CN113160355A - 园区车道线生成方法、系统及计算机可读存储介质 - Google Patents
园区车道线生成方法、系统及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113160355A CN113160355A CN202110404648.5A CN202110404648A CN113160355A CN 113160355 A CN113160355 A CN 113160355A CN 202110404648 A CN202110404648 A CN 202110404648A CN 113160355 A CN113160355 A CN 113160355A
- Authority
- CN
- China
- Prior art keywords
- lane
- line
- point cloud
- park
- vehicle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000009499 grossing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000059 patterning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Abstract
本发明公开了园区车道线生成方法、系统及计算机可读存储介质，所述方法步骤为，采用激光slam建图方案生成园区场景的点云地图；将相机与雷达进行标定，获得变换矩阵；通过车道线分割算法获取相机图像中的车道线信息；根据变换矩阵，将点云投影到图像上，获取点云中的车道线信息，计算车道中心线；车道需满足车辆轨迹方程的约束，获取激光slam建图时生成的车辆行驶轨迹；结合车道中心线和车辆行驶轨迹导入到点云地图中，并进行人工微调；对微调后的车道中心线进行平滑处理；对平滑处理后的车道中心线进行采样，生成车道中心线点；设置车宽，生成车道信息。本发明能够快速生成真实准确、适用于自动驾驶车辆行驶的车道线。
Description
技术领域
本发明属于自动驾驶技术领域，特别涉及了一种园区车道线生成方法。
背景技术
高精度地图是为了服务自动驾驶车辆而存在，目的是服务于各种自动驾驶场景。一般高精度地图中的包含多种交通元素，如车道线、停止线、红绿灯、标志牌等。其中，车道线是高精度地图中的重要元素，因为自动驾驶车辆需要在车道内沿着车道中心线行驶。
园区高精度地图包含的交通元素比较简单，一般只有车道线、标志牌、车位线这三种元素。由于车道线是园区高精度地图的重要元素，因此，如何快速生成真实准确、适用于自动驾驶车辆行驶的车道线是本领域研究的重点。
现有园区车道线生成技术存在的问题：
（1）园区车道线制作速度慢，自动化程度不高。
（2）园区车道线精确度不高：大部分园区内的绿化程度较高，包含树木等植被；导致在园区内gps信号弱，因此大部分采用gps的高精度地图制作精度不高。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了园区车道线生成方法、系统及计算机可读存储介质。
为了实现上述技术目的，本发明的技术方案为：
一种融合图像和点云的园区车道线生成方法，包括以下步骤：
（1）采用激光slam建图方案生成园区场景的点云地图；
（2）将相机与雷达进行标定，获得变换矩阵；通过车道线分割算法获取相机图像中的车道线信息；
（3）根据变换矩阵，将点云投影到图像上，获取点云中的车道线信息，计算车道中心线；
（4）车道需满足车辆轨迹方程的约束，获取激光slam建图时生成的车辆行驶轨迹；
（5）结合步骤（3）的车道中心线和步骤（4）的车辆行驶轨迹导入到点云地图中，并进行人工微调；
（6）对微调后的车道中心线进行平滑处理；
（7）对平滑处理后的车道中心线进行采样，生成车道中心线点；设置车宽，生成车道信息。
进一步地，在步骤（1）中，所述激光slam建图方案包括但不限于LeGo-LOAM。
进一步地，在步骤（5）中，当处于弯道处，以车辆行驶轨迹为主、车道中心线为辅进行人工微调。
进一步地，在步骤（6）中，采用bspline样条曲线进行平滑处理。
一种园区车道线生成系统，包括处理器和存储器，所述存储器存储有所述处理器的执行指令，所述处理器配置为执行所述执行指令来实现上述园区车道线生成方法。
一种计算机可读存储介质，用于存储程序，执行所述程序以实现上述园区车道线生成方法。
采用上述技术方案带来的有益效果：
本发明融合了图像信息和点云信息来生成车道线，自动化程度较高，制作效率快；本发明不采用gps信号，生成的车道线精度较高。
附图说明
图1是本发明的方法流程图；
图2是本发明步骤2的仿真示意图；
图3是本发明步骤4的仿真示意图；
图4是本发明步骤5的仿真示意图；
图5是本发明步骤6的仿真示意图；
图6是本发明步骤7的仿真示意图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种融合图像和点云的园区车道线生成方法，如图1所示，步骤如下：
步骤1：采用激光slam建图方案生成园区场景的点云地图。
步骤2：将相机与雷达进行标定，获得变换矩阵；通过车道线分割算法获取相机图像中的车道线信息，如图2所示。
步骤3：根据变换矩阵，将点云投影到图像上，获取点云中的车道线信息，计算车道中心线。
步骤4：车道需满足车辆轨迹方程的约束，获取激光slam建图时生成的车辆行驶轨迹，如图3所示。
步骤5：结合步骤3的车道中心线和步骤4的车辆行驶轨迹导入到点云地图中，并进行人工微调，如图4所示。
步骤6：对微调后的车道中心线进行平滑处理，如图5所示。
步骤7：对平滑处理后的车道中心线进行采样，生成车道中心线点；设置车宽，生成车道信息，如图6所示。
在步骤1中，优选地，所述激光slam建图方案包括但不限于LeGo-LOAM。
在步骤5中，优选地，当处于弯道处，以车辆行驶轨迹为主、车道中心线为辅进行人工微调。
在步骤6中，优选地，采用bspline样条曲线进行平滑处理。
本发明还提出了一种园区车道线生成系统，包括处理器和存储器，所述存储器存储有所述处理器的执行指令，所述处理器配置为执行所述执行指令来实现上述园区车道线生成方法。
本发明还提出了一种计算机可读存储介质，用于存储程序，执行所述程序以实现上述园区车道线生成方法。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。
Claims (6)
1.一种融合图像和点云的园区车道线生成方法，其特征在于，包括以下步骤：
（1）采用激光slam建图方案生成园区场景的点云地图；
（2）将相机与雷达进行标定，获得变换矩阵；通过车道线分割算法获取相机图像中的车道线信息；
（3）根据变换矩阵，将点云投影到图像上，获取点云中的车道线信息，计算车道中心线；
（4）车道需满足车辆轨迹方程的约束，获取激光slam建图时生成的车辆行驶轨迹；
（5）结合步骤（3）的车道中心线和步骤（4）的车辆行驶轨迹导入到点云地图中，并进行人工微调；
（6）对微调后的车道中心线进行平滑处理；
（7）对平滑处理后的车道中心线进行采样，生成车道中心线点；设置车宽，生成车道信息。
2.根据权利要求1所述融合图像和点云的园区车道线生成方法，其特征在于，在步骤（1）中，所述激光slam建图方案包括但不限于LeGo-LOAM。
3.根据权利要求1所述融合图像和点云的园区车道线生成方法，其特征在于，在步骤（5）中，当处于弯道处，以车辆行驶轨迹为主、车道中心线为辅进行人工微调。
4.根据权利要求1所述融合图像和点云的园区车道线生成方法，其特征在于，在步骤（6）中，采用bspline样条曲线进行平滑处理。
5.一种园区车道线生成系统，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器的执行指令，所述处理器配置为执行所述执行指令来实现权利要求1-4中任意一项所述园区车道线生成方法。
6.一种计算机可读存储介质，用于存储程序，其特征在于，执行所述程序以实现权利要求1-4中任意一项所述园区车道线生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110404648.5A CN113160355A (zh) | 2021-04-15 | 2021-04-15 | 园区车道线生成方法、系统及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110404648.5A CN113160355A (zh) | 2021-04-15 | 2021-04-15 | 园区车道线生成方法、系统及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113160355A true CN113160355A (zh) | 2021-07-23 |
Family
ID=76867549
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110404648.5A Pending CN113160355A (zh) | 2021-04-15 | 2021-04-15 | 园区车道线生成方法、系统及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160355A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110218724A1 (en) * | 2010-03-04 | 2011-09-08 | Denso Corporation | Road shape learning apparatus |
| JP2017090649A (ja) * | 2015-11-10 | 2017-05-25 | 田中 成典 | 道路特徴決定装置 |
| KR102103941B1 (ko) * | 2018-11-14 | 2020-04-23 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 도로 및 차선데이터 실시간 업데이트 방법 |
| CN112154445A (zh) * | 2019-09-19 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 高精度地图中车道线的确定方法和装置 |
| CN112240772A (zh) * | 2020-12-16 | 2021-01-19 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
-
2021
- 2021-04-15 CN CN202110404648.5A patent/CN113160355A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110218724A1 (en) * | 2010-03-04 | 2011-09-08 | Denso Corporation | Road shape learning apparatus |
| JP2017090649A (ja) * | 2015-11-10 | 2017-05-25 | 田中 成典 | 道路特徴決定装置 |
| KR102103941B1 (ko) * | 2018-11-14 | 2020-04-23 | 주식회사 모빌테크 | 포인트 클라우드 맵 기반의 자율주행차량용 도로 및 차선데이터 실시간 업데이트 방법 |
| CN112154445A (zh) * | 2019-09-19 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 高精度地图中车道线的确定方法和装置 |
| CN112240772A (zh) * | 2020-12-16 | 2021-01-19 | 北京赛目科技有限公司 | 一种车道线生成方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200072616A1 (en) | High-precision map generation method, device and computer device | |
| CN108609014B (zh) | 智能车辆的横向控制方法及装置 | |
| JP7351487B2 (ja) | トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム | |
| CN106441319B (zh) | 一种无人驾驶车辆车道级导航地图的生成系统及方法 | |
| US11226205B2 (en) | Method and device for reducing intermediate points in a polygon | |
| CN109387208B (zh) | 一种地图数据的处理方法、装置、设备和介质 | |
| CN110716558A (zh) | 一种基于数字孪生技术的非公开道路用自动驾驶系统 | |
| CN106568456B (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
| CN109900279A (zh) | 一种基于泊车位全局路由的停车场语义地图创建方法 | |
| CN115493602A (zh) | 语义地图构建方法、装置及电子设备、存储介质 | |
| CN110009741A (zh) | 一种在Unity中生成环境点云地图的方法 | |
| CN114485698B (zh) | 一种交叉路口引导线生成方法及系统 | |
| CN115752432A (zh) | 无人机采集道路交通图中虚线车道线自动提取方法及系统 | |
| CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
| CN113506459A (zh) | 一种地下停车场众包地图采集方法 | |
| CN113160355A (zh) | 园区车道线生成方法、系统及计算机可读存储介质 | |
| CN111323026B (zh) | 一种基于高精度点云地图的地面过滤方法 | |
| CN116125980A (zh) | 无人货车驾驶方法、装置、电子设备及存储介质 | |
| CN110727748B (zh) | 小体量高精度定位图层的构建、编译及读取方法 | |
| CN110446106B (zh) | 一种前置摄像头文件的识别方法、电子设备及存储介质 | |
| CN113744360A (zh) | 一种高精地图数据自动生成道路元素网格的方法和系统 | |
| CN112721935A (zh) | 一种车辆控制模型训练方法、车辆控制方法及装置 | |
| CN110736474B (zh) | 一种车辆的地图信息获取方法及装置 | |
| CN111427331A (zh) | 无人驾驶车辆的感知信息展示方法、装置和电子设备 | |
| RU2764741C1 (ru) | Система формирования энергоэффективного трека эксплуатируемого транспортного средства при движении эксплуатируемого транспортного средства по автомагистрали |
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 |