CN112598762B - 三维车道线信息生成方法、装置、电子设备和介质 - Google Patents

三维车道线信息生成方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN112598762B
CN112598762B CN202010976176.6A CN202010976176A CN112598762B CN 112598762 B CN112598762 B CN 112598762B CN 202010976176 A CN202010976176 A CN 202010976176A CN 112598762 B CN112598762 B CN 112598762B
Authority
CN
China
Prior art keywords
lane line
coordinate value
pixel point
intersection
line information
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
Application number
CN202010976176.6A
Other languages
English (en)
Other versions
CN112598762A (zh
Inventor
胡禹超
倪凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202010976176.6A priority Critical patent/CN112598762B/zh
Publication of CN112598762A publication Critical patent/CN112598762A/zh
Application granted granted Critical
Publication of CN112598762B publication Critical patent/CN112598762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本公开的实施例公开了三维车道线信息生成方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取数据；对道路图像进行车道线检测以生成车道线信息集，其中，车道线信息包括车道线像素点坐标值序列；响应于确定车道线信息集满足预定条件，将车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；基于第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；基于第一车道线交点坐标值与目标车辆的车载相机的数据，生成三维车道线信息。该实施方式生成的三维车道线信息，较好的满足了无人驾驶车辆的控制终端对车辆的控制以及路线的规划等功能的需求。

Description

三维车道线信息生成方法、装置、电子设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及三维车道线信息生成方法、装置、电子设备和介质。
背景技术
三维车道线信息，指的是从车辆行驶道路数据中提取生成的车道线信息。常用的三维车道线信息生成方式是通过对二维车道线信息添加维度以生成三维车道线信息。
然而，当采用上述方法进行三维车道线信息生成时，往往会存在如下技术问题：
第一，由于现有技术是通过对二维车道线信息添加维度以生成三维车道线信息，而不是通过对道路图像进行处理以生成三维车道线信息，使得三维车道线信息的还原能力较弱，不能较好地表征实际的车道线，进而不能较好的满足无人驾驶车辆的控制终端对车辆的控制和路线的规划的需求；
第二，生成三维车道线信息的准确度偏低，浪费了计算资源。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了三维车道线信息生成方法、装置、电子设备和介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种三维车道线信息生成方法，该方法包括：获取数据，其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据；对上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列；响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；基于上述第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。
第二方面，本公开的一些实施例提供了一种三维车道线信息生成装置，装置包括：获取单元，被配置成获取数据，其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据；第一生成单元，被配置成对上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列；确定单元，被配置成响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；第二生成单元，被配置成基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；第三生成单元，被配置成基于上述第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；摄像头，被配置成采集图像；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取数据。其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据。然后，上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列。从道路图像中提取出车道线的信息为筛选可以用来生成三维车道线信息做准备。之后，响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集。对车道线信息集进行判断，使得确定车道线信息集满足用以生成三维车道线信息的条件。而后，基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值。由于第一车道线像素点坐标值序列集中的每个第一车道线像素点坐标值序列对应一个车道线信息，再用多个车道线信息生成第一车道线交点坐标值可以用几何方法得到，所以利用几何方法得到的第一车道线交点坐标值更为容易。最后，基于第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。由于三维车道线信息的准备数据第一车道线交点坐标值的生成更为容易，所以生成三维车道线信息的还原能力更强。另外，由于无人驾驶领域中的车辆控制规划模块对三维车道线信息有较强的依赖性，而还原能力更强的三维车道线信息满足了对无人驾驶领域中的车辆控制规划模块对三维车道线信息有较强的依赖性的需求。从而，此种方法可以对三维车道线信息具有更强还原能力，较好的满足了无人驾驶车辆的控制终端对车辆的控制和路线的规划等功能的需求。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的三维车道线信息生成方法的一个应用场景示意图；
图2是根据本公开的三维车道线信息生成方法的一些实施例的流程图；
图3是根据本公开的三维车道线信息生成装置的一些实施例的结构示意图；
图4是根据本公开的三维车道线信息生成方法的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的三维车道线信息生成方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以获取数据102。其中，上述数据102包括：目标车辆的车载相机所拍摄的道路图像1021，与上述道路图像对应的目标车辆的车载相机的数据1022。然后，对上述道路图像1021进行车道线检测以生成车道线信息集103。其中，上述车道线信息1031包括车道线像素点坐标值序列1032。之后，响应于确定上述车道线信息集103满足预定条件，将上述车道线信息集 103中的每个车道线信息1031所包括的车道线像素点坐标值序列1032 作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集104。另外，基于上述第一车道线像素点坐标值序列集104，生成第一车道线交点坐标值105。最后，基于第一车道线交点坐标值105 与上述目标车辆的车载相机的数据1022，生成三维车道线信息106。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备。
继续参考图2，示出了根据本公开的三维车道线信息生成方法的一些实施例的流程200。该三维车道线信息生成方法，包括以下步骤：
步骤201，获取数据。
在一些实施例中，三维车道线信息生成方法的执行主体(例如图 1所示的计算设备101)可以通过有线连接方式或者无线连接方式从目标车辆的车载终端获取的数据。其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据。另外，上述目标车辆的车载相机的数据包括：车载相机的内参矩阵，车载相机距离地面的高度值。
步骤202，对道路图像进行车道线检测以生成车道线信息集。
在一些实施例中，基于步骤201中得到的道路图像，上述执行主体(例如图1所示的计算设备101)可以对道路图像进行检测，提取道路图像中的车道线信息，生成车道线信息集。其中，上述车道线信息包括车道线像素点坐标值序列。具体的，对道路图像中的车道线信息进行检测，可以是对道路图像中的车道线进行提取，得到每条车道线在道路图像中所占用的多个像素点，生成车道线像素点坐标值序列。
在一些实施例的一些可选的实现方式中，上述执行主体对上述道路图像进行车道线检测以生成车道线信息集，可以包括以下步骤：
第一步，对上述道路图像进行二值化以生成二值化的道路图像。
第二步，对上述二值化的道路图像进行边缘检测以生成车道线信息集。
作为示例，根据道路图像中车道线的边缘连续性，可以检测出至少一条车道线在道路图像中所占据的像素点的区域，然后，可以对上述区域中的各个像素点去畸变，对各个像素点进行矫正后，得到矫正后像素点的区域。之后对矫正后像素点的区域中的各个像素点进行提取得到该车道线的信息。最后将至少一个车道线对应的车道线信息作为车道线信息集。
步骤203，响应于确定车道线信息集满足预定条件，将车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集。
在一些实施例中，上述执行主体中的预定条件可以是车道线信息集中至少包括两个车道线信息。然后，响应于确定上述车道线信息集中满足车道线信息集中包括至少两条车道线信息这样的条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列。得到第一车道线像素点坐标值序列集。
步骤204，基于第一车道线像素点坐标值序列集，生成第一车道线交点坐标值。
在一些实施例中，上述执行主体可以利用第一车道线像素点坐标值序列集中的各个第一车道线像素点坐标值序列，计算出各个车道线的交点坐标值，作为第一车道线交点坐标值。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值，可以包括以下步骤：
第一步，确定上述道路图像的像素坐标系。
作为示例，道路图像的像素坐标系可以是将道路图像的左上角作为原点，水平方向作为横轴，竖直方向作为纵轴，建立像素坐标系。
第二步，对上述第一车道线像素点坐标值序列集中每个第一车道线像素点坐标值序列中的各个第一车道线像素点坐标值进行曲线拟合以生成车道线拟合曲线方程，得到多个车道线拟合曲线方程。
作为示例，第一车道线像素点坐标值序列集中的一个第一车道线像素点值序列可以是：[(0,0),(0.2,0.5),(0.8,0.95),(1,1)]。那么，得到的拟合曲线方程可以是：y＝3.1875x-3.75x2+1.5625x3。最终，由多个第一车道线像素值序列可以得到多个车道线拟合曲线方程。
第三步，对上述多个车道线拟合曲线方程中的每个车道线拟合曲线方程进行曲率检测以生成车道线最大曲率，得到车道线最大曲率组。其中，可以根据每个车道线拟合曲线方程与对应的第一车道线像素点坐标值得到多个曲率，再从多个曲率中选出最大的曲率作为该车道线拟合曲线方程的最大曲率。最终得到车道线最大曲率组。
第四步，从上述车道线最大曲率组中选出满足预定曲率条件的车道线最大曲率作为第一车道线曲率，得到第一车道线曲率组。
作为示例，预定曲率条件可以是小于预定曲率阈值。预定曲率阈值可以是：0.01。那么，从上述车道线最大曲率组中选出小于预定曲率阈值的车道线最大曲率作为第一车道线曲率，得到第一车道线曲率组。
第五步，利用上述第一车道线曲率组中每个第一车道线曲率对应的车道线拟合曲线方程，生成车道线拟合直线方程，得到多个车道线拟合直线方程。具体的，从上述第一车道线曲率组中每个第一车道线曲率对应的车道线拟合曲线方程中取出一次项和零次项，用来生成车道线拟合直线方程。
作为示例，生成的多个车道线方程可以是：
Figure BDA0002685880600000081
第六步，利用以下公式，确定上述多个车道线拟合直线方程中每两个车道线拟合直线方程的交点坐标值，得到交点坐标值组：
Figure BDA0002685880600000082
其中，s1，s2，s3分别表示矩阵中的元素。()T表示转置矩阵。c1表示两个车道线拟合直线方程中的第一个车道线拟合直线方程。c2表示两个车道线拟合直线方程中的第二个车道线拟合直线方程。
Figure BDA0002685880600000083
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中一次项的系数。
Figure BDA0002685880600000084
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中零次项的系数。
Figure BDA0002685880600000085
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中一次项的系数。
Figure BDA0002685880600000086
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中零次项的系数。u表示交点在像素坐标系中的纵坐标值。v表示交点在像素坐标系中的横坐标值。
第七步，对上述交点坐标值组中的各个交点坐标值进行拟合以生成拟合交点坐标值，作为第一车道线交点坐标值。
作为示例，由于三维空间中互相平行的多条直线投影到图像中应该交于同一个点；而实际由于测量误差的存在，这些直线的交点可能并不是同一个点。为了估计出这个交点的位置，对上述交点坐标值组中的各个交点坐标值进行拟合可以是利用最小二乘法，生成的拟合交点坐标值可以是
Figure BDA0002685880600000087
步骤205，基于第一车道线交点坐标值与目标车辆的车载相机的数据，生成三维车道线信息。
在一些实施例中，上述执行主体可以利用目标车辆的车载相机的数据所包括的相机内参矩阵和相机距离地面的高度值，生成三维车道线信息。
在一些实施例的一些可选的实现方式中，上述执行主体基于上述第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息，可以包括以下步骤：
第一步，确定上述目标车辆的车载相机的相机坐标系。
第二步，基于上述第一车道线交点坐标值以及上述目标车辆的车载相机的数据，利用以下公式，生成上述道路图像中的车道线的方向矩阵：
Figure BDA0002685880600000091
其中，x表示第一车道线交点坐标值在相机坐标系中的横坐标值。 y表示第一车道线交点坐标值在相机坐标系中的纵坐标值。K表示相机内参矩阵。
Figure BDA0002685880600000097
表示第一车道线交点坐标值的横坐标值。
Figure BDA0002685880600000098
表示第一车道线交点坐标值的纵坐标值。d表示第一车道线交点坐标值在相机坐标系中的方向矩阵。||·||2表示2-范数。
作为示例，相机内参矩阵可以是：
Figure BDA0002685880600000092
第一车道线交点坐标值的横坐标值可以是：
Figure BDA0002685880600000093
第一车道线交点坐标值的纵坐标值可以是：
Figure BDA0002685880600000094
Figure BDA0002685880600000095
最终，第一车道线交点坐标值在相机坐标系中的方向矩阵可以是：
Figure BDA0002685880600000096
第三步，基于上述道路图像中的车道线的方向矩阵与目标车辆的车载相机的数据，利用以下公式，对上述第一车道线像素点坐标值序列集中的每个第一车道线像素点坐标值进行转换以生成车道线像素点三维坐标值，得到车道线像素点三维坐标值序列集，作为三维车道线信息：
Figure BDA0002685880600000101
其中，P表示第一车道线像素点对应的三维坐标值。I表示3×3 的单位矩阵。[·]×表示反对称叉乘矩阵。h表示相机距离地面的高度值。p表示第一车道线像素点坐标值的转置矩阵。x′表示第一车道线像素点坐标值的横坐标值。y′表示第一车道线像素点坐标值的纵坐标值。
作为示例，相机距离地面的高度值可以是：1.29。第一车道线像素点坐标值的转置矩阵可以是：
Figure BDA0002685880600000102
第一车道线像素点坐标值的转置矩阵可以是：
Figure BDA0002685880600000103
从而，可以得到车道线像素点三维坐标值序列集，作为三维车道线信息。
上述两个个公式作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“生成三维车道线信息的准确度偏低，浪费了计算资源”。导致三维车道线信息的生成准确度偏低的因素往往如下：现有的车道线检测方法通过对二维车道线信息添加维度以生成三维车道线信息，而以现有的车道线检测方法生成三维车道线信息时会由于坐标的空间转换等问题导致三维车道线信息的生成准确度偏低，浪费了计算资源。如果解决了上述因素，就能较为准确的生成三维车道线信息，减少计算资源的浪费。为了达到这一效果，首先，上述第一个公式利用了相机内参矩阵，对计算出的第一车道线交点坐标值在相机坐标系中的方向矩阵更为准确，由此，将第一车道线交点从像素坐标系转换为相机坐标系就可以更加准确。然后，利用上述第二个公式，根据更加准确的第一车道线交点坐标值在相机坐标系中的方向矩阵与目标车辆的车载相机的数据。将车道线信息包括车道线像素点坐标值序列中的各个车道线像素点坐标值转换为车道线像素点三维坐标值，所以得到的车道线像素点三维坐标值也更为准确。由于在转换过程中利用了相机内参对道路图像中的车道线对应的各个像素点进行维度转换使得生成的三维车道线信息更为准确，从而提高了将二维车道线信息转换为三维车道线信息的准确度，所以也可以减少计算资源的浪费。从而，此种方法可以提高生成的三维车道线信息的准确度，减少计算资源的浪费。
可选的，上述执行主体还可以将上述三维车道线信息发送至车载终端，以供车载终端对目标车辆的行驶路线进行规划调整。其中，上述执行主体将上述三维车道线信息发送至车载终端，还可以供车载终端对无人驾驶车辆的车辆控制规划技术进行提升。
本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取数据。其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据。然后，上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列。从道路图像中提取出车道线的信息为筛选可以用来生成三维车道线信息做准备。之后，响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集。对车道线信息集进行判断，使得确定车道线信息集满足用以生成三维车道线信息的条件。而后，基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值。由于第一车道线像素点坐标值序列集中的每个第一车道线像素点坐标值序列对应一个车道线信息，再用多个车道线信息生成第一车道线交点坐标值可以用几何方法得到，所以利用几何方法得到的第一车道线交点坐标值更为容易。最后，基于第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。由于三维车道线信息的准备数据第一车道线交点坐标值的生成更为容易，所以生成三维车道线信息的还原能力更强。另外，由于无人驾驶领域中的车辆控制规划模块对三维车道线信息有较强的依赖性，而还原能力更强的三维车道线信息满足了对无人驾驶领域中的车辆控制规划模块对三维车道线信息有较强的依赖性的需求。从而，此种方法可以对三维车道线信息具有更强还原能力，较好的满足了无人驾驶车辆的控制终端对车辆的控制和路线的规划等功能的需求。
进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种三维车道线信息生成装置的一些实施例，这些装置实施例与图 2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的三维车道线信息生成装置300包括：获取单元301、第一生成单元302、确定单元303、第二生成单元304、第三生成单元305。其中，获取单元301，被配置成获取数据，其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据；第一生成单元302，被配置成对上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列；确定单元303，被配置成响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；第二生成单元304，被配置成基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；第三生成单元305，被配置成基于上述第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口404也连接至总线 404。
通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器 (RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如， ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取数据，其中，上述数据包括：目标车辆的车载相机所拍摄的道路图像，与上述道路图像对应的目标车辆的车载相机的数据；对上述道路图像进行车道线检测以生成车道线信息集，其中，上述车道线信息包括车道线像素点坐标值序列；响应于确定上述车道线信息集满足预定条件，将上述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；基于上述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；基于上述第一车道线交点坐标值与上述目标车辆的车载相机的数据，生成三维车道线信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、确定单元、第二生成单元、第三生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取数据的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方法。

Claims (8)

1.一种三维车道线信息生成方法，包括：
获取数据，其中，所述数据包括：目标车辆的车载相机所拍摄的道路图像，与所述道路图像对应的目标车辆的车载相机的数据；
对所述道路图像进行车道线检测以生成车道线信息集，其中，所述车道线信息包括车道线像素点坐标值序列；
响应于确定所述车道线信息集满足预定条件，将所述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；
基于所述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；
基于所述第一车道线交点坐标值与所述目标车辆的车载相机的数据，生成三维车道线信息；
其中，所述基于所述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值，包括：
确定所述道路图像的像素坐标系；
对所述第一车道线像素点坐标值序列集中每个第一车道线像素点坐标值序列中的各个第一车道线像素点坐标值进行曲线拟合以生成车道线拟合曲线方程，得到多个车道线拟合曲线方程；
对所述多个车道线拟合曲线方程中的每个车道线拟合曲线方程进行曲率检测以生成车道线最大曲率，得到车道线最大曲率组；
从所述车道线最大曲率组中选出满足预定曲率条件的车道线最大曲率作为第一车道线曲率，得到第一车道线曲率组；
利用所述第一车道线曲率组中每个第一车道线曲率对应的车道线拟合曲线方程，生成车道线拟合直线方程，得到多个车道线拟合直线方程；
利用以下公式，确定所述多个车道线拟合直线方程中每两个车道线拟合直线方程的交点坐标值，得到交点坐标值组：
Figure FDA0003219446100000021
其中，s1，s2，s3分别表示矩阵中的元素；()T表示转置矩阵；c1表示两个车道线拟合直线方程中的第一个车道线拟合直线方程；C2表示两个车道线拟合直线方程中的第二个车道线拟合直线方程；
Figure FDA0003219446100000022
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中一次项的系数；
Figure FDA0003219446100000023
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中零次项的系数；
Figure FDA0003219446100000024
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中一次项的系数；
Figure FDA0003219446100000025
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中零次项的系数；u表示交点在像素坐标系中的纵坐标值；v表示交点在像素坐标系中的横坐标值；
对所述交点坐标值组中的各个交点坐标值进行拟合以生成拟合交点坐标值，作为第一车道线交点坐标值。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述三维车道线信息发送至车载终端，以供车载终端对目标车辆的行驶路线进行规划调整。
3.根据权利要求2所述的方法，其中，所述目标车辆的车载相机的数据包括：车载相机的内参矩阵，车载相机距离地面的高度值。
4.根据权利要求3所述的方法，其中，所述对所述道路图像进行车道线检测以生成车道线信息集，包括：
对所述道路图像进行二值化以生成二值化的道路图像；
对所述二值化的道路图像进行边缘检测以生成车道线信息集。
5.根据权利要求3所述的方法，其中，所述基于所述第一车道线交点坐标值与所述目标车辆的车载相机的数据，生成三维车道线信息，包括：
确定所述目标车辆的车载相机的相机坐标系；
基于所述第一车道线交点坐标值以及所述目标车辆的车载相机的数据，利用以下公式，生成所述道路图像中的车道线的方向矩阵：
Figure FDA0003219446100000031
其中，x表示第一车道线交点坐标值在相机坐标系中的横坐标值；y表示第一车道线交点坐标值在相机坐标系中的纵坐标值；K表示相机内参矩阵；
Figure FDA0003219446100000032
表示第一车道线交点坐标值的横坐标值；
Figure FDA0003219446100000033
表示第一车道线交点坐标值的纵坐标值；d表示第一车道线交点坐标值在相机坐标系中的方向矩阵；||·||2表示2-范数；
基于所述道路图像中的车道线的方向矩阵与目标车辆的车载相机的数据，利用以下公式，对所述第一车道线像素点坐标值序列集中的每个第一车道线像素点坐标值进行转换以生成车道线像素点三维坐标值，得到车道线像素点三维坐标值序列集，作为三维车道线信息：
Figure FDA0003219446100000034
其中，P表示第一车道线像素点对应的三维坐标值；I表示3×3的单位矩阵；[·]×表示反对称叉乘矩阵；h表示相机距离地面的高度值；p表示第一车道线像素点坐标值的转置矩阵；x′表示第一车道线像素点坐标值的横坐标值；y′表示第一车道线像素点坐标值的纵坐标值。
6.一种三维车道线信息生成装置，包括：
获取单元，被配置成获取数据，其中，所述数据包括：目标车辆的车载相机所拍摄的道路图像，与所述道路图像对应的目标车辆的车载相机的数据；
第一生成单元，被配置成对所述道路图像进行车道线检测以生成车道线信息集，其中，所述车道线信息包括车道线像素点坐标值序列；
确定单元，被配置成响应于确定所述车道线信息集满足预定条件，将所述车道线信息集中的每个车道线信息所包括的车道线像素点坐标值序列作为第一车道线像素点坐标值序列，得到第一车道线像素点坐标值序列集；
第二生成单元，被配置成基于所述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值；
第三生成单元，被配置成基于所述第一车道线交点坐标值与所述目标车辆的车载相机的数据，生成三维车道线信息；
其中，所述基于所述第一车道线像素点坐标值序列集，生成第一车道线交点坐标值，包括：
确定所述道路图像的像素坐标系；
对所述第一车道线像素点坐标值序列集中每个第一车道线像素点坐标值序列中的各个第一车道线像素点坐标值进行曲线拟合以生成车道线拟合曲线方程，得到多个车道线拟合曲线方程；
对所述多个车道线拟合曲线方程中的每个车道线拟合曲线方程进行曲率检测以生成车道线最大曲率，得到车道线最大曲率组；
从所述车道线最大曲率组中选出满足预定曲率条件的车道线最大曲率作为第一车道线曲率，得到第一车道线曲率组；
利用所述第一车道线曲率组中每个第一车道线曲率对应的车道线拟合曲线方程，生成车道线拟合直线方程，得到多个车道线拟合直线方程；
利用以下公式，确定所述多个车道线拟合直线方程中每两个车道线拟合直线方程的交点坐标值，得到交点坐标值组：
Figure FDA0003219446100000041
其中，s1，s2，s3分别表示矩阵中的元素；()T表示转置矩阵；c1表示两个车道线拟合直线方程中的第一个车道线拟合直线方程；c2表示两个车道线拟合直线方程中的第二个车道线拟合直线方程；
Figure FDA0003219446100000051
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中一次项的系数；
Figure FDA0003219446100000052
表示两个车道线拟合直线方程中的第一个车道线拟合直线方程中零次项的系数；
Figure FDA0003219446100000053
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中一次项的系数；
Figure FDA0003219446100000054
表示两个车道线拟合直线方程中的第二个车道线拟合直线方程中零次项的系数；u表示交点在像素坐标系中的纵坐标值；v表示交点在像素坐标系中的横坐标值；
对所述交点坐标值组中的各个交点坐标值进行拟合以生成拟合交点坐标值，作为第一车道线交点坐标值。
7.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
摄像头，被配置成采集图像；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202010976176.6A 2020-09-16 2020-09-16 三维车道线信息生成方法、装置、电子设备和介质 Active CN112598762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010976176.6A CN112598762B (zh) 2020-09-16 2020-09-16 三维车道线信息生成方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010976176.6A CN112598762B (zh) 2020-09-16 2020-09-16 三维车道线信息生成方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN112598762A CN112598762A (zh) 2021-04-02
CN112598762B true CN112598762B (zh) 2021-10-12

Family

ID=75180240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010976176.6A Active CN112598762B (zh) 2020-09-16 2020-09-16 三维车道线信息生成方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN112598762B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255619B (zh) * 2021-07-09 2021-11-23 禾多科技（北京）有限公司 车道线识别及定位方法、电子设备和计算机可读介质
CN113379852B (zh) * 2021-08-10 2021-11-30 禾多科技（北京）有限公司 用于验证相机标定结果的方法、装置、电子设备和介质
CN113942458B (zh) * 2021-10-29 2022-07-29 禾多科技（北京）有限公司 用于车载摄像头调整系统的控制方法、装置、设备和介质
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
CN114140538B (zh) * 2021-12-03 2022-09-27 禾多科技（北京）有限公司 车载相机位姿调整方法、装置、设备和计算机可读介质
CN114399587B (zh) * 2021-12-20 2022-11-11 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114399589B (zh) * 2021-12-20 2022-11-11 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114445597B (zh) * 2022-01-28 2022-11-11 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114742958B (zh) * 2022-02-18 2023-02-17 禾多科技（北京）有限公司 三维车道信息生成方法、装置、设备和计算机可读介质
CN114894205B (zh) * 2022-05-18 2023-05-23 禾多科技（北京）有限公司 三维车道线信息生成方法、装置、设备和计算机可读介质
CN115546350B (zh) * 2022-12-02 2023-05-23 苏州挚途科技有限公司 虚拟车道边缘线的生成方法、生成装置与处理器
CN116993637B (zh) * 2023-07-14 2024-03-12 禾多科技（北京）有限公司 用于车道线检测的图像数据处理方法、装置、设备和介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105260699B (zh) * 2015-09-10 2018-06-26 百度在线网络技术（北京）有限公司 一种车道线数据的处理方法及装置
KR20180050823A (ko) * 2016-11-07 2018-05-16 삼성전자주식회사 3차원의 도로 모델을 생성하는 방법 및 장치
CN107590438A (zh) * 2017-08-16 2018-01-16 中国地质大学（武汉） 一种智能辅助驾驶方法及系统
CN109034047B (zh) * 2018-07-20 2021-01-22 京东方科技集团股份有限公司 一种车道线检测方法及装置
CN109902637B (zh) * 2019-03-05 2021-03-19 长沙智能驾驶研究院有限公司 车道线检测方法、装置、计算机设备和存储介质
CN110516550B (zh) * 2019-07-26 2022-07-05 电子科技大学 一种基于fpga的车道线实时检测方法
CN111178150B (zh) * 2019-12-09 2023-05-09 安徽奇点智能新能源汽车有限公司 车道线检测方法、系统及存储介质
CN111126182B (zh) * 2019-12-09 2022-09-20 苏州智加科技有限公司 车道线检测方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN112598762A (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN112598762B (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN113607185B (zh) 车道线信息显示方法、装置、电子设备和计算机可读介质
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN114399588B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN114399589B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN113674357B (zh) 相机外参标定方法、装置、电子设备和计算机可读介质
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN114894205B (zh) 三维车道线信息生成方法、装置、设备和计算机可读介质
CN115393815A (zh) 道路信息生成方法、装置、电子设备和计算机可读介质
CN113592033B (zh) 油罐图像识别模型训练方法、油罐图像识别方法和装置
CN112598731B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN116182878B (zh) 道路曲面信息生成方法、装置、设备和计算机可读介质
CN116758498B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN114723640B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN114724115B (zh) 障碍物定位信息生成方法、装置、设备和计算机可读介质
CN113780247B (zh) 红绿灯检测方法、装置、电子设备和计算机可读介质
CN115393826A (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN110634159A (zh) 一种目标检测方法和装置
CN111965383B (zh) 车速信息生成方法、装置、电子设备和计算可读介质
CN116630436B (zh) 相机外参修正方法、装置、电子设备和计算机可读介质
CN111383337B (zh) 用于识别对象的方法和装置
CN114399555B (zh) 数据在线标定方法、装置、电子设备和计算机可读介质
CN114863025B (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN111325712B (zh) 用于检测图像有效性的方法及装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: 3D lane line information generation method, device, electronic equipment and medium

Effective date of registration: 20230228

Granted publication date: 20211012

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

Registration number: Y2023980033668

PE01 Entry into force of the registration of the contract for pledge of patent right
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100095 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

CP03 Change of name, title or address