CN114332105A - 一种可行驶区域分割方法、系统、电子设备及存储介质 - Google Patents
一种可行驶区域分割方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114332105A CN114332105A CN202111280489.9A CN202111280489A CN114332105A CN 114332105 A CN114332105 A CN 114332105A CN 202111280489 A CN202111280489 A CN 202111280489A CN 114332105 A CN114332105 A CN 114332105A
- Authority
- CN
- China
- Prior art keywords
- road
- lane line
- road surface
- information
- 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
Images
Abstract
本发明提供一种可行驶区域分割方法、系统、电子设备及存储介质,该方法包括:通过车载相机和激光雷达采集路面信息;构建车道线方程并标记障碍物信息,通过大津算法分割车道线内可行驶区域;当路面无车道线时,通过预定道路模型匹配当前道路,提取道路边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。从而可以简化路径过程,降低车辆计算性能需求,保障自动驾驶安全。
Description
技术领域
本发明属于自动驾驶领域,尤其涉及一种可行驶区域分割方法、系统、 电子设备及存储介质。
背景技术
自动驾驶作为未来汽车技术的主要发展方向之一,驾驶安全必然成为关 注的重点之一,自动驾驶车辆的安全行驶区域判断是避免事故,以及行驶舒 适性的关键。
目前,常见的安全驾驶方法是根据自车周围信息,由驾驶决策模块生成 相应的驾驶策略,其避障算法会根据他车状态、车道线等生成最优行驶路线, 虽然此类方法可以保障最优决策,但计算过程较为复杂,一般会对车辆处理 性能有较高要求。
发明内容
有鉴于此,本发明实施例提供了一种可行驶区域分割方法、系统、电子 设备及存储介质,用于解决现有路径规划过程较为复杂,对车辆计算性能有 较高要求的问题。
在本发明实施例的第一方面,提供了一种可行驶区域分割方法,包括:
通过车载相机和激光雷达采集路面信息;
构建车道线方程并标记障碍物信息,通过大津算法分割车道线内可行驶 区域;
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路 边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域
在本发明实施例的第二方面,提供了一种可行驶区域分割系统,包括:
采集模块,用于通过车载相机和激光雷达采集路面信息;
分割模块,用于构建车道线方程并标记障碍物信息,通过大津算法分割 车道线内可行驶区域;
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路 边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。
在本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理 器以及存储在所述存储器中并可在所述处理器运行的计算机程序,所述处理 器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计 算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现 本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,通过分割车道内可行驶区域,为驾驶路线规划提供可 靠的决策信息,简化路线规划过程,降低对车端计算性能的要求,保障自动 驾驶车辆的安全性,减少车辆事故。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有 技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅 仅是本发明的一些实施例,对本领域普通技术人员来讲,在不付出创造性劳 动的前提下,还可以根据这些附图获取其他附图。
图1为本发明一个实施例提供的一种可行驶区域分割方法的流程示意图;
图2为本发明一个实施例提供的一种可行驶区域分割方法的另一流程示 意图;
图3为本发明一个实施例提供的一种可行驶区域分割系统的结构示意图;
图4为本发明的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部 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它实施例,都属于本发明保护的范围。
应当理解,本发明的说明书或权利要求书及上述附图中的术语“包括” 以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元 的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第 一”“第二”用于区分不同对象,并非用于描述特定顺序。
请参阅图1,本发明实施例提供的一种可行驶区域分割方法的流程示意 图,包括:
S101、通过车载相机和激光雷达采集路面信息;
所述车载相机和激光雷达为自动驾驶车辆携带的传感器,用于采集车辆 行驶过程的路面信息。
其中,通过所述车载相机采集路面图像,通过所述激光雷达检测路面上 障碍物宽度、相对距离和相对速度。
所述路面信息一般为行驶中自车周围的路面信息,可以为自车前方路面 信息,也可以为自车周围一定范围内的路面信息。
S102、构建车道线方程并标记障碍物信息,通过大津算法分割车道线内 可行驶区域;
所述车道线方程为车道线平面上建立的方程,所述障碍物信息为车载激 光雷达采集的位置、相对速度等信息。
所述大津算法是一种图像分割优化方法,通过ROI区域分割可以得到排 除障碍物的安全行驶区域。
其中,根据图像中前景、背景的比例和平均灰度值,遍历获取使类间方 差最大的分割阈值;根据所述分割阈值,分割车道线内可行驶区域。
具体的,将图像的灰度数按灰度级分为前景、背景两部分,使得两部分 之间的灰度值差异最大,各部分之间的灰度差异最小;通过方差计算合适的 灰度值进行划分。
示例性的,将图像I(x,y)的前景和背景的分割阈值记作T,前景像素点 数占整幅图像的比例为ω0,其平均灰度μ0,背景像素点数占整幅图像的 比例为ω1,其平均灰度μ1,则图像的总平均灰度为μ=ω0*μ0+ω1*μ1, 将类间方差记为g。
类间方差记为g。
假设:背景较暗,且图像的大小为M×N,图像中,像素灰度值小于阈值 T的像素个数记作N0,像素灰度值大于阈值T的像素个数记作N1,则有:
ω0=N0/M×N; (1)
ω1=N1/M×N; (2)
N0+N1=M×N; (3)
ω0+ω1=1; (4)
μ=ω0*μ0+ω1*μ1; (5)
g=ω0(μ0-μ)^2+ω1(μ1-μ)^2; (6)
将式(5)代入式(6),得到等价公式;
g=ω0*ω1*(μ0-μ1)^2; (7)
采用遍历的方法得到使类间方差g最大的阈值T,即可得到分割阈值。
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路 边缘信息,并虚拟车道线,通过大津算法得到无车道线道路的可行驶区域。
车辆行驶中,道路的方向和区域存在不变的轮廓特征,一般为直行、拐 弯。预先构建基本的道路模型,在提取的道路特征基础上,匹配道路模型, 提取出的图像边缘侧,并添加虚拟车道线。
本实施例中,通过划分可行驶区域,可以直接基于可行驶区域进行路径 规划,简化路径规划过程,降低对车端计算性能需求。
在另一实施例中,如图2所示,所述可行驶区域分割方法包括:预处理、 区域分割和循环检测过程。
在预处理过程中,相机采集图像,激光雷达采集障碍物信息;创建初步 ROI区域,并创建ROI区域内障碍物信息列表(相对速度、相对距离和宽度 等)。
在区域分割过程中,通过OTSU法分割图像,在分割后图像的可行驶区 域标记障碍物信息,输出至路径规划模块。
在循环检测过程中,对每帧分割出可行驶区域后,对新采集的路面图像, 继续分割可行驶区域。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后, 各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实 施过程构成任何限定。
图3为本发明实施例提供的一种可行驶区域分割系统的结构示意图,该 系统包括:
采集模块310,用于通过车载相机和激光雷达采集路面信息;
其中,通过所述车载相机采集路面图像,通过所述激光雷达检测路面上 障碍物宽度、相对距离和相对速度。
分割模块320,用于构建车道线方程并标记障碍物信息,通过大津算法 分割车道线内可行驶区域;
具体的,根据图像中前景、背景的比例和平均灰度值,遍历获取使类间 方差最大的分割阈值;根据所述分割阈值,分割车道线内可行驶区域。
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路 边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。
具体的,根据车道轮廓特征,构建不同车道的道路模型;提取当前路面 轮廓特征,将当前路面轮廓特征与道路模型匹配,得到道路边缘信息。
进一步的,根据所述可行驶区域规划车辆行驶路线,以规避障碍物。
所述领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描 述的装置和模块的具体工作过程可以参考前述方法实施例中对应的过程,在 此不再赘述。
图4是本发明一实施例提供的一种电子设备的结构示意图。所述电子设 备用于可行驶区域划分。如图4所示,该实施例的电子设备4包括:存储器 410、处理器420以及系统总线430,所述存储器410包括存储其上的可运行 的程序4101,本领域技术人员可以理解,图4中示出的电子设备结构并不构 成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部 件,或者不同的部件布置。
下面结合图4对电子设备的各个构成部件进行具体的介绍:
存储器410可用于存储软件程序以及模块,处理器420通过运行存储在 存储器410的软件程序以及模块,从而执行电子设备的各种功能应用以及数 据处理。存储器410可主要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、至少一个功能所需的应用程序(比如声音播放功能、图 像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比 如缓存数据)等。此外,存储器410可以包括高速随机存取存储器,还可以 包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失 性固态存储器件。
在存储器410上包含网络请求方法的可运行程序4101,所述可运行程序 4101可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储 在所述存储器410中,并由处理器420执行,以实现可行驶区域划分等,所 述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令 段,该指令段用于描述所述计算机程序4101在所述电子设备4中的执行过 程。例如,所述计算机程序4101可以被分割为采集模块、分割模块。
处理器420是电子设备的控制中心,利用各种接口和线路连接整个电子 设备的各个部分,通过运行或执行存储在存储器410内的软件程序和/或模 块,以及调用存储在存储器410内的数据,执行电子设备的各种功能和处理 数据,从而对电子设备进行整体状态监控。可选的,处理器420可包括一个 或多个处理单元;优选的,处理器420可集成应用处理器和调制解调处理器, 其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处 理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器420 中。
系统总线430是用来连接计算机内部各功能部件,可以传送数据信息、 地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、VESA总线等。 处理器420的指令通过总线传递至存储器410,存储器410反馈数据给处理 器420,系统总线430负责处理器420与存储器410之间的数据、指令交互。 当然系统总线430还可以接入其他设备,例如网络接口、显示设备等。
在本发明实施例中,该电子设备所包括的处理420执行的可运行程序包 括:
通过车载相机和激光雷达采集路面信息;
构建车道线方程并标记障碍物信息,通过大津算法分割车道线内可行驶 区域;
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路 边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有 详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制; 尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应 当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其 中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案 的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种可行驶区域分割方法,其特征在于,包括:
通过车载相机和激光雷达采集路面信息;
构建车道线方程并标记障碍物信息,通过大津算法分割车道线内可行驶区域;
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。
2.根据权利要求1所述的方法,其特征在于,所述通过车载相机和激光雷达采集路面信息包括:
通过所述车载相机采集路面图像,通过所述激光雷达检测路面上障碍物宽度、相对距离和相对速度。
3.根据权利要求1所述的方法,其特征在于,所述通过大津算法分割车道线内可行驶区域包括:
根据图像中前景、背景的比例和平均灰度值,遍历获取使类间方差最大的分割阈值;
根据所述分割阈值,分割车道线内可行驶区域。
4.根据权利要求1所述的方法,其特征在于,所述通过预定道路模型匹配当前道路包括:
根据车道轮廓特征,构建不同车道的道路模型;
提取当前路面轮廓特征,将当前路面轮廓特征与道路模型匹配,得到道路边缘信息。
5.根据权利要求1所述的方法,其特征在于,所述通过大津算法分割车道线内可行驶区域还包括:
根据所述可行驶区域规划车辆行驶路线,以规避障碍物。
6.一种可行驶区域分割系统,其特征在于,包括:
采集模块,用于通过车载相机和激光雷达采集路面信息;
分割模块,用于构建车道线方程并标记障碍物信息,通过大津算法分割车道线内可行驶区域;
其中,当路面无车道线时,通过预定道路模型匹配当前道路,提取道路边缘信息,并虚拟车道线,得到无车道线道路的可行驶区域。
7.根据权利要求6所述的系统,其特征在于,所述通过大津算法分割车道线内可行驶区域包括:
根据图像中前景、背景的比例和平均灰度值,遍历获取使类间方差最大的分割阈值;
根据所述分割阈值,分割车道线内可行驶区域。
8.根据权利要求6所述的系统,其特征在于,所述通过预定道路模型匹配当前道路包括:
根据车道轮廓特征,构建不同车道的道路模型;
提取当前路面轮廓特征,将当前路面轮廓特征与道路模型匹配,得到道路边缘信息。
9.一种电子设备,包括存储器、处理器以及存储在所述所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的一种可行驶区域分割方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被执行时实现如权利要求1至5任一项所述的一种可行驶区域分割方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111280489.9A CN114332105A (zh) | 2021-10-29 | 2021-10-29 | 一种可行驶区域分割方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111280489.9A CN114332105A (zh) | 2021-10-29 | 2021-10-29 | 一种可行驶区域分割方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332105A true CN114332105A (zh) | 2022-04-12 |
Family
ID=81045265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111280489.9A Pending CN114332105A (zh) | 2021-10-29 | 2021-10-29 | 一种可行驶区域分割方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332105A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115472031A (zh) * | 2022-08-15 | 2022-12-13 | 北京罗克维尔斯科技有限公司 | 信息显示方法、装置、设备、介质、产品及车辆 |
-
2021
- 2021-10-29 CN CN202111280489.9A patent/CN114332105A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115472031A (zh) * | 2022-08-15 | 2022-12-13 | 北京罗克维尔斯科技有限公司 | 信息显示方法、装置、设备、介质、产品及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7140922B2 (ja) | マルチセンサデータ融合方法、及び装置 | |
CN110276293B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN109739230B (zh) | 驾驶轨迹生成方法、装置及存储介质 | |
CN110263714B (zh) | 车道线检测方法、装置、电子设备及存储介质 | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
EP3620945A1 (en) | Obstacle distribution simulation method, device and terminal based on multiple models | |
WO2023092870A1 (zh) | 一种适用于自动驾驶车辆的挡土墙检测方法及系统 | |
CN114841910A (zh) | 车载镜头遮挡识别方法及装置 | |
CN114332105A (zh) | 一种可行驶区域分割方法、系统、电子设备及存储介质 | |
KR20210061069A (ko) | 3차원 객체를 표시하는 방법 및 장치 | |
CN112735163B (zh) | 确定目标物体静止状态的方法、路侧设备、云控平台 | |
CN113282088A (zh) | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 | |
CN117612132A (zh) | 鸟瞰视角bev俯视图的补全方法、装置和电子设备 | |
CN110053554B (zh) | 辅助驾驶方法、辅助驾驶装置及车载无人机 | |
CN115496923B (zh) | 一种基于不确定性感知的多模态融合目标检测方法及装置 | |
US11555928B2 (en) | Three-dimensional object detection with ground removal intelligence | |
JP7454685B2 (ja) | 車両走行路内のデブリの検出 | |
CN113682300B (zh) | 避让障碍物的决策方法、装置、设备及介质 | |
CN116152761B (zh) | 车道线检测方法及装置 | |
CN114355921B (zh) | 车辆循迹轨迹生成方法、装置、电子设备及存储介质 | |
WO2024042607A1 (ja) | 外界認識装置及び外界認識方法 | |
Chen et al. | Recognition of lanes on complex roads based on video image | |
CN116721404A (zh) | 车辆目标碰撞点的选取方法、装置、终端及存储介质 | |
CN117765509A (zh) | 护栏检测方法、装置、电子设备和存储介质 | |
CN115797409A (zh) | 3d目标对象定位方法、装置及电子设备 |
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 |