JP6966989B2 - 道路中の車線境界線を確定するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム - Google Patents

Description

本発明の実施形態は、データ処理技術分野に関するものであり、より具体的に、道路中の車線境界線を確定するための方法、装置、電子機器、コンピュータ読み取り可能な記憶媒体およびコンピュータプログラムに関するものである。

人工知能の発展に伴い、自律走行技術は、更に注目を受けている。３次元高精度地図は、次世代のデジタル地図の主な発展方向として業界で認められ、これは自律走行の前提条件であり、自律走行車の正確な測位と正確な経路決定のために主な根拠を提供する。

高精度地図は、道路利用状況を分析し、高度道路交通を実現する重要な戦略的プラットフォーム資源である。３次元高精度地図製作の重要な問題点は、道路面車線境界線情報の検出と作成に集中している。従来の車線境界線検出技術は、例えば、横断歩道線、交通標識線などのような車線境界線の特徴と似ているその他の線を排除することが困難であり、自律走行の経路決定プロセスに影響を与える可能性が存在する。

本発明の例示的実施形態によれば、道路中の車線境界線を確定するための方案を提供する。

本発明の第１の態様において、道路中の車線境界線を確定するための方法を提供する。この方法は、基準曲線として第１の曲線を取得するステップであって、前記第１の曲線は、第１組の点に対してカーブフィッティングを行って取得されたものであり、前記第１組の点は、前記道路中の異なる領域の複数領域の点から選択されたものである、ステップと、前記基準曲線に基づいて前記複数領域の点から第２組の点を選択するステップと、前記第２組の点に対してカーブフィッティングを行って第２の曲線を生成するステップと、前記基準曲線に関連する第１のフィッティング度と前記第２の曲線に関連する第２のフィッティング度との間のフィッティング度の差を確定するステップと、少なくとも部分的に前記フィッティング度の差に基づいて、収束条件を満たしているかどうかを確定するステップと、前記収束条件を満たさないことに応じて、前記第２の曲線を前記基準曲線に設定するステップと、を少なくとも一回繰り返し実行する、ステップと、前記収束条件を満たすときの前記第２組の点に基づいて、前記道路の前記車線境界線を確定するステップとを含む。

本発明の第２の態様において、道路中の車線境界線を確定するための装置を提供する。この装置は、基準曲線として第１の曲線を取得するように構成された曲線取得モジュールであって、前記第１の曲線は、第１組の点に対してカーブフィッティングを行って取得されたものであり、前記第１組の点は、前記道路中の異なる領域の複数領域の点から選択されたものである、曲線取得モジュールと、前記基準曲線に基づいて前記複数領域の点から第２組の点を選択し、前記第２組の点に対してカーブフィッティングを行って、第２の曲線を生成し、前記基準曲線の第１のフィッティング度と前記第２の曲線の第２のフィッティング度との間のフィッティング度の差を確定し、少なくとも部分的に前記フィッティング度の差に基づいて収束条件を満たしているかどうかを確定し、前記収束条件を満たさないことに応じて、前記第２の曲線を前記基準曲線に設定することを、少なくとも一回繰り返し実行するように構成された曲線更新モジュールと、前記収束条件を満たすときの前記第２組の点に基づいて、前記道路の前記車線境界線を確定するように構成された車線境界線確定モジュールと、を含む。

本発明の第３の態様において、１つまたは複数のプロセッサと、１つまたは複数のプログラムを格納するための記憶装置を含む機器であって、当該１つまたは複数のプログラムが当該１つまたは複数のプロセッサによって実行される場合、当該１つまたは複数のプロセッサが本発明の第１の態様による方法を実現する機器を提供する。

本発明の第４の態様において、コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、当該プログラムがプロセッサによって実行される場合、本発明の第１の態様による方法を実現するコンピュータ読み取り可能な記憶媒体を提供する。

発明の内容の部分で説明した内容は、本発明の実施形態のポイントまたは重要な特徴を限定しようとするものではなく、本発明の範囲を限定するためのものではないことを理解されたい。本発明の他の特徴は、下の説明を介して容易に理解できるだろう。

以下の図面を参照してなされた制限的でない実施形態に対する詳細的な説明により、本発明の他の特徴、目的及び利点はより明らかになる。
図１は、本発明の複数の実施形態を実現可能な例示的な環境の概略図を示す。 図２は、本発明の一実施形態に係る車線境界線を生成する概略図を示す。 図３は、本発明の一実施形態に係る道路中の車線境界線を確定するための方法のフローチャートを示す。 図４は、本発明の一実施形態に係る第２の座標点の組（セット）を選択する方法のフローチャートを示す。 図５は、本発明の他の一実施形態に係る第２の座標点の組（セット）を選択する方法のフローチャートを示す。 図６は、本発明の一部の実施形態に係るフィッティング度を算出する例示的な方法のフローチャートを示す。 図７は、本発明の実施形態に係る道路中の車線境界線を確定するための装置の概略ブロック図を示す。 図８は、本発明の複数の実施形態を実現可能な計算機器のブロック図を示す。

以下、説明の詳細を参照しながら本発明の様々な実施形態及び態様を説明し、図面には、上記様々な実施形態が示される。以下の説明及び図面は、本発明を例示するためのものであり、限定するものとして解釈されるべきではない。本発明の様々な実施形態を全面的に理解するために、多くの特定の詳細を説明する。ところが、いくつかの場合に、本発明の実施形態に対する簡単な説明を提供するために、周知又は従来技術の詳細について説明していない。

本発明の実施形態を説明することにおいて、用語「含む」及び似ている用語は、開放的な「含む」に理解すべきである。つまり、「．．．を含むが、これらに限定されない」と理解すべきである。用語「に基づいて」は、「少なくとも部分的に．．．に基づいて」と理解すべきである。用語「一実施形態」または「当該実施形態」は、「少なくとも一つの実施形態」として理解すべきである。用語「第１」、「第２」などは、異なるか、同じ対象物を示す可能性もある。以下、他の明確な定義と暗黙的定義を含める可能性もある。

本発明の実施形態において、当該技術分野の当業者が理解しやすいように、いくつかの特定された数値を用いたが、これらの数字は、単に例示的なものであり、本発明の保護範囲を限定しようとしない。

前述したように、道路中の車線境界線を確定するために、従来の方法において、レーダーを介して３次元点群を収集したり、イメージセンサに基づいて画像データを収集することにより実現される。これらの方策は、正確率または適応性などの面のに欠陥が存在する。例えば、横断歩道線、交通標識線が存在する複雑な場面に対して、横断歩道線または交通標識線が車線境界線と同じような視覚特徴とレーザ反射特徴を備えるので、従来の方法は、横断歩道線または交通標識線を車線境界線と効果的に区分けにくく、横断歩道線または交通標識線を車線境界線に間違って認識する可能性が存在し、自律走行経路の決定に影響を与える。

本発明の実施形態によれば、道路中の車線境界線を確定するための方案を提出する。当該方案において、カーブフィッティングされた曲線が十分に収束するまで、カーブフィッティングにより取得した曲線のフィッティング度を利用してカーブフィッティングを繰り返し行う。収束を判定する過程では、カーブフィッティングに用いられる候補点を選択する度に、選択された点が３次元点群データおよび／または画像データに基づいて判断した車線境界線に属する確率が相対的に高い点に属するように、レーダーおよび／または画像センサから取得した道路中の車線境界線の３次元点群データおよび／または画像データを結合することもできる。

これらの方案に基づいて、生成された車線境界線がさらにスムーズな曲線特性を備えるようにすることができる。また、当該方案はカーブフィッティングの収束判定を利用して、車線境界線と似ている横断歩道線や、交通標識線などの特徴を効果的に区別することにより、生成された車線境界線の精度を向上させることができる。

以下、添付された図面を参照して、本発明の実施形態を具体的に説明する。図１は、本発明の複数の実施形態を実現可能な例示的環境１００の概略図を示す。この例示的環境１００において、認識された車線境界線１８０は、計算機器１７０によってセンサデータ１５０、１５２、１５２に基づいて確定される。

道路１１０中の車線境界線１１５を認識することができるように、道路１１０に１つまたは複数の収集主体（例えば、収集主体１２０、収集主体１３０とを収集主体１４０）を走行させる必要がある。収集主体１２０を例にすると、収集主体１２０上に、例えばレーダー装置と画像収集装置を含む１つまたは複数のセンサ装置を設置することができ、ここで、レーダー装置は、道路１１０の車線境界線１１５の３次元点群データを収集することができ、画像収集装置は、道路１１０のうち車線境界線１１５の画像を収集することができる。一部の実施形態において、収集主体１２０上に、画像が収集されるときの収集主体の位置する場所を確定するための測位装置が設置されることができる。

一部の実施形態において、収集主体１２０、１３０、１４０には、有線または無線方式を経由して収集されたセンサデータ１５０、１５２、１５４を記憶装置１６０に送信するための通信装置を設けることができる。本発明の実施形態によれば、計算機器１７０は、記憶装置１６０からのセンサデータを取得し、センサデータに基づいて、認識された車線境界線１８０を確定する。

以下、図２乃至図３を組み合わせて、本発明の実施形態に係る道路中の車線境界線を確定するための方法を説明する。図２は、本発明の実施形態に係る車線境界線を確定する概略図２００を示し、図３は、本発明の実施形態に係る道路中の車線境界線を確定するための方法３００のフローチャートを示す。

図２に示すように、道路１１０中の車線境界線１１５を確定するように、図１に示すような１つまたは複数の収集主体１２０を道路１１０で走行させて、道路中の車線境界線のセンサデータ（つまり、３次元点群データおよび／または画像データ）を取得することができる。

一部の実施形態において、収集されたセンサデータに対して、収集車の進行軌跡に沿って、所定の距離（例えば、２メートル）を間隔で所定領域のセンサデータを選択して車線境界線確定に利用することができる。これにより、十分な精度を確保することができる前提の下で、必要なコンピューティング量を低減させることができる。一部の実施形態において、例えば、収集主体１２０の周囲の０．５メートルの半径の範囲をその所定の領域とすることができる。図２に示すように、所定領域の複数の例に（第１の領域２０６、第２の領域２０８及び第３領域２１０）が挙げれる。これらの所定の領域は、単に例示的であるだけで、他の任意の適切なルールに基づいて、その所定の領域を選択することで、車線境界線が存在する可能性がない領域の判定を低減させることもできることを理解されたい。

各所定領域２０６、２０８、２１０のうち１つまたは複数の位置は、予め選択または設定することができ、これらの位置の２次元または３次元座標は、複数領域の点２１２に対応することができる。図２の例では、各所定の領域２０６、２０８、２１０の中の位置に対応する点２１２が概略的に示されている。一部の実施形態において、点２１２は、レーダーに基づいて取得した車線境界線の３次元点群データ中のサンプリング点に対応することができる。以下、説明の便宜のために、領域中の位置と点は、相互に交換可能に使用される。以下、図３を結びつけて車線境界線を確定する方法３００を説明する。

ブロック３０２において、基準曲線として第１の曲線を取得する。第１の曲線は、第１組の点に対してカーブフィッティングを行って取得されたものであり、第１組の点は、道路中の異なる領域の複数領域の点から選択されることができる。図２に示すように、第１の曲線２２０は、第１の領域２０６中の点２２２、第２の領域２０８中の点２２４及び第３領域２１０中の点２２６に対してカーブフィッティングを行って取得されたものである。

一部の実施形態において、車線境界線の３次元点群データに基づいて、各所定領域のうち、第１の曲線をカーブフィッティングするための点を確定することができる。車線境界線の表面材質が相対的に高いレーザ反射率を備えるので、取得した車線境界線の３次元点群データの各点により表示される位置のレーザ反射率に基づいて、車線境界線である可能性があるかどうかを判定することができる。例えば、第１の領域２０６に対して、その領域の中で、すべての点のレーザ反射率に基づいて、第１の曲線をカーブフィッティングするための点として、その中のレーザ反射率が最も高い１つまたは複数の点を選択することができる。一部の実施形態において、特定のレーザ反射率閾値に基づいて、第１の曲線をカーブフィッティングするための１つまたは複数の点を確定することができる。図２に示された例示において、例えば、第１の領域２０６で選択された第１の曲線をカーブフィッティングするための点２２２は、第１の領域２０６のうち、レーザ反射率が最も高い点であってもよい。

一部の実施形態において、画像データに基づいて、各所定領域のうち、第１の曲線をカーブフィッティングするための点を確定することができる。一部の実施形態において、当該画像データは、画素の深度データ（ｄｅｐｔｈ ｏｆ ｆｉｅｌｄ ｄａｔａ）を含むことができる。このような場合に、従来の画像処理アルゴリズムを利用して、画像データに対して処理を進めることにより、画像データ中の各画素が車線境界線上に位置する信頼度を確定することができる。一部の実施形態において、例えば深層学習アルゴリズムを利用して画像データに対して分析を行い、画素点の分類結果を取得することにより、各画素が車線境界線に該当する信頼度を取得することができる。一部の実施形態において、例えば、単に画素のグレースケール値に基づいて画素が車線境界線上に位置する信頼度を判定することもできる。例えば、車線境界線の所定のグレースケール値の範囲に基づいて、検出されたグレースケール値がその範囲に位置する画素は、相対的に高い信頼度を有するとみなすことができる。画像中の各画素が車線境界線上に位置する信頼度を確定するために、任意の他の適切な画像処理方法を使用することができ、その信頼度は、各画素が車線境界線上に位置する確率または可能性を表示することを理解されたい。

収集された画像中の各画素の信頼度を確定した後に、画像を収集するときの収集主体１２０の位置（例えば、ＧＰＳを介して与えられる）、イメージセンサのキャリブレーションパラメータおよび画像の深度データに基づいて、画像データから所定の領域中の点へのマッピングを確立し、所定の領域中の点により表示される位置が車線境界線に該当する信頼度を取得することができる。画像データにおける画素から所定の領域における点へのマッピングを確立するプロセスにおいて、一部の点が対応されていない画像データが存在する可能性が存在し、このような場合、これらの点の信頼度は、固定値（例えば、０または任意の他の適当な数値）に設定されることを理解できるだろう。

一部の実施形態において、当該画像データは、深度情報を含んでいないことができる。このような場合に、画像データ中の画素により反映されるのは、２次元の位置であり、所定の領域中の点により反映されるのは、３次元位置なので、画素から所定の領域における点へのマッピングを確立するプロセスにおいて、２次元位置の一つの点は、３次元位置の一つの線にマッピングされる。一部の実施形態において、画像データの画素のマッピング位置として、マッピングされた線における収集主体１２０からの位置が最も近い点を選択することができ、その点の信頼度を、その画素の信頼度とすることができ、その線の中の他の点の信頼度は、固定値（例えば、０）に設定することができる。

また、先に議論したレーザ反射率と同様に、画像データの画素と所定の領域の点のマッピングにより確定された点の信頼度に基づいて、第１の曲線をカーブフィッティングするように、所定の領域のうち、信頼度が最も高い１つまたは複数の点を選択し、または第１曲線をカーブフィッティングするように、所定の領域のうち、信頼度が所定の閾値よりも高い１つまたは複数の点を選択することができる。図２に示された例示において、例えば第１の領域２０６で選択された第１の曲線をカーブフィッティングするための点２２２は、第１の領域２０６の信頼度が最も高い点であってもよい。

一部の実施形態において、選択された点の精度を向上させるためには、同時にレーザ反射率と画像データの信頼度に基づいて、第１の曲線をカーブフィッティングするための点を確定することができる。一部の実施形態において、レーザ反射率および信頼度に対して、それぞれ正規化を行い、レーザ反射率と信頼度に対してそれぞれ重み付けを行い、それらの加重合計に基づいて、各点の得点を確定することができ、その得点はセンサデータに基づいて確定した各点の対応する位置が車線境界線に該当する可能性を反映することができる。例えば、点の得点Ｐｏｉｎｔ＿Ｓｃｏｒｅは、以下の式に基づいて確定することができる。
（式１）
Point_Score=α*Point_Cloud_Rate+β*Image_Conf
ここで、αとβは重み係数を表示し、Ｐｏｉｎｔ＿Ｃｌｏｕｄ＿Ｒａｔｅは、その点のレーザ反射率を表示し、Ｉｍａｇｅ＿Ｃｏｎｆは、その点の信頼度を表示する。一部の実施形態において、レーザ反射率は、位置が車線境界線であるかどうかの可能性を相対的により正確に反映することができるので、反射率に対して相対的に高い重みαを分配して、信頼度に対して相対的に低い重みβを分配することができる。一部の実施形態において、第１の曲線をカーブフィッティングするために、所定の領域の中で得点が最も高い１つまたは複数の点を選択することができ、または第１曲線をカーブフィッティングするために、所定の領域の得点が所定の閾値より高い１つまたは複数の点を選択することができる。図２に示された例示において、例えば、第１の領域２０６で選択された第１の曲線をカーブフィッティングするための点２２２は、第１の領域２０６の中で得点が最も高い点であってもよい。３次元点群データと画像データを結合して処理する方法により、両者のデータは相互立証することができる。そして、両者は共に該当する点により表示される位置が車線境界線上に位置する可能性が存在することを表示する場合、当該点は相対的に高い得点を取得することができるので、この方法は、従来の方法に比べてより正確であることができる。

各所定領域のうち、第１の曲線をカーブフィッティングするための点を確定した後に、カーブフィッティングアルゴリズムを用いて、確定された点に対してカーブフィッティングを行うことができる。一部の実施形態において、ＲＡＮＳＡＣアルゴリズムを利用して、確定された複数領域の点に対してカーブフィッティングを行うことができる。第１の曲線を確定するために、任意の他の適切なカーブフィッティングアルゴリズムを用いて、確定された複数領域の点に対してカーブフィッティングを行うことができることを理解されたい。例えば、図２に示された例示において、選択された点２２２、点２２４、点２２６に対してカーブフィッティングを行って得られた曲線は、第１の曲線２２０である。

続いて、図３を参照すると、ブロック３０４において、基準曲線に基づいて、異なる領域の複数領域の点から第２組の点を選択する。一部の実施形態において、現在の基準曲線（即ち、第１の曲線２２０）に対して、各所定の領域中の点から第１の曲線２２０へのユークリッド距離を算出し、その距離に基づいて、第２組の点を選択することができる。例えば、所定の領域のうち、第１の曲線２１４との距離が最も近い１つまたは複数の点を選択し、または所定の領域のうち、その距離が所定の閾値よりも小さい１つまたは複数の点を選択することができる。一部の実施形態において、当該距離に基づいて所定の領域の中で、各点の新しい得点を確定することができる。例えば、各点の得点Ｐｏｉｎｔ＿Ｓｃｏｒｅ＿Ｎｅｗは、以下の式に基づいて確定することができる。
（式２）
Point_Score_New=2/(1+e^(f*Dist))
ここで、ｆは定数であってもよく、Ｄｉｓｔは点から基準曲線までのユークリッド距離を表示する。このような場合に、例えば、基準曲線とより近い点が優先的に選択され、新しい曲線がより望ましい平滑度を備えることができるように、第２組の点として、所定の領域の中で得点が最も高い１つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い１つまたは複数の点を選択することができる。

一部の実施形態において、車線境界線の３次元点群データに基づいて、第２組の点を確定することができる。図４に示すように、方法４００は、ブロック３０４の一例示的実施形態である。

ブロック４０２において、道路の異なる領域の複数領域の点に関連する点群データを取得する。一部の実施形態において、レーダーを介して道路の異なる領域における車線境界線の３次元点群データを取得し、複数領域の点が対応する位置とレーダーのサンプリング点の間の位置マッチングに基づいて、複数領域の点に関連する点群データを確定することができる。ブロック４０４において、車線境界線の３次元点群データから、複数領域の点のそれぞれが示す位置に関わるレーザ反射率を確定する。

ブロック４０６において、レーザ反射率と基準曲線に基づいて、第２組の点を選択する。一部の実施形態において、レーザ反射率と基準曲線に基づいて、所定の領域中の点の得点を再確定することができる。一部の実施形態において、前述したように、所定の領域の各点から基準曲線までのユークリッド距離を確定することができる。この時、得点Ｐｏｎｉｔ＿Ｓｃｏｒｅ＿Ｎｅｗは、例えば以下のような式によって確定することができる。
（式３−１）
Ponit_Score_New=α1*Point_Cloud_Rate+β1*Point_Dist_Score
（式３−２）
Point_Dist_Score=2/(1+e^(f*Dist))

ここで、α１とβ１は、重み係数を表示し、Ｐｏｉｎｔ＿Ｃｌｏｕｄ＿Ｒａｔｅは、点により表示される位置のレーザ反射率を表示し、Ｄｉｓｔは、点から基準曲線までのユークリッド距離を表示し、ｆは、定数である。このような場合に、例えば当該基準曲線との距離が近く、レーザ反射率が高い点が優先的に選択されるように、所定の領域の中で得点が最も高い１つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い１つまたは複数の点を選択することができる。この方法に基づいて、一方で、上述したように、取得した曲線はより平滑することができ、他の一方で、第２組の点を選択する過程でレーザ反射率と曲線までの距離との２つの要素を同時に考慮するので、単にレーザ反射率により確定した車線境界線の結果を更に修正し、ある誤った検出の発生を避けて、車線境界線の精度を向上させることができる。

一部の実施形態において、画像データに基づいて、第２組の点を確定することができる。図５に示すように、方法５００は、ブロック３０４の別の一例示的実施形態である。ブロック５０２において、道路の異なる領域の車線境界線画像を取得する。一部の実施形態において、例えば、撮像装置を介して、道路の異なる領域の車線境界線画像を取得することができる。

ブロック５０４において、複数領域の点のうちの点により表示される位置から画像へのマッピングを確立する。一部の実施形態において、車線境界線画像は、深度情報をさらに含むことができる。このような場合に、従来の画像処理アルゴリズムを利用して、画像データに対して処理を行い、画像データ中の各画素が車線境界線である信頼度を確認することができる。前述したように、例えば、深層学習アルゴリズムの利用して画像データに対して分析を行い、画素の分類結果を取得することにより、各画素が車線境界線に該当する信頼度を取得することができる。一部の実施形態において、例えば単に画素のグレースケール値に基づいて画素が車線境界線に該当する信頼度を判定することもでき、例えば車線境界線の一般的なグレースケール領域に基づいて、グレースケール値が当該領域に位置する画素は、相対的に高い信頼度を備える。画像中の各画素が車線境界線に該当する確率を確定するために、任意の他の適切な画像処理方法をすべて利用することができることを理解されたい。

収集した画像の中の各画素の信頼度を確定した後に、画像を収集するときの収集主体１２０の位置（例えば、ＧＰＳを介して与えられる）、イメージセンサのキャリブレーションパラメータおよび画像の深度データに基づいて、画像データから所定の領域中の点へのマッピングを確立し、所定の領域中の点の対応する位置が車線境界線に該当する信頼度を取得することができる。画像データにおける画素から所定の領域における点へのマッピングを確立するプロセスにおいて、一部の点が対応する画像データがない可能性が存在し、このような場合に、これらの点の信頼度は、固定値（例えば、０または任意の他の適当な数値）に設定されることを理解できるだろう。

一部の実施形態において、当該画像データは、深度情報を含んでいないことができる。このような場合に、画像データ中の画素により反映されるのは、２次元の位置であり、所定の領域中の点により反映されるのは、３次元位置なので、画素から所定の領域における点へのマッピングを確立するプロセスにおいて、２次元位置の一つの点は、３次元位置の一つの線にマッピングされる。一部の実施形態において、画像データの画素のマッピング位置として、マッピングされた線における収集主体１２０からの位置が最も近い点を選択することができ、その点の信頼度を、その画素の信頼度とすることができ、その線の中の他の点の信頼度は、固定値（例えば、０または任意の他の適当な数値）に設定することができる。

ブロック５０６において、マッピングと基準曲線に基づいて、第２組の点を選択する。一部の実施形態において、マッピングにより取得した点の信頼度および基準曲線の距離に基づいて、点の取得を再確定することができる。例えば、いくつかの実施形態において、前述したように、所定の領域の各点から基準曲線までのユークリッド距離を確定することができる。この時、得点Ｐｏｉｎｔ＿Ｓｃｏｒｅ＿Ｎｅｗは、例えば以下のような式により確定することができる。
（式４−１）
Ponit_Score_New=α2*Image_Conf+β2*Point_Dist_Score
（式４−２）
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、α２とβ２は、重み係数を表示し、Ｉｍａｇｅ＿Ｃｏｎｆは、点の信頼度を表示し、Ｄｉｓｔは、点から基準曲線までのユークリッド距離を表示し、ｆは、定数である。このような場合に、例えば、当該基準曲線との距離が近く、信頼度の高い点が優先的に選択されるように、所定の領域の中で得点が最も高い１つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い１つまたは複数の点を選択することができる。この方法に基づいて、一方で、上述したように、取得した曲線はより平滑化することができ、他の一方で、第２組の点を選択する過程で、画像に基づいて確定した点が車線境界線上に位置する信頼度と曲線までの距離との２つの要素を同時に考慮するので、単に画像データに基づいて確定した車線境界線の結果を更に修正し、いくつかの誤った検出の発生を避けて、車線境界線の精度を向上させることができる。

一部の実施形態において、３次元点群データと画像データに基づいて、第２組の点を確定することもできる。上述したように、道路の異なる領域の３次元点群データと、対応する車線境界線画像とを取得することができる。上記内容と同じようなプロセスに基づいて、各所定領域のいずれの各点のレーザ反射率、信頼度、および基準曲線までの距離を確定することができる。この時の点の得点は、以下のような式で算出することができる。
（式５−１）
Ponit_Score_New=α3*Point_Cloud_Rate+β3・Image_Conf+γ*Point_Dist_Score
（式５−２）
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、α３、β３およびγは、重み係数を表示し、Ｐｏｉｎｔ＿Ｃｌｏｕｄ＿Ｒａｔｅは、点により表示される位置のレーザ反射率を表示し、Ｉｍａｇｅ＿Ｃｏｎｆは、点の信頼度を表示し、Ｄｉｓｔは、点から基準曲線までのユークリッド距離を表示し、ｆは、定数である。このような場合に、例えば当該基準曲線との距離が近く、レーザ反射率が高く、信頼度の高い点が優先的に選択され、さらに第２組の点が実際の中の車線境界線に更に近接することができるように、所定領域のいずれ得点が最も高い１つまたは複数の点を選択し、または所定の領域の中で得点が所定の閾値よりも高い１つまたは複数の点を選択することができる。

この方法を使用して、一方面で、上述したように、取得した曲線はより平滑になり、他の方面で、第２組の点を選択する過程でレーザ反射率と、画像に基づいて確定した点が車線境界線上に位置する信頼度と、曲線までの距離との３つの要素を同時に考慮するので、まず複数のパラメータを総合的に検証することで、より正確な検出結果を取得することができ、さらに点から基準曲線までの距離を考慮するので、センサにより確定した車線境界線の融合結果を更に修正することができ、いくつかの誤検出の発生を避けて、車線境界線の精度を向上させることができる。

例えば、図２に示された例示において、第１の領域２０６で選択された点は、点２３２であり、第１の領域２０６で選択された点は、点２３４であり、第１の領域２０６で選択された点は、点２３６であり、カーブフィッティングにより取得した曲線は、第２の曲線２３０である。

続いて、図３を参照すると、ブロック３０６において、基準曲線の第１のフィッティング度と第２の曲線の第２のフィッティング度との間のフィッティング度の差（違い）を確定する。一部の実施形態において、フィッティング度は、曲線をカーブフィッティングするための点とカーブフィッティングにより取得した曲線とのフィッティング精度を反映する。図６を参照すると、図６は、本発明の実施形態に係るフィッティング度を確定する方法６００のフローチャートを示す。

ブロック６０２において、第１組または第２組の点における点から曲線までの距離を確定する。例えば、第２の曲線を例にとると、一部の実施形態において、当該距離は、第２組の点のうち、点から第２の曲線までのユークリッド距離である。ブロック６０４において、第１組または第２組の点のうち、曲線までの距離が所定の距離よりも小さい点の占有率を確定する。第２の曲線を例として、いくつかの実施形態において、占有率Ｒａｔｉｏは、例えば以下の式で確定することができる。
（式６）
Ratio=Count(Dist<Dist_Threshold)/Amount
ここで、Ｄｉｓｔは、曲線上の点から第２の曲線までの距離を表示し、Ｄｉｓｔ＿Ｔｈｒｅｓｈｏｌｄは、距離閾値を表示し、Ａｍｏｕｎｔは、曲線上の点の数を表示し、Ｃｏｕｎｔ（Ｄｉｓｔ ＜Ｄｉｓｔ＿Ｔｈｒｅｓｈｏｌｄ）は、第２の曲線までの距離が閾値距離よりも小さい点の数を表示する。一部の実施形態において、車線幅内の点がすべて相対的に良好なフィッティング度を備えるように、閾値距離は、車線境界線幅の半分に選択することができる。

ブロック６０６において、距離と占有率の加重合計に基づいてフィッティング度を確定する。第２の曲線を例として、いくつかの実施形態において、例えば、距離に基づいてその曲線上のすべての点の平均距離得点Ａｖｅｒａｇｅ＿Ｄｉｓｔ＿Ｓｃｏｒｅを取得することができる。
（式７−１）
Average_Dist_Score=Sum(Point_Dist_Score)/Amount
（式７−２）
Point_Dist_Score=2/(1+e^(f*Dist))
ここで、Ｄｉｓｔは、曲線上の点から第２の曲線までの距離を表示し、ｆは、定数であり、Ａｍｏｕｎｔは、その曲線上の点の数を表示し、Ｓｕｍ（Ｐｏｉｎｔ＿Ｄｉｓｔ＿Ｓｃｏｒｅ）は、曲線上の点から第２の曲線までの距離の得点の合計を表示する。一部の実施形態において、続いて、平均距離得点と占有率に基づいて、第２のフィッティング度Ｆｉｔ＿Ｓｃｏｒｅ＿２を算出することができる。
（式８）
Fit_Score_2 =α4* Average_Dist_Score +β4* Ratio
ここで、α４とβ４は、重み係数を表示する。この方法に基づいて算出されたフィッティング度は、曲線自体と点のマッチングの度合いを考慮するだけではなく、車線境界線が特定の幅を備える特徴も考慮するので、当該曲線をカーブフィッティングするためのラインを候補車線境界線上の点とする可能性をより正確に反映することができる。

続いて、図３を参照すると、基準曲線に関連する第１のフィッティング度は、方法６００に基づいて確定されることができることを理解されたい。一部の実施形態において、フィッティング度の差は、第２フィッティング度と第１のフィッティング度の差値で表示されることができる。

ブロック３０８において、収束条件を満たしているかどうかを確定する。一部の実施形態において、収束条件はフィッティング度の差に関連することができる。一部の実施形態において、例えば、フィッティング度の差の絶対値が所定の閾値よりも小さいかどうかを判断し、小さい場合に、２つの曲線が非常に近接すること、即ち収束が十分であることを反映する。一部の実施形態において、例えば、カーブフィッティングの差値が０よりも大きいか同じであり、所定の閾値よりも小さい場合、即ち第２の曲線のカーブフィッティング品質が基準曲線のカーブフィッティング品質よりも良好であり、２つの曲線が非常に近接する場合、この時点でこれ以上の繰り返しを進めても、第２の曲線のカーブフィッティング品質を著しく向上させることは困難の可能性があり、このように収束条件を満足すると確定することができる。

一部の実施形態において、収束条件は曲線上の点のレーザ反射率に関連することもできる。一部の実施形態において、例えば、基準曲線の第１の平均レーザ反射率および第２の曲線の第２の平均レーザ反射率とをそれぞれ確定することができる。ここで、平均レーザ反射率は、曲線上のすべての点により表示される位置のレーザ反射率の平均値を指す。続いて、第１の平均レーザ反射率および第２の平均レーザ反射率に基づいて、両者の差、即ちレーザ反射率の差を算出することができる。一部の実施形態において、レーザ反射率の差とフィッティング度の差に対して加重合計を行って相違度の得点を取得することができる。つまり、相違度の得点Ｄｉｆｆ＿Ｓｃｏｒｅは、以下のように表示されることができる。
（式９）
Diff_Score=α5*Diff_Point_Cloud_Ratio+β5*Diff_Fitting_Score
ここで、α５とβ５は、重み係数を表示し、Ｄｉｆｆ＿Ｐｏｉｎｔ＿Ｃｌｏｕｄ＿Ｒａｔｉｏは、レーザ反射率の差を表示し、Ｄｉｆｆ＿Ｆｉｔｔｉｎｇ＿Ｓｃｏｒｅは、フィッティング度の差を表示する。一部の実施形態において、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が０よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。

一部の実施形態において、収束条件は曲線上の点の信頼度に関連してもよい。一部の実施形態において、例えば、基準曲線の第１の平均信頼度と、第２の曲線の第２の平均信頼度とをそれぞれ確定することができる。ここで、平均信頼度は、その曲線上のすべての点の信頼度の平均値を指す。続いて、第１の平均信頼度および第２の平均信頼度に基づいて、両者の差、即ち信頼度の差を算出することができる。一部の実施形態において、信頼度の差とフィッティング度の差に対して加重合計を行い相違度の得点を取得することができる。つまり、相違度の得点Ｄｉｆｆ＿Ｓｃｏｒｅは、以下のように表示されることができる。
（式１０）
Diff_Score=α6*Diff_Image_Conf+β6*Diff_Fitting_Score
ここで、α６とβ６は、重み係数を表示し、Ｄｉｆｆ＿Ｉｍａｇｅ＿Ｃｏｎｆは、信頼度の差を表示し、Ｄｉｆｆ＿Ｆｉｔｔｉｎｇ＿Ｓｃｏｒｅは、フィッティング度の差を表示する。一部の実施形態において、続いて、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が０よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。
収束条件は、同時にフィッティング度の差、レーザ反射率の差や信頼度の差に関連することができ、つまり３者に対して加重合計を行い相違度の得点を取得することができることを理解しなければならない。即ち、相違度の得点Ｄｉｆｆ＿Ｓｃｏｒｅは、以下のように表示されることができる。
（式１１）
Diff_Score=α7*Diff_Point_Cloud_Ratio+β7*Diff_Image_Conf+γ2*Diff_Fitting_Score

ここで、α７、β７とγ２は、重み係数を表示し、Ｄｉｆｆ＿Ｐｏｉｎｔ＿Ｃｌｏｕｄ＿Ｒａｔｉｏは、レーザ反射率の差を表示し、Ｄｉｆｆ＿Ｉｍａｇｅ＿Ｃｏｎｆは、信頼度の差を表示し、Ｄｉｆｆ＿Ｆｉｔｔｉｎｇ＿Ｓｃｏｒｅは、フィッティング度の差を表示する。一部の実施形態において、続いて、相違度の得点と所定の閾値を比較して、合計が所定の閾値よりも小さい場合に、収束条件を満たしていると判定する。一部の実施形態において、同様に、相違度の得点が０よりも大きいか同じであり、所定の閾値よりも小さい場合に、収束条件を満足すると確定することもできる。

ブロック３０８で収束条件を満足していることを確定した場合、方法３００は、ブロック３１０に進め、収束条件を満たすときの第２組の点に基づいて、道路の車線境界線を確定し、第２組の点を最終の車線境界線の結果として出力する。

収束条件を満たしていないと確定される場合に、方法３００は、ブロック３１２に進み、第２の曲線を基準曲線に設定し、次いでブロック３０４に戻り、新たな基準曲線に基づいて第２組の点を再選択する。ブロック３０４、ブロック３０６、ブロック３０８とブロック３１２は、収束条件を満たすまで繰り返し実行されることを理解されたい。一部の実施形態において、算出結果と計算オーバーヘッドのバランスを取るために、例えば、反復ステップの実行回数に上限（例えば、１０回）を設定することができ、反復ステップの実行回数がその上限に達した場合、収束条件を満たしていると確定し、反復ステップを自動的に終了し、この時の第２組の点を最終の車線境界線の結果として出力する。

上記のように、本発明の実施形態により提供される車線境界線を確定する方案は、車線境界線の３次元点群データと画像収集データに対して総合的な判定を行い、単なるセンサにより認識する方案に比べてより正確である。また、当該方案は、レーザ反射率、信頼度、および基準曲線までの距離に基づいて、各候補点に対して得点を算出し、センサデータに基づいて更にカーブフィッティングの特性を合わせて、取得した曲線がより平滑で、実際の車道線特徴に適合することができる。さらに、複数の繰り返し方法により、取得した点が相対的に高いレーザ反射率を備え、相対的に高い信頼度を備え、カーブフィッティング曲線との距離が相対的に近いことができるだけでなく、いくつかの視覚的な特徴が車線境界線と相対的に近いその他の道路標識線（例えば、横断歩道標識線と車線標識線など）を排除することができる。

図７は、本発明の実施形態に係る道路中の車線境界線を確定するための装置７００の概略ブロック図を示す。図７に示すように、装置７００は、基準曲線として第１の曲線を取得するように構成された曲線取得モジュール７０２であって、第１の曲線は、第１組の点に対してカーブフィッティングを行って取得したものであり、第１組の点は、道路中の異なる領域の複数領域の点から選択されるものである、曲線取得モジュール７０２と、基準曲線に基づいて、複数領域の点から第２組の点を選択し、第２組の点に対してカーブフィッティングを行って、第２の曲線を生成し、基準曲線の第１フィッティング度と第２の曲線の第２のフィッティング度の間のフィッティング度の差を確定し、少なくとも部分的にフィッティング度の差に基づいて収束条件を満たしているかどうかを確定し、収束条件を満たさないことに応じて、第２の曲線を基準曲線に設定することを、少なくとも一回繰り返し実行するように構成された曲線更新モジュール７０４と、収束条件を満たすときの第２組の点に基づいて、道路の車線境界線を確定するように構成された車線境界線確定モジュール７０６を含む。

一部の実施形態において、曲線更新モジュール７０４は、基準曲線との距離が近い点が優先的に選択されるように、複数領域の点から基準曲線までの距離に基づいて、第２組の点を選択するように構成された第１の点選択モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、道路中の異なる領域における複数領域の点の３次元点群データを取得するように構成された点群データ取得モジュールと、点群データから、複数領域の点の中の点により表示される位置のレーザ反射率を確定するように構成されたレーザ反射率確定モジュールと、基準曲線との距離が近く、レーザ反射率が高い点が優先的に選択されるように、点群の信頼度と基準曲線に基づいて、第２組の点を選択するように構成された第２の点選択モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、基準曲線をカーブフィッティングするための点により表示される位置のレーザ反射率に基づいて、基準曲線の第１の平均レーザ反射率を確定するように構成された第１の平均レーザ反射率確定モジュールと、第２の曲線をカーブフィッティングするための点により表示される位置のレーザ反射率に基づいて、第２の曲線の第２の平均レーザ反射率を確定するように構成された第２の平均レーザ反射率確定モジュールと、第１の平均レーザ反射率と第２の平均レーザ反射率との間のレーザ反射率の差を確定するように構成されたレーザ反射率差確定モジュールと、レーザ反射率の差とフィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、収束条件を満足すると確定するように構成された第１の収束判断モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、道路の異なる領域中の車線境界線の画像を取得するように構成された画像取得モジュールと、複数領域の点のうちの点により表示される位置を画像上にマッピングするように構成されたマッピングモジュールと、基準曲線との距離が近く、対応する位置が画像において車線境界線に近接し、車線境界線上に位置する点が優先的に選択されるように、マッピングと基準曲線に基づいて、第２組の点を選択するように構成された第３の点選択モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、点により表示される位置のマッピングに基づいて、点が車線境界線に該当する信頼度を確定するように構成された信頼度確定モジュールと、基準曲線をカーブフィッティングするための点の信頼度に基づいて、基準曲線の第１の平均信頼度を確定するように構成された第１の平均信頼度確定モジュールと、第２の曲線をカーブフィッティングするための点の信頼度に基づいて、第２の曲線の第２の平均信頼度を確定するように構成された第２の平均信頼度確定モジュールと、第１の平均信頼度と第２の平均信頼度との間の信頼度の差を確定するように構成された信頼度差確定モジュールと、信頼度の差とフィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、収束条件を満足すると確定するように構成された第２の収束判断モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、繰り返し回数が所定の閾値に達したことに応じて、収束条件を満足すると確定するように構成された第３の収束判断モジュールをさらに含む。

一部の実施形態において、曲線更新モジュール７０４は、第２組の点から第２の曲線までの距離を確定するように構成された距離確定モジュールと、第２組の点のうち、第２の曲線までの距離が所定の距離よりも小さい点の占有率を確定するように構成された占有率確定モジュールと、第２の曲線までの距離の平均値と占有率の加重合計に基づいて、第２のフィッティング度を確定するように構成されたフィッティング度確定モジュールをさらに含む。

図８は、本願の複数の実施形態を実施することができる機器８００のブロック図を示す。機器８００は、図１のコンピューティング機器１７０を実現するのに使用することができる。図示されたように、機器８００は、中央処理ユニット８０１（ＣＰＵ）を含み、ＣＰＵ８０１は、読み取り専用メモリ８０２（ＲＯＭ）に記憶されたコンピュータプログラム指令、または記憶ユニット８０８からランダムアクセスメモリ８０３（ＲＡＭ）にロードされたコンピュータプログラム指令に基づいて、各種の適切な動作と処理を実行することができる。ＲＡＭ８０３には、機器８００の動作に必要な各種のプログラムやデータが記憶されることができる。ＣＰＵ８０１、ＲＯＭ８０２とＲＡＭ８０３、バス８０４を介して互いに接続される。入力／出力（Ｉ／Ｏ）インターフェース８０５もバス８０４に接続される。

機器８００中のＩ／Ｏインタフェース８０５に接続されている複数の部品として、キーボード、マウスなどの入力ユニット８０６と、様々なタイプの表示装置、スピーカーなどの出力ユニット８０７と、磁気ディスク、コンパクトディスクなどの記憶ユニット８０８と、ＬＡＮカード、モデム、無線通信トランシーバなどの通信ユニット８０９が含まれる。通信ユニット８０９は、機器８００がインターネットなどのコンピュータネットワークおよび／または各種の電気通信網を介して他の機器と情報／データを交換することを可能にする。

中央処理ユニット８０１は、前述した各方法と処理、例えば、プロセス３００、４００、５００および／または方法６００を実行する。例えば、いくつかの実施形態において、プロセス３００、４００、５００および／または方法６００は、コンピュータソフトウェアプログラムとして実現されることができ、これは機械可読媒体（例えば、記憶ユニット８０８）に含まれている。一部の実施形態において、コンピュータプログラムの一部または全部は、ＲＯＭ８０２、および／または通信ユニット８０９を経由して機器８００上にロードおよび／またはインストールすることができる。コンピュータプログラムは、ＲＡＭ８０３にロードされてＣＰＵ８０１により実行される場合、前述したプロセス３００、４００、５００および／または方法６００の１つまたは複数のステップを実行することができる。選択可能に、その他の実施形態において、ＣＰＵ８０１は、ギターの任意の適切な方法で（例えば、ファームウェアの助けを借りて）プロセス３００、４００、５００および／または方法６００を実行するように構築することができる。

本明細書に説明されて複数の機能は、少なくとも部分的に１つまたは複数のハードウェアロジック部材で実行することができる。例えば、使用可能な模式的なタイプのハードウェアロジック部材は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、特定用途向け集積回路（ＡＳＩＣ）、オンデマンド標準製品（ＡＳＳＰ）、システム−オン−チップシステム（ＳＯＣ）、複合プログラマブルロジック素子（ＣＰＬＤ）などを含むが、これに限定されない。

本願の方法を実施するためのプログラムコードは、１つまたは複数のプログラマブル言語の任意の組み合わせを利用してプログラミングすることができる。これらのプログラムコードは、汎用コンピュータ、オンデマンドコンピュータ又はその他のプログラマブルデータ処理装置のプロセッサまたは制御装置に提供されることができ、プログラムコードがプロセッサまたは制御装置により実行される場合には、フローチャート、および／またはブロック図に規定された機能／操作が実施される。プログラムコードは、完全に機械上で実行されるか、部分的に機械上で実行されるか、独立したソフトウェアパッケージとして部分的に機械上で実行されて、部分的にリモートマシン上で実行されたり、または完全にリモートマシンまたはサービスで実行されることができる。

本願の文脈において、機械可読媒体は、あるタイプの媒体であることができ、コマンドを実行するシステム、装置又は機器によって使用されるか、またはコマンドの実行システム、装置または機器と組み合わせて使用されるプログラムを含むまたは記憶することができる。機械可読媒体は、電子的、磁気的、光学的、電磁気的、赤外線、または半導体を用いた、システム／装置／機器、またはこれらの任意の適切な組み合わせを含むことができるが、これに限定されない。機械可読記憶媒体のより具体的な例は、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去およびプログラム可能な読み取り専用メモリ（ＥＰＲＯＭまたはフラッシュメモリ）、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ−ＲＯＭ）、光学ストレージ装置、磁気記憶装置、またはこれらの任意の適切な組み合わせを含むことができるが、これに限定されない。

また、特定の順序を利用して、各操作を説明したが、これはこのような操作が図示された特定の順序またはシーケンスで実行されることを要求したり、目的の結果を実現するために図示されたすべての操作が実行されることを要求すると理解してはならない。一定の環境において、マルチタスクと並列処理は、有利であることができる。同様に、上記説明に様々な具体的な実現の詳細が含まれているが、これらは本願の範囲の限定と解釈してはならない。別の実施形態の文脈で説明されたいくつかの特徴は、組み合わせの方法で単一の実現に実現されることができる。逆に、単一に実現された前記各種の特徴も個別にまたは任意の適切なサブ組み合わせの方法で複数の実現に実現されることもできる。

構造の特徴および／または方法のロジックの動作に固有の言語を使用して本主題を説明したが、特許請求の範囲に限定された主題は、必ずしも前述した特定の特徴または動作に限定されるべきではないことを理解すべきである。逆に、前述した特定の特徴または動作は、単に特許請求の範囲を実現する例示的形式である。

Claims (15)

1. 道路中の車線境界線を確定するための方法であって、
   収集主体を道路で走行させて取得した、道路中の車線境界線を含むセンサデータとしてのレーザ反射率を含む点群データから、所定距離をおいた所定領域のそれぞれから点群データを複数選択するステップと、
   前記点群データに基づいて、前記所定領域のそれぞれからレーザ反射率閾値を満たす第１のレーザ反射率を有する点を選択して第１組の点とし、前記第１組の点を通る曲線を基準曲線として作成するステップと、
   収束条件が満たされるまで反復ステップを実行するステップであって、
   前記反復ステップは、
   前記所定領域のそれぞれの点群データから、少なくとも前記基準曲線および第２のレーザ反射率に基づいて曲線を構成する点を選択して第２組の点とすることと、
   前記第２組の点を通る曲線を作成し、該曲線を第２の曲線とすることと、
   前記基準曲線の第１のフィッティング度と前記第２の曲線の第２のフィッティング度との間のフィッティング度の差を確定することと、
   少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第２の曲線が収束条件を満たしているかどうかを確定することと、
   前記収束条件が満たされていないことに応じて、前記第２の曲線を前記基準曲線とすることと、を含む、ステップと、
   前記第２の曲線が前記収束条件を満たしていることに応じて、前記収束条件を満たしたときの第２組の点を、前記道路の前記車線境界線として確定するステップとを含み、
   前記基準曲線の第１のフィッティング度は、前記第１組の点における各点から前記基準曲線までのユークリッド距離と、前記第１組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定され、
   前記第２の曲線の第２のフィッティング度は、前記第２組の点における各点から前記第２の曲線までのユークリッド距離と、前記第２組の点のうち前記第２の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
   道路中の車線境界線を確定するための方法。
2. 前記所定領域の点群データから少なくとも前記基準曲線及び第２のレーザ反射率に基づいて曲線を構成する点を選択して第２組の点とすることは、
   前記基準曲線からのユークリッド距離が近く且つレーザ反射率が高い点が優先的に選択されることを含む、
   請求項１に記載の道路中の車線境界線を確定するための方法。
3. 前記少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第２の曲線が前記収束条件を満たしているかどうかを確定することは、
   前記基準曲線を構成するすべての点におけるレーザ反射率の平均値を第１の平均レーザ反射率として確定するステップと、
   前記第２の曲線を構成するすべての点におけるレーザ反射率の平均値を第２の平均レーザ反射率として確定するステップと、
   前記第１の平均レーザ反射率と前記第２の平均レーザ反射率との間のレーザ反射率の差を確定するステップと、
   前記レーザ反射率の差と前記フィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するステップを含む、
   請求項２に記載の道路中の車線境界線を確定するための方法。
4. 前記収集主体が具備する画像収集装置によって、前記所定領域における車線境界線を含む画像データを取得するステップと、
   前記所定領域における各点の前記画像データへのマッピングを確立するステップと、
   をさらに含む、
   請求項１に記載の道路中の車線境界線を確定するための方法。
5. 前記少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第２の曲線が収束条件を満たしているかどうかを確定することは、
   前記所定領域における各点の前記画像データへのマッピングに基づいて、前記第１組の点および前記第２組の点の前記車線境界線に属することを示す信頼度をそれぞれ確定するステップと、
   確定された前記第１組の点の前記車線境界線に属する信頼度に基づいて、前記基準曲線を構成する全ての点の信頼度の平均値を第１の平均信頼度として確定するステップと、
   確定された前記第２組の点の前記車線境界線に属する信頼度に基づいて、前記第２の曲線を構成する全ての点の信頼度の平均値を第２の平均信頼度として確定するステップと、
   前記第１の平均信頼度と前記第２の平均信頼度との間の信頼度の差を確定するステップと、
   前記信頼度の差と前記フィッティング度の差との加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するステップと、を含む、
   請求項４に記載の道路中の車線境界線を確定するための方法。
6. 前記第２の曲線の前記第２のフィッティング度は、
   前記第２組の点における各点から前記第２の曲線までのユークリッド距離の平均値と、前記第２組の点のうち前記第２の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
   請求項１に記載の道路中の車線境界線を確定するための方法。
7. 道路中の車線境界線を確定するための装置であって、
   収集主体を道路で走行させて取得した、道路中の車線境界線を含むセンサデータとしてのレーザ反射率を含む点群データから、所定距離をおいた所定領域のそれぞれから点群データを複数選択するように構成された点群データ取得モジュールと、
   前記点群データに基づいて、前記所定領域のそれぞれからレーザ反射率閾値を満たす第１のレーザ反射率を有する点を選択して第１組の点とし、前記第１組の点を通る曲線を基準曲線として作成するように構成された曲線取得モジュールと、
   収束条件が満たされるまで反復ステップを実行するように構成された曲線更新モジュールであって、
   前記反復ステップは、
   前記所定領域それぞれの点群データから、少なくとも前記基準曲線及び第２のレーザ反射率に基づいて曲線を構成する点を選択して第２組の点とすることと、
   前記第２組の点を通る曲線を作成し、該曲線を第２の曲線とすることと、
   前記基準曲線の第１のフィッティング度と前記第２の曲線の第２のフィッティング度との間のフィッティング度の差を確定することと、
   少なくとも前記フィッティング度の差と所定の閾値との比較結果に基づいて、前記第２の曲線が収束条件を満たしているかどうかを確定することと、
   前記収束条件が満たされていないことに応じて、前記第２の曲線を前記基準曲線とすることと、を含む、曲線更新モジュールと、
   前記第２の曲線が前記収束条件を満たしていることに応じて、前記収束条件を満たしたときの第２組の点を、前記道路の前記車線境界線として確定するように構成された車線境界線確定モジュールと、を含み、
   前記基準曲線の第１のフィッティング度は、前記第１組の点における各点から前記基準曲線までのユークリッド距離と、前記第１組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定され、
   前記第２の曲線の第２のフィッティング度は、前記第２組の点における各点から前記第２の曲線までのユークリッド距離と、前記第２組の点のうち前記第２の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて確定される、
   道路中の車線境界線を確定するための装置。
8. 前記曲線更新モジュールは、
   前記基準曲線からのユークリッド距離が近く且つレーザ反射率が高い点が優先的に選択されるように、前記第２組の点を選択するように構成された第２の点選択モジュールを含む、請求項７に記載の道路中の車線境界線を確定するための装置。
9. 前記曲線更新モジュールは、
   前記基準曲線を構成するすべての点におけるレーザ反射率の平均値を第１の平均レーザ反射率として確定するように構成された第１の平均レーザ反射率確定モジュールと、
   前記第２の曲線を構成するすべての点におけるレーザ反射率の平均値を第２の平均レーザ反射率として確定するように構成された第２の平均レーザ反射率確定モジュールと、
   前記第１の平均レーザ反射率と前記第２の平均レーザ反射率との間のレーザ反射率の差を確定するように構成されたレーザ反射率差確定モジュールと、
   前記レーザ反射率の差と前記フィッティング度の差の加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するように構成された第１の収束判断モジュールをさらに含む、
   請求項８に記載の道路中の車線境界線を確定するための装置。
10. 前記曲線更新モジュールは、
    前記所定領域における車線境界線を含む画像データを取得するように構成された画像取得モジュールと、
    前記所定領域における各点の前記画像データへのマッピングを確立するように構成されたマッピングモジュールと、
    をさらに含む請求項７に記載の道路中の車線境界線を確定するための装置。
11. 前記曲線更新モジュールは、
    前記所定領域における各点の前記画像データへのマッピングに基づいて、前記第１組の点および前記第２組の点の前記車線境界線に属することを示す信頼度をそれぞれ確定するように構成された信頼度確定モジュールと、
    確定された前記第１組の点の前記車線境界線に属する信頼度に基づいて、前記基準曲線を構成する全ての点の信頼度の平均値を第１の平均信頼度として確定するように構成された第１の平均信頼度確定モジュールと、
    確定された前記第２組の点の前記車線境界線に属する信頼度に基づいて、前記第２の曲線を構成する全ての点の信頼度の平均値を第２の平均信頼度として確定するように構成された第２の平均信頼度確定モジュールと、
    前記第１の平均信頼度と前記第２の平均信頼度との間の信頼度の差を確定するように構成された信頼度差確定モジュールと、
    前記信頼度の差と前記フィッティング度の差との加重合計が所定の閾値よりも小さいことに応じて、前記収束条件を満たしていると確定するように構成された第２の収束判断モジュールと、をさらに含む、
    請求項１０に記載の道路中の車線境界線を確定するための装置。
12. 前記曲線更新モジュールは、
    前記第１組の点における各点から前記基準曲線までのユークリッド距離と、前記第１組の点のうち前記基準曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて、前記基準曲線の前記第１のフィッティング度を確定し、
    前記第２組の点における各点から前記第２の曲線までのユークリッド距離の平均値と、前記第２組の点のうち前記第２の曲線までのユークリッド距離が所定距離よりも小さい点の占有率との加重合計に基づいて、前記第２の曲線の前記第２のフィッティング度を確定するように構成されたフィッティング度確定モジュールを含む、
    請求項７に記載の道路中の車線境界線を確定するための装置。
13. １つまたは複数のプロセッサと、
    １つまたは複数のプログラムを格納するための記憶装置とを含む機器であって、
    前記１つまたは複数のプログラムが前記１つまたは複数のプロセッサによって実行される場合、前記１つまたは複数のプロセッサが請求項１から請求項６のいずれか１項の方法を実現する機器。
14. コンピュータプログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータプログラムがプロセッサによって実行される場合、請求項１から請求項６のうちいずれか１項の方法を実現するコンピュータ読み取り可能な記憶媒体。
15. コンピュータプログラムであって、
    前記コンピュータプログラムがプロセッサにより実行される場合、請求項１から請求項６のうちいずれか１項の方法を実現させるコンピュータプログラム。

Images