CN116416588A - 车道线预测方法、装置、电子设备及存储介质 - Google Patents
车道线预测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116416588A CN116416588A CN202310221956.3A CN202310221956A CN116416588A CN 116416588 A CN116416588 A CN 116416588A CN 202310221956 A CN202310221956 A CN 202310221956A CN 116416588 A CN116416588 A CN 116416588A
- Authority
- CN
- China
- Prior art keywords
- lane
- lane line
- predicted
- vehicle
- data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008447 perception Effects 0.000 claims abstract description 59
- 238000005259 measurement Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013213 extrapolation Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车道线预测方法、装置、电子设备及存储介质，本发明可应用于辅助驾驶技术领域，车道线预测方法包括按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线，可以实现在全局定位或者内置地图缺失时，凭借车辆感知数据帧预测出车道线位置及车道形状，从而提升车道线识别的准确性和稳定性，适用于多种驾驶场景。
Description
技术领域
本发明涉及辅助驾驶技术领域，尤其涉及一种车道线预测方法、装置、电子设备及存储介质。
背景技术
车道线作为基本的交通标志线，是车辆行驶的约束与指示，也是智能车辆行驶轨迹规划的重要来源，车道线无论是对于辅助驾驶功能中自车行车轨迹规划以及是预测他车位置都是一项关键技术。现有的辅助驾驶功能使用的车道线是通过目前车载感知识别系统获取的，但由于车载感知识别系统存在局限性，如受行驶状态影响较大，如自车在加减速或者颠簸路面上识别结果与真值差异较大，并且易受天气环境影响。这些局限性会造成感知到的车道线与真值差异较大，影响辅助驾驶功能实现，甚至影响智能车辆安全。
发明内容
本发明提供一种车道线预测方法、装置、电子设备及存储介质，用以解决现有车道线通过车载感知识别系统获取车道线误差大、准确性低、稳定性差，影响辅助驾驶功能实现的缺陷。
本发明提供一种车道线预测方法，包括：
按照预设周期定时获取车辆感知数据帧，所述车辆感知数据帧包括若干条车道线的感知数据；
根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
将所述每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
根据本发明提供的一种车道线预测方法，在同一条车道线每个周期获取的感知数据与对应的预测车道线的感知数据存在多个相同坐标位置的感知数据时，还包括：
将所述多个相同坐标位置的感知数据分别进行曲线拟合，得到多条预测曲线片段；
计算每条预测曲线片段的拟合误差；
根据所述拟合误差筛选出所述同一条车道线同一路段位置对应的车道线预测片段。
根据本发明提供的一种车道线预测方法，还包括：
计算所述距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率；
根据每条距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率进行数据外插，输出距离自车第二预设距离范围内的预测车道线，其中，所述第二预设距离范围大于所述第一预设距离范围。
根据本发明提供的一种车道线预测方法，还包括：
根据相邻的两条预测车道线获取预测车道；
获取每条预测车道的平均宽度；
在每条预测车道对应的一条预测车道线存在部分缺失或整体缺失时，根据所述预测车道对应的另一条预测车道线的位置坐标和所述预测车道的平均宽度获取缺失车道线的位置坐标数据；
根据所述缺失车道线的位置坐标数据补全缺失车道线。
根据本发明提供的一种车道线预测方法，所述获取每条预测车道的平均宽度，包括：
计算相邻两条预测车道线完整时对应的预测车道有效部分的平均宽度，将所述预测车道有效部分的平均宽度作为预测车道的平均宽度。
根据本发明提供的一种车道线预测方法，所述获取每条预测车道的平均宽度，包括：
获取距离当前时刻预设时间范围内的历史车道数据，根据所述历史车道数据得到车道历史平均宽度，将所述车道历史平均宽度作为预测车道的平均宽度。
根据本发明提供的一种车道线预测方法，所述根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据，包括：
通过局部定位系统获取当前时刻对应的车辆当前位置，将所述车辆当前位置为坐标原点建立坐标系；
将所述车道线感知数据转换为所述坐标系中第一位置坐标；将历史时间区间内获取的车道线的感知数据转换为所述坐标系中第二位置坐标；
将所述第一位置坐标和所述第二位置坐标进行组合以获取每一条车道线上多个路段位置的感知数据。
根据本发明提供的一种车道线预测方法，所述局部定位系统为惯性测量单元，所述通过局部定位系统获取当前时刻对应的车辆当前位置包括：
根据所述惯性测量单元获取的测量数据和当前车辆轮速获取当前时刻对应的车辆当前位置。
本发明还提供一种车道线预测装置，包括：
第一获取模块，用于按照预设周期定时获取车辆感知数据帧，所述车辆感知数据帧包括若干条车道线的感知数据；
第二获取模块，用于根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
拟合模块，用于将所述每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
拼接模块，用于将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
本发明还提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的车道线预测方法。
本发明还提供一种非暂态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上述任一项所述的车道线预测方法。
本发明提供的一种车道线预测方法、装置、电子设备及存储介质，通过按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线，可以实现在全局定位或者内置地图缺失时，凭借车辆感知数据帧预测出车道线位置及车道形状，从而提升车道线识别的准确性和稳定性，适用于多种驾驶场景。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的车道线预测方法的流程示意图之一；
图2是本发明提供的车道线预测方法的流程示意图之二；
图3是本发明提供的车道线预测方法的流程示意图之三；
图4是本发明提供的车道线预测方法的流程示意图之四；
图5是本发明提供的车道线预测装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例提供的车道线预测方法的流程图，如图1所示，本发明实施例提供的车道线预测方法包括：
步骤101、按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；
车辆感知数据帧可以通过多种车载感知识别设备获取，车载感知识别设备例如为基于图像的感知设备、基于激光雷达的感知设备或者基于多种输入融合的感知设备，本申请车辆感知数据帧的获取方法不做限定。
步骤102、根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
在本发明实施例中，根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据，包括：
步骤1021、通过局部定位系统获取当前时刻对应的车辆当前位置，将车辆当前位置为坐标原点建立坐标系；
在本发明实施例中，局部定位系统为惯性测量单元，通过局部定位系统获取当前时刻对应的车辆当前位置包括：
根据惯性测量单元获取的测量数据和当前车辆轮速获取当前时刻对应的车辆当前位置。
步骤1022、将车道线感知数据转换为该坐标系中第一位置坐标；将历史时间区间内获取的车道线的感知数据转换为坐标系中第二位置坐标；
步骤1023、将第一位置坐标和第二位置坐标进行组合以获取每一条车道线上多个路段位置的感知数据。
步骤103、将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
步骤104、将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
在本发明实施例中，将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线，包括：
步骤1041、将每个周期获取的车道线感知数据存入第一序列；
步骤1042、预测车道线的感知数据存入第二序列，预测车道线根据历史周期内的车道线感知数据预测获得；
步骤1043、将第一序列中的当前周期内的每一条车道线的感知数据与对应的预测车道线的感知数据按照数据坐标位置进行组合，将组合后数据进行曲线拟合，得到距离自车第一预设距离范围内的若干条预测车道线。
在本发明实施例中，随着自车行驶，把不同路段的同一条车道线的预测结果进行拼接，可得到若干条较长且可靠的车道线。
在本发明实施例中，通过拟合曲线的方式预测车道线具体位置，受行驶状态影响较小、受天气环境影响较小，预测出的车道线更加准确。并且根据车道线的位置可以构建出自车附近的车道形状，为辅助驾驶提供依据。
传统车载感知识别系统获取车道线时，由于车载感知识别系统存在局限性，如受行驶状态影响较大，如自车在加减速或者颠簸路面上识别结果与真值差异较大；依赖真实的道路环境，如车道线清晰度、其它车辆遮挡等等；并且易受天气环境影响。这些局限性会造成感知到的车道线与真值差异较大，甚至会感知不到车道线，造成车道线丢失，影响辅助驾驶功能实现，甚至影响智能车辆安全。
本发明提供的一种车道线预测方法，通过按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线，可以实现在全局定位或者内置地图缺失时，凭借车辆感知数据帧预测出车道线位置及车道形状，从而提升车道线识别的准确性和稳定性，适用于多种驾驶场景。
基于上述任一实施例，由于每个周期获取的车道线感知数据可能出现重叠现象，因此，需要对重叠路段预测出的车道线片段进行筛选，如图2所示，在同一条车道线每个周期获取的感知数据与对应的预测车道线的感知数据存在多个相同坐标位置的感知数据时，本发明实施例提供的车道线预测方法还包括：
步骤201、将多个相同坐标位置的感知数据分别进行曲线拟合，得到多条预测曲线片段；
步骤202、计算每条预测曲线片段的拟合误差；
步骤203、根据拟合误差筛选出同一条车道线同一路段位置对应的车道线预测片段。
例如，预设周期为1秒，车载感知识别设备获取数据的距离为100米，车辆在1秒内行驶30米，则在一段长度为100米的路段上同一条车道线会出现至少3条预测车道线片段，片段距离范围大约10米，此时，可根据每条预测车道线片段拟合误差筛选出该10米路段内的最终预测车道线片段，即将拟合误差最小的预测车道线片段作为该10米路段内的最终预测车道线片段。
在本发明实施例中，将拟合误差最小的预测曲线片段作为同一条车道线同一路段位置对应的车道线预测片段，通过对重叠路段预测出的车道线片段进行筛选，可以进一步保证预测车道线的可靠性。
基于上述任一实施例，由于当前时刻车载感知识别设备获取的车道线感知数据有限，因此根据当前周期和历史周期内获取的车道线感知数据进行拟合，根据拟合曲线获得的预测车道线为自车附近的车道线，预测车道线的长度有限，如图3所示，本发明实施例提供的车道线预测方法还包括：
步骤301、计算距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率；
步骤302、根据每条距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率进行数据外插，输出距离自车第二预设距离范围内的预测车道线，其中，第二预设距离范围大于第一预设距离范围。
传统的车道线识别方法识别到的车道线长度有限，识别的稳定性不足，在本发明实施例中，通过根据每条距离车辆位置第一预设距离范围内的预测车道线的末端曲率和斜率进行数据外插，可以获取更长距离的预测车道线，为辅助驾驶提供更多数据支撑。
基于上述任一实施例，如图4所示，在某条车道存在一条边界始终观测不到或者始终拟合失败时，本发明实施例提供的车道线预测方法还包括：
步骤401、根据相邻的两条预测车道线获取预测车道；
步骤402、获取每条预测车道的平均宽度；
在本发明一些实施例中，获取每条预测车道的平均宽度包括但不限于以下方式：
方式1：计算相邻两条预测车道线完整时对应的预测车道有效部分的平均宽度，将所述预测车道有效部分的平均宽度作为预测车道的平均宽度。
方式2：获取距离当前时刻预设时间范围内的历史车道数据，根据历史车道数据得到车道历史平均宽度，将车道历史平均宽度作为预测车道的平均宽度。
步骤403、在每条预测车道对应的一条预测车道线存在部分缺失或整体缺失时，根据预测车道对应的另一条预测车道线的位置坐标和所述预测车道的平均宽度获取缺失车道线的位置坐标数据；
步骤404、根据缺失车道线的位置坐标数据补全缺失车道线。
传统的车道线识别方法非常依赖真实的道路环境，如车道线清晰度、其它车辆遮挡等等。
本发明实施例提供的车道线预测方法，可以在感知车道线的偶尔缺失、失真等异常情况仍能准确预测车道线，在丢失全局定位或者缺乏高精地图时，仅通过实时的感知车道线来构建自车周围的车道形状，构造出的车道形状有助于预测他车和规划自车的行车轨迹，为自动驾驶提供更多应用场景。
下面对本发明提供的车道线预测装置进行描述，下文描述的车道线预测装置与上文描述的车道线预测方法可相互对应参照。
图5为本发明实施例提供的车道线预测装置的示意图，如图5所示，本发明实施例提供的车道线预测装置包括：
第一获取模块501，用于按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；
第二获取模块502，用于根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
拟合模块503，用于将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
拼接模块504，用于将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
本发明提供的一种车道线预测装置，通过按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线，可以实现在全局定位或者内置地图缺失时，凭借车辆感知数据帧预测出车道线位置及车道形状，从而提升车道线识别的准确性和稳定性，适用于多种驾驶场景。
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(CommunicationsInterface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行车道线预测方法，该方法包括：按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
此外，上述的存储器630中的逻辑指令可以通过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，本发明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)执行本发明各个实施例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-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种非暂态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以执行上述各方法提供的车道线预测方法，该方法包括：按照预设周期定时获取车辆感知数据帧，车辆感知数据帧包括若干条车道线的感知数据；根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；将每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (11)
1.一种车道线预测方法，其特征在于，包括：
按照预设周期定时获取车辆感知数据帧，所述车辆感知数据帧包括若干条车道线的感知数据；
根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
将所述每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
2.根据权利要求1所述的一种车道线预测方法，其特征在于，在同一条车道线每个周期获取的感知数据与对应的预测车道线的感知数据存在多个相同坐标位置的感知数据时，还包括：
将所述多个相同坐标位置的感知数据分别进行曲线拟合，得到多条预测曲线片段；
计算每条预测曲线的拟合误差；
根据所述拟合误差筛选出所述同一条车道线同一路段位置对应的车道线预测片段。
3.根据权利要求1所述的一种车道线预测方法，其特征在于，还包括：
计算所述距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率；
根据每条距离自车第一预设距离范围内的若干条预测车道线的末端曲率和斜率进行数据外插，输出距离自车第二预设距离范围内的预测车道线，其中，所述第二预设距离范围大于所述第一预设距离范围。
4.根据权利要求1所述的一种车道线预测方法，其特征在于，还包括：
根据相邻的两条预测车道线获取预测车道；
获取每条预测车道的平均宽度；
在每条预测车道对应的一条预测车道线存在部分缺失或整体缺失时，根据所述预测车道对应的另一条预测车道线的位置坐标和所述预测车道的平均宽度获取缺失车道线的位置坐标数据；
根据所述缺失车道线的位置坐标数据补全缺失车道线。
5.根据权利要求4所述的一种车道线预测方法，其特征在于，所述获取每条预测车道的平均宽度，包括：
计算相邻两条预测车道线完整时对应的预测车道有效部分的平均宽度，将所述预测车道有效部分的平均宽度作为预测车道的平均宽度。
6.根据权利要求4所述的一种车道线预测方法，其特征在于，所述获取每条预测车道的平均宽度，包括：
获取距离当前时刻预设时间范围内的历史车道数据，根据所述历史车道数据得到车道历史平均宽度，将所述车道历史平均宽度作为预测车道的平均宽度。
7.根据权利要求1所述的一种车道线预测方法，其特征在于，所述根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据，包括：
通过局部定位系统获取当前时刻对应的车辆当前位置，将所述车辆当前位置为坐标原点建立坐标系；
将所述车道线感知数据转换为所述坐标系中第一位置坐标；将历史时间区间内获取的车道线的感知数据转换为所述坐标系中第二位置坐标；
将所述第一位置坐标和所述第二位置坐标进行组合以获取每一条车道线上多个路段位置的感知数据。
8.根据权利要求7所述的一种车道线预测方法，其特征在于，所述局部定位系统为惯性测量单元，所述通过局部定位系统获取当前时刻对应的车辆当前位置包括：
根据所述惯性测量单元获取的测量数据和当前车辆轮速获取当前时刻对应的车辆当前位置。
9.一种车道线预测装置，其特征在于，包括：
第一获取模块，用于按照预设周期定时获取车辆感知数据帧，所述车辆感知数据帧包括若干条车道线的感知数据；
第二获取模块，用于根据多个周期内的若干条车道线的感知数据获取每一条车道线上多个路段位置的感知数据；
拟合模块，用于将所述每一条车道线上多个路段位置的感知数据进行曲线拟合，得到每一条车道线上多个路段位置的车道曲线；
拼接模块，用于将同一条车道线上多个路段位置的车道曲线进行拼接，得到距离自车第一预设距离范围内的若干条预测车道线。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的车道线预测方法。
11.一种非暂态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如权利要求1至8任一项所述的车道线预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310221956.3A CN116416588A (zh) | 2023-03-08 | 2023-03-08 | 车道线预测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310221956.3A CN116416588A (zh) | 2023-03-08 | 2023-03-08 | 车道线预测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116416588A true CN116416588A (zh) | 2023-07-11 |
Family
ID=87055654
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310221956.3A Pending CN116416588A (zh) | 2023-03-08 | 2023-03-08 | 车道线预测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116416588A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575920A (zh) * | 2023-12-01 | 2024-02-20 | 昆易电子科技(上海)有限公司 | 车道线优化方法、装置及存储介质 |
-
2023
- 2023-03-08 CN CN202310221956.3A patent/CN116416588A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117575920A (zh) * | 2023-12-01 | 2024-02-20 | 昆易电子科技(上海)有限公司 | 车道线优化方法、装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113538919B (zh) | 车道偏离识别方法、装置、设备和存储介质 | |
| US20170316127A1 (en) | Method and apparatus for constructing testing scenario for driverless vehicle | |
| CN113223317B (zh) | 一种更新地图的方法、装置和设备 | |
| JP4984152B2 (ja) | 画像認識システム、サーバ装置、及び画像認識装置 | |
| CN112115857B (zh) | 智能汽车的车道线识别方法、装置、电子设备及介质 | |
| CN111144330B (zh) | 一种基于深度学习的车道线检测方法、装置以及设备 | |
| US11002553B2 (en) | Method and device for executing at least one measure for increasing the safety of a vehicle | |
| CN114399916B (zh) | 一种数字孪生智慧城市交通的虚拟红绿灯控制提醒方法 | |
| CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
| CN111125293A (zh) | 公交网络模型自动生成方法、装置及电子设备 | |
| CN116416588A (zh) | 车道线预测方法、装置、电子设备及存储介质 | |
| CN111914691A (zh) | 一种轨道交通车辆定位方法及系统 | |
| CN104482936A (zh) | 提供路况信息的云端服务器和显示路况信息的装置 | |
| CN111947669A (zh) | 用于将基于特征的定位地图用于车辆的方法 | |
| CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
| CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
| CN114383620A (zh) | 车辆精准位置获取方法、系统、可读存储介质及车辆 | |
| US11442913B2 (en) | Method and device for creating a localization map | |
| CN107204113A (zh) | 确定道路拥堵状态的方法、装置和系统 | |
| CN114926799A (zh) | 一种车道线检测方法、装置、设备及可读存储介质 | |
| CN111811523A (zh) | 路网匹配纠错方法、装置及系统 | |
| CN112560558A (zh) | 车道线的修正方法、装置及电子设备 | |
| CN115027483B (zh) | 叠置道路识别、车辆行驶控制方法、装置及设备 | |
| CN113124752B (zh) | 基于路侧视觉标签的汽车定位系统和方法 | |
| CN118062016B (zh) | 车辆环境感知方法、设备和存储介质 |
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 |