CN116563811A - 一种车道线识别方法、装置、车辆及存储介质 - Google Patents

一种车道线识别方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN116563811A
CN116563811A CN202310786331.1A CN202310786331A CN116563811A CN 116563811 A CN116563811 A CN 116563811A CN 202310786331 A CN202310786331 A CN 202310786331A CN 116563811 A CN116563811 A CN 116563811A
Authority
CN
China
Prior art keywords
lane line
lane
environment sensing
lines
precision map
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
CN202310786331.1A
Other languages
English (en)
Inventor
刘畅
刘斌
吴杭哲
王野
李伟男
于欣彤
于淼
李潇江
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202310786331.1A priority Critical patent/CN116563811A/zh
Publication of CN116563811A publication Critical patent/CN116563811A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例公开了一种车道线识别方法、装置、车辆及存储介质，包括：获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。本发明实施例的技术方案可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。

Description

一种车道线识别方法、装置、车辆及存储介质
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种车道线识别方法、装置、车辆及存储介质。
背景技术
自动驾驶是车辆在没有驾驶员操作的情况下自行实现驾驶的一项前沿技术。其中，环境信息的采集与处理是实现车辆自动驾驶的基础，车道线的识别与检测是环境信息采集与处理的核心。随着自动驾驶技术的快速发展，能否实现准确获取车道线信息成为影响自动驾驶性能的重要因素。
现有技术中，通常通过感知设备或高精地图获取车道线信息。感知设备可以通过解析视频图像的方式获取车道线信息，高精地图可以基于环境感知和车辆定位获取车道线信息。
但是，通过感知设备获取车道线信息的方式，易受光照、气候和道路曲率等外界因素的影响，导致获取的车道线信息不准确；通过高精地图获取车道线信息的方式，在车辆定位受到干扰时，输出的车道线信息同样不准确。
发明内容
本发明提供了一种车道线识别方法、装置、车辆及存储介质，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
第一方面，本发明实施例提供了一种车道线识别方法，应用于车辆，包括：
获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；
根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；
根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
第二方面，本发明实施例还提供了一种车道线识别装置，包括：
信息获取模块，用于获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；
置信度融合模块，用于根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；
目标车道线确定模块，用于根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
第三方面，本发明实施例还提供了一种车辆，该车辆包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例提供的车道线识别方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例提供的车道线识别方法。
本发明实施例提供的技术方案，通过获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息的技术手段，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是根据本发明实施例一提供的一种车道线识别方法的流程图；
图2是根据本发明实施例二提供的另一种车道线识别方法的流程图；
图3是根据本发明实施例三提供的另一种车道线识别方法的流程图；
图4是根据本发明实施例提供的一种筛选目标车道线的方法流程图；
图5是根据本发明实施例四提供的一种车道线识别装置的结构示意图；
图6是实现本发明实施例五提供的一种车辆的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是根据本发明实施例一提供的一种车道线识别方法的流程图，本实施例可适用于对车道线进行识别的情况，该方法可以由车道线识别装置来执行，该车道线识别装置可以采用硬件和/或软件的形式实现，该车道线识别装置可配置于车辆中。
如图1所示，本实施例公开的一种车道线识别方法包括：
S110、获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度。
在本实施例中，环境感知设备和高精地图均可以部署在车辆中。环境感知设备可以包括激光雷达、毫米波雷达、惯性传感器、智能摄像头和超声波雷达等。高精地图可以用于提供路标、交通提示牌、交通灯、车道曲率和坡度等道路信息。高精地图的定位精度可达厘米级。
示例性的，针对当前车辆，环境感知设备和高精地图可以分别输出四条车道线，包括位于当前车辆左侧的第一条车道线、第二条车道线、以及位于当前车辆右侧的第一条车道线和第二条车道线。其中，左侧第一条车道线与当前车辆的横向距离，小于左侧第二条车道线与当前车辆的横向距离，右侧第一条车道线与当前车辆的横向距离小于右侧第二条车道线与当前车辆的横向距离。每条车道线可以通过下述三次多项式方程进行表示：
y＝C0+C1x+C2x2+C3x3
其中，C0为车身中心距离车道线的横向距离，C1为车身相对车道线的航向角，C2为车道中心线的曲率，C3为曲率变化率，x为预瞄距离。
初始置信度可以用于反映环境感知设备和高精地图分别输出的车道线信息的可信度。
S120、根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度。
在本实施例中，匹配结果可以是将环境感知设备和高精地图分别输出的车道线进行一一对应后的结果。融合置信度对应的数值可以根据各车道线对应的初始置信度的大小进行确定。
在此步骤，具体的，如果环境感知设备和高精地图输出的车道线，均具有较高的初始置信度，则可以对上述车道线的融合置信度设置为较高的数值。如果环境感知设备和高精地图输出的车道线，均具有较低的初始置信度，则可以对上述车道线的融合置信度设置为较低的数值，比如0。
这样设置的好处在于，在实际应用中，通过环境感知设备获取车道线信息实时性高但易受光照和气候等外界因素的影响，通过高精地图获取的车道线信息不易受天气影响，但是在车辆定位受到干扰时，输出的车道线系信息不准确，因此单一定位源无法保障车道线识别的准确性。本实施例提出了一种基于环境感知设备和高精地图融合获取车道线信息的方法，可以提高车道线识别的准确性和可靠性。
S130、根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
在本实施例中，预瞄距离可以是环境感知设备对应的环境信息采集范围。目标车道线可以是环境感知设备输出的车道线或者高精地图输出的车道线。可选的，可以将融合置信度和预瞄距离分别与对应的阈值进行对比，根据对比结果筛选环境感知设备或者高精地图输出的车道线，作为目标车道线。
在实际应用中，目标车道线可以作为自动驾驶控制的输入信息，以供车辆的自动驾驶决策系统结合车辆周围设施的坐标位置，实现路径规划和导航。
本实施例的技术方案，通过获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息的技术手段，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
实施例二
图2是根据本发明实施例二提供的另一种车道线识别方法的流程图，本实施例是基于上述各实施例的进一步优化与扩展，并可以与上述实施方式中各个可选技术方案结合。
如图2所示，本实施例公开的另一种车道线识别方法包括：
S210、获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度。
S220、在环境感知设备以及高精地图分别输出的全部车道线中，确定无效车道线，并将无效车道线进行剔除。
在本实施例中，可选的，无效车道线可以是环境感知设备或高精地图识别到的模糊或异形的车道线。车道线模糊可以表现为识别到的车道线边缘不清晰。异形的车道线可以是识别到的车道线形状与现有的常规车道线形状不符等。
在本发明实施例的一个可选实施方式中，在环境感知设备输出的全部车道线中确定无效车道线，包括：获取环境感知设备输出的，位于车辆同侧的多条相邻车道线；根据多条相邻车道线分别对应的起始位置以及终止位置，按照预设距离依次对多条相邻车道线进行采样，得到多条相邻车道线分别对应的多个采样点；确定每两条相邻车道线之间，对应采样点的横向距离，并统计横向距离小于预设阈值时对应的目标采样点数量；如果目标采样点数量大于全部采样点数量的一半，则在多条相邻车道线中，获取距离车辆最远的车道线作为无效车道线。
在本实施例中，预设阈值可以是平均车道线宽度的一半。在两条相邻车道线之间对应采样点的横向距离小于预设阈值时，可以将上述采样点确定为目标采样点。
示例性的，假设环境感知设备输出的位于当前车辆左侧的两条相邻车道线分别为A和B(A与车辆之间的横向距离，大于B与车辆之间的横向距离)，则可以分别提取A和B的起始位置和终止位置，并根据预设分隔距离分别对A和B进行等距离采点。假设车道线A上的采样点包括P1、P2和P3，车道线B上的采样点包括Q1、Q2和Q3，则可以分别计算P1和Q1、P2和Q2，以及P3和Q3之间的横向距离，如果P1和Q1之间的横向距离小于平均车道线宽度的一半，则可以将P1和Q1确定为目标采样点。
这样设置的好处在于，通过剔除无效车道线，可以避免后续车道线识别过程中对无效车道线进行处理，由此可以节省车道线的处理耗时，提高目标车道线的识别效率。
在本发明实施例的一个可选实施方式中，在高精地图输出的全部车道线中确定无效车道线，包括：获取高精地图输出的，位于车辆同侧的多条相邻车道线；根据多条相邻车道线分别对应的起始位置以及终止位置，按照预设距离依次对多条相邻车道线进行采样，得到多条相邻车道线分别对应的多个采样点；确定每两条相邻车道线之间，对应采样点的横向距离，并统计横向距离小于预设阈值时对应的目标采样点数量；如果目标采样点数量大于全部采样点数量的一半，则在多条相邻车道线中，获取距离车辆最远的车道线作为无效车道线。
S230、根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度。
S240、根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
本实施例的技术方案，通过获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度，在环境感知设备以及高精地图分别输出的全部车道线中，确定无效车道线，并将无效车道线进行剔除，根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度，根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息的技术手段，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
实施例三
图3是根据本发明实施例三提供的另一种车道线识别方法的流程图，本实施例是基于上述各实施例的进一步优化与扩展，并可以与上述实施方式中各个可选技术方案结合。
如图3所示，本实施例公开的另一种车道线识别方法包括：
S310、获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度。
S320、获取环境感知设备以及高精地图分别输出的多条数量相等的车道线。
S330、按照车道线从左至右或从右至左的顺序，将环境感知设备输出的每条车道线，与高精地图输出的对应车道线进行组合，得到多个车道线组。
在本实施例中，车道线组可以是包括两条车道线的组合，上述两条车道线可以分别由环境感知设备和高精地图输出。
示例性的，如果环境感知设备和高精地图分别输出四条车道线，则可以从左至右将环境感知设备输出的车道线依次命名为X1、X2、X3和X4；将高精地图输出的车道线从左至右依次命名为Y1、Y2、Y3和Y4。然后可以按照排列顺序将车道线两两组合，得到四个车道线组，例如{X1，Y1}、{X2，Y2}、{X3，Y3}和{X4，Y4}。
S340、在多个车道线组中依次获取一个车道线组，作为当前车道线组。
S350、在当前车道线组中获取环境感知设备对应的第一车道线，以及高精地图对应的第二车道线，判断第一车道线与第二车道线是否相同，若是，执行S360，若否，执行S370。
在本实施例中，可选的，可以根据车身中心距离各车道线的横向距离，车身相对各车道线的航向角，车道中心线的曲率，曲率变化率等数据中的至少一项判断第一车道线和第二车道线是否相同。
在本实施例的一个实施方式中，判断第一车道线与第二车道线是否相同，包括：获取第一车道线与车身中心之间的第一横向距离，以及第二车道线与车身中心之间的第二横向距离，并确定第一横向距离与第二横向距离之间的差值；判断差值绝对值是否大于预设值；若否，则确定第一车道线与第二车道线相同。
在本实施例中，第一横向距离与第二横向距离之间的差值的具体计算公式如下：
△C0＝C0eye-C0ehr
其中，C0eye为第一横向距离，C0ehr为第二横向距离。
如果第一横向距离C0eye与第二横向距离C0ehr之间的差值绝对值|△C0|大于预设值，则可以认为环境感知设备和高精地图识别到的车道线不同；如果第一横向距离C0eye与第二横向距离C0ehr之间的差值绝对值|△C0|小于或等于预设值，则可以认为环境感知设备和高精地图识别到的车道线相同。
示例性的，预设值可以为3，具体数值可以根据实际情况进行调整，本实施例对此并不进行限制。具体的，如果|△C0|>3，则可以认为第一车道线与第二车道线不相同；如果|△C0|≤3，则可以认为第一车道线与第二车道线相同。
S360、确定第一车道线与第二车道线匹配，并返回执行S340中在多个车道线组中依次获取一个车道线组，作为当前车道线组的操作，直至完成对全部车道线组的处理。
S370、对第二车道线进行更新，并确定更新后的第二车道线与第一车道线匹配，然后返回执行S340中在多个车道线组中依次获取一个车道线组，作为当前车道线组的操作，直至完成对全部车道线组的处理。
在本实施例中，如果第一车道线与第二车道线不相同，则可以根据第一横向距离与第二横向距离之间的差值对第二车道线进行更新。
在本实施例的一个实施方式中，对第二车道线进行更新，包括：将第二车道线对应的第二横向距离，与差值绝对值进行相加，得到更新后的横向距离；根据更新后的横向距离，对第二车道线进行平移，得到更新后的第二车道线。
在一个具体实施方式中，如果第一横向距离C0eye与第二横向距离C0ehr之间的差值绝对值|△C0|大于预设值，并且第一横向距离C0eye与第二横向距离C0ehr之间的差值△C0小于预设差值，则可以设置第一标志位；反之，如果第一横向距离C0eye与第二横向距离C0ehr之间的差值绝对值大于预设值，并且第一横向距离C0eye与第二横向距离C0ehr之间的差值△C0大于预设差值，则可以设置第二标志位。
示例性的，第一标志位可以为-1，第二标志位可以为1，具体数值可以根据实际情况进行调整，本实施例对此并不进行限制。
在一个具体的实施例中，在对第二车道线进行平移时，可以根据上述标志位确定平移方向。例如，当标志位为1时，则可以对第二车道线向左平移；反之，当标志位为-1时，则可以对第二车道线向右平移。
S380、根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度，根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
在本发明实施例的一个可选实施方式中，根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，包括以下步骤，如图4所示：
判断当前车道线的融合置信度是否等于预设置信度；若是，则判断环境感知设备对应的预瞄距离是否小于预设距离；如果预瞄距离小于预设距离，则获取环境感知设备输出的车道线作为目标车道线；如果预瞄距离大于或等于预设距离，则获取高精地图输出的车道线作为目标车道线。
如果当前车道线的融合置信度不等于预设置信度，则判断融合置信度是否等于第一可选置信度，如果融合置信度等于第一可选置信度，则获取环境感知设备输出的车道线作为目标车道线。如果融合置信度不等于第一可选置信度，则继续判断融合置信度是否等于第二可选置信度。
如果融合置信度等于第二可选置信度，则获取高精地图输出的车道线作为目标车道线。如果融合置信度不等于第二可选置信度，则可以确定目标车道线不存在。
示例性的，预设置信度可以为3，预设距离可以为50米，第一可选置信度可以设为2，第二可选置信度可以设为1，具体数值可以根据实际情况进行调整，本实施例对此并不进行限制。
在一个具体的实施例中，如果环境感知设备和高精地图输出的车道线均对应较高的初始置信度，则可以将该车道线的融合置信度设置为3。如果环境感知设备输出车道线的初始置信度较高，且高精地图输出车道线的初始置信度数值较低，则可以将该车道线的融合置信度设置为2。如果环境感知设备输出车道线的初始置信度较低，且高精地图输出车道线的初始置信度较高，则可以将该车道线的融合置信度设置为1。如果环境感知设备和高精地图输出的车道线均对应较低的初始置信度，则可以将上述车道线的融合置信度设置为0。
在本实施例的一个实施方式中，如果当前车道线的融合置信度等于3且预瞄距离小于50米，则可以选择环境感知设备输出的车道线作为目标车道线。如果融合置信度等于3且预瞄距离大于50米，则可以选择高精地图输出的车道线作为目标车道线。如果融合置信度为2，则可以获取环境感知设备输出的经过预处理的车道线作为目标车道线。如果融合置信度为1，则可以获取高精地图输出的经过预处理的车道线作为目标车道线。如果融合置信度不为1，例如融合置信度为0时，则可以确定目标车道线不存在。
这样设置的好处在于，通过结合车道线的融合置信度，以及环境感知设备的预瞄距离共同筛选目标车道线，可以提高目标车道线筛选结果的有效性和可靠性。
本实施例的技术方案，通过获取环境感知设备以及高精地图分别输出的多条数量相等的车道线；按照车道线从左至右或从右至左的顺序，将环境感知设备输出的每条车道线，与高精地图输出的对应车道线进行组合，得到多个车道线组；在当前车道线组中获取第一车道线以及第二车道线，判断第一车道线与第二车道线是否相同；若是，则确定第一车道线与第二车道线匹配；若否，则对第二车道线进行更新，并确定更新后的第二车道线与第一车道线匹配；根据匹配结果以及初始置信度，确定融合置信度，根据融合置信度，以及预瞄距离，筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息的技术手段，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
实施例四
图5为本发明实施例四提供的一种车道线识别装置的结构示意图，本实施例可适用于对车道线进行识别的情况，该车道线识别装置可以采用硬件和/或软件的形式实现，并可配置于车辆中。
如图5所示，本实施例公开的车道线识别装置包括：
信息获取模块51，用于获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；
置信度融合模块52，用于根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；
目标车道线确定模块53，用于根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息。
本实施例中的技术方案，通过获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；根据各车道线信息，对环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；根据每条车道线对应的融合置信度，以及环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将目标车道线作为自动驾驶模式对应的车道线识别信息的技术手段，可以提高车道线识别的准确性和可靠性，保障车辆自动驾驶过程中的安全性与稳定性。
可选的，车道线识别装置还包括车道线预处理模块，该模块包括：
无效车道线剔除单元，用于在环境感知设备以及高精地图分别输出的全部车道线中，确定无效车道线，并将无效车道线进行剔除；
相邻车道线获取单元，用于获取环境感知设备输出的，位于车辆同侧的多条相邻车道线；
采样点获取单元，用于根据多条相邻车道线分别对应的起始位置以及终止位置，按照预设距离依次对多条相邻车道线进行采样，得到多条相邻车道线分别对应的多个采样点；
采样点数量统计单元，用于确定每两条相邻车道线之间，对应采样点的横向距离，并统计横向距离小于预设阈值时对应的目标采样点数量；
无效车道线确定单元，用于如果目标采样点数量大于全部采样点数量的一半，则在多条相邻车道线中，获取距离车辆最远的车道线作为无效车道线。
可选的，置信度融合模块52包括：
车道线获取单元，用于获取环境感知设备以及高精地图分别输出的多条数量相等的车道线；
车道线组获取单元，用于按照车道线从左至右或从右至左的顺序，将环境感知设备输出的每条车道线，与高精地图输出的对应车道线进行组合，得到多个车道线组；
当前车道线组确定单元，用于在多个车道线组中依次获取一个车道线组，作为当前车道线组；
车道线判断单元，用于在当前车道线组中获取环境感知设备对应的第一车道线，以及高精地图对应的第二车道线，判断第一车道线与第二车道线是否相同；若是，则确定第一车道线与第二车道线匹配；若否，则对第二车道线进行更新，并确定更新后的第二车道线与第一车道线匹配；
车道线组轮询单元，用于返回执行在多个车道线组中依次获取一个车道线组，作为当前车道线组的操作，直至完成对全部车道线组的处理；
距离差值确定单元，用于获取第一车道线与车身中心之间的第一横向距离，以及第二车道线与车身中心之间的第二横向距离，并确定第一横向距离与第二横向距离之间的差值；
差值绝对值判断单元，用于判断差值绝对值是否大于预设值；若否，则确定第一车道线与第二车道线相同；
横向距离更新单元，用于将第二车道线对应的第二横向距离，与差值绝对值进行相加，得到更新后的横向距离；
第二车道线更新单元，用于根据更新后的横向距离，对第二车道线进行平移，得到更新后的第二车道线。
可选的，目标车道线确定模块53包括：
融合置信度判断单元，用于判断当前车道线的融合置信度是否等于预设置信度；
预瞄距离判断单元，用于如果当前车道线的融合置信度等于预设置信度，则判断环境感知设备对应的预瞄距离是否小于预设距离；
车道线筛选确定单元，用于如果环境感知设备对应的预瞄距离小于预设距离，则获取环境感知设备输出的车道线作为目标车道线；
如果环境感知设备对应的预瞄距离大于等于预设距离，则获取高精地图输出的车道线作为目标车道线。
本发明实施例所提供的车道线识别装置可执行本发明任意实施例所提供的车道线识别方法，具备执行方法相应的功能模块和有益效果。本实施例中未详尽描述的内容可以参考本申请任意方法实施例中的描述。
实施例五
图6示出了可以用来实施本发明的实施例的车辆10的结构示意图。如图6所示，车辆10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储车辆10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
车辆10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许车辆10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车道线识别方法。
在一些实施例中，车道线识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到车辆10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的车道线识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车道线识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在车辆上实施此处描述的系统和技术，该车辆具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给车辆。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种车道线识别方法，其特征在于，应用于车辆，所述方法包括：
获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；
根据各所述车道线信息，对所述环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；
根据每条车道线对应的融合置信度，以及所述环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将所述目标车道线作为自动驾驶模式对应的车道线识别信息。
2.根据权利要求1所述的方法，其特征在于，在获取环境感知设备以及高精地图分别输出的车道线信息之后，还包括：
在环境感知设备以及高精地图分别输出的全部车道线中，确定无效车道线，并将所述无效车道线进行剔除。
3.根据权利要求2所述的方法，其特征在于，在环境感知设备输出的全部车道线中确定无效车道线，包括：
获取环境感知设备输出的，位于车辆同侧的多条相邻车道线；
根据所述多条相邻车道线分别对应的起始位置以及终止位置，按照预设距离依次对多条相邻车道线进行采样，得到多条相邻车道线分别对应的多个采样点；
确定每两条相邻车道线之间，对应采样点的横向距离，并统计所述横向距离小于预设阈值时对应的目标采样点数量；
如果所述目标采样点数量大于全部采样点数量的一半，则在所述多条相邻车道线中，获取距离车辆最远的车道线作为无效车道线。
4.根据权利要求1所述的方法，其特征在于，根据各所述车道线信息，对所述环境感知设备以及高精地图分别输出的车道线进行匹配，包括：
获取环境感知设备以及高精地图分别输出的多条数量相等的车道线；
按照车道线从左至右或从右至左的顺序，将环境感知设备输出的每条车道线，与高精地图输出的对应车道线进行组合，得到多个车道线组；
在多个车道线组中依次获取一个车道线组，作为当前车道线组；
在当前车道线组中获取环境感知设备对应的第一车道线，以及高精地图对应的第二车道线，判断第一车道线与第二车道线是否相同；
若是，则确定所述第一车道线与第二车道线匹配；
若否，则对第二车道线进行更新，并确定更新后的第二车道线与第一车道线匹配；
返回执行在多个车道线组中依次获取一个车道线组，作为当前车道线组的操作，直至完成对全部车道线组的处理。
5.根据权利要求4所述的方法，其特征在于，判断第一车道线与第二车道线是否相同，包括：
获取第一车道线与车身中心之间的第一横向距离，以及第二车道线与车身中心之间的第二横向距离，并确定第一横向距离与第二横向距离之间的差值；
判断所述差值绝对值是否大于预设值；
若否，则确定第一车道线与第二车道线相同。
6.根据权利要求5所述的方法，其特征在于，对第二车道线进行更新，包括：
将所述第二车道线对应的第二横向距离，与所述差值绝对值进行相加，得到更新后的横向距离；
根据所述更新后的横向距离，对所述第二车道线进行平移，得到更新后的第二车道线。
7.根据权利要求1所述的方法，其特征在于，根据每条车道线对应的融合置信度，以及所述环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，包括：
判断当前车道线的融合置信度是否等于预设置信度；
若是，则判断所述环境感知设备对应的预瞄距离是否小于预设距离；
若是，则获取环境感知设备输出的车道线作为目标车道线；
若否，则获取高精地图输出的车道线作为目标车道线。
8.一种车道线识别装置，其特征在于，应用于车辆，所述装置包括：
信息获取模块，用于获取环境感知设备以及高精地图分别输出的车道线信息，以及各车道线对应的初始置信度；
置信度融合模块，用于根据各所述车道线信息，对所述环境感知设备以及高精地图分别输出的车道线进行匹配，根据匹配结果以及各车道线对应的初始置信度，确定每条车道线对应的融合置信度；
目标车道线确定模块，用于根据每条车道线对应的融合置信度，以及所述环境感知设备对应的预瞄距离，在环境感知设备以及高精地图分别输出的车道线中筛选目标车道线，并将所述目标车道线作为自动驾驶模式对应的车道线识别信息。
9.一种车辆，其特征在于，所述车辆包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的车道线识别方法。
10.一种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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的车道线识别方法。
CN202310786331.1A 2023-06-29 2023-06-29 一种车道线识别方法、装置、车辆及存储介质 Pending CN116563811A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310786331.1A CN116563811A (zh) 2023-06-29 2023-06-29 一种车道线识别方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310786331.1A CN116563811A (zh) 2023-06-29 2023-06-29 一种车道线识别方法、装置、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN116563811A true CN116563811A (zh) 2023-08-08

Family

ID=87488239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310786331.1A Pending CN116563811A (zh) 2023-06-29 2023-06-29 一种车道线识别方法、装置、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN116563811A (zh)

Similar Documents

Publication Publication Date Title
CN112132109A (zh) 车道线处理和车道定位方法、装置、设备及存储介质
CN113129625A (zh) 车辆控制方法、装置、电子设备和车辆
CN113859264B (zh) 车辆控制方法、装置、电子设备及存储介质
CN113971723B (zh) 高精地图中三维地图的构建方法、装置、设备和存储介质
CN112580571A (zh) 车辆行驶的控制方法、装置及电子设备
CN114842445A (zh) 基于多途径融合的目标检测方法、装置、设备及介质
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
CN113984072B (zh) 车辆定位方法、装置、设备、存储介质及自动驾驶车辆
CN114429631B (zh) 三维对象检测方法、装置、设备以及存储介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN116363615A (zh) 数据融合方法、装置、车辆和存储介质
CN115995075A (zh) 一种车辆自适应导航方法、装置、电子设备及存储介质
CN116226782A (zh) 传感器数据融合方法、装置、设备以及存储介质
CN115937449A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN116563811A (zh) 一种车道线识别方法、装置、车辆及存储介质
CN115147561A (zh) 位姿图生成方法、高精地图生成方法和装置
CN114049615B (zh) 行驶环境中交通对象融合关联方法、装置及边缘计算设备
CN116258769B (zh) 一种定位校验方法、装置、电子设备和存储介质
CN114219907B (zh) 三维地图生成方法、装置、设备以及存储介质
CN114155508B (zh) 一种道路变化检测方法、装置、设备以及存储介质
CN112507951B (zh) 指示灯识别方法、装置、设备、路侧设备和云控平台
CN118035788A (zh) 一种目标车辆相对位置分类方法、装置、设备及存储介质
CN118692052A (zh) 车辆对车道锥桶的识别方法、装置、电子设备和存储介质
CN117853614A (zh) 高精地图元素变更情况的检测方法、装置和车辆
CN116642503A (zh) 一种似然地图更新方法、装置、设备及存储介质

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