CN109470254A - 地图车道线的生成方法、装置、系统及存储介质 - Google Patents

地图车道线的生成方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN109470254A
CN109470254A CN201811290726.8A CN201811290726A CN109470254A CN 109470254 A CN109470254 A CN 109470254A CN 201811290726 A CN201811290726 A CN 201811290726A CN 109470254 A CN109470254 A CN 109470254A
Authority
CN
China
Prior art keywords
lane line
line
point
lane
unmanned vehicle
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
Application number
CN201811290726.8A
Other languages
English (en)
Other versions
CN109470254B (zh
Inventor
杨光垚
侯瑞杰
沈莉霞
何雷
宋适宇
董芳芳
彭亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Baidu Online Network Technology Beijing Co Ltd
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201811290726.8A priority Critical patent/CN109470254B/zh
Publication of CN109470254A publication Critical patent/CN109470254A/zh
Application granted granted Critical
Publication of CN109470254B publication Critical patent/CN109470254B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种地图车道线的生成方法、装置、系统及存储介质，该方法包括：获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。

Description

地图车道线的生成方法、装置、系统及存储介质
技术领域
本发明涉及无人驾驶技术领域，尤其涉及一种地图车道线的生成方法、装置、系统及存储介质。
背景技术
随着汽车技术的发展，无人车开始得到应用和发展。在无人车行驶的过程中，需要为无人车提供车道线信息，以便于无人车根据车道线进行自动行驶。
现有技术中，无人车可以通过摄像头等设备来采集车道线，然后根据采集到的车道线进行自动驾驶控制。
但是，现有技术中，道路上的车道线往往存在被障碍物遮挡、磨损等情况，从而使得无人车采集到的车道线存在模糊不清、断线等问题，影响无人车的正常行驶。
发明内容
本发明提供一种地图车道线的生成方法、装置、系统及存储介质，可以自动生成清晰、连续的车道线，保证无人车可以根据车道线进行安全行驶。
第一方面，本发明实施例提供一种地图车道线的生成方法，包括：
获取无人车周围环境对应的目标反射值底图；
对无人车行驶的道路进行车道线划分，得到参考车道线；
对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；
通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。
在一种可能的设计中，所述获取无人车周围环境对应的目标反射值底图，包括：获取无人车周围环境的点云数据；将所述点云数据投影到二维空间，得到初始反射值底图；在所述初始反射值底图中标注出车道的外边界，得到目标反射值底图。
在一种可能的设计中，所述对无人车行驶的道路进行车道线划分，得到参考车道线，包括：根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；根据所述车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。
在一种可能的设计中，对所述目标反射值底图进行语义分割，得到车道线对应的标记点集，包括：通过语义分割，确定所述目标反射值底图中车道线对应的图像块；将所述车道线对应的图像块离散成若干个标记点，所述标记点的集合构成车道线对应的标记点集。
在一种可能的设计中，通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线，包括：
将所述参考车道线离散为多个参考点；以所述参考点为圆心，在预设的半径范围内寻找标记点；若在预设的半径范围内存在唯一标记点，则将所述参考点替换为找到的标记点；若在预设的半径范围内存在2个及以上的标记点，则将所述参考点替换为置信度最高的标记点；若所述参考车道线离散的所有参考点均找到对应的标记点，则将所述参考车道线平移到所述标记点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线，还包括：
若所述参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点；则根据上移车道线公式计算出补充点；其中，N为大于0的自然数；将所述参考车道线平移到所述标记点和所述补充点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，所述上移车道线公式如下：
Xkm′＝Xkm；
其中，k用于指示线k，线k为待移动的线；i用于指示线i，线i为连续缺失的N个标记点的左端的线；j用于指示线j，线j为连续缺失的N个标记点的右端的线；Xir为线i的右端点的X轴坐标值，Yir为线i的右端点的Y轴坐标值，Xjl为线j的左端点的X轴坐标值，Yjl为线j的左端点的Y轴坐标值；Yir,k为第一投影点的纵坐标，所述第一投影点为线i的右端点沿法向在线k上的投影点；Yjl,k为第二投影点的纵坐标，所述第二投影点为线j的左端点沿法向在线k上的投影点；Xkm为线k上的点m的横坐标，Ykm为线k上的点m的纵坐标；Xkm′为补充点的X轴坐标值，Ykm′为补充点的Y轴坐标值。
第二方面，本发明实施例提供一种地图车道线的生成装置，包括：
获取模块，用于获取无人车周围环境对应的目标反射值底图；
划分模块，用于对无人车行驶的道路进行车道线划分，得到参考车道线；
分割模块，用于对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；
校准模块，用于通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。
在一种可能的设计中，所述获取模块，具体用于：获取无人车周围环境的点云数据；将所述点云数据投影到二维空间，得到初始反射值底图；在所述初始反射值底图中标注出车道的外边界，得到目标反射值底图。
在一种可能的设计中，所述划分模块，具体用于：根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；根据所述车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。
在一种可能的设计中，所述分割模块，具体用于：通过语义分割，确定所述目标反射值底图中车道线对应的图像块；将所述车道线对应的图像块离散成若干个标记点，所述标记点的集合构成车道线对应的标记点集。
在一种可能的设计中，所述校准模块，具体用于：将所述参考车道线离散为多个参考点；以所述参考点为圆心，在预设的半径范围内寻找标记点；若在预设的半径范围内存在唯一标记点，则将所述参考点替换为找到的标记点；若在预设的半径范围内存在2个及以上的标记点，则将所述参考点替换为置信度最高的标记点；若所述参考车道线离散的所有参考点均找到对应的标记点，则将所述参考车道线平移到所述标记点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，所述校准模块，还用于：若所述参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点；则根据上移车道线公式计算出补充点；其中，N为大于0的自然数；将所述参考车道线平移到所述标记点和所述补充点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，所述上移车道线公式如下：
Xkm′＝Xkm；
其中，k用于指示线k，线k为待移动的线；i用于指示线i，线i为连续缺失的N个标记点的左端的线；j用于指示线j，线j为连续缺失的N个标记点的右端的线；Xir为线i的右端点的X轴坐标值，Yir为线i的右端点的Y轴坐标值，Xjl为线j的左端点的X轴坐标值，Yjl为线j的左端点的Y轴坐标值；Yir,k为第一投影点的纵坐标，所述第一投影点为线i的右端点沿法向在线k上的投影点；Yjl,k为第二投影点的纵坐标，所述第二投影点为线j的左端点沿法向在线k上的投影点；Xkm为线k上的点m的横坐标，Ykm为线k上的点m的纵坐标；Xkm′为补充点的X轴坐标值，Ykm′为补充点的Y轴坐标值。
第三方面，本发明实施例提供地图车道线的生成系统，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的地图车道线的生成方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项所述地图车道线的生成方法。
第五方面，本发明实施例提供一种程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器执行第一方面中任一所述的地图车道线的生成方法。
本发明提供一种地图车道线的生成方法、装置、系统及存储介质，通过获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一应用场景的原理示意图；
图2为本发明实施例一提供的地图车道线的生成方法的流程图；
图3为车道线校准示意图；
图4为本发明实施例二提供的地图车道线的生成方法的流程图；
图5为本发明实施例三提供的地图车道线的生成装置的结构示意图；
图6为本发明实施例四提供的地图车道线的生成系统的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解，对本发明中出现的专业术语进行如下说明：
1)点云数据：现有技术中多采用激光扫描的方式，获取环境的点云数据；当一束激光照射到物体表面时，所反射的激光会携带方位、距离等信息。若将激光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，由于扫描极为精细，则能够得到大量的激光点，因而就可形成物体的激光点云数据。点云数据是在目标表面特性的海量点云的集合。
2)反射值底图：根据激光测量原理得到的点云，包括三维坐标(XYZ)和激光反射信息；根据摄影测量原理得到的点云，包括三维坐标(XYZ)；结合激光测量和摄影测量原理得到点云，包括三维坐标(XYZ)和激光反射信息。按照点云中的反射信息表示点云数据，即可获取点云数据对应的反射值底图。
3)语义分割：对获取的图像中的每个像素都做分类，即获取图像中每个像素属于什么对象的像素。现有技术中多采用卷积神经网络的方式对像素进行。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明一应用场景的原理示意图，如图1所示，无人车自动驾驶控制时，可以通过车载传感器，如车载摄像头、定位模块等获取无人车周围的环境信息，行驶的道路等级信息等。然后，通过获取模块将获取的无人车周围环境的点云数据投影到二维空间二维空间，得到初始反射值底图；在初始反射值底图中标注出车道的外边界，得到目标反射值底图。然后，通过分割模块对目标反射值底图地图进行语义分割，得到车道线对应的标记点集。由于道路上的车道线往往存在被障碍物遮挡、磨损等情况，从而使得无人车采集到的车道线存在模糊不清、断线等问题。因此，此时获得的车道线的标记点集表示的车道线可能存在误差，精度不高。然后，通过划分模块根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；根据车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。此时获得的车道线为理论车道线，实际道路上的车道线与参考车道线之间可能存在误差。最后，通过校准模块将参考车道线信息和标记点集信息互相结合、互相验证，得到校准的车道线。
应用上述方法可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图2为本发明实施例一提供的地图车道线的生成方法的流程图，如图2所示，本实施例中的方法可以包括：
S101、获取无人车周围环境对应的目标反射值底图。
本实施例中，首先获取无人车周围环境的点云数据，点云数据为三维图。然后，将点云数据投影到二维空间，得到初始反射值底图，实现数据从三维到二维的转换。最后，在初始反射值底图中标注出车道的外边界，得到目标反射值底图。车道的外边界就是指车道的最外沿，用于确定无车人可以行使的道路范围。
在一种可选的实施方式中，可以采用人工方式标注出初始反射值底图中的车道外边界。这种方式一般是由标注人员线在反射值底图中确定车道的大致范围，然后根据已知的车道宽度标注出车道的外边界。
在另一种可选的实施方式中，还可以采用自动方式进行初始反射值底图的车道外边界标注。例如可以利用机器学习模型来自动识别出初始反射值底图上车道外边界的位置，然后调用车道线绘制程序，自动在初始反射值底图上标注车道外边界。
S102、对无人车行驶的道路进行车道线划分，得到参考车道线。
本实施例中，根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；根据车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。
具体地，国家标准对道路的等级、道路宽度、车道的宽度都有规定。在本实施例中，可以根据无人车目前行驶的道路等级信息确定车道的预设宽度。结合目前行驶的道路宽度，计算出车道个数。最后根据车道个数，对无人车目前行驶的道路进行车道划分，得到参考车道线。
具体地，按照国家标准，国道、省道、一级公路每车道宽度为3.75米，必要时必须设立3.5米以上超宽非机动车车道、人行道。城市道路每车道宽度为3.75米，交叉路口分流车道每车道为2.3-2.5米，干线公路(包括高速公路)每车道宽为3.75米，路肩(高速公路紧急停车带)为1.5-2.5米。所以，当无人车行驶在高速公路上时，根据道路等级可以确定车道的宽度为3.75米。若此时的道路宽度为15米，可以计算出车道线个数为4个。
需要说明的是，由于测量的道路宽度存在误差，计算出的车道线个数可能不是整数。此时需要对车道线个数进行圆整到整数。需要说明的是，此时获得的车道线为理论车道线，实际道路上的车道线与参考车道线之间可能存在误差。
S103、对目标反射值底图进行语义分割，得到车道线对应的标记点集。
本实施例中，通过语义分割，确定目标反射值底图中车道线对应的图像块；将车道线对应的图像块离散成若干个标记点，标记点的集合构成车道线对应的标记点集。
具体地，语义分割是计算机视觉中的基本任务，在语义分割可以将输入的图像根据图像块的语义进行分割，是现有的成熟技术，此处不再赘述。
具体地，无人车的摄像头拍摄周围图像，经过语义分割处理，可以将图像按照真实世界中的意义将图像划分为可被人理解的图像块，如车图像块、护栏图像块、车道线图像块等等。将车道线对应的图像块离散成标记点，就可以获得车道线的标记点集，作为图像识别之后的车道线位置。需要说明的是，由于道路上的车道线往往存在被障碍物遮挡、磨损等情况，从而使得无人车采集到的车道线存在模糊不清、断线等问题。因此，此时获得的车道线的标记点集表示的车道线可能存在误差，精度不高。因此，需要执行步骤S104进行进一步处理。
S104、通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。
本实施例中，将参考车道线离散为多个参考点；以参考点为圆心，在预设的半径范围内寻找标记点；若在预设的半径范围内存在唯一标记点，则将参考点替换为找到的标记点；若在预设的半径范围内存在2个及以上的标记点，则将参考点替换为置信度最高的标记点；若参考车道线离散的所有参考点均找到对应的标记点，则将参考车道线平移到标记点连接的线段位置处，得到校准后的车道线。
具体地，步骤S102获得的参考车道线是根据道路宽度和预设的车道宽度获得的车道线，为理论车道线。而步骤S103获得的车道线标记点集为实际的车道线。步骤S102获得的参考车道线和步骤S103获得的车道线标记点集存在各自的缺陷，但可以互相结合，互相验证，从而得到最终的真实的车道线。
具体地，将步骤S102获得的参考车道线进行离散为多个参考点，就获得了参考车道线的参考点集。以参考点为圆心，在预设的半径范围内寻找标记点。若在预设的半径范围内存在唯一标记点，那么标记点得到了参考点的验证，则将参考点替换为找到的标记点。若在预设的半径范围内存在2个及以上的标记点，那么有一些标记点可能存在误差，则将参考点替换为置信度最高的标记点。
进一步地，若参考车道线离散的所有参考点均找到对应的标记点，那么可能因为车道线被障碍物遮挡、磨损等情况从而标记点缺失，则将参考车道线平移到标记点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，若参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点；则根据上移车道线公式计算出补充点；其中，N为大于0的自然数；将参考车道线平移到标记点和补充点连接的线段位置处，得到校准后的车道线。上移车道线公式如下：
Xkm′＝Xkm；
其中，k用于指示线k，线k为待移动的线；i用于指示线i，线i为连续缺失的N个标记点的左端的线；j用于指示线j，线j为连续缺失的N个标记点的右端的线；Xir为线i的右端点的X轴坐标值，Yir为线i的右端点的Y轴坐标值，Xjl为线j的左端点的X轴坐标值，Yjl为线j的左端点的Y轴坐标值；Yir,k为第一投影点的纵坐标，所述第一投影点为线i的右端点沿法向在线k上的投影点；Yjl,k为第二投影点的纵坐标，所述第二投影点为线j的左端点沿法向在线k上的投影点；Xkm为线k上的点m的横坐标，Ykm为线k上的点m的纵坐标；Xkm′为补充点的X轴坐标值，Ykm′为补充点的Y轴坐标值。
具体地，由于道路上的车道线往往存在被障碍物遮挡、磨损等情况，从而使得无人车采集到的车道线存在模糊不清、断线等问题，标记点集反映的车道线存在缺失，不连续等问题。
具体地，若参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点，则根据上移车道线公式计算出补充点，将参考车道线平移到标记点和补充点连接的线段位置处，得到校准后的车道线。
图3为车道线校准示意图，如图3所示，参考车道线为连续的理论车道线，而校准后的车道线存在缺失，校准车道线左右两条实线中间的一段即为缺失部分。Yi,r为第i条断线右端点的Y轴坐标值，Yi,r,k为Yi,r在参考车道线上对应的右投影点的Y轴坐标值，Yj,l为第j条断线左端点的Y轴坐标值，Yj,l,k为Yj,l在参考车道线上对应的左投影点的Y轴坐标值。Yk,m为参考车道线上介于左投影点和右投影点之间的任一候选参考点的Y轴坐标值，根据上移车道线公式计算出补充点的Y轴坐标值Yk,m'，以及补充点的X轴坐标值Xk,m'，即可获得补充点的完整坐标。然后，根据补充点获得对应的车道线如图3中的虚线所示。最终获得完整的校准后的车道线。
本实施例，通过获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对目标反射值底图进行语义分割，得到车道线对应的标记点集；通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
图4为本发明实施例二提供的地图车道线的生成方法的流程图，如图4所示，本实施例中的方法可以包括：
S201、获取无人车周围环境对应的目标反射值底图。
S202、对无人车行驶的道路进行车道线划分，得到参考车道线。
S203、对目标反射值底图进行语义分割，得到车道线对应的标记点集。
S204、通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。
本实施例中，步骤S201～步骤S204的具体实现过程和技术原理请参见图2所示的方法中步骤S101～步骤S104中的相关描述，此处不再赘述。
S205、在高精度地图上显示校准后的车道线，以使无人车根据校准后的车道线行驶。
本实施例，通过获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对目标反射值底图进行语义分割，得到车道线对应的标记点集；通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
图5为本发明实施例三提供的地图车道线的生成装置的结构示意图，如图5所示，本实施例的地图车道线的生成装置可以包括：
获取模块31，用于获取无人车周围环境对应的目标反射值底图；
划分模块32，用于对无人车行驶的道路进行车道线划分，得到参考车道线；
分割模块33，用于对目标反射值底图进行语义分割，得到车道线对应的标记点集；
校准模块34，用于通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。
在一种可能的设计中，获取模块31，具体用于：
获取无人车周围环境的点云数据；
将点云数据投影到二维空间，得到初始反射值底图；
在初始反射值底图中标注出车道的外边界，得到目标反射值底图。
在一种可能的设计中，划分模块32，具体用于：
根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；
根据车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。
在一种可能的设计中，分割模块33，具体用于：
通过语义分割，确定目标反射值底图中车道线对应的图像块；
将车道线对应的图像块离散成若干个标记点，标记点的集合构成车道线对应的标记点集。
在一种可能的设计中，校准模块34，具体用于：
将参考车道线离散为多个参考点；
以参考点为圆心，在预设的半径范围内寻找标记点；
若在预设的半径范围内存在唯一标记点，则将参考点替换为找到的标记点；
若在预设的半径范围内存在2个及以上的标记点，则将参考点替换为置信度最高的标记点；
若参考车道线离散的所有参考点均找到对应的标记点，则将参考车道线平移到标记点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，校准模块34，还用于：
若参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点；则根据上移车道线公式计算出补充点；其中，N为大于0的自然数；
将参考车道线平移到标记点和补充点连接的线段位置处，得到校准后的车道线。
在一种可能的设计中，上移车道线公式如下：
Xkm′＝Xkm；
其中，k用于指示线k，线k为待移动的线；i用于指示线i，线i为连续缺失的N个标记点的左端的线；j用于指示线j，线j为连续缺失的N个标记点的右端的线；Xir为线i的右端点的X轴坐标值，Yir为线i的右端点的Y轴坐标值，Xjl为线j的左端点的X轴坐标值，Yjl为线j的左端点的Y轴坐标值；Yir,k为第一投影点的纵坐标，所述第一投影点为线i的右端点沿法向在线k上的投影点；Yjl,k为第二投影点的纵坐标，所述第二投影点为线j的左端点沿法向在线k上的投影点；Xkm为线k上的点m的横坐标，Ykm为线k上的点m的纵坐标；Xkm′为补充点的X轴坐标值，Ykm′为补充点的Y轴坐标值。
本实施例，通过获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对目标反射值底图进行语义分割，得到车道线对应的标记点集；通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
本实施例的地图车道线的生成装置，可以执行图2所示方法中的技术方案，其具体实现过程和技术原理参见图2所示方法中的相关描述，此处不再赘述。
图6为本发明实施例四提供的地图车道线的生成系统的结构示意图，如图6所示，本实施例的地图车道线的生成系统40可以包括：处理器41和存储器42。
存储器42，用于存储计算机程序(如实现上述地图车道线的生成方法的应用程序、功能模块等)、计算机指令等；
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器42中。并且上述的计算机程序、计算机指令、数据等可以被处理器41调用。
处理器41，用于执行存储器42存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器41和存储器42可以是独立结构，也可以是集成在一起的集成结构。当处理器41和存储器42是独立结构时，存储器42、处理器41可以通过总线43耦合连接。
本实施例，通过获取无人车周围环境对应的目标反射值底图；对无人车行驶的道路进行车道线划分，得到参考车道线；对目标反射值底图进行语义分割，得到车道线对应的标记点集；通过标记点集中的标记点对参考车道线进行校准处理，得到校准后的车道线。从而可以自动生成清晰、连续的车道线，避免了道路上的车道线因为遮挡、磨损等问题导致的无人车无法采集到清晰的车道线，也避免了基于反射值底图生成的车道线的缺线、断线的问题，使得无人车可以根据车道线进行安全行驶。
本实施例的服务器可以执行图2所示方法中的技术方案，其具体实现过程和技术原理参见图2所示方法中的相关描述，此处不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，当用户设备的至少一个处理器执行该计算机执行指令时，用户设备执行上述各种可能的方法。
其中，计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。
本申请还提供一种程序产品，程序产品包括计算机程序，计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得服务器实施上述本发明实施例任一的地图车道线的生成方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种地图车道线的生成方法，其特征在于，包括：
获取无人车周围环境对应的目标反射值底图；
对无人车行驶的道路进行车道线划分，得到参考车道线；
对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；
通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。
2.根据权利要求1所述的方法，其特征在于，所述获取无人车周围环境对应的目标反射值底图，包括：
获取无人车周围环境的点云数据；
将所述点云数据投影到二维空间，得到初始反射值底图；
在所述初始反射值底图中标注出车道的外边界，得到目标反射值底图。
3.根据权利要求1所述的方法，其特征在于，所述对无人车行驶的道路进行车道线划分，得到参考车道线，包括：
根据道路宽度、车道的预设宽度，确定无人车行驶的道路的车道个数；
根据所述车道个数，对无人车行驶的道路进行车道线划分，得到参考车道线。
4.根据权利要求1所述的方法，其特征在于，对所述目标反射值底图进行语义分割，得到车道线对应的标记点集，包括：
通过语义分割，确定所述目标反射值底图中车道线对应的图像块；
将所述车道线对应的图像块离散成若干个标记点，所述标记点的集合构成车道线对应的标记点集。
5.根据权利要求1-4中任一项所述的方法，其特征在于，通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线，包括：
将所述参考车道线离散为多个参考点；
以所述参考点为圆心，在预设的半径范围内寻找标记点；
若在预设的半径范围内存在唯一标记点，则将所述参考点替换为找到的标记点；
若在预设的半径范围内存在2个及以上的标记点，则将所述参考点替换为置信度最高的标记点；
若所述参考车道线离散的所有参考点均找到对应的标记点，则将所述参考车道线平移到所述标记点连接的线段位置处，得到校准后的车道线。
6.根据权利要求5所述的方法，其特征在于，通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线，还包括：
若所述参考车道线离散的参考点中存在至少N个参考点未找到对应的标记点；则根据上移车道线公式计算出补充点；其中，N为大于0的自然数；
将所述参考车道线平移到所述标记点和所述补充点连接的线段位置处，得到校准后的车道线。
7.根据权利要求6所述的方法，其特征在于，所述上移车道线公式如下：
Xkm′＝Xkm；
其中，k用于指示线k，线k为待移动的线；i用于指示线i，线i为连续缺失的N个标记点的左端的线；j用于指示线j，线j为连续缺失的N个标记点的右端的线；Xir为线i的右端点的X轴坐标值，Yir为线i的右端点的Y轴坐标值，Xjl为线j的左端点的X轴坐标值，Yjl为线j的左端点的Y轴坐标值；Yir,k为第一投影点的纵坐标，所述第一投影点为线i的右端点沿法向在线k上的投影点；Yjl,k为第二投影点的纵坐标，所述第二投影点为线j的左端点沿法向在线k上的投影点；Xkm为线k上的点m的横坐标，Ykm为线k上的点m的纵坐标；Xkm′为补充点的X轴坐标值，Ykm′为补充点的Y轴坐标值。
8.一种地图车道线的生成装置，其特征在于，包括：
获取模块，用于获取无人车周围环境对应的目标反射值底图；
划分模块，用于对无人车行驶的道路进行车道线划分，得到参考车道线；
分割模块，用于对所述目标反射值底图进行语义分割，得到车道线对应的标记点集；
校准模块，用于通过所述标记点集中的标记点对所述参考车道线进行校准处理，得到校准后的车道线。
9.一种地图车道线的生成系统，其特征在于，包括：存储器和处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行如权利要求1-7中任一项所述的地图车道线的生成方法。
10.一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1-7中任一项所述的地图车道线的生成方法。
CN201811290726.8A 2018-10-31 2018-10-31 地图车道线的生成方法、装置、系统及存储介质 Active CN109470254B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811290726.8A CN109470254B (zh) 2018-10-31 2018-10-31 地图车道线的生成方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811290726.8A CN109470254B (zh) 2018-10-31 2018-10-31 地图车道线的生成方法、装置、系统及存储介质

Publications (2)

Publication Number Publication Date
CN109470254A true CN109470254A (zh) 2019-03-15
CN109470254B CN109470254B (zh) 2020-09-08

Family

ID=65666613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811290726.8A Active CN109470254B (zh) 2018-10-31 2018-10-31 地图车道线的生成方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN109470254B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060266A (zh) * 2019-04-24 2019-07-26 百度在线网络技术（北京）有限公司 车道线提取方法及装置、服务器及计算机可读介质
CN110345951A (zh) * 2019-07-08 2019-10-18 武汉光庭信息技术股份有限公司 一种adas高精度地图的生成方法及装置
CN110550030A (zh) * 2019-09-09 2019-12-10 深圳一清创新科技有限公司 无人车的变道控制方法、装置、计算机设备和存储介质
CN111192216A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种车道线平滑处理方法及系统
CN111559373A (zh) * 2020-04-26 2020-08-21 东风汽车集团有限公司 一种车辆主动转向控制方法
CN111578948A (zh) * 2020-06-12 2020-08-25 弗徕威智能机器人科技（上海）有限公司 一种车道添加的方法及系统
CN111652952A (zh) * 2020-06-05 2020-09-11 腾讯科技（深圳）有限公司 车道线生成方法、装置、计算机设备和存储介质
CN111811530A (zh) * 2020-06-16 2020-10-23 当家移动绿色互联网技术集团有限公司 车道线生成方法、装置、存储介质及电子设备
CN111814651A (zh) * 2020-07-02 2020-10-23 北京百度网讯科技有限公司 车道线的生成方法、装置和设备
CN112309233A (zh) * 2020-10-26 2021-02-02 北京三快在线科技有限公司 一种道路边界的确定、道路切分方法及装置
CN112446411A (zh) * 2019-08-12 2021-03-05 美光科技公司 汽车预测性维护中的神经网络输入的存储和存取
WO2021169993A1 (zh) * 2020-02-29 2021-09-02 华为技术有限公司 自动驾驶地图的构建方法及相关装置
CN113379852A (zh) * 2021-08-10 2021-09-10 禾多科技（北京）有限公司 用于验证相机标定结果的方法、装置、电子设备和介质
CN113758501A (zh) * 2021-09-08 2021-12-07 广州小鹏自动驾驶科技有限公司 检测地图中的异常车道线的方法和可读存储介质
WO2022227878A1 (zh) * 2021-04-30 2022-11-03 华为技术有限公司 一种车道线标注方法及装置
US12061971B2 (en) 2019-08-12 2024-08-13 Micron Technology, Inc. Predictive maintenance of automotive engines

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237901A (ja) * 2008-03-27 2009-10-15 Zenrin Co Ltd 路面標示地図生成方法
CN102915441A (zh) * 2012-08-30 2013-02-06 杭州电子科技大学 基于Haar纹理的非结构化道路检测方法
CN104112118A (zh) * 2014-06-26 2014-10-22 大连民族学院 用于车道偏离预警系统的车道线检测方法
CN104129389A (zh) * 2014-08-06 2014-11-05 中电海康集团有限公司 一种有效判别车辆行驶状态的方法及其装置
CN105528588A (zh) * 2015-12-31 2016-04-27 百度在线网络技术（北京）有限公司 一种车道线识别方法及装置
CN106097444A (zh) * 2016-05-30 2016-11-09 百度在线网络技术（北京）有限公司 高精地图生成方法和装置
CN106500705A (zh) * 2016-10-20 2017-03-15 上海智驾电子科技有限公司 基于车道线检测的定位系统及定位方法
CN107025432A (zh) * 2017-02-28 2017-08-08 合肥工业大学 一种高效的车道线检测跟踪方法及系统
CN108229386A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 用于检测车道线的方法、装置和介质
CN108470159A (zh) * 2018-03-09 2018-08-31 腾讯科技（深圳）有限公司 车道线数据处理方法、装置、计算机设备和存储介质
CN108694882A (zh) * 2017-04-11 2018-10-23 百度在线网络技术（北京）有限公司 用于标注地图的方法、装置和设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009237901A (ja) * 2008-03-27 2009-10-15 Zenrin Co Ltd 路面標示地図生成方法
CN102915441A (zh) * 2012-08-30 2013-02-06 杭州电子科技大学 基于Haar纹理的非结构化道路检测方法
CN104112118A (zh) * 2014-06-26 2014-10-22 大连民族学院 用于车道偏离预警系统的车道线检测方法
CN104129389A (zh) * 2014-08-06 2014-11-05 中电海康集团有限公司 一种有效判别车辆行驶状态的方法及其装置
CN105528588A (zh) * 2015-12-31 2016-04-27 百度在线网络技术（北京）有限公司 一种车道线识别方法及装置
CN106097444A (zh) * 2016-05-30 2016-11-09 百度在线网络技术（北京）有限公司 高精地图生成方法和装置
CN106500705A (zh) * 2016-10-20 2017-03-15 上海智驾电子科技有限公司 基于车道线检测的定位系统及定位方法
CN107025432A (zh) * 2017-02-28 2017-08-08 合肥工业大学 一种高效的车道线检测跟踪方法及系统
CN108694882A (zh) * 2017-04-11 2018-10-23 百度在线网络技术（北京）有限公司 用于标注地图的方法、装置和设备
CN108229386A (zh) * 2017-12-29 2018-06-29 百度在线网络技术（北京）有限公司 用于检测车道线的方法、装置和介质
CN108470159A (zh) * 2018-03-09 2018-08-31 腾讯科技（深圳）有限公司 车道线数据处理方法、装置、计算机设备和存储介质

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110060266A (zh) * 2019-04-24 2019-07-26 百度在线网络技术（北京）有限公司 车道线提取方法及装置、服务器及计算机可读介质
CN110345951A (zh) * 2019-07-08 2019-10-18 武汉光庭信息技术股份有限公司 一种adas高精度地图的生成方法及装置
CN112446411A (zh) * 2019-08-12 2021-03-05 美光科技公司 汽车预测性维护中的神经网络输入的存储和存取
US12061971B2 (en) 2019-08-12 2024-08-13 Micron Technology, Inc. Predictive maintenance of automotive engines
CN110550030A (zh) * 2019-09-09 2019-12-10 深圳一清创新科技有限公司 无人车的变道控制方法、装置、计算机设备和存储介质
CN111192216A (zh) * 2019-12-31 2020-05-22 武汉中海庭数据技术有限公司 一种车道线平滑处理方法及系统
CN111192216B (zh) * 2019-12-31 2023-04-21 武汉中海庭数据技术有限公司 一种车道线平滑处理方法及系统
WO2021169993A1 (zh) * 2020-02-29 2021-09-02 华为技术有限公司 自动驾驶地图的构建方法及相关装置
CN111559373A (zh) * 2020-04-26 2020-08-21 东风汽车集团有限公司 一种车辆主动转向控制方法
CN111652952A (zh) * 2020-06-05 2020-09-11 腾讯科技（深圳）有限公司 车道线生成方法、装置、计算机设备和存储介质
CN111578948A (zh) * 2020-06-12 2020-08-25 弗徕威智能机器人科技（上海）有限公司 一种车道添加的方法及系统
CN111811530A (zh) * 2020-06-16 2020-10-23 当家移动绿色互联网技术集团有限公司 车道线生成方法、装置、存储介质及电子设备
CN111814651A (zh) * 2020-07-02 2020-10-23 北京百度网讯科技有限公司 车道线的生成方法、装置和设备
CN111814651B (zh) * 2020-07-02 2024-01-12 阿波罗智能技术(北京)有限公司 车道线的生成方法、装置和设备
CN112309233A (zh) * 2020-10-26 2021-02-02 北京三快在线科技有限公司 一种道路边界的确定、道路切分方法及装置
CN112309233B (zh) * 2020-10-26 2022-09-30 北京三快在线科技有限公司 一种道路边界的确定、道路切分方法及装置
WO2022227878A1 (zh) * 2021-04-30 2022-11-03 华为技术有限公司 一种车道线标注方法及装置
CN113379852A (zh) * 2021-08-10 2021-09-10 禾多科技（北京）有限公司 用于验证相机标定结果的方法、装置、电子设备和介质
CN113379852B (zh) * 2021-08-10 2021-11-30 禾多科技（北京）有限公司 用于验证相机标定结果的方法、装置、电子设备和介质
CN113758501A (zh) * 2021-09-08 2021-12-07 广州小鹏自动驾驶科技有限公司 检测地图中的异常车道线的方法和可读存储介质
CN113758501B (zh) * 2021-09-08 2024-06-04 广州小鹏自动驾驶科技有限公司 检测地图中的异常车道线的方法和可读存储介质

Also Published As

Publication number Publication date
CN109470254B (zh) 2020-09-08

Similar Documents

Publication Publication Date Title
CN109470254A (zh) 地图车道线的生成方法、装置、系统及存储介质
US11953340B2 (en) Updating road navigation model using non-semantic road feature points
JP7045628B2 (ja) 車両の動作を制御するための車両の装置、車両、およびコンピュータプログラム
JP7020728B2 (ja) システム、方法およびプログラム
EP3674662B1 (en) Automatic detection and positioning of pole-like objects in 3d
EP3016086B1 (en) Negative image for sign placement detection
CN103954275B (zh) 基于车道线检测和gis地图信息开发的视觉导航方法
CN108303103A (zh) 目标车道的确定方法和装置
CN110155053A (zh) 提供用于驾驶车辆的信息的方法和设备
CN110146097A (zh) 自动驾驶导航地图的生成方法、系统、车载终端及服务器
CN108089572A (zh) 用于稳健且有效的车辆定位的算法和基础设施
CN110386142A (zh) 用于自动驾驶车辆的俯仰角校准方法
CN110146910A (zh) 一种基于gps与激光雷达数据融合的定位方法及装置
CN108428254A (zh) 三维地图的构建方法及装置
JPH08247775A (ja) 移動体の自己位置同定装置および自己位置同定方法
CN110986945B (zh) 基于语义高度地图的局部导航方法和系统
CN109515439A (zh) 自动驾驶控制方法、装置、系统及存储介质
CN115388902A (zh) 室内定位方法和系统、ar室内定位导航方法和系统
CN115639823A (zh) 崎岖起伏地形下机器人地形感知与移动控制方法及系统
US20220412772A1 (en) Systems and methods for monitoring lane mark quality
Elias et al. Automatic generation and application of landmarks in navigation data sets
CN109115232A (zh) 导航的方法和装置
CN114430843A (zh) 语义辅助的多分辨率点云配准
CN114387576A (zh) 一种车道线识别方法、系统、介质、设备及信息处理终端
CN112651991B (zh) 视觉定位方法、装置及计算机系统

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