度差、最小高度、平均反射强度。
进一步的：步骤4中，聚类处理主要采用欧式距离聚类，包括以下子步骤：
步骤4.1，在本船及尾流区域划分的不同阈值，在提取障碍物时，阈值Hthre设定为：
普通阈值区域内，Hw为航行时浪高，由海况决定；在高阈值区域，具体设定本船航速v呈正比，具体比例系数与船舶特性有关；
本发明提出的障碍物栅格滤波算法具体为：遍历整个步骤3提取的包含点云多维特征信息的栅格地图，滑窗去除水面波浪产生的噪声影响，其中，目标栅格的判定应同时满足以下条件：
N＞2
Hmin＞1.5Hvessel
(Hmax-Hmin)＞Hthre
intensity＞10
式中，N为落在栅格坐标区间内的点云数量，Hmax为栅格内点云最大高度、Hmin为栅格内点云最小高度、Hvessel为本船最高点距水面的高度、intensity为平均反射强度(本例中范围为0～255)。
步骤4.2，遍历栅格地图中的每一个目标栅格，若该点已经处理则跳过，否则定义一个种子栅格队列并加入一个种子栅格，将此栅格的八邻域栅格作为聚类半径，利用快速膨胀标记法将八邻域内目标栅格标记为已处理的栅格，聚类为同一个目标；
步骤4.3，设定单个目标最小聚类栅格数量为2，进一步减少虚警。根据栅格聚类结果，构建最小面积的二维矩形包围框表示水面障碍物位置和尺度。
进一步的，步骤5中，关联匹配算法使用栅格地图质心一阶矩和形状特征距离进行匈牙利最小距离成本匹配方法，包括以下子步骤：
步骤5.1，计算当前帧每个聚类对象的质心、长宽比，对激光雷达点云前后帧构建的栅格地图中的障碍物信息依据质心栅格坐标、包围框长宽比等外形特征利用二分图优化算法进行关联匹配；
步骤5.2，根据匹配结果更新目标批号匹配：针对前一帧目标与新目标一对多匹配，产生的未匹配的目标的问题。处理方法为：根据本船速度计算目标质心绝对坐标偏移距离，判断是否为移动目标，偏移量阈值取2.0m，将移动目标分配新的目标批号；
步骤5.3，根据匹配结果更新栅格地图：若一个网格在新的一帧里有点云，则置信度重置为1.0，若没有点云，则置信度随时间衰减，本实施例中每周期递减0.04，最终减为0。通过前后帧几何距离和激光雷达测量周期，计算目标相对运动速度和方向信息。
本发明具有的优点和积极效果：
1、本发明充分发挥激光雷达的特点，利用厘米级精度点云信息做目标分割聚类提取，可以准确的获取目标的位置和大小信息。
2、本方法使用激光雷达受光照条件影响小，检测周期高(可达10Hz)，通过地理电子围栏的应用，更加适应复杂的内河航道中障碍物的探测。
附图说明
图1是本发明障碍物提取算法流程图；
图2是本发明栅格地图表示示意图；
图3是本发明目标分割聚类流程图；
图4是本发明点帧间目标关联流程图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
一种基于激光雷达的无人船内河障碍物感知方法，该方法基于安装有三维激光雷达的无人船平台，其发明点为：包括以下步骤：
步骤1、可航行区域轮廓构建，具体为：利用从地图、海图等已知信息中获取的内河可航行区域经纬度坐标，以本船位置为参照点，实时在线构建任务可航行水域多边形地理电子围栏区域。地理电子围栏是由无人船航道两侧，根据航道不同曲率所获取的边界点经纬度构成的多边形区域，边界点个数与曲率正比。边界点可由地图、河图等已知信息获取。构建多边形地理电子围栏区域时，以本船实时位置为参考点，采用墨卡托投影变换动态的将可航行区域WGS-84等格式的经纬度坐标转换为水平面多边形坐标，简化分割相关计算。
步骤2，利用差分GNSS(全球卫星导航系统)和船载IMU(惯性测量装置)接收实时位姿信息，补偿激光雷达与IMU标定后获得的X，Y，Z安装角度误差。利用IMU姿态信息对激光雷达生成的360°点云进行畸变修正，并将点云球坐标系转换至大地笛卡尔坐标系。最后将处理后的点云信息结合本船位置，根据步骤1中的地理围栏区域进行过滤，去除可航行区域外部的点云；
上述进行畸变修正采用的方式为：对获取的位姿信息中纵横摇、速度、船艏向数据做双线性插值，根据激光雷达点云360°不同扇区所对应的时间戳获取插值后的位姿信息实现畸变修正，减少点云因船体摇摆和运动产生的畸变。
上述将点云球坐标转换至大地笛卡尔坐标系的具体方法为：根据激光雷达点云球坐标信息和本船航向信息，转换为包含强度信息的标准笛卡尔直角坐标系下PointXYZI格式的点云。
上述对处理后的点云信息进行过滤具体方法为：
根据步骤1中实时在线构建的多边形地理电子围栏区域，根据本船实时经纬度将轮廓多边形经纬度大地坐标转换到以激光雷达为原点的平面直角坐标，通过构造轮廓映射表，运用射线法计算激光雷达点云各点是否落在可航行区域多边形内，去除可航行区外部的目标点云，如堤岸及周边的建筑物与树木等。
步骤3，对步骤2修正后的点云进行水平面栅格投影降维处理，形成二维投影栅格，统计归属于每个栅格内的点云多维特征信息，并根据特征值计算每个栅格的目标置信度。
如附图2所示，在点云二维投影具体实施时，主要方法是对z轴降维，将点云投影至平面x,y方向上的正方形栅格地图。投影栅格的大小根据待探测障碍物所需最小分辨精度确定，每个栅格边长为障碍物探测精度的0.5倍。本实施例使用边长为0.5m大小的正方形栅格，对激光雷达测量范围内200m×200m区域进行栅格划分，获得800×800的栅格地图。根据每个栅格对应区域的点云数据进行特征提取，栅格中存储对应栅格内部点云数量、最大最小高度差、最小高度、平均反射强度及基于上述信息计算得出的目标栅格置信度。通过对原始点云进行特征提取并建立了一个二维索引表格，高效地对点云进行搜索。
步骤4，对步骤3中二维投影栅格形成的栅格地图进行障碍物栅格滤波，具体包括噪声去除、目标栅格分割和聚类处理，提取每个目标的位置和尺度信息，获取目标二维矩形包围框。
聚类处理主要采用欧式距离聚类，包括以下子步骤：
步骤4.1，在本船及尾流区域划分的不同阈值，在提取障碍物时，阈值Hthre设定为：
普通阈值区域内，Hw为航行时浪高，由海况决定；在高阈值区域，具体设定本船航速v呈正比，具体比例系数与船舶特性有关；
本发明提出的障碍物栅格滤波算法具体为：遍历整个步骤3提取的包含点云多维特征信息的栅格地图，滑窗去除水面波浪产生的噪声影响；栅格的判定为有效目标应同时满足以下条件：
N＞2
Hmin＞1.5Hvessel
(Hmax-Hmin)＞Hthre
intensity＞10
式中，N为落在栅格坐标区间内的点云数量，Hmax为栅格内点云最大高度、Hmin为栅格内点云最小高度、Hvessel为本船最高点距水面的高度、intensity为平均反射强度(本例中范围为0～255)。
步骤4.2，遍历栅格地图中的每一个目标栅格，若该点已经处理则跳过，否则定义一个种子栅格队列并加入一个种子栅格，将此栅格的八邻域栅格作为聚类半径，利用快速膨胀标记法将八邻域内目标栅格标记为已处理的栅格，聚类为同一个目标；
步骤4.3，设定单个目标最小聚类栅格数量为2进一步减少虚警，根据栅格聚类结果，构建最小面积的二维矩形包围框表示水面障碍物位置和尺度。
步骤5，根据激光雷达前后帧栅格地图提取障碍物目标包围框的位置坐标和包围框长宽比信息，进行前后帧聚类目标关联匹配，提取目标位置速度信息。
其中，关联匹配算法使用栅格地图质心一阶矩和形状特征距离进行匈牙利最小距离成本匹配方法，包括以下子步骤：
步骤5.1，计算当前帧每个聚类对象的质心、长宽比，对激光雷达点云前后帧构建的栅格地图中的障碍物信息依据质心栅格坐标、包围框长宽比等外形特征利用二分图优化算法进行关联匹配；
步骤5.2，根据匹配结果更新目标批号匹配。针对前一帧目标与新目标一对多匹配，产生的未匹配的目标的问题。处理方法为：根据本船速度计算目标质心绝对坐标偏移距离，判断是否为移动目标，偏移量阈值取2.0m，将移动目标分配新的目标批号；
步骤5.3，根据匹配结果更新栅格地图。若一个网格在新的一帧里有点云，则置信度重置为1.0，若没有点云，则置信度随时间衰减，本实施例中每周期递减0.04，最终减为0。通过前后帧几何距离和激光雷达测量周期，计算目标相对运动速度和方向信息。
尽管为说明目的公开了本发明的实施例和附图，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的精神和范围内，各种替换、变化和修改都是可能的，因此，本发明的范围不局限于实施例和附图所公开的内容。
Claims (6)
1.一种基于激光雷达的无人船内河障碍物感知方法，其特征在于，包括如下步骤：
步骤1、可航行区域轮廓构建，具体为：利用从地图、海图等已知信息中获取的内河可航行区域经纬度坐标，以本船位置为参照点，实时在线构建任务可航行水域多边形地理电子围栏区域；
步骤2、利用差分GNSS和船载IMU接收实时位姿信息，补偿激光雷达与IMU标定后获得的X，Y，Z安装角度误差；利用IMU姿态信息对激光雷达生成的360°点云进行畸变修正，并将点云球坐标系转换至大地笛卡尔坐标系；最后将处理后的点云信息结合本船位置，根据步骤1中的地理围栏区域进行过滤，去除可航行区域外部的点云；
步骤3，对步骤2修正后的点云进行水平面栅格投影降维，形成二维投影栅格，统计归属于每个栅格内的点云多维特征信息，根据多维特征值计算每个栅格的目标置信度；
步骤4，对步骤3中二维投影栅格形成的栅格地图进行障碍物栅格滤波，包括噪声去除、目标栅格分割和聚类处理，获取目标二维矩形包围框，提取每个目标的位置和尺度信息；
步骤5，根据激光雷达前后帧栅格地图提取障碍物目标包围框的位置坐标和包围框长宽比信息，进行前后帧聚类目标关联匹配，提取目标位置速度信息。
2.根据权利要求1所述的基于激光雷达的无人船内河障碍物感知方法，其特征在于：步骤2中，畸变修正采用的方式为：对获取的位姿信息做双线性插值，根据激光雷达点云360°不同扇区所对应的时间戳获取插值后的位姿信息实现畸变修正，减少点云因船体摇摆和运动产生的畸变。
3.根据权利要求1所述的基于激光雷达的无人船内河障碍物感知方法，其特征在于：二维投影栅格以激光雷达为中心，与水平面平行，采用正方形栅格，栅格划分密度根据待探测障碍物所需最小分辨能力确定，每个栅格边长为障碍物最小分辨率的0.5倍。
4.根据权利要求1所述的基于激光雷达的无人船内河障碍物感知方法，其特征在于：栅格点云多维特征信息包括点云数量、最大最小高度差、最小高度、平均反射强度。
5.根据权利要求1所述的基于激光雷达的无人船内河障碍物感知方法，其特征在于：步骤4中，聚类处理主要采用欧式距离聚类，包括以下子步骤：
步骤4.1，在本船及尾流区域划分的不同阈值，在提取障碍物时，阈值Hthre设定为：
普通阈值区域内，Hw为航行时浪高，由海况决定；在高阈值区域，具体设定本船航速v呈正比，具体比例系数与船舶特性有关；
本发明提出的障碍物栅格滤波算法具体为：遍历整个步骤3提取的包含点云多维特征信息的栅格地图，滑窗去除水面波浪产生的噪声影响，其中，目标栅格的判定应同时满足以下条件：
N＞2
Hmin＞1.5Hvessel
(Hmax-Hmin)＞Hthre
intensity＞10
式中，N为落在栅格坐标区间内的点云数量，Hmax为栅格内点云最大高度、Hmin为栅格内点云最小高度、Hvessel为本船最高点距水面的高度、intensity为平均反射强度；
步骤4.2，遍历栅格地图中的每一个目标栅格，若该点已经处理则跳过，否则定义一个种子栅格队列并加入一个种子栅格，将此栅格的八邻域栅格作为聚类半径，利用快速膨胀标记法将八邻域内目标栅格标记为已处理的栅格，聚类为同一个目标；
步骤4.3，设定单个目标最小聚类栅格数量为2，进一步减少虚警，根据栅格聚类结果，构建最小面积的二维矩形包围框表示水面障碍物位置和尺度。
6.根据权利要求1所述的基于激光雷达的无人船内河障碍物感知方法，其特征在于，步骤5中，关联匹配算法使用栅格地图质心一阶矩和形状特征距离进行匈牙利最小距离成本匹配方法，包括以下子步骤：
步骤5.1，计算当前帧每个聚类对象的质心、长宽比，对激光雷达点云前后帧构建的栅格地图中的障碍物信息依据质心栅格坐标、包围框长宽比等外形特征利用二分图优化算法进行关联匹配；
步骤5.2，根据匹配结果更新目标批号匹配：针对前一帧目标与新目标一对多匹配，生的未匹配的目标的问题；处理方法为：根据本船速度计算目标质心绝对坐标偏移距离，判断是否为移动目标，偏移量阈值取2.0m，将移动目标分配新的目标批号；
步骤5.3，根据匹配结果更新栅格地图：若一个网格在新的一帧里有点云，则置信度重置为1.0，若没有点云，则置信度随时间衰减，本实施例中每周期递减0.04，最终减为0；通过前后帧几何距离和激光雷达测量周期，计算目标相对运动速度和方向信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110026459.9A CN112882059B (zh) | 2021-01-08 | 2021-01-08 | 一种基于激光雷达的无人船内河障碍物感知方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110026459.9A CN112882059B (zh) | 2021-01-08 | 2021-01-08 | 一种基于激光雷达的无人船内河障碍物感知方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112882059A true CN112882059A (zh) | 2021-06-01 |
| CN112882059B CN112882059B (zh) | 2023-01-17 |
Family
ID=76046162
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110026459.9A Active CN112882059B (zh) | 2021-01-08 | 2021-01-08 | 一种基于激光雷达的无人船内河障碍物感知方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112882059B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534171A (zh) * | 2021-06-22 | 2021-10-22 | 贵州电网有限责任公司 | 一种适用于变电站的感应雷达电子围栏及定位追踪方法 |
| CN113778099A (zh) * | 2021-09-16 | 2021-12-10 | 浙江大学湖州研究院 | 基于NDT算法和Hybrid A*算法的无人船路径规划方法 |
| CN113888589A (zh) * | 2021-09-09 | 2022-01-04 | 华中科技大学 | 一种基于激光雷达的水面障碍物检测与多目标跟踪方法 |
| CN114089377A (zh) * | 2021-10-21 | 2022-02-25 | 江苏大学 | 一种基于激光雷达的点云处理和物体识别系统及方法 |
| CN114218637A (zh) * | 2021-12-14 | 2022-03-22 | 天津大学 | 一种用于建筑遗产数字化记录的柱网的自动求解方法 |
| CN114241211A (zh) * | 2021-11-26 | 2022-03-25 | 中国船舶重工集团公司第七0四研究所 | 基于激光雷达点云特征的岸线提取方法 |
| CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通（北京）科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
| CN114397654A (zh) * | 2022-03-24 | 2022-04-26 | 陕西欧卡电子智能科技有限公司 | 一种基于多雷达感知的无人船避障方法 |
| CN114820392A (zh) * | 2022-06-28 | 2022-07-29 | 新石器慧通（北京）科技有限公司 | 激光雷达检测的运动目标畸变补偿方法、设备及存储介质 |
| CN114879685A (zh) * | 2022-05-25 | 2022-08-09 | 合肥工业大学 | 一种用于无人船的河岸线检测及自主巡航方法 |
| CN115267827A (zh) * | 2022-08-11 | 2022-11-01 | 中国船舶集团有限公司第七一六研究所 | 一种基于高度密度筛选的激光雷达港区障碍物感知方法 |
| CN115656982A (zh) * | 2022-12-13 | 2023-01-31 | 中国南方电网有限责任公司超高压输电公司广州局 | 水面杂波去除方法、装置、计算机设备和存储介质 |
| CN117830676A (zh) * | 2024-03-06 | 2024-04-05 | 国网湖北省电力有限公司 | 基于无人机的输电线路施工风险识别方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105374224A (zh) * | 2015-10-29 | 2016-03-02 | 深圳市元征科技股份有限公司 | 一种定位数据处理方法及车载终端 |
| CN106355194A (zh) * | 2016-08-22 | 2017-01-25 | 广东华中科技大学工业技术研究院 | 一种基于激光成像雷达的无人艇水面目标处理方法 |
| CN110246159A (zh) * | 2019-06-14 | 2019-09-17 | 湖南大学 | 基于视觉和雷达信息融合的3d目标运动分析方法 |
| CN110850403A (zh) * | 2019-11-18 | 2020-02-28 | 中国船舶重工集团公司第七0七研究所 | 一种多传感器决策级融合的智能船水面目标感知识别方法 |
| CN110865394A (zh) * | 2019-09-24 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达数据的目标分类系统及其数据处理方法 |
| CN111239717A (zh) * | 2020-01-22 | 2020-06-05 | 南京甄视智能科技有限公司 | 一种基于x波段雷达的水面障碍物检测方法 |
| CN111381248A (zh) * | 2020-03-23 | 2020-07-07 | 湖南大学 | 一种考虑车辆颠簸的障碍物检测方法及系统 |
-
2021
- 2021-01-08 CN CN202110026459.9A patent/CN112882059B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105374224A (zh) * | 2015-10-29 | 2016-03-02 | 深圳市元征科技股份有限公司 | 一种定位数据处理方法及车载终端 |
| CN106355194A (zh) * | 2016-08-22 | 2017-01-25 | 广东华中科技大学工业技术研究院 | 一种基于激光成像雷达的无人艇水面目标处理方法 |
| CN110246159A (zh) * | 2019-06-14 | 2019-09-17 | 湖南大学 | 基于视觉和雷达信息融合的3d目标运动分析方法 |
| CN110865394A (zh) * | 2019-09-24 | 2020-03-06 | 中国船舶重工集团公司第七0七研究所 | 一种基于激光雷达数据的目标分类系统及其数据处理方法 |
| CN110850403A (zh) * | 2019-11-18 | 2020-02-28 | 中国船舶重工集团公司第七0七研究所 | 一种多传感器决策级融合的智能船水面目标感知识别方法 |
| CN111239717A (zh) * | 2020-01-22 | 2020-06-05 | 南京甄视智能科技有限公司 | 一种基于x波段雷达的水面障碍物检测方法 |
| CN111381248A (zh) * | 2020-03-23 | 2020-07-07 | 湖南大学 | 一种考虑车辆颠簸的障碍物检测方法及系统 |
Non-Patent Citations (7)
| Title |
|---|
| 李兵等: "机载激光雷达技术在北方河道整治中的应用", 《北京测绘》 * |
| 李小毛等: "基于3D激光雷达的无人水面艇海上目标检测", 《上海大学学报(自然科学版)》 * |
| 李炯等: "一种融合密度聚类与区域生长算法的快速障碍物检测方法", 《机器人》 * |
| 李跃芳等: "复杂水域环境中无人艇航行规划方法研究", 《中国造船》 * |
| 胡杰: "基于激光雷达的障碍物检测和跟踪算法的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
| 董凯旋等: "基于遥感图像的舰船目标检测与参数估计方法", 《电子科技》 * |
| 赵键等: "基于相对形状上下文与概率松弛标记法的点模式匹配算法", 《信号处理》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534171A (zh) * | 2021-06-22 | 2021-10-22 | 贵州电网有限责任公司 | 一种适用于变电站的感应雷达电子围栏及定位追踪方法 |
| CN113888589A (zh) * | 2021-09-09 | 2022-01-04 | 华中科技大学 | 一种基于激光雷达的水面障碍物检测与多目标跟踪方法 |
| CN113888589B (zh) * | 2021-09-09 | 2024-10-15 | 华中科技大学 | 一种基于激光雷达的水面障碍物检测与多目标跟踪方法 |
| CN113778099A (zh) * | 2021-09-16 | 2021-12-10 | 浙江大学湖州研究院 | 基于NDT算法和Hybrid A*算法的无人船路径规划方法 |
| CN114089377A (zh) * | 2021-10-21 | 2022-02-25 | 江苏大学 | 一种基于激光雷达的点云处理和物体识别系统及方法 |
| CN114241211A (zh) * | 2021-11-26 | 2022-03-25 | 中国船舶重工集团公司第七0四研究所 | 基于激光雷达点云特征的岸线提取方法 |
| CN114218637A (zh) * | 2021-12-14 | 2022-03-22 | 天津大学 | 一种用于建筑遗产数字化记录的柱网的自动求解方法 |
| CN114218637B (zh) * | 2021-12-14 | 2024-10-15 | 天津大学 | 一种用于建筑遗产数字化记录的柱网的自动求解方法 |
| CN114387585A (zh) * | 2022-03-22 | 2022-04-22 | 新石器慧通（北京）科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
| CN114387585B (zh) * | 2022-03-22 | 2022-07-05 | 新石器慧通（北京）科技有限公司 | 障碍物检测方法、检测装置及行驶装置 |
| CN114397654B (zh) * | 2022-03-24 | 2022-06-24 | 陕西欧卡电子智能科技有限公司 | 一种基于多雷达感知的无人船避障方法 |
| CN114397654A (zh) * | 2022-03-24 | 2022-04-26 | 陕西欧卡电子智能科技有限公司 | 一种基于多雷达感知的无人船避障方法 |
| CN114879685A (zh) * | 2022-05-25 | 2022-08-09 | 合肥工业大学 | 一种用于无人船的河岸线检测及自主巡航方法 |
| CN114820392A (zh) * | 2022-06-28 | 2022-07-29 | 新石器慧通（北京）科技有限公司 | 激光雷达检测的运动目标畸变补偿方法、设备及存储介质 |
| CN114820392B (zh) * | 2022-06-28 | 2022-10-18 | 新石器慧通（北京）科技有限公司 | 激光雷达检测的运动目标畸变补偿方法、设备及存储介质 |
| CN115267827B (zh) * | 2022-08-11 | 2024-07-09 | 中国船舶集团有限公司第七一六研究所 | 一种基于高度密度筛选的激光雷达港区障碍物感知方法 |
| CN115267827A (zh) * | 2022-08-11 | 2022-11-01 | 中国船舶集团有限公司第七一六研究所 | 一种基于高度密度筛选的激光雷达港区障碍物感知方法 |
| CN115656982A (zh) * | 2022-12-13 | 2023-01-31 | 中国南方电网有限责任公司超高压输电公司广州局 | 水面杂波去除方法、装置、计算机设备和存储介质 |
| CN117830676A (zh) * | 2024-03-06 | 2024-04-05 | 国网湖北省电力有限公司 | 基于无人机的输电线路施工风险识别方法及系统 |
| CN117830676B (zh) * | 2024-03-06 | 2024-06-04 | 国网湖北省电力有限公司 | 基于无人机的输电线路施工风险识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112882059B (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112882059B (zh) | 一种基于激光雷达的无人船内河障碍物感知方法 | |
| CN113340295B (zh) | 一种多个测距传感器的无人艇近岸实时定位与建图方法 | |
| CN108562913B (zh) | 一种基于三维激光雷达的无人艇假目标检测方法 | |
| CN109239709B (zh) | 一种无人船的局部环境地图自主构建方法 | |
| CN113177593B (zh) | 一种水上交通环境中雷达点云与影像数据的融合方法 | |
| CN107025654B (zh) | 基于全局迭代检查的sar图像自适应船只检测方法 | |
| CN110132284B (zh) | 一种基于深度信息的全局定位方法 | |
| CN111340875B (zh) | 一种基于三维激光雷达的空间移动目标检测方法 | |
| CN115761550A (zh) | 一种基于激光雷达点云和相机图像融合的水面目标检测方法 | |
| CN112394726B (zh) | 一种基于证据理论的无人船障碍物融合检测方法 | |
| CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
| CN107862271B (zh) | 一种舰船目标的检测方法 | |
| EP4139893A1 (en) | Systems and methods for generating and/or using 3-dimensional information with camera arrays | |
| Han et al. | GPS-less coastal navigation using marine radar for USV operation | |
| CN110596728A (zh) | 一种基于激光雷达的水面小目标探测方法 | |
| CN113487631A (zh) | 基于lego-loam的可调式大角度探测感知及控制方法 | |
| CN110927765B (zh) | 激光雷达与卫星导航融合的目标在线定位方法 | |
| CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
| CN113888589B (zh) | 一种基于激光雷达的水面障碍物检测与多目标跟踪方法 | |
| CN111089580B (zh) | 一种基于协方差交叉的无人战车同时定位与地图构建方法 | |
| CN114740493A (zh) | 一种基于多线激光雷达的路沿检测方法 | |
| Deng et al. | Obstacle detection of unmanned surface vehicle based on LiDAR point cloud data | |
| CN115267827B (zh) | 一种基于高度密度筛选的激光雷达港区障碍物感知方法 | |
| US20240087094A1 (en) | Systems And Methods For Combining Multiple Depth Maps | |
| Wawrzyniak et al. | MSIS sonar image segmentation method based on underwater viewshed analysis and high-density seabed model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |