CN111523471A - 车辆所在车道的确定方法、装置、设备以及存储介质 - Google Patents
车辆所在车道的确定方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN111523471A CN111523471A CN202010327968.0A CN202010327968A CN111523471A CN 111523471 A CN111523471 A CN 111523471A CN 202010327968 A CN202010327968 A CN 202010327968A CN 111523471 A CN111523471 A CN 111523471A
- Authority
- CN
- China
- Prior art keywords
- lane
- information
- vehicle
- image
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000015654 memory Effects 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 241000274965 Cyrestis thyodamas Species 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
-
- 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
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Image Analysis (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
Abstract
本申请实施例公开了一种车辆所在车道的确定方法、装置、设备以及存储介质,涉及图像处理技术领域,尤其涉及自动驾驶技术。具体实现方案为:根据车道线图像确定车辆所在位置的图像车道信息;根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。本申请实施例提供了一种车辆所在车道的确定方法、装置、设备以及存储介质,以降低确定车辆所在车道的成本。
Description
技术领域
本申请实施涉及图像处理技术领域,尤其涉及自动驾驶技术。具体地,本申请实施例提供了一种车辆所在车道的确定方法、装置、设备以及存储介质。
背景技术
为提高导航的精准度,通常需要确定车辆所在车道,根据车辆所在车道为车道级导航提供技术支持。
现有车辆所在车道的确定方法主要包括如下两种:
1)结合高精定位及高精地图,确定车辆所在车道。
2)在道路中铺设传感器模块,感应车辆所在车道。
然而,上述两方法存在如下缺陷:
1)高精定位、高精地图成本高,目前还不能实现大范围应用。
2)道路中铺设传感器模块不但成本高,对现有道路全部改造也不现实,不具备大规模推广条件。
发明内容
本申请实施例提供了一种车辆所在车道的确定方法、装置、设备以及存储介质,以降低确定车辆所在车道的成本。
本申请实施例提供了一种车辆所在车道的确定方法,该方法包括:
根据车道线图像确定车辆所在位置的图像车道信息;
根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;
根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
本申请实施例根据图像车道信息和实际车道信息,确定车辆所在的实际车道。因为图像车道信息可以根据车道线图像确定,实际车道信息可以从已有车道信息中获取,所以本申请实施例无需进行传感器的铺设,以及未应用范围内高精地图的确定。因此,本申请实施例可以降低确定车辆所在车道的成本,进而提高应用范围。
进一步地,所述根据车道线图像确定车辆所在位置的图像车道信息,包括:
识别所述车道线图像;
根据识别得到的车道线信息,确定所述图像车道信息。
基于该技术特征,本申请实施例通过根据识别得到的车道线信息,确定图像车道信息。因为车道线信息与车道信息具有固有的关联关系。所以相比直接从车道线图像中检测车道信息,本申请实施例可以通过车道线信息实现对车道信息的进一步挖掘。
进一步地,所述根据识别得到的车道线信息,确定所述图像车道信息,包括:
根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
将确定的车道种类作为所述图像车道信息。
基于该技术特征,本申请实施例通过确定车道种类,并将确定的车道种类作为图像车道信息。因为车道种类相比车道的其他信息可以更准确的标识车道,且占用数据量较少。所以相比利用车道的其他信息确定车辆所在的实际车道,本申请实施例可以提高车道的确定准确率,降低计算数据量。
进一步地,所述根据识别得到的车道线信息,确定车道线构成图像车道的车道种类,包括:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
基于该技术特征,本申请实施例通过图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定车辆所在的实际车道。因为图像车道的行驶方向、行驶车辆种类和行驶位置对车道位置有较好的位置标识性,所以根据该类车道可以实现车辆所在实际车道的准确确定。
进一步地,所述根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息,包括:
根据所述定位信息中的定位经纬度确定所述车辆所在道路位置;
根据所述定位信息中的航向角确定所述车辆的行驶方向;
根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息。
基于该技术特征,本申请实施例通过根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息,从而实现对车辆行驶方向的反方向车道信息的滤除,提高实际车道信息的准确率。
进一步地,所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道,包括:
匹配所述图像车道信息和所述实际车道信息;
根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
基于该技术特征,本申请实施例通过根据图像车道信息和实际车道信息的匹配结果,建立图像车道与实际车道之间的关联关系;基于该关联关系,确定车辆所在的实际车道,从而实现车辆所在的实际车道的确定。
进一步地,所述根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道之前,所述方法还包括:
根据所述车道线图像的图像采集装置与所述车辆之间的位置关系,以及所述图像采集装置的标定结果,确定所述车辆的图像位置;
根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道。
基于该技术特征,本申请实施例通过确定所述车辆的图像位置;根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道,从而实现车辆所在图像车道的确定。
进一步地,所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道之后,所述方法还包括:
利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
基于该技术特征,本申请实施例通过利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,从而提高已有车道信息的准确率。
进一步地,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
根据所述车道线图像的图像采集装置的标定结果,确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;
根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置;
利用确定的新位置,对所述已有车道信息中所述车辆所在实际车道的原位置进行校正。
基于该技术特征,本申请实施例通过确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置,从而实现对已有车道信息中车道位置信息的校正。
进一步地,所述根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置之前,所述方法还包括:
若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置。
基于该技术特征,本申请实施例通过若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置,从而实现针对车载图像采集装置的应用场景,对图像采集装置实际位置的确定。
进一步地,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
若所述车辆所在实际车道的图像车道信息的信息数量大于设定数量阈值,则对所述车辆所在实际车道的图像车道信息进行聚类;
根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息;
利用所述目标车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
基于该技术特征,本申请实施例通过对车辆所在实际车道的图像车道信息进行聚类;根据聚类结果,确定目标车道信息,从而提高目标车道信息的准确率,进而提高对已有车道信息的校正准确率。
本申请实施例还提供了一种车辆所在车道的确定装置,该装置包括:
信息确定模块,用于根据车道线图像确定车辆所在位置的图像车道信息;
信息获取模块,用于根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;
车道确定模块,用于根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
进一步地,所述信息确定模块,包括:
图像识别单元,用于识别所述车道线图像;
信息确定单元,用于根据识别得到的车道线信息,确定所述图像车道信息。
进一步地,所述信息确定单元,包括:
车道种类确定子单元,用于根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
车道信息确定子单元,用于将确定的车道种类作为所述图像车道信息。
进一步地,所述车道种类确定子单元具体用于:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
进一步地,所述信息获取模块,包括:
道路位置确定单元,用于根据所述定位信息中的定位经纬度确定所述车辆所在道路位置;
行驶方向确定单元,用于根据所述定位信息中的航向角确定所述车辆的行驶方向;
车道信息获取单元,用于根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息。
进一步地,所述车道确定模块,包括:
信息匹配单元,用于匹配所述图像车道信息和所述实际车道信息;
关系建立单元,用于根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
车道确定单元,用于根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
进一步地,所述装置还包括:
位置确定模块,用于所述根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道之前,根据所述车道线图像的图像采集装置与所述车辆之间的位置关系,以及所述图像采集装置的标定结果,确定所述车辆的图像位置;
车道确定模块,用于根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道。
进一步地,所述装置还包括:
信息校正模块,用于所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道之后,利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
进一步地,所述信息校正模块,包括:
位置关系确定单元,用于根据所述车道线图像的图像采集装置的标定结果,确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;
新位置确定单元,用于根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置;
位置校正单元,用于利用确定的新位置,对所述已有车道信息中所述车辆所在实际车道的原位置进行校正。
进一步地,所述装置还包括:
位置确定模块,用于所述根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置之前,若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置。
进一步地,所述信息校正模块,包括:
聚类单元,用于若所述车辆所在实际车道的图像车道信息的信息数量大于设定数量阈值,则对所述车辆所在实际车道的图像车道信息进行聚类;
信息确定单元,用于根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息;
信息校正单元,用于利用所述目标车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
本申请实施例还提供一种电子设备,该设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本身申请实施例中任一项所述的方法。
本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请实施例中任一项所述的方法。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请第一实施例提供的一种车辆所在车道的确定方法的流程图;
图2是本申请第一实施例提供的一种应用场景示意图;
图3是本申请第一实施例提供的另一种应用场景示意图;
图4是本申请第二实施例提供的一种车辆所在车道的确定方法的流程图;
图5是本申请第三实施例提供的一种车辆所在车道的确定方法的流程图;
图6是本申请第四实施例提供的一种车辆所在车道的确定方法的流程图;
图7是本申请第五实施例提供的一种车辆所在车道的确定装置的结构示意图;
图8是用来实现本申请实施例的车辆所在车道的确定方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是本申请第一实施例提供的一种车辆所在车道的确定方法的流程图。本实施例可适用于利用较低成本,确定车辆所在实际车道的情况。该方法可以由一种车辆所在车道的确定装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本申请实施例提供的车辆所在车道的确定方法包括:
S110、根据车道线图像确定车辆所在位置的图像车道信息。
其中,车道线图像是指通过图像采集装置采集的车辆所在位置处车道线的图像。
因为通常车道线图像仅包括车辆所在位置的部分车道线,所以无法直接根据车道线图像确定车辆所在的车道。
图像采集装置可以是任意可以采集图像的装置,具体地图像采集装置为摄像头。
可选地,上述图像采集装置的设置位置可以是在道路旁边固定物上,也可以是车辆上。
典型地,上述图像采集装置可以安装在车辆的头部或尾部,以使采集得到的车道线图像包括更多车道线。
图像车道信息是指根据车道线图像确定的,车辆所在位置处车道的车道信息。
具体地,车道信息可以是车道的任意信息,例如车道的宽度、车道的数量、车道的分布、车道内引导箭头、车道关联车道线的颜色或车道关联车道线的虚实等。
具体地,根据车道线图像确定车辆所在位置的图像车道信息,包括:
根据车道线图像进行车道检测;
根据检测得到的车道,确定车道信息。
其中,车道检测逻辑可以是先有技术中的任意目标检测逻辑,本实施例不进行任何限定。
S120、根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息。
其中,已有车道信息是指已经存在的车道信息。
该信息中包括有车道标识,用于标识车辆所在的实际车道,以使用户或下游逻辑清楚车辆所在的车道。
典型地,在当前普通地图普及广泛的情况下,已有车道信息可以从普通地图中获取。
可选地,若在未来高精地图普及广泛,为获取更加精准的车道信息,已有车道信息也可以从高精地图中获取。
本申请实施例对已有车道信息的来源不作限定。
因为已有车道信息是已经存在的车道信息,所以从已有车道信息中获取实际车道信息的成本较低。
实际车道信息是指从已有车道信息中获取的,车辆所在位置处车道的车道信息。
具体地,上述车辆的定位信息可以仅包括定位经纬度,也可以即包括定位经纬度,又包括航向角。。
若定位信息仅包括定位经纬度,则根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息,包括:
将所述车辆的位置与已有车道信息中的索引位置进行匹配;
将匹配一致的索引位置关联的车道信息,作为所述车辆所在位置的实际车道信息。
为提高实际车道信息的准确率,若定位信息即包括定位经纬度,又包括航向角,所述根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息,包括:
根据所述定位信息中的定位经纬度确定所述车辆所在道路位置;
根据所述定位信息中的航向角确定所述车辆的行驶方向;
根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息。
基于该技术特征,本申请实施可以从已有车道信息中获取车辆所在位置的,车辆行驶方向的实际车道信息,以提高实际车道信息的准确率。
S130、根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
其中,实际车道是指已有车道信息中的车道。
具体地,所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道,包括:
匹配所述图像车道信息和所述实际车道信息;
根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
其中,图像车道是指车道线图像中的车道。
为实现车辆所在图像车道的确定,所述根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道之前,所述方法还包括:
根据所述车道线图像的图像采集装置与所述车辆之间的位置关系,以及所述图像采集装置的标定结果,确定所述车辆的图像位置;
根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道。
其中,车辆的图像位置是指车辆在车道线图像中的位置。
具体地,所述车道线图像的图像采集装置与所述车辆之间的位置关系可以预先设定,也可以根据二者的位置确定。
图像车道的图像区域可以从车道线图像中识别得到。
本申请实施例的应用场景可以描述如下:
典型地应用场景为:参见图2车道线图像201的图像采集装置202设置在车辆上。通过基于车道信息,匹配车道线图像201中的图像车道与已有信息203中的实际车道,以建立图像车道与实际车道之间的关联关系。根据建立的关联关系和车辆所在的图像车道,确定车辆所在的实际车道。该场景的优点在于,可以基于实时采集的车道线图像,实现对车辆所在车道的实时确定。
可选地应用场景为:参见图3车道线图像301的图像采集装置302设置在道路旁的固定物上。该场景的匹配逻辑与上述应用场景相同。该场景的优点在于:因为本应用场景中的图像采集装置通常设置在可能发生违章的路段,所以该场景下确定的车辆所在车道,对用户导航具有关键引导作用。并且无需实时对车辆所在道路的确定,从而减少了计算量。
本申请实施例根据图像车道信息和实际车道信息,确定车辆所在的实际车道。因为图像车道信息可以根据车道线图像确定,实际车道信息可以从已有车道信息中获取,所以本申请实施例无需进行传感器的铺设,以及未应用范围内高精地图的确定。因此,本申请实施例可以降低确定车辆所在车道的成本,进而提高应用范围。
第二实施例
图4是本申请第二实施例提供的一种车辆所在车道的确定方法的流程图。本实施例是在上述实施例的基础上,对S110的一种展开方案。参见4,本申请实施例提供的车辆所在车道的确定方法,包括:
S210、识别车道线图像,根据识别得到的车道线信息,确定图像车道信息。
可选地,识别车道线图像的方法可以是任意图像识别方法。
具体地,车道线信息包括:车道线宽度、车道线颜色、车道线虚实和车道内引导箭头中的至少一种。
具体地,根据识别得到的车道线信息,确定图像车道信息,包括:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
将所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种信息,作为图像车道信息。
典型地,所述根据识别得到的车道线信息,确定所述图像车道信息,包括:
根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
将确定的车道种类作为所述图像车道信息。
基于该技术特征,本申请实施例通过确定车道种类,并将确定的车道种类作为图像车道信息。因为车道种类相比车道的其他信息可以更准确的标识车道,且占用数据量较少。所以相比利用车道的其他信息确定车辆所在的实际车道,本申请实施例可以提高车道的确定准确率,降低计算数据量。
为提高车辆所在实际车道的准确率,所述根据识别得到的车道线信息,确定车道线构成图像车道的车道种类,包括:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
具体地,所述车道种类包括:最左侧车道、最右侧车道、公交车道和目标行驶方向车道中的至少一种。
根据行驶位置确定所述图像车道的车道种类包括:
若所述行驶位置为道路的最左侧,则确定车道种类为左侧车道;
若所述行驶位置为道路的最右侧,则确定车道种类为右侧车道。
根据行驶方向确定所述图像车道的车道种类包括:
若行驶方向为向左行驶,则确定车道种类为左转车道;
若行驶方向为向右行驶,则确定车道种类为右转车道;
若行驶方向为直行,则确定车道种类为直行车道。
根据行驶车辆种类确定所述图像车道的车道种类包括:
若行驶车辆种类为公交车专用,则确定车道种类为公交车道。
S220、根据车辆的位置,从已有车道信息中获取所述车辆所在位置的实际车道信息。
S230、根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
本申请实施例通过根据识别得到的车道线信息,确定图像车道信息。因为车道线信息与车道信息具有固有的关联关系。所以相比直接从车道线图像中检测车道信息,本申请实施例可以通过车道线信息实现对车道信息的进一步挖掘,从而基于挖掘的车道信息实现对车辆所在车道的准确确定。
第三实施例
图5是本申请第三实施例提供的一种车辆所在车道的确定方法的流程图。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5,本申请实施例提供的车辆所在车道的确定方法,包括:
S310、根据车道线图像确定车辆所在位置的图像车道信息。
S320、根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息。
S330、根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
S340、利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
具体地,利用从所述车道线图像中识别得到的车道信息,对所述已有车道信息进行校正,包括:
利用从所述车道线图像中识别得到的除车道位置以外的其他信息,对所述已有车道信息进行校正。
为实现对已有车道信息中车道位置地校正,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
根据所述车道线图像的图像采集装置的标定结果,确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;
根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置;
利用确定的新位置,对所述已有车道信息中所述车辆所在实际车道的原位置进行校正。
为实现对图像采集装置实际位置的确定,所述根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置之前,所述方法还包括:
若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置。
为提高对已有车道信息的校正准确率,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
若所述车辆所在实际车道的图像车道信息的信息数量大于设定数量阈值,则对所述车辆所在实际车道的图像车道信息进行聚类;
根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息;
利用所述目标车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
其中,设定数量阈值为大于2,具体设定数量阈值的取值可以根据实际需要确定。
具体地,根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息,包括:
对聚类得到的簇进行图像车道信息的统计;
将统计数量最多的簇作为目标簇;
根据目标簇中的图像车道信息,确定目标车道信息。
可选地,根据目标簇中的图像车道信息,确定目标车道信息,包括:
计算目标簇中目标车道信息的均值;
将计算的均值作为目标车道信息;或者,
将位于目标簇中心的图像车道信息,作为目标车道信息。
第四实施例
图6是本申请第四实施例提供的一种车辆所在车道的确定方法的流程图。本实施例是在上述实施例的基础上,以图像采集装置为车载的后视摄像头,已有车道信息从普通地图中获取为例,提出的一种可选方案。参见图6,本申请实施例提供的车辆所在车道的确定方法,包括:
基于后视摄像头采集路面车道线;
识别车道线图像,得到车道线的属性信息;
根据车道线的属性信息,确定车道类型;
根据车道类型,将车道线图像中的车道与普通地图中车辆所在位置的车道进行关联,其中普通地图中车辆所在位置的车道可以根据车辆的定位经纬度和行驶方向获取;
根据关联关系,确定车辆所在车道。
具体地,根据车道类型,将车道线图像中的车道与普通地图中车辆所在道路位置的车道进行关联,包括:
根据左侧车道、右侧车道、公交车道和目标行驶方向车道中的至少一种,将车道线图像中的车道与普通地图中车辆所在道路位置的车道进行关联。
若关联失败,则执行如下步骤:
根据摄像头的标定结果确定车道线图像中的车道与摄像头的相对位置关系;
根据所述相对位置关系,以及摄像头的位置,确定车道位置,所述摄像头的位置根据车辆的位置信息确定;
存储确定的车道位置及所述车道的其他信息,所述其他信息是指除车道位置以外的信息;
响应目标位置的车道的信息纠正请求,对存储的目标位置的至少两个车道位置进行聚类;根据聚类结果,对目标位置的车道进行位置和其他信息的校正。
本方案可以实现如下效果:
融合多种车道信息,并结合导航信息进行车道定位,成本低,能够在绝大部分驾驶场景下应用;
能够利用车道识别结果对现有车道信息进行纠正;
利用摄像头自标定结果及融合定位结果,能够获得高精度的车道信息。
第五实施例
图7是本申请第五实施例提供的一种车辆所在车道的确定装置的结构示意图。参见图7,本申请实施例还提供一种车辆所在车道的确定装置700,该装置700包括:信息确定模块701、信息获取模块702和车道确定模块703。
其中,信息确定模块701,用于根据车道线图像确定车辆所在位置的图像车道信息;
信息获取模块702,用于根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;
车道确定模块703,用于根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
本申请实施例根据图像车道信息和实际车道信息,确定车辆所在的实际车道。因为图像车道信息可以根据车道线图像确定,实际车道信息可以从已有车道信息中获取,所以本申请实施例无需进行传感器的铺设,以及未应用范围内高精地图的确定。因此,本申请实施例可以降低确定车辆所在车道的成本,进而提高应用范围。
进一步地,所述信息确定模块,包括:
图像识别单元,用于识别所述车道线图像;
信息确定单元,用于根据识别得到的车道线信息,确定所述图像车道信息。
进一步地,所述信息确定单元,包括:
车道种类确定子单元,用于根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
车道信息确定子单元,用于将确定的车道种类作为所述图像车道信息。
进一步地,所述车道种类确定子单元具体用于:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
进一步地,所述信息获取模块,包括:
道路位置确定单元,用于根据所述定位信息中的定位经纬度确定所述车辆所在道路位置;
行驶方向确定单元,用于根据所述定位信息中的航向角确定所述车辆的行驶方向;
车道信息获取单元,用于根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息。
进一步地,所述车道确定模块,包括:
信息匹配单元,用于匹配所述图像车道信息和所述实际车道信息;
关系建立单元,用于根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
车道确定单元,用于根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
进一步地,所述装置还包括:
位置确定模块,用于所述根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道之前,根据所述车道线图像的图像采集装置与所述车辆之间的位置关系,以及所述图像采集装置的标定结果,确定所述车辆的图像位置;
车道确定模块,用于根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道。
进一步地,所述装置还包括:
信息校正模块,用于所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道之后,利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
进一步地,所述信息校正模块,包括:
位置关系确定单元,用于根据所述车道线图像的图像采集装置的标定结果,确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;
新位置确定单元,用于根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置;
位置校正单元,用于利用确定的新位置,对所述已有车道信息中所述车辆所在实际车道的原位置进行校正。
进一步地,所述装置还包括:
位置确定模块,用于所述根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置之前,若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置。
进一步地,所述信息校正模块,包括:
聚类单元,用于若所述车辆所在实际车道的图像车道信息的信息数量大于设定数量阈值,则对所述车辆所在实际车道的图像车道信息进行聚类;
信息确定单元,用于根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息;
信息校正单元,用于利用所述目标车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
第六实施例
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的车辆所在车道的确定方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的车辆所在车道的确定方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车辆所在车道的确定方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车辆所在车道的确定方法对应的程序指令/模块(例如,附图7所示的信息确定模块701、信息获取模块702和车道确定模块703)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆所在车道的确定方法。
存储器802可以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、至少一个功能所需要的应用程序;存储数据区可存储根据车辆所在车道的确定电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至车辆所在车道的确定电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
车辆所在车道的确定方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与车辆所在车道的确定电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种车辆所在车道的确定方法,其特征在于,包括:
根据车道线图像确定车辆所在位置的图像车道信息;
根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;
根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
2.根据权利要求1所述的方法,其特征在于,所述根据车道线图像确定车辆所在位置的图像车道信息,包括:
识别所述车道线图像;
根据识别得到的车道线信息,确定所述图像车道信息。
3.根据权利要求2所述的方法,其特征在于,所述根据识别得到的车道线信息,确定所述图像车道信息,包括:
根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
将确定的车道种类作为所述图像车道信息。
4.根据权利要求3所述的方法,其特征在于,所述根据识别得到的车道线信息,确定车道线构成图像车道的车道种类,包括:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
5.根据权利要求1-4中任一所述的方法,其特征在于,所述根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息,包括:
根据所述定位信息中的定位经纬度确定所述车辆所在道路位置;
根据所述定位信息中的航向角确定所述车辆的行驶方向;
根据所述车辆所在道路位置和所述车辆的行驶方向,从已有车道信息中获取所述车辆所在位置的实际车道信息。
6.根据权利要求1-4中任一所述的方法,其特征在于,所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道,包括:
匹配所述图像车道信息和所述实际车道信息;
根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
7.根据权利要求6所述的方法,其特征在于,所述根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道之前,所述方法还包括:
根据所述车道线图像的图像采集装置与所述车辆之间的位置关系,以及所述图像采集装置的标定结果,确定所述车辆的图像位置;
根据所述车辆的图像位置和所述图像车道的图像区域,确定所述车辆所在的图像车道。
8.根据权利要求1-4中任一所述的方法,其特征在于,所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道之后,所述方法还包括:
利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
9.根据权利要求8所述的方法,其特征在于,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
根据所述车道线图像的图像采集装置的标定结果,确定所述车辆所在实际车道与所述图像采集装置的相对位置关系;
根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置;
利用确定的新位置,对所述已有车道信息中所述车辆所在实际车道的原位置进行校正。
10.根据权利要求9所述的方法,其特征在于,所述根据确定的相对位置关系和所述图像采集装置的实际位置,确定所述车辆所在实际车道的新位置之前,所述方法还包括:
若所述图像采集装置为车载图像采集装置,则根据所述车辆的位置信息确定所述图像采集装置的实际位置。
11.根据权利要求8所述的方法,其特征在于,所述利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正,包括:
若所述车辆所在实际车道的图像车道信息的信息数量大于设定数量阈值,则对所述车辆所在实际车道的图像车道信息进行聚类;
根据聚类结果,从所述车辆所在实际车道的图像车道信息中确定目标车道信息;
利用所述目标车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
12.一种车辆所在车道的确定装置,其特征在于,包括:
信息确定模块,用于根据车道线图像确定车辆所在位置的图像车道信息;
信息获取模块,用于根据所述车辆的定位信息,从已有车道信息中获取所述车辆所在位置的实际车道信息;
车道确定模块,用于根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道。
13.根据权利要求12所述的装置,其特征在于,所述信息确定模块,包括:
图像识别单元,用于识别所述车道线图像;
信息确定单元,用于根据识别得到的车道线信息,确定所述图像车道信息。
14.根据权利要求13所述的装置,其特征在于,所述信息确定单元,包括:
车道种类确定子单元,用于根据识别得到的车道线信息,确定车道线构成图像车道的车道种类;
车道信息确定子单元,用于将确定的车道种类作为所述图像车道信息。
15.根据权利要求14所述的装置,其特征在于,所述车道种类确定子单元具体用于:
根据所述车道线信息确定所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种;
根据所述图像车道的行驶方向、行驶车辆种类和行驶位置中的至少一种,确定所述图像车道的车道种类。
16.根据权利要求12-15中任一所述的装置,其特征在于,所述车道确定模块,包括:
信息匹配单元,用于匹配所述图像车道信息和所述实际车道信息;
关系建立单元,用于根据匹配结果建立所述车道线图像关联的图像车道与所述已有车道信息关联的实际车道之间的关联关系;
车道确定单元,用于根据所述关联关系和所述车辆所在的图像车道,确定所述车辆所在的实际车道。
17.根据权利要求12-15中任一所述的装置,其特征在于,所述装置还包括:
信息校正模块,用于所述根据所述图像车道信息和所述实际车道信息,确定所述车辆所在的实际车道之后,利用所述车辆所在实际车道的图像车道信息,对所述已有车道信息中所述车辆所在实际车道的实际车道信息进行校正。
18.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-11中任一项所述的方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010327968.0A CN111523471B (zh) | 2020-04-23 | 2020-04-23 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
US17/117,543 US11867513B2 (en) | 2020-04-23 | 2020-12-10 | Method, apparatus, device and storage medium for determining lane where vehicle located |
JP2020205106A JP7263308B2 (ja) | 2020-04-23 | 2020-12-10 | 車両が位置する車線を決定する方法、装置、機器、および記憶媒体 |
EP20213101.7A EP3901581A3 (en) | 2020-04-23 | 2020-12-10 | Method, apparatus, device and storage medium for determining a lane where a vehicle is located |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010327968.0A CN111523471B (zh) | 2020-04-23 | 2020-04-23 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523471A true CN111523471A (zh) | 2020-08-11 |
CN111523471B CN111523471B (zh) | 2023-08-04 |
Family
ID=71902993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010327968.0A Active CN111523471B (zh) | 2020-04-23 | 2020-04-23 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11867513B2 (zh) |
EP (1) | EP3901581A3 (zh) |
JP (1) | JP7263308B2 (zh) |
CN (1) | CN111523471B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733778A (zh) * | 2021-01-18 | 2021-04-30 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
EP3957955A3 (en) * | 2020-12-15 | 2022-05-18 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Vehicle locating method and apparatus, electronic device, storage medium and computer program product |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749680A (zh) * | 2021-01-25 | 2021-05-04 | 蔚来汽车科技(安徽)有限公司 | 用于构建道路模型的方法和设备 |
US11379817B1 (en) * | 2021-01-26 | 2022-07-05 | Ford Global Technologies, Llc | Smart toll application determining for various toll applications using V2X communications |
US11676426B2 (en) * | 2021-03-19 | 2023-06-13 | Ford Global Technologies, Llc | Toll advertisement message road topologies |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050171688A1 (en) * | 2004-01-30 | 2005-08-04 | Denso Corporation | Car navigation device |
CN106052705A (zh) * | 2016-05-31 | 2016-10-26 | 惠州华阳通用电子有限公司 | 一种车载综合导航方法及装置 |
US9494438B1 (en) * | 2015-12-15 | 2016-11-15 | Honda Motor Co., Ltd. | System and method for verifying map data for a vehicle |
US20180181817A1 (en) * | 2015-09-10 | 2018-06-28 | Baidu Online Network Technology (Beijing) Co., Ltd. | Vehicular lane line data processing method, apparatus, storage medium, and device |
CN108229438A (zh) * | 2018-02-05 | 2018-06-29 | 海信集团有限公司 | 车道线检测方法、装置、终端和存储介质 |
US20180237007A1 (en) * | 2017-02-17 | 2018-08-23 | GM Global Technology Operations LLC | System And Method For Predicting A Possible Lane Departure In When Driving A Vehicle Autonomously Or Semi-Autonomously, And For Taking A Remedial Action To Prevent A Lane Departure |
US20180267172A1 (en) * | 2017-03-20 | 2018-09-20 | Hyundai Motor Company | System and method for recognizing position of vehicle |
KR20190029192A (ko) * | 2017-09-12 | 2019-03-20 | 현대자동차주식회사 | 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법 |
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN109931939A (zh) * | 2019-02-27 | 2019-06-25 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
EP3534114A1 (en) * | 2017-02-07 | 2019-09-04 | Tencent Technology (Shenzhen) Company Limited | Lane determination method, device and storage medium |
CN110556012A (zh) * | 2019-09-16 | 2019-12-10 | 北京百度网讯科技有限公司 | 车道定位方法及车辆定位系统 |
CN110687562A (zh) * | 2019-09-12 | 2020-01-14 | 华为技术有限公司 | 一种定位方法及车载装置 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3357749B2 (ja) * | 1994-07-12 | 2002-12-16 | 本田技研工業株式会社 | 車両の走行路画像処理装置 |
US7295925B2 (en) * | 1997-10-22 | 2007-11-13 | Intelligent Technologies International, Inc. | Accident avoidance systems and methods |
JP3435623B2 (ja) * | 1996-05-15 | 2003-08-11 | 株式会社日立製作所 | 交通流監視装置 |
JP2006208223A (ja) * | 2005-01-28 | 2006-08-10 | Aisin Aw Co Ltd | 車両位置認識装置及び車両位置認識方法 |
JP3885818B2 (ja) * | 2005-05-27 | 2007-02-28 | トヨタ自動車株式会社 | 車両逸脱判定装置 |
JP4392389B2 (ja) * | 2005-06-27 | 2009-12-24 | 本田技研工業株式会社 | 車両及び車線認識装置 |
JP4365350B2 (ja) * | 2005-06-27 | 2009-11-18 | 本田技研工業株式会社 | 車両及び車線認識装置 |
JP4506790B2 (ja) * | 2007-07-05 | 2010-07-21 | アイシン・エィ・ダブリュ株式会社 | 道路情報生成装置、道路情報生成方法および道路情報生成プログラム |
JP4446204B2 (ja) * | 2007-10-30 | 2010-04-07 | アイシン・エィ・ダブリュ株式会社 | 車両用ナビゲーション装置及び車両用ナビゲーションプログラム |
JP4905840B2 (ja) * | 2008-02-28 | 2012-03-28 | アイシン・エィ・ダブリュ株式会社 | ナビゲーション装置及びナビゲーションプログラム |
US8325800B2 (en) * | 2008-05-07 | 2012-12-04 | Microsoft Corporation | Encoding streaming media as a high bit rate layer, a low bit rate layer, and one or more intermediate bit rate layers |
US8704653B2 (en) * | 2009-04-02 | 2014-04-22 | GM Global Technology Operations LLC | Enhanced road vision on full windshield head-up display |
US8384532B2 (en) * | 2009-04-02 | 2013-02-26 | GM Global Technology Operations LLC | Lane of travel on windshield head-up display |
US8164543B2 (en) * | 2009-05-18 | 2012-04-24 | GM Global Technology Operations LLC | Night vision on full windshield head-up display |
JP5389002B2 (ja) * | 2010-12-07 | 2014-01-15 | 日立オートモティブシステムズ株式会社 | 走行環境認識装置 |
JP6049541B2 (ja) * | 2013-05-31 | 2016-12-21 | 日立オートモティブシステムズ株式会社 | 車両制御システム |
JP6049542B2 (ja) * | 2013-05-31 | 2016-12-21 | 日立オートモティブシステムズ株式会社 | 車両制御システム |
JP6183799B2 (ja) * | 2013-06-14 | 2017-08-23 | 日立オートモティブシステムズ株式会社 | 車両制御システム |
EP3061642B1 (en) * | 2013-10-22 | 2019-10-02 | Nippon Seiki Co., Ltd. | Vehicle information projection system, and projection device |
JP6516089B2 (ja) * | 2014-12-17 | 2019-05-22 | 日本精機株式会社 | 車両情報投影システム及び車両情報投影方法 |
WO2016130719A2 (en) * | 2015-02-10 | 2016-08-18 | Amnon Shashua | Sparse map for autonomous vehicle navigation |
BR112018006470A2 (pt) * | 2015-09-30 | 2020-06-09 | Nissan Motor | método de controle de deslocamento e aparelho de controle de deslocamento |
JP2017161501A (ja) * | 2016-03-07 | 2017-09-14 | 株式会社デンソー | 走行位置検出装置、走行位置検出方法 |
US10248124B2 (en) * | 2016-07-21 | 2019-04-02 | Mobileye Vision Technologies, Inc. | Localizing vehicle navigation using lane measurements |
US10838426B2 (en) * | 2016-07-21 | 2020-11-17 | Mobileye Vision Technologies Ltd. | Distributing a crowdsourced sparse map for autonomous vehicle navigation |
US20190271550A1 (en) | 2016-07-21 | 2019-09-05 | Intelligent Technologies International, Inc. | System and Method for Creating, Updating, and Using Maps Generated by Probe Vehicles |
JP6515898B2 (ja) * | 2016-09-29 | 2019-05-22 | トヨタ自動車株式会社 | 物標レーン関係認識装置 |
KR102466737B1 (ko) * | 2016-11-26 | 2022-11-14 | 팅크웨어(주) | 경로 안내를 위한 장치, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 |
JP6575492B2 (ja) * | 2016-11-29 | 2019-09-18 | トヨタ自動車株式会社 | 自動運転システム |
DE112017007327T5 (de) * | 2017-03-27 | 2019-12-05 | Mitsubishi Electric Corporation | Fahrzeugpositions-schätzvorrichtung |
JP6758516B2 (ja) * | 2017-09-08 | 2020-09-23 | 三菱電機株式会社 | 運転支援装置および運転支援方法 |
KR101969030B1 (ko) * | 2017-09-13 | 2019-04-16 | (주)베이다스 | 차량용 카메라 캘리브레이션 장치 및 그 방법 |
JP7053211B2 (ja) * | 2017-10-04 | 2022-04-12 | 株式会社Soken | 運転支援装置 |
JP2019075008A (ja) * | 2017-10-18 | 2019-05-16 | トヨタ自動車株式会社 | 車両制御装置 |
WO2019195415A1 (en) * | 2018-04-03 | 2019-10-10 | Mobileye Vision Technologies Ltd. | Systems and methods for determining navigational parameters |
CN111937055A (zh) * | 2018-04-05 | 2020-11-13 | 三菱电机株式会社 | 驾驶辅助装置 |
KR102420476B1 (ko) * | 2018-05-25 | 2022-07-13 | 에스케이텔레콤 주식회사 | 차량의 위치 추정 장치, 차량의 위치 추정 방법, 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체 |
KR102611927B1 (ko) * | 2018-07-11 | 2023-12-08 | 르노 에스.아.에스. | 주행 환경 정보의 생성 방법, 운전 제어 방법, 주행 환경 정보 생성 장치 |
RU2766038C1 (ru) * | 2018-07-11 | 2022-02-07 | Ниссан Мотор Ко., Лтд. | Способ и устройство для генерирования информации о среде передвижения для транспортного средства, а также способ управления движением для транспортного средства |
US11830364B2 (en) * | 2018-09-11 | 2023-11-28 | Nissan Motor Co., Ltd. | Driving assist method and driving assist device |
KR20200046167A (ko) * | 2018-10-17 | 2020-05-07 | 주식회사 만도 | 가상 차량 경계를 결정하는 제어방법 및 그 제어방법을 제공하는 차량 |
CN112654836A (zh) * | 2019-02-04 | 2021-04-13 | 御眼视觉技术有限公司 | 用于车辆导航的系统和方法 |
-
2020
- 2020-04-23 CN CN202010327968.0A patent/CN111523471B/zh active Active
- 2020-12-10 JP JP2020205106A patent/JP7263308B2/ja active Active
- 2020-12-10 US US17/117,543 patent/US11867513B2/en active Active
- 2020-12-10 EP EP20213101.7A patent/EP3901581A3/en active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050171688A1 (en) * | 2004-01-30 | 2005-08-04 | Denso Corporation | Car navigation device |
US20180181817A1 (en) * | 2015-09-10 | 2018-06-28 | Baidu Online Network Technology (Beijing) Co., Ltd. | Vehicular lane line data processing method, apparatus, storage medium, and device |
US9494438B1 (en) * | 2015-12-15 | 2016-11-15 | Honda Motor Co., Ltd. | System and method for verifying map data for a vehicle |
CN106052705A (zh) * | 2016-05-31 | 2016-10-26 | 惠州华阳通用电子有限公司 | 一种车载综合导航方法及装置 |
EP3534114A1 (en) * | 2017-02-07 | 2019-09-04 | Tencent Technology (Shenzhen) Company Limited | Lane determination method, device and storage medium |
US20180237007A1 (en) * | 2017-02-17 | 2018-08-23 | GM Global Technology Operations LLC | System And Method For Predicting A Possible Lane Departure In When Driving A Vehicle Autonomously Or Semi-Autonomously, And For Taking A Remedial Action To Prevent A Lane Departure |
US20180267172A1 (en) * | 2017-03-20 | 2018-09-20 | Hyundai Motor Company | System and method for recognizing position of vehicle |
KR20190029192A (ko) * | 2017-09-12 | 2019-03-20 | 현대자동차주식회사 | 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법 |
CN108229438A (zh) * | 2018-02-05 | 2018-06-29 | 海信集团有限公司 | 车道线检测方法、装置、终端和存储介质 |
CN109931939A (zh) * | 2019-02-27 | 2019-06-25 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN110687562A (zh) * | 2019-09-12 | 2020-01-14 | 华为技术有限公司 | 一种定位方法及车载装置 |
CN110556012A (zh) * | 2019-09-16 | 2019-12-10 | 北京百度网讯科技有限公司 | 车道定位方法及车辆定位系统 |
Non-Patent Citations (3)
Title |
---|
WEI-JONG YANG等: "Improved Lane Detection With Multilevel Features in Branch Convolutional Neural Networks", pages 1 - 9, Retrieved from the Internet <URL:《网页在线公开:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8918319》> * |
李进等: "人机协同下辅助驾驶系统的车道保持控制木", 《机械工程学报》, vol. 54, no. 2, pages 169 - 175 * |
段建民等: "基于改进简单图像统计算法的车道线识别", 《计算机工程与设计》, vol. 39, no. 3, pages 842 - 847 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3957955A3 (en) * | 2020-12-15 | 2022-05-18 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Vehicle locating method and apparatus, electronic device, storage medium and computer program product |
CN112733778A (zh) * | 2021-01-18 | 2021-04-30 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
CN112733778B (zh) * | 2021-01-18 | 2021-08-10 | 国汽智控(北京)科技有限公司 | 一种车辆前导车确定方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111523471B (zh) | 2023-08-04 |
JP2021173745A (ja) | 2021-11-01 |
US20210334552A1 (en) | 2021-10-28 |
JP7263308B2 (ja) | 2023-04-24 |
EP3901581A3 (en) | 2022-01-05 |
EP3901581A2 (en) | 2021-10-27 |
US11867513B2 (en) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112415552B (zh) | 车辆位置的确定方法、装置及电子设备 | |
CN111523471B (zh) | 车辆所在车道的确定方法、装置、设备以及存储介质 | |
CN111401208B (zh) | 一种障碍物检测方法、装置、电子设备及存储介质 | |
CN111220154A (zh) | 车辆定位方法、装置、设备和介质 | |
CN110979346B (zh) | 确定车辆所处车道的方法、装置及设备 | |
CN111274343A (zh) | 一种车辆定位方法、装置、电子设备及存储介质 | |
KR102564430B1 (ko) | 차량의 제어 방법, 장치 및 차량 | |
CN111220164A (zh) | 定位方法、装置、设备及存储介质 | |
CN111784837B (zh) | 高精地图生成方法、装置、设备、存储介质和程序产品 | |
CN111324115A (zh) | 障碍物位置检测融合方法、装置、电子设备和存储介质 | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
JP2021119507A (ja) | 車線の決定方法、車線測位精度の評価方法、車線の決定装置、車線測位精度の評価装置、電子デバイス、コンピュータ可読記憶媒体、及びプログラム | |
CN111626206A (zh) | 高精地图构建方法、装置、电子设备及计算机存储介质 | |
CN111998860A (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
CN111540023B (zh) | 图像采集设备的监测方法、装置、电子设备及存储介质 | |
CN110765227A (zh) | 道路交通网络模型构建方法及装置 | |
CN112288825A (zh) | 相机标定方法、装置、电子设备、存储介质和路侧设备 | |
CN113723141A (zh) | 车辆的定位方法、装置、电子设备、车辆及存储介质 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN111721305B (zh) | 定位方法和装置、自动驾驶车辆、电子设备和存储介质 | |
JP2021099489A (ja) | 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
CN111703371B (zh) | 交通信息的显示方法、装置、电子设备和存储介质 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN110458815A (zh) | 有雾场景检测的方法及装置 | |
CN111612851B (zh) | 用于标定相机的方法、装置、设备以及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211021 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |