一种基于前向鱼眼镜头的直角弯识别方法及车载设备技术

本发明专利技术提供一种基于前向鱼眼镜头的直角弯识别方法及车载设备，该方法包括：获取前向鱼眼镜头拍摄的第一图像；将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；识别所述车道轨迹参考线的曲率；如果所述曲率大于预设值，确定为直角转弯场景。本发明专利技术实施例提高了直角转弯场景识别的准确度和可靠性。

A Right Angle Bend Recognition Method Based on Forward Fisheye Lens and Vehicle-borne Equipment

The invention provides a right-angle bend recognition method based on forward fisheye lens and vehicle equipment. The method includes acquiring the first image captured by forward fisheye lens, inputting the first image into the lane detection model, and obtaining a plurality of first lane feature points in the first image. The lane detection model is a network model trained by convolution neural network. According to the curve fitting of the characteristic points of the first lane line, the lane track reference line is obtained; the curvature of the lane track reference line is identified; if the curvature is greater than the preset value, it is determined as a right-angle turning scene. The embodiment of the present invention improves the accuracy and reliability of right-angle turning scene recognition.

【技术实现步骤摘要】
一种基于前向鱼眼镜头的直角弯识别方法及车载设备
本专利技术涉及汽车
，尤其涉及一种基于前向鱼眼镜头的直角弯识别方法及车载设备。
技术介绍
随着智能汽车的发展，自动驾驶技术越来越成熟。在代客泊车服务valetparking场景下，通常需要进行直角转弯等复杂场景的自动驾驶控制。然而，现有技术中，通常依赖于地图信息和定位系统，识别直角转弯场景。然而由于受到系统定位误差以及信号强度的限制，对直角转弯场景识别的准确度较低。
技术实现思路
本专利技术实施例提供一种基于前向鱼眼镜头的直角弯识别方法及车载设备，以解决直角转弯场景识别的准确度较低的问题。第一方面，本专利技术实施例提供了一种基于前向鱼眼镜头的直角弯识别方法，包括：获取前向鱼眼镜头拍摄的第一图像；将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；识别所述车道轨迹参考线的曲率；如果所述曲率大于预设值，确定为直角转弯场景。第二方面，本专利技术实施例还提供了一种车载设备，包括：第一获取模块，用于获取前向鱼眼镜头拍摄的第一图像；处理模块，用于将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；拟合模块，用于根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；识别模块，用于识别所述车道轨迹参考线的曲率；确定模块，用于如果所述曲率大于预设值，确定为直角转弯场景。第三方面，本专利技术实施例还提供了一种车载设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述基于前向鱼眼镜头的直角弯识别方法的步骤。第三方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于前向鱼眼镜头的直角弯识别方法的步骤。本专利技术实施例通过基于前向鱼眼镜头拍摄的第一图像进行识别，获得多个第一车道线特征点，然后对多个第一车道线特征点进行曲线拟合得到车道轨迹参考线，最后通过识别该车道轨迹参考线的曲率即可得到当前是否为直角转弯场景。这样，无需受到系统定位误差以及信号强度的限制，提高了直角转弯场景识别的准确度和可靠性。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的基于前向鱼眼镜头的直角弯识别方法的流程图之一；图2是本专利技术实施例提供的基于前向鱼眼镜头的直角弯识别方法中直角转弯场景示意图；图3是本专利技术实施例提供的基于前向鱼眼镜头的直角弯识别方法的流程图之二；图4是本专利技术一实施例提供的车载设备的结构图；图5是本专利技术另一实施例提供的车载设备的结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，图1是本专利技术实施例提供的一种基于前向鱼眼镜头的直角弯识别方法的流程图，如图1所示，包括以下步骤：步骤101、获取前向鱼眼镜头拍摄的第一图像；本专利技术实施提供的基于前向鱼眼镜头的直角弯识别方法主要应用在车载设备中，可以在valetparking场景下的自主巡航阶段进行直角转弯识别，以提高自动驾驶的安全性。具体的，上述前向鱼眼镜头为超广角摄像头，可以拍摄车辆前方一定视角范围内的环境信息。例如，在十字路口，可以拍摄到当前行驶车道前方的车道线，还可以拍摄到位于当前行驶车道两侧车道的车道线。本实施例中，上述前向鱼眼镜头安装的位置可以根据实际需要进行设置，在此不做进一步的限定。通过上述前向鱼眼镜头拍摄的第一图像中包括车辆行驶前方的车道线和位于当前行驶车道左右两侧车道线中的至少一侧的车道线。具体的，当前行驶车道左右两侧可以只有一侧有车道线，也可以两侧均有车道线；在当前行驶的车道的左右两侧都有车道的情况下，上述第一图像中，可以仅包含一侧的车道线，也可以同时包含两侧的车道线，在此不做进一步的限定。以下各实施例中，以第一图像包括当前行驶车道线以及位于当前行驶车道线左右两侧的车道线为了进行详细说明。应当说明的是，本实施例中，可以实时获取前向鱼眼镜头拍摄的第一图像进行直角拐弯场景的识别，或者每隔预设时间段获取一次前向鱼眼镜头拍摄的第一图像，进行直角拐弯场景的识别，在此不做进一步的限定。步骤102、将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；上述第一车道线特征点为识别的车道线对应的坐标点中的任意一点，具体可以为车道线的边缘点或者中间点，在此不做进一步的限定。应当说明的是，在本实施例中，获得的多个第一车道线特征点，具体的，可以包括车辆当前行驶车道前方的车道线中的特征点以及位于当前行驶车道两侧车道线中的特征点。步骤103、根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；本实施例中，可以将车辆当前行驶车道前方的车道线中的特征点与左侧车道线中的特征点进行拟合得到第一车道轨迹参考线，与此同时，可以将车辆当前行驶车道前方的车道线中的特征点与右侧车道线中的特征点进行拟合得到第二车道轨迹参考线。其中第一车道轨迹参考线的数量可以为一条或者多条，第二车道轨迹参考线也可以为一条或者多条。如图2所示，圆圈表示识别的第一车道线特征点，上述第一车道轨迹参考线包括201和202两条车道轨迹参考线，上述第二车道轨迹参考线包括203和204两条车道轨迹参考线。应理解，本实施例中，还可以识别车辆当前所处的位置，例如车辆位于车道A上，可以仅拟合得到第一车道轨迹参考线，当车辆位于车道B上时，可以仅拟合得到第二车道轨迹参考线，这样可以减小系统的计算量。以下各实施例中，以车辆无论处于哪个车道均拟合得到第一车道轨迹参考线和第二车道轨迹参考线为例进行说明。步骤104、识别所述车道轨迹参考线的曲率；本实施例中，上述第一车道轨迹参考线和第二车道轨迹参考线的曲率可以相同，也可以不同。如图2所示，上述第一车道轨迹参考线和第二车道轨迹参考线的曲率不同。步骤105、如果所述曲率大于预设值，确定为直角转弯场景。如图2所示，上述第一车道轨迹参考线和第二车道轨迹参考线的曲率均大于预设值，确定为直角转弯场景。在其他实施例中，还可以根据当前所处的车道，判断对应的车道轨迹参考线的曲率是否大于预设值，从而确定是否为直角转弯场景。例如车辆位于车道A上，可以通过第一车道轨迹参考线的曲率判断是否为直角转弯场景，当车辆位于车道B上时，可以通过第二车道轨迹参考线的曲率判断是否为直角转弯场景。上述预设值的大小可以根据情况进行设置，在此不做进一步的限定。本专利技术实施例通过基于前向鱼眼镜头拍摄的第一图像进行识别，获得多个第一车道线特征点，然后对多个第一车道线特征本文档来自技高网...

【技术保护点】
1.一种基于前向鱼眼镜头的直角弯识别方法，其特征在于，包括：获取前向鱼眼镜头拍摄的第一图像；将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；识别所述车道轨迹参考线的曲率；如果所述曲率大于预设值，确定为直角转弯场景。

【技术特征摘要】
1.一种基于前向鱼眼镜头的直角弯识别方法，其特征在于，包括：获取前向鱼眼镜头拍摄的第一图像；将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征点，所述车道线检测模型是利用卷积神经网络训练的网络模型；根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线；识别所述车道轨迹参考线的曲率；如果所述曲率大于预设值，确定为直角转弯场景。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个第一车道线特征点进行曲线拟合，得到车道轨迹参考线包括：对所述多个第一车道线特征点进行畸变矫正变换；基于变换后的第一车道线特征点的坐标进行曲线拟合，得到车道轨迹参考线。3.根据权利要求2所述的方法，其特征在于，所述基于变换后的第一车道线特征点的坐标进行曲线拟合，得到车道轨迹参考线包括：利用3次多项式对变换后的第一车道线特征点进行曲线拟合，得到车道轨迹参考线。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述获取前向鱼眼镜头拍摄的第一图像之前，所述方法还包括：获取多张第二图像，所述多张第二图像为前向鱼眼镜头拍摄的图像，且每一所述第二图像包括直角转弯区域的目标车道线，所述目标车道线包括当前行驶车道前方的车道线以及位于所述当前行驶车道的左右两侧中至少一侧的车道线；在对所述第二图像中的第二车道线特征点进行标注后，获取所述第二车道线特征点的标注信息，所述标注信息包括所述第二车道线特征点的坐标信息；将所述多张第二图像以及每一第二图像对应的标注信息输入到卷积神经网络的网络模型中，并以车道线特征点作为输出，进行训练得到所述车道线检测模型。5.根据权利要求1至3中任一项所述的方法，其特征在于，所述如果所述曲率大于预设值，确定为直角转弯场景之后，所述方法还包括：输出所述车道轨迹参考线至决策控制系统，以供所述决策控制系统根据所述车道轨迹参考线进行车辆行驶控制。6.一种车载设备，其特征在于，包括：第一获取模块，用于获取前向鱼眼镜头拍摄的第一图像；处理模块，用于将所述第一图像输入车道线检测模型，获得所述第一图像中的多个第一车道线特征...

【专利技术属性】
技术研发人员：魏宁，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11