CN114399589A - 三维车道线生成方法、装置、电子设备和计算机可读介质 - Google Patents

三维车道线生成方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN114399589A
CN114399589A CN202111559976.9A CN202111559976A CN114399589A CN 114399589 A CN114399589 A CN 114399589A CN 202111559976 A CN202111559976 A CN 202111559976A CN 114399589 A CN114399589 A CN 114399589A
Authority
CN
China
Prior art keywords
dimensional
sequence
coordinate
sampling point
equation
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.)
Granted
Application number
CN202111559976.9A
Other languages
English (en)
Other versions
CN114399589B (zh
Inventor
胡禹超
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 CN202111559976.9A priority Critical patent/CN114399589B/zh
Publication of CN114399589A publication Critical patent/CN114399589A/zh
Application granted granted Critical
Publication of CN114399589B publication Critical patent/CN114399589B/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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing

Landscapes

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

Abstract

本公开的实施例公开了三维车道线生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；生成反投影圆锥交线方程组集合；得到三维采样点坐标序列组集合；对三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；得到目标采样点坐标序列组集合；生成三维车道线方程组。该实施方式可以提高生成的三维车道线方程的准确度。

Description

三维车道线生成方法、装置、电子设备和计算机可读介质
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生成方法、装置、电子设备和计算机可读介质。
背景技术
三维车道线的生成对自动驾驶车辆在高速公路上的稳定安全行驶具有重要意义。目前，在生成三维车道线时，通常采用的方式为：基于神经网络的方法，或基于逆透视变换的方法对所提取的车道线特征点进行融合，生成三维车道线。
然而，当采用上述方式进行三维车道线生成时，经常会存在如下技术问题：
第一，基于神经网络的方法，未考虑一定时间间隔的两个道路图像表征的车道线之间的位置关系，容易产生误差，从而，导致生成的三维车道线方程的准确度降低；
第二，基于逆透视变换的方法，未对提取的特征点进一步处理，导致直接生成的三维车道线方程的准确度降低。
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障碍物信息生成方法、装置、电子设备和计算机可读介质，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生成方法，该方法包括：对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；基于上述目标采样点坐标序列组集合，生成三维车道线方程组。
第二方面，本公开的一些实施例提供了一种三维车道线生成装置，该装置包括：提取单元，被配置成对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；拟合处理单元，被配置成对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；第一生成单元，被配置成基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；采样处理单元，被配置成对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；投影处理单元，被配置成对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；去除处理单元，被配置成基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；第二生成单元，被配置成基于上述目标采样点坐标序列组集合，生成三维车道线方程组。
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，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上述第一方面任一实现方式所描述的方法。
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上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的三维车道线生成方法，可以提高生成的三维车道线方程的准确度。具体来说，造成生成的三维车道线方程的准确度降低的原因在于：基于神经网络的方法，未考虑一定时间间隔的两个道路图像表征的车道线之间的位置关系，容易产生误差。基于此，本公开的一些实施例的三维车道线生成方法，首先，对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集。然后，对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。通过拟合处理，可以对表征同一车道线的特征点序列中的特征点进行分段拟合。避免由于特征点对应的车道线与当前车辆距离较远，直接对整段车道线拟合后产生较大误差，导致降低拟合曲线方程的准确度。再然后，基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合。通过生成反投影圆锥交线方程，可以将两个道路图像的图像坐标系中对应相同车道线的拟合曲线方程进行关联，使得第一道路图像和第二道路图像对应的拟合曲线方程可以相互对应，以减少误差。接着，对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合。通过生成三维采样点坐标序列组集合，可以将用于拟合三维车道线方程。之后，对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合。而后，基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合。通过投影处理和去除处理，可以通过图像坐标系的对比，去除噪点。使得可以进一步提高三维采样点坐标的准确度。最后，基于上述目标采样点坐标序列组集合，生成三维车道线方程组。从而，本公开的一些实施例的三维车道线生成方法不仅考虑了一定时间间隔的两个道路图像表征的车道线之间的位置关系，可以降低误差。还可以进一步提高三维采样点坐标的准确度。进而，可以提高三维车道线方程的准确度。
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，元件和元素不一定按照比例绘制。
图1是本公开的一些实施例的三维车道线生成方法的一个应用场景的示意图；
图2是根据本公开的三维车道线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生成方法的另一些实施例的流程图；
图4是根据本公开的三维车道线生成装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例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是本公开的一些实施例的三维车道线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可以对预先获取的第一道路图像102和第二道路图像103分别进行车道线特征点提取，得到第一特征点序列集104和第二特征点序列集105。接着，计算设备101可以对上述第一特征点序列集104中的每个第一特征点序列和上述第二特征点序列集105中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合106和第二拟合曲线方程组集合107。然后，计算设备101可以基于上述第一拟合曲线方程组集合106和上述第二拟合曲线方程组集合107，生成反投影圆锥交线方程组集合108。之后，计算设备101可以对上述反投影圆锥交线方程组集合108中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合109。而后，计算设备101可以对上述三维采样点坐标序列组集合109中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合110。再然后，计算设备101可以基于上述投影坐标序列组集合110，对上述三维采样点坐标序列组集合109中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合111。最后，计算设备101可以基于上述目标采样点坐标序列组集合111，生成三维车道线方程组112。
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中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的三维车道线生成方法的一些实施例的流程200。该三维车道线生成方法的流程200，包括以下步骤：
步骤201，对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集。
在一些实施例中，三维车道线生成方法的执行主体(如图1所示的计算设备101)可以对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集。其中，第一道路图像和第二道路图像可以是当前车辆在不同时刻或在不同位置，由该当前车辆上单目相机拍摄的道路图像。因此，第一道路图像和第二道路图像所对应的车辆位置间隔一定距离。可以通过车道线提取算法对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取。上述车道线提取算法可以包括但不限于：UFLD(Ultra Fast Structure-aware Deep Lane Detection，车道线快速检测算法)，LaneNet(多分支车道线检测网络)等。上述第一特征点序列集中第一特征点序列的数量可以用于表征上述第一道路图像中对应车道线的数量。上述第二特征点序列集中第二特征点序列的数量可以用于表征上述第二道路图像中对应车道线的数量。
步骤202，对第一特征点序列集中的每个第一特征点序列和第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。
在一些实施例中，上述执行主体可以对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。其中，拟合处理可以是对上述第一特征点序列集中每个第一特征点序列中的任意数量特征点进行曲线拟合，得到第一拟合曲线方程组。由此，可以得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。另外，第一拟合曲线方程和第二拟合曲线方程均可以是二次曲线。
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第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合，可以包括以下步骤：
第一步，将上述第一特征点序列作为初始特征点序列，执行如下拟合处理步骤，得到上述第一拟合曲线方程组中的各个第一拟合曲线方程：
第一子步骤，对初始特征点序列中的各个第一特征点进行分组，得到第一划分特征点序列和第二划分特征点序列。其中，可以将将上述初始特征点序列中的各个初始特征点按照序列顺序平均划分为两组，得到第一划分特征点序列和第二划分特征点序列。
例如，若初始特征点序列中存在奇数个初始特征点。那么。第一划分特征点序列和第二划分特征点序列中的划分特征点数量相差1且各个第一划分特征点和第二划分特征点有序。
第二子步骤，对第一规划特征点序列中的各个第一规划特征点进行曲线拟合以生成第一规划曲线方程。
第三子步骤，对第二规划特征点序列中的各个第二规划特征点进行曲线拟合以生成第二规划曲线方程。其中，通过曲线拟合，可以将表征一条车道线的初始特征点序列转化为多段曲线方程来表示。
第四子步骤，确定第一划分特征点序列中各个第一划分特征点与第一规划曲线方程之间的平均距离值，得到第一平均距离值。其中，首先，可以确定第一划分特征点序列中每个第一划分特征点与第一规划曲线方程之间的最近距离。然后，可以确定各个第一划分特征点与第一规划曲线方程之间的平均距离值，得到第一平均距离值。
第五子步骤，确定第二划分特征点序列中各个第二划分特征点与第二规划曲线方程之间的平均距离值，得到第二平均距离值。
第六子步骤，响应于确定第一平均距离值满足预设距离条件，将第一规划曲线方程作为上述第一拟合曲线方程组中的第一拟合曲线方程。其中，上述预设距离条件可以是第一平均距离值或第二平均距离值小于等于预设距离阈值(例如，0.5像素)。
第七子步骤，响应于确定第二平均距离值满足上述预设距离条件，将第二规划曲线方程作为上述第一拟合曲线方程组中的第一拟合曲线方程。其中，通过引入预设距离条件，可以提高每个曲线方程与对应的各个划分特征点之间的拟合度。从而，可以确保各个第一拟合曲线方程准确度。
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第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合，还可以包括以下步骤：
第一步，响应于确定第一平均距离值不满足上述预设距离条件，将第一划分特征点序列作为初始特征点序列，再次执行上述拟合处理步骤。其中，第一平均距离值不满足上述预设距离条件可以表征第一规划曲线的拟合度不够。由此，可以将第一划分特征点序列作为初始特征点序列，再次执行上述拟合处理步骤。从而，可以将第一划分特征点序列再次拆分后进行曲线拟合。使得可以提高得到的拟合曲线方程与对应的各个划分特征点之间的拟合度。从而，可以确保各个第一拟合曲线方程准确度。另外，还可以通过上述方式生成第二拟合曲线方程组集合。
第二步，响应于确定第二平均距离值不满足上述预设距离条件，将第二划分特征点序列作为初始特征点序列，再次执行上述拟合处理步骤。第二平均距离值不满足上述预设距离条件可以表征第二规划曲线的拟合度不够。从而，可以将第二划分特征点序列再次拆分后进行曲线拟合。使得可以提高得到的拟合曲线方程与对应的各个划分特征点之间的拟合度。由此，可以确保各个第一拟合曲线方程准确度。进而，可以用于提高生成的三维车道线方程的准确度。
步骤203，基于第一拟合曲线方程组集合和第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合。
在一些实施例中，上述执行主体可以基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，通过各种方式生成反投影圆锥交线方程组集合。
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拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合，可以包括以下步骤：
第一步，对上述第一拟合曲线方程组集合中的每个第一拟合曲线方程组中的各个第一拟合曲线方程构建曲线矩阵以生成第一曲线矩阵组，得到第一曲线矩阵组集合。其中，对于每个第一拟合曲线方程，可以通过以下步骤生成第一曲线矩阵：
首先，响应于确定第一拟合曲线方程的斜率满足预设斜率条件，对第一拟合曲线方程进行变形处理，得到第一变形车道线方程。其中，由于第一拟合曲线方程可以是二次曲线，则可以将预设取值范围内二次曲线中点的斜率作为第一拟合曲线方程的斜率。预设取值范围可以用于限定在上述第一拟合曲线方程对应的道路图像的图像坐标系内取二次曲线中点。上述第一变形车道线方程的自变量可以为横坐标值，因变量可以为纵坐标值。上述预设斜率条件可以是第一拟合曲线方程或第二拟合曲线方程的斜率的绝对值大于预设斜率阈值。例如，预设斜率阈值可以是1。上述变形处理可以是将纵坐标值作为因变量，横坐标值作为自变量构建的二次多项式，作为第一变形车道线方程。
然后，若第一拟合曲线方程的因变量为纵坐标值。那么，构建的第一曲线矩阵可以是：
Figure BDA0003420398360000101
其中，C表示第一曲线矩阵。c1表示上述第一变形车道线方程的二次项系数。c2表示上述第一变形车道线方程的一次项系数。c3表示上述第一变形车道线方程的常数项。
最后，若第一拟合曲线方程的因变量为横坐标值。那么，构建的第一曲线矩阵可以是：
Figure BDA0003420398360000102
通过构建不同的第一曲线矩阵，可以用于区分道路图像中的横向车道线和纵向车道线。对图像中的车道线采用二次曲线建模后，使得上述实现方式不仅适用于直道也适用于弯道，以及上下破等场景。从而，可以用于提高第一拟合曲线方程的准确度。进而，可以提高生成的三维车道线方程的准确度。
第二步，对上述第二拟合曲线方程组集合中的每个第二拟合曲线方程组中的各个第二拟合曲线方程构建曲线矩阵以生成第二曲线矩阵组，得到第二曲线矩阵组集合。其中，生成第二曲线矩阵组集合的具体实现方式及所带来的技术效果可以参考生成第一曲线矩阵组集合的实施例，在此不再赘述。
第三步，基于预设的相机内参矩阵和上述第一曲线矩阵组集合，生成第一反投影矩阵组集合。其中，对于每个第一曲线矩阵对应的第一拟合曲线方程，可以通过以下步骤生成每个第一反投影矩阵：
第一子步骤，确定上述第一拟合曲线方程对应的相机投影矩阵。其中，可以将相机内参矩阵和预设的位姿矩阵的乘积确定为相机投影矩阵。上述位姿矩阵可以是单目相机与当前车辆之间的位姿矩阵。
第二子步骤，将上述相机投影矩阵、上述曲线矩阵和上述相机投影矩阵的转置矩阵的乘积确定为反投影矩阵。
第四步，基于上述相机内参矩阵和上述第二曲线矩阵组集合，生成第二反投影矩阵组集合。其中，生成第二反投影矩阵组集合的具体实现方式及所带来的技术效果可以参考生成上述第一反投影矩阵组集合的实施例，在此不再赘述。
第五步，确定上述第二反投影矩阵组集合中与上述第一反投影矩阵组集合中每个第一反投影矩阵组中的每个第一反投影矩阵相对应的第二反投影矩阵之间的反投影圆锥交线方程，得到反投影圆锥交线方程组集合。其中，对于每组对应的第一反投影矩阵和第二反投影矩阵，可以通过以下步骤生成反投影圆锥交线方程：
第一子步骤，获取第一相对位姿矩阵、第二相对位姿矩阵和位姿变化矩阵。其中，第一相对位姿矩阵可以是单目相机拍摄上述第一道路图像时、单目相机相对地面的位姿矩阵。第二相对位姿矩阵可以是单目相机拍摄上述第二道路图像时、单目相机相对地面的位姿矩阵。位姿变化矩阵可以是单目相机在拍摄第一道路图像时的位姿矩阵和拍摄第二道路图像时的位姿矩阵之间的变化矩阵。
第二子步骤，将上述第一相对位姿矩阵、上述第二相对位姿矩阵的逆矩阵和上述位姿变化矩阵的乘积的逆矩阵确定为转换矩阵。
第三子步骤，通过以下公式生成反投影圆锥交线方程：
Figure BDA0003420398360000121
其中，X表示反投影圆锥交线方程上的三维坐标点的横坐标值、纵坐标值、竖坐标值和1所组成的4×1的矩阵。T表示对矩阵进行转置。XT表示反投影圆锥交线方程上的三维坐标点的横坐标值、纵坐标值、竖坐标值和1所组成的4×1的矩阵的转置矩阵。Q1表示第一反投影矩阵。Q2表示与第一反投影矩阵对应的第二反投影矩阵。Y表示上述转换矩阵。由此，可以得到相机坐标系中的反投影圆锥交线方程。
步骤204，对反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合。
在一些实施例中，上述执行主体可以对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合。其中，对于每个反投影圆锥交线方程，可以通过以下方式生成三维采样点坐标序列：
第一步，构建处于上述反投影圆锥交线方程上的各个采样坐标点，即采样坐标点序列。上述采样坐标点序列中的各个采样坐标点的竖坐标可以是相差预设的采样间隔(例如，1米)的具体数值(例如，0米，1米，2米等)，横坐标值和纵坐标值可以是未知数。另外，对每个反投影圆锥交线方程进行坐标采样处理，都可以在预设的取值范围内进行。该取值范围可以是预设的相机坐标系的取值范围。例如，20米。
第二步，对上述采样坐标点序列中的各个采样坐标点进行求解，得到三维采样点坐标序列。其中，对于每个采样坐标点，可以通过以下公式生成三维采样点坐标：
Figure BDA0003420398360000131
其中，x表示上述三维采样点坐标的横坐标值。y表示上述三维采样点坐标的纵坐标值。Z表示上述采样坐标点的竖坐标值。X表示由上述采样坐标点的横坐标值、纵坐标值、竖坐标值和1所组成的4×1的矩阵。Q1表示上述采样坐标点对应的第一反投影矩阵。Q2表示上述采样坐标点对应的第二反投影矩阵。XT表示由上述采样坐标点的横坐标值、纵坐标值、竖坐标值和1所组成的4×1的矩阵的转置矩阵。
具体的，通过上述公式可以确定每个采样坐标点的横坐标值和纵坐标值。将采样坐标点确定为三维采样点坐标。由此可以得到三维采样点坐标序列。从而，可以得到三维采样点坐标序列组集合。
步骤205，对三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合。
在一些实施例中，上述执行主体可以对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合。其中，可以将三维采样坐标点序列投影至上述第一道路图像的图像坐标系中。以此得到投影坐标序列组集合。可以通过以下公式生成投影坐标：
z′×(u，v，1)T＝P×X。
其中，z′表示上述投影坐标对应的三维采样点坐标的竖坐标值。u表示上述投影坐标的横坐标值。v表示上述投影坐标的纵坐标值。P表示上述相机投影矩阵。X表示上述投影坐标对应的三维采样点坐标的横坐标值、纵坐标值、竖坐标值和1所组成的4×1的矩阵。
步骤206，基于投影坐标序列组集合，对三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合。
在一些实施例中，上述执行主体可以基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，通过各种方式得到目标采样点坐标序列组集合。
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投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合，可以包括以下步骤：
对上述投影坐标序列组集合中的每个投影坐标序列执行如下去除处理步骤，以生成上述目标采样点坐标序列组集合：
响应于确定上述投影坐标序列中存在不满足预设坐标条件的投影坐标，将上述三维采样点坐标序列组集合中与不满足上述预设坐标条件的投影坐标对应三维采样点坐标进行去除。其中，上述预设坐标条件可以以下条件公式：
Figure BDA0003420398360000141
其中，C表示投影坐标对应的曲线矩阵。∈表示预设条件阈值。umax表示最大横坐标值。umin表示最小横坐标值。vmin表示最小纵坐标值。vmax表示最大横坐标值。
那么，不满足上述预设坐标条件可以是投影坐标不符合上述条件公式。
上述公式及其相关内容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“基于逆透视变换的方法，未对提取的特征点进一步处理，导致直接生成的三维车道线方程的准确度降低”。导致生成的三维车道线方程的准确度降低的因素往往如下：基于逆透视变换的方法，未对提取的特征点进一步处理。如果解决了上述因素，就能提高生成的三维车道线方程的准确度。为了达到这一效果，首先，通过拟合处理，可以将道路图像中提取的车道线分为多段曲线，以减小整段车道线拟合产生的较大误差。同时，上述拟合处理还可以确保分段后的二次曲线能够准确的拟合。避免生成三维车道线方程失败。然后，通过生成三维采样点坐标的公式，可以用于确保生成三维采样点坐标的准确度。之后，通过引入生成投影坐标的公式，可以将三维采样点坐标投影至图像坐标系，以生成与三维采样点坐标对应的投影坐标。最后，通过引入上述预设坐标条件公式，用于对投影坐标的筛选。以此，对三维采样点坐标进一步筛选，确保准确度。从而，可以用于提高三维车道线方程的准确度。
步骤207，基于目标采样点坐标序列组集合，生成三维车道线方程组。
在一些实施例中，上述执行主体可以基于上述目标采样点坐标序列组集合，生成三维车道线方程组。其中，首先，可以将每个目标采样点坐标序列中的各个目标采样点坐标进行曲线拟合，得到待拟合三维车道线方程组。然后，可以对每个待拟合三维车道线方程组中的各个三维车道线方程进行拟合，得到三维车道线方程。以此，生成三维车道线方程组。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的三维车道线生成方法，可以提高生成的三维车道线方程的准确度。具体来说，造成生成的三维车道线方程的准确度降低的原因在于：基于神经网络的方法，未考虑一定时间间隔的两个道路图像表征的车道线之间的位置关系，容易产生误差。基于此，本公开的一些实施例的三维车道线生成方法，首先，对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集。然后，对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。通过拟合处理，可以对表征同一车道线的特征点序列中的特征点进行分段拟合。避免由于特征点对应的车道线与当前车辆距离较远，直接对整段车道线拟合后产生较大误差，导致降低拟合曲线方程的准确度。再然后，基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合。通过生成反投影圆锥交线方程，可以将两个道路图像的图像坐标系中对应相同车道线的拟合曲线方程进行关联，使得第一道路图像和第二道路图像对应的拟合曲线方程可以相互对应，以减少误差。接着，对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合。通过生成三维采样点坐标序列组集合，可以将用于拟合三维车道线方程。之后，对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合。而后，基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合。通过投影处理和去除处理，可以通过图像坐标系的对比，去除噪点。使得可以进一步提高三维采样点坐标的准确度。最后，基于上述目标采样点坐标序列组集合，生成三维车道线方程组。从而，本公开的一些实施例的三维车道线生成方法不仅考虑了一定时间间隔的两个道路图像表征的车道线之间的位置关系，可以降低误差。还可以进一步提高三维采样点坐标的准确度。进而，可以提高三维车道线方程的准确度。
进一步参考图3，其示出了三维车道线生成方法的另一些实施例的流程300。该三维车道线生成方法的流程300，包括以下步骤：
步骤301，对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集。
步骤302，对第一特征点序列集中的每个第一特征点序列和第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合。
步骤303，基于第一拟合曲线方程组集合和第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合。
步骤304，对反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合。
步骤305，对三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合。
步骤306，基于投影坐标序列组集合，对三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合。
在一些实施例中，步骤301-306的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-206，在此不再赘述。
步骤307，对目标采样点坐标序列组集合中的每个目标采样点坐标序列组中的各个目标采样点坐标进行曲线拟合以生成三维车道线方程，得到三维车道线方程组。
在一些实施例中，三维车道线生成方法的执行主体(如图1所示的计算设备101)可以对上述目标采样点坐标序列组集合中的每个目标采样点坐标序列组中的各个目标采样点坐标进行曲线拟合以生成三维车道线方程，得到三维车道线方程组。其中，上述三维车道线方程组中的每个三维车道线方程可以对应当前车辆所在车道线的一条车道线。
步骤308，将三维车道线方程组发送至显示终端以供显示。
在一些实施例中，上述执行主体可以将上述三维车道线方程组发送至显示终端以供显示。其中，显示三维车道线方程组可以用于显示车道线，以便于驾驶员查看。从而，可以辅助驾驶。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的三维车道线生成方法的流程300体现了生成三维车道线方程组的步骤。从而，可以提高生成的三维车道线方程的准确度。进而，可以为驾驶员显示更加准确的三维车道线，以提高驾驶安全。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种三维车道线生成装置的一些实施例，这些装置实施例与图2所示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4所示，一些实施例的三维车道线生成装置400包括：提取单元401、拟合处理单元402、第一生成单元403、采样处理单元404、投影处理单元405、去除处理单元406和第二生成单元407。其中，提取单元401，被配置成对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；拟合处理单元402，被配置成对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；第一生成单元403，被配置成基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；采样处理单元404，被配置成对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；投影处理单元405，被配置成对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；去除处理单元406，被配置成基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；第二生成单元407，被配置成基于上述目标采样点坐标序列组集合，生成三维车道线方程组。
下面参考图5，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)500的结构示意图。图5示出的电子设备仅仅是一个示例，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5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：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506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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5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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501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(HyperText 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：对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；对上述第一特征点序列集中的每个第一特征点序列和上述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；基于上述第一拟合曲线方程组集合和上述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；对上述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；对上述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；基于上述投影坐标序列组集合，对上述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；基于上述目标采样点坐标序列组集合，生成三维车道线方程组。
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一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：一种处理器包括提取单元、拟合处理单元、第一生成单元、采样处理单元、投影处理单元、去除处理单元和第二生成单元。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，提取单元还可以被描述为“提取车道线特征点的单元”。
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案。

Claims (10)

1.一种三维车道线生成方法，包括：
对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；
对所述第一特征点序列集中的每个第一特征点序列和所述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；
基于所述第一拟合曲线方程组集合和所述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；
对所述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；
对所述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；
基于所述投影坐标序列组集合，对所述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；
基于所述目标采样点坐标序列组集合，生成三维车道线方程组。
2.根据权利要求1所述的方法，其中，所述方法还包括：
将所述三维车道线方程组发送至显示终端以供显示。
3.根据权利要求1所述的方法，其中，所述对所述第一特征点序列集中的每个第一特征点序列和所述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，包括：
将所述第一特征点序列作为初始特征点序列，执行如下拟合处理步骤，得到所述第一拟合曲线方程组中的各个第一拟合曲线方程：
对初始特征点序列中的各个第一特征点进行分组，得到第一划分特征点序列和第二划分特征点序列；
对第一规划特征点序列中的各个第一规划特征点进行曲线拟合以生成第一规划曲线方程；
对第二规划特征点序列中的各个第二规划特征点进行曲线拟合以生成第二规划曲线方程；
确定第一划分特征点序列中各个第一划分特征点与第一规划曲线方程之间的平均距离值，得到第一平均距离值；
确定第二划分特征点序列中各个第二划分特征点与第二规划曲线方程之间的平均距离值，得到第二平均距离值；
响应于确定第一平均距离值满足预设距离条件，将第一规划曲线方程作为所述第一拟合曲线方程组中的第一拟合曲线方程；
响应于确定第二平均距离值满足所述预设距离条件，将第二规划曲线方程作为所述第一拟合曲线方程组中的第一拟合曲线方程。
4.根据权利要求3所述的方法，其中，所述对所述第一特征点序列集中的每个第一特征点序列和所述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，还包括：
响应于确定第一平均距离值不满足所述预设距离条件，将第一划分特征点序列作为初始特征点序列，再次执行所述拟合处理步骤；
响应于确定第二平均距离值不满足所述预设距离条件，将第二划分特征点序列作为初始特征点序列，再次执行所述拟合处理步骤。
5.根据权利要求1所述的方法，其中，所述基于所述第一拟合曲线方程组集合和所述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合，包括：
对所述第一拟合曲线方程组集合中的每个第一拟合曲线方程组中的各个第一拟合曲线方程构建曲线矩阵以生成第一曲线矩阵组，得到第一曲线矩阵组集合；
对所述第二拟合曲线方程组集合中的每个第二拟合曲线方程组中的各个第二拟合曲线方程构建曲线矩阵以生成第二曲线矩阵组，得到第二曲线矩阵组集合；
基于预设的相机内参矩阵和所述第一曲线矩阵组集合，生成第一反投影矩阵组集合；
基于所述相机内参矩阵和所述第二曲线矩阵组集合，生成第二反投影矩阵组集合；
确定所述第二反投影矩阵组集合中与所述第一反投影矩阵组集合中每个第一反投影矩阵组中的每个第一反投影矩阵相对应的第二反投影矩阵之间的反投影圆锥交线方程，得到反投影圆锥交线方程组集合。
6.根据权利要求5所述的方法，其中，所述基于所述投影坐标序列组集合，对所述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合，包括：
对所述投影坐标序列组集合中的每个投影坐标序列执行如下去除处理步骤，以生成所述目标采样点坐标序列组集合：
响应于确定所述投影坐标序列中存在不满足预设坐标条件的投影坐标，将所述三维采样点坐标序列组集合中与不满足所述预设坐标条件的投影坐标对应三维采样点坐标进行去除。
7.根据权利要求6所述的方法，其中，所述基于所述目标采样点坐标序列组集合，生成三维车道线方程组，包括：
对所述目标采样点坐标序列组集合中的每个目标采样点坐标序列组中的各个目标采样点坐标进行曲线拟合以生成三维车道线方程，得到三维车道线方程组。
8.一种三维车道线生成装置，包括：
提取单元，被配置成对预先获取的第一道路图像和第二道路图像分别进行车道线特征点提取，得到第一特征点序列集和第二特征点序列集；
拟合处理单元，被配置成对所述第一特征点序列集中的每个第一特征点序列和所述第二特征点序列集中的每个第二特征点序列分别进行拟合处理以生成第一拟合曲线方程组和第二拟合曲线方程组，得到第一拟合曲线方程组集合和第二拟合曲线方程组集合；
第一生成单元，被配置成基于所述第一拟合曲线方程组集合和所述第二拟合曲线方程组集合，生成反投影圆锥交线方程组集合；
采样处理单元，被配置成对所述反投影圆锥交线方程组集合中的每个反投影圆锥交线方程组中的各个反投影圆锥交线方程进行坐标采样处理以生成三维采样点坐标序列组，得到三维采样点坐标序列组集合；
投影处理单元，被配置成对所述三维采样点坐标序列组集合中的每个三维采样点坐标序列组中的每个三维采样点坐标序列中的各个三维采样点坐标进行投影处理以生成投影坐标序列，得到投影坐标序列组集合；
去除处理单元，被配置成基于所述投影坐标序列组集合，对所述三维采样点坐标序列组集合中的三维采样点坐标进行去除处理，得到目标采样点坐标序列组集合；
第二生成单元，被配置成基于所述目标采样点坐标序列组集合，生成三维车道线方程组。
9.一种电子设备，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，
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1-7中任一所述的方法。
10.一种计算机可读介质，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1-7中任一所述的方法。
CN202111559976.9A 2021-12-20 2021-12-20 三维车道线生成方法、装置、电子设备和计算机可读介质 Active CN114399589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111559976.9A CN114399589B (zh) 2021-12-20 2021-12-20 三维车道线生成方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111559976.9A CN114399589B (zh) 2021-12-20 2021-12-20 三维车道线生成方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN114399589A true CN114399589A (zh) 2022-04-26
CN114399589B CN114399589B (zh) 2022-11-11

Family

ID=81226207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111559976.9A Active CN114399589B (zh) 2021-12-20 2021-12-20 三维车道线生成方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN114399589B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863026A (zh) * 2022-05-18 2022-08-05 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
CN114863025A (zh) * 2022-05-18 2022-08-05 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
CN115620264A (zh) * 2022-12-02 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆定位方法、装置、电子设备和计算机可读介质
CN116091648A (zh) * 2023-02-09 2023-05-09 禾多科技（北京）有限公司 车道线的生成方法及装置、存储介质及电子装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008387A (zh) * 2014-05-19 2014-08-27 山东科技大学 一种基于特征点分段线性拟合的车道线检测方法
CN106407893A (zh) * 2016-08-29 2017-02-15 东软集团股份有限公司 一种检测车道线的方法、装置和设备
CN108470159A (zh) * 2018-03-09 2018-08-31 腾讯科技（深圳）有限公司 车道线数据处理方法、装置、计算机设备和存储介质
CN109583271A (zh) * 2017-09-29 2019-04-05 杭州海康威视数字技术股份有限公司 一种对车道线进行拟合的方法、装置及终端
CN112598762A (zh) * 2020-09-16 2021-04-02 禾多科技（北京）有限公司 三维车道线信息生成方法、装置、电子设备和介质
US20210389153A1 (en) * 2018-09-30 2021-12-16 Great Wall Motor Company Limited Traffic lane line fitting method and system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104008387A (zh) * 2014-05-19 2014-08-27 山东科技大学 一种基于特征点分段线性拟合的车道线检测方法
CN106407893A (zh) * 2016-08-29 2017-02-15 东软集团股份有限公司 一种检测车道线的方法、装置和设备
CN109583271A (zh) * 2017-09-29 2019-04-05 杭州海康威视数字技术股份有限公司 一种对车道线进行拟合的方法、装置及终端
CN108470159A (zh) * 2018-03-09 2018-08-31 腾讯科技（深圳）有限公司 车道线数据处理方法、装置、计算机设备和存储介质
US20210389153A1 (en) * 2018-09-30 2021-12-16 Great Wall Motor Company Limited Traffic lane line fitting method and system
CN112598762A (zh) * 2020-09-16 2021-04-02 禾多科技（北京）有限公司 三维车道线信息生成方法、装置、电子设备和介质

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114863026A (zh) * 2022-05-18 2022-08-05 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
CN114863025A (zh) * 2022-05-18 2022-08-05 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
CN114863025B (zh) * 2022-05-18 2023-03-10 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
CN114863026B (zh) * 2022-05-18 2023-04-14 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
CN115620264A (zh) * 2022-12-02 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆定位方法、装置、电子设备和计算机可读介质
CN116091648A (zh) * 2023-02-09 2023-05-09 禾多科技（北京）有限公司 车道线的生成方法及装置、存储介质及电子装置
CN116091648B (zh) * 2023-02-09 2023-12-01 禾多科技（北京）有限公司 车道线的生成方法及装置、存储介质及电子装置

Also Published As

Publication number Publication date
CN114399589B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
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
CN112598762B (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN113869293B (zh) 车道线识别方法、装置、电子设备和计算机可读介质
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
CN112668588B (zh) 车位信息生成方法、装置、设备和计算机可读介质
CN115257727B (zh) 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN113255619B (zh) 车道线识别及定位方法、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
CN112150490B (zh) 图像检测方法、装置、电子设备和计算机可读介质
CN115018909B (zh) 可行驶区域生成方法、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
CN115272182B (zh) 车道线检测方法、装置、电子设备和计算机可读介质
CN114964296A (zh) 车辆行驶路径规划方法、装置、设备和计算机可读介质
CN114445597A (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN113762279A (zh) 目标图像识别方法、模型训练方法、装置、设备和介质
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
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
CN114140538B (zh) 车载相机位姿调整方法、装置、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
CN113808134A (zh) 油罐布局信息生成方法、装置、电子设备、介质
CN112528970A (zh) 路牌检测方法、装置、设备和计算机可读介质
CN114723933A (zh) 区域信息生成方法、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
CN112215789B (zh) 图像去雾方法、装置、设备和计算机可读介质
CN115345931B (zh) 物体姿态关键点信息生成方法、装置、电子设备和介质

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
GR01 Patent grant
GR01 Patent grant
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: 100099 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