CN114475615A - 用于基于多个传感器识别行驶车道的设备和方法 - Google Patents

Abstract

本申请涉及用于基于多个传感器识别行驶车道的设备和方法。提供了一种用于基于多个传感器识别行驶车道的设备。该设备包括第一传感器，被配置为计算道路信息；第二传感器，被配置为计算移动障碍物信息；第三传感器，被配置为计算车辆的移动信息；以及控制器，被配置为从道路信息中去除移动障碍物信息以仅提取道路边界数据，累积道路边界数据以基于移动信息计算关于车辆的多条候选位置信息，并且从多条候选位置信息中选择最终候选位置信息。

Description

用于基于多个传感器识别行驶车道的设备和方法

技术领域

本公开涉及一种用于基于多个传感器识别行驶车道的设备和方法。

背景技术

正在研究使用昂贵的全球导航卫星系统(GNSS)/惯性导航系统(INS)来实现示范性自动车辆的技术。具体地，在自动行驶的情况下，使用相机利用INS和道路上的地标(例如道路标记、车道、交通信号灯和道路标志)来执行侧面方向位置识别。

然而，在自动行驶的情况下，横向方向位置识别很重要。为此，需要用于综合识别行驶车道和车道内位置的技术。此外，为了识别行驶车道，需要进行道路边界检测。

然而，由于天气、障碍物类型和传感器特性，道路边界检测存在不准确的问题。

此外，将GNSS/INS应用于自动车辆以进行大规模生产可能是不可取的。

发明内容

本公开涉及一种用于基于多个传感器识别行驶车道的设备和方法，其可通过基于融合低成本全球定位系统(GPS)、多个环境识别传感器和精确地图的用于道路边界检测和行驶车道识别的技术来提高在道路上精确定位的性能。

本公开的其他目的和优点可通过以下描述理解并且通过参照本公开的一些形式将变得明显。另外，对于本公开所属领域的技术人员显而易见的是，本公开的目的和优点可通过所要求保护的方法及其组合来实现。

在本公开的一些形式中，提供了一种用于基于多个传感器识别行驶车道的设备，其通过基于融合低成本GPS、多个环境识别传感器和精确地图的用于道路边界检测和行驶车道识别的技术来提高在道路上精确定位的性能。

用于识别行驶车道的设备包括：第一传感器，被配置为计算道路信息；第二传感器，被配置为计算移动障碍物信息；第三传感器，被配置为计算车辆的移动信息；以及控制器，被配置为从道路信息中去除移动障碍物信息以仅提取道路边界数据，累积道路边界数据以基于移动信息计算关于车辆的多条候选位置信息，并且从多条候选位置信息中选择一条作为最终候选位置信息。

在这种情况下，可使用移动信息从多个先前帧中提取道路边界数据并将道路边界数据累积在当前帧中。

此外，可基于当前车辆位置信息，使用利用第四传感器获得的行驶车道信息或预设的精确地图车道信息来计算多条候选位置信息。

此外，可基于通过以规则间隔划分放置在精确地图车道信息的地图道路边界上的预定的感兴趣区域而形成的网格来计算多条候选位置信息。

此外，网格可由多个侧面方向和多个横向方向形成，并且所有的多个侧面方向和多个横向方向可设置为多条横向候选位置信息和多条侧面候选位置信息。

此外，网格可由多个航向角形成，可通过基于车辆的中心点以规则间隔划分感兴趣区域来生成多个航向角，并且所有的多个航向角可设置为候选航向角信息。

此外，可通过将侧面位置信息的数量、横向位置信息的数量和航向角位置信息的数量相乘来获得多条候选位置信息的数量。

此外，考虑到车辆的位置误差，多条候选位置信息可仅包括基于横向方向的预设数量的多条横向候选位置信息。

此外，可根据在行驶车道与车辆的中心之间计算的侧面偏移的比率来确定存在于一个道路边界内的车辆的位置。

此外，可根据侧面偏移的比率，基于在精确地图车道信息中预设的感兴趣区域中识别的车道位置和车道数量来确定每个车道的预设数量的多条横向候选位置信息。

此外，预设数量的多条横向候选位置信息中的每一条的航向角可使用第一平均值和第二平均值之间的差值来计算，该第一平均值是通过第二传感器识别的车辆前方的左车道的航向角和右车道的航向角的平均值，该第二平均值是通过精确地图车道信息计算的预设数量的多条横向候选位置信息的左车道的航向角和右车道的航向角的平均值。

此外，控制器可将基于多条候选位置信息搜索到的精确地图道路边界信息与累积的道路边界数据进行匹配，以向多条候选位置信息中的每一条分配匹配度得分，并且选择最终候选位置信息中分配有最高匹配度得分的车道作为行驶车道。

此外，控制器可将精确地图道路边界信息和累积的道路边界数据转换为由Y轴坐标和X轴坐标形成的坐标系，并基于Y轴坐标的索引仅比较X轴坐标的值，以计算匹配度得分。

此外，匹配度得分可使用位于精确地图道路边界信息附近的数据点的数量来计算，数据点可由第一传感器生成，并且数据点的数量可以是基于精确地图道路边界信息的左点的数量、右点的数量和道路边界之间的点的数量。

此外，当先前帧的数量大于预设值时，控制器可去除一个最远的先前帧，并添加一个当前帧以保持帧的累积数量不变。

此外，可根据车速或车辆的移动距离来可变地设置累积的帧的数量。

此外，第一传感器可以是距离传感器，第二传感器可以是视觉传感器，第三传感器可以是运动传感器，并且第四传感器可以是全球定位系统(GPS)传感器或图像传感器。

此外，控制器可将预设的无效确定条件应用于最终候选位置信息以确定最终候选位置信息是否有效。

此外，无效确定条件可包括下列中的任何一个：最终候选位置信息的匹配度得分是否小于预设的第一匹配度的比较条件；存在于行驶车道内的距离传感器的剩余量是否大于最终候选位置信息中预设的第二匹配度的比较条件；以及确定条件，根据最终候选位置信息中的左车道方向和右车道方向之间的差来确定车辆前方的左车道方向和右车道方向是否相互平行，并且通过将基于车辆的中心的左车道的侧面偏移和右车道的侧面偏移之间的差与预设的道路宽度进行比较来确定车辆是否偏离车道宽度。

在本公开的一些形式中，提供了一种用于基于多个传感器识别行驶车道的方法，该方法包括：第一信息计算操作，由第一传感器和第二传感器计算道路信息和移动障碍物信息；第二信息计算操作，由第三传感器计算车辆的移动信息；以及选择操作，由控制器从道路信息中去除移动障碍物信息以仅提取道路边界数据，累积道路边界数据以基于移动信息计算关于车辆的多条候选位置信息，并且从多条候选位置信息中选择一个作为最终候选位置信息。

此外，选择操作可包括由控制器使用基于利用第四传感器获得的行驶车道信息和从位置信息获取部获得的当前车辆位置信息中的至少一个而预设的精确地图车道信息来计算多条候选位置信息。

此外，选择操作可包括由控制器将基于多条候选位置信息搜索到的精确地图道路边界信息与累积的道路边界数据进行匹配，以向多条候选位置信息中的每一条分配匹配度得分，并且选择最终候选位置信息中分配有最高匹配度得分的车道作为行驶车道。

此外，选择操作可包括由控制器将精确地图道路边界信息和累积的道路边界数据转换为由Y轴坐标和X轴坐标形成的坐标系，并基于Y轴坐标的索引仅比较X轴坐标的值，以计算匹配度得分。

此外，选择操作可包括由控制器将预设的无效确定条件应用于最终候选位置信息，以确定最终候选位置信息是否有效。

附图说明

图1是示出在本公开的一些形式中的用于基于多个传感器识别行驶车道的设备的构造的框图。

图2是示出图1所示的控制器的构造的详细框图。

图3是示出在本公开的一些形式中的用于基于多个传感器识别行驶车道的过程的构造的流程图。

图4是用于描述分离图3所示的距离传感器的输出的操作的概念的图。

图5是用于描述累积图3所示的距离传感器的输出的操作的概念的图。

图6是用于描述生成图3所示的候选位置的操作的概念的图。

图7是示出生成根据图6的预定范围内的航向角候选的一个示例的概念图。

图8是示出生成根据图6的候选位置的另一个示例的概念图。

图9是用于描述根据图8的识别出的行驶车道的方向的搜索的概念图。

图10是用于描述根据图8的精确地图的航向角的搜索的概念图。

图11是根据图8至图10计算每个候选位置的航向角的流程图。

图12是示出用于描述选择图3所示的最佳候选位置的操作的概念的一个示例的图。

图13是示出用于描述图3所示的选择最佳候选位置的操作的概念的另一示例的示图。

图14是示出根据图3所示的正确识别的最终候选位置信息的得分分布和非正确识别的最终候选位置信息的得分分布来设置匹配度的操作的概念图。

图15是用于描述图3所示的确定无效的操作的概念的图。

具体实施方式

本公开可修改为各种形式并且可具有各种形式，并且因此，将在附图中示出并详细描述特定形式。然而，这些形式不应理解为将本公开限制为特定形式，而应解释为包括在本公开的精神和技术范围内的修改、等同物或替代物。

在描述每个附图时，相似的附图标记分配给相似的组件。尽管在本文中可使用术语“第一”和“第二”等来描述各种组件，但是这些组件不应受这些术语的限制。术语仅用于区分一个组件与另一个组件。

例如，在不脱离本公开的范围的情况下，第一组件可称为第二组件，并且类似地，第二组件也可称为第一组件。术语“和/或”包括多个相关所列的项目的组合或多个相关所列的项目的任何一项。

除非另外定义，否则在本文中使用的包括技术或科学术语的所有术语具有与本公开所属领域的技术人员通常理解的相同的含义。

在词典中定义的一般术语应解释为具有在现有技术的上下文中一致的含义，并且不应解释为具有理想化或过于形式化的含义，除非在本公开中明确定义。

在下文中，将参照附图详细描述在本公开的一些形式中的用于基于多个传感器识别行驶车道的设备和方法。

图1是示出在本公开的一些形式中的用于基于多个传感器识别行驶车道的设备100的构造的框图。参照图1，用于识别行驶车道的设备100可包括控制器110；位置信息获取部120，用于获取车辆的当前位置信息；传感器系统130，用于计算关于车辆行进的道路的信息、关于在道路上移动的移动障碍物的信息以及在道路上行进的车辆的移动信息；以及存储装置140，用于存储多条信息。此外，用于识别行驶车道的设备100还可包括电源部150，用于向上述组件供电，以及输出部160，其用于输出信息。此外，在本公开的一些形式中，图1中所示的组件主要描述为用于基于多个传感器识别行驶车道的设备的组件，只不过省略了其他组件。

控制器110向组件120至组件160发送信号并从组件120至组件160接收信号，并且执行控制组件120至组件160的功能。此外，控制器110执行以下功能：基于移动信息从道路信息中去除移动障碍物信息以仅提取道路边界数据，累积道路边界数据以计算关于车辆的多条候选位置信息，以及在多条候选位置信息中选择一条。

位置信息获取部120执行获取车辆的当前位置信息的功能。因此，位置信息获取部120可以是全球定位系统(GPS)接收器，但是本公开不限于此，并且位置信息获取部120可以是惯性测量单元(IMU)、光检测和测距(LiDAR)或无线电检测和测距(RADAR)。此外，IMU可包括加速计、转速表等。

传感器系统130可包括：距离传感器131，用于感测车辆行进的道路并生成关于道路的距离信息；视觉传感器132，用于生成在同一道路上移动的移动障碍物；运动传感器133，用于感测车辆的移动并生成移动信息；以及图像传感器134，用于感测道路的车道并生成行驶车道信息。

距离传感器131可以是超声传感器、红外传感器、飞行时间(TOF)传感器、激光传感器、LiDAR或RADAR。

视觉传感器132是指用于识别和评估运动目标和场景的传感器。

运动传感器133是指用于识别物体的运动和位置的运动识别传感器。因此，运动传感器133可以包括用于检测方向的传感器，用于检测移动的传感器和用于测量速度的传感器。

图像传感器134执行捕获一般道路上的车道的功能。图像传感器134可以是电荷耦合器件(CCD)传感器、互补金属氧化物半导体(CMOS)传感器等。

存储装置140执行存储具有基于多个传感器、数据、软件等识别行驶车道的算法的程序的功能。存储装置140可包括至少一种类型的存储介质：闪存存储器、硬盘型存储器、多媒体卡微型存储器、卡型存储器(例如，安全数字(SD)或极限数字(XD)存储器)、随机存取存储器(RAM)、静态随机存取存储器(SRAM)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁存储器、磁盘和光盘。

电源部150执行向组件供电的功能。因此，电源部150可以是由可再充电电池单元、铅酸电池等形成的电池组。

输出部160执行将识别行驶车道的处理过程输出到屏幕的功能。此外，输出部160还可将处理后的数据输出到控制器110。为此，输出部160可包括液晶显示器(LCD)、发光二极管(LED)显示器、有机LED(OLED)显示器、触摸屏、柔性显示器、平视显示器(HUD)等。触摸屏可用作输入部。此外，可配置用于输入和/或输出语音、声音等的声音系统。

图2是示出图1所示的控制器110的构造的详细框图1。参照图2，控制器110可包括收集部210，用于收集从传感器系统130生成的传感器数据；累积器220，用于使用车辆的移动信息在当前帧中累积从先前帧提取的道路边界数据；计算部230，用于使用基于位置信息获得的行驶车道信息和精确地图车道信息来计算要放置在每个车道中的车辆的候选位置，并将得分分配给候选位置以选择得分高的候选位置的车道作为行驶车道；以及确定部240，用于执行处理在实际道路中可能发生的异常情况的异常的功能。

收集部210、累积器220、计算部230和确定部240可以软件和/或硬件实现以执行上述功能。硬件可用设计为执行上述功能的专用集成电路(ASIC)、数字信号处理器(DSP)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、微处理器、另一电子单元或其组合来实现。软件实现可包括软件配置组件(元件)、面向对象的软件配置组件、类配置组件和工作配置组件、过程、函数、属性、程序、子例程、程序代码段、驱动器、固件、微码、数据、数据库、数据结构、表、阵列和变量。软件和数据可存储在存储器中并由处理器执行。存储器或处理器可采用本领域技术人员公知的各种部件。

图3是示出在本公开的一些形式中的用于基于多个传感器识别行驶车道的过程的构造的流程图。参照图3，控制器110的收集部210从距离传感器131的输出中去除移动障碍物对应的周围车辆，并且仅提取道路边界数据(S310)。即，从由距离传感器131计算出的道路信息中去除移动障碍物信息，并且因此仅提取道路边界信息。为了生成移动障碍物信息，可使用视觉传感器132。

此后，控制器110的累积器220使用从运动传感器133的输出获得的车辆的移动信息来在当前帧中累积从N(大于1)个先前帧中提取的道路边界数据(S320)。

然后，控制器110的计算部230使用基于从图像传感器134获得的行驶车道信息和从位置信息获取部120获取的当前车辆位置信息获取的精确地图车道信息来搜索要放置在每个车道中的本车辆的横向候选位置信息(S330)。

预先将精确地图车道信息存储在存储装置140中。可替换地，可通过通信从外部提供精确地图车道信息。即，由于确定了车辆当前行进的位置，因此使用与所确定的位置对应的最新的精确地图信息来搜索横向候选位置信息。为此，可将精确映射信息存储在数据库中。此外，可将车道信息和道路边界信息包括在精确地图信息中。

此外，可基于从图像传感器134获取的行驶车道信息和从位置信息获取部120获取的当前车辆位置信息来获得精确地图车道信息，或者可仅基于行驶车道信息和当前车辆位置信息中的一个来选择性地获得精确地图车道信息。

此后，控制器110的计算部230将基于候选位置获得的精确地图道路边界信息与在S320中累积的道路边界信息的输出进行匹配，以对每个候选位置给出得分。因此，选择得分最高的候选位置的车道作为行驶车道。当在行驶车道的位置处执行匹配时，可检测接近精确地图道路边界的位置的距离传感器数据作为道路边界。

此后，确定部240使用处理关于在实际行驶车道中可能发生的特定情况的异常的功能来确定所选择的最佳候选位置信息是否无效(S350)。

此后，确定部240通过输出部160显示检测道路边界和识别行驶车道的结果(S360)。结果信息可输出为图形、文本和语音的组合。

图4用于描述分离图3所示的距离传感器(S310)的输出的概念的图。即，图4是使用由视觉传感器132识别的结果仅提取由距离传感器131检测的所有数据的道路边界部分的流程图。

参照图4，关于移动物体，预先测量距离传感器数据和视觉传感器数据之间的差异，将其建模并作为数据库存储在存储装置140中。

此后，将建模结果反映到由视觉传感器132识别并以占用网格地图的形式转换的移动障碍物的位置和尺寸。在这种情况下，可将值0分配给移动障碍物，并且可将值1分配给其他区域。

同时，距离传感器131的输出也以占用网格地图的形式转换。在这种情况下，值1可分配给传感器的输出的位置并且值0可分配给其他区域。

在融合传感器的过程中，通过以网格为单位对距离传感器地图410和视觉传感器地图420执行与(AND)运算来计算道路边界地图430。因此，从距离传感器的输出中去除移动障碍物，并且仅获得道路边界对应的静止物体。

可替代地，可使用用于将移动障碍物与静止物体分离并输出分离结果的距离传感器。即，可配置多个距离传感器，并且因此多个距离传感器中的一些可用于仅感测移动障碍物，而其剩余的可用于仅感测静止物体。

图5是用于描述累积图3所示的距离传感器的输出的操作的概念的图。即，图5示出了在当前帧中累积先前帧的多条数据的概念。参照图5，概念如下。

1)设置要累积的帧数。在这种情况下，可设置固定数量N(大于0)。

2)关于N个先前帧数据502所在的位置，在当前帧(即，段)中需要位置预测(510)。可通过将从运动传感器133输出的车速和角速度信息(501)应用到恒定转向速率和速度(CTRV)模型来计算位置预测。通常，帧由多个字段形成。在这种情况下，先前帧数据放置在当前帧的数据字段中。

3)通过累积当前帧的道路边界数据和先前帧的多条道路边界数据来获得累积的道路边界数据(520和530)。累积时，在先前帧的数量大于设定值N时，去掉最远的先前帧，将当前帧的数据相加，以保持累积数量不变。

通过上述累积，增加道路边界数据。

同时，可根据车速或移动距离来可变地设置要累积的帧的数量。此外，在将帧的数量设置为车速的情况下，在低速时将累计数量设置为较小，在高速时将累计量设置为较大。由于低速主要是由于交通阻塞，因此由于周围车辆，难以充分地确保道路边界数据。

图6是用于描述生成图3所示的候选位置(S330)的操作的概念的图。即，图6是示出基于网格搜索生成由侧面/横向位置和航向角位置信息组成的三维上的候选位置的概念图。参照图6，十字610指示本车辆的中心，矩形600指示本车辆，并且包括本车辆的方块620指示作为在侧面/横向方向上搜索本车辆的位置的范围的感兴趣区域。此外，矩形600指示由GPS确定的本车辆的位置，小点矩形611指示由应急车辆优先(EVP)确定的本车辆的位置，并且小点三角形612指示由RT3002确定的本车辆的位置。这里，RT3002是惯性和GPS测量系统的型号名称。

通常，车辆的位置由侧面/横向位置和航向角确定。关于侧面/横向位置，以规则间隔划分所设置的感兴趣区域620，将在划分期间生成的所有侧面/横向位置设置为候选位置。例如，当候选位置指示为坐标时，坐标可以是(50，50)、(-50、50)、(-50、50)和(50、-50)。

此外，在图6中，示出了使用图像传感器134获得的行驶车道信息602和地图道路边界601。

图7是示出生成根据图6的预定范围内的航向角候选的一个示例的概念图。参照图7，关于航向角位置信息，以规则间隔划分设置范围(例如，左、右侧±10°)，并且将在划分期间生成的所有航向角设置为候选航向角。生成的候选位置的数量变为(多条侧面位置信息的数量×多条横向位置信息的数量×多条航向角位置信息的数量)。

基于GPS位置获得本车辆的中心，并且基本航向角也变成从GPS获得的航向角。可考虑GPS位置误差来设置候选位置的范围，并且可考虑精度根据实验来设置搜索间隔。

图8是示出生成根据图6的候选位置的另一个示例的概念图。图8是示出使用由视觉传感器132识别的精确地图车道信息和行驶车道信息来仅设置几个横向候选位置的概念图。参照图8，设置过程如下。

1)考虑到GPS位置误差，设置将在横向方向上设置候选位置的感兴趣区域800的范围。感兴趣区域800的尺寸可以是约20m×10m。虽然在图8中省略，但是精确地图车道(未示出)存在于地图道路边界601中。

2)计算由视觉传感器132识别的行驶车道与本车辆的中心之间的侧面偏移，并且根据侧面偏移的比率来确定位于一个车道内的本车辆的位置。

3)在基于GPS获得的精确地图边界处确定进入感兴趣区域的车道的位置和数量，并且在每个车道的侧面偏移的比率搜索多条横向候选位置信息811、812、813和814。

图9是用于描述根据图8的识别出的行驶车道的方向的搜索的概念图。图9是用于描述由视觉传感器132识别的行驶车道的方向的搜索的概念图。参照图9，获得前侧5m至10m的范围内的左、右车道L和R，计算每个航向角，计算两个航向角的平均值。因此，可确定由视觉传感器132识别的行驶车道的方向。

图10是用于描述根据图8的精确地图的航向角的搜索的概念图。图10是在精确地图中搜索车道方向的概念图。参照图10，基于预先计算的横向方向值、GPS侧面方向值和每个候选位置信息的航向角来获得精确地图，然后计算左、右车道L和R的航向角，并且计算两个航向角的平均值。获得每个候选位置对应的左、右车道的方位角。

图11是根据图8至图10计算每个候选位置的方位角的流程图。参照图11，当计算作为图9和图10的结果获得的两个方位角之间的差时，计算GPS方位角误差，并且当将GPS方位角误差应用于GPS方位角时，获得每个候选位置的方位角。

通过搜索每个车道的横向候选位置和每个候选位置的方位角来执行候选位置的生成。由GPS提供的位置可直接用作侧面方向位置。

图12是示出用于描述选择图3所示的最佳候选位置的操作的概念的一个示例的图。即，图12是通过基于距离变换在精确地图的道路边界与距离传感器131的道路边界之间执行匹配来搜索具有最高匹配度的位置以选择最佳候选位置的流程图。参照图12，概念如下。

1)将精确地图道路边界1201带到GPS参照位置。数据1210以占用网格地图的形式显示。

2)当生成关于精确地图道路边界的二进制图像1220时，将距离变换应用于二进制图像1220。

3)距离传感器131的道路边界数据1230也以占用网格地图的形式带上。匹配两个网格地图(车辆的中心)的参照点，以网格为单位进行相乘，计算基于距离变换的匹配结果1240。通过计算分配给匹配网格的值的平均值来计算匹配得分。匹配得分越高，匹配度越高。具体地，图12示出了基于距离变换来搜索候选位置，并且通过在具有最高匹配度的位置处检测精确地图道路边界1203和距离传感器道路边界1202来获得结果。

4)为了搜索候选位置，将距离变换图像的参照点移动到在S330中设置的候选位置，并且执行上述过程3)以计算每个候选位置的匹配得分，并且搜索具有最高匹配度的位置。

图13是示出用于描述图3所示的选择最佳候选位置的操作的概念的另一示例的示图。图13是示出在没有占用栅格地图的情况下计算精确地图的道路边界与距离传感器131的道路边界数据之间的匹配度，且搜索具有最高匹配度的候选位置以选择最佳候选位置的概念图。参照图13，概念如下。

1)以具有以规则间隔采样的Y轴(侧轴)坐标值和Y轴坐标值对应的X轴(横轴)坐标值的阵列的形式变换所有数据。此外，根据本车辆预设前/后/左/右的感兴趣区域。

2)将精确地图道路边界数据带到候选位置，并且还带上距离传感器131的道路边界数据，使得本车辆的中心成为候选位置。

3)当仅比较所采样的Y轴坐标索引值对应的两条数据的X轴坐标值以使得距离传感器131的数据点位于精确地图道路边界附近时，以与点的数量一样多的数量来计算得分。例如，显示道路边界点、输入LiDAR点、右道路边界范围内的LiDAR点和左道路边界范围内的LiDAR点。因此，匹配度得分如下。

匹配度得分＝左点的数量+右点的数量-|左点的数量-右点的数量|/2-道路边界之间的点的数量。

4)为每个集合的候选位置计算匹配度得分，以搜索具有最高匹配度的候选位置。

5)将存在高匹配度的候选位置的车道识别为行驶车道(1310)。对候选位置给出匹配度得分，并使用匹配度得分将候选位置进行比较。

6)为了检测道路边界，在具有高匹配度的候选位置处选择存在于精确地图道路边界附近的距离传感器131的输出(1320)。

7)由于所选择的距离传感器的数据是在S320中累积的数据，因此将多个点放置在非常靠近的位置。计算相邻点的平均值以去除多余数据。

8)最后，为了容易地使用仅检测到道路边界的距离传感器数据，将具有连接性的点分组为最终要输出的对象(1330)。即，除去累积的点，仅检测距离传感器数据的道路边界。

在去除移动物体(即，移动障碍物)的距离传感器131的输出中，不仅简单地包括道路边界，而且还包括尚未在S310中去除的各种噪声，例如移动物体、道路边界外部的人造结构、树木和灌木。

因此，为了去除各种噪声并且仅检测纯道路边界或者最小化由噪声引起的影响，当匹配距离传感器数据与精确地图时，选择在精确地图道路边界附近的距离传感器数据。

此外，当左点的数量的比率与右点的数量的比率相似时，可设计用于计算匹配度得分的方法来分配更高的得分。将得分降低到与保留在道路边界中的点的数量一样多，有可能使得尚未去除的移动物体的影响最小化。

图14是示出根据图3所示的正确识别的最终候选位置信息的得分分布和非正确识别的最终候选位置信息的得分分布来设置匹配度的操作的概念图。参照图14，在实际道路情况中可能发生异常情况，例如传感器的输出的误差、环境噪声和车道改变。在这样的异常情况下，本公开的一些形式的用于识别行驶车道的技术可能无法正常操作。因此，异常状况下的检测结果或识别结果可通过无效确定处理为异常。

为此，基于预定的无效确定条件输出每个帧是否有效。可设置三种类型的无效确定条件。

无效确定条件1：

当最终选择的最终候选位置信息的匹配度得分小于匹配度时，将最终候选位置信息处理为无效。正确识别的候选位置信息的匹配度得分中的每一个通常具有零值或更大的值(1410)。相反，可通过分布地图来确认非正确识别的候选位置信息的匹配度得分的趋势，该趋势具有小于零的值(1420)。可通过从多条数据中的一些的结果获得的数据分布来设置匹配度。

无效确定条件2：

当存在于最终选择的最终候选位置信息中的车道中的传感器(例如LiDAR)的剩余量大于匹配度时，将剩余量处理为无效。距离传感器131的剩余量大意味着最终选择的候选为错误识别。匹配度可以与无效确定条件1中相同的方式设置。

无效确定条件3：

当通过有效性测试确定由图像传感器134识别的行驶车道为无效时，将行驶车道处理为无效。这将在下面参照图15进行描述。

图15是用于描述图3所示的确定无效的操作的概念的图。具体地，图15示出了使用无效确定条件3的方法。参照图15，由于使用由图像传感器134识别的车道信息来设置本车辆的候选位置，因此当由图像传感器134识别的结果无效时，不可避免地获得非正确识别的结果。因此，由图像传感器134识别的行驶车道的有效性测试是用于无效性确定的最重要的确定条件。

通过计算存在于本车辆前方5m至10m的范围内的左、右车道的方向并确定左、右车道之间的方向差来确定车道是否彼此平行1510。

通过基于本车辆的中心计算左、右车道的侧面偏移量，计算侧面偏移量之间的差值，并将该差值与通常的道路宽度d进行比较，来确定本车辆是否偏离道路宽度1520。

因此，可通过确定无效性的功能来限制对由于图像传感器的输出和距离传感器的输出的误差而导致的道路边界错误检测或行驶车道错误识别的结果的使用。因此，提高了行驶车道识别率。

此外，图像传感器的输出的误差主要发生在车道改变期间。图像传感器的输出的误差直接影响行驶车道的错误识别。因此，可通过无效确定条件3将由于图像传感器的输出的误差导致的错误识别结果作为异常进行处理。

此外，距离传感器(特别是LiDAR传感器)的输出的误差是不可预测的，这也直接影响行驶车道的错误识别。因此，由于距离传感器的输出的误差导致的错误识别结果可通过无效确定条件1和2作为异常进行处理。

根据无效确定条件1至3的测试结果如下表所示。

表1

使用迈斯沃克(Mathworks，Inc.)的Matlab程序来获得处理时间。

同时，即使在几乎不生成距离传感器输出的车道的情况下，也可累积先前帧以保持车道边界信息。即，即使当车道边界信息被周围车辆丢失时，也可通过累积先前车道边界信息来检测车道边界。

此外，以本发明的一些形式描述的方法或算法的操作可以程序命令的形式实现，该程序命令可通过各种计算机装置，例如微处理器、处理器、中央处理单元(CPU)等来执行，并且可记录在计算机可读介质中。计算机可读介质可单独地或组合地包括程序(命令)代码、数据文件、数据结构等。

记录在计算机可读记录介质中的程序(命令)代码可针对本公开的一些形式特别设计和配置，或者可以是计算机软件领域的技术人员已知和可用的。计算机可读记录介质的示例可包括磁介质，例如硬盘、软盘、磁带等；光学介质，例如光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、蓝光光盘等；以及半导体存储器器件，其具体配置为存储和执行程序(命令)代码，例如只读存储器(ROM)、随机存取存储器(RAM)、闪存等。

这里，程序(命令)代码的示例包括由编译器生成的机器语言代码，以及可由计算机使用解译器等执行的高级语言代码。上述硬件设备可配置为作为一个或多个软件模块来操作，以便执行本公开的操作，反之亦然。

根据本公开，效果是，即使当道路边界的形状复杂或者在道路边界外或道路内存在大量噪声时，也能够通过与精确地图匹配来经由道路边界确定来准确地检测道路边界。

此外，作为本公开的另一个效果，可通过确定无效性的功能来限制对由于相机传感器的输出和光检测和测距(LiDAR)传感器的输出的误差而导致的道路边界的错误检测或行驶车道错误识别的结果的使用，从而可提高行驶车道识别率。

虽然已经参照附图描述了本公开，但是对于本领域技术人员来说显而易见的是，在不脱离本公开的精神和范围的情况下，可进行各种改变和修改，而不限于本公开的一些形式。因此，应当注意，这样的变动或修改落入本公开的权利要求范围内，并且应当基于所附权利要求来解释本公开的范围。

Claims (20)

1.一种用于基于多个传感器识别行驶车道的设备，所述设备包括：

第一传感器，被配置为计算道路信息；

第二传感器，被配置为计算移动障碍物信息；

第三传感器，被配置为计算车辆的移动信息；以及

控制器，被配置为：

从所述道路信息中去除所述移动障碍物信息，以仅提取道路边界数据；

累积所述道路边界数据以基于所述移动信息计算关于所述车辆的多条候选位置信息；和

从所述多条候选位置信息中选择最终候选位置信息。

2.根据权利要求1所述的设备，其中，所述控制器被配置为：

使用所述移动信息从多个先前帧中提取所述道路边界数据并将所述道路边界数据累积在当前帧中。

3.根据权利要求1所述的设备，还包括：

第四传感器，被配置为计算行驶车道信息，

其中，所述控制器被配置为使用基于当前车辆位置信息所获得的所述行驶车道信息或预设的精确地图车道信息来计算所述多条候选位置信息。

4.根据权利要求3所述的设备，其中，所述控制器被配置为：

通过以规则间隔划分放置在所述精确地图车道信息的地图道路边界上的预定的感兴趣区域来形成网格；以及

基于所述网格计算所述多条候选位置信息。

5.根据权利要求4所述的设备，其中，所述控制器被配置为：

形成具有多个侧面方向和多个横向方向的所述网格；以及

将所述多个侧面方向和所述多个横向方向设置为多条横向候选位置信息和多条侧面候选位置信息。

6.根据权利要求4所述的设备，其中，所述控制器被配置为：

形成具有多个航向角的所述网格；

通过基于所述车辆的中心点以规则间隔划分所述感兴趣区域来生成所述多个航向角；以及

将所述多个航向角设置为多条航向角候选位置信息。

7.根据权利要求6所述的设备，其中，所述控制器被配置为：

通过将所述多条侧面候选位置信息、所述多条横向候选位置信息和所述多条航向角候选位置信息相乘来获得所述多条候选位置信息。

8.根据权利要求3所述的设备，其中，考虑所述车辆的位置误差，所述多条候选位置信息包括基于横向方向的预设数量的横向候选位置信息。

9.根据权利要求8所述的设备，其中，所述控制器被配置为：

根据在行驶车道与所述车辆的中心之间计算的侧面偏移的比率确定存在于一个道路边界内的所述车辆的位置。

10.根据权利要求9所述的设备，其中，所述控制器被配置为：

根据所述侧面偏移的所述比率，基于在所述精确地图车道信息中预设的感兴趣区域中识别的车道位置和车道的数量来确定每个车道的预设数量的横向候选位置信息。

11.根据权利要求9所述的设备，其中，所述控制器被配置为：

使用第一平均值和第二平均值之间的差值来计算预设数量的横向候选位置信息中的每一条的航向角，所述第一平均值是通过所述第二传感器识别的所述车辆前方的左车道的航向角和右车道的航向角的平均值，所述第二平均值是通过所述精确地图车道信息计算的预设数量的横向候选位置信息的所述左车道的所述航向角和所述右车道的所述航向角的平均值。

12.根据权利要求3所述的设备，其中，所述控制器被配置为：

将基于所述多条候选位置信息搜索到的精确地图道路边界信息与所累积的道路边界数据进行匹配；

为所述多条候选位置信息中的每一条分配匹配度得分；以及

选择所述最终候选位置信息中具有最高匹配度得分的车道作为所述行驶车道。

13.根据权利要求12所述的设备，其中，所述控制器被配置为：

将所述精确地图道路边界信息和所累积的道路边界数据转换为包括Y轴坐标和X轴坐标的坐标系；以及

基于所述Y轴坐标的索引比较所述X轴坐标的值，以计算所述匹配度得分。

14.根据权利要求13所述的设备，其中，所述控制器被配置为：

使用位于所述精确地图道路边界信息附近的多个数据点来计算所述匹配度得分；以及

通过所述第一传感器生成所述数据点，其中，所述数据点的数量包括基于所述精确地图道路边界信息的左点的数量、右点的数量和道路边界之间的点的数量。

15.根据权利要求2所述的设备，其中，所述控制器被配置为：

当先前帧的数量大于预设值时，去除一个最远的先前帧，并添加一个当前帧以保持帧的累积数量不变。

16.根据权利要求15所述的设备，其中，所述控制器被配置为：

根据车速或所述车辆的移动距离来能变地设置帧的所述累积数量。

17.根据权利要求3所述的设备，其中：

所述第一传感器包括距离传感器，

所述第二传感器包括视觉传感器，

所述第三传感器包括运动传感器，并且

所述第四传感器包括全球定位系统传感器或图像传感器。

18.根据权利要求17所述的设备，其中，所述控制器被配置为：

将预设的无效确定条件应用于所述最终候选位置信息以确定所述最终候选位置信息是否有效。

19.根据权利要求18所述的设备，其中，所述无效确定条件包括下列中的任何一个：所述最终候选位置信息的匹配度得分是否小于预设的第一匹配度的比较条件；存在于所述行驶车道内的所述距离传感器的剩余量是否大于所述最终候选位置信息中预设的第二匹配度的比较条件；以及确定条件，根据所述最终候选位置信息中的左车道方向和右车道方向之间的差来确定所述左车道方向和所述右车道方向是否平行，并且通过将基于所述车辆的中心的所述左车道的侧面偏移和所述右车道的侧面偏移之间的差与预设的道路宽度进行比较来确定所述车辆是否偏离道路宽度。

20.一种用于基于多个传感器识别行驶车道的方法，所述方法包括：

由第一传感器和第二传感器计算道路信息和移动障碍物信息；

由第三传感器计算车辆的移动信息；

由控制器从所述道路信息中去除所述移动障碍物信息，以仅提取道路边界数据；

由所述控制器累积所述道路边界数据以基于所述移动信息计算关于所述车辆的多条候选位置信息；以及

由所述控制器从所述多条候选位置信息中选择最终候选位置信息。

Images