CN108428358B - 应用于导航的车道认知系统及其方法 - Google Patents

Abstract

一种应用于导航的车道认知系统，提供对车辆所行驶的车道的识别，并将车道识别结果用于导航和定位。所述系统包括：一采集组件，其中所述采集组件被置于一车体，以对所述车体前方进行采集道路数据；一识别组件，从所述采集组件获得道路数据可识别地处理为车道数据；一决策组件，根据车道数据的匹配度判断其有效性；一交互组件，其中所述交互组件沟通于所述决策组件和用户之间，从所述决策组件获得有效的车道信息，并与用户确认车道信息；以及一执行组件，其中所述执行组件从所述交互组件得到确认的车道信息可操作地对导航系统进行动作执行。另外，提供了一种应用于导航的车道认知方法。

Description

应用于导航的车道认知系统及其方法

技术领域

本发明涉及车辆导航的定位识别，特别是一种应用于导航的车道认知系统及其方法，对于行驶导航时的定位精确到车道级别。

背景技术

目前，车辆的导航主要依靠卫星定位，根据卫星定位的信息基本上可以对车辆所在位置进行一定的定位。但是，这对信号源的精度也就很高，也就是说，如果卫星信号的精度不高，是无法定位到要求的精度的。例如，使用的卫星信号可以达到街道级别，那么通过一定的滤波和算法计算，也只能达到街道的级别。这还是只考虑到信号在传输的过程中并没有损失。随着互联网的发展，很多车辆也参与联网，从互联网中下载地图并使用。但是，互联网对于定位的精度受技术限制，也不能基于现有硬件提高精度。

常用的车辆定位主要是使用GPS，或者航位推算(Dead Reckoning，DR)系统。也有很多车辆定位是依靠GPS和DR系统组合使用的。很多情况下，定位对于导航中的应用是十分重要的，尤其是现代的交通管理系统中，很多情况下还是要精确到道路或者车道级别的。更多些情况中，因为现有的定位系统很难再高度上进行判别，对于高架桥形式的道路是没有办法准确地得到定位的。为了向驾驶者提供准确的行驶指令和在地图上准确地显示车标位置，必须获得车辆的相对准确位置。因此准确的车辆定位是性能良好的导航产品的重要条件。

但是需要注意的是，其实对于行驶导航的定位来讲，最终的目的并不是将车辆的位置以米级或者半米级来精确。而是要确定车辆所在的道路信息，例如道路的行驶方向、主辅路、车道等等。也就是说，如果能认知出车辆在道路的位置，才是对车辆最直接的定位，对于导航也是最有关系的。而且，很多导航过程中，主要还是对于道路的切换做实时的说明。比如，导航会给出提示：下个路口即将左转，请提前换至左车道。但是，具体哪些车道是左转的，目前的导航系统也不能给出准确的答案。虽然我国是左舵右行，还有很多城市的左转车道是在最右的车道。因为很多城市的路口车道是会灵活规划的，如果发现某个方向上的车辆持续的过多，会在旁边更改车道的方向，重新划线。

车道除了给予行驶方形的指示，还规定了车辆行驶的范围，车道的性质等等车道信息。这些信息对于行驶和导航来说是最直接的数据。目前常用的车道划线是用热熔反光标线来绘制的。而且，车道标识线本身被绘制的要求是可以明显地与路面区分开，并按照一定的样式统一图案标准涂绘的。基于交通管理系统的统一标准，车道标识线至少在一个省市中的样式是确定的。

因此，提供一应用于导航的车道认知系统及其方法的十分有利的。

发明内容

本发明的一个目的在于提供一种应用于导航的车道认知系统及其方法，提供对车辆所行驶的车道的识别，并将车道识别结果用于导航和定位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，不需要高精度的数据来源或复杂的运算分析，识别车道信息并对行驶中的车辆在道路直接地定位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，应用一采集组件对于车辆所处的道路中的车道标识进行采集，以供判断车辆处于道路的位置。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，所述采集组件优选地采集道路图像数据，通过对车道标识的识别来确定车辆的定位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，通过对车道识别的定位从而确定所处道路的环境，通过与其他定位源的对比可以进一步地获得车辆的定位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，经过一识别组件从获得到的车道识别信息计算所述采集组件的位置，进而判断车辆本身的位置，使得直接掌握车辆在道路中具体位置。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，利用所获得的车辆在道路中的具体位置，根据导航的需要进行使用，使得导航中的精度级别以车道为单位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，对于识别的车道信息可以再次进行交互和确认，保证对驾驶行为的安全性。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，对于识别的多个车道结果，通过一交互组件进行进一步地确认请求，根据具体的情况做不同性质的确认，使得适用于自动驾驶和非自动驾驶。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，基于对车道信息的识别和认知，可以对于定位源的精度进行补偿，确保对于行驶中的车辆有一定准确度的定位。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，藉由网络或者其他连接方式，车辆对于车道的识别可以进行共享，较为提前地得知车道信息，方便提前的导航和指引。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，通过所述采集组件实时地采集车辆所在车道的信息，基于车道信息进行车道变换的指引，大幅度地提高的导航的精准度。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，通过识别和共享车道信息，在行驶中实时地掌握前方的车道信息，及时地反馈于导航中，更为直接地提供驾驶建议。

本发明的另一个目的在于提供一种应用于导航的车道认知系统及其方法，基于对车道信息的掌握，避免一般定位中高度方向识别的困难，方便在具有高度的道路情况下进行定位和导航。

依本发明的一个方面，本发明进一步提供一车道认知系统及其方法，配合于导航系统应用，包括：

一采集组件，其中所述采集组件被置于一车体，以对所述车体前方进行采集道路数据；

一识别组件，其中所述识别组件可通信地连接于所述采集组件，从所述采集组件获得道路数据可识别地处理为车道数据；

一决策组件，其中所述决策组件可通信地连接于所述识别组件，根据车道数据的匹配度判断其有效性；

一交互组件，其中所述交互组件沟通于所述决策组件和用户之间，从所述决策组件获得有效的车道信息，并进一步与用户确认车道信息；以及

一执行组件，其中所述执行组件从所述交互组件得到确认的车道信息可操作地对导航系统进行动作执行。

根据本发明的一个实施例，所述决策组件根据既有的样本进行匹配而获得匹配度。

根据本发明的一个实施例，若车道数据被匹配到既有样本，则认为车道数据是认知有效的，若车道数据匹配度较低，则认为车道数据有效性不足需要进行确认。

根据本发明的一个实施例，所述决策组件进一步地与一定位源连接，使得所述决策组件获得所述定位源对于所述车体的定位数据。

根据本发明的一个实施例，所述采集组件进一步地包括至少一车载摄像头，其中所述车载摄像头对所述车体周围的影像进行采集。

根据本发明的一个实施例，所述识别组件进一步地包括至少一图像处理器，其中所述图像处理器将所述车载摄像头采集的影像处理识别。

根据本发明的一个实施例，所述识别组件进一步地包括一图像储存器，其中所述图像储存器将所述车载摄像头采集的影像作为道路数据储存。

根据本发明的一个实施例，所述图像处理器采用图像分割技术，其中分割技术选自基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法中的一种或多种。

根据本发明的一个实施例，所述决策组件进一步地包括一样本存储器和一匹配器，其中所述样本存储器中预先地保存车道标识线的样本数据，其中所述匹配器根据在图像储存器中车道数据与所述样本存储器中的样本进行匹配。

根据本发明的一个实施例，所述交互组件进一步地包括一显示器和一输入器，其中所述显示器连接于所述决策组件，将所述决策组件的定位信息决定展示，其中所述输入器等待决定输入，通过所述输入器将交互情况反馈至所述交互组件。

根据本发明的一个实施例，所述执行组件进一步地包括至少一执行器，其中所述执行器与所述决策组件相互连接，其中所述执行器从所述决策组件得到输入执行指令，根据定位信息的决定执行的动作。

依本发明的另一个方面，本发明进一步提供一车道认知方法，包括以下步骤：

1001：采集车体周围的图像；

1002：提取图像中的车道数据；

1003：判断车道数据的意义，并给出决定；以及

1004：若决定为两个及其以上，则发出请求确认；若决定为唯一的，则作为分析结果输出。

根据本发明的一个实施例，在步骤1001中通过采集车体周围的图像进而得到道路数据。

根据本发明的一个实施例，在步骤1001中通过采集车体行进前方的图像进而得到道路数据。

根据本发明的一个实施例，在步骤1001中通过过滤和特征识别的方式提取车道数据。

根据本发明的一个实施例，在步骤1003中，对于所提取的车道数据做进一步的处理：判断车道的具体形式。

根据本发明的一个实施例，车道的具体形式选自：双向两车道路面中心线、车行道分界线、车行道边缘线、左转弯待转区线、左转弯导向线、人行横道线、高速公路车距确认标线、高速公路出入口标线、停车位标线、港湾式停靠站标线、收费岛标线、导向箭头、路面文字标线的组合。

根据本发明的一个实施例，在步骤1002和步骤1003之间，进一步地包括连接至一定位源，从所述定位源得到车体的定位信息。

根据本发明的一个实施例，在步骤1003中利用所述定位源的定位信息核实车道数据的意义。

根据本发明的一个实施例，步骤1003进一步地包括匹配车道数据至样本，若车道数据被匹配到既有样本，那么认为车道数据是认知有效的；若车道数据并不完全，那么认为车道数据有效性不足需要进行请求确认。

附图说明

图1是根据本发明的一个优选实施例的所述应用于导航的车道认知系统及其方法的应用示意图。

图2是根据本发明的上述优选实施例的所述应用于导航的车道认知系统及其方法的整体示意图。

图3是根据本发明的上述优选实施例的所述应用于导航的车道认知方法的一种流程图。

图4是根据本发明的上述优选实施例的所述应用于导航的车道认知方法的一种流程图。

图5是根据本发明的上述优选实施例的所述应用于导航的车道认知系统的示意图。

图6是根据本发明的上述优选实施例的所述应用于导航的车道认知系统的示意图。

具体实施方式

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

本领域技术人员应理解的是，在本发明的揭露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。

可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

本发明提供一车道认知系统，主要应用于一车体100的导航中并予以辅助。如图1和图2所示，所述车道认知系统被置于车辆中，以供在行驶中对前方的道路进行识别和判断，进而认知所述车体100所在的道路的车道信息。具体地，所述车道认知系统包括一采集组件10、一识别组件20、一决策组件30、一交互组件40以及一执行组件50。所述采集组件10、所述识别组件20、所述决策组件30、所述交互组件40以及所述执行组件50相互连通。在本优选实施例中，所述采集组件10、所述识别组件20、所述决策组件30、所述交互组件40以及所述执行组件50为依次地可通信地连接。也就是说，所述采集组件10可以向所述识别组件20传递信息，所述识别组件20可以向所述决策组件30传递信息，所述决策组件30可以向所述交互组件40传递信息，所述交互组件40可以向所述执行组件50传递信息。为保证信息的准确性和可靠性，在传递信息过程中减少干扰，所述采集组件10、所述识别组件20、所述决策组件30、所述交互组件40以及所述执行组件50相互之间设置有一定的隔离。当然，所述采集组件10、所述识别组件20、所述决策组件30、所述交互组件40以及所述执行组件50中的任何一个的数据来源并不限于上述的举例。每个组件的数据来源还可以是另外的机构提供的，为了能得到对于车道的认知，对于处理的需要数据可以进一步地被设置。

在本优选实施例中，所述车道认知系统的所述采集组件10被置于所述车体100。优选地所述采集组件10被置于所述车体100并朝向所述车体100的前方。也就是说，所述采集组件10主要朝向所述车体100前进的方向进行采集道路数据。更多地，所述采集组件10将采集到的道路数据传至所述识别组件20。所述识别组件20将得到的道路数据做以识别，将道路数据中的车道数据提取出来。所述决策组件30将获得所述识别组件20的提取结果，根据车道数据对所述车体100所在的车道进行分析。通过所述识别组件20对车道信息的分析，更具体地对车道标识线的识别和提取，所述决策组件30可以综合车道数据对所述车体100进行定位。更多地，所述决策组件30将得到的分析结果传至所述交互组件40。所述交互组件40将分析结果提供给用户进行交互。经过用户的交互，最后的对于所述车体100所在的车道得到确认。进一步地，配合自动驾驶系统，可以减少用户的交互，而是根据导航要求的效果，所述执行组件50采取下一步的动作。

也就是说，当所述采集组件10采集到所述车体100前进方向的道路数据后，所述识别组件20进一步提供可以为所述决策组件30所使用的车道数据。值得一提的是，本优选实施例中所述决策组件30采用匹配的形式对车道数据进行分析。更多地，匹配度较高的车道数据被认定为是有效的车道信息。当然，匹配度存疑的情况下可以将结果舍弃，也可以通过所述交互组件40进行人为的确认。经过所述决策组件30和所述交互组件40的认定之后所述车体100所在的车道和前行方向的车道均可以得到认知。因此，掌握了所述车体100所在的车道或者前行方向的车道可以对所述车体100的位置做较为精准的定位。在一种可行的情况下，先对所述车体100周围的车道进行认知，结合周围的车道数据作一定的算法计算，得到当前所述车体100所处的位置。换句话说，从周围的车道数据，计算得到当前所述车体100的相对位置。

更多地，所述决策组件30进一步地与一定位源200连接，使得所述决策组件30获得所述定位源200对于所述车体100的定位数据。也就是说，所述决策组件30可以获得所述定位源200的定位数据作为参考。而且，所述定位源200的定位数据可以不需要具有高精度，有一定的大致的定位即可。所述决策组件30将所述识别组件20所识别的车道数据与所述定位源200所提供的定位数据进行比照，进一步地确定所述车体100的位置。也就是说，所述决策组件30将综合所获得的数据进行分析，为所述定位源200的定位数据做进一步地加强。而且，对于很难在高度上给出定位的所述定位源200的定位数据，所述决策组件30经过匹配实际数据，可以判断所述车体100的高度。例如，所述决策组件30通过匹配官方的道路数据，根据所述识别组件20的结果，判断所述车体100目前位于高架的某一层的哪个车道。通常地，高架桥式的每一层采用不同的车道设计，或者在车道中以文字的形式进行标识。那么所述采集组件10采集所述车体100前行方向的道路数据，所述识别组件20提取而得到车道数据，所述决策组件30将根据官方的车道排布分析出目前所述车体100的位置。一种典型的情况下，双层平行的高架桥的上下两层对于中间分向的道路标识是不同的，上层采用双黄线，而下层因为有桥墩和隔离带而采用单线。因此，所述决策组件30根据车道数据的不同，也就是车道标识线的不同，而得到所述车体100具体相对于高架桥的位置。

特别地，本优选实施例中的所述车道认知系统除了对车道标识线进行识别之外，也将车道级别的定位信息提供给导航系统或者驾驶系统使用。基于车辆的硬件，所述车道认知系统可以减少成本的增加。

本优选实施例中，所述采集组件10进一步地包括至少一车载摄像头11。所述车载摄像头11针对所述车体100周围的影像进行采集。所述识别组件20进一步地包括至少一图像处理器21。所述图像处理器21将所述车载摄像头11采集的影像处理识别。而且，所述识别组件20进一步地包括一图像储存器22，所述图像储存器22将所述车载摄像头11采集的影像作为道路数据储存备份。更具体地，所述图像处理器21采用图像分割技术，例如基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法等等。所述图像处理21将所述车载摄像头11采集的影像中的车道标识线分割提取。提取后的车道数据也优选地被储存于所述图像储存器22中。从人眼的观察出发，车道标识线在颜色上与路面十分明显地分开，进行车道标识线的提取对于所述图像处理器21的难度并不大。所述决策组件30进一步地包括一样本存储器31和一匹配器32，所述样本存储器31中预先地保存车道标识线的样本数据。所述匹配器32根据在图像储存器22中车道数据与所述样本存储器31中的样本进行匹配。根据匹配度的高度，所述决策组件30得到最后的分析结果，给出定位信息的决定。所述交互组件40进一步地包括一显示器41和一输入器42。所述显示器41连接于所述决策组件30，将所述决策组件的定位信息决定展示。对于需要反馈的询问，所述输入器42等待决定，通过所述输入器42将交互情况反馈至所述交互组件40。所述执行组件50进一步地包括至少一执行器51，所述执行器51与所述决策组件30相互连接。也就是说，所述执行器51从所述决策组件30得到输入执行指令，根据定位信息的决定执行的动作。

如图3所示，一种所述车道认知系统的方法流程被阐释。首先，所述采集组件10采集所述车体100周围的图像，获得道路数据。然后，所述识别组件20根据图像提取车道数据，进而识别出车道。接着所述决策组件30对于车道数据做进一步的处理，也就是判断车道的具体形式。值得一提的是，所述决策组件30进一步可选地连接至所述定位源200，从所述决策组件30得到关于所述车体100的定位信息，综合性地处理车道数据。也就是说，利用定位信息对车道数据的意义进行核实。例如，定位于高速路中，那么车道数据的意义就排除了人行横道的可能。所述决策组件30根据所述识别组件20和所述定位源200的数据做分析，得到所述车体100所在的道路的车道信息。本优选实施例中，所述决策组件30根据已经存储的样本进行匹配，也就是说，若车道数据被匹配到既有样本，那么可以认为车道数据是认知有效的。如果，车道数据并不完全，或者匹配度较低，那么认为车道数据有效性不足需要进行确认。

本领域的技术人员可以理解的是，车道的具体形式主要由车道标识线的样式决定。车道标识线包括但不限于：双向两车道路面中心线、车行道分界线、车行道边缘线、左转弯待转区线、左转弯导向线、人行横道线、高速公路车距确认标线、高速公路出入口标线、停车位标线、港湾式停靠站标线、收费岛标线、导向箭头、路面文字标线等等。

通过所述车道认知系统的认知，车辆可以对道路形式进行获知。所述采集组件10和所述识别组件20对于双向两车道路面中心线进行采集和识别，即可以得到所采集的车道标识线为分隔对向行驶的交通流，在保证安全的原则下，准许车辆跨越超车，通常指示机动车驾驶人靠右行驶，线为黄色虚线。例如，识别出车行道分界线即表示分隔同向行驶的交通流，在保证安全的原则下，准许车辆跨越线超车或变更车道行驶，线为白色。车行道边缘线即表示车道的边缘或用来划分机动车与非机动车道的分界。

更多地，根据所述图像储存器22的识别历史，所述决策组件30可以判定目前所述车体100所处的环境。例如，识别出高速公路出入口标线，也就是为了驶入或驶出匝道车辆提供安全交汇，减少与突出部缘石的碰撞的标线，具体地有出入口的横向标线、三角地带的标线，那么就可以判断出所述车体100处于高速环境中。

例如图1中所示，所述系统通过上述流程识别出车道标识线中的导向箭头或者路面文字标线，可以判断出本车道允许车辆的行驶方向。特别是主要用于交叉道口的导向车道内、出口匝道附近及对渠化交通的引导。导航系统可以根据所述系统识别出的信息进行进一步精确地导航，并指明目前的车道或者即将行驶的车道，对于行驶进行较为直接的指导。更多地，在不同的路口和等候区都可以对左转弯待转区线、左转弯导向线进行采集识别。因为所述左转弯待转区线用来指示转弯车辆可在直行时段进入待转区，等待左转。左转时段终止，禁止车辆在待转区停留，而所述左转弯导向线表示左转弯的机动车与非机动车之间的分界。机动车在线的左侧行驶，非机动车在线的右侧行驶。通过所述采集组件10对于上述的左转弯待转区线或者左转弯导向线提前地进行采集，所述识别组件20和所述决策组件30进行识别决定后，可以直接反馈至用户前方路口对于左转弯车道的划分，使得提前采取动作措施。

本发明进一步地提供一车道认知方法，其中所述方法包括：

1001：采集车体100周围的图像；

1002：提取图像中的车道数据；

1003：判断车道数据的意义，并给出决定；以及

1004：若决定为两个及其以上，则发出请求确认；若决定为唯一的，则作为分析结果输出。

更多的，在步骤1001中通过采集所述车体100周围的图像进而得到道路数据。在步骤1002中，优选地通过过滤和特征识别的方式提取车道数据，以在道路数据中得到车道数据。在步骤1003中，对于所提取的车道数据做进一步的处理，判断车道的具体形式。

值得一提的是，在步骤1002和步骤1003之间，进一步地包括连接至一定位源200，从所述定位源200得到关于所述车体100的定位信息，综合性地处理车道数据。优选地，步骤1003进一步地包括匹配车道数据至样本，若车道数据被匹配到既有样本，那么可以认为车道数据是认知有效的；若车道数据并不完全，或者匹配度较低，那么认为车道数据有效性不足需要进行请求确认。

根据上述的方法，本优选实施例的所述系统的一种认知流程如图4所示。首先，所述采集组件10采集所述车体100周围的图像，获得道路数据。然后，所述识别组件20根据图像过滤数据，进而提取车道数据，进而识别出车道。接着所述决策组件30对于车道数据做进一步的匹配，也就是判断车道的具体形式。若车道与样本中的车道没有得到匹配，则重新进行过滤和提取。优选地，再次进行过滤和提取的道路数据采用于不同的参数和算法进行过滤和提取。然后，所述决策组件30进一步可选地连接至所述定位源200，从所述决策组件30得到关于所述车体100的定位信息，综合性地处理车道数据，所述决策组件30根据所述识别组件20和所述定位源200的数据做分析，得到所述车体100所在的道路的车道信息，并判断得到的车道信息是否与定位信息相符合。若为定位信息相符合的车道信息，则做出所述车体100所在车道信息的决定。例如，所述定位源200定位信息表示所述车体100在高速路上，而车道数据表示前方有人行横道线，那么车道数据中的人行横道线不可能出现在高速路上，则车道信息不符合定位信息，所得到的车道信息就不是有效的。对于车道信息的有效决定，将由所述交互组件40进行对外执行。若决定有两个或者以上，则所述交互组件40向用户请求确认，请求选择。若为唯一的有效决定，那么所述交互组件40将结果输出。

更具体地，这里取所述车体100在行驶中前行方向上有人行横道线为例，对于所述采集组件10、所述识别组件20、所述决策组件30、所述交互组件40以及所述执行组件50相互地连接和作用关系进行说明。本领域的技术人员可以理解的是，本优选实施例中的人行横道线表示准许行人横穿车行道的标线，为平行的宽线样式。首先，所述采集组件10采集所述车体100周围的图像，获得所述车体100所在道路数据。然后，所述识别组件20根据图像过滤数据，进而提取车道数据，进而识别出为平行的宽线。接着所述决策组件30对于车道数据做进一步的匹配，也就是判断车道为人行横道线。然后，所述决策组件30进一步可选地连接至所述定位源200，从所述决策组件30得到关于所述车体100的定位信息，综合性地处理车道数据，所述决策组件30根据所述识别组件20和所述定位源200的数据做分析，得到所述车体100所在的道路的车道信息，并判断得到的车道信息是否与定位信息相符合。若为定位信息相符合的车道信息，则做出所述车体100所在车道信息的决定。例如，所述定位源200定位信息表示所述车体100在高速路上，而车道数据表示前方有人行横道线，那么车道数据中的人行横道线不可能出现在高速路上，则车道信息不符合定位信息，所得到的车道信息就不是有效的。若所述定位源200定位信息表示所述车体100即将路过学校，而车道数据表示前方有人行横道线，那么车道数据中的人行横道线便具有有效性。对于车道信息的有效决定，将由所述交互组件40进行对外执行。更具体地，所述交互组件40为显示器，将在显示器显示前方有人行横道线，请求减速。若配合自动驾驶系统，将自动地对车速进行控制。

更多地，本发明的所述车道认知系统进一步提供一数据库300。所述数据库300对于有效的车道信息进行储存并提供下载。如图5和图6所示，前车对于道路的决定的认知结果可以上传至所述数据库300，后车可以从所述数据库300中下载认知结果进行使用。对于前车遮挡了道路的情况下，后车仍旧可以获得道路的车道信息。例如，在到达某一路口前300m出开始有车道标识线表示，路口的左转车道在最左车道。通过前车的所述车道认知系统，将决策的认知结果上传至所述数据库300。后车通过所述车道认知系统从所述数据库300下载前方的车道信息。车道信息可以直接提供给用户驾驶使用，也可以通过导航系统提示用户占用车道的情况。值得一提的是，因为前车实时对道路的车道信息进行认知，那么后车可以得到实时的车道信息，并没有信息滞后。特别地，对于导航系统使用期间，可以极大地避免车道不明确而导致的临时插车、转向错误等等问题。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (18)

1.一车道认知系统，配合于导航系统应用，其特征在于，包括：

一采集组件，其中所述采集组件被置于一车体，以对所述车体前方进行采集道路数据；

一识别组件，其中所述识别组件可通信地连接于所述采集组件，识别从所述采集组件获得的道路数据，从所述道路数据中提取出车道数据；

一决策组件，其中所述决策组件可通信地连接于所述识别组件，根据车道数据的匹配度判断其有效性；

一交互组件，其中所述交互组件沟通于所述决策组件和用户之间，从所述决策组件获得有效的车道信息，并进一步与用户确认车道信息；以及

一执行组件，其中所述执行组件从所述交互组件得到确认的车道信息可操作地对导航系统进行动作执行；

其中所述决策组件根据既有的样本进行匹配而获得匹配度；

所述车道认知系统还包括，数据库，所述数据库对于有效的车道信息进行储存并提供下载。

2.根据权利要求1所述的车道认知系统，其中若车道数据被匹配到既有样本，则认为车道数据是认知有效的，若车道数据匹配度较低，则认为车道数据有效性不足需要进行确认。

3.根据权利要求1所述的车道认知系统，其中所述决策组件进一步地与一定位源连接，使得所述决策组件获得所述定位源对于所述车体的定位数据。

4.根据权利要求1所述的车道认知系统，其中所述采集组件进一步地包括至少一车载摄像头，其中所述车载摄像头对所述车体周围的影像进行采集。

5.根据权利要求4所述的车道认知系统，其中所述识别组件进一步地包括至少一图像处理器，其中所述图像处理器将所述车载摄像头采集的影像处理识别。

6.根据权利要求5所述的车道认知系统，其中所述识别组件进一步地包括一图像储存器，其中所述图像储存器将所述车载摄像头采集的影像作为道路数据储存。

7.根据权利要求5所述的车道认知系统，其中所述图像处理器采用图像分割技术，其中分割技术选自基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法中的一种或多种。

8.根据权利要求5所述的车道认知系统，其中所述决策组件进一步地包括一样本存储器和一匹配器，其中所述样本存储器中预先地保存车道标识线的样本数据，其中所述匹配器根据在图像储存器中车道数据与所述样本存储器中的样本进行匹配。

9.根据权利要求8所述的车道认知系统，其中所述交互组件进一步地包括一显示器和一输入器，其中所述显示器连接于所述决策组件，将所述决策组件的定位信息决定展示，其中所述输入器等待决定输入，通过所述输入器将交互情况反馈至所述交互组件。

10.根据权利要求9所述的车道认知系统，其中所述执行组件进一步地包括至少一执行器，其中所述执行器与所述决策组件相互连接，其中所述执行器从所述决策组件得到输入执行指令，根据定位信息的决定执行的动作。

11.一车道认知方法，其特征在于，包括以下步骤：

1001：采集车体周围的图像；

1002：通过过滤和特征识别的方式提取图像中的车道数据；

1003：判断车道数据的意义，并给出决定；以及

1004：若决定为两个及其以上，则发出请求确认；若决定为唯一的，则作为分析结果输出；

所述1003还包括匹配车道数据至样本；

所述车道认知方法还包括，通过数据库对于有效的车道信息进行储存并提供下载。

12.根据权利要求11所述的车道认知方法，其中在步骤1001中通过采集车体周围的图像进而得到道路数据。

13.根据权利要求11所述的车道认知方法，其中在步骤1001中通过采集车体行进前方的图像进而得到道路数据。

14.根据权利要求11所述的车道认知方法，其中在步骤1003中，对于所提取的车道数据做进一步的处理：判断车道的具体形式。

15.根据权利要求14所述的车道认知方法，其中车道的具体形式选自：双向两车道路面中心线、车行道分界线、车行道边缘线、左转弯待转区线、左转弯导向线、人行横道线、高速公路车距确认标线、高速公路出入口标线、停车位标线、港湾式停靠站标线、收费岛标线、导向箭头、路面文字标线的组合。

16.根据权利要求14所述的车道认知方法，其中在步骤1002和步骤1003之间，进一步地包括连接至一定位源，从所述定位源得到车体的定位信息。

17.根据权利要求16所述的车道认知方法，其中在步骤1003中利用所述定位源的定位信息核实车道数据的意义。

18.根据权利要求11所述的车道认知方法，其中步骤1003进一步地包括匹配车道数据至样本，若车道数据被匹配到既有样本，那么认为车道数据是认知有效的；若车道数据并不完全，那么认为车道数据有效性不足需要进行请求确认。

Images