CN115731526A - 车道线识别方法、装置、电子设备和计算机可读介质 - Google Patents

车道线识别方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN115731526A
CN115731526A CN202211458793.2A CN202211458793A CN115731526A CN 115731526 A CN115731526 A CN 115731526A CN 202211458793 A CN202211458793 A CN 202211458793A CN 115731526 A CN115731526 A CN 115731526A
Authority
CN
China
Prior art keywords
lane line
lane
equation
preceding vehicle
observation information
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
CN202211458793.2A
Other languages
English (en)
Other versions
CN115731526B (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.)
HoloMatic Technology Beijing 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 CN202211458793.2A priority Critical patent/CN115731526B/zh
Publication of CN115731526A publication Critical patent/CN115731526A/zh
Application granted granted Critical
Publication of CN115731526B publication Critical patent/CN115731526B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了车道线识别方法、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:获取道路图像和历史帧前车信号观测信息序列;响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息;响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。该实施方式可以提高生成的车道线的准确度。

Description

车道线识别方法、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,具体涉及车道线识别方法、装置、电子设备和计算机可读介质。
背景技术
车道线识别方法,是自动驾驶领域中的一项基本技术。目前,在进行车道线识别时,通常采用的方式为:直接通过车道线检测算法,对道路图像进行车道线检测,得到车道线方程。
然而,发明人发现,当采用上述方式进行车道线识别时,经常会存在如下技术问题:
第一,存在车道线误检的情况,且未通过前车信号确定所检测到的车道线的准确度,从而,导致生成的车道线的准确度降低,进而,导致对车辆控制的准确度降低;
第二,若道路上存在污渍,则容易将污渍检测为车道线,且难以识别所检测到的车道线中是否存在误检车道线,因此,难以去除误检车道线,从而,导致生成的车道线的准确度降低,进而,导致对车辆控制的准确度降低。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
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车道线识别方法、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车道线识别方法,该方法包括:获取道路图像和历史帧前车信号观测信息序列,其中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息;响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。
第二方面,本公开的一些实施例提供了一种车道线识别装置,该装置包括:获取单元,被配置成获取道路图像和历史帧前车信号观测信息序列,其中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;特征提取单元,被配置成响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;第一生成单元,被配置成基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;第二生成单元,被配置成基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息;第三生成单元,被配置成响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。
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车道线识别方法,可以提高生成的车道线的准确度,进而提高车辆控制的准确度。具体来说,造成生成的车道线的准确度降低的原因在于:存在车道线误检的情况,且未通过前车信号确定所检测到的车道线的准确度,从而,导致生成的车道线的准确度降低。基于此,本公开的一些实施例的车道线识别方法, 首先,获取道路图像和历史帧前车信号观测信息序列。考虑到未通过前车信号确定所检测到的车道线的准确度的情况,因此,引入历史帧前车信号观测信息序列。从而,便于利用前车信号提高生成的车道线的准确度。然后,响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组。为了确定历史帧前车信号观测信息是否可用,引入预设信号条件进行确定。同时,通过提取前车后轮接地点坐标组,可以便于确定前车运动轨迹。接着,基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信序列,生成前车行驶轨迹方程。而后,基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息。通过利用前车行驶轨迹方程,可以便于确定前车是否换道。也因为确定了前车是否换道,以此可以在一定程度上确定车道线的类型等信息。从而,辅助车道线的生成。最后,响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。由此,提高了生成的车道线的准确度。进而,可以用于提高车辆控制的准确度。
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是根据本公开的车道线识别方法的一些实施例的流程图;
图2是根据本公开的车道线识别装置的一些实施例的结构示意图;
图3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示出了根据本公开的车道线识别方法的一些实施例的流程100。该车道线识别方法,包括以下步骤:
步骤101,获取道路图像和历史帧前车信号观测信息序列。
在一些实施例中,车道线识别方法的执行主体可以通过有线的方式或者无线的方式获取道路图像和历史帧前车信号观测信息序列。其中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息可以包括前车尾灯换道指示信号。道路图像可以是当前车辆车载相机拍摄的图像。历史帧前车信号观测信息序列可以包括连续帧的历史帧前车信号观测信息。历史帧前车信号观测信息可以用于表征历史帧检测到的、前车的信息。历史帧前车信号观测信息还可以包括但不限于以下至少一项:前车速度值、前车航向角、前车类型、前车后尾灯信息等。前车后尾灯信息可以包括减速灯信息等。例如,前车尾灯换道指示信号可以是“前车(左或右)转向灯亮起”或“前车(左和或右)转向灯未亮起”。
需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤102,响应于确定历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组。
在一些实施例中,上述执行主体可以响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组。其中,上述预设信号条件可以是,历史帧前车信号观测信息中包括的前车尾灯换道指示信号为“前车(左或右)转向灯未亮起”。可以通过预设的图像检测算法,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组。前车后轮接地点坐标组中可以包括两个前车后轮接地点坐标。车道线方程组中的每个车道线方程可以表征一条车道线。这里,前车后轮接地点坐标和车道线方程均可以处于上述车载相机的相机坐标系。
作为示例,上述图像检测算法可以包括但不限于以下至少一项:G-CRF(Gaus-conditional random field,高斯条件随机场)模型、DenseCRF(Fully-ConnectedConditional Random Fields,全连接条件随机场)模型、MRF(MRF-Markov Random Field,马尔科夫条件随机场)模型等。
在一些实施例的一些可选的实现方式中,上述执行主体响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组,可以包括以下步骤:
第一步,响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息包括的前车尾灯换道指示信号满足预设信号条件,对上述道路图像进行车道线提取,以生成车道线方程组。其中,上述预设信号条件可以是前车信号观测信息包括的前车尾灯换道指示信号为“前车(左和右)转向灯未亮起”。可以通过预设的车道线提取算法,对上述道路图像进行车道线提取,以生成车道线方程组。
作为示例,上述车道线提取算法可以包括但不限于以下至少一项:UFLD(Ultra-Fast Structure-aware Deep Lane Detection,车道线快速检测算法),Lane Net(多分支车道线检测网络)模型、LSD(Line Segment Detector线段检测)算法等。
第二步,对上述道路图像进行特征点识别,以生成前车后轮接地点坐标组。其中,前车后轮接地点坐标可以表征前车后轮与地面接触中心点在相机坐标系中的位置。前车后轮接地点坐标组中可以包括两个前车后轮接地点坐标。可以通过预设的特征点识别算法,对上述道路图像进行特征点识别,以生成前车后轮接地点坐标组。
作为示例,上述特征点识别算法可以包括但不限于以下至少一项:Resnet(Residual Network,残差神经网络)模型、VGG(Visual Geometry Group Network,卷积神经网络)模型和Google Net(深度神经网络)模型等。
步骤103,基于前车后轮接地点坐标组和历史帧前车信号观测信息序列,生成前车行驶轨迹方程。
在一些实施例中,上述执行主体可以基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信序列,生成前车行驶轨迹方程。
在一些实施例的一些可选的实现方式中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息可以包括历史后轮接地点坐标组。以及上述执行主体基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信序列,生成前车行驶轨迹方程,可以包括以下步骤:
第一步,获取地面方程。其中,地面方程可以是当前车辆的车辆坐标系下的曲面方程,用于表征当前车辆周围地面。其次,地面方程可以是由自动驾驶上游规划模块生成的,因此可以直接获取。在此不再具体赘述。另外,上述历史帧后轮接地点坐标组可以是历史时刻生成的前车的后轮接地点坐标。不同时刻的历史后轮接地点坐标可以是处于不同的车辆坐标系下。
第二步,将上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括的历史后轮接地点坐标组中的各个历史后轮接地点坐标投影至上述地面方程以生成投影后历史接地点坐标组,得到投影后历史接地点坐标组序列。其中,可以通过坐标转换算法,将历史后轮接地点坐标投影至上述构建地面方程以生成投影后历史接地点坐标。由此,可以将历史时刻生成的的历史后轮接地点坐标从其它车辆坐标系,转换至当前时刻的车辆坐标系中。
第三步,对上述投影后历史接地点坐标组序列中各个投影后历史接地点坐标组中的各个投影后历史接地点坐标进行拟合处理以生成前车行驶轨迹方程。其中,可以通过拟合算法,将各个投影后历史接地点坐标进行拟合,以生成前车行驶轨迹方程。
步骤104,基于前车行驶轨迹方程和车道线方程组,生成前车换道信息。
在一些实施例中,上述执行主体可以基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息。
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前车行驶轨迹方程和上述车道线方程组,生成前车换道信息,可以包括以下步骤:
第一步,确定上述前车行驶轨迹方程与上述车道线方程组中每个车道线方程在目标时间段内的横向距离变化量,得到横向距离变化量组。其中,目标时间段可以是预先设定的时间窗口。前车行驶轨迹方程可以是前车在目标时间段内的一段轨迹。首先,可以确定前车行驶轨迹方程中每个坐标点与车道线方程上同一纵坐标位置的横向距离差值,得到横向距离差值序列。然后,可以将横向距离差值序列中最大的横向距离差值确定为横向距离变化量。
第二步,响应于确定上述横向距离变化量组中各个横向距离变化量均满足预设横向距离条件的横向距离变化量,生成前车换道信息。其中,上述前车换道信息表征前车未换道。其中,上述预设横向距离条件可以是横向距离变化量小于预设距离阈值(例如,3米)。这里,各个横向距离变化量均满足预设横向距离条件的横向距离变化量,可以表征前车未换道。因此,生成的前车换道信息可以是“前车未换道”。
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前车行驶轨迹方程和上述车道线方程组,生成前车换道信息,还可以包括以下步骤:
响应于确定上述横向距离变化量组中存在不满足上述预设距离条件的横向距离变化量、或上述历史帧前车信号观测信息序列中存在不满足预设信号条件历史帧前车信号观测信息,对上述道路图像进行前车信号提取,得到提取后前车信号观测信息,以及将上述提取后前车信号观测信息作为历史帧前车信号观测信息再次执行车道线识别操作。其中,上述横向距离变化量组中存在不满足上述预设距离条件的横向距离变化量、或上述历史帧前车信号观测信息序列中存在不满足预设信号条件历史帧前车信号观测信息,可以表征前车存在换道的情况。因此,可以提取前车信号,作为历史信息加入至历史帧前车信号观测信息序列中,以供下一次时间窗口中作为历史帧前车信号观测信息参与车道线生成。另外,历史帧前车信号观测信息序列中可以存储的目标时间段内的历史帧前车信号观测信息。
步骤105,响应于确定前车换道信息满足预设换道条线,生成目标车道方程线组。
在一些实施例中,上述执行主体可以响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。其中,上述预设换道条件可以是前车换道信息为“前车未换道”。
在一些实施例的一些可选的实现方式中,上述执行主体响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组,可以包括以下步骤:
第一步,利用上述前车行驶轨迹方程与上述车道线方程组,生成左侧距离均值、左侧距离方差值、右侧距离均值、右侧距离方差值、误差值序列、误差方差值和误差均值。其中,首先,可以从车道线方程组中选出当前车辆所在车道左右两侧的车道线,得到左车道线方程和右车道线方程。然后,可以通过上述生成横向距离变化量的方式,确定上述前车行驶轨迹方程分别与左车道线方程和右车道线方程之间的左车道线横向距离差值序列和右车道线横向距离差值序列。接着,可以确定左车道线横向距离差值序列中各个左车道线横向距离差值的左侧横向距离均值和左侧距离方差值。之后,可以确定右车道线横向距离差值序列中各个右车道线横向距离差值的右侧横向距离均值和右侧距离方差值。另外,可以通过以下公式生成误差值序列:
Figure 702496DEST_PATH_IMAGE001
其中,
Figure 208564DEST_PATH_IMAGE002
表示时刻。
Figure 690361DEST_PATH_IMAGE003
表示上述误差值序列中对应
Figure 120336DEST_PATH_IMAGE002
时刻的误差值。
Figure 207241DEST_PATH_IMAGE004
表示左。
Figure DEST_PATH_IMAGE005
表示右。
Figure 477685DEST_PATH_IMAGE006
表示上述左车道线横向距离差值序列中对应
Figure 446778DEST_PATH_IMAGE002
时刻的左车道线横向距离差值。
Figure 601816DEST_PATH_IMAGE007
表示上述右车道线横向距离差值序列中对应
Figure 356276DEST_PATH_IMAGE002
时刻的右车道线横向距离差值。
最后,可以确定上述误差值序列中各个误差值的方差和均值为误差方差值和误差均值。这里,可以将误差方差值的算术平方根确定为误差标准差。可以将左侧距离方差值的算术平方根确定为左侧距离标准差。可以将右侧距离方差值的算术平方根确定为右侧距离标准差。
第二步,响应于确定上述误差值序列、损失误差方差值和上述误差均值满足预设变化量条件,确定上述车道线方程组中存在异常车道线方程。其中,上述预设变化量条件可以是:上述误差值序列中、存在连续时间段(例如,0.2秒)以上的各个误差值与上述误差均值的差值的绝对值,均大于三倍的误差标准差。
实践中,误差值序列、损失误差方差值和上述误差均值满足预设变化量条件、可以表征出现连续性的车道线跳变情况。由于已经确定前车未换道。因此,可以确定车道线方程存在误检的情况。从而,可以确定上述车道线方程组中存在异常车道线方程。
第三步,基于上述左侧距离均值、上述左侧距离方差值、上述右侧距离均值、上述右侧距离方差值、上述误差值序列、上述误差方差值和上述误差均值,对上述车道线方程组中的各个车道线进行多条车道线筛选操作以去除异常车道线方程,得到筛选后车道线方程组。其中,多条车道线筛选操作可以是从上述车道线方程组中同时选出对应当前车辆所在车道左侧车道线和右侧车道线的车道线方程。可以通过以下公式从车道线方程组中选出对应当前车辆左、右车道线的车道线方程,作为左侧目标车道线方程和右侧目标车道线方程:
Figure 266464DEST_PATH_IMAGE008
其中,
Figure 722853DEST_PATH_IMAGE009
表示车道线方程。
Figure 478319DEST_PATH_IMAGE010
表示最小化目标函数。
Figure 274237DEST_PATH_IMAGE011
表示上述车道线方程组。
Figure 840479DEST_PATH_IMAGE012
Figure 49743DEST_PATH_IMAGE013
属于上述车道线方程组
Figure 812163DEST_PATH_IMAGE011
中的车道线方程。
Figure 524904DEST_PATH_IMAGE014
表示左侧目标车道线方程。
Figure 511314DEST_PATH_IMAGE015
表示右侧目标车道线方程。
Figure 690098DEST_PATH_IMAGE016
表示上述误差均值。
Figure 990630DEST_PATH_IMAGE017
表示上述误差标准差。
Figure 823456DEST_PATH_IMAGE018
表示上述左侧距离均值。
Figure 980768DEST_PATH_IMAGE019
表示上述左侧距离标准差。
Figure 102308DEST_PATH_IMAGE020
表示上述右侧距离均值。
Figure 3268DEST_PATH_IMAGE021
表示上述右侧距离标准差。
Figure 441334DEST_PATH_IMAGE022
表示约束条件。
最后,可以将左侧目标车道线方程和右侧目标车道线方程确定为筛选后车道线方程,得到筛选后车道线方程组。这里,若筛选后车道线方程组不为空,则可以将筛选后车道线方程组确定为目标车道线方程组。
第四步,响应于确定筛选后车道线方程组为空,对上述车道线方程组中的各个车道线进行单条车道线筛选操作,以生成单条车道线方程。其中,筛选后车道线方程组为空可以表征筛选失败。单条车道线筛选操作可以是从车道线方程组中单独选出对应当前车辆所在车道左侧或右侧车道线的车道线方程。其次,可以通过以下公式进行单条车道线筛选操作,以生成左侧目标车道线方程,作为单条车道线方程:
Figure 972809DEST_PATH_IMAGE023
可以通过以下公式进行单条车道线筛选操作,以生成左侧目标车道线方程,作为单条车道线方程:
Figure 112804DEST_PATH_IMAGE024
第五步,响应于确定单条车道线筛选操作失败,基于上述前车行驶轨迹方程,构建目标车道线方程组。其中,若未得到单条车道线方程,则可以确定单条车道线筛选操作失败。可以将上述前车行驶轨迹方程向左平移上述左侧距离均值的距离,得到左侧车道线方程。将上述前车行驶轨迹方程向右平移上述右侧距离均值的距离,得到右侧车道线方程。最后,可以将左侧车道线方程和右侧车道线方程确定为目标车道线方程,得到目标车道线方程组。这里,若单条车道线筛选操作成功,则可以将生成的单条车道线方程确定为目标车道线方程,得到目标车道线方程组。
上述各个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“若道路上存在污渍,则容易将污渍检测为车道线,且难以识别所检测到的车道线中是否存在误检车道线,因此,难以去除误检车道线,从而,导致生成的车道线的准确度降低,进而,导致对车辆控制的准确度降低”。导致生成的车道线的准确度降低的因素往往如下:若道路上存在污渍,则容易将污渍检测为车道线,且难以识别所检测到的车道线中是否存在误检车道线,因此,难以去除误检车道线。如果解决了上述因素,就能提高生成的车道线的准确度。为了达到这一效果,首先,将历史后轮接地点坐标投影到地面方程对应的曲面上,使得可以在同一坐标系下的同一曲面上进行车道线生成。然后,考虑到道路上存在污渍,容易将污渍检测为车道线的情况。因此,通过前车行驶轨迹方程与识别到的车道线方程之间的横向距离变化量,再次确定前车是否进行了换道。接着,也因为确定了前车未换道,可以利用上述生成误差值序列的公式,生成误差值序列。同时也可以生成左侧距离均值、左侧距离方差值、右侧距离均值、右侧距离方差值、误差方差值和误差均值。由此,可以利用误差值序列、损失误差方差值和上述误差均值确定车道线方程组中是否存在被误检的车道线方程。即,误差值序列、损失误差方差值和上述误差均值满足预设变化量条件、可以表征出现连续性的车道线跳变情况。由于已经确定前车未换道。因此,可以确定车道线方程存在误检的情况。因而,可以确定上述车道线方程组中存在异常车道线方程。之后,为了避免异常车道线方程带来负面影响,通过多条车道线筛选操作的公式,从车道线方程组中筛选出左侧目标车道线方程和右侧目标车道线方程。考虑到筛选失败的情况,还可以通过单挑车道线方程的筛选公式,从车道线方程组中筛选出左侧目标车道线方程或右侧目标车道线方程。还考虑到单条车道线筛选操作失败的情况,为了生成目标车道线方程,利用前车行驶轨迹方程,构建目标车道线方程组。由此,不仅可以去除误检的车道线,还能确保可以生成目标车道线方程。从而,提高生成的车道线的准确度。进而,可以用于提高车辆控制的准确度。
可选的,上述执行主体还可以将上述目标车道线方程组发送至当前车辆的显示终端以供显示。通过显示可以向驾驶员展示车道线位置,以供驾驶员参考。
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车道线识别方法,可以提高生成的车道线的准确度,进而提高车辆控制的准确度。具体来说,造成生成的车道线的准确度降低的原因在于:存在车道线误检的情况,且未通过前车信号确定所检测到的车道线的准确度,从而,导致生成的车道线的准确度降低。基于此,本公开的一些实施例的车道线识别方法, 首先,获取道路图像和历史帧前车信号观测信息序列。考虑到未通过前车信号确定所检测到的车道线的准确度的情况,因此,引入历史帧前车信号观测信息序列。从而,便于利用前车信号提高生成的车道线的准确度。然后,响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组。为了确定历史帧前车信号观测信息是否可用,引入预设信号条件进行确定。同时,通过提取前车后轮接地点坐标组,可以便于确定前车运动轨迹。接着,基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信序列,生成前车行驶轨迹方程。而后,基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息。通过利用前车行驶轨迹方程,可以便于确定前车是否换道。也因为确定了前车是否换道,以此可以在一定程度上确定车道线的类型等信息。从而,辅助车道线的生成。最后,响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。由此,提高了生成的车道线的准确度。进而,可以用于提高车辆控制的准确度。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种车道线识别装置的一些实施例,这些装置实施例与图1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2所示,一些实施例的车道线识别装置200包括:获取单元201、特征提取单元202、第一生成单元203、第二生成单元204和第三生成单元205。其中,获取单元201,被配置成获取道路图像和历史帧前车信号观测信息序列,其中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;特征提取单元202,被配置成响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;第一生成单元203,被配置成基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;第二生成单元204,被配置成基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息;第三生成单元205,被配置成响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3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3所示,电子设备300可以包括处理装置301(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305: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306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,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3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309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301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(Hyper Text 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:获取道路图像和历史帧前车信号观测信息序列,其中,上述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;响应于确定上述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对上述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;基于上述前车后轮接地点坐标组和上述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;基于上述前车行驶轨迹方程和上述车道线方程组,生成前车换道信息;响应于确定上述前车换道信息满足预设换道条线,生成目标车道方程线组。
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:一种处理器包括获取单元、特征提取单元、第一生成单元、第二生成单元和第三生成单元。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,特征提取单元还可以被描述为“对道路图像进行特征提取的单元”。
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)

1.一种车道线识别方法,包括:
获取道路图像和历史帧前车信号观测信息序列,其中,所述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;
响应于确定所述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对所述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;
基于所述前车后轮接地点坐标组和所述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;
基于所述前车行驶轨迹方程和所述车道线方程组,生成前车换道信息;
响应于确定所述前车换道信息满足预设换道条线,生成目标车道方程线组。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述目标车道线方程组发送至当前车辆的显示终端以供显示。
3.根据权利要求1所述的方法,其中,所述响应于确定所述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对所述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组,包括:
响应于确定所述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息包括的前车尾灯换道指示信号满足预设信号条件对所述道路图像进行车道线提取,以生成车道线方程组;
对所述道路图像进行特征点识别,以生成前车后轮接地点坐标组。
4.根据权利要求1所述的方法,其中,所述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括历史后轮接地点坐标组;以及
所述基于所述前车后轮接地点坐标组和所述历史帧前车信号观测信息序列,生成前车行驶轨迹方程,包括:
获取地面方程;
将所述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括的历史后轮接地点坐标组中的各个历史后轮接地点坐标投影至所述地面方程以生成投影后历史接地点坐标组,得到投影后历史接地点坐标组序列;
对所述投影后历史接地点坐标组序列中各个投影后历史接地点坐标组中的各个投影后历史接地点坐标进行拟合处理,以生成前车行驶轨迹方程。
5.根据权利要求4所述的方法,其中,所述基于所述前车行驶轨迹方程和所述车道线方程组,生成前车换道信息,包括:
确定所述前车行驶轨迹方程与所述车道线方程组中每个车道线方程在目标时间段内的横向距离变化量,得到横向距离变化量组;
响应于确定所述横向距离变化量组中各个横向距离变化量均满足预设横向距离条件的横向距离变化量,生成前车换道信息,其中,所述前车换道信息表征前车未换道。
6.根据权利要求5所述的方法,其中,所述基于所述前车行驶轨迹方程和所述车道线方程组,生成前车换道信息,还包括:
响应于确定所述横向距离变化量组中存在不满足所述预设距离条件的横向距离变化量、或所述历史帧前车信号观测信息序列中存在不满足预设信号条件历史帧前车信号观测信息,对所述道路图像进行前车信号提取,得到提取后前车信号观测信息,以及将所述提取后前车信号观测信息作为历史帧前车信号观测信息再次执行车道线识别操作。
7.根据权利要求5所述的方法,其中,所述生成目标车道方程线组,包括:
利用所述前车行驶轨迹方程与所述车道线方程组,生成左侧距离均值、左侧距离方差值、右侧距离均值、右侧距离方差值、误差值序列、误差方差值和误差均值;
响应于确定所述误差值序列、损失误差方差值和所述误差均值满足预设变化量条件,确定所述车道线方程组中存在异常车道线方程;
基于所述左侧距离均值、所述左侧距离方差值、所述右侧距离均值、所述右侧距离方差值、所述误差值序列、所述误差方差值和所述误差均值,对所述车道线方程组中的各个车道线进行多条车道线筛选操作以去除异常车道线方程,得到筛选后车道线方程组;
响应于确定所述筛选后车道线方程组为空,对所述车道线方程组中的各个车道线进行单条车道线筛选操作,以生成单条车道线方程;
响应于确定单条车道线筛选操作失败,基于所述前车行驶轨迹方程,构建目标车道线方程组。
8.一种车道线识别装置,包括:
获取单元,被配置成获取道路图像和历史帧前车信号观测信息序列,其中,所述历史帧前车信号观测信息序列中的每个历史帧前车信号观测信息包括前车尾灯换道指示信号;
特征提取单元,被配置成响应于确定所述历史帧前车信号观测信息序列中的各个历史帧前车信号观测信息满足预设信号条件,对所述道路图像进行特征提取,以生成前车后轮接地点坐标组和车道线方程组;
第一生成单元,被配置成基于所述前车后轮接地点坐标组和所述历史帧前车信号观测信息序列,生成前车行驶轨迹方程;
第二生成单元,被配置成基于所述前车行驶轨迹方程和所述车道线方程组,生成前车换道信息;
第三生成单元,被配置成响应于确定所述前车换道信息满足预设换道条线,生成目标车道方程线组。
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。
CN202211458793.2A 2022-11-21 2022-11-21 车道线识别方法、装置、电子设备和计算机可读介质 Active CN115731526B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211458793.2A CN115731526B (zh) 2022-11-21 2022-11-21 车道线识别方法、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
CN202211458793.2A CN115731526B (zh) 2022-11-21 2022-11-21 车道线识别方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN115731526A true CN115731526A (zh) 2023-03-03
CN115731526B CN115731526B (zh) 2023-10-13

Family

ID=85297008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211458793.2A Active CN115731526B (zh) 2022-11-21 2022-11-21 车道线识别方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN115731526B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116662788A (zh) * 2023-07-27 2023-08-29 太平金融科技服务(上海)有限公司深圳分公司 一种车辆轨迹处理方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111316284A (zh) * 2019-02-13 2020-06-19 深圳市大疆创新科技有限公司 车道线检测方法、装置、系统与车辆、存储介质
KR20210093194A (ko) * 2020-12-21 2021-07-27 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 차량의 차로변경을 탐지하는 방법과 장치, 전자 기기, 저장 장치, 노변 기기, 클라우드 제어 플랫폼 및 프로그램 제품
CN113428141A (zh) * 2021-07-15 2021-09-24 东风汽车集团股份有限公司 一种前车紧急切入及时响应的智能检测方法及系统
CN113869293A (zh) * 2021-12-03 2021-12-31 禾多科技(北京)有限公司 车道线识别方法、装置、电子设备和计算机可读介质
CN114964296A (zh) * 2022-07-29 2022-08-30 禾多科技(北京)有限公司 车辆行驶路径规划方法、装置、设备和计算机可读介质
CN115272182A (zh) * 2022-06-23 2022-11-01 禾多科技(北京)有限公司 车道线检测方法、装置、电子设备和计算机可读介质
CN115346195A (zh) * 2022-10-18 2022-11-15 顺为智能科技(常州)有限公司 一种基于机器视觉的道内车辆探测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111316284A (zh) * 2019-02-13 2020-06-19 深圳市大疆创新科技有限公司 车道线检测方法、装置、系统与车辆、存储介质
KR20210093194A (ko) * 2020-12-21 2021-07-27 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 차량의 차로변경을 탐지하는 방법과 장치, 전자 기기, 저장 장치, 노변 기기, 클라우드 제어 플랫폼 및 프로그램 제품
CN113428141A (zh) * 2021-07-15 2021-09-24 东风汽车集团股份有限公司 一种前车紧急切入及时响应的智能检测方法及系统
CN113869293A (zh) * 2021-12-03 2021-12-31 禾多科技(北京)有限公司 车道线识别方法、装置、电子设备和计算机可读介质
CN115272182A (zh) * 2022-06-23 2022-11-01 禾多科技(北京)有限公司 车道线检测方法、装置、电子设备和计算机可读介质
CN114964296A (zh) * 2022-07-29 2022-08-30 禾多科技(北京)有限公司 车辆行驶路径规划方法、装置、设备和计算机可读介质
CN115346195A (zh) * 2022-10-18 2022-11-15 顺为智能科技(常州)有限公司 一种基于机器视觉的道内车辆探测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116662788A (zh) * 2023-07-27 2023-08-29 太平金融科技服务(上海)有限公司深圳分公司 一种车辆轨迹处理方法、装置、设备和存储介质
CN116662788B (zh) * 2023-07-27 2024-04-02 太平金融科技服务(上海)有限公司深圳分公司 一种车辆轨迹处理方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN115731526B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN114419604B (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN115540896B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN115540894B (zh) 车辆轨迹规划方法、装置、电子设备和计算机可读介质
CN115326099B (zh) 局部路径规划方法、装置、电子设备和计算机可读介质
CN115185271A (zh) 导航路径生成方法、装置、电子设备和计算机可读介质
CN115731526A (zh) 车道线识别方法、装置、电子设备和计算机可读介质
CN113033925A (zh) 用于控制自动驾驶车辆行驶、装置、电子设备和介质
CN113044042A (zh) 车辆预测变道图像显示方法、装置、电子设备和可读介质
CN115817463A (zh) 车辆避障方法、装置、电子设备和计算机可读介质
CN112558036B (zh) 用于输出信息的方法和装置
CN115761702B (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
CN115468578B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN115534935A (zh) 车辆行驶控制方法、装置、电子设备和计算机可读介质
CN113780247B (zh) 红绿灯检测方法、装置、电子设备和计算机可读介质
CN116311155A (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN112668371B (zh) 用于输出信息的方法和装置
CN114756565B (zh) 地图更新方法、装置、电子设备和计算机可读介质
CN115471708B (zh) 车道线类型信息生成方法、装置、设备和计算机可读介质
CN115615422B (zh) 减速带检测方法、装置、电子设备和计算机可读介质
CN115147789B (zh) 分合流道路信息检测方法、装置、设备和计算机可读介质
CN115497078B (zh) 车道线生成方法、装置、设备和计算机可读介质
CN112815959B (zh) 车辆车道级定位系统、方法、装置和电子设备
CN113494919B (zh) 基于个人局部经验路线的导航规划方法和装置

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