CN107578002A - 一种车道线识别结果的监测方法、装置、设备和介质 - Google Patents
一种车道线识别结果的监测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN107578002A CN107578002A CN201710749444.9A CN201710749444A CN107578002A CN 107578002 A CN107578002 A CN 107578002A CN 201710749444 A CN201710749444 A CN 201710749444A CN 107578002 A CN107578002 A CN 107578002A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- coordinate system
- lane line
- system data
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车道线识别结果的监测方法、装置、设备和介质，属于机器视觉和自动驾驶技术领域。该方法包括：获取基于定位传感器检测出的车道线的世界坐标系数据；根据所述世界坐标系数据获取车道线的图像坐标系数据；根据所述图像坐标系数据生成车道线图像。本发明实施例提供的一种车道线识别结果的监测方法、装置、设备和介质，实现了对检测出的车道线的准确性进行直观的监测。
Description
技术领域
本发明实施例涉及机器视觉和自动驾驶技术领域，尤其涉及一种车道线识别结果的监测方法、装置、设备和介质。
背景技术
随着汽车数量的日渐增多，交通问题日益严重，对于汽车的智能自主性、行驶安全性以及辅助驾驶技术的研究成为当前的热点，而对于车道线的稳定检测和跟踪是实现汽车自动驾驶或者安全辅助驾驶的基础和关键。
现有技术将检测出的世界坐标系下的车道线直接应用于汽车自动驾驶或安全辅助驾驶功能。其中，世界坐标系是在环境中描述摄像机和物体的位置的三维坐标系。
但是，发明人在实现本发明的过程中发现现有技术存在如下缺陷：上述方法不能对检测出的车道线的准确性进行直观的监测。
发明内容
本发明提供一种车道线识别结果的监测方法、装置、设备和介质，以实现对检测出的车道线的准确性进行直观的监测。
第一方面，本发明实施例提供了一种车道线识别结果的监测方法，该方法包括：
获取基于定位传感器检测出的车道线的世界坐标系数据；
根据所述世界坐标系数据获取车道线的图像坐标系数据；
根据所述图像坐标系数据生成车道线图像。
第二方面，本发明实施例还提供了一种车道线识别结果的监测装置，该装
置包括：
获取模块，用于获取基于定位传感器检测出的车道线的世界坐标系数据；
转换模块，用于根据所述世界坐标系数据获取车道线的图像坐标系数据；
图像生成模块，用于根据所述图像坐标系数据生成包含所述车道线的图像。
进一步的，所述转换模块包括：
第一转换单元，用于根据所述世界坐标系数据获取坐标系转换矩阵和世界坐标矩阵；
第二转换单元，用于根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，并将所述坐标点作为所述图像坐标系数据，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应图像坐标系下的坐标点的x值，Pi的第二行第一列对应图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z1],[X Y Z]是车道线上的点在世界坐标系下的坐标值。
第三方面，本发明实施例还提供了一种终端，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的车道线监测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的车道线识别结果的监测方法。
本发明通过将检测出的车道线的世界坐标系数据转换为图像坐标系数据，以生成车道线图像，从而实现对车道线识别结果的准确性进行更为直观的监测。
附图说明
图1是本发明实施例一提供的一种车道线识别结果的监测方法的流程图；
图2是本发明实施例二提供的一种车道线识别结果的监测方法的流程图；
图3是本发明实施例二提供的外部参数的示意图；
图4是本发明实施例三提供的一种车道线识别结果的监测装置的结构示意图；
图5为本发明实施例四提供的一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种车道线识别结果的监测方法的流程图。本实施例可适用于对识别出的车道线进行准确性监测的情况，该方法可以由一种车道线识别结果的监测装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的车道线识别结果的监测方法包括：
S110、获取基于定位传感器检测出的车道线的世界坐标系数据。
其中，车道线的世界坐标系数据是车道线和拍摄车道线的摄像机在世界坐标系下的特征数据，具体可以包括：车道线的起点坐标、终点坐标、车道线曲率、车道线曲率变化率、地面曲率和地面曲率变化率、所述车道线与世界坐标系中X轴之间的夹角、摄像机在世界坐标系下的俯仰角、摄像机在世界坐标系下的偏航角和摄像机在世界坐标系下的翻滚角。
可选的，车道线的世界坐标系数据可以通过安装在汽车上的GPS定位传感器结合摄像机检测获得；为提高车道线的检测准确率，车道线的世界坐标系数据也可以基于GPS定位传感器、电子地图、摄像机和其他传感器检测获得，其中其他传感器可以包括车载速度传感器和车载角度传感器。
可以理解的是，由于影响定位传感器的定位精度的因素有很多，室外环境中对摄像机拍摄的影响因素也有很多，并且汽车自动驾驶对检测出的车道线的精度要求较高，所以有必要对基于定位传感器检测出的车道线的世界坐标的进行准确性监测。
S120、根据所述世界坐标系数据获取车道线的图像坐标系数据。
其中，车道线的图像坐标系数据至少包括车道线在二维图像坐标系下的坐标。
具体的，所述根据所述世界坐标系数据获取车道线的图像坐标系数据，可以包括：
根据所述世界坐标系数据获取坐标系转换矩阵和世界坐标矩阵；
根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应图像坐标系下的坐标点的x值，Pi的第二行第一列对应图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z1],[X Y Z]是车道线上的点在世界坐标系下的坐标值。
S130、根据所述图像坐标系数据生成车道线图像。
电型的，可以通过所述图像坐标系数据中车道线在二维图像坐标系下的坐标生成车道线图像。
本发明实施例的技术方案，通过将检测出的车道线的世界坐标系数据转换为图像坐标系数据，以生成车道线图像，从而实现对车道线识别结果的准确性进行更为直观的监测。
由于汽车在行驶过程中需要对车道线进行频繁的更新，为对车道线识别结果的准确性进行实时监测，在根据所述图像坐标系数据生成车道线图像之后，还可以包括：
确定所述车道线图像中车道线与采集的包含车道线的道路图像中车道线的重合程度；
若所述重合程度小于设定重合阈值，则输出车道线识别结果不正确。
其中，设定重合阈值可以根据需要进行设定。需要说明的是，因为计算所述车道线图像中车道线与采集的包含车道线的道路图像中车道线的重合程度的速度较快，从而能满足对车道线识别结果的准确性进行实时监测的计算速度要求。
实施例二
图2是本发明实施例二提供的一种车道线识别结果的监测方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2，本实施例提供的车道线识别结果的监测方法包括：
S210、获取基于定位传感器检测出的车道线的世界坐标系数据。
S220、根据所述世界坐标系数据中的车道线的起点和终点在世界坐标系的X轴上的坐标，按照如下公式获取x坐标，并将所述x坐标作为所述世界坐标矩阵中的X：
Xv＝X_start+n*2，{n＝1,2,3…N}，Xv≤X_end
X＝Xv
其中，X是车道线在世界坐标系的X轴上对应的坐标；Xv为所述x坐标，X_start为车道线的起点在世界坐标系的X轴上的坐标，X_end为车道线的终点在世界坐标系的X轴上的坐标，N为正整数。本实施例中通过仅取出车道线在世界坐标系的X轴上间隔为2的坐标点，以提高本方法的计算效率，可选的，该间隔还可以根据需要进行设置。
S230、根据所述世界坐标系数据中的车道线曲率、车道线曲率变化率和所述x坐标，确定车道线起点和终点之间的直线距离，然后根据所述世界坐标系数据中所述车道线与所述X轴之间的夹角、当前坐标点距离所述世界坐标系中Y轴的纵向距离、所述车道线起点和终点之间的直线距离和所述x坐标，按照如下公式确定所述世界坐标矩阵中的Y：
Y＝sin(angC)*Xv+cos(angC)*LateralBorder+cos(angC)*dY
其中，Y是车道线在世界坐标系的Y轴上对应的坐标；angC为所述车道线与所述X轴之间的夹角，LateralBorder为所述车道线起点和终点之间的直线距离，dY是当前坐标点距离所述世界坐标系中Y轴的纵向距离。
典型的，根据所述世界坐标系数据中的车道线曲率、车道线曲率变化率和所述x坐标确定车道线起点和终点之间的直线距离，可以包括：
按照如下公式确定所述车道线长度：
其中，Arclength是所述车道线长度，c0是所述车道线曲率，c1是所述车道线曲率变化率；
根据所述车道线长度按照如下公式确定车道线起点和终点之间的直线距离：
LateralBorder＝Arclength*Arclength*(c0/2+Arclength*c1/6)。
S240、根据所述世界坐标系数据中的地面曲率、地面曲率变化率和所述x坐标，确定所述世界坐标矩阵中的Z，公式为：
其中，Z是车道线在世界坐标系的Z轴上对应的坐标。c0v是所述地面曲率，c1v是所述地面曲率变化率。
S250、根据所述世界坐标系数据中摄像机在世界坐标系下的俯仰角、偏航角和翻滚角按照如下公式确定摄像机的旋转矩阵rot_mat：
rot_mat＝Matrix_X*Matrix_Y*Matrix_Z
其中，angX为所述俯仰角，angY为偏航角，angZ为翻滚角。angX、angY和angZ可以通过外部校准参数：ptich(angX),yaw(angZ),roll(angY)获得。外部校准参数是用来决定摄像机坐标与世界坐标系之间相对位置关系。图3是本发明实施例二提供的外部参数的示意图，参见图3，ptich(angX)为汽车围绕X轴旋转的角度，roll(angY)为汽车围绕Y轴旋转的角度，yaw(angZ)为汽车围绕Z轴旋转的角度，。
S260、根据所述摄像机的旋转矩阵和摄像机在所述世界坐标系下的坐标，按照如下公式确定所述摄像机外参矩阵rt：
cam_t＝[XC YC ZC]
rt＝[rot_mat cam_t]
其中，cam_t为摄像机在所述世界坐标系下的坐标，可以根据需要预先设定。
S270、根据所述摄像机外参矩阵和预设的摄像机内参矩阵，按照如下公式确定所述坐标系转换矩阵M：
M＝cameraMatrix*rt
其中，cameraMatrix为所述摄像机内参矩阵，rt为所述摄像机外参矩阵。
具体的，cameraMatrix由摄像机厂商提供，例如，cameraMatrix可以为：
其中，flx和fly是摄像机的像素尺寸，[ppX,ppY]是图像中成像中心的位置坐标。
S280、根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应图像坐标系下的坐标点的x值，Pi的第二行第一列对应图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z1],其中X是上述计算得到的车道线在世界坐标系的X轴上对应的坐标，Y是上述计算得到的车道线在世界坐标系的Y轴上对应的坐标，Z是上述计算得到的车道线在世界坐标系的Z轴上对应的坐标。
S290、采集包含车道线的道路图像，并将由所述车道线在图像坐标系下的坐标点构成的车道线图像与所述道路图像通过终端显示屏进行叠加显示。
本发明实施例的技术方案，通过车道线的世界坐标系数据构建坐标系转换矩阵，实现将识别出的车道线从世界坐标系到图像坐标系的转换。同时，将所述车道线图像与所述道路图像通过终端显示屏进行叠加显示，方便用户对识别出的车道线的准确性进行直观的监测。
实施例三
图4是本发明实施例三提供的一种车道线识别结果的监测装置的结构示意图。参见图4，本实施例提供的车道线识别结果的监测装置包括：获取模块10、转换模块20和图像生成模块30。
其中，获取模块10，用于获取基于定位传感器检测出的车道线的世界坐标系数据；转换模块20，用于根据所述世界坐标系数据获取车道线的图像坐标系数据；图像生成模块30，用于根据所述图像坐标系数据生成车道线图像。
进一步的，所述转换模块20可以包括：第一转换单元和第二转换单元。
其中，第一转换单元，用于根据所述世界坐标系数据获取坐标系转换矩阵和世界坐标矩阵；
第二转换单元，用于根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应图像坐标系下的坐标点的x值，Pi的第二行第一列对应图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z1],[X Y Z]是车道线在世界坐标系下的坐标值。
本发明实施例的技术方案，通过将检测出的车道线的世界坐标系数据转换为图像坐标系数据，以生成车道线图像，从而实现对车道线识别结果的准确性进行更为直观的监测。
实施例四
图5为本发明实施例四提供的一种终端的结构示意图，如图5所示，该终端包括处理器70、存储器71、输入装置72和输出装置73；终端中处理器70的数量可以是一个或多个，图5中以一个处理器70为例；终端中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的车道线识别结果的监测方法对应的程序指令/模块(例如，车道线识别结果的监测装置中的获取模块10、转换模块20和图像生成模块30)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的车道线识别结果的监测方法。
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种车道线识别结果的监测方法，该方法包括：
获取基于定位传感器检测出的车道线的世界坐标系数据；
根据所述世界坐标系数据获取车道线的图像坐标系数据；
根据所述图像坐标系数据生成车道线图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车道线识别结果的监测方法中的相关操作.
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种车道线识别结果的监测方法，其特征在于，包括：
获取基于定位传感器检测出的车道线的世界坐标系数据；
根据所述世界坐标系数据获取车道线的图像坐标系数据；
根据所述图像坐标系数据生成车道线图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述世界坐标系数据获取车道线的图像坐标系数据，包括：
根据所述世界坐标系数据获取坐标系转换矩阵和世界坐标矩阵；
根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，并将所述坐标点作为所述图像坐标系数据，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应所述车道线在图像坐标系下的坐标点的x值，Pi的第二行第一列对应所述车道线在图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z 1],[X Y Z]是车道线上的点在世界坐标系下的坐标值。
3.根据权利要求2所述的方法，其特征在于，所述根据所述世界坐标系数据获取坐标系转换矩阵，包括：
根据所述世界坐标系数据确定摄像机外参矩阵；
根据所述摄像机外参矩阵和预设的摄像机内参矩阵，按照如下公式确定所述坐标系转换矩阵M：
M＝cameraMatrix*rt
其中，cameraMatrix为所述摄像机内参矩阵，rt为所述摄像机外参矩阵。
4.根据权利要求3所述的方法，其特征在于，所述根据所述世界坐标系数据确定摄像机外参矩阵包括：
根据所述世界坐标系数据中摄像机在世界坐标系下的俯仰角、偏航角和翻滚角，按照如下公式确定摄像机的旋转矩阵rot_mat：
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>t</mi>
<mi>r</mi>
<mi>i</mi>
<mi>x</mi>
<mo>_</mo>
<mi>X</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>X</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>t</mi>
<mi>r</mi>
<mi>i</mi>
<mi>x</mi>
<mo>_</mo>
<mi>Y</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>t</mi>
<mi>r</mi>
<mi>i</mi>
<mi>x</mi>
<mo>_</mo>
<mi>Z</mi>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>-</mo>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>cos</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>n</mi>
<mi>g</mi>
<mi>Z</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
rot_mat＝Matrix_X*Matrix_Y*Matrix_Z
其中，angX为所述俯仰角，angY为偏航角，angZ为翻滚角；
根据所述摄像机的旋转矩阵和摄像机在所述世界坐标系下的坐标，按照如下公式确定所述摄像机外参矩阵rt：
cam_t＝[XC YC ZC]
rt＝[rot_mat cam_t]
其中，cam_t为摄像机在所述世界坐标系下的坐标。
5.根据权利要求2所述的方法，其特征在于，所述根据所述世界坐标系数据获取世界坐标矩阵，包括：
根据所述世界坐标系数据中的车道线的起点和终点在世界坐标系的X轴上的坐标，按照如下公式获取x坐标，并将所述x坐标作为所述世界坐标矩阵中的X：
Xv＝X_start+n*2，{n＝1,2,3…N}，Xv≤X_end
X＝Xv
其中，Xv为所述x坐标，X_start为车道线的起点在世界坐标系的X轴上的坐标，X_end为车道线的终点在世界坐标系的X轴上的坐标，N为正整数；
根据所述世界坐标系数据中的车道线曲率、车道线曲率变化率和所述x坐标，确定车道线起点和终点之间的直线距离，然后根据所述世界坐标系数据中所述车道线与所述X轴之间的夹角、当前坐标点距离所述世界坐标系中Y轴的纵向距离、所述车道线起点和终点之间的直线距离和所述x坐标，按照如下公式确定所述世界坐标矩阵中的Y：
Y＝sin(angC)*Xv+cos(angC)*LateralBorder+cos(angC)*dY
其中，angC为所述车道线与所述X轴之间的夹角，LateralBorder为所述车道线起点和终点之间的直线距离，dY是当前坐标点距离所述世界坐标系中Y轴的纵向距离；
根据所述世界坐标系数据中的地面曲率、地面曲率变化率和所述x坐标，确定所述世界坐标矩阵中的Z，公式为：
<mrow>
<mi>Z</mi>
<mo>=</mo>
<mn>0.5</mn>
<mo>*</mo>
<mi>c</mi>
<mn>0</mn>
<mi>v</mi>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>6</mn>
</mfrac>
<mo>*</mo>
<mi>c</mi>
<mn>1</mn>
<mi>v</mi>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
</mrow>
其中，c0v是所述地面曲率，c1v是所述地面曲率变化率。
6.根据权利要求5所述的方法，其特征在于，根据所述世界坐标系数据中的车道线曲率、车道线曲率变化率和所述x坐标确定车道线起点和终点之间的直线距离，包括：
按照如下公式确定所述车道线长度：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>l</mi>
<mi>e</mi>
<mi>n</mi>
<mi>g</mi>
<mi>t</mi>
<mi>h</mi>
<mo>=</mo>
<mi>X</mi>
<mi>v</mi>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mn>6</mn>
</mfrac>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mo>(</mo>
<mrow>
<mi>c</mi>
<mn>0</mn>
<mo>+</mo>
<mi>c</mi>
<mn>1</mn>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mn>0.277777</mn>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>*</mo>
<mo>(</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mo>(</mo>
<mi>c</mi>
<mn>0</mn>
<mo>+</mo>
<mi>c</mi>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>*</mo>
<mi>X</mi>
<mi>v</mi>
<mo>*</mo>
<mn>0.277777</mn>
<mo>)</mo>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，Arclength是所述车道线长度，c0是所述车道线曲率，c1是所述车道线曲率变化率；
根据所述车道线长度按照如下公式确定车道线起点和终点之间的直线距离：
LateralBorder＝Arclength*Arclength*(c0/2+Arclength*c1/6)。
7.根据权利要求1所述的方法，其特征在于，在根据所述图像坐标系数据生成车道线图像之后，还包括：
采集包含车道线的道路图像；
将所述车道线图像与所述道路图像通过终端显示屏进行叠加显示。
8.根据权利要求1所述的方法，其特征在于，在根据所述图像坐标系数据生成车道线图像之后，还包括：
确定所述车道线图像中车道线与采集的包含车道线的道路图像中车道线的重合程度；
若所述重合程度小于设定重合阈值，则输出车道线识别结果不正确。
9.一种车道线识别结果的监测装置，其特征在于，包括：
获取模块，用于获取基于定位传感器检测出的车道线的世界坐标系数据；
转换模块，用于根据所述世界坐标系数据获取车道线的图像坐标系数据；
图像生成模块，用于根据所述图像坐标系数据生成车道线图像。
10.根据权利要求9所述的装置，其特征在于，所述转换模块包括：
第一转换单元，用于根据所述世界坐标系数据获取坐标系转换矩阵和世界坐标矩阵；
第二转换单元，用于根据所述坐标系转换矩阵和世界坐标矩阵确定所述车道线在图像坐标系下的坐标点，并将所述坐标点作为所述图像坐标系数据，转换公式为：
Pi＝M*Pw
其中，Pi的第一行第一列对应所述车道线在图像坐标系下的坐标点的x值，Pi的第二行第一列对应所述车道线在图像坐标系下的坐标点的y值，M为所述坐标系转换矩阵，Pw为世界坐标矩阵，Pw＝[X Y Z 1],[X Y Z]是车道线上的点在世界坐标系下的坐标值。
11.一种终端，其特征在于，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的车道线识别结果的监测方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的车道线识别结果的监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710749444.9A CN107578002B (zh) | 2017-08-28 | 2017-08-28 | 一种车道线识别结果的监测方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710749444.9A CN107578002B (zh) | 2017-08-28 | 2017-08-28 | 一种车道线识别结果的监测方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107578002A true CN107578002A (zh) | 2018-01-12 |
| CN107578002B CN107578002B (zh) | 2021-01-05 |
Family
ID=61029802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710749444.9A Active CN107578002B (zh) | 2017-08-28 | 2017-08-28 | 一种车道线识别结果的监测方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578002B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109931944A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术（北京）有限公司 | 一种ar导航方法、装置、车端设备、服务端及介质 |
| WO2020073270A1 (en) * | 2018-10-11 | 2020-04-16 | Bayerische Motoren Werke Aktiengesellschaft | Snapshot image of traffic scenario |
| CN111339802A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法及装置、电子设备和存储介质 |
| CN111476062A (zh) * | 2019-01-23 | 2020-07-31 | 北京市商汤科技开发有限公司 | 车道线检测方法、装置、电子设备及驾驶系统 |
| CN112189225A (zh) * | 2018-06-26 | 2021-01-05 | Sk电信有限公司 | 车道线信息检测装置、方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质 |
| CN112805200A (zh) * | 2018-10-11 | 2021-05-14 | 宝马股份公司 | 交通场景的快照图像 |
| CN113175937A (zh) * | 2021-06-29 | 2021-07-27 | 天津天瞳威势电子科技有限公司 | 一种车道线感知结果的评测方法及装置 |
| CN113255619A (zh) * | 2021-07-09 | 2021-08-13 | 禾多科技（北京）有限公司 | 车道线识别及定位方法、电子设备和计算机可读介质 |
| CN113486797A (zh) * | 2018-09-07 | 2021-10-08 | 百度在线网络技术（北京）有限公司 | 无人车位置检测方法、装置、设备、存储介质及车辆 |
| CN115063770A (zh) * | 2022-08-05 | 2022-09-16 | 苏州魔视智能科技有限公司 | 车道线检测方法、模型训练方法、装置、设备及存储介质 |
| CN115272298A (zh) * | 2022-09-19 | 2022-11-01 | 江苏网进科技股份有限公司 | 基于道路监控的城市路面维护监察方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049766A1 (en) * | 2003-08-28 | 2005-03-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle backward movement assist device and vehicle parking assist device |
| JP2006172170A (ja) * | 2004-12-16 | 2006-06-29 | Kazuo Iwane | 座標系分離記録再生装置 |
| CN104700072A (zh) * | 2015-02-06 | 2015-06-10 | 中国科学院合肥物质科学研究院 | 基于车道线历史帧的识别方法 |
| CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术（北京）有限公司 | 一种获取车道线的方法和装置 |
| CN105489035A (zh) * | 2015-12-29 | 2016-04-13 | 大连楼兰科技股份有限公司 | 应用在主动驾驶技术中检测交通信号灯的方法 |
| CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas系统的地图道路标记及道路质量采集装置及方法 |
-
2017
- 2017-08-28 CN CN201710749444.9A patent/CN107578002B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050049766A1 (en) * | 2003-08-28 | 2005-03-03 | Toyota Jidosha Kabushiki Kaisha | Vehicle backward movement assist device and vehicle parking assist device |
| JP2006172170A (ja) * | 2004-12-16 | 2006-06-29 | Kazuo Iwane | 座標系分離記録再生装置 |
| CN104700072A (zh) * | 2015-02-06 | 2015-06-10 | 中国科学院合肥物质科学研究院 | 基于车道线历史帧的识别方法 |
| CN104766058A (zh) * | 2015-03-31 | 2015-07-08 | 百度在线网络技术（北京）有限公司 | 一种获取车道线的方法和装置 |
| CN105489035A (zh) * | 2015-12-29 | 2016-04-13 | 大连楼兰科技股份有限公司 | 应用在主动驾驶技术中检测交通信号灯的方法 |
| CN106919915A (zh) * | 2017-02-22 | 2017-07-04 | 武汉极目智能技术有限公司 | 基于adas系统的地图道路标记及道路质量采集装置及方法 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112189225B (zh) * | 2018-06-26 | 2023-03-10 | Sk电信有限公司 | 车道线信息检测装置、方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质 |
| CN112189225A (zh) * | 2018-06-26 | 2021-01-05 | Sk电信有限公司 | 车道线信息检测装置、方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质 |
| CN113486797B (zh) * | 2018-09-07 | 2023-08-11 | 百度在线网络技术（北京）有限公司 | 无人车位置检测方法、装置、设备、存储介质及车辆 |
| CN113486796B (zh) * | 2018-09-07 | 2023-09-05 | 百度在线网络技术（北京）有限公司 | 无人车位置检测方法、装置、设备、存储介质及车辆 |
| CN113486796A (zh) * | 2018-09-07 | 2021-10-08 | 百度在线网络技术（北京）有限公司 | 无人车位置检测方法、装置、设备、存储介质及车辆 |
| CN113486797A (zh) * | 2018-09-07 | 2021-10-08 | 百度在线网络技术（北京）有限公司 | 无人车位置检测方法、装置、设备、存储介质及车辆 |
| CN112805200A (zh) * | 2018-10-11 | 2021-05-14 | 宝马股份公司 | 交通场景的快照图像 |
| CN112805533A (zh) * | 2018-10-11 | 2021-05-14 | 宝马股份公司 | 交通场景的快照图像 |
| WO2020073270A1 (en) * | 2018-10-11 | 2020-04-16 | Bayerische Motoren Werke Aktiengesellschaft | Snapshot image of traffic scenario |
| CN111339802B (zh) * | 2018-12-19 | 2024-04-19 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法及装置、电子设备和存储介质 |
| CN111339802A (zh) * | 2018-12-19 | 2020-06-26 | 长沙智能驾驶研究院有限公司 | 实时相对地图的生成方法及装置、电子设备和存储介质 |
| CN111476062A (zh) * | 2019-01-23 | 2020-07-31 | 北京市商汤科技开发有限公司 | 车道线检测方法、装置、电子设备及驾驶系统 |
| CN109931944A (zh) * | 2019-04-02 | 2019-06-25 | 百度在线网络技术（北京）有限公司 | 一种ar导航方法、装置、车端设备、服务端及介质 |
| CN113175937A (zh) * | 2021-06-29 | 2021-07-27 | 天津天瞳威势电子科技有限公司 | 一种车道线感知结果的评测方法及装置 |
| CN113255619A (zh) * | 2021-07-09 | 2021-08-13 | 禾多科技（北京）有限公司 | 车道线识别及定位方法、电子设备和计算机可读介质 |
| CN115063770A (zh) * | 2022-08-05 | 2022-09-16 | 苏州魔视智能科技有限公司 | 车道线检测方法、模型训练方法、装置、设备及存储介质 |
| CN115272298A (zh) * | 2022-09-19 | 2022-11-01 | 江苏网进科技股份有限公司 | 基于道路监控的城市路面维护监察方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107578002B (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107578002A (zh) | 一种车道线识别结果的监测方法、装置、设备和介质 | |
| CN113554698B (zh) | 车辆位姿信息生成方法、装置及电子设备、存储介质 | |
| CN109143290B (zh) | 用于位置误差检测的方法和装置 | |
| JP7077910B2 (ja) | 区画線検出装置及び区画線検出方法 | |
| CN111310708B (zh) | 交通信号灯状态识别方法、装置、设备和存储介质 | |
| CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
| CN111986261B (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
| JP2011080845A (ja) | ３次元データ作成方法及び３次元データ作成装置 | |
| CN110659548B (zh) | 车辆及其目标检测方法、装置 | |
| CN113561963A (zh) | 一种泊车方法、装置及车辆 | |
| CN110962844A (zh) | 一种车辆航向角修正方法及系统、存储介质及终端 | |
| CN114705121B (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
| CN113492829B (zh) | 数据处理的方法和装置 | |
| CN113850867A (zh) | 相机参数标定及设备的控制方法、装置、设备及存储介质 | |
| CN112447058B (zh) | 泊车方法、装置、计算机设备及存储介质 | |
| JP2015194373A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラムならびに車両位置検出システム | |
| CN112009479A (zh) | 调整传感器视场的方法和设备 | |
| JP2007011994A (ja) | 道路認識装置 | |
| CN109425882B (zh) | 用于确定路线的设备 | |
| CN113091756A (zh) | 位置推定装置、以及位置推定方法 | |
| CN111191596B (zh) | 一种封闭区域制图方法、装置及存储介质 | |
| CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
| CN113611008B (zh) | 一种车辆行驶场景采集方法、装置、设备及介质 | |
| CN112241717B (zh) | 前车检测方法、前车检测模型的训练获取方法及装置 | |
| JP2022149051A (ja) | 地図生成装置、地図生成システム、地図生成方法、およびプログラム |
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 |