CN117975390A - 车道线检测方法、系统、预警系统、域控制器及车辆 - Google Patents

Abstract

本发明属于车辆技术领域，尤其涉及一种车道线检测方法、系统、预警系统、域控制器及车辆。它解决了现有技术设计不合理等缺陷。本本车道线检测方法包括如下步骤：S1、输入图像至光照分类器中，设置一个动态的时间间隔来进行光照条件的检测，所述光照分类器对当前所述图像的当前桢检结果与上一桢的光照结果进行比对，最终获得当前所述图像的是否需要分类的结果；S2、根据S1的检测分类结果选择维持上一桢车道线检测网络或重新选择相应的车道线检测网络。本申请优点：根据分类结果自适应选择最适合该场景的车道线检测网络，提高车辆行驶中对车道检测的准确性。

Description

车道线检测方法、系统、预警系统、域控制器及车辆

技术领域

本发明属于车辆技术领域，尤其涉及一种车道线检测方法、系统、预警系统、域控制器及车辆。

背景技术

车辆智能辅助驾驶系统是包含了车道线检测及偏离预警、司机疲劳驾驶检测预警、行人检测、交通信号灯检测等集合了“人、车、路”一体的检测预警系统。车道线检测及偏离预警系统在算法层面可分为“识别检测”和“偏离并预警”两大环节。

在车道线检测方面，可使用实例分割算法LaneATT和行分类算法PINet，两者均能一定程度上解决车道线被遮挡和训练数据不平衡引起的检测精度问题，同时其计算速度也都能满足实际应用场景，实时性较高。LaneATT是一个基于锚点的端到端车道线检测网络，可使用锚点进行特征池化操作，基于车道线遵循的一定规则模式和相互之间的高度相关性，可在某些情况下(如车道线被遮挡、缺少车道标记)利用全局信息对车道线关键点进行推测。网络精简使得检测的速度得到提升，最高可达250fps，快于大部分其他模型。PINET(Point Instance Network)算法由两部分组成：车道线实例点网络和后处理算法，目前在TuSimple车道线数据集上排名第一。该算法融合了点云实例分割和关键点检测，增加了模型的泛化能力，可用于任意场景任意数量的车道线检测。模型大小相比语义分割类的网络更小，运算速度速度也更快。

在车道线检测的基础上，现有的若干成熟的车道线检测算法已经能够取得不错的识别效果，只是受场景的影响不同算法的识别效果均存在一定程度的波动，且波动范围不一。例如，在不同天气状况下，正常晴朗的天气下车道线检测算法的识别效果要比阴天的效果好，不同算法对各场景的适应能力也存在差异。

发明内容

本发明的目的是针对上述问题，提供一种可以解决上述技术问题的车道线检测方法、系统、预警系统、域控制器及车辆。

为达到上述目的，本发明采用了下列技术方案：

本车道线检测方法包括如下步骤：

S1、输入图像至光照分类器中，设置一个动态的时间间隔来进行光照条件的检测，所述光照分类器对当前所述图像的当前桢检结果与上一桢的光照结果进行比对，最终获得当前所述图像的是否需要分类的结果；

S2、根据S1的检测分类结果选择维持上一桢车道线检测网络或重新选择相应的车道线检测网络。

在上述的车道线检测方法中，在上述的S1中，当进行光照分类时，将当前所述图像的当前桢检结果与上一桢的光照结果进行比对，比对结果如下：

如比对结果显示相同，则维持当前的车道线检测网络；

如比对结果显示不同，则重新选择与当前所述图像桢检结果相同的车道线检测网络。

在上述的车道线检测方法中，所述如比对结果显示相同时，则更新当前的车道线检测网络的检测频率。

在上述的车道线检测方法中，所述如比对结果显示不同时，则重置重新选择的车道线检测网络的检测频率。

在上述的车道线检测方法中，在上述的S2中，当不用进行光照分类时，则维持当前的车道线检测网络。

本申请还提供了一种车道线检测系统，所述车道线检测系统应用所述的车道线检测方法。

本申请还提供了一种车道偏离预警系统，所述车道偏离预警系统包括所述的车道线检测系统，以及与所述车道线检测系统数据交互的TLC模型。

本申请还提供了一种车辆驾舱一体化域控制器，包括分别与车辆系统数据交互的前向碰撞预警系统、自动紧急制动系统、盲点预警监控系统、驾驶员行为监测预警系统和360°环视系统，所述车辆驾舱一体化域控制器还包括所述的车道偏离预警系统，以及车辆抬头显示仪，所述车道偏离预警系统与所述车辆系统数据交互，所述车辆抬头显示仪与所述车辆系统的车内显示屏数据交互。

车辆抬头显示仪包括：

智能座舱域，所述智能座舱域采集包括驾驶人行为分析数据和360环视/鸟瞰图数据在内的视频流数据；

智能驾驶域，所述智能驾驶域采集路况信息数据；

车辆控制域，所述车辆控制域采集所述车辆的控制数据；

缓冲存储器，所述缓冲存储器在车辆正常工作时对所述智能座舱域所采集的视频流数据、所述智能驾驶域所采集的路况信息数据、以及所述车辆控制域所采集的控制数据进行缓存及读写；

所述缓冲存储器与所述车辆内的车内显示屏通信连接，以实现数据交互。

本申请还提供了一种车辆，所述车辆包括所述的车辆驾舱一体化域控制器。

与现有的技术相比，本申请的优点在于：

根据分类结果自适应选择最适合该场景的车道线检测网络，提高车辆行驶中对车道检测的准确性。

实现了数据共享，实现资源的整合利用以及与相应功能的高效性。

附图说明

图1是本发明提供的车道线检测方法框架图。

图2是本发明提供的车辆驾舱一体化域控制器框架图。

图3是本发明提供的车辆抬头显示仪框架图。

图4是本发明提供的偏离系统的框架图。

图5是本发明提供的基于大数据的车辆系统框图。

具体实施方式

以下是发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

如图1所示，本车道线检测方法包括如下步骤：

S1、输入图像至光照分类器中，光照分类器预先设置了不同的天气模板，例如，阴天光照条件模板和晴天光照条件模板等等，考虑到光照条件在一段时间内是不会发生变化的，可以设置一个动态的时间间隔来进行光照条件的检测，光照分类器对当前图像的当前桢检结果与上一桢的光照结果进行比对，最终获得当前图像的是否需要分类的结果；

S2、根据S1的检测分类结果选择维持上一桢车道线检测网络或重新选择相应的车道线检测网络，车道线检测网络也可以理解为车道线检测模型。

以上的方式实现自适应选择最适合该场景的车道线检测网络，提高车辆行驶中对车道检测的准确性。

具体地，在上述的S1中，当进行光照分类时，将当前图像的当前桢检结果与上一桢的光照结果进行比对，比对结果如下：

如比对结果显示相同，则维持当前的车道线检测网络；进一步地，如比对结果显示相同时，则更新当前的车道线检测网络的检测频率。

如比对结果显示不同，则重新选择与当前图像桢检结果相同的车道线检测网络。如比对结果显示不同时，则重置重新选择的车道线检测网络的检测频率。

例如，初始时间间隔t设置为1，单位为帧。若当前帧检测结果和上一帧的光照分类结果一致，则时间间隔t＝t+1；若当前帧检测结果和上一帧的光照分类结果不一致，则重设时间间隔为t＝1。从图1中可以直接得到相应车道线检测网络的检测频率。

如上为需要分类并出现的两种结果。

在上述的S2中，当不用进行光照分类时，则维持当前的车道线检测网络。

实施例二

本实施例提供了一种车道线检测系统，该车道线检测系统应用实施例一的车道线检测方法。即车道线检测系统基于车辆系统上还包括光照分类器和若干车道线检测网络。

图像由摄像终端拍摄，例如，前置摄像头和360环视系统等等。

实施例三

本实施例提供了一种车道偏离预警系统，该车道偏离预警系统包括实施例二的车道线检测系统，以及与车道线检测系统数据交互的TLC模型。TLC模型属于商购，直接采购即可。

车道线检测系统为车道偏离预警系统奠定基础，TLC模型中假设车道线为直线的问题，结合车道线二次拟合曲线进行协同，进一步提高了车道偏离预警准确度。

当然，如图4所示，车道偏离预警系统还包括传感器模块和诊断模块，传感器模块例如雷达传感器、激光雷达传感器和超声波传感器中的任意一种或多种，用于车辆外围的检测，即环境感知。诊断模块得到相应的环境感知数据后进行分析，并告知车辆系统。

车道偏离预警系统与车辆系统数据交互。

车辆系统得到相应数据后进行控制执行，例如，动力控制、制动控制、转向控制、悬架系统控制和HMI控制等等。

当然，环境感知还包括了车辆自身的状态数据，例如，车辆运行状态和车辆运行速度等等。

相比当前位置模型(Cars Current Position)，基于预测车辆偏离量不同的未来偏离量差异模型(Future Offset Difference)和基于预测车辆与车道相交所需时间的穿越车道时间模型(Time to Lane Crossing)是几个具有代表性的决策模型，本实施例能够另辟蹊径完成同样的车道偏离预警，以及提供高准确度。

实施例四

如图2和图3所示，本实施例提供了一种车辆驾舱一体化域控制器，包括分别与车辆系统数据交互的前向碰撞预警系统、自动紧急制动系统、盲点预警监控系统、驾驶员行为监测预警系统和360°环视系统，该车辆驾舱一体化域控制器还包括实施例三的车道偏离预警系统，以及车辆抬头显示仪，车道偏离预警系统与车辆系统数据交互，车辆抬头显示仪与车辆系统的车内显示屏数据交互。

车辆抬头显示仪包括中央控制域、智能座舱域、智能驾驶域、车辆控制域和缓冲存储器。

在车辆内置以太网交换机，以及以太网交换机上配置VLAN，将智能座舱域、车辆控制域、自动驾驶域及中央控制域通过VLAN进行划分。以太网交换机为车载以太网交换机。

智能座舱域采集包括驾驶人行为分析数据和360环视/鸟瞰图数据在内的视频流数据；

智能驾驶域采集路况信息数据；具体地，智能驾驶域通过前置摄像、雷达影像和定位信息完成对路况的视频流数据采集。

车辆控制域采集所述车辆的控制数据；控制数据包括车辆的动力系统、底盘系统和车身系统的数据。

缓冲存储器在车辆正常工作时对智能座舱域所采集的视频流数据、智能驾驶域所采集的路况信息数据、以及车辆控制域所采集的控制数据进行缓存及读写；

缓冲存储器与车辆内的车内显示屏通信连接，以实现数据交互。以及缓冲存储器设于智能座舱域上。具体地，缓冲存储器通过HDMI接口协议把读写数据传输于车内显示屏。

智能座舱域、智能驾驶域和车辆控制域分别与中央控制域通信连接。例如上述的以太网交换机及其VLAN实现数据交互。

本实施例的车道线检测方法的数据共享方法，采用上述的车道线检测方法，所述数据共享方法包括如下步骤：

S10、划分智能座舱域、智能驾驶域、车辆控制域和中央控制域，中央控制域通过VLAN分别与智能座舱域、智能驾驶域和车辆控制域通信连接；

S20、在S10中的所述智能座舱域上设有缓冲存储器，缓冲存储器用于存储及读写上传的数据，数据包括智能座舱域所采集的视频流数据、智能驾驶域所采集的路况信息数据以及车辆控制域的控制数据，缓冲存储器在车辆正常工作时作为数据的连续读写；

S30、智能座舱域、智能驾驶域和车辆控制域分别在缓冲存储器中注册，注册完成后则智能座舱域、智能驾驶域和车辆控制域分别与缓冲存储器实现数据交互；例如，可以通过对应的算法及/或规则，选择合适的节点来实现数据交互，同时制定各个域彼此之间数据交互和共享的数据交互协议和数据格式。

S40、中央控制域对智能座舱域、智能驾驶域和车辆控制域交互的数据进行处理和分析，判断是否存在异常情况；

如情况正常，则将智能座舱域、智能驾驶域和车辆控制域采集的数据经过处理后传输于缓冲存储器；

如情况异常，则在中央控制域的报警模块中显示异常或报警状态灯亮提示。例如智能座舱域报警状态灯亮提示。

S50、经过S40的所述缓冲存储器对数据读写后上传于车内显示屏。

另外，如图5所示，本实施例的车辆驾舱一体化域控制器，可以将数据交互于运控模块，以域控制器处理ADAS功能,功能由软件实现,新功能可藉者远程软件升级实现。域控制器基于摄像头及进行深度学习、计算机视觉技术，通过内置智能处理，利用摄像头实时采集驾驶员图像特征针对驾驶员脸部疲劳状态、不安全驾驶行为进行精确分析判断，实现不间断的持续感知和判断，并在此基础上进行预警提示，实现对驾驶员和车辆的实时安全预警，减少驾驶风险与经济损失。

雷达和摄像头融合的技术，将两者取长补短，在雷达的微控制器内设有供各种功能模块集成的存储空间，从而能够提供商用车融合系统中的不同系统方案，在商用车的横向和纵向功能控制器由执行器的供应商提供的情况下，可以根据需求灵活配置。

基于大数据技术收集与处理数据，通过收集驾驶员在行车过程中的前碰撞预警、车道偏离预警、安全车距预警、疲劳驾驶、急加速、急转弯、急减速、超速等报警数据来对驾驶员驾驶行为进行深度分析和评估，并截取特定危险驾驶行为视频短片，实时记录，用数据说话，更有针对性地对驾驶员进行管理；平台集实时预警、实时监控、实时意外处理、统计分析等功能于一体，可为管理者提供最直观有效的考核及管理依据。即，基于大数据技术收集与处理数据，将不同车辆多维度信息“动静结合”精确分析车辆过往状态，并根据风险模型精算可能存在的风险，建立风险档案，依靠数字化工具提高全时全域干预风险驾驶行为的效率与准确性。实现多种ADAS功能。

实施例三

本实施例提供了一种车辆，包括实施例四的车辆驾舱一体化域控制器。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (9)

1.一种车道线检测方法，其特征在于，所述车道线检测方法包括如下步骤：

S1、输入图像至光照分类器中，设置一个动态的时间间隔来进行光照条件的检测，所述光照分类器对当前所述图像的当前桢检结果与上一桢的光照结果进行比对，最终获得当前所述图像的是否需要分类的结果；

S2、根据S1的检测分类结果选择维持上一桢车道线检测网络或重新选择相应的车道线检测网络。

2.根据权利要求1所述的车道线检测方法，其特征在于，在上述的S1中，当进行光照分类时，将当前所述图像的当前桢检结果与上一桢的光照结果进行比对，比对结果如下：

如比对结果显示相同，则维持当前的车道线检测网络；

如比对结果显示不同，则重新选择与当前所述图像桢检结果相同的车道线检测网络。

3.根据权利要求2所述的车道线检测方法，其特征在于，所述如比对结果显示相同时，则更新当前的车道线检测网络的检测频率。

4.根据权利要求2所述的车道线检测方法，其特征在于，所述如比对结果显示不同时，则重置重新选择的车道线检测网络的检测频率。

5.根据权利要求1所述的车道线检测方法，其特征在于，在上述的S2中，当不用进行光照分类时，则维持当前的车道线检测网络。

6.车道线检测系统，其特征在于，所述车道线检测系统应用权利要求1-5任意一项所述的车道线检测方法。

7.车道偏离预警系统，其特征在于，所述车道偏离预警系统包括权利要求6所述的车道线检测系统，以及与所述车道线检测系统数据交互的TLC模型。

8.车辆驾舱一体化域控制器，包括分别与车辆系统数据交互的前向碰撞预警系统、自动紧急制动系统、盲点预警监控系统、驾驶员行为监测预警系统和360°环视系统，其特征在于，所述车辆驾舱一体化域控制器还包括权利要求7所述的车道偏离预警系统，以及车辆抬头显示仪，所述车道偏离预警系统与所述车辆系统数据交互，所述车辆抬头显示仪与所述车辆系统的车内显示屏数据交互。

9.车辆，其特征在于，所述车辆包括权利要求8所述的车辆驾舱一体化域控制器。