CN115393816A - 车道线生成方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种车道线生成方法、装置、计算机设备。所述方法包括：获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并确定相同的车道线标识对应的目标车道线点云数据；按照目标位置转换信息将目标车道线点云数据进行点云位置转换得到待拟合车道线点云数据；从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算得到拟合方程参数；当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；对目标车道线拟合线进行等距采样得到各个等距采样点，将各个等距采样点进行连接得到车道线标识对应的车道线。采用本方法能够提高车道线拟合的准确性。

Description

车道线生成方法、装置、计算机设备和存储介质

技术领域

本申请涉及高精地图领域，特别是涉及一种车道线生成方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

在自动驾驶车辆的行驶过程中，需要通过高精度地图获取交通信息，比如，图中的道路、交通标志、车道线、障碍物、行人等交通元素信息，并根据交通信息来控制车辆的转向、速度、路径规划、变道等。因此，高精度地图的精准，尤其是地图中车道线的精准程度，直接影响自动驾驶车辆的安全驾驶。现有的高精度地图一般是众包语义地图，地图中的车道线是通过对车道线的采样点进行曲线拟合生成的。然而，现有的曲线拟合方法会出现某条车道线拟合失败的现象，不能生成拟合曲线，从而导致高精度地图中车道线的拟合准确度低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高道车道线的拟合准确度的车道线生成方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种车道线生成方法。所述方法包括：

获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

第二方面，本申请还提供了一种车道线生成装置。所述装置包括：

获取模块，用于获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

转换模块，用于按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

拟合方程确定模块，用于从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

拟合线生成模块，用于当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

车道线生成模块，用于对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

上述车道线生成方法、装置、计算机设备、存储介质和计算机程序产品，通过从各个车道点云数据中获取相同的车道线标识对应的车道线点云数据，并对车道线点云数据进行点云位置转换，能够得到相同的车道线标识对应的完整车道线的待拟合车道线点云数据。然后从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据计算目标拟合方程对应的拟合方程参数，得到待拟合车道线点云数据对应的目标拟合方程和拟合方程参数。通过判断拟合方程参数满足预设拟合完成条件时，使用目标拟合方程和拟合方程参数得到的目标车道线拟合线满足拟合要求，从而能够使各个相同的车道线标识对应的待拟合车道线点云数据拟合得到的目标车道拟合线更精准，避免出现对各个相同的车道线标识对应的完整车道线拟合失败的情况，从而提高了拟合车道线的准确性。

附图说明

图1为一个实施例中车道线生成方法的应用环境图；

图2为一个实施例中车道线生成方法的流程示意图；

图3为一个实施例中已过滤点云处理流程示意图；

图4为一个实施例中车道线生成的流程示意图；

图5为一个实施例中车道线拟合的示意图；

图6为一个实施例中车道线生成装置的结构框图；

图7为一个实施例中计算机设备的内部结构图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的车道线生成方法，可以应用于如图1所示的应用环境中。其中，车载终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104可以通过车载终端获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；服务器104按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；服务器104从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；终端102检测到拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；服务器104对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。服务器104也可以将车道线标识对应的车道线发送到终端显示。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种车道线生成方法，以该方法应用于图1中的服务器为例进行说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤202，获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据。

其中，车道线点云数据是指采集到的表征车道线的点云数据。车道线标识是指车道线对应的标识信息，不同车道线对应的标识信息不同，同一条车道线对应的各个车道线段点云数据的车道线标识相同。目标车道线点云数据是指车道线标识相同的车道线点云数据。

具体地，车辆上装配有点云采集设备，车辆在行驶过程中通过点云采集设备采集各个车道线点云数据，采集的各个车道线点云数据可以是多条完整车道线分别对应的多段车道线的点云数据，并生成各个车道线点云数据对应的车道线标识，同一条车道线的车道线点云数据的车道线标识相同。车载终端将各个车道线点云数据和各个车道线点云数据对应的车道线标识发送到服务器。服务器根据相同的车道线标识从各个车道线点云数据中确定目标车道线点云数据。车辆终端也可以对多个相同的车道线标识对应的车道线点云数据按照车道线标识分别进行保存，并将各个车道线标识对应的车道线点云数据分别发送到服务器，服务器根据车道线标识获取目标车道线点云数据。

步骤204，按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据。

其中，目标位置转换信息是指将点云数据进行坐标系转换的转换参数。待拟合车道线点云数据是指统一坐标系下的车道线点云数据，使用待拟合车道线点云数据进行车道线拟合。

具体地，车辆上还装配有位姿传感器，通过位姿传感器感知车辆在行驶过程中的位姿信息，车载终端将位姿信息和车道线点云数据发送到服务器。服务器确定目标车道线点云数据和目标车道线点云对应的位姿信息，然后使用预先设置好的位姿优化算法对位姿信息进行优化。服务器获取预先设置好的目标位置转换信息，使用优化后的位置和目标位置转换信息对车道线点云数据进行坐标转换计算，得到统一坐标系下的待拟合车道线点云数据。

步骤206，从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数。

其中，候选拟合方程是指预先存储的用于进行车道线拟合的拟合方程。目标拟合方程是指在各个候选拟合方程中选择的用于进行车道线拟合的方程，可以是曲线方程，也可以是直线方程等。拟合方程参数是指使用待拟合车道线点云数据进行方程参数计算得到的目标拟合方程对应的方程参数。

具体地，服务器中预先存储有多个候选拟合方程，包括表征不同线形状的方程，比如，表示不同曲线的曲线方程，表示不同直线的直线方程等。服务器可以在各个候选拟合方程中随机选择一个候选拟合方程作为目标拟合方程，服务器也可以按照预设的使用顺序在各个候选拟合方程中确定目标拟合方程。服务器使用待拟合车道线点云数据计算目标拟合方程的方程参数，得到目标拟合方程对应的拟合方程参数。

步骤208，当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线。

其中，预设拟合完成条件是指预先设置好的拟合方程参数是否满足拟合要求的判断条件。目标车道线拟合线是指通过拟合方程参数和目标拟合方程生成的拟合线。

具体地，服务器使用待拟合车道线点云数据的真实坐标信息通过拟合方程参数和目标拟合方程计算目标拟合方程对应的拟合坐标信息，拟合坐标信息表示通过拟合方程参数和目标拟合方程计算得到的待拟合车道线点云数据的坐标值，然后计算待拟合车道线点云数据的真实坐标信息与拟合坐标信息之间的误差，得到目标拟合方程对应的坐标误差信息。服务器获取预先设置好的坐标误差信息阈值，当检测到坐标误差信息未超过坐标误差信息阈值时，认为拟合方程参数满足预设拟合完成条件，通过目标拟合方程和拟合方程参数生成目标车道线拟合线。

在一个实施例中，服务器获取预先设置的允许目标拟合方程的参数优化的次数，使用待拟合车道线点云数据和目标拟合方程计算初始的拟合方程参数，并使用初始的拟合方程参数计算坐标误差信息，当坐标误差信息超过坐标误差信息阈值时，对初始的拟合方程参数在允许参数优化的次数内进行优化，直到优化后的拟合方程参数满足预设拟合完成条件。

步骤210，对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

其中，车道线是指在地图中表征车道的线，是由等距采样点连接的线段组成。

具体地，服务器对目标车道线拟合线进行等距采样，得到各个等距采样点，然后将各个等距采样点进行连接，得到车道线标识对应的车道线，然后将车道线发送到终端显示。

上述车道线生成方法中，通过从各个车道点云数据中获取相同的车道线标识对应的车道线点云数据，并对车道线点云数据进行点云位置转换，能够得到相同的车道线标识对应的完整车道线的待拟合车道线点云数据。然后从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据计算目标拟合方程对应的拟合方程参数，得到待拟合车道线点云数据对应的目标拟合方程和拟合方程参数。通过判断拟合方程参数满足预设拟合完成条件时，使用目标拟合方程和拟合方程参数得到的目标车道线拟合线满足拟合要求，从而能够使各个相同的车道线标识对应的待拟合车道线点云数据拟合得到的目标车道拟合线更精准，避免出现对各个相同的车道线标识对应的完整车道线拟合失败的情况，从而提高了拟合车道线的准确性。

在一个实施例中，步骤208，当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线，包括：

当拟合方程参数未满足预设拟合完成条件时，返回到从各个候选拟合方程中确定目标拟合方程的步骤执行，直到检测到拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线。

具体地，服务器检测到在参数优化次数内根据拟合方程参数计算的坐标误差信息始终超过坐标误差信息阈值时，认为拟合方程参数未满足预设拟合完成条件，即当前使用的候选拟合方程未满足拟合要求，服务器返回到从各个候选拟合方程中确定目标拟合方程的步骤执行，服务器可以在各个候选拟合方程中排除当前使用的拟合方程，在剩下的候选拟合方程中随机确定新的目标拟合方程。服务器也可以根据预先设置的候选拟合方程使用顺序在各个候选拟合方程中重新确定新的目标拟合方程，并使用待拟合车道线点云数据计算目标拟合方程对应的拟合方程参数，并判断拟合方程参数是否满足预设拟合完成条件，若满足，则使用新的目标拟合方程和其对应的拟合方程参数确定目标车道线拟合线，并根据目标车道线拟合线生成车道线标识对应的车道线。若未满足，则在各个候选拟合方程中重新确认目标拟合方程，直到拟合方程参数满足预设拟合完成条件，根据目标拟合方程和其对应的拟合方程参数确定目标车道线拟合线，并根据目标车道线拟合线生成车道线标识对应的车道线。

在一个具体实施例中，服务器中预先设置有拟合方程库，存储多个候选拟合方程，比如，一元多次方程、样条插值、指数函数、幂函数等，其中，一元多次方程可以是：y＝k₀+k₁*x¹+k₂*x²+k₃*x³+……，其中，k0、k1等表示拟合方程参数，x等表示点云数据中三维点的横坐标，y表示使用点云数据中三维点的横坐标计算得到的纵坐标，可以预先对多个候选拟合方程随机进行排序，或者按照曲线类型进行排序，比如，直线方程、简单曲线方程、复杂曲线方程进行排序。服务器可以按照拟合方程使用顺序从拟合方程库中获取目标拟合方程。

在一个实施例中，如图3所示，提供一种已过滤点云处理流程示意图；方法，还包括：

步骤302，当各个候选拟合方程对应的拟合方程参数未满足预设拟合完成条件时，对待拟合车道线点云数据进行降采样过滤，得到已过滤车道线点云数据；

步骤304，从各个候选拟合方程中确定目标拟合方程，使用已过滤车道线点云数据对目标拟合方程进行方程参数计算，得到已过滤拟合方程参数；

步骤306，当已过滤拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和已过滤拟合方程参数确定已过滤车道线拟合线；

步骤308，对已过滤车道线拟合线进行等距采样，得到各个已过滤等距采样点，将各个已过滤等距采样点进行连接，得到车道线标识对应的车道线。

其中，降采样过滤是指对待拟合车道线点云数据中聚集成团的三维点进行过滤。已过滤车道线点云数据是指经过降采样过滤后的点云数据。已过滤拟合方程参数是指使用已过滤车道线点云数据计算得到的拟合方程参数。已过滤车道线拟合线是指根据目标拟合方程和已过滤车道点云数据生成的拟合线。

具体地，服务器检测到拟合方程库中所有的候选拟合方程对应的拟合方程参数均未满足预设拟合完成条件时，对待拟合车道线点云数据进行降采样过滤，即将待拟合车道线点云数据中呈现聚集团的点云数据进行过滤，保留一个或少数的点云数据，得到已过滤车道线点云数据。然后服务器将已过滤车道线点云作为待拟合车道线点云数据，并返回到从各个候选拟合方程中确定目标拟合方程的步骤执行，使用已过滤车道线点云数据对目标拟合方程进行方程参数计算，得到已过滤拟合方程参数。

服务器判断已过滤拟合方程参数是否满足预设拟合完成条件，若满足，则根据目标拟合方程和已过滤拟合方程参数生成已过滤车道线拟合线，然后服务器对已过滤车道线拟合线进行等距采样，得到各个已过滤等距采样点，然后服务器可以使用贝塞尔插值、非线性约束优化等方法对采样点进行优化，得到优化后的采样点并将各个采样点进行连接，得到平滑的车道线标识对应的车道线。若未满足，则认为所有候选拟合方程均未满足已过滤车道线点云数据的拟合要求，直接将直线作为车道线拟合线，以使后续通过管理终端进行调整。

本实施例中，当检测到各个候选拟合方程均未满足待拟合车道线点云数据的拟合要求时，对待拟合车道线点云数据进行降采样过滤得到已过滤车道线点云数据，能够提高对已过滤车道线点云数据的拟合成功率。

在一个实施例中，步骤208，当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线，包括：

基于目标拟合方程和拟合方程参数进行拟合误差计算，得到拟合误差信息，并获取拟合方程参数对应的拟合参数迭代次数；

当拟合参数迭代次数未超过预设拟合参数迭代次数阈值，且拟合误差结果未超过预设误差阈值时，确定目标拟合方程参数满足预设拟合完成条件，基于目标拟合方程和拟合方程参数确定目标车道线拟合线。

其中，拟合误差信息是指使用目标拟合方程和拟合方程参数计算的车道线点云坐标与真实车道线点云坐标之间的误差信息。拟合参数迭代次数是指使用待拟合车道线点云数据中各个三维点坐标通过目标拟合方程迭代计算拟合方程参数的次数。拟合参数迭代次数阈值是指预先设置好的允许使用目标拟合方程迭代计算拟合方程参数的次数，作为计算拟合方程参数的停止条件，表示在计算拟合方程参数的拟合参数迭代次数到达拟合参数迭代次数阈值，并且拟合方程参数对应的拟合误差信息仍然超过预设误差阈值时停止计算。

具体地，服务器将目标拟合方程中的未知参数替换成预先设置好的拟合方程参数的初始值，得到可进行计算的初始目标拟合方程。然后服务器获取待拟合车道线点云数据中各个三维点的横坐标，将各个三维点的横坐标输入到初始目标拟合方程中进行计算，得到三维点的纵坐标的计算值，并将三维点的纵坐标的计算值与三维点的纵坐标的真实值进行差值计算，得到各个三维点对应的初始的坐标误差信息，根据各个三维点对应的初始的坐标误差信息在拟合参数迭代次数阈值内对初始目标拟合方程中的初始的拟合方程参数进行迭代更新，并计算每次更新的拟合方程参数对应的拟合误差信息，通过计算部分三维点的纵坐标的坐标误差信息得到每次更新的拟合方程参数对应的拟合误差信息，当检测到计算的拟合误差信息始终超过预设误差阈值时，确定目标拟合方程参数不满足预设拟合完成条件，从各个候选拟合方程中重新确定目标拟合方程并进行计算。当检测到计算的拟合误差信息未超过预设误差阈值时停止计算，将当次更新的拟合方程参数作为目标拟合方程对应的拟合方程参数，并确定目标拟合方程参数满足预设拟合完成条件，根据目标拟合方程和拟合方程参数生成待拟合车道线点云数据对应的目标车道线拟合线。

在一个具体实施例中，服务器使用待拟合车道线点云数据计算得到目标拟合方程对应的拟合方程参数时，认为目标拟合方程收敛成功，然后判断目标拟合方程和拟合方程参数是否满足预设拟合完成条件，即拟合方程参数对应的拟合误差信息是否超过预设误差阈值，当拟合误差参数超过预设误差阈值时，目标拟合方程和拟合方程参数不满足预设拟合完成条件。服务器使用待拟合车道线点云数据计算的目标拟合方程对应的拟合方程参数发生振荡，不能趋近一个定值时，认为目标拟合方程收敛失败，确定该目标拟合方程不满足预设拟合完成条件。

本实施例中，通过根据拟合参数迭代次数和拟合误差信息能够准确判断目标拟合方程和拟合方程参数是否满足拟合要求，从而使用满足拟合要求的目标拟合方程和拟合方程参数生成的目标车道线拟合线更精确。

在一个实施例中，在步骤202，获取各个车道线点云数据和车道线点云数据分别对应的车道线标识之前，还包括：

获取目标时间段对应的各个车道线点云数据；

基于各个车道线点云数据进行同类车道线识别，得到各个车道线点云数据中的同类车道线点云数据；

生成同类车道线点云数据对应的车道线标识。

其中，目标时间段是指采集车道线点云数据的采集时间段。同类车道线点云数据是指属于同一条完整车道线的车道线点云数据，包括同一条车道线的多段车道线对应的车道线点云数据。

具体地，服务器获取车载终端发送的目标时间段对应的至少两个车道线点云数据，各个车道线点云数据可以是点云采集设备在目标时间段内采集的多帧点云数据，每帧点云数据可以包括至少一个车道线点云数据，表示完整车道线的部分车道线对应的点云数据。服务器根据多帧车道线点云数据的时间戳，使用预先设置训练好的深度学习网络对前后两帧的车道线点云数据进行同类车道线点云数据识别，得到各个车道线点云数据中的同类车道线点云数据。然后服务器对同类车道线点云数据生成相同的车道线标识，得到各个车道线点云数据对应的车道线标识。

在一个具体实施例中，车载终端控制车辆开始行驶，并向点云采集设备发送点云数据采集指令，点云采集设备响应点云数据采集指令按照预设的采集频率对车辆的周围环境进行点云数据采集，采集得到多帧点云数据并发送给车载终端，车载终端可以使用预先设置训练好的深度学习网络，比如，车道线跟踪算法，对点云数据进行车道线点云数据识别，并在点云采集设备的采集过程中对前后两帧的车道线点云数据进行同类车道线点云数据识别，然后对同类车道线点云数据生成相同的车道线标识，得到各个车道线点云数据对应的车道线标识。然后车载终端将各个车道线点云数据和车道线点云数据分别对应的车道线标识发送给服务器。

本实施例中，通过对车道线点云数据进行同类车道线点云数据的识别，并同类车道线点云数据生成相同的车道线标识，以使后续能够通过车道线标识快速获取同类车道线点云数据，避免造成车道线点云数据的漏缺，从而保证了车道线拟合的完整性。

在一个实施例中，步骤204，按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据，包括：

按照目标位置转换信息将目标车道线点云数据中的各个目标同类车道线点云数据分别进行点云位置转换，得到待拟合同类车道线点云数据；

基于待拟合同类车道线点云数据对应的坐标信息进行车道线点云拼接，得到待拟合车道线点云数据。

其中，目标位置转换信息是指进行坐标系转换的转换参数。目标同类车道线点云数据是指目标车道线点云数据中属于同一条车道线的车道线点云数据。待拟合同类车道线点云数据是指经过坐标系转换的同类车道线点云数据。

具体地，服务器获取车载终端发送的目标时间段内的车辆位姿信息和车道线点云数据，服务器使用滤波算法对位姿信息进行优化，比如，使用往返卡尔曼滤波对位姿信息进行计算，得到优化后的位姿信息。由于目标车道线点云数据是采集时的车辆坐标系下的点云数据，车辆在行驶过程中的车辆坐标系的原点也在移动，因此需要进行统一坐标系的转换。服务器获取预先设置好的目标位置转换信息，即激光雷达或相机的外参，使用外参和优化后的位姿信息将各个目标同类车道线点云数据从各自的车辆坐标系转换到世界坐标系，此时各个目标同类车道线点云数据的三维点在同一坐标系下，并且各个目标同类车道线对应的车道线标识保持不变，得到待拟合同类车道线点云数据。

然后服务器根据待拟合同类车道线点云数据的三维点坐标，将待拟合同类车道线点云数据中的各个车道线点云数据进行车道线的前后拼接，得到完整车道线对应的待拟合车道线点云数据。服务器也可以根据点云坐标在待拟合同类车道线点云数据中确定第一段车道线点云数据，将其他的车道线点云数据转换到第一段车道线点云数据所在的坐标系，得到待拟合车道线点云数据。

本实施例中，通过将目标车道线点云数据进行点云位置转换得到待拟合同类车道线点云数据，然后根据点云坐标对各个车道线点云数据进行车道线的前后拼接，得到完整的车道线对应的待拟合车道线点云数据，从而保证了车道线拟合的完整性。

在一个具体实施例中，如图4所示，提供一种车道线生成的流程示意图；车载终端控制车辆开始行驶，在行驶过程中通过点云采集设备采集车辆周围环境的点云数据并通过位姿传感器采集车辆的位姿信息。车载终端使用训练好的深度学习网络识别每一帧的车道线点云数据，并根据前后帧的车道线点云数据识别属于同一条车道线的车道线点云数据，对属于同一条车道线的车道线点云数据生成相同的车道线标识，则采集的每一帧的车道线点云数据对应一个车道线标识。车载终端将位姿信息、车道线点云数据和其对应的车道线标识发送到服务器进行车道线生成。

服务器使用往返卡尔曼滤波算法对位姿信息进行优化，得到优化后的车辆位姿。然后服务器根据车道线标识分别保存相同车道线标识对应的车道线点云数据，将相同车道线标识对应的车道线点云数据作为目标车道线点云数据。然后服务器根据优化后的车辆位姿和传感器，比如激光雷达或相机的外参将目标车道线点云数据进行坐标系转换并进行车道线点云数据拼接，得到待拟合车道线点云数据。服务器也可以先根据优化后的车辆位姿和传感器的外参将每一帧的所有车道线点云数据转换到世界坐标系下，并保存对应的车道线标识。然后服务器根据车道线标识将相同车道线标识对应的车道线点云数据作为待拟合车道线点云数据。

服务器从拟合方程库的各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行计算，得到目标拟合方程对应的拟合方程参数、拟合误差信息和拟合参数迭代次数，此时目标拟合方程收敛成功。服务器也可以将待拟合车道线点云数据输入到非线性优化库，比如Ceres(用于非线性优化的库)，并向非线性优化库发送目标拟合方程，以使非线性拟合方程根据目标拟合方程对待拟合车道线点云数据进行计算，获取非线性优化库输出的目标拟合方程对应的拟合方程参数、拟合误差信息和拟合参数迭代次数。当检测到拟合参数迭代次数未超过拟合参数迭代次数阈值并且拟合误差信息未超过误差阈值时，确定目标拟合方程和拟合方程参数满足拟合完成条件，根据目标拟合方程收和拟合方程参数生成目标车道线拟合线。

并对目标车道线拟合线进行等距采样得到各个等距采样点，并将各个等距采样点连接成车道线标识对应的车道线，可以是众包语义地图中的车道线。

当检测到拟合误差信息始终超过误差阈值时，确定目标拟合方程和拟合方程参数不满足拟合完成条件，服务器执行调整拟合方程指令，返回到从各个候选拟合方程中确定目标拟合方程的步骤执行，使用待拟合车道线点云数据继续拟合，直到检测到目标拟合方程收敛成功，生成车道线标识对应的车道线，并根据车道线生成车道线语义地图。

在一个具体实施例中，如图5所示，提供一种车道线拟合的示意图；图5-A表示生成的某段车道线语义地图；图5-B表示某段车道线拟合失败的车道线语义地图；图5-C表示某段车道线拟合成功的车道线语义地图，表示图5-B中该段车道线经过拟合方程调整后的拟合结果。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车道线生成方法的车道线生成装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车道线生成装置实施例中的具体限定可以参见上文中对于车道线生成方法的限定，在此不再赘述。

在一个实施例中，如图6所示，提供了一种车道线生成装置600，包括：获取模块602、转换模块604、拟合方程确定模块606、拟合线生成模块608和车道线生成模块610，其中：

获取模块602，用于获取各个车道线点云数据和车道线点云数据分别对应的车道线标识，并从各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

转换模块604，用于按照目标位置转换信息将目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

拟合方程确定模块606，用于从各个候选拟合方程中确定目标拟合方程，使用待拟合车道线点云数据对目标拟合方程进行方程参数计算，得到拟合方程参数；

拟合线生成模块608，用于当拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线；

车道线生成模块610，用于对目标车道线拟合线进行等距采样，得到各个等距采样点，将各个等距采样点进行连接，得到车道线标识对应的车道线。

在一个实施例中，拟合线生成模块608，包括：

检测单元，用于当拟合方程参数未满足预设拟合完成条件时，返回到从各个候选拟合方程中确定目标拟合方程的步骤执行，直到检测到拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和拟合方程参数确定目标车道线拟合线。

在一个实施例中，车道线生成装置600，还包括：

过滤单元，用于当各个候选拟合方程对应的拟合方程参数未满足预设拟合完成条件时，对待拟合车道线点云数据进行降采样过滤，得到已过滤车道线点云数据；从各个候选拟合方程中确定目标拟合方程，使用已过滤车道线点云数据对目标拟合方程进行方程参数计算，得到已过滤拟合方程参数；当已过滤拟合方程参数满足预设拟合完成条件时，基于目标拟合方程和已过滤拟合方程参数确定已过滤车道线拟合线；对已过滤车道线拟合线进行等距采样，得到各个已过滤等距采样点，将各个已过滤等距采样点进行连接，得到车道线标识对应的车道线。

在一个实施例中，拟合线生成模块608，包括：

拟合完成单元，用于基于目标拟合方程和拟合方程参数进行拟合误差计算，得到拟合误差信息，并获取拟合方程参数对应的拟合参数迭代次数；当拟合参数迭代次数未超过预设拟合参数迭代次数阈值，且拟合误差结果未超过预设误差阈值时，确定目标拟合方程参数满足预设拟合完成条件，基于目标拟合方程和拟合方程参数确定目标车道线拟合线。

在一个实施例中，车道线生成装置600，还包括：

车道线识别单元，用于获取目标时间段对应的各个车道线点云数据；基于各个车道线点云数据进行同类车道线识别，得到各个车道线点云数据中的同类车道线点云数据；生成同类车道线点云数据对应的车道线标识。

在一个实施例中，转换模块604，包括：

拼接单元，用于按照目标位置转换信息将目标车道线点云数据中的各个目标同类车道线点云数据分别进行点云位置转换，得到待拟合同类车道线点云数据；基于待拟合同类车道线点云数据对应的坐标信息进行车道线点云拼接，得到待拟合车道线点云数据。

上述车道线生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储车道线点云数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车道线生成方法。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种车道线生成方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置，显示屏可以是液晶显示屏或电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图7-8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种车道线生成方法，其特征在于，所述方法包括：

获取各个车道线点云数据和所述车道线点云数据分别对应的车道线标识，并从所述各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

按照目标位置转换信息将所述目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用所述待拟合车道线点云数据对所述目标拟合方程进行方程参数计算，得到拟合方程参数；

当所述拟合方程参数满足预设拟合完成条件时，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线；

对所述目标车道线拟合线进行等距采样，得到各个等距采样点，将所述各个等距采样点进行连接，得到所述车道线标识对应的车道线。

2.根据权利要求1所述的方法，其特征在于，所述当所述拟合方程参数满足预设拟合完成条件时，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线，包括：

当所述拟合方程参数未满足预设拟合完成条件时，返回到所述从各个候选拟合方程中确定目标拟合方程的步骤执行，直到检测到所述拟合方程参数满足预设拟合完成条件时，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线。

3.根据权利要求2所述的方法，其特征在于，所述方法，还包括：

当所述各个候选拟合方程对应的拟合方程参数未满足所述预设拟合完成条件时，对所述待拟合车道线点云数据进行降采样过滤，得到已过滤车道线点云数据；

从各个候选拟合方程中确定目标拟合方程，使用所述已过滤车道线点云数据对所述目标拟合方程进行方程参数计算，得到已过滤拟合方程参数；

当所述已过滤拟合方程参数满足所述预设拟合完成条件时，基于所述目标拟合方程和所述已过滤拟合方程参数确定已过滤车道线拟合线；

对所述已过滤车道线拟合线进行等距采样，得到各个已过滤等距采样点，将所述各个已过滤等距采样点进行连接，得到所述车道线标识对应的车道线。

4.根据权利要求1所述的方法，其特征在于，所述当所述拟合方程参数满足预设拟合完成条件时，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线，包括：

基于所述目标拟合方程和所述拟合方程参数进行拟合误差计算，得到拟合误差信息，并获取所述拟合方程参数对应的拟合参数迭代次数；

当所述拟合参数迭代次数未超过预设拟合参数迭代次数阈值，且所述拟合误差结果未超过预设误差阈值时，确定所述目标拟合方程参数满足预设拟合完成条件，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线。

5.根据权利要求1所述的方法，其特征在于，在所述获取各个车道线点云数据和所述车道线点云数据分别对应的车道线标识之前，还包括：

获取目标时间段对应的各个车道线点云数据；

基于所述各个车道线点云数据进行同类车道线识别，得到所述各个车道线点云数据中的同类车道线点云数据；

生成所述同类车道线点云数据对应的车道线标识。

6.根据权利要求1所述的方法，其特征在于，所述按照目标位置转换信息将所述目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据，包括：

按照所述目标位置转换信息将所述目标车道线点云数据中的各个目标同类车道线点云数据分别进行点云位置转换，得到待拟合同类车道线点云数据；

基于所述待拟合同类车道线点云数据对应的坐标信息进行车道线点云拼接，得到所述待拟合车道线点云数据。

7.一种车道线生成装置，其特征在于，所述装置包括：

获取模块，用于获取各个车道线点云数据和所述车道线点云数据分别对应的车道线标识，并从所述各个车道点云数据中确定相同的车道线标识对应的目标车道线点云数据；

转换模块，用于按照目标位置转换信息将所述目标车道线点云数据进行点云位置转换，得到待拟合车道线点云数据；

拟合方程确定模块，用于从各个候选拟合方程中确定目标拟合方程，使用所述待拟合车道线点云数据对所述目标拟合方程进行方程参数计算，得到拟合方程参数；

拟合线生成模块，用于当所述拟合方程参数满足预设拟合完成条件时，基于所述目标拟合方程和所述拟合方程参数确定目标车道线拟合线；

车道线生成模块，用于对所述目标车道线拟合线进行等距采样，得到各个等距采样点，将所述各个等距采样点进行连接，得到所述车道线标识对应的车道线。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

Images