CN111553309B - 车道线识别方法及装置 - Google Patents
车道线识别方法及装置 Download PDFInfo
- Publication number
- CN111553309B CN111553309B CN202010393673.3A CN202010393673A CN111553309B CN 111553309 B CN111553309 B CN 111553309B CN 202010393673 A CN202010393673 A CN 202010393673A CN 111553309 B CN111553309 B CN 111553309B
- Authority
- CN
- China
- Prior art keywords
- lane line
- displacement
- function
- determining
- historical
- 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
Classifications
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车道线识别方法及装置。其中,该方法包括:对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差;根据位移偏差确定当前车道线和历史车道线的权重;根据权重和当前车道线和历史车道线,确定车辆的车道线。本发明解决了相关技术中依赖于摄像头的车道识别方法,准确度和稳定性较差的技术问题。
Description
技术领域
本发明涉及智能驾驶领域,具体而言,涉及一种车道线识别方法及装置。
背景技术
相关技术中,车道保持辅助系统LKA(Lane Keeping Assist)主要依靠智能摄像头识别车道线来进行车道保持功能,但目前智能摄像头识别车道线的准确度和稳定性还存在一定的问题,会出现车道线抖动甚至丢失的情况,在这种情况下LKA可能会导致车辆冲出车道,造成严重的安全问题。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种车道线识别方法及装置,以至少解决相关技术中依赖于摄像头的车道识别方法,准确度和稳定性较差的技术问题。
根据本发明实施例的一个方面,提供了一种车道线识别方法,包括:对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差;根据所述位移偏差确定所述当前车道线和所述历史车道线的权重;根据所述权重和所述当前车道线和所述历史车道线,确定所述车辆的车道线。
可选的,对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数包括:对所述车辆的所述历史行驶轨迹进行拟合,确定拟合函数;根据所述拟合函数,确定所述位移函数。
可选的,对所述车辆的所述历史行驶轨迹进行拟合,确定拟合函数包括:通过最小二乘法对所述车辆的所述历史行驶轨迹进行拟合,确定所述拟合函数:y=a+bx+cx2+dx3,式中,x为历史行驶轨迹y中轨迹点的横坐标;将所述历史行驶轨迹的轨迹点坐标,带入所述拟合函数,确定参数a、b、c、d;根据所述拟合函数,确定所述位移函数包括:将所述历史行驶轨迹的所述预瞄距离代入所述拟合函数,确定所述位移函数为:dy=a+bL+cL2+dL3,式中,L为所述预瞄距离。
可选的,通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差包括:通过所述摄像头确定所述当前车道线的第一车道线函数和所述历史车道线的第二车道线函数;根据所述第一车道线函数通过所述位移函数确定所述当前车道线的第一位移,根据所述第二车道线函数通过所述位移函数确定所述历史车道线的第二位移;根据所述第一位移和所述第二位移确定所述位移偏差。
可选的,通过所述摄像头确定所述当前车道的第一车道线函数和所述历史车道的第二车道线函数包括:通过所述摄像头对所述当前车道线的识别,确定所述当前车道线的方程:y1=l0+l1x+l2x2+l3x3,式中,l0为所述当前车道线距离所述车辆的偏移量,l1为所述当前车道线的朝向,l2为所述当前车道线的曲率,l3为所述当前车道线的曲率变化率;以及,通过所述摄像头确定识别过的上次的所述历史车道线,确定上次的所述历史车道线的方程:y0=l0′+l1′x+l2′x2+l3′x3,式中,l0′为所述历史车道线距离所述车辆的偏移量,l1′为所述历史车道线的朝向,l2′为所述历史车道线的曲率,l3′为所述历史车道线的曲率变化率。
可选的,根据所述第一车道线函数通过所述位移函数确定所述当前车道线的第一位移,根据所述第二车道线函数通过所述位移函数确定所述历史车道线的第二位移包括:联合所述第一车道线函数和所述位移函数,确定所述当前车道线的第一位移函数;根据所述第一位移函数,通过代入预瞄距离,确定对应的第一位移;联合所述第二车道线函数和所述位移函数,确定所述历史车道线的第二位移函数;根据所述第二位移函数,通过代入预瞄距离,确定对应的第二位移。
可选的,根据所述第一位移和所述第二位移确定所述位移偏差包括:将多个预设的预瞄距离分别代入所述第一位移函数和所述第二位移函数,确定多个预瞄距离对应的多个第一位移和多个第二位移;通过多个所述第一位移和多个所述第二位移,通过下式确定所述位移偏差;式中,Δσ为所述位移偏差,i为多个所述预瞄距离的序号,i=1,2,3...n,dy1i为所述当前车道线在第i个预瞄距离对应的第一位移,/>为多个所述第一位移的平均值,dy0i为所述历史车道线在第i个预瞄距离对应的第二位移,/>为多个所述第二位移的平均值。
可选的,根据所述位移偏差确定所述第一位移和所述第二位移的权重包括:确定所述位移偏差的预设阈值,所述预设阈值包括所述位移偏差的最大值σmax和所述位移偏差的最小值σmin;当Δσ>σmax时,所述当前车道线的权重p=0,所述历史车道线的权重1-p=1;当Δσ<σmin时,所述当前车道线的权重p=1,所述历史车道线的权重1-p=0;当σmin<Δσ<σmax时,所述当前车道线的权重所述历史车道线的权重
可选的,根据所述权重和所述当前车道线和所述历史车道线,确定所述车辆的车道线包括:yf=p×y1+(1-p)×y,式中,yf为所述车道线的函数,y1为所述当前车道线的第一车道线函数,y为所述历史行驶轨迹的所述拟合函数。
根据本发明实施例的另一方面,还提供了一种车道线识别装置,包括:第一确定模块,用于对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;识别模块,用于通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差;第二确定模块,用于根据所述位移偏差确定所述当前车道线和所述历史车道线的权重;第三确定模块,用于根据所述权重和所述当前车道线和所述历史车道线,确定所述车辆的车道线。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述中任意一项所述的车道线识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的车道线识别方法。
在本发明实施例中,采用对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差;根据位移偏差确定当前车道线和历史车道线的权重;根据权重和当前车道线和历史车道线,确定车辆的车道线的方式,通过历史行驶轨迹对识别的当前车道线进行修正,达到了准确识别车道线的目的,从而实现了提高了车道线识别的准确率和稳定性的技术效果,进而解决了相关技术中依赖于摄像头的车道识别方法,准确度和稳定性较差的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种车道线识别方法的流程图;
图2是根据本发明实施方式的车道线识别的流程图;
图3是根据本发明实施例的一种车道线识别装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,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”等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。
根据本发明实施例,提供了一种车道线识别方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种车道线识别方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;
步骤S104,通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差;
步骤S106,根据位移偏差确定当前车道线和历史车道线的权重;
步骤S108,根据权重和当前车道线和历史车道线,确定车辆的车道线。
通过上述步骤,采用对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差;根据位移偏差确定当前车道线和历史车道线的权重;根据权重和当前车道线和历史车道线,确定车辆的车道线的方式,通过历史行驶轨迹对识别的当前车道线进行修正,达到了准确识别车道线的目的,从而实现了提高了车道线识别的准确率和稳定性的技术效果,进而解决了相关技术中依赖于摄像头的车道识别方法,准确度和稳定性较差的技术问题。
上述车辆在实现LKA时,主要依靠智能摄像头识别车道线来进行车道保持,上述车辆的历史行驶轨迹可以包括多个时间的历史行驶轨迹,上述历史行驶轨迹和车道线可能不完全一致,由于摄像头识别的车道线存在一定误差,因此通过不同情况,结合历史行驶轨迹和识别的车道线,确定最终可靠的车道线,从而提高了车道线识别的准确率和稳定性。
上述预瞄距离为驾驶车辆行驶上述历史行驶轨迹时,通过车辆前方一段距离处的车道位置的预瞄点来判断当前对车辆进行拐弯等操作,预瞄点与车辆的距离为预瞄距离。同一历史行为轨迹,在预瞄距离不同时,车辆的位移也不同,预瞄距离与车辆的位移的关系通过位移函数表征。
上述摄像头识别的车道为当前车道线,上述摄像头在当前进行识别之前识别的车道线为历史车道线,上次的历史车道线为距离本次识别的当前车道线最近的一次历史车道线。上述摄像头在识别车道线的同时,生成车道线的车道线函数,根据位移函数可以确定识别的车道线的第一位移和历史车道线的第二位移,然后根据第一位移和第二位移,确定第一位移和第二唯一的偏差,从而确定车辆在该偏差是否可以正常行驶,在可以正常行驶的情况下,更偏重识别的车道线,确定车辆最终的行驶车道线,在不能正常行驶的情况下,更偏重车辆的历史行驶轨迹,确定车辆最终的行驶车道线,以保证车辆可以正常行驶,提高行驶的安全性和稳定性。
可选的,对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数包括:对车辆的历史行驶轨迹进行拟合,确定拟合函数;根据拟合函数,确定位移函数。
上述历史行为轨迹为多个,对多个历史行为轨迹进行拟合,确定拟合函数,也即是车辆历史行驶轨迹的函数,该函数可以表征车辆的历史行为轨迹的变化关系,从而可以确定在满足安全的历史行为轨迹的车辆车道线,根据该历史行为轨迹函数,可以保证车辆正常行驶,降低行驶的危险性。
根据上述拟合函数确定在某一历史行为轨迹下,车辆的预瞄距离与车辆产生的位移的位移函数。
可选的,对车辆的历史行驶轨迹进行拟合,确定拟合函数包括:通过最小二乘法对车辆的历史行驶轨迹进行拟合,确定拟合函数:y=a+bx+cx2+dx3,式中,x为历史行驶轨迹y中轨迹点的横坐标;将历史行驶轨迹的轨迹点坐标,带入拟合函数,确定参数a、b、c、d;根据所述拟合函数,确定所述位移函数包括:将历史行驶轨迹的预瞄距离代入拟合函数,确定位移函数为:dy=a+bL+cL2+dL3,式中,L为预瞄距离。
上述拟合函数为三次曲线,其基于历史行驶轨迹距离车辆的偏移量,与历史行驶轨迹的朝向,历史行驶轨迹的曲率和历史行驶轨迹的曲率变化率均有关系。通过历史行为轨迹上的轨迹点的坐标,可以确定上述拟合函数的各个参数,包括常数a、一次项系数b、二次项系数c、三次项系数d。上述x为轨迹点的横坐标,上述y为轨迹点的纵坐标。
将上述预瞄距离代入上述拟合函数,可以确定横向位移函数,上述位移函数为横向位移偏差函数,确定的第一位移和第二位移也可以为横向位移,通常通过横向位移的偏差确定车辆是否可以正常行驶,也即是在该横向位移偏差下,车辆是否可以正常拐弯。需要说明的是,上述位移函数也可以为纵向位移函数,或者横向位移与纵向位移的矢量和的综合位移函数。在本实施例中选用横向位移,方便计算,而且准确率高。
可选的,通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差包括:通过摄像头确定当前车道线的第一车道线函数和历史车道线的第二车道线函数;根据第一车道线函数通过位移函数确定当前车道线的第一位移,根据第二车道线函数通过位移函数确定历史车道线的第二位移;根据第一位移和第二位移确定位移偏差。
具体的,通过摄像头确定当前车道的第一车道线函数和历史车道的第二车道线函数包括:通过摄像头对当前车道线的识别,确定当前车道线的方程:y1=l0+l1x+l2x2+l3x3,式中,l0为当前车道线距离车辆的偏移量,l1为当前车道线的朝向,l2为当前车道线的曲率,l3为当前车道线的曲率变化率;以及,通过摄像头确定识别过的上次的历史车道线,确定上次的历史车道线的方程:y0=l0′+l1′x+l2′x2+l3′x3,式中,l0′为历史车道线距离车辆的偏移量,l1′为历史车道线的朝向,l2′为历史车道线的曲率,l3′为历史车道线的曲率变化率。
上述摄像头可以对车辆的所处的真实环境进行识别,从而确定车辆在该真实环境下的行驶车道线,例如,摄像头识别车辆当前的环境图像,确定车辆所处环境为直角右转,可以生成车辆在此位置下的右转车道线。从而根据车道线指导车辆进行拐弯。在生成车道线的同事,可以确定车道线的方程。
可选的,根据第一车道线函数通过位移函数确定当前车道线的第一位移,根据第二车道线函数通过位移函数确定历史车道线的第二位移包括:联合第一车道线函数和位移函数,确定当前车道线的第一位移函数;根据第一位移函数,通过代入预瞄距离,确定对应的第一位移;联合第二车道线函数和位移函数,确定历史车道线的第二位移函数;/>根据第二位移函数,通过代入预瞄距离,确定对应的第二位移。
按照与历史行驶轨迹类似的方式,确定当前车道线和历史车道线对应的横向位移函数,上述第一位移函数和第二位移函数可以为横向位移函数,在历史行驶轨迹为纵向位移函数或者综合位移函数的情况下,上述第一位移函数和第二位移函数与历史行为轨迹的位移函数对应。从而准确确定上述当前车道线和历史车道线的位移函数。进而实现确定当前车道线的第一位移和历史车道线的第二位移,并确定第一位移和第二位移的偏差。
可选的,根据第一位移和第二位移确定位移偏差包括:将多个预设的预瞄距离分别代入第一位移函数和第二位移函数,确定多个预瞄距离对应的多个第一位移和多个第二位移;通过多个第一位移和多个第二位移,通过下式确定位移偏差; 式中,Δσ为位移偏差,i为多个预瞄距离的序号,i=1,2,3...n,dy1i为当前车道线在第x个预瞄距离对应的第一位移,/>为多个第一位移的平均值,dy0i为历史车道线在第i个预瞄距离对应的第二位移,/>为多个第二位移的平均值。
多个预瞄距离代入上述第一位移函数和第二位移函数可以分别得到对应的多个第一位移和多个第二位移,获取较多的数据,进行分析,提高数据分析的稳定性,进而提高车道线的确定的准确性和稳定性。
可选的,根据位移偏差确定第一位移和第二位移的权重包括:确定位移偏差的预设阈值,预设阈值包括位移偏差的最大值σmax和位移偏差的最小值σmin;当Δσ>σmax时,当前车道线的权重p=0,历史车道线的权重1-p=1;当Δσ<σmin时,当前车道线的权重p=1,历史车道线的权重1-p=0;当σmin<Δσ<σmax时,当前车道线的权重历史车道线的权重/>
当Δσ>σmax时,表示两次识别车道线偏差较大,则放弃识别的车道线,只依据车辆的历史行驶轨迹,以保证车辆行驶的安全性,也即是设置识别的当前车道线的权重p=0;当Δσ<σmin时,表示两次识别车道线偏差较小,识别的当前车道线和历史行驶轨迹之间的区别可以忽略,识别的当前车道线满足历史行驶轨迹的安全性,也即是完全信任识别的当前车道线,设置当前车道线的权重p=1;当σmin<Δσ<σmax时,表示两次识别车道线存在一定抖动,需要互相结合,具体的设当前车道线的权重历史车道线的权重从而在不同的位移偏差情况下,确定当前车道线的选用权重,进而保证了车道线的安全性和稳定性。
可选的,根据权重和当前车道线和历史车道线,确定车辆的车道线包括:yf=p×y1+(1-p)×y,式中,yf为车道线的函数,y1为当前车道线的第一车道线函数,y为历史行驶轨迹的拟合函数。从而根据权重对车道线进行有效的确定,不仅保证了车道线的准确性,而且保证了不同时刻的车道线的稳定和安全性。
需要说明的是,本实施例还提供了一种可选的实施方式,下面对该实施方式进行详细说明。
本实施方式对车辆历史的行驶轨迹进行拟合,可以得到车辆当前的行驶轨迹函数,带入预瞄距离值,从而得到车辆在预瞄距离处的横向位移。对智能摄像头识别到的车道线进行分析,当车道线变化较大时,则更信任自车行驶轨迹,反之则更信任智能摄像头识别的结果。
本实施方式在只依赖于车道线检测的LKA功能中加入车辆行驶轨迹因子,并通过对摄像头识别车道线稳定性情况进行判断,自适应调节分配权重,降低摄像头对车道线检测不稳定造成的风险。有效增加LKA功能的稳定性,提升用户体验。
LKA(车道保持辅助系统Lane Keeping Assist):通过环境感知传感器识别本车相对于车道中央的位置,如果驾驶员无意间偏离车道,则应向驾驶员发出警告或通过自动转向干预使车辆重新回到车道内。
预瞄距离:驾驶员在驾驶车辆时,通过看车辆前方一段距离处的车道位置来判断当前对车辆的操作,此距离为预瞄距离。
目前LKA功能太过于依赖摄像头对车道线信息的检测,而摄像头自身的特性决定了受环境影响因素太大,检测车道线的稳定性不高,经常会抖动或丢失,所以LKA的控制效果不理想,经常会产生方向盘抖动或退出LKA功能。
本实施方式的方案主要包括:自车行驶轨迹拟合、摄像头对车道线检测稳定性判定、自适应分配权重计算预瞄位置处的横向位移三个部分。图2是根据本发明实施方式的车道线识别的流程图,如图2所示,本实施方式的步骤具体如下:
(1)利用最小二乘法对车辆行驶轨迹进行拟合
选择三次曲线作为车辆行驶轨迹的拟合函数,函数为:
y=a+bx+cx2+dx3
车辆行驶轨迹为(x,y),将轨迹点带入到三次函数中,即可得出参数a、b、c、d。将预瞄距离L带入到拟合的函数中,即可得到在预瞄点处的横向位移偏差yd=a+bL+cL2+dL3。
(2)利用车道线识别信息对摄像头识别稳定性进行判定
智能摄像头对车道线的识别输出为三次的曲线参数值l0、l1、l2、l3,车道线方程为:
y=l0+l1x+l2x2+l3x3
其中,l0为当前车道线距离本车的偏移量,l1为当前车道线的朝向,l2为当前车道线的曲率,l3为当前车道线的曲率变化率。
前一时刻摄像头识别的历史车道线为:
y0=l0′+l1′x+l2′x2+l3′x3
其中,l0′为历史车道线距离本车的偏移量,l1′为历史车道线的朝向,l2′为历史车道线的曲率,l3′为历史车道线的曲率变化率。
本实施方式中取x为3米、5米、7米、9米作为预瞄距离,分别带入前一时刻的历史车道线方程和当前时刻的车道线方程,分别算出在3米、5米、7米、9米处的横向距离偏差dymi,m=0、1;i=3、5、7、9。计算当前时刻和前一时刻的均方差:
(3)自适应分配权重计算预瞄位置处的横向位移
对Δσ的阈值σmin、σmax进行标定,分配自车行驶轨迹拟合和摄像头车道识别的权重,设分配给摄像头识别车道线的权重为p,则分配给车辆行驶轨迹拟合的权重为1-p:
当Δσ>σmax时,表示两次识别车道线偏差较大,则p=0;
当Δσ<σmin时,表示两次识别车道线偏差较小,则p=1;
当σmin<Δσ<σmax时,表示两次识别车道线存在一定抖动,则:
设当前时刻车道线行驶轨迹拟合得出的预瞄点横向偏差为y,摄像头识别车道线计算出的预瞄点横向偏差为y1,则最终经过权重分配后的横向偏差为:p*y1+(1-p)*y。
本实施方式在只依赖于车道线检测的LKA功能中加入车辆行驶轨迹因子,并通过对摄像头识别车道线稳定性情况进行判断,自适应调节分配权重,降低摄像头对车道线检测不稳定造成的风险。使LKA功能不仅仅只依赖于摄像头对车道线的识别。
图3是根据本发明实施例的一种车道线识别装置的示意图,如图3所示,根据本发明实施例的另一方面,还提供了一种车道线识别装置,包括:第一确定模块32,识别模块34,第二确定模块36和第三确定模块38,下面对该装置进行详细说明。
第一确定模块32,用于对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;识别模块34,与上述第一确定模块32相连,用于通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差;第二确定模块36,与上述识别模块34相连,用于根据所述位移偏差确定所述当前车道线和所述历史车道线的权重;第三确定模块38,与上述第二确定模块36相连,用于根据所述权重和所述当前车道线和所述历史车道线,确定所述车辆的车道线。
通过上述装置,采用第一确定模块32对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数;识别模块34通过摄像头识别当前车道线和上次的历史车道线,并通过位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及第一位移和第二位移的位移偏差;第二确定模块36根据位移偏差确定当前车道线和历史车道线的权重;第三确定模块38根据权重和当前车道线和历史车道线,确定车辆的车道线的方式,通过历史行驶轨迹对识别的当前车道线进行修正,达到了准确识别车道线的目的,从而实现了提高了车道线识别的准确率和稳定性的技术效果,进而解决了相关技术中依赖于摄像头的车道识别方法,准确度和稳定性较差的技术问题。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述中任意一项所述的车道线识别方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的车道线识别方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种车道线识别方法,其特征在于,包括:
对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数,其中,通过最小二乘法对所述车辆的所述历史行驶轨迹进行拟合,确定拟合函数:y=a+bx+cx2+dx3,式中,x为历史行驶轨迹y中轨迹点的横坐标;将所述历史行驶轨迹的轨迹点坐标,带入所述拟合函数,确定参数a、b、c、d;根据所述拟合函数,确定所述位移函数包括:将所述历史行驶轨迹的所述预瞄距离代入所述拟合函数,确定所述位移函数为:dy=a+bL+cL2+dL3,式中,L为所述预瞄距离;
通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差,其中,通过所述摄像头确定所述当前车道线的第一车道线函数和所述历史车道线的第二车道线函数;根据所述第一车道线函数通过所述位移函数确定所述当前车道线的第一位移,根据所述第二车道线函数通过所述位移函数确定所述历史车道线的第二位移;
根据所述位移偏差确定所述当前车道线的所述第一车道线函数和所述拟合函数的权重;
根据所述权重和所述当前车道线的所述第一车道线函数和所述拟合函数,确定所述车辆的车道线。
2.根据权利要求1所述的方法,其特征在于,通过所述摄像头确定所述当前车道的第一车道线函数和所述历史车道的第二车道线函数包括:
通过所述摄像头对所述当前车道线的识别,确定所述当前车道线的方程:
y1=l0+l1x+l2x2+l3x3,式中,l0为所述当前车道线距离所述车辆的偏移量,l1为所述当前车道线的朝向,l2为所述当前车道线的曲率,l3为所述当前车道线的曲率变化率;
以及,通过所述摄像头确定识别过的上次的所述历史车道线,确定上次的所述历史车道线的方程:y0=l0′+l1′x+l2′x2+l3′x3,式中,l0′为所述历史车道线距离所述车辆的偏移量,l1′为所述历史车道线的朝向,l2′为所述历史车道线的曲率,l3′为所述历史车道线的曲率变化率。
3.根据权利要求2所述的方法,其特征在于,根据所述第一车道线函数通过所述位移函数确定所述当前车道线的第一位移,根据所述第二车道线函数通过所述位移函数确定所述历史车道线的第二位移包括:
联合所述第一车道线函数和所述位移函数,确定所述当前车道线的第一位移函数;
根据所述第一位移函数,通过代入预瞄距离,确定对应的第一位移;
联合所述第二车道线函数和所述位移函数,确定所述历史车道线的第二位移函数;
根据所述第二位移函数,通过代入预瞄距离,确定对应的第二位移。
4.根据权利要求3所述的方法,其特征在于,根据所述第一位移和所述第二位移确定所述位移偏差包括:
将多个预设的预瞄距离分别代入所述第一位移函数和所述第二位移函数,确定多个预瞄距离对应的多个第一位移和多个第二位移;
通过多个所述第一位移和多个所述第二位移,通过下式确定所述位移偏差;
式中,Δσ为所述位移偏差,i为多个所述预瞄距离的序号,i=1,2,3...n,dy1i为所述当前车道线在第i个预瞄距离对应的第一位移,为多个所述第一位移的平均值,dy0i为所述历史车道线在第i个预瞄距离对应的第二位移,/>为多个所述第二位移的平均值。
5.根据权利要求4所述的方法,其特征在于,根据所述位移偏差确定所述当前车道线的所述第一车道线函数和所述拟合函数的权重包括:
确定所述位移偏差的预设阈值,所述预设阈值包括所述位移偏差的最大值σmax和所述位移偏差的最小值σmin;
当Δσ>σmax时,所述当前车道线的所述第一车道线函数的权重p=0,所述拟合函数的权重1-p=1;
当Δσ<σmin时,所述当前车道线的所述第一车道线函数的权重p=1,所述拟合函数的权重1-p=0;
当σmin<Δσ<σmax时,所述当前车道线的所述第一车道线函数的权重所述拟合函数的权重/>
6.根据权利要求5所述的方法,其特征在于,根据所述权重和所述当前车道线的所述第一车道线函数和所述拟合函数,确定所述车辆的车道线包括:
yf=p×y1+(1-p)×y,
式中,yf为所述车道线的函数,y1为所述当前车道线的所述第一车道线函数,y为所述历史行驶轨迹的所述拟合函数。
7.一种车道线识别装置,其特征在于,包括:
第一确定模块,用于对车辆的历史行驶轨迹进行拟合,确定车辆的历史行驶轨迹的预瞄距离的位移函数,其中,通过最小二乘法对所述车辆的所述历史行驶轨迹进行拟合,确定拟合函数:y=a+bx+cx2+dx3,式中,x为历史行驶轨迹y中轨迹点的横坐标;将所述历史行驶轨迹的轨迹点坐标,带入所述拟合函数,确定参数a、b、c、d;根据所述拟合函数,确定所述位移函数包括:将所述历史行驶轨迹的所述预瞄距离代入所述拟合函数,确定所述位移函数为:dy=a+bL+cL2+dL3,式中,L为所述预瞄距离;
识别模块,用于通过摄像头识别当前车道线和上次的历史车道线,并通过所述位移函数确定当前车道线的第一位移,上次的历史车道线的第二位移,以及所述第一位移和所述第二位移的位移偏差,其中,通过所述摄像头确定所述当前车道线的第一车道线函数和所述历史车道线的第二车道线函数;根据所述第一车道线函数通过所述位移函数确定所述当前车道线的第一位移,根据所述第二车道线函数通过所述位移函数确定所述历史车道线的第二位移;
第二确定模块,用于根据所述位移偏差确定所述当前车道线的所述第一车道线函数和所述拟合函数的权重;
第三确定模块,用于根据所述权重和所述当前车道线的所述第一车道线函数和所述拟合函数,确定所述车辆的车道线。
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的车道线识别方法。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的车道线识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010393673.3A CN111553309B (zh) | 2020-05-11 | 2020-05-11 | 车道线识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010393673.3A CN111553309B (zh) | 2020-05-11 | 2020-05-11 | 车道线识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553309A CN111553309A (zh) | 2020-08-18 |
CN111553309B true CN111553309B (zh) | 2023-09-22 |
Family
ID=72002737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010393673.3A Active CN111553309B (zh) | 2020-05-11 | 2020-05-11 | 车道线识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553309B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112530159B (zh) * | 2020-11-13 | 2022-06-07 | 鹏城实验室 | 一种自标定式多车道级交通流量检测方法及电子设备 |
CN116630928B (zh) * | 2023-07-25 | 2023-11-17 | 广汽埃安新能源汽车股份有限公司 | 一种车道线优化方法、装置及电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103192758A (zh) * | 2013-04-19 | 2013-07-10 | 北京航空航天大学 | 基于机器视觉的前照灯随动转向控制方法 |
CN107264621A (zh) * | 2017-06-15 | 2017-10-20 | 驭势科技(北京)有限公司 | 车辆预瞄距离计算方法、装置、介质及转向控制方法 |
CN108437893A (zh) * | 2018-05-16 | 2018-08-24 | 奇瑞汽车股份有限公司 | 一种汽车偏离车道的预警方法及装置 |
WO2019052567A1 (zh) * | 2017-09-18 | 2019-03-21 | 中车株洲电力机车研究所有限公司 | 一种用于虚拟轨道车辆的虚拟道岔系统及方法 |
CN109760677A (zh) * | 2019-03-13 | 2019-05-17 | 广州小鹏汽车科技有限公司 | 一种车道保持辅助方法及系统 |
CN110316193A (zh) * | 2019-07-02 | 2019-10-11 | 华人运通(上海)自动驾驶科技有限公司 | 预瞄距离的设置方法、装置、设备及计算机可读存储介质 |
CN110481551A (zh) * | 2019-08-16 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动换道的控制方法、装置及车辆 |
-
2020
- 2020-05-11 CN CN202010393673.3A patent/CN111553309B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103192758A (zh) * | 2013-04-19 | 2013-07-10 | 北京航空航天大学 | 基于机器视觉的前照灯随动转向控制方法 |
CN107264621A (zh) * | 2017-06-15 | 2017-10-20 | 驭势科技(北京)有限公司 | 车辆预瞄距离计算方法、装置、介质及转向控制方法 |
WO2019052567A1 (zh) * | 2017-09-18 | 2019-03-21 | 中车株洲电力机车研究所有限公司 | 一种用于虚拟轨道车辆的虚拟道岔系统及方法 |
CN108437893A (zh) * | 2018-05-16 | 2018-08-24 | 奇瑞汽车股份有限公司 | 一种汽车偏离车道的预警方法及装置 |
CN109760677A (zh) * | 2019-03-13 | 2019-05-17 | 广州小鹏汽车科技有限公司 | 一种车道保持辅助方法及系统 |
CN110316193A (zh) * | 2019-07-02 | 2019-10-11 | 华人运通(上海)自动驾驶科技有限公司 | 预瞄距离的设置方法、装置、设备及计算机可读存储介质 |
CN110481551A (zh) * | 2019-08-16 | 2019-11-22 | 中国第一汽车股份有限公司 | 一种自动换道的控制方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111553309A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102406507B1 (ko) | 딥러닝 기반 자율주행 차량 제어 장치, 그를 포함한 시스템 및 그 방법 | |
CN109885066B (zh) | 一种运动轨迹预测方法及装置 | |
CN110316193B (zh) | 预瞄距离的设置方法、装置、设备及计算机可读存储介质 | |
US9889848B2 (en) | Apparatus and method for controlling lane keeping of vehicle | |
CN111553309B (zh) | 车道线识别方法及装置 | |
US6868168B2 (en) | Lane recognition system for vehicle | |
US10421464B2 (en) | Method, system and vehicle for analyzing a rider performance | |
CN102906786A (zh) | 脸部特征点位置校正设备、脸部特征点位置校正方法以及脸部特征点位置校正程序 | |
CN109878530B (zh) | 识别车辆侧向行驶工况的方法和系统 | |
KR102635090B1 (ko) | 자동차의 카메라 피치를 캘리브레이션하는 방법 및 장치, 그리고, 이를 위한 소멸점 추정 모델을 컨티뉴얼 러닝시키는 방법 | |
JP2009175929A (ja) | ドライバ状態推定装置及びプログラム | |
JP2009143546A (ja) | 車両走行速度制御装置および方法 | |
CN111660928B (zh) | 车道偏离预警方法、装置和电子设备 | |
JP4069481B2 (ja) | 車両挙動推定装置 | |
CN114572199A (zh) | 用于控制车辆的装置和方法 | |
CN112308923A (zh) | 基于车道线的相机位姿调整方法和装置、存储介质、设备 | |
KR20200140979A (ko) | 차량 제어 방법, 차량 제어 장치, 이를 포함하는 차량 제어 시스템 | |
US11820427B2 (en) | Lane keeping assist system of vehicle and lane keeping method using the same | |
JP5454190B2 (ja) | 車両制御装置 | |
US20210061289A1 (en) | Unsupervised Learning-Based Detection Method And Driver Profile-Based Vehicle Theft Detection Device and Method Using Same | |
CN117215194B (zh) | 一种基于螺旋桨协同的轮缘控制器数据处理方法及系统 | |
CN116534006B (zh) | 一种车辆动力控制方法、设备及存储介质 | |
CN115303280B (zh) | 冗余低延迟的车辆行驶道路的识别方法和装置 | |
US20230399027A1 (en) | Method for classifying a behavior of a road user and method for controlling an ego vehicle | |
US20230409036A1 (en) | Apparatus for controlling driving of moving object and method thereof |
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 |