CN112749680A - 用于构建道路模型的方法和设备 - Google Patents
用于构建道路模型的方法和设备 Download PDFInfo
- Publication number
- CN112749680A CN112749680A CN202110094424.9A CN202110094424A CN112749680A CN 112749680 A CN112749680 A CN 112749680A CN 202110094424 A CN202110094424 A CN 202110094424A CN 112749680 A CN112749680 A CN 112749680A
- Authority
- CN
- China
- Prior art keywords
- lane
- lane line
- pool
- historical
- lines
- 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.)
- Pending
Links
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
- G01C21/38—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
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- 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)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于构建道路模型的方法,所述方法包括:构建车道线池,所述车道线池包括一条或多条历史车道线;基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。本发明还涉及一种用于构建道路模型的设备、计算机存储介质以及车辆。
Description
技术领域
本发明涉及构建道路模型的领域,更具体地,涉及一种用于构建道路模型的方法和设备、计算机存储介质以及车辆。
背景技术
随着高级驾驶辅助系统(ADAS)功能的逐步智能化,对于外部环境信息输入的要求越来越高,但是(例如基于视觉的)车道线识别能力并没有提升得那么快,在一些工况下仍然会出现短暂的车道线漏检测(例如只检测到当前车道的左车道线和右侧车道的右车道线),从而对于真实世界发生错误的判断(即构建的道路模型发生偏差),无法满足更多功能的设计需求。
发明内容
根据本发明的一方面,提供了一种用于构建道路模型的方法,所述方法包括:构建车道线池,所述车道线池包括一条或多条历史车道线;基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
作为上述方案的补充或替换,在上述方法中,所述当前车道线基于视觉传感器检测所得。
作为上述方案的补充或替换,在上述方法中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:计算所述当前车道线与历史车道线的匹配得分;并且在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。
作为上述方案的补充或替换,在上述方法中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:计算所述当前车道线与历史车道线的匹配得分;并且确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。
作为上述方案的补充或替换,在上述方法中,计算所述当前车道线与历史车道线的匹配得分包括:基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
作为上述方案的补充或替换,在上述方法中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:当所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。
作为上述方案的补充或替换,在上述方法中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池还包括:当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
作为上述方案的补充或替换,在上述方法中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。
作为上述方案的补充或替换,在上述方法中,在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
作为上述方案的补充或替换,在上述方法中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型包括:构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。
作为上述方案的补充或替换,在上述方法中,利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联包括:在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
作为上述方案的补充或替换,在上述方法中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型还包括:删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。
作为上述方案的补充或替换,在上述方法中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型还包括:对于所述车道池中的有效车道,检查其左右车道线信息;以及在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
根据本发明的另一个方面,提供了一种用于构建道路模型的设备,所述设备包括:第一构建装置,用于构建车道线池,所述车道线池包括一条或多条历史车道线;更新装置,用于基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及第二构建装置,用于对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
作为上述方案的补充或替换,在上述设备中,所述当前车道线基于视觉传感器检测所得。
作为上述方案的补充或替换,在上述设备中,所述更新装置包括:第一计算单元,用于计算所述当前车道线与历史车道线的匹配得分;以及第一确定单元,用于在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。
作为上述方案的补充或替换,在上述设备中,所述更新装置包括:第二计算单元,用于计算所述当前车道线与历史车道线的匹配得分;并且第二确定单元,用于确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。
作为上述方案的补充或替换,在上述设备中,所述第一计算单元或所述第二计算单元配置成:基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
作为上述方案的补充或替换,在上述设备中,所述更新装置配置成:在所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。
作为上述方案的补充或替换,在上述设备中,所述更新装置还配置成:当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
作为上述方案的补充或替换,在上述设备中,所述更新装置配置成:根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。
作为上述方案的补充或替换,在上述设备中,所述更新装置配置成:在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
作为上述方案的补充或替换,在上述设备中,所述第二构建装置配置成:构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。
作为上述方案的补充或替换,在上述设备中,利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联包括:在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
作为上述方案的补充或替换,在上述设备中,所述第二构建装置还配置成:删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。
作为上述方案的补充或替换,在上述设备中,所述第二构建装置还配置成:对于所述车道池中的有效车道,检查其左右车道线信息;以及在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
根据本发明的又一个方面,提供了一种计算机存储介质,所述介质包括指令,所述指令在运行时执行如前所述的方法。
根据本发明的又一个方面,提供了一种车辆,其包括如前所述的设备。
本发明的实施例的用于构建道路模型的方案通过构建车道线池,对于识别到的车道线进行跟踪管理,并形成和关联车道。该方案为后面的功能算法提供一个良好的道路模型,解决了当传感器对于车道线识别出现跳变或者漏识别时,对于真实世界发生错误判断的技术问题。
附图说明
从结合附图的以下详细说明中,将会使本发明的上述和其他目的及优点更加完整清楚,其中,相同或相似的要素采用相同的标号表示。
图1示出了根据本发明的一个实施例的用于构建道路模型的方法的流程示意图;
图2示出了根据本发明的一个实施例的用于构建道路模型的设备的结构示意图;
图3示出了根据本发明的一个实施例、车道线匹配和跟踪的流程示意图;以及
图4示出了根据本发明的一个实施例、利用车道线执行车道匹配处理从而构建道路模型的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。
另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
虽然将示例性实施例描述为使用多个单元来执行示例性过程,但是应理解,这些示例性过程也可由一个或多个模块来执行。
而且,本发明的控制逻辑可作为可执行程序指令而包含在计算机可读介质上,该可执行程序指令由处理器等实施。计算机可读介质的实例包括,但不限于,ROM、RAM、光盘、磁带、软盘、闪盘驱动器、智能卡和光学数据存储装置。计算机可读记录介质也可分布在连接有网络的计算机系统中,使得例如通过车载远程通信服务或者控制器局域网(CAN)以分布式方式储存并实施计算机可读介质。
除非具体地提到或者从上下文中显而易见,否则如这里使用的,将术语“大约”理解为在本领域中的正常公差的范围内,例如在平均值的2个标准差内。
应理解,这里所使用的术语“车辆”或者其他类似的术语包括一般的机动车辆,例如乘用车(包括运动型多用途车、公共汽车、卡车等)、各种商用车等等,并包括混合动力汽车、电动车等。混合动力汽车是一种具有两个或更多个功率源的车辆,例如汽油动力和电动车辆。
在下文中,将参考附图详细地描述根据本发明的各示例性实施例的用于构建道路模型的方案。
图1示出了根据本发明的一个实施例的用于构建道路模型的方法1000的流程示意图。如图1所示,该方法1000包括如下步骤:
在步骤S110中,构建车道线池,所述车道线池包括一条或多条历史车道线;
在步骤S120中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及
在步骤S130中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
在本发明的上下文中,术语“车道线”也可称为“车道标线”,即可用来标示或表示车道的线条。在一个或多个实施例中,车道线既可以是实线,又可以是虚线。
术语“当前车道线”是指当前实际检测或计算所得到的车道线,例如基于视觉传感器检测所得的车道线。“历史车道线”是相对于“当前车道线”而言,之前(例如前一个周期)所检测或计算所得到的车道线。历史车道线中的有效车道线(信息)所组成的集合被称为“车道线池”。
在本发明的上下文中,术语“道路模型”是反映道路环境信息、用于自动驾驶功能(包括但不限于车道线偏离报警功能)计算的模型。
由于单纯依靠一根或者两根车道线信息已无法满足更多的自动驾驶功能需求,所以在本发明的一个或多个实施例中,通过所有车道线的历史信息、道路构建规则、已检测的所有车道线信息来构建一个更完善的道路模型,从而满足日益智能的功能开发需求。.
在一个实施例中,步骤S120包括:计算所述当前车道线与历史车道线的匹配得分;并且在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。在另一个实施例中,步骤S120包括:计算所述当前车道线与历史车道线的匹配得分;并且确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。在一个或多个实施例中,计算所述当前车道线与历史车道线的匹配得分包括:基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
在一个实施例中,步骤S120包括:当所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。在一个实施例中,步骤S120还包括:当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
在一个实施例中,步骤S120包括:根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
完整来说,在一个实施例中,在用车道线生成道路模型时,需要先对车道线进行匹配和跟踪。首先需要对车道线池里所有车道线,根据本车的运动信息对车道线进行预估计,然后通过对当前车道线的检测结果和车道线池内历史车道线进行匹配,由于车道线的特殊性,不可能出现1匹配n的可能,所以可以用两根车道线的平均距离和终点朝向信息来给所有配对计算一个得分,在完成匹配的条件时实现最大权匹配。对于没有完成匹配的当前检测的车道线,则直接进入车道线池。对于没有完成匹配的历史车道线,则保留预估计的状态,降低对应的置信度,若置信度高于设定阈值,也仍然保留在车道线池内。
步骤S130在一个实施例中包括:构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。其中,利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联可包括:在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
在一个实施例中,步骤S130还包括:删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。在一个实施例中,步骤S130还包括:对于所述车道池中的有效车道,检查其左右车道线信息;以及在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
具体来说,在一个实施例中,在完成车道线的匹配与跟踪后,接下来要对在车道线池内的所有车道线进行车道匹配处理。如一根车道线已经和车道匹配,那么保持这个匹配关系,并对车道的车道线属性进行更新;如果没有匹配上,根据道路设计规则,一根车道线肯定是从属于一个或者两个相邻车道的,所以需要根据该车道线来生成新的车道,并为其左右车道重新建立拓扑关系。当对车道线池内的所有车道线都完成匹配操作后,开始删除车道池内无效的车道。对于有效车道,则检查左右车道线信息,如发现有车道线信息在本次检测缺失,则可以根据另一侧车道线及相邻车道的另一侧车道线信息,来综合计算出丢失的车道线的所有属性。
由于道路上任意一根车道线的设计划分一定是连续的,且是从属于一个或者两个相邻车道的。那么根据本发明的一个或多个实施例,通过构建一个车道线池,每次新的检测都需要与车道线池内的车道线进行关联及跟踪,这样可以为每一根车道线打上唯一标识符。之后根据前文提到的先验信息,用车道线来生成新的车道或者和历史车道进行关联,并形成道路拓扑。如果某个车道一侧车道线发生丢失,在能够对该车道线进行预测的同时,也可以根据左右车道的其他车道线信息来填充该未检测到的车道线。
因此,上述本发明的一个或多个实施例可解决偶发的基于视觉的车道线漏检测、短暂性丢失等当前视觉传感器很难完美解决的问题,并解决传感器给出的道路信息零散、相互不关联问题。
图2示出了根据本发明的一个实施例的用于构建道路模型的设备2000的结构示意图。如图2所示,该用于构建道路模型的设备2000包括第一构建装置210、更新装置220以及第二构建装置230。其中,第一构建装置210用于构建车道线池,所述车道线池包括一条或多条历史车道线;更新装置220用于基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;第二构建装置230用于对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
在本发明的上下文中,术语“车道线”也可称为“车道标线”,即可用来标示或表示车道的线条。在一个或多个实施例中,车道线既可以是实线,又可以是虚线。
术语“当前车道线”是指当前实际检测或计算所得到的车道线,例如基于视觉传感器检测所得的车道线。“历史车道线”是相对于“当前车道线”而言,之前(例如前一个周期)所检测或计算所得到的车道线。历史车道线中的有效车道线(信息)所组成的集合被称为“车道线池”。
在本发明的上下文中,术语“道路模型”是反映道路环境信息、用于自动驾驶功能(包括但不限于车道线偏离报警功能)计算的模型。
在一个实施例中,更新装置220包括:第一计算单元,用于计算所述当前车道线与历史车道线的匹配得分;以及第一确定单元,用于在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。在另一个实施例中,该更新装置220包括:第二计算单元,用于计算所述当前车道线与历史车道线的匹配得分;以及第二确定单元,用于确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。
前述第一计算单元或第二计算单元在一个实施例中配置成:基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
在一个实施例中,更新装置220配置成:在所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。在一个实施例中,该更新装置220还配置成:当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
在一个实施例中,更新装置220配置成:根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
在一个实施例中,第二构建装置230配置成:构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联在一个或多个实施例中包括:在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
在一个实施例中,第二构建装置230还配置成:删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。在一个实施例中,第二构建装置230进一步配置成:对于所述车道池中的有效车道,检查其左右车道线信息;以及在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
本领域技术人员容易理解,本发明的一个或多个实施例提供的用于构建道路模型的方法可通过计算机程序来实现。例如,当存有该计算机程序的计算机存储介质(例如U盘)与计算机相连时,运行该计算机程序即可执行本发明的一个或多个实施例的用于构建道路模型的方法。
转到图3,它示出了根据本发明的一个实施例、车道线匹配和跟踪的流程示意图3000。如图3所示,在步骤310中,获得上一周期的车道线池;在步骤320中,获得本周期(即当前周期)的车道线检测结果;在步骤330中,对车道线匹配度进行计算;在步骤340中,判断是否成功匹配;若成功,则执行步骤350来更新车道线,接着,在步骤360中,估算并更新没有配对的旧车道线(或历史车道线);若匹配失败,则在步骤380中,生成新的车道线并加入车道线池中;最后,在步骤370中,生成新周期的车道线池。
图4示出了根据本发明的一个实施例、利用车道线执行车道匹配处理从而构建道路模型的流程示意图4000。如图4所示,在步骤410中,获取车道池;在步骤420中,获取车道线池;接着,在步骤415中,删除无效且未匹配车道的车道线。例如,因为在车道线匹配和跟踪过程中,如果出现上一周期车道线A被检测到,而当前周期该车道线A无法匹配到任何最新检测时,会降低其置信度,如果置信度持续降低直到低于某个阈值且该没有根据该车道线生成任何车道的话,就需要将车道线A从车道线池中删除。如果匹配了车道的话,不仅要删除车道线,还需要更新对应车道的车道线匹配关系。
在步骤430中,判断车道线与已存在的车道是否匹配;若匹配,则在步骤440中,更新车道对应车道线信息;若未能匹配,则在步骤450中新增车道,并且在步骤460中对车道与车道的拓扑结构状态进行更新。在步骤470中,删除车道池内的无效车道,随后在步骤480中,对车道信息进行补足(例如对于缺失的车道线信息,可根据左右车道的其他车道线信息来填充未检测到的车道线);最后,在步骤490中,生成新的车道池。
综上,本发明的一个或多个实施例利用关联法,对于识别到的车道线进行跟踪管理,并形成和关联车道,这可为后面的功能算法提供一个良好的道路模型,使得当传感器对于车道线识别出现跳变或者漏识别时,可避免对于真实世界发生错误判断。
尽管以上说明书只对其中一些本发明的实施方式进行了描述,但是本领域普通技术人员应当了解,本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此,所展示的例子与实施方式被视为示意性的而非限制性的,在不脱离如所附各权利要求所定义的本发明精神及范围的情况下,本发明可能涵盖各种的修改与替换。
Claims (28)
1.一种用于构建道路模型的方法,其特征在于,所述方法包括:
构建车道线池,所述车道线池包括一条或多条历史车道线;
基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及
对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
2.如权利要求1所述的方法,其中,所述当前车道线基于视觉传感器检测所得。
3. 如权利要求1所述的方法,其中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:
计算所述当前车道线与历史车道线的匹配得分;并且
在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。
4. 如权利要求1所述的方法,其中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:
计算所述当前车道线与历史车道线的匹配得分;并且
确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。
5.如权利要求3或4所述的方法,其中,计算所述当前车道线与历史车道线的匹配得分包括:
基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
6.如权利要求1所述的方法,其中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:
当所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。
7.如权利要求6所述的方法,其中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池还包括:
当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
8. 如权利要求6所述的方法,其中,基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池包括:
根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及
对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。
9.如权利要求8所述的方法,其中,在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
10. 如权利要求1所述的方法,其中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型包括:
构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及
利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。
11. 如权利要求10所述的方法,其中,利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联包括:
在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及
在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
12.如权利要求10所述的方法,其中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型还包括:
删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。
13. 如权利要求12所述的方法,其中,对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型还包括:
对于所述车道池中的有效车道,检查其左右车道线信息;以及
在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
14.一种用于构建道路模型的设备,其特征在于,所述设备包括:
第一构建装置,用于构建车道线池,所述车道线池包括一条或多条历史车道线;
更新装置,用于基于当前车道线与所述车道线池中的所述一条或多条历史车道线的匹配,更新所述车道线池;以及
第二构建装置,用于对更新的车道线池中的所有车道线执行车道匹配处理,从而构建所述道路模型。
15.如权利要求14所述的设备,其中,所述当前车道线基于视觉传感器检测所得。
16. 如权利要求14所述的设备,其中,所述更新装置包括:
第一计算单元,用于计算所述当前车道线与历史车道线的匹配得分;以及
第一确定单元,用于在所述匹配得分高于第一阈值时,确定所述当前车道线与该历史车道线匹配。
17. 如权利要求14所述的设备,其中,所述更新装置包括:
第二计算单元,用于计算所述当前车道线与历史车道线的匹配得分;并且
第二确定单元,用于确定所述当前车道线与最高匹配得分所对应的历史车道线匹配。
18.如权利要求16或17所述的设备,其中,所述第一计算单元或所述第二计算单元配置成:
基于所述当前车道线与所述历史车道线之间的平均距离以及所述当前车道线和所述历史车道线的终点朝向信息,计算所述当前车道线与历史车道线的匹配得分。
19.如权利要求14所述的设备,其中,所述更新装置配置成:
在所述当前车道线与所述一条或多条历史车道线之一匹配时,更新所述车道线池中与所述当前车道线对应的车道线信息。
20.如权利要求19所述的设备,其中,所述更新装置还配置成:
当所述当前车道线与所述一条或多条历史车道线均不匹配时,将所述当前车道线加入所述车道线池中。
21. 如权利要求19所述的设备,其中,所述更新装置配置成:
根据本车的运动信息对所述一条或多条历史车道线进行预估计;以及
对于所述车道线池中没有完成匹配的历史车道线,保留其预估计的状态并降低对应的置信度。
22.如权利要求21所述的设备,其中,所述更新装置配置成:在所述置信度高于第二阈值时,将所述没有完成匹配的历史车道线保留在所述车道线池内。
23. 如权利要求14所述的设备,其中,所述第二构建装置配置成:
构建车道池,所述车道池包括基于所述一条或多条历史车道线所生成的一条或多条历史车道;以及
利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联,从而形成道路拓扑。
24. 如权利要求23所述的设备,其中,利用所述更新的车道线池中的车道线来生成新的车道或者与所述一条或多条历史车道进行关联包括:
在所述更新的车道线池中的第一车道线与第一历史车道匹配时,更新所述第一历史车道对应的车道线信息;以及
在所述更新的车道线池中的第二车道线与所述一条或多条历史车道均不匹配时,基于所述第二车道线来生成新的车道,并为该新的车道的左右车道重新建立拓扑关系。
25.如权利要求23所述的设备,其中,所述第二构建装置还配置成:
删除所述车道池内未与所述更新的车道线池中的车道线匹配的车道。
26. 如权利要求25所述的设备,其中,所述第二构建装置还配置成:
对于所述车道池中的有效车道,检查其左右车道线信息;以及
在存在车道线信息缺失时,根据另一侧车道线及相邻车道的车道线信息,来综合计算出丢失的车道线的属性。
27.一种计算机存储介质,所述介质包括指令,所述指令在运行时执行如权利要求1至13中任一项所述的方法。
28.一种车辆,包括如权利要求14至26中任一项所述的设备。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110094424.9A CN112749680A (zh) | 2021-01-25 | 2021-01-25 | 用于构建道路模型的方法和设备 |
EP22151906.9A EP4044130A3 (en) | 2021-01-25 | 2022-01-18 | Method and device for building road model |
US17/582,162 US20220236074A1 (en) | 2021-01-25 | 2022-01-24 | Method and device for building road model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110094424.9A CN112749680A (zh) | 2021-01-25 | 2021-01-25 | 用于构建道路模型的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112749680A true CN112749680A (zh) | 2021-05-04 |
Family
ID=75653046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110094424.9A Pending CN112749680A (zh) | 2021-01-25 | 2021-01-25 | 用于构建道路模型的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220236074A1 (zh) |
EP (1) | EP4044130A3 (zh) |
CN (1) | CN112749680A (zh) |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330376B (zh) * | 2017-06-06 | 2020-01-21 | 广州汽车集团股份有限公司 | 一种车道线识别方法及系统 |
CN109084782B (zh) * | 2017-06-13 | 2024-03-12 | 蔚来(安徽)控股有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建系统 |
CN111209770B (zh) * | 2018-11-21 | 2024-04-23 | 北京三星通信技术研究有限公司 | 一种车道线识别方法及装置 |
US11544940B2 (en) * | 2019-01-04 | 2023-01-03 | Qualcomm Incorporated | Hybrid lane estimation using both deep learning and computer vision |
US11549815B2 (en) * | 2019-06-28 | 2023-01-10 | GM Cruise Holdings LLC. | Map change detection |
CN110645996B (zh) * | 2019-09-17 | 2021-07-16 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及系统 |
CN110954128B (zh) * | 2019-12-03 | 2021-11-16 | 阿波罗智能技术(北京)有限公司 | 检测车道线位置变化的方法、装置、电子设备和存储介质 |
CN111126213B (zh) * | 2019-12-13 | 2022-09-02 | 苏州智加科技有限公司 | 基于历史缓存数据的车道线检测方法、装置及存储介质 |
CN111324616B (zh) * | 2020-02-07 | 2023-08-25 | 北京百度网讯科技有限公司 | 车道线变化信息的检测方法、装置及设备 |
CN111523471B (zh) * | 2020-04-23 | 2023-08-04 | 阿波罗智联(北京)科技有限公司 | 车辆所在车道的确定方法、装置、设备以及存储介质 |
EP4141736A4 (en) * | 2020-04-28 | 2023-06-21 | Huawei Technologies Co., Ltd. | LANE KEEPING METHOD AND APPARATUS |
CN111539401B (zh) * | 2020-07-13 | 2020-10-23 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的车道线检测方法、装置、终端及存储介质 |
CN112683284B (zh) * | 2020-12-01 | 2024-01-02 | 北京罗克维尔斯科技有限公司 | 更新高精地图的方法及装置 |
CN114639079B (zh) * | 2020-12-15 | 2023-06-30 | 北京百度网讯科技有限公司 | 匹配车道线数据的方法、装置、设备和存储介质 |
-
2021
- 2021-01-25 CN CN202110094424.9A patent/CN112749680A/zh active Pending
-
2022
- 2022-01-18 EP EP22151906.9A patent/EP4044130A3/en active Pending
- 2022-01-24 US US17/582,162 patent/US20220236074A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4044130A2 (en) | 2022-08-17 |
EP4044130A3 (en) | 2022-10-26 |
US20220236074A1 (en) | 2022-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11480967B2 (en) | Pass route planning method and apparatus, device and readable storage medium | |
CN109606384B (zh) | 车辆控制方法、装置、设备和存储介质 | |
JP7355863B2 (ja) | 車両制御方法、装置、電子機器及び車両 | |
KR101655606B1 (ko) | 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN110866544A (zh) | 传感器数据的融合方法、装置及存储介质 | |
CN107506733B (zh) | 一种障碍物识别方法、雾节点及系统 | |
CN113674317B (zh) | 一种高位视频的车辆跟踪方法及装置 | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN115908498B (zh) | 一种基于类别最优匹配的多目标跟踪方法及装置 | |
CN117168488A (zh) | 一种车辆的路径规划方法、装置、设备及介质 | |
CN112749680A (zh) | 用于构建道路模型的方法和设备 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN113895449B (zh) | 一种前向目标的确定方法、装置及电子设备 | |
CN115657076A (zh) | 一种基于固态激光雷达语义融合的定位方法 | |
CN112590808B (zh) | 多传感器融合方法、系统及自动驾驶车辆 | |
CN114426030B (zh) | 一种行人穿行意图估计方法、装置、设备和汽车 | |
KR20230095951A (ko) | 지도 타당성 검사 방법 | |
CN112560664A (zh) | 一种违禁区域入侵检测的方法、装置、介质及电子设备 | |
CN116592869B (zh) | 地图的更新方法、装置、电子设备及存储介质 | |
CN112200765B (zh) | 车辆中被误检的关键点的确定方法及装置 | |
CN114379592B (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN111899384B (zh) | 远程锁车方法、装置、计算机设备和存储介质 | |
US20230266468A1 (en) | Track Association Method and System for Tracking Objects | |
CN117078716A (zh) | 一种点云数据处理方法、装置、电子设备及存储介质 |
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 |