CN109657686B - 车道线生成方法、装置、设备以及存储介质 - Google Patents
车道线生成方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN109657686B CN109657686B CN201811290736.1A CN201811290736A CN109657686B CN 109657686 B CN109657686 B CN 109657686B CN 201811290736 A CN201811290736 A CN 201811290736A CN 109657686 B CN109657686 B CN 109657686B
- Authority
- CN
- China
- Prior art keywords
- lane
- lane line
- line
- point
- marking
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种车道线生成方法、装置、设备以及存储介质,其中,该方法,包括:获取道路的车道线;获取道路的点云数据,并根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;根据车道线的标记点集对车道线进行校准,得到校准后的车道线。确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。
Description
技术领域
本申请实施例涉及无人车技术领域,尤其涉及一种车道线生成方法、装置、设备以及存储介质。
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的信息。
现有技术中,无人车可以采集道路上的车道线,无人车根据采集到的车道线进行行驶。
然而现有技术中,道路上的车道线因为遮挡、磨损等问题,会出现模糊不清楚、断线的问题,进而无人车无法采集到清晰的车道线,不能根据车道线进行行驶。
发明内容
本申请实施例提供一种车道线生成方法、装置、设备以及存储介质,用于解决上述方案中无人车无法采集到清晰的车道线,不能根据车道线进行行驶的问题。
本申请第一方面提供一种车道线生成方法,包括:
获取道路的车道线;
获取道路的点云数据,并根据所述点云数据确定所述道路上的车道线的标记点集,其中,所述标记点集包括了至少一个标记点,所述至少一个标记点用于标记车道线;
根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线。
进一步地,所述获取道路的车道线,包括:
获取所述道路的至少一种车道线分布信息,其中,所述至少一种车道线分布信息中的每一种车道线分布信息表征了所述道路上的车道线分布个数;
和/或,
获取根据轨迹信息所生成的Q条车道线,其中,Q为大于等于1的正整数。
进一步地,所述获取道路的车道线,包括:
获取多个车辆的轨迹信息;
若所述多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则获取所述道路的路沿位置信息,并根据所述路沿位置信息确定所述道路的至少一种车道线分布信息;
若所述数量大于等于预设阈值,则根据所述多个车辆的轨迹信息确定Q条车道线。
进一步地,若所述数量小于预设阈值,则根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线,包括:
根据所述车道线的标记点集和所述至少一种车道线分布信息对所述车道线进行校准,得到校准后的车道线。
进一步地,根据所述车道线的标记点集和所述至少一种车道线分布信息对所述车道线进行校准,得到校准后的车道线,包括:
对所述车道线的标记点集进行霍夫变换,得到N条直线,其中,N为大于1的正整数;
根据所述N条直线和每一种所述车道线分布信息,确定待处理的车道线分布信息;
根据所述车道线的标记点集,对所述待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线。
进一步地,根据所述N条直线和每一种所述车道线分布信息,确定待处理的车道线分布信息,包括:
对所述N条直线进行过滤处理,得到M条直线,其中,M为大于1且小于N的正整数;
确定车道线分布信息的车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。
进一步地,所述N条直线中的每一条直线具有参数值;对所述N条直线进行过滤处理,得到M条直线,包括:
根据所述参数值对所述N条直线进行降序排序,得到排序后的N条直线;
确定排序后的N条直线中的每一条直线与排序后的N条直线中的其他直线之间的距离值,将距离值小于预设距离值的其他直线进行消除,得到所述M条直线。
进一步地,根据所述车道线的标记点集,对所述待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线,包括:
将所述待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点;
根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
进一步地,若所述数量大于等于预设阈值,则根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线,包括:
根据所述车道线的标记点集对所述Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
进一步地,根据所述车道线的标记点集对所述Q条车道线中的每一条车道线进行校准,得到校准后的车道线,包括:
将所述每一条车道线,划分为多个车道点;
根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
进一步地,根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点,包括:
根据所述车道线的标记点集,在预设距离范围内确定所述每一个车道点对应的标记点;
若确定所述每一个车道点对应的标记点的个数为多个,则获取所述每一个车道点对应的标记点的置信度;
确定置信度最高的标记点,为所述每一个车道点对应的最终的标记点。
进一步地,所述方法,还包括:
若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定所述连续P个车道点对应的补充点,将所述每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
进一步地,所述预设平移公式为:
X′km=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P个车道点的左端的线;j用于指示线j,线j为连续缺失的P个车道点的右端的线;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;X′km为补充点的X轴坐标值,Y′km为补充点的Y轴坐标值。
进一步地,在得到校准后的车道线之后,还包括:
对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
进一步地,获取所述道路的路沿位置信息,包括:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括路沿的反射值;
对所述反射值底图进行语义分割处理,得到所述路沿位置信息。
进一步地,根据所述路沿位置信息确定所述道路的至少一种车道线分布信息,包括:
根据所述路沿位置信息,确定道路宽度;
根据不同的预设车道个数中的每一个预设车道个数对所述道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
进一步地,所述获取多个车辆的轨迹信息,包括:
获取所述多个车辆中的每一个车辆的在每一个位置上的定位信息;
根据每一个车辆的在每一个位置上的定位信息,生成每一个车辆的轨迹信息。
进一步地,根据所述多个车辆的轨迹信息确定Q条车道线,包括:
对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,其中,所述至少一个轨迹类别中的每一个轨迹类别包括至少一个车辆的轨迹信息;
对所述每一个轨迹类别中的各轨迹信息进行拟合处理,得到每一条轨迹类别对应的轨迹;
确定相邻轨迹之间的中间线,作为车道线。
进一步地,对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,包括:
对每一个车辆的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息;对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;
或者,对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息。
进一步地,根据所述点云数据确定所述道路上的车道线的标记点集,包括:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括车道线的反射值;
对所述反射值底图进行语义分割处理,得到所述车道线的标记点集。
本申请第二方面提供一种车道线生成装置,包括:
第一获取单元,用于获取道路的车道线;
第二获取单元,用于获取道路的点云数据;
第一确定单元,用于根据所述点云数据确定所述道路上的车道线的标记点集,其中,所述标记点集包括了至少一个标记点,所述至少一个标记点用于标记车道线;
校准单元,用于根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线。
进一步地,所述第一获取单元,具体用于:
获取所述道路的至少一种车道线分布信息,其中,所述至少一种车道线分布信息中的每一种车道线分布信息表征了所述道路上的车道线分布个数;
和/或,
获取根据轨迹信息所生成的Q条车道线,其中,Q为大于等于1的正整数。
进一步地,所述第一获取单元,包括:
第一获取子单元,用于获取多个车辆的轨迹信息;
第二获取子单元,用于若所述多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则获取所述道路的路沿位置信息;
第一确定子单元,用于在所述第二获取子单元获取所述道路的路沿位置信息之后,根据所述路沿位置信息确定所述道路的至少一种车道线分布信息;
第二确定子单元,用于若所述数量大于等于预设阈值,则根据所述多个车辆的轨迹信息确定Q条车道线。
进一步地,若所述数量小于预设阈值,则所述校准单元,具体用于:
根据所述车道线的标记点集和所述至少一种车道线分布信息对所述车道线进行校准,得到校准后的车道线。
进一步地,所述校准单元,包括:
变换子单元,用于对所述车道线的标记点集进行霍夫变换,得到N条直线,其中,N为大于1的正整数;
第一确定子单元,用于根据所述N条直线和每一种所述车道线分布信息,确定待处理的车道线分布信息;
第一校准子单元,用于根据所述车道线的标记点集,对所述待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线。
进一步地,所述第一确定子单元,包括:
过滤模块,用于对所述N条直线进行过滤处理,得到M条直线,其中,M为大于1且小于N的正整数;
第一确定模块,用于确定车道线分布信息的车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。
进一步地,所述N条直线中的每一条直线具有参数值;所述过滤模块,具体用于:
根据所述参数值对所述N条直线进行降序排序,得到排序后的N条直线;
确定排序后的N条直线中的每一条直线与排序后的N条直线中的其他直线之间的距离值,将距离值小于预设距离值的其他直线进行消除,得到所述M条直线。
进一步地,所述第一校准子单元,具体用于:
将所述待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点;
根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线;
若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定所述连续P个车道点对应的补充点,将所述每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
进一步地,若所述数量大于等于预设阈值,则所述校准单元,具体用于:
根据所述车道线的标记点集对所述Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
进一步地,所述校准单元,包括:
划分子单元,用于将所述每一条车道线,划分为多个车道点;
第二确定子单元,用于根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
第二校准子单元,用于若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线;
第三校准子单元,用于若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定所述连续P个车道点对应的补充点,将所述每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
进一步地,所述第二确定子单元,包括:
第二确定模块,用于根据所述车道线的标记点集,在预设距离范围内确定所述每一个车道点对应的标记点;
获取模块,用于若确定所述每一个车道点对应的标记点的个数为多个,则获取所述每一个车道点对应的标记点的置信度;
确定置信度最高的标记点,为所述每一个车道点对应的最终的标记点。
进一步地,所述预设平移公式为:
X′km=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P个车道点的左端的线;j用于指示线j,线j为连续缺失的P个车道点的右端的线;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;X′km为补充点的X轴坐标值,Y′km为补充点的Y轴坐标值。
进一步地,所述装置,还包括:
平滑单元,用于在所述校准单元得到校准后的车道线之后,对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
进一步地,所述第二获取子单元,具体用于:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括路沿的反射值;
对所述反射值底图进行语义分割处理,得到所述路沿位置信息。
进一步地,所述第一确定子单元,具体用于:
根据所述路沿位置信息,确定道路宽度;
根据不同的预设车道个数中的每一个预设车道个数对所述道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
进一步地,所述第一获取子单元,具体用于:
获取所述多个车辆中的每一个车辆的在每一个位置上的定位信息;
根据每一个车辆的在每一个位置上的定位信息,生成每一个车辆的轨迹信息。
进一步地,所述第二确定子单元,包括:
聚类模块,用于对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,其中,所述至少一个轨迹类别中的每一个轨迹类别包括至少一个车辆的轨迹信息;
拟合模块,用于对所述每一个轨迹类别中的各轨迹信息进行拟合处理,得到每一条轨迹类别对应的轨迹;
第三确定模块,用于确定相邻轨迹之间的中间线,作为车道线。
进一步地,所述聚类模块,具体用于:
对每一个车辆的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息;对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;
或者,对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息。
进一步地,所述第一确定单元,具体用于:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括车道线的反射值;
对所述反射值底图进行语义分割处理,得到所述车道线的标记点集。
本申请第三方面提供一种控制设备,包括:发送器、接收器、存储器和处理器;
所述存储器用于存储计算机指令;所述处理器用于运行所述存储器存储的所述计算机指令实现第一方面任一实现方式提供的车道线生成方法。
本申请第四方面提供一种存储介质,其特征在于,包括:可读存储介质和计算机指令,所述计算机指令存储在所述可读存储介质中;所述计算机指令用于实现第一方面任一实现方式提供的车道线生成方法。
本申请实施例提供的车道线生成方法、装置、设备以及存储介质,通过获取道路的车道线;获取道路的点云数据,并根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;根据车道线的标记点集对车道线进行校准,得到校准后的车道线。确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,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申请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申请的一些实施例,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它的附图。
图1为本申请实施例提供的一种车道线生成方法的流程图;
图2为本申请实施例提供的另一种车道线生成方法的流程图;
图3为本申请实施例提供的又一种车道线生成方法的流程图;
图4为车道线校准示意图;
图5为本申请实施例提供的再一种车道线生成方法的流程图;
图6为本申请实施例提供的其他一种车道线生成方法的流程图;
图7为本申请实施例提供的其他又一种车道线生成方法的流程图;
图8为本申请实施例提供的一种车道线生成装置的结构示意图;
图9为本申请实施例提供的另一种车道线生成装置的结构示意图;
图10为本申请实施例提供的又一种车道线生成装置的结构示意图;
图11为本申请实施例提供的再一种车道线生成装置的结构示意图;
图12为本申请实施例提供的一种控制设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
现有技术中,无人车可以采集道路上的车道线,无人车根据采集到的车道线进行行驶。然而现有技术中,道路上的车道线因为遮挡、磨损等问题,会出现模糊不清楚、断线的问题,进而无人车无法采集到清晰的车道线,不能根据车道线进行行驶。
针对上述存在的问题,本申请提出一种车道线生成方法、装置、设备以及存储介质,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,使得无人车可以根据车道线进行安全行驶。下面通过几个具体实施例对该方案进行详细说明。
图1为本申请实施例提供的一种车道线生成方法的流程图,如图1所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤101、获取道路的车道线。
在本步骤中,具体的,首先获取道路上的车道线,将车道线作为待校准的车道线。
具体来说,可以获取车道线的图像;然后采用识别模型,对车道线的图像进行识别,以识别出车道线;其中,识别模型可以为神经网络模型、或者支持向量机模型、等等。
或者,采用测量仪器对道路进行测量,以获取到道路上的车道线的位置,进而得到车道线的信息。
步骤102、获取道路的点云数据。
在本步骤中,具体的,在无人车上设置了检测装置,检测装置可以为以下的任意一种:自动驾驶主系统的激光雷达传感器、独立的激光雷达传感器、超声波雷达、毫米波雷达。检测装置可以对无人车的周围环境进行检测,获取到无人车的周围环境的点云数据。该点云数据中包括了道路的点云数据。其中,点云数据为三维图。
其中,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。
步骤103、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
可选的,步骤103具体包括:根据点云数据,生成反射值底图,其中,反射值底图包括车道线的反射值;对反射值底图进行语义分割处理,得到车道线的标记点集。
在本步骤中,具体的,直接将上述点云数据投影到二维空间中,得到反射值底图,其中,反射值底图为二维图。然后对反射值底图进行语义分割处理,得到车道线的标记点集,标记点集包括了多个标记点。
其中,反射值底图指的是: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。
本实施例中:通过激光雷达获取点云数据,点云数据中的每个点包含了点的三维坐标信息和反射值,其中,反射值与物体的材料有关;然后,将点云数据在二维平面上栅格化;例如,划分成M*N的格子,每个格子里面包含了点集,将每一个格子对应的点集里面的点的反射值求平均值,就可以每一个格子的反射值;然后对所有格子进行处理,就得到了分辨率是M*N的反射值栅格,分辨率是M*N的反射值栅格就称为反射值底图。
其中,语义分割指的是: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分割。
本实施例中,语义分割处理可以采用现有技术的语义分割方法;语义分割处理指的是自动从图像中分割出对象区域,并且识别出对象区域中的内容。具体来说,在本申请中,根据反射值底图中的每一个像素的反射值,对反射值底图进行语义分割处理,进而可以针对每一个像素,获得每一个像素是车道线的概率值;然后,设置一定的阈值,将概率值大于阈值的像素记为车道线的标记点。
其中,车道线的标记点集中包括了各车道线的标记点。
步骤104、根据车道线的标记点集对车道线进行校准,得到校准后的车道线。
在本步骤中,具体的,由于标记点标记除了车道线的位置,可以采用标记点对车道线进行校准,例如,将车道线的位置与标记点的位置进行求取均值处理,以得到校准后的车道线。
本实施例,通过获取道路的车道线;获取道路的点云数据,并根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;根据车道线的标记点集对车道线进行校准,得到校准后的车道线。确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。
图2为本申请实施例提供的另一种车道线生成方法的流程图,如图2所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤201、获取道路的点云数据。
在本步骤中,具体的,本实施例以执行主体为无人车的控制器进行说明。
本步骤可以参见图1的步骤102,不再赘述。步骤202、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
本步骤可以参见图1的步骤103,不再赘述。
步骤203、获取道路的路沿位置信息。
可选的,步骤203具体包括:根据点云数据,生成反射值底图,其中,反射值底图包括路沿的反射值;对反射值底图进行语义分割处理,得到路沿位置信息。
在本步骤中,具体的,在得到反射值底图之后,对反射值底图进行语义分割处理,得到路沿位置信息,其中,路沿位置信息表征了道路的路沿的位置信息。
同样的,语义分割处理可以采用现有技术的语义分割方法;语义分割处理指的是自动从图像中分割出对象区域,并且识别出对象区域中的内容。
具体来说,在本申请中,根据反射值底图中的每一个像素的反射值,对反射值底图进行语义分割处理,进而可以针对每一个像素,获得每一个像素是路沿的概率值;然后,设置一定的阈值,将概率值大于阈值的像素记为路沿的标记点;然后对各个路沿的标记点进行拟合,得到路沿的位置信息,进而确定出路沿。其中,拟合方法可以采用线性拟合方法。
例如,路沿位置信息中包括了一个道路上左侧路沿的位置和右侧路沿的位置。
步骤204、根据路沿位置信息确定道路的至少一种车道线分布信息,至少一种车道线分布信息中的每一种车道线分布信息表征了道路上的车道线分布个数。
可选的,步骤204具体包括:根据路沿位置信息,确定道路宽度;根据不同的预设车道个数中的每一个预设车道个数对道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
在本步骤中,具体的,对于一个道路来说,路沿位置信息中包括了一个道路上左侧路沿的位置和右侧路沿的位置,从而可以根据左侧路沿的位置和右侧路沿的位置,进行距离计算,进而计算出道路宽度。
预先设置出了多个不同的车道个数,根据每一个车道个数对道路宽度进行等分切割的处理,进而针对每一个车道个数等分出多个车道线,从而得到与每一个车道个数对应的车道线分布信息。
具体来说,对道路宽度取整得到值a,然后设定车道个数分别为a、a+1、a-1;针对每种车道个数的情况,分别等分出多个车道线。
步骤205、根据车道线的标记点集和至少一种车道线分布信息对车道线进行校准,得到校准后的车道线。
在本步骤中,具体的,根据上述标记点和车道线分布信息,对车道线分布信息所指示的车道线进行校准操作,进而可以得到校准后的车道线。
具体来说,针对每一种车道线分布信息,车道线分布信息所指示出车道线分布情况,即道路上车道线的分布情况,从而可以根据标记点对车道线进行校准,得到与每一种车道线分布信息对应的校准后的车道线。然后,再根据预设规则,选择出某一种车道线分布信息对应的校准后的车道线,作为最终的校准后的车道线,其中,预设规则可以选择车道个数的最小值所对应的车道线分布信息;或者,将归属于同一位置上的每一种车道线分布信息对应的校准后的车道线,进行拟合处理,得到校准后的车道线。
例如,寻找与每一个车道线对应的多个标记点,然后,将车道线调整到对应的标记点的位置上。
本实施例,通过获取道路的点云数据,并根据点云数据确定道路上的车道线的标记点集,标记点集中的标记点用于标记车道线;获取道路的路沿位置信息,并根据路沿位置信息确定道路的至少一种车道线分布信息;根据车道线的标记点集和至少一种车道线分布信息对车道线进行校准,得到校准后的车道线。通过道路宽度,确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。
图3为本申请实施例提供的又一种车道线生成方法的流程图,如图3所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤301、获取道路的点云数据。
在本步骤中,具体的,本实施例以执行主体为无人车的控制器进行说明。
本步骤可以参见图2的步骤202,不再赘述。
步骤302、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
在本步骤中,具体的,本步骤可以参见图2的步骤203,不再赘述。
步骤303、获取道路的路沿位置信息。
在本步骤中,具体的,本步骤可以参见图2的步骤203,不再赘述。
步骤304、根据路沿位置信息确定道路的至少一种车道线分布信息,至少一种车道线分布信息中的每一种车道线分布信息表征了道路上的车道线分布个数。
在本步骤中,具体的,本步骤可以参见图2的步骤204,不再赘述。
步骤305、对车道线的标记点集进行霍夫变换,得到N条直线,其中,N为大于1的正整数。
在本步骤中,具体的,对标记点集中的所有标记点,进行霍夫变换,得到N条直线。
步骤306、根据N条直线和每一种车道线分布信息,确定待处理的车道线分布信息。
可选的,步骤306具体包括:
步骤3061、对N条直线进行过滤处理,得到M条直线,其中,M为大于1且小于N的正整数。
可选的,N条直线中的每一条直线具有参数值,步骤3061具体包括:根据参数值对N条直线进行降序排序,得到排序后的N条直线;确定排序后的N条直线中的每一条直线与排序后的N条直线中的其他直线之间的距离值,将距离值小于预设距离值的其他直线进行消除,得到M条直线。
步骤3062、确定车道线分布信息的车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。
在本步骤中,具体的,根据N条直线和至少一种车道线分布信息,选择出至少一种车道线分布信息中的其中一种车道线分布信息,将选择出的车道线分布信息作为待处理的车道线分布信息。即选择出一种车道线分布情况。
具体来说,首先对N条直线进行过滤处理,去除掉部分的直线,得到M条直线,M为大于1且小于N的正整数。具体的,在步骤305中对车道线的标记点集进行霍夫变换,生成N条直线的时候,N条直线中的每一条直线具有一个参数值;然后,就可以根据该参数值对N条直线进行降序排序,得到排序后的N条直线;然后,针对排序后的N条直线中的每一条直线,计算每一条直线与N条直线中的其他之间的距离值,然后,将距离值小于预设距离值的其他直线进行消除,进而去除掉部分的直线。
举例来说,排序后的直线为直线1、直线2、直线3、直线4、直线5、直线6;然后,针对直线1,计算确定出与直线1之间的距离在预设距离范围内的直线,可以确地出直线2、直线4,计算直线2与直线1之间的距离值,计算直线4与直线1之间的距离值,其中,直线2与直线1之间的距离值最小,就可以将直线2消除;然后,针对直线3,计算确定出与直线3之间的距离在预设距离范围内的直线,可以确地出直线4、直线5、直线6,计算直线4与直线1之间的距离值,计算直线5与直线1之间的距离值,计算直线6与直线1之间的距离值,其中,直线5与直线1之间的距离值最小,就可以将直线5消除;以此类推,例如,最终得到直线1、直线3、直线4。
然后,由于每一种车道线分布信息对应了一个车道个数,将车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。例如,车道线分布信息1对应了车道个数2、车道线分布信息2对应了车道个数3、车道线分布信息3对应了车道个数1,M的取值为2,车道线分布信息1对应的车道个数的取值与M的取值相同,则确定车道线分布信息1为待处理的车道线分布信息。
根据多种车道线分布信息和车道线的标记点集,选择出其中一种车道线分布信息,进而确定出车道线的个数,保证车道线的准确性。
步骤307、根据车道线的标记点集,对待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线。
可选的,步骤307具体包括:
步骤3071、将待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点。
步骤3072、根据车道线的标记点集,确定每一条车道线的每一个车道点对应的标记点。
可选的,步骤3072具体包括:根据车道线的标记点集,在预设距离范围内确定每一个车道点对应的标记点;若确定每一个车道点对应的标记点的个数为多个,则获取每一个车道点对应的标记点的置信度;确定置信度最高的标记点,为每一个车道点对应的最终的标记点。
步骤3073、若每一个车道点具有对应的标记点,则将每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
步骤3074、若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定连续P个车道点对应的补充点,将每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
可选的,预设平移公式为:
X′km=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P个车道点的左端的线;j用于指示线j,线j为连续缺失的P个车道点的右端的线;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,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,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;X′km为补充点的X轴坐标值,Y′km为补充点的Y轴坐标值。
在本步骤中,具体的,由于待处理的车道线分布信息指示出了车道线的分布情况,进而可以根据标记点集中的各标记点,对每一条车道线进行校准,得到校准后的每一条车道线。
具体来说,首先将待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点,例如,待处理的车道线分布信息指示出了道路上的车道线1、车道线2、车道线3,将车道线1划分为多个车道点,将车道线2划分为多个车道点,将车道线3划分为多个车道点。从而在每一条车道线上打很多个点。
然后,针对每一条车道线上的每一个车道点,在预设距离范围寻找标记点,其中,标记点需满足置信度大于设定的阈值;其中,对反射值底图进行语义分割处理而得到标记点之后,可以输出每一个标记点的置信度。针对每一条车道线上的每一个车道点,若在预设距离范围内找到一个标记点,则将该标记点为最终的标记点;若在预设距离范围内找到多个标记点,则确定置信度最高的标记点,为车道点对应的最终的标记点。
针对每一条车道线来说,如果车道线上的每一个车道点,都能寻找到标记点,则将车道线直接平移到标记点构成线段的位置处,进而得到校准后的车道线。
针对每一条车道线来说,如果车道线的连续P个车道点都寻找不到标记点,则根据预设的上移车道线公式,确定连续P个车道点各自对应的补充点;其中,车道线上的其他车道点找到了标记点;然后将车道线,平移至车道线对应的标记点和补充点所构成的线段的位置上,得到校准后的车道线。
其中,图4为车道线校准示意图,如图4所示,车道线为车道线分布信息指示出的车道线,该车道线为连续的;待校准的车道线中具有至少一个断线,待校准的车道线为根据车道点对应的标记点,将待处理的车道线分布信息所指示车道线进行平移之后得到的,但是待校准的车道线上有连续的P个车道点找不到对应的标记点。
如图4所示,k用于指示线k,线k为待移动的线;待校准的车道线中具有断线i和断线j,P个车道点位于断线i和断线j之间。Yir为断线i的右端点r的Y轴坐标值,Yjl为断线j的左端点l的Y轴坐标值;Xir为断线i的右端点r的X轴坐标值,Xjl为断线j的左端点l的X轴坐标值;将断线i的右端点r沿法向在线k上进行投影,得到第一投影点,进而可以确定出第一投影点的Y轴坐标值Yir,k;将线j的左端点沿法向在线k上进行投影,得到第二投影点,进而可以确定出第二投影点的Y轴坐标值Yjl,k;针对于位于车道线上的第一投影点和第二投影点之间的点m,可以确定出的线k上的点m的Y轴坐标值Ykm和X轴坐标值Xkm。然后,根据以上参数,采用如下的公式:计算出与点m对应的补充点的Y轴坐标值Y′km。
并且,确定点m和X轴坐标值Xkm,作为与点m对应的补充点的X轴坐标值X′km。从而可以确定出点m对应的补充点的位置,得到一个补充点。
依次类推,得到多个补充点的位置,这多个补充点就可以作为P个车道点对应的补充点。然后将多个补充点进行连接构成线段,如图3所示,线段可以连接起断线i和断线j。从而得到连续的校准后的车道线。
举例来说,待处理的车道线分布信息所指示某一条车道线的某一段具有30个车道线,左边的10个车道点可以找到各自对应的标记点,右边的10个车道点可以找到各自对应的标记点,但是中间的10个车道点都不能找到各自对应的标记点。将左边的10个车道点各自对应的标记点进行连接,得到断线i;将右边的10个车道点各自对应的标记点进行连接,得到断线j;然后采用上述公式,确定出中间的10个车道点对应的补充点,然后将补充点连接起来,进而将断线i与断线j进行连接,得到一段完整的车道线;对于该车道线上的所有断裂的部分,都采用以上过程,可以得到完整、连续的车道线。
步骤308、对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
在本步骤中,具体的,针对每一条校准后的车道线,可以进行直线平滑处理,得到平滑处理后的每一条车道线
例如,可以采用三次B样条曲线方程对每一条校准后的车道线进行平滑处理。
本实施例,通过道路宽度,确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。并且,可以若车道线上的连续多个车道点都寻找不到标记点的时候,可以采用本实施例提供的公式,确定出补充点,以确定出完整、连续的车道线。
图5为本申请实施例提供的再一种车道线生成方法的流程图,如图5所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤401、获取道路的点云数据。
本步骤可以参见图1的步骤102,不再赘述。
步骤402、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
可选的,步骤402具体包括:根据点云数据,生成反射值底图,其中,反射值底图包括车道线的反射值;对反射值底图进行语义分割处理,得到车道线的标记点集。
本步骤可以参见图1的步骤103,不再赘述。
步骤403、获取多个车辆的轨迹信息。
可选的,步骤403具体包括:获取多个车辆中的每一个车辆的在每一个位置上的定位信息;根据每一个车辆的在每一个位置上的定位信息,生成每一个车辆的轨迹信息。
在本步骤中,具体的,获取多个车辆的各自的轨迹信息。具体来说,获取每一个车辆的在每一个位置上的全球定位系统(Global Positioning System,简称GPS)定位信息;然后,将每一个车辆的在每一个位置上的GPS定位信息所表征的位置进行连接,生成每一个车辆的轨迹信息。
步骤404、根据多个车辆的轨迹信息确定Q条车道线,其中,Q为大于等于1的正整数。
可选的,步骤404具体包括:
步骤4041、对多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,其中,至少一个轨迹类别中的每一个轨迹类别包括至少一个车辆的轨迹信息。
可选的,步骤4041具体包括:对每一个车辆的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息;对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;或者,对多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息。
步骤4042、对每一个轨迹类别中的各轨迹信息进行拟合处理,得到每一条轨迹类别对应的轨迹。
步骤4043、确定相邻轨迹之间的中间线,作为车道线。
在本步骤中,具体的,首先,根据多个车辆的轨迹信息,确定出多个轨迹类别,每一个轨迹类别包括至少一个车辆的轨迹信息,每一个轨迹信息表征了一条轨迹。具体的,可以先对每一个车辆的轨迹信息进行平滑过滤处理,得到平滑处理后的轨迹信息,例如,可以采用三次B样条曲线方程对每一个车辆的轨迹信息表征的轨迹进行平滑处理;然后,对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个类别的轨迹类别。
或者,对多个车辆的轨迹信息,进行密度聚类处理,得到至少一个类别的轨迹类别;然后,对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息,例如,可以采用三次B样条曲线方程对每一个平滑处理后的轨迹信息表征的轨迹进行平滑处理。
然后,针对每一个轨迹类别,对每一个轨迹类别中的各轨迹信息表征的轨迹进行拟合处理,得到与每一个轨迹类别对应的一条轨迹。举例来说,可以采用多项式拟合方法,对每一个轨迹类别中的各轨迹信息表征的轨迹进行拟合处理,例如,多项式拟合方法为二项式拟合方法,多项式拟合方法为现有技术中的拟合方法。
最后,就可以将相邻轨迹的中间线,作为车道线。
步骤405、根据车道线的标记点集对Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
在本步骤中,具体的,根据上述标记点,对每一条车道线进行校准操作,进而可以得到每一条校准后的车道线。
例如,寻找与每一个车道线对应的多个标记点,然后,将车道线调整到对应的标记点的位置上。
本实施例,通过获取道路的点云数据,并根据点云数据确定道路上的车道线的标记点集,标记点集中的至少一个标记点用于标记车道线;获取多个车辆的轨迹信息,根据多个车辆的轨迹信息确定Q条车道线;根据车道线的标记点集对Q条车道线中的每一条车道线进行校准,得到校准后的车道线。通过车辆的轨迹信息,确定出多条车道线;并且,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。
图6为本申请实施例提供的其他一种车道线生成方法的流程图,如图6所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤501、获取道路的点云数据。
在本步骤中,具体的,本步骤可以参见图5的步骤401,不再赘述。
步骤502、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
在本步骤中,具体的,本步骤可以参见图5的步骤402,不再赘述。
步骤503、获取多个车辆的轨迹信息。
在本步骤中,具体的,本步骤可以参见图5的步骤403,不再赘述。
步骤504、根据多个车辆的轨迹信息确定Q条车道线,其中,Q为大于等于1的正整数。
在本步骤中,具体的,本步骤可以参见图5的步骤404,不再赘述。
步骤505、将每一条车道线,划分为多个车道点。
在本步骤中,具体的,将Q条车道线中的每一条车道线,划分为多个车道点,例如,对于车道线1、车道线2、车道线3,将车道线1划分为多个车道点,将车道线2划分为多个车道点,将车道线3划分为多个车道点。从而在每一条车道线上打很多个点。
步骤506、根据车道线的标记点集,确定每一条车道线的每一个车道点对应的标记点。
可选的,步骤506具体包括:
步骤5061、根据车道线的标记点集,在预设距离范围内确定每一个车道点对应的标记点。
步骤5062、若确定每一个车道点对应的标记点的个数为多个,则获取每一个车道点对应的标记点的置信度。
步骤5063、确定置信度最高的标记点,为每一个车道点对应的最终的标记点。
在本步骤中,具体的,针对每一条车道线上的每一个车道点,在预设距离范围寻找标记点,其中,标记点需满足置信度大于设定的阈值;其中,对反射值底图进行语义分割处理而得到标记点之后,可以输出每一个标记点的置信度。针对每一条车道线上的每一个车道点,若在预设距离范围内找到一个标记点,则将该标记点为最终的标记点;若在预设距离范围内找到多个标记点,则确定置信度最高的标记点,为车道点对应的最终的标记点。
步骤507、若每一个车道点具有对应的标记点,则将每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
在本步骤中,具体的,针对每一条车道线来说,如果车道线上的每一个车道点,都能寻找到标记点,则将车道线直接平移到标记点构成线段的位置处,进而得到校准后的车道线。
步骤508、若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定连续P个车道点对应的补充点,将每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
可选的,预设平移公式为:
X′km=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P个车道点的左端的线;j用于指示线j,线j为连续缺失的P个车道点的右端的线;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,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,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;X′km为补充点的X轴坐标值,Y′km为补充点的Y轴坐标值。
在本步骤中,具体的,针对每一条车道线来说,如果车道线的连续P个车道点都寻找不到标记点,则根据预设的上移车道线公式,确定连续P个车道点各自对应的补充点;其中,车道线上的其他车道点找到了标记点;然后将车道线,平移至车道线对应的标记点和补充点所构成的线段的位置上,得到校准后的车道线。
其中,图3为车道线校准示意图,如图3所示,车道线为根据轨迹信息确定出的车道线,该车道线为连续的;待校准的车道线中具有至少一个断线,待校准的车道线为根据车道点对应的标记点,将根据轨迹信息确定出的车道线进行平移之后得到的,但是待校准的车道线上有连续的P个车道点找不到对应的标记点。
具体实施方式,可以参见图3的步骤3074。
举例来说,待处理的车道线分布信息所指示某一条车道线的某一段具有30个车道线,左边的10个车道点可以找到各自对应的标记点,右边的10个车道点可以找到各自对应的标记点,但是中间的10个车道点都不能找到各自对应的标记点。将左边的10个车道点各自对应的标记点进行连接,得到断线i;将右边的10个车道点各自对应的标记点进行连接,得到断线j;然后采用上述公式,确定出中间的10个车道点对应的补充点,然后将补充点连接起来,进而将断线i与断线j进行连接,得到一段完整的车道线;对于该车道线上的所有断裂的部分,都采用以上过程,可以得到完整、连续的车道线。
步骤509、对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
在本步骤中,具体的,针对每一条校准后的车道线,可以进行直线平滑处理,得到平滑处理后的每一条车道线
例如,可以采用三次B样条曲线方程对每一条校准后的车道线进行平滑处理。
本实施例,通过车辆的轨迹信息,确定出多条车道线;并且,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。并且,可以若车道线上的连续多个车道点都寻找不到标记点的时候,可以采用本实施例提供的公式,确定出补充点,以确定出完整、连续的车道线。
图7为本申请实施例提供的其他又一种车道线生成方法的流程图,如图7所示,该方案的执行主体为服务器、无人车的控制器、无人车自动驾驶系统的控制设备等等,该车道线生成方法,包括:
步骤601、获取道路的点云数据。
在本步骤中,具体的,本步骤可以参见图1的步骤102,不再赘述。
步骤602、根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线。
在本步骤中,具体的,本步骤可以参见图1的步骤103,不再赘述。
步骤603、获取多个车辆的轨迹信息。
在本步骤中,具体的,本步骤可以参见图5的步骤403,不再赘述。
步骤604、判断多个车辆的轨迹信息所指示出的轨迹的数量,是否小于预设阈值。
在本步骤中,具体的,预先设置了一个预设阈值,该预设阈值是一个正整数,该预设阈值用于与轨迹的数量进行比较,
步骤605、若多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则获取道路的路沿位置信息。
可选的,步骤605具体包括:若多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则根据点云数据,生成反射值底图,其中,反射值底图包括路沿的反射值;对反射值底图进行语义分割处理,得到路沿位置信息。
在本步骤中,具体的,在步骤604之后,统计上述多个车辆的轨迹信息所指示出的轨迹的数量,若该数量小于预设阈值,则执行步骤605-步骤607,以根据路沿位置信息,确定出车道线。
若该数量小于预设阈值,则在得到反射值底图之后,对反射值底图进行语义分割处理,得到路沿位置信息,其中,路沿位置信息表征了道路的路沿的位置信息。本步骤可以参见图2的步骤203,不再赘述。
步骤606、根据路沿位置信息确定道路的至少一种车道线分布信息,至少一种车道线分布信息中的每一种车道线分布信息表征了道路上的车道线分布个数。
可选的,步骤606具体包括:根据路沿位置信息,确定道路宽度;根据不同的预设车道个数中的每一个预设车道个数对道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
在本步骤中,具体的,在步骤605之后,对于一个道路来说,路沿位置信息中包括了一个道路上左侧路沿的位置和右侧路沿的位置,从而可以根据左侧路沿的位置和右侧路沿的位置,进行距离计算,进而计算出道路宽度。
本步骤可以参见图2的步骤204,不再赘述。
步骤607、根据车道线的标记点集和至少一种车道线分布信息对车道线进行校准,得到校准后的车道线。
在本步骤中,具体的,在步骤606之后,根据上述标记点和车道线分布信息,对车道线分布信息所指示的车道线进行校准操作,进而可以得到校准后的车道线。
本步骤可以参见图2的步骤205,不再赘述。
步骤608、若数量大于等于预设阈值,则根据多个车辆的轨迹信息确定Q条车道线,其中,Q为大于等于1的正整数。
在本步骤中,具体的,在步骤604之后,统计上述多个车辆的轨迹信息所指示出的轨迹的数量,若该数量大于等于预设阈值,则执行步骤608步骤609。本步骤可以参见图5的步骤404,不再赘述。
步骤609、根据车道线的标记点集对Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
在本步骤中,具体的,在步骤608之后,根据上述标记点,对Q条车道线中的每一条车道线进行校准操作,进而可以得到每一条校准后的车道线。
本步骤可以参见图5的步骤405,不再赘述。
本实施例,若多个车辆的轨迹信息所指示出的轨迹较少,则通过道路宽度,确定出车道线的位置;然后,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,可以自动生成清晰、连续的车道线。若多个车辆的轨迹信息所指示出的轨迹较多,则通过车辆的轨迹信息,确定出多条车道线;并且,根据点云数据获取到车道线的标记点;根据标记点对车道线进行校准,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,使得无人车可以根据车道线进行安全行驶。
图8为本申请实施例提供的一种车道线生成装置的结构示意图,如图8所示,本实施例提供的车道线生成装置,包括:
第一获取单元31,用于获取道路的车道线;
第二获取单元32,用于获取道路的点云数据;
第一确定单元33,用于根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;
校准单元34,用于根据车道线的标记点集对车道线进行校准,得到校准后的车道线。
可选的,第一获取单元31,具体用于:
获取道路的至少一种车道线分布信息,其中,至少一种车道线分布信息中的每一种车道线分布信息表征了道路上的车道线分布个数;
和/或,
获取根据轨迹信息所生成的Q条车道线,其中,Q为大于等于1的正整数。
本实施例提供的车道线生成装置,同于实现前述任一实施例提供的车道线生成方法中的技术方案,其实现原理和技术效果类似,不再赘述。
图9为本申请实施例提供的另一种车道线生成装置的结构示意图,在图8所示实施例的基础上,如图9所示,本实施例提供的车道线生成装置中,第一获取单元31,包括:
第一获取子单元311,用于获取多个车辆的轨迹信息;
第二获取子单元312,用于若多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则获取道路的路沿位置信息;
第一确定子单元313,用于在第二获取子单元获取道路的路沿位置信息之后,根据路沿位置信息确定道路的至少一种车道线分布信息;
第二确定子单元314,用于若数量大于等于预设阈值,则根据多个车辆的轨迹信息确定Q条车道线。
若数量小于预设阈值,则校准单元34,具体用于:根据车道线的标记点集和至少一种车道线分布信息对车道线进行校准,得到校准后的车道线。
校准单元34,包括:
变换子单元341,用于对车道线的标记点集进行霍夫变换,得到N条直线,其中,N为大于1的正整数;
第一确定子单元342,用于根据N条直线和每一种车道线分布信息,确定待处理的车道线分布信息;
第一校准子单元343,用于根据车道线的标记点集,对待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线。
第一确定子单元342,包括:
过滤模块,用于对N条直线进行过滤处理,得到M条直线,其中,M为大于1且小于N的正整数;
第一确定模块,用于确定车道线分布信息的车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。
N条直线中的每一条直线具有参数值;过滤模块,具体用于:
根据参数值对N条直线进行降序排序,得到排序后的N条直线;
确定排序后的N条直线中的每一条直线与排序后的N条直线中的其他直线之间的距离值,将距离值小于预设距离值的其他直线进行消除,得到M条直线。
第一校准子单元343,具体用于:将待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点;根据车道线的标记点集,确定每一条车道线的每一个车道点对应的标记点;若每一个车道点具有对应的标记点,则将每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线;若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定连续P个车道点对应的补充点,将每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
若数量大于等于预设阈值,则校准单元34,具体用于:
根据车道线的标记点集对Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
校准单元34,包括:
划分子单元344,用于将每一条车道线,划分为多个车道点;
第二确定子单元345,用于根据车道线的标记点集,确定每一条车道线的每一个车道点对应的标记点;
第二校准子单元346,用于若每一个车道点具有对应的标记点,则将每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线;
第三校准子单元347,用于若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设的上移车道线公式确定连续P个车道点对应的补充点,将每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
第二确定子单元345,具体用于:根据车道线的标记点集,在预设距离范围内确定每一个车道点对应的标记点;若确定每一个车道点对应的标记点的个数为多个,则获取每一个车道点对应的标记点的置信度;确定置信度最高的标记点,为每一个车道点对应的最终的标记点。
预设平移公式为:
X′km=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P个车道点的左端的线;j用于指示线j,线j为连续缺失的P个车道点的右端的线;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,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,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;X′km为补充点的X轴坐标值,Y′km为补充点的Y轴坐标值。
本申请实施例提供额装置,还包括:
平滑单元35,用于在校准单元34得到校准后的车道线之后,对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
第二获取子单元312,具体用于:根据点云数据,生成反射值底图,其中,反射值底图包括路沿的反射值;对反射值底图进行语义分割处理,得到路沿位置信息。
第一确定子单元313,具体用于:根据路沿位置信息,确定道路宽度;根据不同的预设车道个数中的每一个预设车道个数对道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
第一获取子单元311,具体用于:获取多个车辆中的每一个车辆的在每一个位置上的定位信息;根据每一个车辆的在每一个位置上的定位信息,生成每一个车辆的轨迹信息。
第二确定子单元313,包括:
聚类模块,用于对多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,其中,至少一个轨迹类别中的每一个轨迹类别包括至少一个车辆的轨迹信息;
拟合模块,用于对每一个轨迹类别中的各轨迹信息进行拟合处理,得到每一条轨迹类别对应的轨迹;
第三确定模块,用于确定相邻轨迹之间的中间线,作为车道线。
聚类模块,具体用于:
对每一个车辆的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息;对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;
或者,对多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息。
第一确定单元33,具体用于:根据点云数据,生成反射值底图,其中,反射值底图包括车道线的反射值;对反射值底图进行语义分割处理,得到车道线的标记点集。
本实施例提供的车道线生成装置,同于实现图1和图7提供的车道线生成方法中的技术方案,其实现原理和技术效果类似,不再赘述。
图10为本申请实施例提供的又一种车道线生成装置的结构示意图,如图10所示,本实施例提供的车道线生成装置,包括:
第二获取单元41,用于获取道路的点云数据;
第二确定单元42,用于根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;
第三获取单元43,用于获取道路的路沿位置信息;
第三确定单元44,用于根据路沿位置信息确定道路的至少一种车道线分布信息,至少一种车道线分布信息中的每一种车道线分布信息表征了道路上的车道线分布情况;
第一校正单元45,用于根据车道线的标记点集和至少一种车道线分布信息对车道线进行校准,得到校准后的车道线。
本实施例提供的车道线生成装置,同于实现图2和图4提供的车道线生成方法中的技术方案,其实现原理和技术效果类似,不再赘述。
图11为本申请实施例提供的再一种车道线生成装置的结构示意图,如图11所示,本实施例提供的车道线生成装置,包括:
第四获取单元51,用于获取道路的点云数据;
第四确定单元52,用于根据点云数据确定道路上的车道线的标记点集,其中,标记点集包括了至少一个标记点,至少一个标记点用于标记车道线;
第五获取单元53,用于获取多个车辆的轨迹信息;
第五确定单元54,用于根据多个车辆的轨迹信息确定Q条车道线,其中,Q为大于等于1的正整数;
第二校正单元55,用于根据车道线的标记点集对Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
本实施例提供的车道线生成装置,同于实现图5和图6提供的车道线生成方法中的技术方案,其实现原理和技术效果类似,不再赘述。
图12为本申请实施例提供的一种控制设备的结构示意图,如图12所示,该控制设备,包括:发送器71、接收器72、存储器73和处理器74;
存储器73用于存储计算机指令;处理器74用于运行存储器73存储的计算机指令实现前述实施例提供任一实现方式的车道线生成方法的技术方案。
本申请还提供一种存储介质,其特征在于,包括:可读存储介质和计算机指令,计算机指令存储在可读存储介质中;计算机指令用于实现前述例提供的任一实现方式的车道线生成方法的技术方案。
在上述控制设备的具体实现中,应理解,处理器74可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
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:只读存储器(英文:read-only memory,缩写:ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文:magnetictape)、软盘(英文:floppy disk)、光盘(英文:optical disc)及其任意组合。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,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,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (22)
1.一种车道线生成方法,其特征在于,包括:
获取道路的车道线;
获取道路的点云数据,并根据所述点云数据确定所述道路上的车道线的标记点集,其中,所述标记点集包括了至少一个标记点,所述至少一个标记点用于标记车道线;
根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线;
其中,根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线,包括:
将每一条车道线,划分为多个车道点;根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设平移公式确定所述连续P个车道点对应的补充点,将所述每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
2.根据权利要求1所述的方法,其特征在于,所述获取道路的车道线,包括:
获取所述道路的至少一种车道线分布信息,其中,所述至少一种车道线分布信息中的每一种车道线分布信息表征了所述道路上的车道线分布个数;
和/或,
获取根据轨迹信息所生成的Q条车道线,其中,Q为大于等于1的正整数。
3.根据权利要求2所述的方法,其特征在于,所述获取道路的车道线,包括:
获取多个车辆的轨迹信息;
若所述多个车辆的轨迹信息所指示出的轨迹的数量小于预设阈值,则获取所述道路的路沿位置信息,并根据所述路沿位置信息确定所述道路的至少一种车道线分布信息;
若所述数量大于等于预设阈值,则根据所述多个车辆的轨迹信息确定Q条车道线。
4.根据权利要求3所述的方法,其特征在于,若所述数量小于预设阈值,则根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线,包括:
根据所述车道线的标记点集和所述至少一种车道线分布信息对所述车道线进行校准,得到校准后的车道线。
5.根据权利要求4所述的方法,其特征在于,根据所述车道线的标记点集和所述至少一种车道线分布信息对所述车道线进行校准,得到校准后的车道线,包括:
对所述车道线的标记点集进行霍夫变换,得到N条直线,其中,N为大于1的正整数;
根据所述N条直线和每一种所述车道线分布信息,确定待处理的车道线分布信息;
根据所述车道线的标记点集,对所述待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线。
6.根据权利要求5所述的方法,其特征在于,根据所述N条直线和每一种所述车道线分布信息,确定待处理的车道线分布信息,包括:
对所述N条直线进行过滤处理,得到M条直线,其中,M为大于1且小于N的正整数;
确定车道线分布信息的车道线个数的取值与M的取值相同的车道线分布信息,作为待处理的车道线分布信息。
7.根据权利要求6所述的方法,其特征在于,所述N条直线中的每一条直线具有参数值;对所述N条直线进行过滤处理,得到M条直线,包括:
根据所述参数值对所述N条直线进行降序排序,得到排序后的N条直线;
确定排序后的N条直线中的每一条直线与排序后的N条直线中的其他直线之间的距离值,将距离值小于预设距离值的其他直线进行消除,得到所述M条直线。
8.根据权利要求5所述的方法,其特征在于,根据所述车道线的标记点集,对所述待处理的车道线分布信息所指示的每一条车道线进行校准,得到校准后的每一条车道线,包括:
将所述待处理的车道线分布信息所指示的每一条车道线,划分为多个车道点;
根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
9.根据权利要求3所述的方法,其特征在于,若所述数量大于等于预设阈值,则根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线,包括:
根据所述车道线的标记点集对所述Q条车道线中的每一条车道线进行校准,得到校准后的车道线。
10.根据权利要求9所述的方法,其特征在于,根据所述车道线的标记点集对所述Q条车道线中的每一条车道线进行校准,得到校准后的车道线,包括:
将所述每一条车道线,划分为多个车道点;
根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;
若每一个车道点具有对应的标记点,则将所述每一条车道线平移至每一个车道点对应的标记点所构成的线段的位置上,以得到校准后的每一条车道线。
11.根据权利要求8或10所述的方法,其特征在于,根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点,包括:
根据所述车道线的标记点集,在预设距离范围内确定所述每一个车道点对应的标记点;
若确定所述每一个车道点对应的标记点的个数为多个,则获取所述每一个车道点对应的标记点的置信度;
确定置信度最高的标记点,为所述每一个车道点对应的最终的标记点。
13.根据权利要求12所述的方法,其特征在于,在得到校准后的车道线之后,还包括:
对每一条校准后的车道线进行平滑处理,得到平滑处理后的每一条车道线。
14.根据权利要求12所述的方法,其特征在于,获取所述道路的路沿位置信息,包括:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括路沿的反射值;
对所述反射值底图进行语义分割处理,得到所述路沿位置信息。
15.根据权利要求12所述的方法,其特征在于,根据所述路沿位置信息确定所述道路的至少一种车道线分布信息,包括:
根据所述路沿位置信息,确定道路宽度;
根据不同的预设车道个数中的每一个预设车道个数对所述道路宽度进行等分处理,得到与每一个预设车道个数对应的车道线分布信息。
16.根据权利要求12所述的方法,其特征在于,所述获取多个车辆的轨迹信息,包括:
获取所述多个车辆中的每一个车辆的在每一个位置上的定位信息;
根据每一个车辆的在每一个位置上的定位信息,生成每一个车辆的轨迹信息。
17.根据权利要求12所述的方法,其特征在于,根据所述多个车辆的轨迹信息确定Q条车道线,包括:
对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,其中,所述至少一个轨迹类别中的每一个轨迹类别包括至少一个车辆的轨迹信息;
对所述每一个轨迹类别中的各轨迹信息进行拟合处理,得到每一条轨迹类别对应的轨迹;
确定相邻轨迹之间的中间线,作为车道线。
18.根据权利要求17所述的方法,其特征在于,对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别,包括:
对每一个车辆的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息;对所有的平滑处理后的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;
或者,对所述多个车辆的轨迹信息进行密度聚类处理,得到至少一个轨迹类别;对每一个轨迹类别中的轨迹信息进行平滑处理,得到平滑处理后的轨迹信息。
19.根据权利要求12所述的方法,其特征在于,根据所述点云数据确定所述道路上的车道线的标记点集,包括:
根据所述点云数据,生成反射值底图,其中,所述反射值底图包括车道线的反射值;
对所述反射值底图进行语义分割处理,得到所述车道线的标记点集。
20.一种车道线生成装置,其特征在于,包括:
第一获取单元,用于获取道路的车道线;
第二获取单元,用于获取道路的点云数据;
第一确定单元,用于根据所述点云数据确定所述道路上的车道线的标记点集,其中,所述标记点集包括了至少一个标记点,所述至少一个标记点用于标记车道线;
校准单元,用于根据所述车道线的标记点集对所述车道线进行校准,得到校准后的车道线;
其中,所述校准单元,具体用于:将每一条车道线,划分为多个车道点;根据所述车道线的标记点集,确定所述每一条车道线的每一个车道点对应的标记点;若每一条车道线的连续P个车道点不具有对应的标记点,则根据预设平移公式确定所述连续P个车道点对应的补充点,将所述每一条车道线,平移至每一条车道线对应的标记点和补充点所构成的线段的位置上,以得到校准后的每一条车道线,其中,P为大于1的正整数。
21.一种控制设备,其特征在于,包括:发送器、接收器、存储器和处理器;
所述存储器用于存储计算机指令;所述处理器用于运行所述存储器存储的所述计算机指令实现权利要求1至19任一项所述的车道线生成方法。
22.一种存储介质,其特征在于,包括:可读存储介质和计算机指令,所述计算机指令存储在所述可读存储介质中;所述计算机指令用于实现权利要求1至19任一项所述的车道线生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290736.1A CN109657686B (zh) | 2018-10-31 | 2018-10-31 | 车道线生成方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811290736.1A CN109657686B (zh) | 2018-10-31 | 2018-10-31 | 车道线生成方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109657686A CN109657686A (zh) | 2019-04-19 |
CN109657686B true CN109657686B (zh) | 2021-04-20 |
Family
ID=66110466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811290736.1A Active CN109657686B (zh) | 2018-10-31 | 2018-10-31 | 车道线生成方法、装置、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109657686B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560558B (zh) * | 2019-09-26 | 2023-04-18 | 阿里巴巴集团控股有限公司 | 车道线的修正方法、装置及电子设备 |
CN113256756B (zh) * | 2020-02-07 | 2023-03-21 | 阿里巴巴集团控股有限公司 | 地图数据显示方法、装置、设备及存储介质 |
CN113409583B (zh) * | 2020-03-16 | 2022-10-18 | 华为技术有限公司 | 一种车道线信息确定方法及装置 |
CN111460986A (zh) * | 2020-03-30 | 2020-07-28 | 深圳市凯立德科技股份有限公司 | 一种车道线处理方法和装置 |
CN111460073B (zh) * | 2020-04-01 | 2023-10-20 | 北京百度网讯科技有限公司 | 车道线检测方法、装置、设备和存储介质 |
CN111537990B (zh) * | 2020-04-27 | 2022-02-22 | 西安象德信息技术有限公司 | 一种车道的标定方法、装置以及电子设备 |
CN111652952B (zh) * | 2020-06-05 | 2022-03-18 | 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 |
CN113609632B (zh) * | 2021-10-08 | 2021-12-21 | 天津云圣智能科技有限责任公司 | 电力线补点的确定方法、装置及服务器 |
CN114067562B (zh) * | 2021-10-28 | 2022-08-19 | 武汉中海庭数据技术有限公司 | 一种基于多维度特征的车道有效性预测方法及预测系统 |
CN113869293B (zh) * | 2021-12-03 | 2022-03-11 | 禾多科技(北京)有限公司 | 车道线识别方法、装置、电子设备和计算机可读介质 |
CN114241083A (zh) * | 2021-12-10 | 2022-03-25 | 北京赛目科技有限公司 | 一种车道线生成方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
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 |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
EP3327618A2 (en) * | 2016-11-29 | 2018-05-30 | Samsung Electronics Co., Ltd. | Method and apparatus to control velocity of vehicle |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8812181B2 (en) * | 2005-06-29 | 2014-08-19 | Honeywell International Inc. | Methods and systems to accurately display lateral deviation symbology in offset approaches to runways |
CN105329161B (zh) * | 2014-06-27 | 2019-01-29 | 比亚迪股份有限公司 | 检测车辆偏移车道的方法和装置 |
KR101621370B1 (ko) * | 2014-08-13 | 2016-05-17 | 고려대학교 산학협력단 | 도로에서의 차선 검출 방법 및 장치 |
JP6106229B2 (ja) * | 2015-08-10 | 2017-03-29 | 富士重工業株式会社 | 車線認識装置 |
US10859395B2 (en) * | 2016-12-30 | 2020-12-08 | DeepMap Inc. | Lane line creation for high definition maps for autonomous vehicles |
CN108334802B (zh) * | 2017-01-20 | 2022-10-28 | 腾讯科技(深圳)有限公司 | 道路特征物的定位方法及装置 |
CN108528433B (zh) * | 2017-03-02 | 2020-08-25 | 比亚迪股份有限公司 | 车辆行驶自动控制方法和装置 |
-
2018
- 2018-10-31 CN CN201811290736.1A patent/CN109657686B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700617A (zh) * | 2015-04-02 | 2015-06-10 | 武汉大学 | 基于低精度gps轨迹数据的高精度车道信息提取方法 |
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 |
EP3327618A2 (en) * | 2016-11-29 | 2018-05-30 | Samsung Electronics Co., Ltd. | Method and apparatus to control velocity of vehicle |
CN107463918A (zh) * | 2017-08-17 | 2017-12-12 | 武汉大学 | 基于激光点云与影像数据融合的车道线提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109657686A (zh) | 2019-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109657686B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN109635816B (zh) | 车道线生成方法、装置、设备以及存储介质 | |
CN109300162B (zh) | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 | |
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
CN107766405B (zh) | 自动车辆道路模型定义系统 | |
CN111797734B (zh) | 车辆点云数据处理方法、装置、设备和存储介质 | |
JP4233723B2 (ja) | 障害物検出装置、障害物検出方法、及び障害物検出プログラムを記録した記録媒体 | |
JP7138718B2 (ja) | 地物検出装置、地物検出方法および地物検出プログラム | |
JP5385105B2 (ja) | 画像検索方法およびシステム | |
CN103123687A (zh) | 快速障碍物检测 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
KR102145557B1 (ko) | 이종 센서 간의 데이터 융합 장치 및 방법 | |
CN112486207A (zh) | 一种基于视觉识别的无人机自主降落方法 | |
US10235579B2 (en) | Vanishing point correction apparatus and method | |
CN113205604A (zh) | 一种基于摄像机和激光雷达的可行区域检测方法 | |
CN113011285B (zh) | 车道线检测方法、装置、自动驾驶车辆及可读存储介质 | |
KR20180098945A (ko) | 고정형 단일 카메라를 이용한 차량 속도 감지 방법 및 장치 | |
CN115097419A (zh) | 一种激光雷达到imu的外参标定方法及装置 | |
CN110809766A (zh) | 高级驾驶员辅助系统和方法 | |
CN113238209B (zh) | 基于毫米波雷达的道路感知方法、系统、设备及存储介质 | |
CN111488762A (zh) | 一种车道级定位方法、装置及定位设备 | |
CN111353481A (zh) | 基于激光点云与视频图像的道路障碍物识别方法 | |
CN113591640B (zh) | 一种道路护栏的检测方法、装置及车辆 | |
JP3726309B2 (ja) | 車両認識装置及びそれを用いた車両接近報知装置 | |
JP7344744B2 (ja) | 路側端検出方法、及び、路側端検出装置 |
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 |