CN117237899A - 确定车辆与车道线位置关系的方法、装置及设备 - Google Patents
确定车辆与车道线位置关系的方法、装置及设备 Download PDFInfo
- Publication number
- CN117237899A CN117237899A CN202311284216.0A CN202311284216A CN117237899A CN 117237899 A CN117237899 A CN 117237899A CN 202311284216 A CN202311284216 A CN 202311284216A CN 117237899 A CN117237899 A CN 117237899A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- determining
- wheel
- frame
- 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 49
- 238000004590 computer program Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 2
- 238000003825 pressing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
公开了一种确定车辆与车道线位置关系的方法、装置及设备,涉及智能驾驶技术领域。该方法包括:确定第一车辆在第一车道行驶时采集的图像帧;基于图像帧,确定第二车辆从第二车道偏移到第一车道的多个空间位置区域;基于多个空间位置区域,确定第二车辆相对第一车道在预设方向的位置关系。由于本公开从图像帧中识别第二车辆从第二车道偏移到第一车道的多个空间位置区域的精度较高,进而能够根据多个空间位置区域较为准确地确定第二车辆相对第一车道在预设方向的位置关系,确保自动驾驶的安全性。
Description
技术领域
本公开涉及驶能技术领域,尤其涉及一种行驶过程中确定车辆与车道线位置关系的方法、装置及设备。
背景技术
目前,视觉先进驾驶辅助系统(Advanced Driving Assistance System,ADAS)中,处于智能驾驶状态的车辆(如自车)行驶在目标车道(如自车道)时,可通过其自身安装的传感装置采集图像帧。然后从该图像帧中识别从临近车道即将驶入或已部分驶入自车道的其他车辆的车辆整体位置参数(如车辆的中心点位置、车长、车宽、车的朝向等),并根据车辆整体位置参数确定其他车辆相对自车道在预设方向(例如,垂直于自车道的车道线方向)的位置关系。但是,目前车辆整体位置参数的识别精度较低,导致根据车辆整体位置参数确定的其他车辆相对自车道在预设方向的位置关系不够准确,无法确保自动驾驶的安全性。
发明内容
目前在计算其他车辆相对自车道在预设方向的位置关系时,由于图像帧的识别对象为其他车辆的车辆整体参数,而识别车辆整体位置参数的识别精度较低,因此根据识别出的车辆整体位置参数所计算的其他车辆相对自车道在预设方向的位置关系不够准确,无法确保自动驾驶的安全性。
为了解决上述技术问题,本公开提供了一种在行驶过程中确定车辆与车道线位置关系的方法、装置、电子设备及存储介质,以解决确定车辆和车道线的位置关系不准确的问题。
本公开的第一个方面,提供了一种在行驶过程中确定车辆与车道线位置关系的方法,包括:
确定第一车辆在第一车道行驶时采集的图像帧;
基于所述图像帧,确定第二车辆从第二车道偏移到所述第一车道的多个空间位置区域;
基于所述多个空间位置区域,确定所述第二车辆相对所述第一车道在预设方向的位置关系。
本公开的第二个方面,提供了一种在行驶过程中确定车辆与车道线位置关系的装置,包括:
第一确定模块,用于确定第一车辆在第一车道行驶时采集的图像帧;
第二确定模块,基于所述图像帧,确定第二车辆从第二车道偏移至所述第一车道的多个空间位置区域;
第三确定模块,基于所述多个空间位置区域,确定所述第二车辆相对所述第一车道在预设方向的位置关系。
本公开的第三个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述第一方面所述的在行驶过程中确定车辆与车道线位置关系的方法。
本公开第四方面,提供了一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述第一方面所述的在行驶过程中确定车辆与车道线位置关系的方法。
本公开实施例中,由于第二车辆相对第一车道在预设方向的位置关系是根据第二车辆从第二车道偏移到第一车道的多个空间位置区域确定的,因此,从图像帧中识别该多个空间位置区域的精度,直接影响第二车辆相对第一车道在预设方向的位置关系的准确性。而第二车辆从第二车道偏移到第一车道的多个空间位置区域为第二车辆的空间位置区域中确定的部分区域,从采集的图像帧中识别该部分区域的精度较高,远高于识别车辆整体位置参数的精度。因此,根据多个空间位置区域能够较为准确地确定第二车辆相对第一车道在预设方向的位置关系,有利于提高智能驾驶的安全性。
附图说明
通过结合附图对本申请实施例进行更详细的描述,本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与本申请实施例一起用于解释本申请,并不构成对本申请的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例的应用场景示意图。
图2是本公开一示例性实施例提供的一种在行驶过程中确定车辆与车道线的位置关系的方法的流程示意图。
图3是本公开一示例性实施例提供的第一车辆在行驶中采集的图像帧的示意图。
图4是本公开另一示例性实施例提供的一种在行驶过程中确定车辆与车道线的位置关系的方法的流程示意图。
图5是本公开又一示例性实施例提供的一种在行驶过程中确定车辆与车道线的位置关系的方法的流程示意图。
图6A是本公开再一示例性实施例提供的一种在行驶过程中确定车辆与车道线的位置关系的方法的流程示意图。
图6B是本公开一示例性实施例提供的一种确定车轮框位置区域相对第一车道在预设方向的第一位置关系的方法的流程示意图。
图7是本公开一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。
图8是本公开另一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。
图9是本公开又一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。
图10是本公开再一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。
图11是本公开其他一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。
图12是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
为了解释本公开,下面将参考附图详细地描述本公开的示例实施例。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
以下,术语“第一”、“第二”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。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。“A和/或B”,包括以下三种组合:仅A,仅B,及A和B的组合。
申请概述
在本公开实施中,车辆可以称为自车,自车行驶的车道可以称为自车道。在一些示例中,自车可以是处于智能驾驶状态的车辆。例如,自车可以是处于普通辅助驾驶状态的车辆,也可以是处于高级辅助驾驶状态的车辆。
在ADAS系统中,处于智能驾驶状态的自车在自车道行驶的过程中,可以在视觉感知阶段通过自车传感器采集自车行驶环境的图像帧,并从该图像帧中识别其他车辆(如图像帧中除自车之外的至少一个车辆)的车辆整体位置参数。然后,根据该其他车辆的车辆整体位置参数确定其他车辆相对自车道在预设方向的位置关系。最后,在决策阶段将该位置关系作为自车智能驾驶的判断依据,并执行相应的操作。例如,自车可根据该其他车辆相对自车道在预设方向的位置关系,执行刹车、减速行驶、不刹车、变道等操作。
示例性地,自车在自车道行驶过程中,其他车辆可以从与自车道相邻的其他车道驶入自车道。自车采集的图像帧中可以包括从其他车道部分驶入或即将驶入自车道的其他车辆,该其他车辆也可以称为侵入车辆。侵入车辆相对自车道在预设方向的位置关系包括侵入车辆相对自车道中距离侵入车辆最近的车道线在预设方向(例如,垂直于自车道的车道线的方向)的距离,该距离也可以称为侵入车辆的压线量。侵入车辆的压线量可以基于侵入车辆与自车道之间的位置关系来确定其对应的正负值。
在一些示例中,可以将已经部分驶入自车道的侵入车辆的压线量视为正值,将即将驶入自车道的侵入车辆的压线量视为负值。可替换地,也可以将已经部分驶入自车道的侵入车辆的压线量视为负值,将即将驶入自车道的侵入车辆的压线量视为正值。本公开实施例对此不作限定,下述实施例以将已经部分驶入自车道的侵入车辆的压线量视为正值,将即将驶入自车道的侵入车辆的压线量视为负值为例进行示例性说明。
示例性场景
图1是本公开一示例性实施例提供的应用场景示意图。如图1所示,箭头所示车道为自车正在行驶的自车道10,自车道10的车道线包括车道线101和车道线102。与自车道10相邻的车道包括车道11和车道12。车道11的车道线包括车道线111和车道线101,车道12的车道线包括车道线102和车道线121。
示例性地,如图1所示,车辆13即将从车道11驶入自车道10,车辆13相对自车道10在预设方向的位置关系可以为车辆13中距离自车道10最近位置点到车道线101的距离131。在一些示例中,该距离131可称为车辆13的压线量131。由于车辆13即将驶入自车道10,故车辆13的压线量131为负值。
如图1所示,车辆14已部分驶入自车道10,车辆14相对自车道10在预设方向的位置关系可以为车辆14中距离自车道10的最近位置点到车道线101的距离141。在一些示例中,该距离141可称为车辆14的压线量141。由于车辆14已部分驶入自车道10,故车辆14的压线量为正值。
如图1所示,车辆15已部分驶入自车道10,车辆15相对自车道10在预设方向的位置关系可以为车辆15中距离自车道10的最近位置点到车道线102的距离151。在一些示例中,该距离151也可称为车辆15的压线量151。由于车辆15已部分驶入自车道10,故车辆15的压线量为正值。
如图1所示,以自车采集的图像帧包括车辆14为例,可以从该图像帧中识别车辆14的整体位置参数,并根据车辆14的整体位置参数确定车辆14相对于自车道10在预设方向的位置关系。
由于从图像帧中识别车辆14的整体位置参数的精度比较低,导致根据车辆14的整体位置参数所确定的车辆14相对自车道10在预设方向的位置关系的精度也较低,影响智能驾驶的安全性。
基于上述技术问题,本公开实施例提供了一种在行驶过程中确定车辆与车道线的位置关系的方法,通过从采集的图像帧中识别出第二车辆的多个空间位置区域,并根据该多个空间位置区域确定第二车辆相对于第一车道在预设方向的位置关系。由于本公开从图像帧中识别多个空间位置区域的精度较高,因此根据该多个空间位置区域能够准确地确定第二车辆相对第一车道在预设方向的位置关系,确保自动驾驶的安全性。
示例性方法
图2是本公开一示例性实施例提供的在行驶过程中确定车辆与车道线的位置关系的方法的流程示意图。本实施例可应用在车辆上,为了区分该车辆与其他车辆的不同,本公开实施例采用自车或第一车辆来描述,如图2所示,可包括如下步骤201至步骤203。
步骤201,确定第一车辆在第一车道行驶时采集的图像帧。
示例性地,第一车辆可以称为自车。第一车道为自车当前行驶的车道,也可称为自车道。
在一些实施例中,图像帧可以通过分布在自车不同位置的多个图像检测装置采集得到。该图像检测装置包括摄像头,本公开实施例对采集图像帧的图像检测装置的类型不作限定。
示例性地,当车辆处于行驶状态时,受车辆行驶环境、车辆行驶速度、摄像头的分布位置以及摄像头的精度影响,采集到的图像帧中可包括车辆行驶环境中的至少一个对象。例如,图像帧可包括其他车辆、行人、骑车人、绿化带、车道线、红绿灯和转向箭头中的至少一个对象。本公开实施例对图像帧中包括的对象类型不作限定,自车行驶在不同环境中时,采集的图像帧中包括的对象可以不同。
步骤202,基于图像帧,确定第二车辆从第二车道偏移到第一车道的多个空间位置区域。
示例性地,第二车辆可以是除第一车辆之外已部分驶入或即将驶入第一车道的其他车辆。第二车道为第二车辆行驶的车道,第二车辆行驶的车道可以为第一车道的相邻车道。例如,参考图1所示,第二车辆为车辆13或车辆14时,第二车道为自车道10左侧的车道11。第二车辆为车辆15时,第二车道为自车道10右侧的车道12。
在一些示例中,第一车辆采集的图像帧中可以包括第一车道,也可以不包括第一车道。示例性地,在执行上述步骤202之前,可先确定图像帧与第一车道的包含关系。若包含关系指示图像帧中包括第一车道时,继续执行步骤202。
示例性地,可通过车道识别模型对图像帧进行识别,若识别出第一车道,则确定图像帧中包括第一车道,继续执行步骤202;若从图像帧中无法识别出第一车道,则确定图像帧不包括第一车道,不执行步骤202。在一些示例中,若从图像帧中无法识别出第一车道则丢掉该图像帧,继续采集图像帧,直至采集到包含第一车道的图像帧,继续执行步骤202。
本公开实施例通过在图像帧包含第一车道的情况下,基于图像帧确定第二车辆从第二车道偏移到第一车道的多个空间位置区域,对不包括第一车道的图像帧无需进行处理,如此,能够提高确定第二车辆相对第一车道在预设方向的位置关系的效率。
示例性地,多个空间位置区域可以是指图像坐标系下第二车辆中用于表示第二车辆与第一车道位置关系的至少两个位置区域。在一些示例中,第二车辆的多个空间位置区域可以包括第二车辆的车轮框位置区域、第二车辆的车轮接地位置区域和第二车辆的分割位置区域。本公开实施例对于第二车辆中的多个空间位置区域的具体位置不作限定,下述实施例以多个空间位置区域包括车轮框位置区域、车轮接地位置区域和分割位置区域为例进行示例性说明。
在一些实施方式中,可以通过多个神经网络模型从图像帧中分别识别出第二车辆从第二车道偏移到第一车道的多个空间位置区域。多个神经网络模型可以是预先训练好的用于识别对应空间位置区域的神经网络模型。
步骤203,基于多个空间位置区域,确定第二车辆相对第一车道在预设方向的位置关系。
示例性地,预设方向可以与第一车道的方向垂直。第二车辆相对于第一车道在预设方向的位置关系,可以为空间位置区域与第一车道在预设方向的距离。以第一车道的车道线为竖直方向的车道线为例,第二车辆相对第一车道在预设方向的位置关系可以为第二车辆的空间位置区域相对第一车道的车道线在水平方向的横向距离。
在一些实施方式中,基于多个空间位置区域,确定第二车辆相对第一车道在预设方向的位置关系,可包括分别计算各空间位置区域与第一车道在预设方向的距离,并根据得到的各距离值,确定第二车辆相对第一车道在预设方向的位置关系。
本公开实施例中,通过从图像帧中识别第二车辆从第二车道偏移到第一车道的多个空间位置区域,并根据该多个空间位置区域确定第二车辆相对第一车道在预设方向的位置关系。由于从图像帧中识别多个空间位置区域为车辆的部分位置区域,因此与识别车辆整体位置参数相比识别精度较高,从而根据该多个空间位置确定的第二车辆与第一车道的位置关系也较为准确,能够提高智能驾驶的安全性。
如图3所示,在上述图2所示实施例的基础上,步骤202可包括如下步骤2021至步骤2023。
步骤2021,通过车轮框识别模型从图像帧中确定第二车辆的车轮框位置区域。
示例性地,车轮框识别模型可以是预先训练好的用于从图像帧中识别车轮框位置区域的神经网络模型。第二车辆的车轮框位置区域可以包括前车轮框位置区域和/或后车轮框位置区域,前车轮框位置区域包括第二车辆的前车轮所在的区域,后车轮框位置区域包括第二车辆的后车轮所在的区域。
在一些实施方式中,当第一车辆实时采集到包括第一车道的图像帧时,可通过车轮框识别模型对输入的图像帧进行处理,得到第二车辆的车轮框位置区域。
如图4所示,若第二车辆为即将驶入自车道400的车辆401,则车辆401的车轮框位置区域包括车辆401的前车轮框位置区域402和后车轮框位置区域403。前车轮框位置区域402由多个前车轮框上的位置点组成,该前车轮框上的位置点可包括前车轮框的下边框上的位置点(如图4中的前车轮框的下边框中点位置4021)。后车轮框位置区域403由多个后车轮框上的位置点组成,该后车轮框上的位置点可包括后车轮框的下边框上的位置点(如图4中的后车轮框的下边框中点位置4031)。
步骤2022,通过车轮接地识别模型从图像帧中确定第二车辆的车轮接地位置区域。
示例性地,车轮接地识别模型可以是预先训练好的用于从图像帧中识别车轮接地位置区域的神经网络模型。第二车辆的车轮接地位置区域可以包括前车轮接地位置区域和/或后车轮接地位置区域。前车轮接地位置区域由多个前车轮接地位置点组成,后车轮的车轮接地位置区域由多个后车轮接地位置点组成。
在一些实施方式中,当第一车辆实时采集到包括第一车道的图像帧时,可通过车轮接地识别模型对该图像帧进行处理,得到第二车辆的车轮接地位置区域。
如图4所示,若第二车辆为即将驶入自车道400的车辆401,则第二车辆的车轮接地位置区域包括车辆401的前车轮接地位置区域(如图4中车辆401的前车轮与地面接触的前接地线)和后车轮接地位置区域(如图4中车辆401的后车轮与地面接触的后接地线)。该前接地线由多个前车轮接地位置点组成,该多个前车轮接地位置点可包括图4所示的前接地线的中间点位置404。后接地线由多个后车轮接地位置点组成,该多个后车轮接地位置点可包括图4所示的后接地线的中间点位置405。
步骤2023,通过分割位置识别模型从图像帧中确定第二车辆的分割位置区域。
示例性地,第二车辆的分割位置区域可以是图像帧中分割第二车辆的车体与第二车辆行驶区域的位置区域。参考图4所示,若第二车辆为即将驶入自车道400的车辆401,则第二车辆的分割位置区域可以是图像帧中车辆401的车体与车辆401的行驶区域(如,图像帧中的车道区域)之间的交线406(图4所示的加粗黑色实线)。该交线406可由多个分割位置点组成。
在一些实施例中,分割位置识别模型可以是预先训练好的神经网络模型,用于识别侵入车辆在图像帧中的区域与侵入车辆可行驶区域之间的交线位置区域。
在一些实施方式中,当第一车辆实时采集到包括第一车道的图像帧时,可通过分割位置识别模型对该图像帧进行处理,得到第二车辆的分割位置区域。
本公开实施例中,通过车轮接地识别模型、车轮框识别模型和分割位置识别模型分别从第一车辆采集的图像帧中确定车轮框位置区域、车轮接地位置区域和分割位置区域。通过不同模型分别识别车轮框位置区域、车轮接地位置区域和分割位置区域能够提高多个空间位置区域的识别精度。而且该车轮框位置区域、车轮接地位置区域和分割位置区域相较于现有技术中的车辆整体位置参数更能准确地表示第二车辆的位置。
如图5所示,在上述图2所示实施例的基础上,步骤203可包括如下步骤2031至步骤2033。
步骤2031,基于图像帧,确定第一车道的车道线。
示例性地,第一车道的车道线可由多个位于第一车道上的车道位置点组成,该多个车道位置点的坐标可以是图像坐标系下的坐标数据。
在一些实施方式中,基于图像帧,确定第一车道的车道线,可以是通过车道线识别模型从图像帧中识别出第一车道的车道线。
步骤2032,基于第一车道的车道线,确定车道线参数方程。
示例性地,车道线参数方程可以是第一车辆坐标系下的车道线参数方程。
在一些实施方式中,可以从第一车道的车道线中选择多个车道线拟合点,通过对多个车道线拟合点进行拟合得到车道线参数方程。
示例性地,若第一车道的车道线中的多个车道拟合点为图像坐标系下的数据,车道线参数方程为第一车辆坐标系下的方程,则在对多个车道拟合点进行拟合前,需要将多个车道线拟合点的坐标从图像坐标系转化为第一车辆坐标系,然后通过对第一车辆坐标系下的多个车道线拟合点进行坐标拟合,得到车道线参数方程。
步骤2033,基于多个空间位置区域和车道线参数方程,确定第二车辆相对第一车道在预设方向的位置关系。
在一些实施方式中,步骤2033可包括:通过车道线参数方程计算各空间位置区域在第一车道的车道线上的对应位置,根据各空间位置区域和各空间位置区域在第一车道的车道线上的对应位置,计算第二车辆相对第一车道在预设方向的位置关系。
本公开实施例中,由于车道线参数方程是根据从实时采集的图像帧中识别的第一车的车道线确定的,因此,能较为准确地体现当前时刻的第一车辆的车道线,从而,根据多个空间位置区域和车道线参数方程确定的第二车辆相对第一车道在预设方向的位置关系也较为准确。
如图6A所示,在上述图5所示实施例的基础上,步骤2033可包括如下步骤601至步骤604。
步骤601,基于多个空间位置区域中的车轮框位置区域和车道线参数方程,确定车轮框位置区域相对第一车道在预设方向的第一位置关系。
在一些实施方式中,车轮框位置区域可以包括第一车轮框位置和第二车轮框位置。示例性地,第一车轮框位置和第二车轮框位置均为图像坐标系下的位置。
在一些示例中,参考图4所示,若第二车辆为即将驶入自车道400的车辆401,则第一车轮框位置可为图4所示的车辆401的前车轮框的下边框中点位置4021;第二车轮框位置可为图4所示的车辆401的后车轮框的下边框中点位置4031。
在一些实施例中,如图6B所示,上述步骤601可以包括以下步骤6011至步骤6013。
步骤6011,基于车轮框位置区域中的第一车轮框位置和车道线参数方程,确定第一车轮框位置相对第一车道在预设方向的第一距离。
在一些示例中,可以先基于车道线参数方程,在第一车道的车道线上确定与第一车轮框位置对应的参考位置,再基于参考位置与第一车轮框位置,确定第一车轮框位置相对第一车道在预设方向的第一距离。
示例性地,第一车轮框位置对应的参考位置可以是第一车道的车道线上与第一车轮框位置距离最近的位置。该参考位置可以为第一车辆坐标系下的位置。
在一些示例中,由于第一车轮框位置为图像坐标系下的坐标位置,为了通过车道线参数方程确定参考位置,需要先对第一车轮框位置的坐标进行坐标系转换。因此在确定第一车轮框位置对应的参考位置时,可先将第一车轮框位置转化为第一车辆坐标系下的坐标;然后通过车道线参数方程对第一车辆坐标系下的第一车轮框位置坐标进行运算,得到第一车轮框位置对应的参考位置。例如,图像坐标系和第一车辆坐标系之间可以存在第一比例关系,基于该第一比例关系,可以对第一车轮框位置的位置坐标进行转换,以将图像坐标系下的坐标转换为第一车辆坐标系下的坐标。
示例性地,在得到第一车辆坐标系下的第一车轮框位置坐标后,可将该第一车轮框位置坐标代入车道线参数方程,计算出第一车轮框位置对应的参考位置的坐标。
在一些实施方式中,在确定参考位置后,可以对参考位置的坐标与第一车轮框位置的坐标进行减法运算,得到第一车轮框位置相对第一车道在预设方向的第一距离。
示例性地,可以对参考位置的纵坐标与第一车辆坐标系下的第一车轮框位置的纵坐标进行减法运算,并将得到的纵坐标差值确定为第一车轮框相位置相对第一车道在预设方向的第一距离。
参考图4所示,以第二车辆为即将驶入自车道400的车辆401,第一车轮框位置为车辆401的前车轮框的下边框中点位置4021为例,可以在自车道400的车道线4000上确定与第一车轮框位置距离最近的位置点为4001。即第一车轮框位置4021对应的参考位置为车道线4000上的位置4001。
示例性地,由于车辆401即将驶入自车道400,因此第一车轮框位置相对自车道400在预设方向的距离D1为负值。
本公开实施例中,通过第一车道的车道线上与第一车轮框位置对应的参考位置和第一车轮框位置确定第一车轮框位置相对第一车道在预设方向的第一距离。因此,在识别的第一车轮框位置的精度和车道线参数方程的精度均较高时,第一车道的车道线上与第一车轮框位置对应的参考位置的精度也较高。进而,可以较为准确地确定第一车轮框位置相对第一车道在预设方向的第一距离。
步骤6012、基于车轮框位置区域中的第二车轮框位置和车道线参数方程,确定第二车轮框位置相对第一车道在预设方向的第二距离。
在一些实施例中,可以先基于车道线参数方程,在第一车道的车道线上确定与第二车轮框位置对应的参考位置;再基于第二车轮框位置对应的参考位置与第二车轮框位置,确定第二车轮框位置相对第一车道在预设方向的第二距离。
需要说明的是,上述步骤6012中确定第二距离的方式与步骤6011中确定第一距离的方式类似,在此不再赘述。
参考图4所示,若第二车辆为即将驶入自车道400的车辆401,第二车轮框位置为车辆401的后车轮框的下边框中点位置4031为例,可以在第一车道400的车道线4000上确定与第一车轮框位置距离最近的位置点为4002(第二车轮框位置对应的参考位置4002)。
示例性地,由于车辆401即将驶入自车道400,因此第二车轮框位置相对自车道在预设方向的距离D2也为负值。
步骤6013,基于第一距离和第二距离的大小关系,确定第一位置关系。
示例性地,第一位置关系为车轮框位置区域相对第一车道在预设方向的第一目标距离。该第一目标距离基于第一距离和第二距离确定。例如,可以将第一距离和第二距离中的较大距离值确定为第一目标距离。
在一些示例中,若第一距离大于第二距离,则将第一距离确定为第一目标距离;若第一距离小于第二距离,则将第二距离确定为第一目标距离。例如,参考图4所示,由于-D1大于-D2,因此,将-D1确定为车轮框位置区域相对第一车道在预设方向的第一目标距离。
本公开实施例中,通过第一车轮框位置与车轮线参数方程确定第一距离,通过第二车轮框位置与车轮线参数方程确定第二距离。在第一车轮框位置、第二车轮框位置、车轮线参数方程的精度较高的情况下,第一距离和第二距离的精度均较高。同时,在根据第一距离和第二距离的大小关系确定的第一位置关系时,由于不存在第一距离的误差和第二距离误差之间的叠加,在第一距离和第二距离的精度均较高时,根据第一距离和第二距离所定的第一位置关系的精度也较高,因此基于第一位置关系能够准确地确定第二车辆相对第一车道在预设方向的位置关系。
步骤602,基于多个空间位置区域中的车轮接地位置区域和车道线参数方程,确定车轮接地位置区域相对第一车道在预设方向的第二位置关系。
在一些实施方式中,第二位置关系为车轮接地位置区域相对第一车道在预设方向的第二目标距离。车轮接地位置区域可以包括第一车轮接地位置和第二车轮接地位置。示例性地,第一车轮接地位置和第二车轮接地位置均为图像坐标系下的位置。
在一些实施方式中,步骤602可以包括:基于车轮接地位置区域中的第一车轮接地位置和车道线参数方程,确定第一车轮接地位置相对第一车道在预设方向的第三距离;基于车轮接地位置区域中的第二车轮接地位置和车道线参数方程,确定第二车轮接地位置相对第一车道在预设方向的第四距离;基于第三距离和第四距离的大小关系,确定第二位置关系。
在一些示例中,可以基于车道线参数方程,在第一车道的车道线上确定与第一车轮接地位置对应的参考位置;基于该参考位置与第一车轮接地位置,确定第一车轮接地位置相对第一车道在预设方向的第三距离。
在一些示例中,可以基于车道线参数方程,在第一车道的车道线上确定与第二车轮接地位置对应的参考位置;基于该参考位置与第二车轮接地位置,确定第二车轮接地位置相对第一车道在预设方向的第四距离。
需要说明的是,上述确定第三距离和第四距离的方式与步骤6011中确定第一距离的方式类似,在此不再赘述。
参考图4所示,若第二车辆为即将驶入自车道400的车辆401,则第一车轮接地位置可为前接地可视线的中间点位置404,第二车轮接地点位置可为后接地可视线的中间点位置405。
在一些示例中,由于识别车轮框位置所采用的车轮框识别模型和识别车轮接地位置所采用的车轮接地识别模型的识别精度不同,因此,前接地可视线的中间点位置404可与上述前车轮框的下边框的中点位置4021可以重合,也可以不重合;后接地可视线的中间点位置405可与上述后车轮框的下边框的中点位置4031重合,也可以不重合。图4以前接地可视线的中间点位置404与上述前车轮框的下边框的中点位置4021重合,后接地可视线的中间点位置405与后车轮框的下边框的中点位置4031重合为例进行示例性示意。
参考图4所示,由于前接地可视线的中间点位置404可与上述前车轮框的下边框的中点位置4021为同一位置,后接地可视线的中间点位置405可与上述后车轮框的下边框的中点位置4031为同一位置。因此,第一车轮接地位置对应的参考位置也为位置4001,第二车轮接地位置对应的参考位置也为位置4002,第一车轮接地位置相对第一车道在预设方向的第三距离也为D1,第二车轮接地位置相对第一车道在预设方向的第四距离也为D2。
示例性地,确定第二位置关系的方式也与确定第一位置关系的方式类似。在一些示例中,可以将第三距离和第四距离中较大的距离值确定为第二位置关系(也可称为第二目标距离)。
本公开实施例中,通过第一车轮框接地位置与车轮线参数方程确定第三距离,通过第二车轮接地位置与车轮线参数方程确定第四距离。因此,在第一车轮接地位置、第二车轮接地位置、车轮线参数方程的精度较高的情况下,第三距离和第四距离的精度均较高。同时,在根据第三距离和第四距离的大小关系确定的第二位置关系时,由于不存在第三距离的误差和第三距离误差之间的叠加,在第三距离和第四距离的精度均较高时,根据第一距离和第二距离所定的第二位置关系的精度也较高,从而基于第二位置关系能够准确地确定第二车辆相对第一车道在预设方向的位置关系。
步骤603,基于多个空间位置区域中的分割位置区域和车道线参数方程,确定分割位置区域相对第一车道在预设方向的第三位置关系。
在一些实施方式中,第三位置关系为分割位置区域相对第一车道在预设方向的第三目标距离。分割位置区域可以包括至少两个分割位置。示例性地,至少两个分割位置均为图像坐标系下的位置。
在一些示例中,参考图4所示,若第二车辆为即将驶入自车道400的车辆401,则至少两个分割位置可为交线406上的至少两个分割位置点。
在一些实施方式中,步骤603可以包括:基于分割位置区域中的至少两个分割位置和车道线参数方程,分别确定至少两个分割位置相对第一车道在预设方向的至少两个第五距离;基于至少两个第五距离之间的大小关系,确定第三位置关系。
在一些示例中,可以先基于车道线参数方程,在第一车道的车道线上确定与至少两个分割位置对应的至少两个参考位置;再基于该至少两个参考位置与至少两个分割位置,确定至少两个分割位置相对第一车道在预设方向的至少两个第五距离。本公开实施例对至少两个分割位置的具体位置点不作限定,至少两个分割位置可以是交线406上的任意至少两个位置点,与至少两个分割位置对应的至少两个参考位置也可以是车道线上对应的任意至少两个位置点。
需要说明的是,上述确定第五距离的方式与步骤6011中确定第一距离的方式类似,在此不再赘述。
示例性地,确定第三位置关系的方式也与确定第一位置关系和/或第二位置关系的方式相同。在一些示例中,可以将至少两个第五距离中的较大距离值确定为第三位置关系(也可称为第三目标距离)。
本公开实施例中,通过至少两个分割位置与车轮线参数方程确定至少两个第五距离。在至少两个分割位置和车轮线参数方程的精度较高的情况下,至少两个第五距离的精度均较高。在根据至少两个第五距离的大小关系确定的第一位置关系时,由于不存在至少两个第五距离的误差叠加,在至少两个第五距离均较高时,可以根据至少两个第五距离较为准确地确定第三位置关系,从而基于第三位置关系能够准确地确定第二车辆相对第一车道在预设方向的位置关系。
步骤604,基于第一位置关系、第二位置关系和第三位置关系,确定第二车辆相对第一车道在预设方向的位置关系。
在一些实施方式中,步骤604可以包括:对表示第一位置关系的第一目标距离、表示第二位置关系的第二目标距离和表示第三位置关系的第三目标距离进行处理,将处理结果确定为第二车辆相对第一车道在预设方向的位置关系。
在一些示例中,可对第一目标距离、第二目标距离和第三目标距离求取平均值,将得到的平均值确定为第二车辆相对第一车道在预设方向的位置关系。
本公开实施例中,通过第一位置关系、第二位置关系和第三位置关系确定第二车辆相对第一车道在预设方向的位置关系。由于第一位置关系对应车轮框位置区域,第二位置关系对应车轮接地位置区域,第三位置关系对应分割位置区域,因此,第二车辆相对第一车道在预设方向的位置关系综合考虑了车轮框位置区域对应的第一位置关系、车轮接地位置区域对应的第二位置关系和分割位置区域对应的第三位置关系。由于识别的车轮框位置区域、车轮接地位置区域和分割位置区域的精度较高,因此确定的第一位置关系、第二位置关系和第三位置关系的精度也较高,从而提升了确定第二车辆相对第一车道在预设方向的位置关系的准确度,有利于提高智能驾驶的安全性。
示例性装置
图7是本公开一示例性实施例提供的一种在行驶过程中确定车辆与车道线位置关系的装置的组成结构示意图。如图7所示,该在行驶过程中确定车辆与车道线位置关系的装置70包括第一确定模块701、第二确定模块702和第三确定模块703。
其中,第一确定模块701,用于确定第一车辆在第一车道行驶时采集的图像帧。
第二确定模块702,用于基于图像帧,确定第二车辆从第二车道偏移到第一车道的多个空间位置区域。
第三确定模块703,用于基于多个空间位置区域,确定第二车辆相对第一车道在预设方向的位置关系。
在本公开的一些实施例中,如图8所示,在上述图7所示实施例的基础上,第二确定模块702可包括:第一确定单元7021、第二确定单元7022和第三确定单元7023。
第一确定单元7021,用于通过车轮框识别模型从图像帧中确定第二车辆的车轮框位置区域。
第二确定模块7022,用于通过车轮接地识别模型从图像帧中确定第二车辆的车轮接地位置区域。
第三确定单元7023,用于通过分割位置识别模型从图像帧中确定第二车辆的分割位置区域。
其中,多个空间位置区域包括车轮框位置区域、车轮接地位置区域和分割位置区域。
在本公开的一些实施例中,如图9所示,在上述图7所示实施例的基础上,第三确定模块703可包括:第四确定单元7031、第五确定单元7032和第六确定单元7033。
第四确定单元7031,用于基于图像帧,确定第一车道的车道线。
第五确定单元7032,用于基于第一车道的车道线,确定车道线参数方程。
第六确定单元7033,用于基于多个空间位置区域和车道线参数方程,确定第二车辆相对第一车道在预设方向的位置关系。
在本公开的一些实施例中,如图10所示,在上述图9所示实施例的基础上,第六确定单元7033可包括:
第一子确定单元1001、第二子确定单元1002、第三子确定单元1003和第四子确定单元1004。
第一子确定单元1001,用于基于多个空间位置区域中的车轮框位置区域和车道线参数方程,确定车轮框位置区域相对第一车道在预设方向的第一位置关系。
第二子确定单元1002,用于基于多个空间位置区域中的车轮接地位置区域和车道线参数方程,确定车轮接地位置区域相对第一车道在预设方向的第二位置关系。
第三子确定单元1003,用于基于多个空间位置区域中的分割位置区域和车道线参数方程,确定分割位置区域相对第一车道在预设方向的第三位置关系。
第四子确定单元1004,用于基于第一位置关系、第二位置关系和第三位置关系,确定第二车辆相对第一车道在预设方向的位置关系。
其中,第一子确定单元1001,具体用于基于车轮框位置区域中的第一车轮框位置和车道线参数方程,确定第一车轮框位置相对第一车道在预设方向的第一距离;基于车轮框位置区域中的第二车轮框位置和车道线参数方程,确定第二车轮框位置相对第一车道在预设方向的第二距离;基于第一距离和第二距离的大小关系,确定第一位置关系。
第一子确定单元1001,具体用于基于车道线参数方程,在第一车道的车道线上确定与第一车轮框位置对应的参考位置;基于参考位置与第一车轮框位置,确定第一车轮框相对第一车道在预设方向的第一距离。
第二子确定单元1002,具体用于基于车轮接地位置区域中的第一车轮接地位置和车道线参数方程,确定第一车轮接地位置相对第一车道在预设方向的第三距离;基于车轮接地位置区域中的第二车轮接地位置和车道线参数方程,确定第二车轮接地位置相对第一车道在预设方向的第四距离;基于第三距离和第四距离的大小关系,确定第二位置关系。
第三子确定单元1003,具体用于基于分割位置区域中的至少两个分割位置和车道线参数方程,分别确定至少两个分割位置相对第一车道在预设方向的至少两个第五距离;至少两个分割位置包括第二车辆的可行驶区域与第二车辆所在区域的相交线上的至少两个相交位置;基于至少两个第五距离之间的大小关系,确定第三位置关系。
在本公开的一些实施例中,如图11所示,在上述图7所示实施例的基础上,第二确定模块702可包括:第七确定单元7024和第八确定单元7025。
第七确定单元7024,用于确定图像帧与第一车道的包含关系。
第八确定单元7025,用于响应于包含关系为图像帧包含第一车道,基于图像帧,确定第二车辆从第二车道偏移到第一车道的多个空间位置区域。
关于上述实施例中的在行驶过程中确定车辆与车道线位置关系的装置置,其中各个模块执行操作的具体方式及相应的有益效果已经在前述中片上系统的后端实现方法部分的相应实施例部分已经进行详细描述,可以参见上述示例性方法部分的相应执行操作方式和有益技术效果,在此不再赘述。
示例性电子设备
图12是本公开一示例性实施例提供的一种电子设备的结构图,该电子设备可以是上述的在行驶过程中确定车辆与车道线位置关系的装置,也可以是包括有该在行驶过程中确定车辆与车道线位置关系的装置的终端或服务器。如图12所示,该电子设备120包括处理器1201和存储器1202。
其中,存储器1202用于存储处理器1201可执行的指令,处理器1201则可以实现上述实施例中在行驶过程中确定车辆和车道线位置关系的装置中各个模块的功能。其中,存储器1202中存储有至少一条指令,至少一条指令由处理器1201加载并执行以实现上述各个方法实施例提供的在行驶过程中确定车辆和车道线位置关系的方法。
其中,处理器1201可以包括一个或多个中央处理单元(Central ProcessingUnit,CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备120中的其他组件以执行期望的功能。处理器1201中的单个CPU可以是一个单核处理器(Single-CPU),也可以是一个多核处理器(Multi-CPU)。
存储器1202可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(Random Access Memory,RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(Read-Only Memory,ROM)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器1201可以运行一个或多个计算机程序指令,以实现上文中本公开的各个实施例的在行驶过程中确定车辆与车道线位置关系的方法和/或其他期望的功能。
在一些示例中,电子设备120还可以包括:输入装置1203和输出装置1204,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置1203还可以包括例如键盘、鼠标等等。
该输出装置1204可以向外部输出各种信息,其可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图12中仅示出了该电子设备120中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备120还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以提供一种计算机程序产品,包括计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行上述“示例性方法”部分中描述的本公开各种实施例的在行驶过程中确定车辆与车道线位置关系的方法中的步骤。
计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,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设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行上述“示例性方法”部分中描述的本公开各种实施例的在行驶过程中确定车辆与车道线位置关系的方法中的步骤。
计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如但不限于包括电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、RAM、ROM、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM或闪存)、光纤、便携式紧凑盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本公开的基本原理,但是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为其是本公开的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体的细节来实现。
本领域的技术人员可以对本公开进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (12)
1.一种在行驶过程中确定车辆与车道线位置关系的方法,包括:
确定第一车辆在第一车道行驶时采集的图像帧;
基于所述图像帧,确定第二车辆从第二车道偏移到所述第一车道的多个空间位置区域;
基于所述多个空间位置区域,确定所述第二车辆相对所述第一车道在预设方向的位置关系。
2.根据权利要求1所述的方法,其中,所述基于所述图像帧,确定第二车辆从第二车道偏移到所述第一车道的多个空间位置区域,包括:
通过车轮框识别模型从所述图像帧中确定所述第二车辆的车轮框位置区域;
通过车轮接地识别模型从所述图像帧中确定所述第二车辆的车轮接地位置区域;
通过分割位置识别模型从所述图像帧中确定所述第二车辆的分割位置区域;
其中,所述多个空间位置区域包括所述车轮框位置区域、所述车轮接地位置区域和所述分割位置区域。
3.根据权利要求1所述的方法,其中,所述基于所述多个空间位置区域,确定所述第二车辆相对所述第一车道在预设方向的位置关系,包括:
基于所述图像帧,确定所述第一车道的车道线;
基于所述第一车道的车道线,确定车道线参数方程;
基于所述多个空间位置区域和所述车道线参数方程,确定所述第二车辆相对所述第一车道在预设方向的位置关系。
4.根据权利要求3所述的方法,其中,所述基于所述多个空间位置区域和所述车道线参数方程,确定所述第二车辆相对所述第一车道在预设方向的位置关系,包括:
基于所述多个空间位置区域中的车轮框位置区域和所述车道线参数方程,确定所述车轮框位置区域相对所述第一车道在所述预设方向的第一位置关系;
基于所述多个空间位置区域中的车轮接地位置区域和所述车道线参数方程,确定所述车轮接地位置区域相对所述第一车道在所述预设方向的第二位置关系;
基于所述多个空间位置区域中的分割位置区域和所述车道线参数方程,确定所述分割位置区域相对所述第一车道在所述预设方向的第三位置关系;
基于所述第一位置关系、所述第二位置关系和所述第三位置关系,确定所述第二车辆相对所述第一车道在所述预设方向的位置关系。
5.根据权利要求4所述的方法,其中,所述基于所述多个空间位置区域中的车轮框位置区域和所述车道线参数方程,确定所述车轮框位置区域相对所述第一车道在所述预设方向的第一位置关系,包括:
基于所述车轮框位置区域中的第一车轮框位置和所述车道线参数方程,确定所述第一车轮框位置相对所述第一车道在所述预设方向的第一距离;
基于所述车轮框位置区域中的第二车轮框位置和所述车道线参数方程,确定所述第二车轮框位置相对所述第一车道在所述预设方向的第二距离;
基于所述第一距离和所述第二距离的大小关系,确定所述第一位置关系。
6.根据权利要求5所述的方法,其中,所述基于所述车轮框位置区域中的第一车轮框位置和所述车道线参数方程,确定所述第一车轮框位置相对所述第一车道在所述预设方向的第一距离,包括:
基于所述车道线参数方程,在所述第一车道的车道线上确定与所述第一车轮框位置对应的参考位置;
基于所述参考位置与所述第一车轮框位置,确定所述第一车轮框位置相对所述第一车道在所述预设方向的第一距离。
7.根据权利要求4所述的方法,其中,所述基于多个空间位置区域中的所述车轮接地位置区域和所述车道线参数方程,确定所述车轮接地位置区域相对所述第一车道在所述预设方向的第二位置关系,包括:
基于所述车轮接地位置区域中的第一车轮接地位置和所述车道线参数方程,确定所述第一车轮接地位置相对所述第一车道在所述预设方向的第三距离;
基于所述车轮接地位置区域中的第二车轮接地位置和所述车道线参数方程,确定所述第二车轮接地位置相对所述第一车道在所述预设方向的第四距离;
基于所述第三距离和所述第四距离的大小关系,确定所述第二位置关系。
8.根据权利要求4所述的方法,其中,所述基于所述多个空间位置区域中的分割位置区域和所述车道线参数方程,确定所述分割位置区域相对所述第一车道在所述预设方向的第三位置关系,包括:
基于所述分割位置区域中的至少两个分割位置和所述车道线参数方程,分别确定所述至少两个分割位置相对所述第一车道在所述预设方向的至少两个第五距离;所述至少两个分割位置包括所述第二车辆的可行驶区域与所述第二车辆所在区域的相交线上的至少两个相交位置;
基于所述至少两个第五距离之间的大小关系,确定所述第三位置关系。
9.根据权利要求1至8任一项所述的方法,其中,所述基于所述图像帧,确定第二车辆从第二车道偏移到所述第一车道的多个空间位置区域,包括:
确定所述图像帧与所述第一车道的包含关系;
响应于所述包含关系为所述图像帧包含所述第一车道,基于所述图像帧,确定所述第二车辆从第二车道偏移到所述第一车道的多个空间位置区域。
10.一种在行驶过程中确定车辆与车道线位置关系的装置,包括:
第一确定模块,用于确定第一车辆在第一车道行驶时采集的图像帧;
第二确定模块,基于所述图像帧,确定第二车辆从第二车道偏移至所述第一车道的多个空间位置区域;
第三确定模块,基于所述多个空间位置区域,确定所述第二车辆相对所述第一车道在预设方向的位置关系。
11.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9中的任一项所述的在行驶过程中确定车辆与车道线位置关系的方法。
12.一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9中的任一项所述的在行驶过程中确定车辆与车道线位置关系的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311284216.0A CN117237899A (zh) | 2023-09-28 | 2023-09-28 | 确定车辆与车道线位置关系的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311284216.0A CN117237899A (zh) | 2023-09-28 | 2023-09-28 | 确定车辆与车道线位置关系的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117237899A true CN117237899A (zh) | 2023-12-15 |
Family
ID=89096569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311284216.0A Pending CN117237899A (zh) | 2023-09-28 | 2023-09-28 | 确定车辆与车道线位置关系的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237899A (zh) |
-
2023
- 2023-09-28 CN CN202311284216.0A patent/CN117237899A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3699048A1 (en) | Travelling track prediction method and device for vehicle | |
CN109829351B (zh) | 车道信息的检测方法、装置及计算机可读存储介质 | |
CN109470254B (zh) | 地图车道线的生成方法、装置、系统及存储介质 | |
CN113267199B (zh) | 行驶轨迹规划方法及装置 | |
CN112753038B (zh) | 识别车辆变道趋势的方法和装置 | |
CN110341621B (zh) | 一种障碍物检测方法及装置 | |
CN111971725B (zh) | 用于确定车辆的变道说明的方法、可读存储介质以及车辆 | |
CN111144330A (zh) | 一种基于深度学习的车道线检测方法、装置以及设备 | |
CN113104041B (zh) | 行车轨迹预测方法、装置、电子设备及存储介质 | |
CN114705121A (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
CN114475593A (zh) | 行驶轨迹预测方法、车辆及计算机可读存储介质 | |
CN114475656A (zh) | 行驶轨迹预测方法、装置、电子设备以及存储介质 | |
CN112735163B (zh) | 确定目标物体静止状态的方法、路侧设备、云控平台 | |
CN114120266A (zh) | 车辆变道检测方法、装置、电子设备及存储介质 | |
US20230358547A1 (en) | Map matching method and apparatus, electronic device and storage medium | |
CN111951552B (zh) | 一种自动驾驶中风险管理的方法以及相关装置 | |
CN112902911B (zh) | 基于单目相机的测距方法、装置、设备及存储介质 | |
CN117237899A (zh) | 确定车辆与车道线位置关系的方法、装置及设备 | |
CN112304293B (zh) | 道路高度检测方法、装置、可读存储介质和电子设备 | |
CN114924286A (zh) | 路面物体高度检测方法、装置、电子设备及介质 | |
CN114152272A (zh) | 故障检测方法、装置、车辆、可读存储介质和程序产品 | |
CN113869440A (zh) | 图像处理方法、装置、设备、介质及程序产品 | |
CN113753038A (zh) | 一种轨迹预测方法、装置、电子设备和存储介质 | |
CN114511834A (zh) | 一种确定提示信息的方法、装置、电子设备及存储介质 | |
CN113327456A (zh) | 一种车道结构检测方法及装置 |
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 |