一种车道线检测方法和装置制造方法及图纸

本发明专利技术公开一种车道线检测方法和装置，以解决现有技术中道线检测方案存在的定位不准确的问题。该方法包括：车道线检测装置获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；根据感知数据提取得到当前的车道线图像数据；根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。

A Lane Line Detection Method and Device

The invention discloses a lane detection method and device to solve the problem of inaccurate positioning of the lane detection scheme in the prior art. The method includes: lane detection device obtains current perception data of vehicle driving environment; current perception data includes current frame image data and current positioning data; Lane template data is obtained; Lane template data is the result of lane detection from the last lane detection process; current lane line is extracted from perception data. Image data; According to the lane image data and the lane template data, the current lane detection results are determined; among them, the current lane detection results include the data expressing the relative position relationship between vehicles and lanes.

【技术实现步骤摘要】
一种车道线检测方法和装置
本专利技术涉及计算机视觉领域，特别涉及一种车道线检测方法和装置。
技术介绍
目前，高级辅助驾驶系统(AdvancedDriverAssistanceSystems，ADAS)的一个主要研究点在于提高车辆自身或者车辆行驶的安全性并减少道路事故。智能车辆和无人驾驶车辆有望解决道路安全、交通问题和乘客的舒适性问题。在针对智能车辆或无人车辆的研究任务中，车道线检测是一个复杂且具有挑战性的任务。车道线作为道路的一个主要部分，起到为无人驾驶车辆提供参考、指导安全驾驶的作用。车道线检测包括道路定位、车辆和道路之间的相对位置关系、以及车辆的行车方向。在目前的技术方案中，车道线检测通常是根据摄像头获取的图像和GPS装置提供的定位信号来实现的。但是，通过该方案确定的车道线以及车道线的位置信息、车道线与车辆之间的相对位置信息的准确度低，无法满足自动驾驶车辆的行驶需求。也即，在现有车道线检测的技术方案中存在定位准确率低的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种车道线检测方法和装置，用以解决现有车道线检测技术中存在的定位不准确的问题。一方面，本申请实施例提供了一种车道线检测方法，包括：车道线检测装置获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；根据感知数据提取得到当前的车道线图像数据；根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。另一方面，本申请实施例提供了一种车道线检测装置，包括：获取单元，用于获取掺合料的驾驶环境的当前感知数据，其中，当前感知数据包括当前帧图像数据和定位数据；获取车道线模板数据，其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；提取单元，用于根据感知数据提取得到当前的车道线图像数据；确定单元，用于根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。另一方面，本申请实施例提供了一种车道线检测装置，包括一个处理器和至少一个存储器，至少一个存储器中存储至少一条机器可执行指令，处理器执行至少一条机器可执行指令以执行：获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；根据感知数据提取得到当前的车道线图像数据；根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。根据本专利技术实施例提供的技术方案，车道线检测装置获取车道的驾驶环境的当前感知数据，从当前感知数据中提取出车道线图像数据，并接收上一次车道线检测处理得到的车道线检测结果数据(也即车道线模板数据)，根据当前的车道线图像数据和上一次的车道线检测结果数据，确定得到当前的车道线检测结果数据。由于上一次的车道线检测结果数据中包括较为准确的车道线定位信息，能够为当前的车道线检测处理提供定位参考信息。相比于现有技术中仅仅依靠当前获取的感知数据进行车道线检测，能够进行更为准确的车道线检测，确定得到更为准确的定位信息，从而解决现有技术的车道线检测方案存在的定位不准确的问题。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。图1为本申请实施例提供的车道线检测方法的处理流程图；图2a为车道线图像数据的一个示例；图2b为本申请实施例提供的车道线检测方法的另一处理流程图；图3a为图1或图2中步骤104的处理流程图；图3b为本申请实施例提供的车道线检测方法的另一处理流程图；图4为本申请实施例提供的车道线检测方法的另一处理流程图；图5为图4中步骤105的处理流程图；图6a为图4中步骤106的处理流程图；图6b为图4中步骤106的另一处理流程图；图7为一个示例图像；图8为执行图6a中步骤1061扩展车道线后的一个示例图；图9为对图8中扩展后的车道线进行调整后的示意图；图10为本申请实施例提供的车道线检测装置的结构框图；图11为本申请实施例提供的车道线检测装置的另一个结构框图；图12为本申请实施例提供的车道线检测装置的另一个结构框图；图13为本申请实施例提供的车道线检测装置的另一个结构框图。具体实施方式为了使本
的人员更好地理解本专利技术中的技术方案，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，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。针对现有技术中进行车道线检测的技术方案中存在的定位不准确的问题，本申请实施例提供了一种车道线检测方法和装置，用以解决该问题。在本申请实施例提供的车道线检测方案中，车道线检测装置获取车道的驾驶环境的当前感知数据，从当前感知数据中提取出车道线图像数据，并接收上一次车道线检测处理得到的车道线检测结果数据(也即车道线模板数据)，根据当前的车道线图像数据和上一次的车道线检测结果数据，确定得到当前的车道线检测结果数据。由于上一次的车道线检测结果数据中包括较为准确的车道线定位信息，能够为当前的车道线检测处理提供定位参考信息。相比于现有技术中仅仅依靠当前获取的感知数据进行车道线检测，能够进行更为准确的车道线检测，确定得到更为准确的定位信息，从而解决现有技术的车道线检测方案存在的定位不准确的问题。以上是本专利技术的核心思想，为了使本
的人员更好地理解本专利技术实施例中的技术方案，并使本专利技术实施例的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术实施例中技术方案作进一步详细的说明。图1示出了本申请实施例提供的车道线检测方法的处理流程，该方法包括如下的处理过程：步骤101、车道线检测装置获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；步骤102、获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；步骤103、根据感知数据提取得到当前的车道线图像数据；步骤104、根据车道线图像数据和车道线模板，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。其中，步骤102和步骤103的执行顺序不分先后。下面对上述执行过程进行详细说明。在上述步骤101中，车辆的驾驶环境的当前感知数据可以是通过车载的感知设备获取的。例如通过至少一个车载摄像头获取至少一帧当前帧图像数据，通过定位装置获取当前定位数据，定位装置包括全球定位系统(GPS，GlobalPositionSystem)和/或惯性测量单元(IMU，InertialMeasurementUnit)。感知数据中还可以进一步包括当前驾驶环境的地图数据，激光雷达(LIDAR)数据。其中，本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括：车道线检测装置获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；根据感知数据提取得到当前的车道线图像数据；根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。

【技术特征摘要】
2017.08.22 US US15/683,494;2017.08.22 US US15/683,1.一种车道线检测方法，其特征在于，包括：车道线检测装置获取车辆的驾驶环境的当前感知数据；其中，当前感知数据包括当前帧图像数据和当前定位数据；获取车道线模板数据；其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；根据感知数据提取得到当前的车道线图像数据；根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。2.根据权利要求1所述的方法，其特征在于，根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据，包括：将车道线模板数据映射到车道线图像数据中，根据映射结果拟合得到当前的车道线检测结果数据。3.根据权利要求2所述的方法，其特征在于，将车道线模板数据映射到车道线图像数据中，根据映射结果拟合得到当前的车道线检测结果数据，包括：将车道线图像数据和车道线模板数据输入到一个预定的损失函数中，该损失函数输出一个代价值；其中，该损失函数是一个表达车道线模板数据与车道线图像数据之间的车道线的位置关系的函数，该代价值为车道线模板数据中的车道线与车道线图像数据中的车道线之间的距离；在相邻两次代价值的差值大于一个预定阈值的情况下，迭代修改车道线模板数据中的车道线的位置；在相邻两次代价值的差值小于或等于该预定阈值的情况下，结束迭代处理，并得到当前的车道线检测结果数据。4.根据权利要求3所述的方法，其特征在于，迭代修改车道线模板数据中的车道线的位置，包括：采用梯度下降算法迭代修改车道线模板数据中的车道线的位置。5.根据权利要求1所述的方法，其特征在于，在根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据之前，所述方法还包括：根据当前感知数据、先验知识和/或预定的约束条件对车道线模板数据中的车道线进行调整；其中，先验知识或者预定的约束条件包括关于道路结构的物理度量参数或数据表达。6.根据权利要求1所述的方法，其特征在于，还包括：对当前的车道线检测结果数据进行检验；在检验通过的情况下，对当前的车道线检测结果数据进行优化调整，得到用于下一次车道线检测处理的车道线模板数据；在检验失败的情况下，抛弃当前的车道线检测结果数据。7.根据权利要求6所述的方法，其特征在于，对当前的车道线检测结果数据进行检验，包括：根据预先训练得到的置信度模型，确定得到当前的车道线检测结果数据的置信度；在确定得到的置信度符合预定的检验条件的情况下，检验成功；在确定得到的置信度不符合预定的检验条件的情况下，检验失败。8.根据权利要求7所述的方法，其特征在于，所述方法还包括预先训练得到置信度模型，包括：预先根据历史的车道线检测结果数据和车道线的真实数据，训练深度神经网络得到置信度模型；置信度模型用于表示车道线检测结果数据与置信度之间的对应关系。9.根据权利要求6所述的方法，其特征在于，对当前的车道线检测结果数据进行优化调整，包括：对当前的车道线检测结果数据中的车道线进行扩展；根据当前感知数据、先验知识和/或预定的约束条件对车道线模板数据中的车道线进行调整，得到用于下一次车道线检测处理的车道线模板数据；其中，先验知识或者预定的约束条件包括关于道路结构的物理度量参数或数据表达。10.根据权利要求9所述的方法，其特征在于，对当前的车道线检测结果数据中的车道线进行扩展，包括：根据车道线检测结果数据中的车道线结构，对车道线检测结果数据中的边缘车道线进行复制平移；在车道线检测结果数据中能够包括复制平移的车道线的情况下，保留复制平移的车道线，并保存新的车道线检测结果数据；在车道线检测结果数据中无法包括复制平移的车道线的情况下，放弃复制平移的车道线。11.根据权利要求6所述的方法，其特征在于，在抛弃当前的车道线检测结果数据后，将一个预设的车道线模板数据确定为用于下一次车道线检测处理的车道线模板数据。12.根据权利要求1所述的方法，其特征在于，所述方法还包括：将当前的车道线检测结果数据确定为用于下一次车道线检测处理的车道线模板数据。13.根据权利要求1所述的方法，其特征在于，车道线模板数据和车道线检测结果数据为俯视角度的3D空间数据。14.根据权利要求1所述的方法，其特征在于，从当前帧图像数据中提取出车道线图像数据，包括：根据物体识别的方法或者语义分割的方法从当前帧图像数据中提取出车道线图像数据。15.根据权利要求1所述的方法，其特征在于，感知数据中还包括至少以下之一：当前驾驶环境的地图数据、激光雷达(LIDAR)数据；定位数据包括GPS定位数据和/或惯性导航定位数据。16.一种车道线检测装置，其特征在于，包括：获取单元，用于获取车辆的驾驶环境的当前感知数据，其中，当前感知数据包括当前帧图像数据和定位数据；获取车道线模板数据，其中，车道线模板数据是上一次车道线检测处理得到的车道线检测结果数据；提取单元，用于根据感知数据提取得到当前的车道线图像数据；确定单元，用于根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据；其中，当前的车道线检测结果数据中包括表达车辆和车道线的相对位置关系的数据。17.根据权利要求16所述的装置，其特征在于，确定单元根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据，包括：将车道线模板数据映射到车道线图像数据中，根据映射结果拟合得到当前的车道线检测结果数据。18.根据权利要求17所述的装置，其特征在于，确定单元将车道线模板数据映射到车道线图像数据中，根据映射结果拟合得到当前的车道线检测结果数据，包括：将车道线图像数据和车道线模板数据输入到一个预定的损失函数中，该损失函数输出一个代价值；其中，该损失函数是一个表达车道线模板数据与车道线图像数据之间的车道线的位置关系的函数，该代价值为车道线模板数据中的车道线与车道线图像数据中的车道线之间的距离；在相邻两次代价值的差值大于一个预定阈值的情况下，迭代修改车道线模板数据中的车道线的位置；在相邻两次代价值的差值小于或等于该预定阈值的情况下，结束迭代处理，并得到当前的车道线检测结果数据。19.根据权利要求18所述的装置，其特征在于，确定单元迭代修改车道线模板数据中的车道线的位置，包括：采用梯度下降算法迭代修改车道线模板数据中的车道线的位置。20.根据权利要求16所述的装置，其特征在于，确定模块在根据车道线图像数据和车道线模板数据，确定得到当前的车道线检测结果数据之前，还用于：根据当前感知数据、先验知识和/或预定的约束条件对车道线模板数据中的车道线进行调整；其中，先验知识或者预定的约束条件包括关于道路结构的物体度量参数或数据表达。21.根据权利要求16所述的装置，其特征在于，所述装置还包括：检验单元，用于对当前的车道线检测结果数据进行检验；优化单元，在检验单元检验通过的情况下，对当前的车道线检测结果数据进行优化调整，得到用于下一次车道线检测处理的车道线模板数据；在检验失败的情况下，抛弃当前的车道线检测结果数据。22.根据权利要求21所述的装置，其特征在于，检验单元对当前的车道线检测结果数据进行检验，包括：根据预先训练得到的置信度模型，确定得到当前的车道线检测结果数据的置信度；在确定得到的置...

【专利技术属性】
技术研发人员：刘思远，王明东，侯晓迪，
申请(专利权)人：北京图森未来科技有限公司，
类型：发明
国别省市：北京,11