CN115527205A - 车道线标注的相关方法、车载设备及存储介质 - Google Patents

车道线标注的相关方法、车载设备及存储介质 Download PDF

Info

Publication number
CN115527205A
CN115527205A CN202211080282.1A CN202211080282A CN115527205A CN 115527205 A CN115527205 A CN 115527205A CN 202211080282 A CN202211080282 A CN 202211080282A CN 115527205 A CN115527205 A CN 115527205A
Authority
CN
China
Prior art keywords
fitting
point cloud
lane
fold line
marking
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.)
Pending
Application number
CN202211080282.1A
Other languages
English (en)
Inventor
何鹏
周光
蔡一奇
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.)
DeepRoute AI Ltd
Original Assignee
DeepRoute AI 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 DeepRoute AI Ltd filed Critical DeepRoute AI Ltd
Priority to CN202211080282.1A priority Critical patent/CN115527205A/zh
Publication of CN115527205A publication Critical patent/CN115527205A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Image Processing (AREA)

Abstract

本申请公开了一种车道线标注的相关方法、车载设备及存储介质，车道线标注方法包括获取用于车道线标注的多条多折线点云；对每条多折线点云进行第一曲线拟合操作，得到第一拟合结果，第一曲线拟合操作采用第一坐标系；响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果，其中第二曲线拟合操作采用第二坐标系，第二坐标系与第一坐标系相反；响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果，执行车道线标注，进而完整的对对应的车道线进行标注，提高标注的成功率，节省人力物力。

Description

车道线标注的相关方法、车载设备及存储介质
技术领域
本申请涉及高精地图技术领域，特别是涉及一种车道线标注的相关方法、车载设备及存储介质。
背景技术
在自动驾驶、高精地图等领域，语义地图中的道路、交通标志、车道线、障碍物、行人等交通元素信息，会被用来控制车辆的转向、速度、路径规划、变道，车道线的精准度直接影响到自动驾驶车辆的众多安全行为。
自动化的车道线标注能够节省大量的人力物力，但是，一些自动标注方案会出现部分车道线标注缺失的情况，甚至直接出现标注失败的情况，导致生成的车道线语义地图无法使用。
发明内容
本申请至少提供一种车道线标注的相关方法、车载设备及存储介质。
本申请第一方面提供了一种车道线标注方法，所述方法包括：获取用于车道线标注的多条多折线点云；
对每条所述多折线点云进行第一曲线拟合操作，得到第一拟合结果，所述第一曲线拟合操作采用第一坐标系；
响应于所述第一拟合结果满足预设拟合失败条件，对对应的所述多折线点云进行第二曲线拟合操作，得到第二拟合结果，其中所述第二曲线拟合操作采用第二坐标系，所述第二坐标系与所述第一坐标系相反；
响应于所述第二拟合结果不满足所述预设拟合失败条件，根据所述第二拟合结果，执行车道线标注。
其中，车道线标注方法还包括：响应于所述第二拟合结果满足所述预设拟合失败条件，对对应的所述多折线点云进行分段拟合操作，得到分段拟合结果；根据所述分段拟合结果，执行车道线标注。
其中，所述多折线点云包括顺序设置的多个点；对对应的所述多折线点云进行分段拟合操作，得到分段拟合结果，包括：获取所述多个点的方向分布图，其中，所述方向分布图包括第一方向区域、第二方向区域、第三方向区域和第四方向区域；
根据所述多个点的方向分布图，将所述多折线点云进行划分，以得到至少两个多折线点云段，其中，所述至少两个多折线点云段包括第一多折线点云段和第二多折线点云段，所述第一多折线点云段包括位于所述第一方向区域和所述第三方向区域内的多个连续点，所述第二多折线点云段包括位于所述第二方向区域和所述第四方向区域内的多个连续点；
对所述第一多折线点云段进行所述第一曲线拟合操作，并对所述第二多折线点云段进行第二曲线拟合操作，以得到所述分段拟合结果。
其中，所述多个点的方向分布图表征每个点的方向分布，其中所述每个点的方向分布为所述每个点的坐标与其相邻下一点的坐标之间的斜率。
其中，所述第一方向区域表征为第一预设角度至第二预设角度之间的区域，所述第二方向区域表征为第二预设角度至第三预设角度之间的区域，所述第三方向区域表征为第三预设角度至第四预设角度之间的区域，所述第四方向区域表征为第四预设角度至第一预设角度之间的区域。
其中，获取用于车道线标注的多条多折线点云，包括：获取用于车道线标注的多帧初始点云数据，每一帧所述初始点云数据包括车道线的初始数据，不同车道线的所述初始数据对应不同的标号；
根据传感器外参将每一帧所述初始点云数据中的车道线的所述初始数据转换至世界坐标系中，所述世界坐标系包括所述第一坐标系和所述第二坐标系；
对相同标号的车道线的所述初始数据进行合并，得到多条所述多折线点云。
其中，车道线标注方法还包括：响应于所述第一拟合结果不满足所述预设拟合失败条件；
根据所述第一拟合结果，执行车道线标注。
其中，所述预设拟合失败条件包括拟合未完成以及拟合完成时所得到的拟合误差大于预设阈值。
本申请第二方面提供了一种车道线地图的生成方法，包括：获取车道线标注的结果；
根据所述车道线标注的结果生成车道线地图；
其中，所述车道线标注的结果是利用上述第一方面中的车道线标注方法而得到的。
本申请第三方面提供了一种车载设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述第一方面中的车道线标注方法以及上述第二方面中的车道线地图的生成方法。
本申请第四方面提供了一种非易失性计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序在被处理器执行时，用于实现上述第一方面中的车道线标注方法以及上述第二方面中的车道线地图的生成方法。
上述方案，通过对每条多折线点云进行第一曲线拟合操作，得到第一拟合结果，响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果，响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果执行车道线标注。本申请通过采用相反的两个坐标系，对第一曲线拟合操作失败的多折线点云进行第二曲线拟合操作，能够成功拟合相应的多折线点云，进而完整的对对应的车道线进行标注，提高标注的成功率，节省人力物力。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
图1是本申请实施例中车道线标注方法的流程示意图；
图2是本申请实施例中多折线点云段的场景示意图；
图3(a)是本申请实施例中车道线的第一标注效果图；
图3(b)是本申请实施例中车道线的第二标注效果图；
图4是本申请实施例中车道线地图的生成方法的流程示意图；
图5是本申请实施例中车载设备的结构示意图；
图6是本申请实施例中非易失性计算机可读存储介质的结构示意图。
具体实施方式
下面结合附图和实施例，对本申请作进一步的详细描述。特别指出的是，以下实施例仅用于说明本申请，但不对本申请的范围进行限定。同样的，以下实施例仅为本申请的部分实施例而非全部实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。另外，本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。
如上述，一些自动标注方案会出现部分车道线标注缺失的情况，甚至直接出现标注失败的情况，导致生成的车道线语义地图无法使用。
为此，本申请提供一种车道线标注的相关方法、车载设备及存储介质，能够完整标注车道线，节省人力物力。
请参阅图1，图1是本申请实施例中车道线标注方法的流程示意图。需注意的是，若有实质上相同的结果，本申请的方法并不以图1所示的流程顺序为限。本方法可以应用于具有计算等功能的车载设备，车载设备可通过接收传感器设备采集的信息，执行本方法，传感器设备可以是自动驾驶车辆装备的毫米波雷达、激光雷达或摄像头，传感器设备在自动驾驶车辆行驶过程中感知车辆周边真实物理世界动态场景，场景中包括道路上的车道线，对车道线进行标注。如图1所示，车道线标注方法包括如下步骤：
S11、获取用于车道线标注的多条多折线点云。
可以利用雷达传感器对点云数据进行采集，例如，将雷达传感器安装于一可移动的设备上。其中，该可移动的设备可以是自动移动设备，如机器人、自动驾驶车辆等。
在一些实施例中，雷达传感器可以激光雷达传感器，如机械式激光雷达、半固态激光雷达或固态激光雷达。在一个实施例中，雷达传感器可以是应用于自动驾驶并满足感知精度要求的，可提供点云数据的任何雷达设备。
在一应用场景中，自动驾驶车辆在道路上行驶，通过设置于该自动驾驶车辆上的雷达传感器获取道路的点云数据。
在自动驾驶车辆行驶过程中，雷达传感器感知得到的道路的点云数据中通常包括三维车道线采样点Polyline以及两两车道线之间的虚拟中心线采样点Polyline，从而能够得到用于车道线标注的多条多折线点云，其中多折线点云即为Polyline点云，进而通过后续的对多折线点云进行曲线拟合操作，能够实现对车道线的标记。
S12、对每条多折线点云进行第一曲线拟合操作，得到第一拟合结果，第一曲线拟合操作采用第一坐标系。
获取多条多折线点云，对每条多折线点云进行第一曲线拟合操作，得到第一拟合结果，第一曲线拟合操作采用第一坐标系。可以理解的，第一坐标系中的横轴为x1轴，纵轴为y1轴，第一曲线拟合操作可以采用y1＝f(x1)模型对每条多折线点云进行曲线拟合，以得到第一拟合结果。在其他实施例中，第一曲线拟合操作还可以采用其它能够实现的模型进行曲线拟合，不作具体限定。
S13、响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果，其中第二曲线拟合操作采用第二坐标系，第二坐标系与第一坐标系相反。
响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果。可以理解的，对多折线点云进行第一曲线拟合操作并得到第一拟合结果，若第一拟合结果满足预设拟合失败条件，则对该条多折线点云进行第二曲线拟合操作并得到第二拟合结果。
第二曲线拟合操作采用第二坐标系，第二坐标系与第一坐标系相反。可以理解的，第一拟合结果满足预设拟合失败条件，表示该条多折线点云无法通过第一坐标系进行曲线拟合，因此采用与第一坐标系相反的第二坐标系对该条多折线点云进行曲线拟合。其中，第二坐标系中的横轴x2为第一坐标系中的纵轴y1，第二坐标系中的纵轴y2为第一坐标系中的横轴x1，也即，x2＝y1，y2＝x1，第二曲线拟合操作可以采用y2＝f(x2)模型对相应的多折线点云进行曲线拟合，以得到第二拟合结果。在其他实施例中，第二曲线拟合操作还可以采用其它能够实现的模型进行曲线拟合，不作具体限定。
S14、响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果，执行车道线标注。
响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果执行车道线标注。可以理解的，根据第二拟合结果对车道线进行标注，例如，在地图上对车道线进行标记，使得地图上的车道线能够显示出来。
上述方案，通过对每条多折线点云进行第一曲线拟合操作，得到第一拟合结果，响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果，响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果执行车道线标注。本申请通过采用相反的两个坐标系，对第一曲线拟合操作失败的多折线点云进行第二曲线拟合操作，能够成功拟合相应的多折线点云，进而完整的对对应的车道线进行标注，提高标注的成功率，节省人力物力。
如上述，对第一拟合结果满足预设拟合失败条件对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果。在本申请一实施例中，车道线标注方法还包括：响应于第二拟合结果满足预设拟合失败条件，对对应的多折线点云进行分段拟合操作，得到分段拟合结果；根据分段拟合结果，执行车道线标注。
响应于第二拟合结果满足预设拟合失败条件，对对应的多折线点云进行分段拟合操作，得到分段拟合结果。可以理解的，对多折线点云进行第一曲线拟合操作并得到第一拟合结果，若第一拟合结果满足预设拟合失败条件，则对该条多折线点云进行第二曲线拟合操作并得到第二拟合结果，若第二拟合结果满足预设拟合失败条件，则表示该条多折线点云无法通过y1＝f(x1)模型和y2＝f(x2)模型进行曲线拟合，因此需要对该条多折线点云进行分段拟合操作，以得到分段拟合结果。
根据分段拟合结果，执行车道线标注。例如，根据分段拟合操作得到的分段拟合结果，对对应的车道线执行标注流程，以对车道线进行标注，使得地图上的车道线能够显示出来。
如上述，响应于第二拟合结果满足预设拟合失败条件，对对应的多折线点云进行分段拟合操作。在本申请一实施例中，多折线点云包括顺序设置的多个点；对对应的多折线点云进行分段拟合操作，得到分段拟合结果，包括：获取多个点的方向分布图，其中，方向分布图包括第一方向区域、第二方向区域、第三方向区域和第四方向区域；根据多个点的方向分布图，将多折线点云进行划分，以得到至少两个多折线点云段，其中，至少两个多折线点云段包括第一多折线点云段和第二多折线点云段，第一多折线点云段包括位于第一方向区域和第三方向区域内的多个连续点，第二多折线点云段包括位于第二方向区域和第四方向区域内的多个连续点；对第一多折线点云段进行第一曲线拟合操作，并对第二多折线点云段进行第二曲线拟合操作，以得到分段拟合结果。
多折线点云包括顺序设置的多个点，可以理解的，每条多折线点云内包括多个点，多个点按顺序设置，即以多折线点云的一端为起始，依次按顺序设置多折线点云内的多个点直至该条多折线点云的另一端。
获取多个点的方向分布图，方向分布图包括第一方向区域、第二方向区域、第三方向区域以及第四方向区域。根据多个点的方向分布图，对多折线点云进行划分，也就是将多折线点云中的每个点划分至第一方向区域、第二方向区域、第三方向区域或第四方向区域中，以得到至少两个多折线点云段。
至少两个多折线点云段包括第一多折线点云段和第二多折线点云段，第一多折线点云段包括位于第一方向区域和第三方向区域内的多个连续点，第二多折线点云段包括位于第二方向区域和第四方向区域内的多个连续点，从而实现对多折线点云进行分段，以用于后续的拟合操作。
请参阅图2，图2是本申请实施例中多折线点云段的场景示意图。根据多个点的方向分布图对多折线点云进行划分得到第一多折线点云段W1和第二多折线点云段W2。其中，第一多折线点云段W1包括位于第一方向区域和第三方向区域内的多个连续点，也即第一多折线点云段W1内的一部分连续点位于第一方向区域内，第一多折线点云段W1内的另一部分连续点位于第三方向区域内。第二多折线点云段W2包括位于第二方向区域和第四方向区域内的多个连续点，也即第二多折线点云段W2内的一部分连续点位于第二方向区域内，第二多折线点云段W2内的另一部分连续点位于第四方向区域内。
对第一多折线点云段W1进行第一曲线拟合操作，对第二多折线点云段W2进行第二曲线拟合操作，以得到分段拟合结果。可以理解的，采用第一坐标系，利用y1＝f(x1)模型对第一多折线点云段W1进行曲线拟合；采用第二坐标系，利用y2＝f(x2)模型对第二多折线点云段W2进行曲线拟合，得到分段拟合结果；其中，分段拟合结果包括对第一多折线点云段W1进行第一曲线拟合操作的拟合结果以及对第二多折线点云段W2进行第二曲线拟合操作的拟合结果。
如上述，获取多个点的方向分布图。在本申请一实施例中，多个点的方向分布图表征每个点的方向分布，其中每个点的方向分布为每个点的坐标与其相邻下一点的坐标之间的斜率。
多个点的方向分布图表征每个点的方向分布，每个点的方向分布为每个点的坐标与相邻下一点的坐标之间的斜率。可以理解的，多折线点云包括顺序设置的多个点，可以将多折线点云中位于一端点定义为起始点，并依次按顺序设置多折线点云内的多个点直至该条多折线点云的另一端。根据起始点的坐标和初始点相邻地下一点的坐标，得到起始点与起始点相邻下一点之间连线的斜率，该连线的斜率即为起始点的方向分布。
例如，D1点的坐标为(m1，n1)，D1点的相邻下一点为D2点，D2点的坐标为(m2，n2)，D1点与D2点之间连线的斜率k＝(n2-n1)/(m2-m1)，则D1点的方向分布为斜率k。同样的，对多折线点云中的每个点的坐标与其相邻下一点的坐标进行斜率的计算，可以得到每个点的方向分布。
如上述，方向分布图包括第一方向区域、第二方向区域、第三方向区域和第四方向区域。在本申请一实施例中，第一方向区域表征为第一预设角度至第二预设角度之间的区域，第二方向区域表征为第二预设角度至第三预设角度之间的区域，第三方向区域表征为第三预设角度至第四预设角度之间的区域，第四方向区域表征为第四预设角度至第一预设角度之间的区域。
第一方向区域、第二方向区域、第三方向区域和第四方向区域以圆周方向依次设置，第一预设角度至第二预设角度之间的区域为第一方向区域，第二预设角度至第三预设角度之间的区域为第二方向区域，第三预设角度至第四预设角度之间的区域为第三方向区域，第四预设角度至第一预设角度之间的区域为第四方向区域。
例如，第一预设角度为45°，第二预设角度为135°，则45°至135°之间的区域为第一方向区域；第三预设角度为225°，则135°至225°之间的区域为第二方向区域；第四预设角度为315°，则225°至315°之间的区域为第三方向区域；315°至0°(360°)以及0°(360°)至45°之间的区域为第四方向区域。在其他实施例中，第一预设角度、第二预设角度、第三预设角度以及第四预设角度还可以为其它能够实现角度数，根据实际使用需求设置即可，不作具体限定。
如上述，获取用于车道线标注的多条多折线点云。在本申请一实施例中，获取用于车道线标注的多条多折线点云，包括：获取用于车道线标注的多帧初始点云数据，每一帧初始点云数据包括车道线的初始数据，不同车道线的初始数据对应不同的标号；根据传感器外参将每一帧初始点云数据中的车道线的初始数据转换至世界坐标系中，世界坐标系包括第一坐标系和第二坐标系；对相同标号的车道线的初始数据进行合并，得到多条多折线点云。
获取用于车道线标注的多帧初始点云数据，每一帧初始点云数据包括车道线的初始数据，不同车道线的初始数据对应不同的标号。可以理解的，雷达传感器实时感知道路的点云数据，能够得到多帧初始点云数据，其中，每一帧的初始点云数据中均包括一条或多条车道线的初始数据，每一条车道线的初始数据对应一个标号，同一帧初始点云数据中的不同车道线的初始数据对应不同的标号，不同帧的初始点云数据中相同的车道线的初始数据对应相同的标号。一帧初始点云数据无法包括整条车道线的初始数据，需要采集多帧初始点云数据才能够完整包括整条车道线的初始数据，因此对于不同帧的初始点云数据中同一条车道线的初始数据的标号相同。
根据传感器外参将每一帧初始点云数据中的车道线的初始数据转换至世界坐标系中，可以理解的，每一帧初始点云数据对应的坐标为雷达传感器的坐标，导致多帧初始点云数据的坐标存在不同。因此根据雷达传感器的外参，将每一帧初始点云数据中的车道线的初始数据转换至世界坐标系中。
对相同标号的车道线的初始数据进行合并，得到多条多折线点云。可以理解的，多帧初始点云数据能够完整包括整条车道线的初始数据，采用不同标号对不同车道线进行区分，同一标号的车道线的初始数据对应同一条车道线。因此对相同标号的车道线的初始数据进行合并，能够得到整条的Polyline点云，即多折线点云，相应的，能够得到多条多折线点云。
在本申请一实施例中，车道线标注方法还包括：响应于第一拟合结果不满足预设拟合失败条件；根据第一拟合结果，执行车道线标注。
请参阅图3(a)，图3(a)是本申请实施例中车道线的第一标注效果图。响应于第一拟合结果不满足预设拟合失败条件，则根据第一拟合结果，执行车道线标注，对多折线点云对应的车道线执行标注流程，以实现车道线标注。可以理解的，对多折线点云进行第一曲线拟合操作，得到第一拟合结果，响应于第一拟合结果不满足预设拟合失败条件，根据第一拟合结果对多折线点云对应的车道线执行车道线标注，以实现对车道线的标注。响应于第一拟合结果满足预设拟合失败条件，对对应的多折线点云进行第二曲线拟合操作，得到第二拟合结果，响应于第二拟合结果不满足预设拟合失败条件，根据第二拟合结果执行车道线标注，对多折线点云对应的车道线执行标注流程，实现对车道线的标注。
请参阅图3(b)，图3(b)是本申请实施例中车道线的第二标注效果图。响应于第二拟合结果满足预设拟合失败条件，则对对应的多折线点云进行分段拟合操作，得到分段拟合结果，并根据分段拟合结果执行车道线标注，以实现完整无缺失的对对应的车道线进行标注。
在本申请一实施例中，预设拟合失败条件包括拟合未完成以及拟合完成时所得到的拟合误差大于预设阈值。
预设拟合失败条件包括拟合未完成以及拟合完成时所得到的拟合误差大于预设阈值，其中，拟合未完成表示多折线点云无法通过第一曲线拟合操作或第二曲线拟合操作进行曲线拟合。并且，即使多折线点云能够通过第一曲线拟合操作或第二曲线拟合操作成功进行曲线拟合，但是拟合完成时会得到相应的拟合误差，若得到的拟合误差大于预设阈值，也满足预设拟合失败条件。预设阈值可以为1米、1.5米，或其它能够实现的数值均可，根据实际使用需求选择即可，不作具体限定。
例如，第一拟合结果满足预设拟合失败条件，可以是第一曲线拟合未完成，也可以是拟合完成且拟合完成时所得到的拟合误差大于预设阈值；第二拟合结果不满足预设拟合失败条件，也就是第二曲线拟合完成且拟合完成时所得到的的拟合误差小于或等于预设阈值。
请参阅图4，图4是本申请实施例中车道线地图的生成方法的流程示意图。车道线地图的生成方法包括如下步骤：
S21、获取车道线标注的结果；其中，车道线标注的结果是利用上述实施例中的车道线标注方法而得到的。
获取车道线标注的结果，车道线标注的结果是通过上述实施例中的车道线标注方法得到的。例如，获取用于车道线标注的多条多折线点云；对每条所述多折线点云进行第一曲线拟合操作，得到第一拟合结果，所述第一曲线拟合操作采用第一坐标系；响应于所述第一拟合结果满足预设拟合失败条件，对对应的所述多折线点云进行第二曲线拟合操作，得到第二拟合结果，其中所述第二曲线拟合操作采用第二坐标系，所述第二坐标系与所述第一坐标系相反；响应于所述第二拟合结果不满足所述预设拟合失败条件，根据所述第二拟合结果，执行车道线标注，从而得到车道线标注的结果。
S22、根据车道线标注的结果生成车道线地图。
根据车道线标注的结果生成车道线地图，其中车道线地图可以是语义地图，用于自动驾驶车辆的路径规划。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
请参阅图5，图5是本申请实施例中车载设备的结构示意图。车载设备300包括相互耦接的存储器301和处理器302，处理器302用于执行存储器301中存储的程序指令，以实现上述的车道线标注方法实施例中的步骤以及上述的车道线地图的生成方法实施例中的步骤。在一个具体的实施场景中，车载设备300可以包括但不限于：微型计算机、服务器，在此不做限定。
具体而言，处理器302用于控制其自身以及存储器301以实现上述车道线标注方法实施例中的步骤以及上述的车道线地图的生成方法实施例中的步骤。处理器302还可以称为CPU(Central Processing Unit，中央处理单元)，处理器302可能是一种集成电路芯片，具有信号的处理能力。处理器302还可以是通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器302可以由集成电路芯片共同实现。
请参阅图6，图6是本申请实施例中非易失性计算机可读存储介质的结构示意图。计算机可读存储介质500用于存储计算机程序501，计算机程序501在被处理器302执行时，用于实现上述的车道线标注方法实施例中的步骤以及上述的车道线地图的生成方法实施例中的步骤。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和相关设备，可以通过其它的方式实现。例如，以上所描述的相关设备实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信断开连接可以是通过一些接口，装置或单元的间接耦合或通信断开连接，可以是电性、机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (11)

1.一种车道线标注方法，其特征在于，包括：
获取用于车道线标注的多条多折线点云；
对每条所述多折线点云进行第一曲线拟合操作，得到第一拟合结果，所述第一曲线拟合操作采用第一坐标系；
响应于所述第一拟合结果满足预设拟合失败条件，对对应的所述多折线点云进行第二曲线拟合操作，得到第二拟合结果，其中所述第二曲线拟合操作采用第二坐标系，所述第二坐标系与所述第一坐标系相反；
响应于所述第二拟合结果不满足所述预设拟合失败条件，根据所述第二拟合结果，执行车道线标注。
2.根据权利要求1所述的方法，其特征在于，还包括：
响应于所述第二拟合结果满足所述预设拟合失败条件，对对应的所述多折线点云进行分段拟合操作，得到分段拟合结果；
根据所述分段拟合结果，执行车道线标注。
3.根据权利要求2所述的方法，其特征在于，所述多折线点云包括顺序设置的多个点；
对对应的所述多折线点云进行分段拟合操作，得到分段拟合结果，包括：
获取所述多个点的方向分布图，其中，所述方向分布图包括第一方向区域、第二方向区域、第三方向区域和第四方向区域；
根据所述多个点的方向分布图，将所述多折线点云进行划分，以得到至少两个多折线点云段，其中，所述至少两个多折线点云段包括第一多折线点云段和第二多折线点云段，所述第一多折线点云段包括位于所述第一方向区域和所述第三方向区域内的多个连续点，所述第二多折线点云段包括位于所述第二方向区域和所述第四方向区域内的多个连续点；
对所述第一多折线点云段进行所述第一曲线拟合操作，并对所述第二多折线点云段进行第二曲线拟合操作，以得到所述分段拟合结果。
4.根据权利要求3所述的方法，其特征在于，所述多个点的方向分布图表征每个点的方向分布，其中所述每个点的方向分布为所述每个点的坐标与其相邻下一点的坐标之间的斜率。
5.根据权利要求4所述的方法，其特征在于，所述第一方向区域表征为第一预设角度至第二预设角度之间的区域，所述第二方向区域表征为第二预设角度至第三预设角度之间的区域，所述第三方向区域表征为第三预设角度至第四预设角度之间的区域，所述第四方向区域表征为第四预设角度至第一预设角度之间的区域。
6.根据权利要求1所述的方法，其特征在于，获取用于车道线标注的多条多折线点云，包括：
获取用于车道线标注的多帧初始点云数据，每一帧所述初始点云数据包括车道线的初始数据，不同车道线的所述初始数据对应不同的标号；
根据传感器外参将每一帧所述初始点云数据中的车道线的所述初始数据转换至世界坐标系中，所述世界坐标系包括所述第一坐标系和所述第二坐标系；
对相同标号的车道线的所述初始数据进行合并，得到多条所述多折线点云。
7.根据权利要求1所述的方法，其特征在于，还包括：
响应于所述第一拟合结果不满足所述预设拟合失败条件；
根据所述第一拟合结果，执行车道线标注。
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述预设拟合失败条件包括拟合未完成以及拟合完成时所得到的拟合误差大于预设阈值。
9.一种车道线地图的生成方法，其特征在于，包括：
获取车道线标注的结果；
根据所述车道线标注的结果生成车道线地图；
其中，所述车道线标注的结果是利用权利要求1-8中任一项所述的车道线标注方法而得到的。
10.一种车载设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现如权利要求1-8中任一项所述的车道线标注方法以及如权利要求9所述的车道线地图的生成方法。
11.一种非易失性计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序在被处理器执行时，用于实现如权利要求1-8中任一项所述的车道线标注方法以及如权利要求9所述的车道线地图的生成方法。
CN202211080282.1A 2022-09-05 2022-09-05 车道线标注的相关方法、车载设备及存储介质 Pending CN115527205A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211080282.1A CN115527205A (zh) 2022-09-05 2022-09-05 车道线标注的相关方法、车载设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211080282.1A CN115527205A (zh) 2022-09-05 2022-09-05 车道线标注的相关方法、车载设备及存储介质

Publications (1)

Publication Number Publication Date
CN115527205A true CN115527205A (zh) 2022-12-27

Family

ID=84698390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211080282.1A Pending CN115527205A (zh) 2022-09-05 2022-09-05 车道线标注的相关方法、车载设备及存储介质

Country Status (1)

Country Link
CN (1) CN115527205A (zh)

Similar Documents

Publication Publication Date Title
CN109765902B (zh) 无人车驾驶参考线处理方法、装置及车辆
JP7122059B2 (ja) シミュレーションデータ量拡張方法、装置、端末、記憶媒体、及びプログラム
JP7183490B2 (ja) 車両軌跡計画方法、装置、コンピュータ設備、コンピュータ可読記憶媒体、及びプログラム
US11048262B2 (en) Robot movement control method and apparatus and robot using the same
CN114394088B (zh) 泊车循迹轨迹生成方法、装置、电子设备及存储介质
EP3620945A1 (en) Obstacle distribution simulation method, device and terminal based on multiple models
CN112307978B (zh) 目标检测方法、装置、电子设备及可读存储介质
JP2022522385A (ja) 道路標識認識方法、地図生成方法、及び関連する製品
CN112912894B (zh) 道路边界识别方法和装置
CN113554643B (zh) 一种目标检测方法、装置、电子设备及存储介质
CN115050005B (zh) 目标检测方法及用于高位视频智慧停车场景的检测装置
CN113191342A (zh) 车道定位方法及电子设备
JP7121454B2 (ja) 統計に基づく障害物位置シミュレーション方法、装置及び端末
CN113126120B (zh) 数据标注方法、装置、设备、存储介质以及计算机程序产品
EP4206610A1 (en) Map matching method and apparatus, and electronic device and storage medium
CN112654999B (zh) 标注信息的确定方法及装置
CN113409583B (zh) 一种车道线信息确定方法及装置
CN112902911B (zh) 基于单目相机的测距方法、装置、设备及存储介质
WO2021135766A1 (zh) 轨迹规划的方法、装置、控制器和智能车
CN117382675A (zh) 道路的可行驶区域生成方法、装置、车辆及存储介质
Al Mamun et al. Efficient lane marking detection using deep learning technique with differential and cross-entropy loss.
CN110784680B (zh) 一种车辆定位方法、装置、车辆和存储介质
CN115527205A (zh) 车道线标注的相关方法、车载设备及存储介质
CN115618602A (zh) 一种车道级场景仿真方法及系统
CN109215136B (zh) 一种真实数据增强方法、装置以及终端

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