CN114435402A - 一种车道线平滑方法、装置和电子设备 - Google Patents
一种车道线平滑方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114435402A CN114435402A CN202210151369.7A CN202210151369A CN114435402A CN 114435402 A CN114435402 A CN 114435402A CN 202210151369 A CN202210151369 A CN 202210151369A CN 114435402 A CN114435402 A CN 114435402A
- Authority
- CN
- China
- Prior art keywords
- curvature
- point
- points
- smoothing
- observation
- 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
Links
- 238000009499 grossing Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000009191 jumping Effects 0.000 claims description 28
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
- B60W2552/53—Road markings, e.g. lane marker or crosswalk
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种车道线平滑方法、装置和电子设备。本发明的车道线平滑方法包括：获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。本发明的技术方案在不影响车道线精度的同时，实现了车道线的整体平滑，提高了高精地图中车道线的数据质量，有助于使用高精地图的无人驾驶车辆更好地在道路上自动行驶。
Description
技术领域
本发明涉及自动驾驶技术领域，具体涉及一种车道线平滑方法、装置和电子设备。
背景技术
在自动驾驶领域，为准确控制车辆行驶，常涉及到高精度地图的绘制，高精度地图绘制的过程中，需要路面的车道线形点数据，给自动驾驶车提供车道级的驾驶指引。当自动驾驶车辆的传感器受到大雾、冰雹、大雨等恶劣天气影响下出现失灵的情况时，车辆可以通过车内储存的高精度地图数据了解到周围的基本路况，来进行后续的行驶。同时，高精度地图也能让自动驾驶车辆对超出正常视野范围的路况信息进行处理。
由于生成的高精度地图是由多段直线段组成，不可避免的在一些地方会出现角度尖锐的部分，智能驾驶车辆在依靠高精地图行驶中可能出现不停的微小变向，使得行驶安全性和舒适性大大降低。
发明内容
有鉴于此，本发明的主要目的在于提供了一种车道线平滑方法、装置和电子设备，在保持车道线精度的同时，提高车道线的平滑度。
依据本发明的第一方面，提供了一种车道线平滑方法，包括：
获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
在一些实施例中，所述原始形点数据包括至少一对起始形点和终点形点；根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线，包括：
对位于每对起始形点和终点形点范围内的相邻原始形点数据进行距离检测，过滤掉小于第一距离的原始形点数据；
对过滤后的原始形点数据进行线形拟合，得到所述拟合曲线。
在一些实施例中，从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点，包括：
在所述拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列；
确定每相邻N个观测点对应的曲率，N为大于2的自然数；
若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为曲率跳变点。
在一些实施例中，在所述拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列，包括：
若第i个观测点与相邻的终点形点之间的距离小于第二距离且大于第三距离，将所述相邻的终点形点确定为第i+1个观测点；
若第i个观测点与相邻的终点形点之间的距离小于第二距离且不大于第三距离，将距离所述相邻的终点形点第二距离的点确定为第i+1个观测点；其中i为观测点的序号。
在一些实施例中，确定每相邻N个观测点对应的曲率，包括：
确定每相邻N个观测点的外接圆，将外接圆的半径的倒数确定为该相邻N个观测点对应的曲率。
在一些实施例中，若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为曲率跳变点，包括：
若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的公共观测点为曲率跳变点。
在一些实施例中，所述曲率跳变点若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑，包括：
确定出曲率跳变点中曲率较大的第一跳变点和曲率较小的第二跳变点；
根据曲率跳变点的相邻观测点，确定出曲率平滑方向，所述曲率平滑方向包括曲率变小平滑方向和曲线变大平滑方向；
按照曲率变小平滑方向调整第一跳变点的位置，同时按照曲率变大平滑方向调整第二跳变点的位置。
在一些实施例中，根据曲率跳变点的相邻观测点，确定出曲率平滑方向，包括：
获取所述相邻观测点对应的中垂线，确定所述中垂线所在方向为所述曲率平滑方向。
依据本发明的第二方面，提供了一种车道线平滑装置，包括：
拟合单元，用于获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
检测单元，用于从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
平滑单元，用于若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
依据本发明的第三方面，提供了一种电子设备，包括处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述实施例的车道线平滑方法。
依据本发明的第四方面，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一个或多个程序，所述一个或多个程序当被处理器执行时，实现上述实施例的车道线平滑方法。
本发明采用的上述至少一个技术方案能够达到以下有益效果：本实施例的车道线平滑方法、装置和电子设备先对获取到的原始形点数据进行线形拟合，得到较为平缓的拟合曲线；然后从拟合曲线上提取出观测点序列，基于曲率检测从观测点序列中确定出曲率跳变点；最后对不属于原始形点数据的曲率跳变点按照相应的曲率平滑方向进行曲率平滑。本实施例的车道线平滑方法以原始形点数据为基础，拟合出车道线的主体线形，从主体线形上确定出曲率跳变点，对不属于原始形点数据的曲率跳变点进行精细的曲率平滑，在不影响车道线精度的同时，实现了车道线的整体平滑，提高了高精地图中车道线的数据质量，有助于使用高精地图的无人驾驶车辆更好地在道路上自动行驶。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的车道线平滑方法流程示意图；
图2示出了根据本发明一个实施例的尖锐点平滑示意图；
图3示出了根据本发明一个实施例的车道线平滑装置的框图；
图4示出了根据本发明一个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发明的示例性实施例。提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
图1示出了根据本发明一个实施例的车道线平滑方法流程示意图，如图1所示，本实施例的方法至少包括步骤S110至步骤S130：
步骤S110，获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线。
在为无人驾驶提供行车指引的高精度地图中，车道主要由车道边线和车道中心线所组成，根据路况的不同，地图中部分车道边线或车道中心线可以根据数据采集设备采集的数据直接生成，而在涉及变道、路口拐弯、掉头等场景下，由于地面无实际车道线，无法直接采集数据，则需要根据已有车道边线或车道中心线计算生成该区域对应的车道边线或车道中心线。
本实施例中的原始形点数据包括上述根据数据采集设备采集的数据直接生成的高精度的形点数据，也包括根据已有车道边线或车道中心线计算生成的高精度的形点数据。这里的原始形点数据包括车道边线或车道中心线的形点数据，当原始形点数据包括车道边线的形点数据时，是指对单边的车道边线进行平滑。
步骤S120，从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点。
由于原始形点数据是对应多段直线段，基于多段直线段生成的车道线不可避免的在一些地方会出现角度尖锐的部分。本实施例先对原始形点数据进行线形拟合，得到较为平缓的拟合曲线。
从拟合曲线上提取出一系列观测点，对观测点序列进行曲率检测，确定出曲率跳变点。本实施例的曲率跳变点包括相邻曲率差值大于曲率阈值的至少两个观测点。如图2所示，当观测点ABC的曲率与观测点BCD的曲率之间的曲率差值大于曲率阈值时，可以确定观测点ABCD中存在曲率跳变点，优选地，相邻曲率的公共观测点作为一组曲率跳变点，对曲率跳变点按组平滑。
步骤S130，若曲率跳变点不属于原始形点数据，获取曲率跳变点的曲率平滑方向对曲率跳变点进行曲率平滑。
由于原始形点数据为高精度数据，本实施例只对非原始形点数据的曲率跳变点进行平滑处理，以在不改变车道线精度的情况下，获取平滑车道线。平滑过程中，根据曲率跳变点的相邻观测点，确定该曲率跳变点的曲率平滑方向，按照曲率平滑方向对曲率跳变点进行曲率平滑。
可见，图1所示的方法，先对获取到的原始形点数据进行线形拟合，得到较为平缓的拟合曲线；然后从拟合曲线上提取出观测点序列，基于曲率检测从观测点序列中确定出曲率跳变点；最后对不属于原始形点数据的曲率跳变点按照相应的曲率平滑方向进行曲率平滑。本实施例的车道线平滑方法以原始形点数据为基础，拟合出车道线的主体线形，从主体线形上确定出曲率跳变点，对不属于原始形点数据的曲率跳变点进行精细的曲率平滑，在不影响车道线精度的同时，实现了车道线的整体平滑，提高了高精地图中车道线的数据质量，有助于使用高精地图的无人驾驶车辆更好地在道路上自动行驶。
在一些实施例中，原始形点数据包括至少一对起始形点和终点形点。根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线，包括：
对位于每对起始形点和终点形点范围内的相邻原始形点数据进行距离检测，过滤掉小于第一距离的原始形点数据；对过滤后的原始形点数据进行线形拟合，得到拟合曲线。
实际应用中，车道线数据包括分段数据，因此车道线数据中的原始形点数据相应包括至少一对起始形点和终点形点。当包括两对以上的起始形点和终点形点时，相邻分段数据中前驱车道线的终点形点与后驱车道线的起始形点为同一点。
如图2所示，假设点A和点C对应为分段数据1的起始形点和终点形点，点C和点D对应为分段数据2的起始形点和终点形点，由于分段数据1的终点形点和分段数据2的起始形点为同一点，因此本实施例的原始形点数据为经过连续处理后的车道线数据。
如此，即使车道线数据包括多个分段数据，由于各分段数据首尾相接，在进行线形拟合时，可以得到连续的较为平缓的拟合曲线。
本实施例在进行线形拟合之前，对每段分段数据进行点过滤处理，过滤掉除起始形点和终点形点以外的距离较近的点，例如过滤除掉物理距离小于1米的点，当然该第一距离可以根据实际情况来调整，通过过滤掉距离过近的点，稀疏化原始形点数据，提高线形拟合的效率。
本实施例在进行线形拟合时，可以对过滤后的原始形点数据进行贝塞尔拟合，得到贝塞尔拟合曲线。例如过滤后的原始形点数据由点A,B,C,D,E,F,G,H组成，贝塞尔拟合时，分别以A和B，B和C，C和D，D和E，E和F，F和G，G和H为数据点，进行三阶贝塞尔拟合，依此得到较为平缓的连续的贝塞尔拟合曲线。当然，本领域技术人员也可以采用其他方法进行线形拟合，例如多项式拟合、螺旋线拟合等等。
在一些实施例中，从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点，包括：
首先在拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列。这里第二距离小于第一距离，例如第二距离为0.8米，以获得比过滤后的原始形点数据更为稠密的观测点，避免曲率跳变点的漏检测。
以拟合曲线的起始形点P和终点形点Q为例，假设有一个小球可以沿着这条拟合曲线从P向Q滑动，将P点为基准点，记录为M0，在滑动的过程中计算小球与基准点M0的直线距离，当直线距离为0.8米时，记录下当前小球的位置点M1，接下来小球继续滑动，并且计算小球到M1的距离为0.8米时的位置M2，直至小球滑动到Q点，由此得到一系列观测点M0,M1,M2,M3......。
在观测点提取过程中，存在当前位置与终点形点的距离不足第二距离的情况，此时本实施例判断当前位置与终点形点之间的距离是否满足预设条件，满足预设条件时，将终点形点确定为下一观测点，不满足预设条件时，以终点行为为基准点，按照第二距离确定出下一观测点。
举例来说，对分段数据PQ和QR来说，若分段数据PQ中第i个观测点与相邻的终点形点Q之间的距离小于第二距离且大于第三距离，将相邻的终点形点Q确定为第i+1个观测点；若第i个观测点与相邻的终点形点Q之间的距离小于第二距离且不大于第三距离，将距离相邻的终点形点Q第二距离的点确定为第i+1个观测点。这里第三距离可以根据第二距离确定，例如第三距离为第二距离的一半。
上述实施例提供了一种等距离提取观测点序列的方案，在实际应用中，还可以采用随机取样方法、分段取样等方法提取观测点序列，本领域技术人员可以按需选择合适方案。
在得到上述观测点序列之后，确定每相邻N个观测点对应的曲率，N为大于2的自然数。例如确定每相邻3个观测点的外接圆，将外接圆的半径的倒数确定为该相邻N个观测点对应的曲率。若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为目标观测点。
参考图2示出的四个观测点ABCD，观测点ABC可以计算出一个曲率K1，观测点BCD可以计算出另一个曲率K2，若K1与K2的差值绝对值大于曲率阈值，说明观测点ABCD存在曲率跳变点，此时可能这四个点均为曲率跳变点，也可能是其中的某一个、某二个，某三个为曲率跳变点。
考虑到本实施例实质上是对每个观测点进行曲率检测，为避免对曲率跳变点重复进行曲率调整，并提高曲率平滑的效率。在一些实施例中，确定相邻曲率对应的公共观测点为曲率跳变点，即将图2中示出的BC点确定为曲率跳变点。
结合图2中的曲率跳变点B和C，在进行曲率平滑时，确定出曲率跳变点中曲率较大的第一跳变点和曲率较小的第二跳变点；若K1大于K2，则确定曲率跳变点B和C中的第一跳变点为B，第二跳变点为C；反之，若K1小于K2，则确定曲率跳变点B和C中的第一跳变点为C，第二跳变点为B。
根据曲率跳变点的相邻观测点，确定出曲率平滑方向，其中曲率平滑方向包括曲率变小平滑方向和曲线变大平滑方向，按照曲率变小平滑方向调整第一跳变点的位置，同时按照曲率变大平滑方向调整第二跳变点的位置。调整过程中，可以按照设定的步进进行多次调整，直至曲率跳变点的曲率差值小于曲率阈值。依据本实施例的平滑方法，曲率突变点B和C调整后即为图2中示出的B’和C’，虚线AB’C’D为平滑后的折线段。
需要说明的是，在一些实施例中，可以为原始形点数据设置数据标识，若曲率跳变点存在所述数据标识，则判断曲率跳变点属于原始形点数据，否则，若曲率跳变点不存在所述数据标识，则判断曲率跳变点不属于原始形点数据。当然，也可以预先确定出原始形点数据对应的物理位置点集，若曲率跳变点的物理位置属于所述物理位置点集，则判断曲率跳变点属于原始形点数据，否则，若曲率跳变点的物理位置不属于所述物理位置点集，则判断曲率跳变点不属于原始形点数据。
本实施例对多个曲率跳变点同时进行曲率平滑，提高曲率平滑的效率。
与前述实施例中的车道线平滑方法同属于一个技术构思，本发明实施例还提供了一种车道线平滑装置。
图3示出了根据本发明一个实施例的车道线平滑装置的框图，如图3所示，车道线平滑装置300包括：
拟合单元310，用于获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
检测单元320，用于从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
平滑单元330，用于若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
在一些实施例中，所述原始形点数据包括至少一对起始形点和终点形点；拟合单元310，用于对位于每对起始形点和终点形点范围内的相邻原始形点数据进行距离检测，过滤掉小于第一距离的原始形点数据；对过滤后的原始形点数据进行线形拟合，得到所述拟合曲线。
在一些实施例中，检测单元320，用于在所述拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列；确定每相邻N个观测点对应的曲率，N为大于2的自然数；若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为曲率跳变点。
在一些实施例中，检测单元320，还用于若第i个观测点与相邻的终点形点之间的距离小于第二距离且大于第三距离，将所述相邻的终点形点确定为第i+1个观测点；若第i个观测点与相邻的终点形点之间的距离小于第二距离且不大于第三距离，将距离所述相邻的终点形点第二距离的点确定为第i+1个观测点；其中i为观测点的序号。
在一些实施例中，检测单元320，还用于确定每相邻N个观测点的外接圆，将外接圆的半径的倒数确定为该相邻N个观测点对应的曲率，若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的公共观测点为曲率跳变点。
在一些实施例中，平滑单元330，用于确定出曲率跳变点中曲率较大的第一跳变点和曲率较小的第二跳变点；根据曲率跳变点的相邻观测点，确定出曲率平滑方向，所述曲率平滑方向包括曲率变小平滑方向和曲线变大平滑方向；按照曲率变小平滑方向调整第一跳变点的位置，同时按照曲率变大平滑方向调整第二跳变点的位置。
在一些实施例中，平滑单元330，还用于获取所述相邻观测点对应的中垂线，确定所述中垂线所在方向为所述曲率平滑方向。
能够理解，上述车道线平滑装置，能够实现前述实施例中提供的车道线平滑方法的各个步骤，关于车道线平滑方法的相关阐释均适用于车道线平滑装置，此处不再赘述。
需要说明的是：
图4示出了根据本发明一个实施例一种电子设备示意图。请参考图4，在硬件层面，该电子设备包括处理器和存储器，可选地还包括内部总线、网络接口。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、接口模块、通信模块和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放计算机可执行指令。存储器通过内部总线向处理器提供计算机可执行指令。
处理器，执行存储器所存放的计算机可执行指令，并具体用于实现以下操作：
获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
上述如本发明图1所示实施例揭示的车道线平滑方法执行的功能可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序当被处理器执行时，实现前述的车道线平滑方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
Claims (10)
1.一种车道线平滑方法，其特征在于，包括：
获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
2.根据权利要求1所述的方法，其特征在于，所述原始形点数据包括至少一对起始形点和终点形点；根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线，包括：
对位于每对起始形点和终点形点范围内的相邻原始形点数据进行距离检测，过滤掉小于第一距离的原始形点数据；
对过滤后的原始形点数据进行线形拟合，得到所述拟合曲线。
3.根据权利要求2所述的方法，其特征在于，从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点，包括：
在所述拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列；
确定每相邻N个观测点对应的曲率，N为大于2的自然数；
若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为曲率跳变点。
4.根据权利要求3所述的方法，其特征在于，在所述拟合曲线的每对起始形点和终点形点之间，按照第二距离从所述拟合曲线上依次提取观测点，得到观测点序列，包括：
若第i个观测点与相邻的终点形点之间的距离小于第二距离且大于第三距离，将所述相邻的终点形点确定为第i+1个观测点；
若第i个观测点与相邻的终点形点之间的距离小于第二距离且不大于第三距离，将距离所述相邻的终点形点第二距离的点确定为第i+1个观测点；
其中i为观测点的序号。
5.根据权利要求4所述的方法，其特征在于，确定每相邻N个观测点对应的曲率，包括：
确定每相邻N个观测点的外接圆，将外接圆的半径的倒数确定为该相邻N个观测点对应的曲率。
6.根据权利要求3所述的方法，其特征在于，若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的观测点为曲率跳变点，包括：
若相邻曲率的差值大于曲率阈值，确定相邻曲率对应的公共观测点为曲率跳变点。
7.根据权利要求6所述的方法，其特征在于，所述曲率跳变点若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑，包括：
确定出曲率跳变点中曲率较大的第一跳变点和曲率较小的第二跳变点；
根据曲率跳变点的相邻观测点，确定出曲率平滑方向，所述曲率平滑方向包括曲率变小平滑方向和曲线变大平滑方向；
按照曲率变小平滑方向调整第一跳变点的位置，同时按照曲率变大平滑方向调整第二跳变点的位置。
8.根据权利要求7所述的方法，其特征在于，根据曲率跳变点的相邻观测点，确定出曲率平滑方向，包括：
获取所述相邻观测点对应的中垂线，确定所述中垂线所在方向为所述曲率平滑方向。
9.一种车道线平滑装置，其特征在于，包括：
拟合单元，用于获取车道线的原始形点数据，并根据所述原始形点数据进行线形拟合，得到车道线的拟合曲线；
检测单元，用于从所述拟合曲线上按序提取观测点，对观测点进行曲率检测，检测出曲率跳变点；
平滑单元，用于若所述曲率跳变点不属于原始形点数据，获取所述曲率跳变点的曲率平滑方向对所述曲率跳变点进行曲率平滑。
10.一种电子设备，其特征在于，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1-8之任一所述车道线平滑方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210151369.7A CN114435402B (zh) | 2022-02-16 | 2022-02-16 | 一种车道线平滑方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210151369.7A CN114435402B (zh) | 2022-02-16 | 2022-02-16 | 一种车道线平滑方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114435402A true CN114435402A (zh) | 2022-05-06 |
| CN114435402B CN114435402B (zh) | 2024-05-31 |
Family
ID=81373221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210151369.7A Active CN114435402B (zh) | 2022-02-16 | 2022-02-16 | 一种车道线平滑方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114435402B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013022153A1 (en) * | 2011-08-05 | 2013-02-14 | Lg Electronics Inc. | Apparatus and method for detecting lane |
| CN108279016A (zh) * | 2017-01-06 | 2018-07-13 | 北京四维图新科技股份有限公司 | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 |
| CN109033176A (zh) * | 2018-06-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 道路曲率的确定方法、装置、存储介质和计算机设备 |
| 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 |
| CN109916416A (zh) * | 2019-01-29 | 2019-06-21 | 腾讯科技（深圳）有限公司 | 车道线数据处理与更新方法、装置及设备 |
| CN110516880A (zh) * | 2019-08-29 | 2019-11-29 | 广州小鹏汽车科技有限公司 | 一种路径处理方法及系统、车辆 |
| CN111176268A (zh) * | 2018-10-23 | 2020-05-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法 |
| CN111192216A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种车道线平滑处理方法及系统 |
| CN111198562A (zh) * | 2019-12-31 | 2020-05-26 | 武汉中海庭数据技术有限公司 | 一种众包碎片地图的空间线特征的预处理优化方法 |
| CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
| CN111696059A (zh) * | 2020-05-28 | 2020-09-22 | 武汉中海庭数据技术有限公司 | 一种车道线光滑连接处理方法和装置 |
| CN112580179A (zh) * | 2020-12-29 | 2021-03-30 | 武汉中海庭数据技术有限公司 | 高精度地图路口车道形状更新方法及系统、服务器及介质 |
| CN113128307A (zh) * | 2020-01-10 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 车道线的检测处理方法、及相关装置和系统 |
| CN113807333A (zh) * | 2021-11-19 | 2021-12-17 | 智道网联科技(北京)有限公司 | 用于检测车道线的数据处理方法及存储介质 |
| CN114092906A (zh) * | 2021-10-13 | 2022-02-25 | 武汉光庭信息技术股份有限公司 | 一种车道线分段拟合方法、系统、电子设备及存储介质 |
-
2022
- 2022-02-16 CN CN202210151369.7A patent/CN114435402B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013022153A1 (en) * | 2011-08-05 | 2013-02-14 | Lg Electronics Inc. | Apparatus and method for detecting lane |
| CN108279016A (zh) * | 2017-01-06 | 2018-07-13 | 北京四维图新科技股份有限公司 | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 |
| 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 |
| CN109033176A (zh) * | 2018-06-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 道路曲率的确定方法、装置、存储介质和计算机设备 |
| CN111176268A (zh) * | 2018-10-23 | 2020-05-19 | 百度（美国）有限责任公司 | 用于自动驾驶车辆的模仿人类驾驶行为的两步参考线平滑方法 |
| CN109916416A (zh) * | 2019-01-29 | 2019-06-21 | 腾讯科技（深圳）有限公司 | 车道线数据处理与更新方法、装置及设备 |
| CN110516880A (zh) * | 2019-08-29 | 2019-11-29 | 广州小鹏汽车科技有限公司 | 一种路径处理方法及系统、车辆 |
| CN111209805A (zh) * | 2019-12-24 | 2020-05-29 | 武汉中海庭数据技术有限公司 | 一种车道线众包数据的多道路片段数据的快速融合优化方法 |
| CN111192216A (zh) * | 2019-12-31 | 2020-05-22 | 武汉中海庭数据技术有限公司 | 一种车道线平滑处理方法及系统 |
| CN111198562A (zh) * | 2019-12-31 | 2020-05-26 | 武汉中海庭数据技术有限公司 | 一种众包碎片地图的空间线特征的预处理优化方法 |
| CN113128307A (zh) * | 2020-01-10 | 2021-07-16 | 阿里巴巴集团控股有限公司 | 车道线的检测处理方法、及相关装置和系统 |
| CN111696059A (zh) * | 2020-05-28 | 2020-09-22 | 武汉中海庭数据技术有限公司 | 一种车道线光滑连接处理方法和装置 |
| CN112580179A (zh) * | 2020-12-29 | 2021-03-30 | 武汉中海庭数据技术有限公司 | 高精度地图路口车道形状更新方法及系统、服务器及介质 |
| CN114092906A (zh) * | 2021-10-13 | 2022-02-25 | 武汉光庭信息技术股份有限公司 | 一种车道线分段拟合方法、系统、电子设备及存储介质 |
| CN113807333A (zh) * | 2021-11-19 | 2021-12-17 | 智道网联科技(北京)有限公司 | 用于检测车道线的数据处理方法及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114435402B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6347827B2 (ja) | 車線境界線を検出する方法、装置、およびデバイス | |
| JP6538547B2 (ja) | 道路曲率計測装置 | |
| KR101968349B1 (ko) | 영상 정보를 이용한 차선 경계 검출 방법 | |
| CN108279016B (zh) | Had地图的平滑处理方法和装置、导航系统及自动驾驶系统 | |
| CN111274847B (zh) | 一种定位方法 | |
| EP2887315A1 (en) | Calibration device, method for implementing calibration, program and camera for movable body | |
| WO2020107326A1 (zh) | 车道线检测方法、设备、计算机可读存储介质 | |
| CN113298050B (zh) | 车道线识别模型训练方法、装置及车道线识别方法、装置 | |
| CN103020956A (zh) | 一种基于决策判断Hausdorff距离的图像匹配方法 | |
| CN113221750A (zh) | 车辆追踪方法、装置、设备及存储介质 | |
| KR101366871B1 (ko) | 관심영역 분할을 통한 곡선차선 검출장치 및 그 방법 | |
| CN112446375A (zh) | 车牌识别方法、装置、设备及存储介质 | |
| CN112418193A (zh) | 一种车道线识别方法及系统 | |
| JP2012175483A (ja) | 車線認識装置及び車線認識方法 | |
| CN117612128A (zh) | 车道线生成方法、装置、计算机设备及存储介质 | |
| CN114435402B (zh) | 一种车道线平滑方法、装置和电子设备 | |
| Arora et al. | An algorithm to straighten the bent human chromosomes | |
| KR20180113294A (ko) | 곡률 반경을 이용하여 차선을 검출하는 장치 및 방법 | |
| CN116430374A (zh) | 基于毫米波雷达点云校验视觉目标速度的方法及装置 | |
| JP6354186B2 (ja) | 情報処理装置、ぼけ具合計算方法、及びプログラム | |
| CN114580574A (zh) | 一种构建高精地图的方法及装置 | |
| CN112489466A (zh) | 交通信号灯识别方法和装置 | |
| CN112199999A (zh) | 道路检测方法、装置、存储介质和电子设备 | |
| CN113051976A (zh) | 指纹定位方法、装置、电子设备及存储介质 | |
| CN113807193B (zh) | 一种激光点云中交通道路虚线段自动提取方法及系统 |
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 |