WO2020029706A1 - 一种伪车道线剔除方法及装置 - Google Patents

一种伪车道线剔除方法及装置 Download PDF

Info

Publication number
WO2020029706A1
WO2020029706A1 PCT/CN2019/093423 CN2019093423W WO2020029706A1 WO 2020029706 A1 WO2020029706 A1 WO 2020029706A1 CN 2019093423 W CN2019093423 W CN 2019093423W WO 2020029706 A1 WO2020029706 A1 WO 2020029706A1
Authority
WO
WIPO (PCT)
Prior art keywords
lane line
road
lane
information
vehicle
Prior art date
Application number
PCT/CN2019/093423
Other languages
English (en)
French (fr)
Inventor
蒋少峰
冯锴
肖志光
Original Assignee
广州小鹏汽车科技有限公司
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 广州小鹏汽车科技有限公司 filed Critical 广州小鹏汽车科技有限公司
Publication of WO2020029706A1 publication Critical patent/WO2020029706A1/zh

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Multimedia (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车辆智能辅助驾驶技术领域，公开一种伪车道线剔除方法及装置，包括：获取车辆所在道路的道路图像，并从道路图像中识别车道线；获取道路的静止障碍物的障碍物信息，并通过对障碍物信息进行拟合生成道路的边界信息；将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线。实施本发明实施例，可通过车辆所在道路的道路图像获取车道线，并通过道路周围的障碍物信息确定道路的边界信息，如果与车道线颜色相似的障碍物被识别为车道线时，通过检测车道线是否处于边界内，可以将未处于边界内的伪车道线剔除，保证了识别出的车道线为真实的车道线，从而提升车道线识别的正确率。

Description

一种伪车道线剔除方法及装置 技术领域
本发明涉及车辆智能辅助驾驶技术领域，具体涉及一种伪车道线剔除方法及装置。
背景技术
车辆行驶过程中对周围环境的感知是实现车辆智能辅助驾驶与无人驾驶的基础，车道线识别技术是实现车辆智能路径规划和决策控制的重要环节，也是实现车道保持辅助(Lane Keeping Assist，LKA)和车道偏离预警(Lane Departure Warning，LDW)等辅助驾驶的基础。
现有的车道线识别技术通常是：获取车辆所在道路的当前道路场景照片，利用图像识别技术从当前道路场景照片中识别出车道线。然而，在实践过程中发现，由于实际道路中光照环境的影响，会出现将当前道路场景照片中颜色相近的路边护栏等干扰物识别为车道线的情况，从而导致车道线识别的错误率较高，影响车辆智能驾驶决策的准确性，造成严重的安全隐患。
发明内容
本发明实施例公开一种伪车道线剔除方法及装置，能够提升车道线识别的正确率。
本发明实施例第一方面公开一种伪车道线剔除方法，所述方法包括：
获取车辆所在道路的道路图像，并从所述道路图像中识别车道线；
获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，所述边界信息至少包括所述道路的边界；
将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪车道线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述获取车辆所在道路的道路图像，并从所述道路图像中识别车道线，包括：
利用车辆上设置的视觉传感器获取所述车辆所在道路的道路图像；
对所述道路图像进行语义特征识别，提取所述道路图像中的语义特征；
判断所述语义特征中是否存在与车道线匹配的语义特征；
如果存在，通过图像识别技术识别所述道路图像中的车道线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，包括：
利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息，所述障碍物信息包括所述静止障碍物相对于所 述车辆的预估行驶曲线的方位；
通过分析所述障碍物信息中的所述方位，将所述障碍物信息分为左侧障碍物信息和右侧障碍物信息；
利用最小二乘法分别对所述左侧障碍物信息和所述右侧障碍物信息进行拟合，生成与所述左侧障碍物信息对应的道路左边界曲线方程以及与所述右侧障碍物信息对应的道路右边界曲线方程；
根据所述道路左边界曲线方程和所述道路右边界曲线方程计算生成所述道路的边界信息。
作为一种可选的实施方式，在本发明实施例第一方面中，所述利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息之前，所述方法还包括：
获取所述车辆的行驶状态信息，所述行驶状态信息至少包括所述车辆的速度、转轮的转角以及横摆角速度；
根据所述行驶状态信息预估所述车辆的行驶轨迹，并将所述行驶轨迹确定为所述车辆的预估行驶曲线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述获取车辆所在道路的道路图像，并从所述道路图像中识别车道线之后，以及所述将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线之前，所述方法还包括：
对所述道路图像中的所述车道线进行拟合，生成与所述车道线对应的车道线曲线方程，其中，一个所述车道线对应一个所述车道线曲线方程；
所述将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪车道线，包括：
以所述车辆为依据，结合所述道路的边界信息以及所述车道线对应的所述车道线曲线方程生成综合道路信息；
从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线之后，所述方法还包括：
将所述综合道路信息中除所述伪车道线曲线方程之外的所述车道线曲线方程确定为真实车道线曲线方程；
通过所述车辆设置的显示器输出显示所述真实车道线曲线方程对应的真实车道线。
本发明实施例第二方面公开一种伪车道线剔除装置，包括：
识别单元，用于获取车辆所在道路的道路图像，并从所述道路图像中识别车道线；
第一拟合单元，用于获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，所述边界信息至少包括所述道路的边界；
剔除单元，用于将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪 车道线。
作为一种可选的实施方式，在本发明实施例第二方面中，所述识别单元包括：
第一获取子单元，用于利用车辆上设置的视觉传感器获取所述车辆所在道路的道路图像；
提取子单元，用于对所述道路图像进行语义特征识别，提取所述道路图像中的语义特征；
判断子单元，用于判断所述语义特征中是否存在与车道线匹配的语义特征；
识别子单元，用于在所述判断子单元判断的结果为是时，通过图像识别技术识别所述道路图像中的车道线。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第一拟合单元包括：
第二获取子单元，用于利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息，所述障碍物信息包括所述静止障碍物相对于所述车辆的预估行驶曲线的方位；
分析子单元，用于通过分析所述障碍物信息中的所述方位，将所述障碍物信息分为左侧障碍物信息和右侧障碍物信息；
拟合子单元，用于利用最小二乘法分别对所述左侧障碍物信息和所述右侧障碍物信息进行拟合，生成与所述左侧障碍物信息对应的道路左边界曲线方程以及与所述右侧障碍物信息对应的道路右边界曲线方程；
计算子单元，用于根据所述道路左边界曲线方程和所述道路右边界曲线方程计算生成所述道路的边界信息。
作为一种可选的实施方式，在本发明实施例第二方面中，所述伪车道线剔除装置还包括：
获取单元，用于在所述第二获取子单元利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息之前，获取所述车辆的行驶状态信息，所述行驶状态信息至少包括所述车辆的速度、转轮的转角以及横摆角速度；
预估单元，用于根据所述行驶状态信息预估所述车辆的行驶轨迹，并将所述行驶轨迹确定为所述车辆的预估行驶曲线，以及触发所述第二获取子单元执行所述的利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息。
作为一种可选的实施方式，在本发明实施例第二方面中，所述伪车道线剔除装置还包括：
第二拟合单元，用于在所述识别单元获取车辆所在道路的道路图像，并从所述道路图像中识别车道线之后，以及在所述剔除单元将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线之前，对所述道路图像中的所述车道线进行拟合，生成与所述车道线对应的车道线曲线方程，其中，一个所述车道线对应一个所述车道线曲线方程；
所述剔除单元包括：
生成子单元，用于以所述车辆为依据，结合所述道路的边界信息以及所述车道线对应的所述车道线曲线方程生成综合道路信息；
剔除子单元，用于从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线。
作为一种可选的实施方式，在本发明实施例第二方面中，所述伪车道线剔除装置还包括：
确定单元，用于在所述剔除子单元从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线之后，将所述综合道路信息中除所述伪车道线曲线方程之外的所述车道线曲线方程确定为真实车道线曲线方程；
输出单元，用于通过所述车辆设置的显示器输出显示所述真实车道线曲线方程对应的真实车道线。
本发明实施例第三方面公开另一种伪车道线剔除装置，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储了程序代码，其中，所述程序代码包括用于执行第一方面的任意一种方法的部分或全部步骤的指令。
本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，获取车辆所在道路的道路图像，并从道路图像中识别车道线；获取道路的静止障碍物的障碍物信息，并通过对障碍物信息进行拟合生成道路的边界信息；将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线。可见，实施本发明实施例，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，如果与车道线颜色相似的护栏等障碍物被识别为车道线时，通过检测车道线是否处于边界内，可以将未处于边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。
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是本发明实施例公开的一种伪车道线剔除方法的流程示意图；
图2是本发明实施例公开的另一种伪车道线剔除方法的流程示意图；
图3是本发明实施例公开的另一种伪车道线剔除方法的流程示意图；
图4是本发明实施例公开的一种综合道路信息的示意图；
图5是本发明实施例公开的一种伪车道线剔除装置的结构示意图；
图6是本发明实施例公开的另一种伪车道线剔除装置的结构示意图；
图7是本发明实施例公开的另一种伪车道线剔除装置的结构示意图；
图8是本发明实施例公开的另一种伪车道线剔除装置的结构示意图。
具体实施方式
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做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。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开一种伪车道线剔除方法及装置，能够提升车道线识别的正确率。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种伪车道线剔除方法的流程示意图。如图1所示，该伪车道线剔除方法可以包括以下步骤：
101、伪车道线剔除装置获取车辆所在道路的道路图像，并从道路图像中识别车道线。
本发明实施例中，伪车道线剔除装置可以为设置在车辆上的终端设备中的部分装置。可以通过摄像头或视觉传感器等获取道路图像。道路图像为车辆当前行驶方向上的道路图像，可以通过图像识别技术(Image Recognition Technology)、图像分割(Image Segmentation)技术等自动的识别出道路图像中的车道线，且本发明实施例中对识别出的车道线的数量不做限定。
102、伪车道线剔除装置获取道路的静止障碍物的障碍物信息，并通过对障碍物信息进行拟合生成道路的边界信息，边界信息至少包括道路的边界。
本发明实施例中，障碍物信息只需要获取静止障碍物的信息，因为除本车辆之外的车辆也可以认为是障碍物，行 人也可以认为是障碍物，然而运动中的车辆和行人的位置并不固定，并且运动中的车辆和行人的位置并不能表示道路的边界，因此障碍物信息只需要获取静止障碍物的障碍物信息。静止障碍物可以是位于道路两侧的障碍物，如路边护栏、绿化带、指示牌、路灯或者建筑物等，对此，本发明实施例不做限定。由于车辆是行驶在道路中间的，因此获取的静止障碍物的障碍物信息可以是分布在道路两侧的，根据道路两侧的障碍物信息可以拟合生成道路的边界信息，该边界信息可以为根据道路两侧的障碍物信息得到的道路左边界和道路右边界，道路左边界和道路右边界之间可以认为是道路。
作为一种可选的实施方式，伪车道线剔除装置执行步骤102之前还可以执行以下步骤：
伪车道线剔除装置获取道路的障碍物；
伪车道线剔除装置通过测速雷达检测障碍物的速度；
伪车道线剔除装置将障碍物中速度为零的障碍物确定为静止障碍物。
其中，实施这种实施方式，可以避免伪车道线剔除装置将该车辆附近移动的其他车辆和/或行人等识别为障碍物，降低了拟合生成道路的边界信息的误差。
103、伪车道线剔除装置将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线。
本发明实施例中，如果识别出某个车道线位于道路的边界之外，可以认为该车道线并不存在与道路上，可能是路边护栏等障碍物，因此可以将该车道线确定为伪车道线，并将该伪车道线从车道线中剔除。
作为一种可选的实施方式，伪车道线剔除装置将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线的方式可以包括以下步骤：
伪车道线剔除装置结合识别出的车道线生成车道线集合；
伪车道线剔除装置依次遍历该车道线集合中的车道线，将位于道路的边界之外的车道线标记为伪车道线，并将位于道路的边界之内的车道线标记为真实车道线；
伪车道线剔除装置剔除车道线集合中被标记为伪车道线的车道线，从而使车道线集合中的车道线均为真实车道线。
其中，实施这种实施方式，可以确定每个车道线都被遍历过，并且对车道线进行真伪标记，以使伪车道线剔除装置可以批量的删除伪车道线，提高了伪车道线剔除装置的运行速度。
在图1所描述的方法中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，实施图1所描述的方法，可以避免伪车道线剔除装置将该车辆附近移动的其他车辆和/或行人等识别为障碍物，降低了拟合生成道路的边界信息的误差。此外，实施图1所描述的方法，可以确定每个车道线都被遍历过，并且对车道线进行真伪标记，以使伪车道线剔除装置可以批量的删除伪车道线，提高了伪车道线剔除装置 的运行速度。
实施例二
请参阅图2，图2是本发明实施例公开的另一种伪车道线剔除方法的流程示意图。如图2所示，该伪车道线剔除方法可以包括以下步骤：
201、伪车道线剔除装置利用车辆上设置的视觉传感器获取车辆所在道路的道路图像。
本发明实施例中，车辆上设置的视觉传感器可以为单目视觉传感器，通过单目视觉传感器获取的道路图像可以被识别为三维图像，从而使伪车道线剔除装置快速且准确的获取道路图像中的信息。视觉传感器可以设置在车辆的前方，以获取车辆前方的道路图像；视觉传感器也可以是可旋转的，可旋转的视觉传感器可以设置在车辆的任意位置，伪车道线剔除装置可以控制该可旋转的视觉传感器的拍摄方向，以使可旋转的视觉传感器始终获取伪车道线剔除装置需要的道路图像，从而提高了视觉传感器的可操控性，提高了道路图像内容的多样性。
202、伪车道线剔除装置对道路图像进行语义特征识别，提取道路图像中的语义特征。
本发明实施例中，语义特征可以为图像中存在的物体的含义，如道路图像中的语义特征可以包括车辆、路面、车道线、树、房屋或者指示牌等语义特征。伪车道线剔除装置可以识别道路图像中的语义特征，并将相同的语义特征进行合并，以简化判断语义特征中是否存在与车道线语义特征匹配的步骤，无需对识别出的每个语义特征进行判断，只需对不同的语义特征进行判断，提高了伪车道线剔除装置运行速度。
203、伪车道线剔除装置判断语义特征中是否存在与车道线匹配的语义特征，如果是，执行步骤204～步骤211；如果否，结束本流程。
本发明实施例中，如果道路图像中识别出存在与车道线匹配的语义特征，可以认为需要对当前道路进行车道线检测，以判断道路中存在的车道线是否为伪车道线，如果当前道路中存在伪车道线，就需要将伪车道线剔除，从而保证车道线识别的准确性，进一步保证驾驶的安全性。
204、伪车道线剔除装置通过图像识别技术识别道路图像中的车道线。
作为一种可选的实施方式，伪车道线剔除装置通过图像识别技术识别道路图像中的车道线的方式可以包括以下步骤：
伪车道线剔除装置通过图像分割技术将该道路图像分割为若干个子图像；
伪车道线剔除装置利用深度学习(Deep Learning)算法获取若干个子图像的图像语义特征；
伪车道线剔除装置从图像语义特征中确定与车道线语义特征匹配的目标图像语义特征；
伪车道线剔除装置通过图像识别技术识别目标图像语义特征对应的车道线，一个目标图像语义特征对应一个车道 线。
其中，实施这种实施方式，可以利用图像分割技术、深度学习算法以及图像识别技术共同识别出道路图像中存在的车道线，以使道路图像中存在的车道线尽可能的都可以识别出来，提高了车道线识别的准确率。
本发明实施例中，实施上述的步骤201～步骤204，可以在确认道路图像中存在车道线之后再去识别道路图像中的车道线，从而简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。
205、伪车道线剔除装置获取车辆的行驶状态信息，行驶状态信息至少包括车辆的速度、转轮的转角以及横摆角速度。
本发明实施例中，车辆的行驶状态信息可以通过惯性测量单元(Inertial Measurement Unit，IMU)获得，IMU可以包含速度传感器、加速度计、陀螺仪以及轮速计等装置，用于获取车辆的行驶速度、车辆的加速度、转轮的转角以及横摆角速度等信息。
206、伪车道线剔除装置根据行驶状态信息预估车辆的行驶轨迹，并将行驶轨迹确定为车辆的预估行驶曲线。
本发明实施例中，车辆在预估行驶曲线上的当前位置的切线可以确定为车辆的当前行驶方向，车辆对应的当前行驶方向可以随着车辆的预估行驶曲线变化。
本发明实施例中，实施上述的步骤205～步骤206，根据车辆当前的行驶状态预估出车辆的行驶轨迹，进而计算得到车辆的预估行驶曲线，以使伪车道线剔除装置可以利用该预估行驶曲线准确的识别出伪车道线。
本发明实施例中，步骤205～步骤206可以在步骤201～步骤204中的任意步骤之前或之后执行，对不会本发明实施例产生影响。
207、伪车道线剔除装置利用车辆上设置的雷达传感器获取静止障碍物的障碍物信息，障碍物信息包括静止障碍物相对于车辆的预估行驶曲线的方位。
本发明实施例中，车辆上设置的雷达传感器可以为毫米波雷达传感器(Millimeter Radar Sensor)，且本发明实施例对于车辆上设置的毫米波雷达传感器的数量不做限定，通过雷达传感器可以精确的获取车辆所在道路周围的静止障碍物的信息，如可以获取静止障碍物距车辆的直线距离，还可以获取静止障碍物与该车辆的当前行驶方向的夹角，通过上述获取到的直线距离和夹角可以计算出该静止障碍物相对于车辆的预估行驶曲线的具体方位。
具体的，毫米波雷达传感器使用的毫米波可以处于30～300GHz频域范围内，毫米波雷达传感器具有体积小、易集成以及空间分辨率高等优点，此外，由于毫米波雷达传感器穿透雾、烟以及灰尘的能力强，因此毫米波雷达传感器还具有抗干扰能力强的特点。
进一步的，毫米波雷达传感器可以内置若干条发射天线以及若干条接收天线，毫米波雷达传感器可以通过发射天线发射雷达波，在雷达波被障碍物反射之后形成雷达回波，接收天线可以接收雷达回波，其中，雷达波和雷达回波的 速度都等于光速；毫米波雷达传感器可以根据光速以及发射天线发射雷达波与接收天线接收雷达回波的时间差计算得到障碍物距车辆的距离。毫米波雷达传感器还可以计算障碍物与车辆的当前行驶方向的方位角，当毫米波雷达传感器中任意两条接收天线接收到相同的雷达回波时，可以计算得到该任意两条接收天线分别距障碍物的距离，根据该任意两条接收天线之间的几何距离以及该任意两条接收天线分别距障碍物的距离，利用三角函数可以计算得到该障碍物与车辆的当前行驶方向的方位角，进而可以根据方位角确定障碍物位于车辆的当前行驶方向的左侧或右侧。此外，毫米波雷达传感器还可以对障碍物的运动状态进行判断，毫米波雷达传感器可以以固定的频率通过发射天线发射雷达波，并对接收天线接收到的雷达回波的频率进行计算分析，得到障碍物相对于车辆的运动速度，如果障碍物的运动方向与车辆的行驶方向相反且障碍物的速度与车辆的速度相同，可以认为该障碍物处于静止状态，为静止障碍物；如果障碍物的运动方向不与车辆的行驶方向相反或者障碍物的速度与车辆的速度不同，可以认为该障碍物处于运动状态，为运动障碍物。可见，使用毫米波雷达传感器可以准确的确定静止障碍物以及静止障碍物的方位，提高了伪车道线剔除装置确定障碍物信息的效率。
208、伪车道线剔除装置通过分析障碍物信息中的方位，将障碍物信息分为左侧障碍物信息和右侧障碍物信息。
本发明实施例中，由于车辆是行驶在道路左边界和道路右边界之间的，且道路左边界和道路右边界通常都会存在护栏、绿化带或者建筑物等静止障碍物，因此，需要对获取到的静止障碍物相对于车辆的当前行驶方向的方位进行分类，可以将静止障碍物信息分为两类，一类是道路左边界的左侧障碍物信息，另一类是道路右边界的右侧障碍物信息。将静止障碍物信息分为左侧障碍物信息和右侧障碍物信息，可以使后续拟合生成的道路左边界曲线方程和道路右边界曲线方程更加准确。
209、伪车道线剔除装置利用最小二乘法分别对左侧障碍物信息和右侧障碍物信息进行拟合，生成与左侧障碍物信息对应的道路左边界曲线方程以及与右侧障碍物信息对应的道路右边界曲线方程。
本发明实施例中，可以分别对左侧障碍物信息和右侧障碍物信息进行最小二乘三阶多项式拟合，生成的道路左边界曲线方程和道路右边界曲线方程都可以为：
y＝C 3*x 3+C 2*x 2+C 1*x+C 0
其中，y为横坐标，x为纵坐标，C 0、C 1、C 2以及C 3均为该多项式的系数，且均通过最小二乘三阶多项式拟合得到，此外，共用道路左边界曲线方程和道路右边界曲线方程共用C 1、C 2以及C 3这三个系数。
210、伪车道线剔除装置根据道路左边界曲线方程和道路右边界曲线方程计算生成道路的边界信息。
本发明实施例中，实施上述的步骤207～步骤210，可以生成道路左边界曲线方程和道路右边界曲线方程，进而计算得到道路的边界信息，从而使得计算得到的道路的边界信息更加准确。
211、伪车道线剔除装置将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线。
在图2所描述的方法中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，实施图2所描述的方法，可以提高视觉传感器的可操控性，提高了道路图像内容的多样性。此外，实施图2所描述的方法，可以使道路图像中存在的车道线尽可能的都可以识别出来，提高了车道线识别的准确率。此外，实施图2所描述的方法，可以简化对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。此外，实施图2所描述的方法，可以利用该预估行驶曲线准确的识别出伪车道线。此外，实施图2所描述的方法，可以生成道路左边界曲线方程和道路右边界曲线方程，进而计算得到道路的边界信息，从而使得计算得到的道路的边界信息更加准确。
实施例三
请参阅图3，图3是本发明实施例公开的另一种伪车道线剔除方法的流程示意图。如图3所示，该伪车道线剔除方法可以包括以下步骤：
301、伪车道线剔除装置获取车辆所在道路的道路图像，并从道路图像中识别车道线。
302、伪车道线剔除装置对道路图像中的车道线进行拟合，生成与车道线对应的车道线曲线方程，其中，一个车道线对应一个车道线曲线方程。
本发明实施例中，车道线对应的车道线曲线方程也是通过最小二乘三阶多项式拟合生成的，车道线曲线方程可以与道路左边界曲线方程和道路右边界曲线方程使用的公式一样，此外，由于车道线、道路左边界以及道路右边界都是以在当前道路上的车辆为依据获取的，因此，车道线曲线方程可以与道路左边界曲线方程和道路右边界曲线方程共用C 1、C 2以及C 3这三个系数。
本发明实施例中，实施上述的步骤302，可以根据识别出的每个车道线计算生成各个车道线对应的车道线曲线方程，以使后续从车道线中识别出的伪车道线更加准确。
303、伪车道线剔除装置获取道路的静止障碍物的障碍物信息，并通过对障碍物信息进行拟合生成道路的边界信息，边界信息至少包括道路的边界。
304、伪车道线剔除装置以车辆为依据，结合道路的边界信息以及各个车道线对应的车道线曲线方程生成综合道路信息。
本发明实施例中，可以将道路的边界信息(可以为道路左边界曲线方程和道路右边界曲线方程)以及各个车道线对应的车道线曲线方程融合到一个统一的分析标准中，该分析标准可以以该车辆为依据，因为道路的边界信息以及各个车道线对应的车道线曲线方程都是基于该车辆得到的，该分析标准可以整合为综合道路信息。
305、伪车道线剔除装置从综合道路信息中确定处于道路的边界之外的伪车道线曲线方程，并从车道线中剔除伪车道线曲线方程对应的伪车道线。
本发明实施例中，综合道路信息中可以有一个或多个处于道路的边界之外的伪车道线曲线方程，对于伪车道线曲线方程的数量本发明实施例不做限定。因为一个车道线对应一个车道线曲线方程，且伪车道线曲线方程可以是一种车道线曲线方程，所以一个伪车道线曲线方程可以对应一个伪车道线。当识别出的伪车道线曲线方程的数量为一个时，伪车道线剔除装置可以从车道线中剔除该伪车道线曲线方程对应的一个伪车道线；当识别出的伪车道线曲线方程的数量为多个时，伪车道线剔除装置可以从车道线中剔除各个伪车道线曲线方程分别对应的伪车道线。
本发明实施例中，实施上述的步骤304～步骤305，将道路的边界信息以及车道线曲线方程整合到综合道路信息中，可以在同一个标准中识别伪车道线，从而使伪车道线的识别更加简便。
请一并参阅图4，图4是一种综合道路信息的示意图。其中，以车辆的中心为原点O建立平面直角坐标系，车辆的行驶方向为平面直角坐标系的x轴的正方向，与x轴平行的为y轴，且y轴的正方向为车辆的行驶方向的左侧，y轴的负方向为车辆的行驶方向的右侧。图4中还包含若干个障碍物信息，位于预估行驶曲线左侧的障碍物信息为左侧障碍物信息，位于预估行驶曲线右侧的障碍物信息为右侧障碍物信息，根据若干个左侧障碍物信息可以拟合生成道路左边界曲线方程，曲线L是该道路左边界方程在平面直角坐标系中对应的曲线，点A为曲线L与y轴的交点，且点A的坐标为(0，a)；根据若干个右侧障碍物信息可以拟合生成道路右边界曲线方程，曲线R是该道路右边界方程在平面直角坐标系中对应的曲线，点D为曲线R与y轴的交点，且点D的坐标为(0，d)。曲线Z1、曲线Z2以及曲线Z3均为车道线曲线方程，点B为曲线Z1与y轴的交点，且点B的坐标为(0，b)；点C为曲线Z2与y轴的交点，且点C的坐标为(0，c)；点E为曲线Z3与y轴的交点，且点E的坐标为(0，e)。点A与点D在y轴上的横坐标对应的区间(a，d)为真实道路的宽度，每个车道线曲线方程都会与y轴有交点，只有当车道线曲线方程与y轴的交点的横坐标在区间(a，d)之间时，才认为该车道线曲线方程为真实车道线曲线方程，反之，当车道线曲线方程与y轴的交点的横坐标不在区间(a，d)之间时，则认为该车道线曲线方程为伪车道线曲线方程。图4中，点B的横坐标b与点C的横坐标c均在区间(a，d)之间，因此，点B所在的曲线Z1对应的车道线曲线方程与点C所在的曲线Z2对应的车道线曲线方程均为真实车道线曲线方程；而点E的横坐标e不在区间(a，d)之间，且e＜d，因此，点E所在的曲线Z3对应的车道线曲线方程伪车道线曲线方程，可以认为曲线Z3对应的车道线位于道路右边界的右边，需要将曲线Z3对应的伪车道线曲线方程从车道线曲线方程中剔除。
需要说明的是，综合道路信息的示意图中车道线曲线方程的数量可以不为3个，对车道线曲线方程的数量，本发明实施例不做限定。
306、伪车道线剔除装置将综合道路信息中除伪车道线曲线方程之外的车道线曲线方程确定为真实车道线曲线方程。
本发明实施例中，伪车道线剔除装置将确定的真实车道线曲线方程可以发送给车辆控制中心，以使车辆控制中心依据真实车道线曲线方程做出车辆行驶的决策，从而保证了车辆行驶决策的准确性。
307、伪车道线剔除装置通过车辆设置的显示器输出显示真实车道线曲线方程对应的真实车道线。
本发明实施例中，真实车道线曲线方程的数量可以为一个或多个，对此，本发明实施例不做限定。因为一个车道线对应一个车道线曲线方程，且真实车道线曲线方程也可以是一种车道线曲线方程，所以一个真实车道线曲线方程可以对应一个真实车道线。当识别出的真实车道线曲线方程的数量为一个时，伪车道线剔除装置可以通过显示器输出显示该真实车道线曲线方程对应的一个真实车道线；当识别出的真实车道线曲线方程的数量为多个时，伪车道线剔除装置可以通过显示器输出显示各个真实车道线曲线方程分别对应的伪车道线。
本发明实施例中，车辆通过显示器可以通过生成当前道路的模拟图像的方式输出真实车道线，该模拟图像可以为二维模拟图像，也可以为三维模拟图像，对此，本发明实施例不做限定。
本发明实施例中，实施上述的步骤306～步骤307，可以将剔除了伪车道线之后的车道线输出显示，以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
在图3所描述的方法中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，实施图3所描述的方法，可以使从车道线中识别出的伪车道线更加准确。此外，实施图3所描述的方法，可以在同一个标准中识别伪车道线，从而使伪车道线的识别更加简便。此外，实施图3所描述的方法，可以保证了车辆行驶决策的准确性。此外，实施图3所描述的方法，可以将剔除了伪车道线之后的车道线输出显示，以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
实施例四
请参阅图5，图5是本发明实施例公开的一种伪车道线剔除装置的结构示意图。如图5所示，该伪车道线剔除装置可以包括：
识别单元501，用于获取车辆所在道路的道路图像，并从道路图像中识别车道线。
第一拟合单元502，用于获取道路的静止障碍物的障碍物信息，并通过对障碍物信息进行拟合生成道路的边界信息，边界信息至少包括道路的边界。
作为一种可选的实施方式，第一拟合单元502还可以用于：
获取道路的障碍物；
通过测速雷达检测障碍物的速度；
将障碍物中速度为零的障碍物确定为静止障碍物。
其中，实施这种实施方式，可以避免将该车辆附近移动的其他车辆和/或行人等识别为障碍物，降低了拟合生成道路的边界信息的误差。
剔除单元503，用于将识别单元501识别的车道线中位于第一拟合单元502拟合生成的道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线。
作为一种可选的实施方式，剔除单元503将车道线中位于道路的边界之外的车道线确定为伪车道线，从车道线中剔除伪车道线的方式具体可以为：
结合识别出的车道线生成车道线集合；
依次遍历该车道线集合中的车道线，将位于道路的边界之外的车道线标记为伪车道线，并将位于道路的边界之内的车道线标记为真实车道线；
剔除车道线集合中被标记为伪车道线的车道线，从而使车道线集合中的车道线均为真实车道线。
其中，实施这种实施方式，可以确定每个车道线都被遍历过，并且对车道线进行真伪标记，从而可以批量的删除伪车道线，提高了伪车道线剔除装置的运行速度。
在图5所示的伪车道线剔除装置中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，在图5所示的伪车道线剔除装置中，可以避免将该车辆附近移动的其他车辆和/或行人等识别为障碍物，降低了拟合生成道路的边界信息的误差。此外，在图5所示的伪车道线剔除装置中，可以批量的删除伪车道线，提高了伪车道线剔除装置的运行速度。
实施例五
请参阅图6，图6是本发明实施例公开的另一种伪车道线剔除装置的结构示意图。其中，图6所示的伪车道线剔除装置是由图5所示的伪车道线剔除装置进行优化得到的。与图5所示的伪车道线剔除装置相比，图6所示的伪车道线剔除装置的识别单元501可以包括：
第一获取子单元5011，用于利用车辆上设置的视觉传感器获取车辆所在道路的道路图像。
提取子单元5012，用于对第一获取子单元5011获取的道路图像进行语义特征识别，提取道路图像中的语义特征。
判断子单元5013，用于判断提取子单元5012提取的语义特征中是否存在与车道线匹配的语义特征。
识别子单元5014，用于在判断子单元5013判断的结果为是时，通过图像识别技术识别第一获取子单元5011获取的道路图像中的车道线。
本发明实施例中，可以在确认道路图像中存在车道线之后再去识别道路图像中的车道线，从而简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。
作为一种可选的实施方式，识别子单元5014通过图像识别技术识别道路图像中的车道线的方式具体可以为：
通过图像分割技术将该道路图像分割为若干个子图像；
利用深度学习算法获取若干个子图像的图像语义特征；
从图像语义特征中确定与车道线语义特征匹配的目标图像语义特征；
通过图像识别技术识别目标图像语义特征对应的车道线，一个目标图像语义特征对应一个车道线。
其中，实施这种实施方式，可以利用图像分割技术、深度学习算法以及图像识别技术共同识别出道路图像中存在的车道线，以使道路图像中存在的车道线尽可能的都可以识别出来，提高了车道线识别的准确率。
作为一种可选的实施方式，图6所示的伪车道线剔除装置的第一拟合单元502可以包括：
第二获取子单元5021，用于利用车辆上设置的雷达传感器获取静止障碍物的障碍物信息，障碍物信息包括静止障碍物相对于车辆的预估行驶曲线的方位；
分析子单元5022，用于通过分析第二获取子单元5021获取的障碍物信息中的方位，将障碍物信息分为左侧障碍物信息和右侧障碍物信息；
拟合子单元5023，用于利用最小二乘法分别对分析子单元5022分析得到的左侧障碍物信息和右侧障碍物信息进行拟合，生成与左侧障碍物信息对应的道路左边界曲线方程以及与右侧障碍物信息对应的道路右边界曲线方程；
计算子单元5024，用于根据拟合子单元5023生成的道路左边界曲线方程和道路右边界曲线方程计算生成道路的边界信息。
其中，实施这种实施方式，可以生成道路左边界曲线方程和道路右边界曲线方程，进而计算得到道路的边界信息，从而使得计算得到的道路的边界信息更加准确。
作为一种可选的实施方式，图6所示的伪车道线剔除装置还可以包括：
获取单元504，用于在第二获取子单元5021利用车辆上设置的雷达传感器获取静止障碍物的障碍物信息之前，获取车辆的行驶状态信息，行驶状态信息至少包括车辆的速度、转轮的转角以及横摆角速度；
预估单元505，用于根据获取单元504获取的行驶状态信息预估车辆的行驶轨迹，并将行驶轨迹确定为车辆的预估行驶曲线，以及触发第二获取子单元5021执行利用车辆上设置的雷达传感器获取静止障碍物的障碍物信息。
其中，实施这种实施方式，根据车辆当前的行驶状态预估出车辆的行驶轨迹，进而计算得到车辆的预估行驶曲线，以使伪车道线剔除装置可以利用该预估行驶曲线准确的识别出伪车道线。
在图6所示的伪车道线剔除装置中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物 信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，在图6所示的伪车道线剔除装置中，可以简化对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。此外，在图6所示的伪车道线剔除装置中，可以使道路图像中存在的车道线尽可能的都可以识别出来，提高了车道线识别的准确率。此外，在图6所示的伪车道线剔除装置中，可以使得计算得到的道路的边界信息更加准确。此外，在图6所示的伪车道线剔除装置中，可以使伪车道线剔除装置可以利用该预估行驶曲线准确的识别出伪车道线。
实施例六
请参阅图7，图7是本发明实施例公开的另一种伪车道线剔除装置的结构示意图。其中，图7所示的伪车道线剔除装置是由图6所示的伪车道线剔除装置进行优化得到的。与图6所示的伪车道线剔除装置相比，图7所示的伪车道线剔除装置还可以包括：
第二拟合单元506，用于在识别单元501获取车辆所在道路的道路图像，并从道路图像中识别车道线之后，以及在剔除单元503将车道线中位于道路的边界之外的车道线确定为伪车道线之前，对道路图像中的车道线进行拟合，生成与车道线对应的车道线曲线方程，其中，一个车道线对应一个车道线曲线方程。
本发明实施例中，可以根据识别出的车道线计算生成各个车道线对应的车道线曲线方程，以使后续从车道线中识别出的伪车道线更加准确。
作为一种可选的实施方式，图7所示的伪车道线剔除装置的剔除单元503可以包括：
生成子单元5031，用于以车辆为依据，结合第一拟合单元502生成的道路的边界信息以及第二拟合单元506生成的车道线对应的车道线曲线方程生成综合道路信息；
剔除子单元5032，用于从生成子单元5031生成的综合道路信息中确定处于道路的边界之外的伪车道线曲线方程，并从车道线中剔除伪车道线曲线方程对应的伪车道线。
其中，实施这种实施方式，将道路的边界信息以及车道线曲线方程整合到综合道路信息中，可以在同一个标准中识别伪车道线，从而使伪车道线的识别更加简便。
作为一种可选的实施方式，图7所示的伪车道线剔除装置还可以包括：
确定单元507，用于在剔除子单元5032从综合道路信息中确定处于道路的边界之外的伪车道线曲线方程，并从车道线中剔除伪车道线曲线方程对应的伪车道线之后，将生成子单元5031生成的综合道路信息中除剔除子单元5032生成的伪车道线曲线方程之外的车道线曲线方程确定为真实车道线曲线方程；
输出单元508，用于通过车辆设置的显示器输出显示确定单元507确定的真实车道线曲线方程对应的真实车道线。
其中，实施这种实施方式，可以将剔除了伪车道线之后的车道线输出显示，以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
在图7所示的伪车道线剔除装置中，能够通过车辆所在道路的道路图像获取车道线，并且通过道路周围的障碍物信息确定道路的边界信息，并可以将未处于道路边界内的伪车道线剔除，保证了识别出的车道线均为真实的车道线，从而提升车道线识别的正确率。此外，在图7所示的伪车道线剔除装置中，可以根据识别出的车道线计算生成各个车道线对应的车道线曲线方程，以使后续从车道线中识别出的伪车道线更加准确。此外，在图7所示的伪车道线剔除装置中，可以在同一个标准中识别伪车道线，从而使伪车道线的识别更加简便。此外，在图7所示的伪车道线剔除装置中，可以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
实施例七
请参阅图8，图8是本发明实施例公开的另一种伪车道线剔除装置的结构示意图。如图8所示，该伪车道线剔除装置可以包括：
存储有可执行程序代码的存储器801；
与存储器801耦合的处理器802；
其中，处理器802调用存储器801中存储的可执行程序代码，执行以上各方法实施例中的方法的部分或全部步骤。
本发明实施例还公开一种计算机可读存储介质，其中，计算机可读存储介质存储了程序代码，其中，程序代码包括用于执行以上各方法实施例中的方法的部分或全部步骤的指令。
本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
应理解，说明书通篇中提到的“本发明实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根 据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
上述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，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以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获取的存储器中。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全部或者部分，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器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
以上对本发明实施例公开的一种伪车道线剔除方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

  1. 一种伪车道线剔除方法，其特征在于，所述方法包括：
    获取车辆所在道路的道路图像，并从所述道路图像中识别车道线；
    获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，所述边界信息至少包括所述道路的边界；
    将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪车道线。
  2. 根据权利要求1所述的方法，其特征在于，所述获取车辆所在道路的道路图像，并从所述道路图像中识别车道线，包括：
    利用车辆上设置的视觉传感器获取所述车辆所在道路的道路图像；
    对所述道路图像进行语义特征识别，提取所述道路图像中的语义特征；
    判断所述语义特征中是否存在与车道线匹配的语义特征；
    如果存在，通过图像识别技术识别所述道路图像中的车道线。
  3. 根据权利要求1或2所述的方法，其特征在于，所述获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，包括：
    利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息，所述障碍物信息包括所述静止障碍物相对于所述车辆的预估行驶曲线的方位；
    通过分析所述障碍物信息中的所述方位，将所述障碍物信息分为左侧障碍物信息和右侧障碍物信息；
    利用最小二乘法分别对所述左侧障碍物信息和所述右侧障碍物信息进行拟合，生成与所述左侧障碍物信息对应的道路左边界曲线方程以及与所述右侧障碍物信息对应的道路右边界曲线方程；
    根据所述道路左边界曲线方程和所述道路右边界曲线方程计算生成所述道路的边界信息。
  4. 根据权利要求3所述的方法，其特征在于，所述利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息之前，所述方法还包括：
    获取所述车辆的行驶状态信息，所述行驶状态信息至少包括所述车辆的速度、转轮的转角以及横摆角速度；
    根据所述行驶状态信息预估所述车辆的行驶轨迹，并将所述行驶轨迹确定为所述车辆的预估行驶曲线。
  5. 根据权利要求1～4任一项所述的方法，其特征在于，所述获取车辆所在道路的道路图像，并从所述道路图像中识别车道线之后，以及所述将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线之前，所述方法还包括：
    对所述道路图像中的所述车道线进行拟合，生成与所述车道线对应的车道线曲线方程，其中，一个所述车道线对应一个所述车道线曲线方程；
    所述将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪车道线，包 括：
    以所述车辆为依据，结合所述道路的边界信息以及所述车道线对应的所述车道线曲线方程生成综合道路信息；
    从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线。
  6. 根据权利要求5所述的方法，其特征在于，所述从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线之后，所述方法还包括：
    将所述综合道路信息中除所述伪车道线曲线方程之外的所述车道线曲线方程确定为真实车道线曲线方程；
    通过所述车辆设置的显示器输出显示所述真实车道线曲线方程对应的真实车道线。
  7. 一种伪车道线剔除装置，其特征在于，包括：
    识别单元，用于获取车辆所在道路的道路图像，并从所述道路图像中识别车道线；
    第一拟合单元，用于获取所述道路的静止障碍物的障碍物信息，并通过对所述障碍物信息进行拟合生成所述道路的边界信息，所述边界信息至少包括所述道路的边界；
    剔除单元，用于将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线，从所述车道线中剔除所述伪车道线。
  8. 根据权利要求7所述的伪车道线剔除装置，其特征在于，所述识别单元包括：
    第一获取子单元，用于利用车辆上设置的视觉传感器获取所述车辆所在道路的道路图像；
    提取子单元，用于对所述道路图像进行语义特征识别，提取所述道路图像中的语义特征；
    判断子单元，用于判断所述语义特征中是否存在与车道线匹配的语义特征；
    识别子单元，用于在所述判断子单元判断的结果为是时，通过图像识别技术识别所述道路图像中的车道线。
  9. 根据权利要求7或8所述的伪车道线剔除装置，其特征在于，所述第一拟合单元包括：
    第二获取子单元，用于利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息，所述障碍物信息包括所述静止障碍物相对于所述车辆的预估行驶曲线的方位；
    分析子单元，用于通过分析所述障碍物信息中的所述方位，将所述障碍物信息分为左侧障碍物信息和右侧障碍物信息；
    拟合子单元，用于利用最小二乘法分别对所述左侧障碍物信息和所述右侧障碍物信息进行拟合，生成与所述左侧障碍物信息对应的道路左边界曲线方程以及与所述右侧障碍物信息对应的道路右边界曲线方程；
    计算子单元，用于根据所述道路左边界曲线方程和所述道路右边界曲线方程计算生成所述道路的边界信息。
  10. 根据权利要求9所述的伪车道线剔除装置，其特征在于，所述伪车道线剔除装置还包括：
    获取单元，用于在所述第二获取子单元利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息之前，获取所述车辆的行驶状态信息，所述行驶状态信息至少包括所述车辆的速度、转轮的转角以及横摆角速度；
    预估单元，用于根据所述行驶状态信息预估所述车辆的行驶轨迹，并将所述行驶轨迹确定为所述车辆的预估行驶曲线，以及触发所述第二获取子单元执行所述的利用所述车辆上设置的雷达传感器获取静止障碍物的障碍物信息。
  11. 根据权利要求7～10任一项所述的伪车道线剔除装置，其特征在于，所述伪车道线剔除装置还包括：
    第二拟合单元，用于在所述识别单元获取车辆所在道路的道路图像，并从所述道路图像中识别车道线之后，以及在所述剔除单元将所述车道线中位于所述道路的边界之外的车道线确定为伪车道线之前，对所述道路图像中的所述车道线进行拟合，生成与所述车道线对应的车道线曲线方程，其中，一个所述车道线对应一个所述车道线曲线方程；
    所述剔除单元包括：
    生成子单元，用于以所述车辆为依据，结合所述道路的边界信息以及所述车道线对应的所述车道线曲线方程生成综合道路信息；
    剔除子单元，用于从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线。
  12. 根据权利要求11所述的伪车道线剔除装置，其特征在于，所述伪车道线剔除装置还包括：
    确定单元，用于在所述剔除子单元从所述综合道路信息中确定处于所述道路的边界之外的伪车道线曲线方程，并从所述车道线中剔除所述伪车道线曲线方程对应的伪车道线之后，将所述综合道路信息中除所述伪车道线曲线方程之外的所述车道线曲线方程确定为真实车道线曲线方程；
    输出单元，用于通过所述车辆设置的显示器输出显示所述真实车道线曲线方程对应的真实车道线。
PCT/CN2019/093423 2018-08-10 2019-06-28 一种伪车道线剔除方法及装置 WO2020029706A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810914211.4A CN109271857A (zh) 2018-08-10 2018-08-10 一种伪车道线剔除方法及装置
CN201810914211.4 2018-08-10

Publications (1)

Publication Number Publication Date
WO2020029706A1 true WO2020029706A1 (zh) 2020-02-13

Family

ID=65153711

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/093423 WO2020029706A1 (zh) 2018-08-10 2019-06-28 一种伪车道线剔除方法及装置

Country Status (2)

Country Link
CN (1) CN109271857A (zh)
WO (1) WO2020029706A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814724A (zh) * 2020-07-20 2020-10-23 北京百度网讯科技有限公司 车道数的识别方法、装置、设备及存储介质
CN114399588A (zh) * 2021-12-20 2022-04-26 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质
FR3123745A1 (fr) * 2021-06-07 2022-12-09 Psa Automobiles Sa Procédé d’aide à la conduite d’un véhicule circulant sur une voie de circulation délimitée par une première et une deuxième lignes marquées au sol.

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271857A (zh) * 2018-08-10 2019-01-25 广州小鹏汽车科技有限公司 一种伪车道线剔除方法及装置
CN110413942B (zh) * 2019-06-04 2023-08-08 上海汽车工业(集团)总公司 车道线方程筛选方法及其筛选模块
CN110414487B (zh) * 2019-08-16 2022-05-13 东软睿驰汽车技术（沈阳）有限公司 一种识别车道线的方法及装置
CN112441022B (zh) * 2019-09-02 2023-02-03 华为技术有限公司 一种车道中心线确定方法及装置
CN111797701A (zh) * 2020-06-10 2020-10-20 东莞正扬电子机械有限公司 用于车辆多传感器融合系统的道路障碍物感知方法及系统
CN112132109A (zh) * 2020-10-10 2020-12-25 北京百度网讯科技有限公司 车道线处理和车道定位方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN105667518A (zh) * 2016-02-25 2016-06-15 福州华鹰重工机械有限公司 车道检测的方法及装置
CN106570446A (zh) * 2015-10-12 2017-04-19 腾讯科技（深圳）有限公司 车道线提取的方法和装置
US20180197021A1 (en) * 2017-01-11 2018-07-12 Foundation Of Soongsil University Industry Cooperation Lane detection device, lane departure determination device, lane detection method and lane departure determination method
CN109271857A (zh) * 2018-08-10 2019-01-25 广州小鹏汽车科技有限公司 一种伪车道线剔除方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3651387B2 (ja) * 2000-11-22 2005-05-25 日産自動車株式会社 白線検出装置
CN102591332B (zh) * 2011-01-13 2014-08-13 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN104766058B (zh) * 2015-03-31 2018-04-27 百度在线网络技术（北京）有限公司 一种获取车道线的方法和装置
CN108021844B (zh) * 2016-10-31 2020-06-02 阿里巴巴（中国）有限公司 一种道路边沿识别方法及装置
CN108267747B (zh) * 2017-01-03 2021-10-22 中交宇科（北京）空间信息技术有限公司 基于激光点云的道路特征提取方法和装置
CN107389084B (zh) * 2017-06-09 2020-06-05 深圳市速腾聚创科技有限公司 行车路径规划方法及存储介质
CN107730520B (zh) * 2017-09-22 2020-10-27 智车优行科技（北京）有限公司 车道线检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN106570446A (zh) * 2015-10-12 2017-04-19 腾讯科技（深圳）有限公司 车道线提取的方法和装置
CN105667518A (zh) * 2016-02-25 2016-06-15 福州华鹰重工机械有限公司 车道检测的方法及装置
US20180197021A1 (en) * 2017-01-11 2018-07-12 Foundation Of Soongsil University Industry Cooperation Lane detection device, lane departure determination device, lane detection method and lane departure determination method
CN109271857A (zh) * 2018-08-10 2019-01-25 广州小鹏汽车科技有限公司 一种伪车道线剔除方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814724A (zh) * 2020-07-20 2020-10-23 北京百度网讯科技有限公司 车道数的识别方法、装置、设备及存储介质
CN111814724B (zh) * 2020-07-20 2023-07-04 北京百度网讯科技有限公司 车道数的识别方法、装置、设备及存储介质
FR3123745A1 (fr) * 2021-06-07 2022-12-09 Psa Automobiles Sa Procédé d’aide à la conduite d’un véhicule circulant sur une voie de circulation délimitée par une première et une deuxième lignes marquées au sol.
CN114399588A (zh) * 2021-12-20 2022-04-26 禾多科技（北京）有限公司 三维车道线生成方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN109271857A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
WO2020029706A1 (zh) 一种伪车道线剔除方法及装置
US10943355B2 (en) Systems and methods for detecting an object velocity
US11320833B2 (en) Data processing method, apparatus and terminal
JP7210165B2 (ja) 仮想経路を表示する方法、装置及びディスプレイ装置
KR102483649B1 (ko) 차량 위치 결정 방법 및 차량 위치 결정 장치
US10024965B2 (en) Generating 3-dimensional maps of a scene using passive and active measurements
JP7074438B2 (ja) 自車位置推定装置
WO2018177026A1 (zh) 确定道路边沿的装置和方法
JP6747269B2 (ja) 物体認識装置
CN109583416B (zh) 伪车道线识别方法及系统
CN110674705B (zh) 基于多线激光雷达的小型障碍物检测方法及装置
US11460851B2 (en) Eccentricity image fusion
CN105667518A (zh) 车道检测的方法及装置
KR20180050823A (ko) 3차원의 도로 모델을 생성하는 방법 및 장치
CN111595357B (zh) 可视化界面的显示方法、装置、电子设备和存储介质
JP2020052695A (ja) 物体検出装置、物体検出方法及び物体検出用コンピュータプログラム
Shunsuke et al. GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon
KR20200093271A (ko) 랜드마크 위치 추정 장치와 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체
WO2022062480A1 (zh) 移动设备的定位方法和定位装置
CN116310679A (zh) 多传感器融合目标检测方法、系统、介质、设备及终端
Quach et al. Real-time lane marker detection using template matching with RGB-D camera
Hara et al. Vehicle localization based on the detection of line segments from multi-camera images
CN114694115A (zh) 一种道路障碍物检测方法、装置、设备及存储介质
de Frías et al. Intelligent cooperative system for traffic monitoring in smart cities
CN116242375A (zh) 一种基于多传感器的高精度电子地图生成方法和系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19846087

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19846087

Country of ref document: EP

Kind code of ref document: A1