CN114354209A - 自动驾驶车道线与目标联合模拟方法及系统 - Google Patents

Abstract

本发明公开的一种自动驾驶车道线与目标联合模拟方法及系统，包括：S1，处理摄像头数据：获取摄像头处理后的点坐标数据，并对数据进行判异处理；S2，坐标系转换1：对摄像头数据的坐标系进行匹配校正；S3，计算车道线方程：根据S2处理后的摄像头数据，采用拟合的方法，将每条车道线的数据进行拟合；S4，数据清洗：判断车道线方程系数是否正常；S5，处理雷达数据：获取雷达处理后的点数据，并对数据进行判异处理；S6，坐标系转换2：对雷达数据的坐标系进行匹配校正；S7，数据融合：将目标信息与车道线信息进行匹配，得到目标所在的区域；S8，将融合后的数据做成需求的接口。本发明构造出自动驾驶算法测试中的基本传感输入。

Description

自动驾驶车道线与目标联合模拟方法及系统

技术领域

本发明涉及智能驾驶测试技术领域，具体涉及一种自动驾驶车道线与目标联合模拟方法及系统。

背景技术

随着自动驾驶汽车测试技术的发展以及对测试的深刻认识，特别是L3及以上自动驾驶，需要的测试手段越来越先进。目前，实车物理测试需要耗费巨大人力物力，这就需要仿真测试替代部分物理测试来降低成本。仿真测试是高级别自动驾驶最基本的测试技术，它是功能测试最有效，最高效的测试手段。仿真测试中，传感信息的模拟是非常重要的一环，它是后续环节，决策规划控制的前提。无论何种方式得到的传感信息，最终都会拟合成车道线以及本车周围障碍物目标。

如专利文献CN201811596580.X 公开的一种车道线融合系统及其融合方法，该方法的前提是必须使用智能摄像头将车道线参数给出，该部分高度依赖摄像头的算法；另外，计算目标匹配车道线时，只是计算横向距离，目标纵向距离未涉及，整个目标在本车的具体方位不能确定，增加了使用的局限性。

因此，有必要开发一种自动驾驶车道线与目标联合模拟方法及系统。

发明内容

本发明的目的是提供一种自动驾驶车道线与目标联合模拟方法及系统, 能适应多种虚拟传感器发出的数据，计算出虚拟场景中车道线及定位目标区域，以构造自动驾驶算法测试中的基本传感输入。

第一方面，本发明所述的一种自动驾驶车道线与目标联合模拟方法，包括以下步骤：

步骤1，处理摄像头数据：获取摄像头处理后的点坐标数据Ai（xi，yi），并对数据进行判异处理，输出的数据点为全局坐标；

步骤2，坐标系转换1：对摄像头数据的坐标系进行匹配校正，以使匹配后的坐标系与测试系统坐标系相同；

步骤3，计算车道线方程：根据步骤2处理后的摄像头数据，采用拟合的方法，将每条车道线的数据进行拟合；

步骤4，数据清洗：判断车道线方程系数是否正常，如果车道线方程系数不正常，则剔除不正常的点，采用插值的方法将点补齐；

步骤5，处理雷达数据：获取雷达处理后的点数据Bi（xi，yi），并对数据进行判异处理；

步骤6，坐标系转换2：对雷达数据的坐标系进行匹配校正，以使匹配后的坐标系与测试系统坐标系相同；

步骤7，数据融合：将步骤6输出的目标信息与步骤4输出的车道线信息进行匹配，

得到目标所在的区域；

步骤8，将融合后的数据做成需求的接口，并与测试系统连接，以对自动驾驶算法进行快速验证。

可选地，所述步骤1中，如果数据出现异常情况，则将该点剔除，然后做插值处理。

可选地，所述步骤2中，判断源数据坐标系与目标测试系统坐标系是否相同，若相同，采用透传模式；若不相同，则进行坐标系转化，并输出数据。

可选地，所述步骤7具体为：

将目标按照车道线为分界线，分成若干个区域；将雷达输出的目标坐标点Bi（xi，yi）的xi值带入到y=a₃x³+a₂x²+a₁x+a₀曲线方程，计算得到该值对应的y值；判断y值的正负，由此获取目标在本车左右位置信息；然后叠加车道宽度信息，通过计算y值落入的范围，判断目标处于哪两条车道线之间，即得到目标的左右定位，将左右位置信息作为第一属性；

将目标坐标点Bi（xi，yi）的xi值，按照相对本车的纵向位置值分成前向、并行和后向，将前后位置信息作为第二属性；

将目标的第一属性与第二属性作相交处理，得到目标的区域划分。

可选地，将目标区域划分为左前方，正前方，右前方，左侧，右侧，左后方，正后方和右后方。

第二方面，本发明所述的一种自动驾驶车道线与目标联合模拟系统，包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本发明所述的自动驾驶车道线与目标联合模拟方法的步骤。

本发明具有以下优点：本发明能够适应多种虚拟传感器发出的数据，计算出虚拟场景中车道线及定位目标区域，以构造自动驾驶算法测试中的基本传感输入。本发明脱离了数据来源限制，极大地丰富了测试场景库。数据融合后的接口能够极大满足自动驾驶算法测试需求。本发明不仅考虑了车辆与目标之间的横向距离，还考虑了目标与车辆之间的纵向距离，能够准确地定位出目标在本车的具体方位。

附图说明

图1 为本实施例的数据流图；

图2 为本实施例的区域划分图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，本实施例中，一种自动驾驶车道线与目标联合模拟方法，包括：

步骤1，处理摄像头数据：接收到来自摄像头处理后的点坐标数据Ai（xi，yi）。判断Ai坐标值是否合理，具体的合理与否判定主要是看xi，yi值是否超过预设限制值，同一变量的前后三帧值是否出现大锯齿状（该门限可配置），以此操作对数据进行判异。如果出现异常情况，需要将该点剔除，然后做插值处理。

步骤2，坐标系转换1：是针对摄像头数据的坐标系进行匹配校正，该匹配主要为标定的位置，可以采用坐标系前后左右上下的移动来解决。匹配后的坐标系与测试系统坐标系相同。如果获取的摄像头数据与测试系统坐标系相同，那么数据就采用透传模式，对数据不做处理，直接传递到下一步。

步骤3，计算车道线方程：根据步骤2处理后的车道线数据，采用最小二乘法拟合成一个三阶的曲线y=a₃x³+a₂x²+a₁x+a₀。将接收到的每条车道线都按照该算法进行拟合，拟合后每条车道线用曲线的4位系数(a₃, a₂, a₁,a₀)表示。

步骤4，数据清洗：主要是对前端得到的车道线方程系数(a₃, a₂, a₁,a₀)进行筛选。首先设定车道宽度范围，比如正常的车道宽度为3.5m-4m，需要将该值传入到该数据清洗模块；也可以用左右两端的a₀值之差算出车道宽度，做自适应处理。为了适应道路变窄、变宽、高速出口、高速入口等，需要将左右最近的两条车道线做处理，保证输出的车道线是正常可使用的。经过处理后的车道线信息避免了跳变畸变。每条车道线按照a₀值的大小结合处理后的数据值，分为左侧，右侧，左左侧，右右侧等车道线。

步骤5，处理雷达数据：雷达数据的处理与摄像头数据数据的处理类似，接收来自雷达处理后的点数据Bi（xi，yi），点数据可以为绝对坐标，也可以是相对坐标，基于测试系统的配置。处理雷达数据包括雷达数据的接收，自定义输出数据结构，数据判异处理。

步骤6，坐标系转换2：坐标系转换2与坐标系转换1的功能类似，是针对数据源与目标测试系统不一致，进行的强制坐标系转换。最终输出与测试系统匹配的坐标系数据。目前主流的坐标系为OSI和SAE，两种坐标系在y（横向），x（纵向），z（垂直向）的正负有一定的差异。实际操作时，将获取的方向信息转化成为需要的方向。另外，雷达数据的坐标原点，需要按照测试系统的要求标定成需要的坐标原点。

步骤7，数据融合：将雷达的目标信息与车道线信息进行匹配，将目标按照车道线为分界线，分成若干个区域。雷达数据点坐标Bi（xi，yi）可以是雷达直接输出，也可以是通过雷达输出的距离与夹角，利用三角函数公式计算获取。将坐标点Bi（xi，yi）的xi值带入到y=a₃x³+a₂x²+a₁x+a₀曲线方程，计算得到该值对应的y（横向）值。首先判断y值的正负，由此获取目标在本车左右位置信息。然后叠加车道宽度信息，通过计算y值落入的范围，判断目标处于哪两条车道线之间。采用该方法将所有获取的目标左右定位，将左右位置信息为第一属性。第二步，将坐标点Bi（xi，yi）的xi值，按照相对本车的纵向位置值，分成前向，并行，后向，将前后位置信息为第二属性。第三步，将目标的第一属性与第二属性作相交处理，得到目标的区域划分。如图2所示，目标区域划分为左前方（1），正前方（2），右前方（3），左侧（4），右侧（5），左后方（6），正后方（7），右后方（8），参见图2。

步骤8，,按照给定的信号层次结构，构造成需要的数据结构接入自动驾驶算法。本实施例中所构造的场景库能够对自动驾驶算法进行快速验证。

Claims (6)

1.一种自动驾驶车道线与目标联合模拟方法，其特征在于，包括以下步骤：

步骤1，处理摄像头数据：获取摄像头处理后的点坐标数据Ai（xi，yi），并对数据进行判异处理，输出的数据点为全局坐标；

步骤2，坐标系转换1：对摄像头数据的坐标系进行匹配校正，以使匹配后的坐标系与测试系统坐标系相同；

步骤3，计算车道线方程：根据步骤2处理后的摄像头数据，采用拟合的方法，将每条车道线的数据进行拟合；

步骤4，数据清洗：判断车道线方程系数是否正常，如果车道线方程系数不正常，则剔除不正常的点，采用插值的方法将点补齐；

步骤5，处理雷达数据：获取雷达处理后的点数据Bi（xi，yi），并对数据进行判异处理；

步骤6，坐标系转换2：对雷达数据的坐标系进行匹配校正，以使匹配后的坐标系与测试系统坐标系相同；

步骤7，数据融合：将步骤6输出的目标信息与步骤4输出的车道线信息进行匹配，

得到目标所在的区域；

步骤8，将融合后的数据做成需求的接口，并与测试系统连接，以对自动驾驶算法进行快速验证。

2.根据权利要求1所述的自动驾驶车道线与目标联合模拟方法，其特征在于：所述步骤1中，如果数据出现异常情况，则将该点剔除，然后做插值处理。

3.根据权利要求1或2所述的自动驾驶车道线与目标联合模拟方法，其特征在于：所述步骤2中，判断源数据坐标系与目标测试系统坐标系是否相同，若相同，采用透传模式；若不相同，则进行坐标系转化，并输出数据。

4.根据权利要求3所述的自动驾驶车道线与目标联合模拟方法，其特征在于：所述步骤7具体为：

将目标按照车道线为分界线，分成若干个区域；将雷达输出的目标坐标点Bi（xi，yi）的xi值带入到y=a₃x³+a₂x²+a₁x+a₀曲线方程，计算得到该值对应的y值；判断y值的正负，由此获取目标在本车左右位置信息；然后叠加车道宽度信息，通过计算y值落入的范围，判断目标处于哪两条车道线之间，即得到目标的左右定位，将左右位置信息作为第一属性；

将目标坐标点Bi（xi，yi）的xi值，按照相对本车的纵向位置值分成前向、并行和后向，将前后位置信息作为第二属性；

将目标的第一属性与第二属性作相交处理，得到目标的区域划分。

5.根据权利要求4所述的自动驾驶车道线与目标联合模拟方法，其特征在于：将目标区域划分为左前方（1），正前方（2），右前方（3），左侧（4），右侧（5），左后方（6），正后方（7）和右后方（8）。

6.一种自动驾驶车道线与目标联合模拟系统，其特征在于：包括存储器和控制器，所述存储器内存储有计算机可读程序，所述计算机可读程序被调用时能执行如权利要求1至5任一所述的自动驾驶车道线与目标联合模拟方法的步骤。

Images