一种车道线矢量化方法、装置及存储介质制造方法及图纸

本发明专利技术涉及一种车道线矢量化方法、装置及存储介质，属于电子地图领域。该方法包括：获取初始车道线点云；基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；检测车道线边缘范围内的车道线点云的轮廓点，根据轮廓点拟合矢量化的车道线边缘线。通过该方案可以保障矢量化车道线边缘精度，同时简化计算，结果准确可靠。

A vectorization method, device and storage medium of lane line

The invention relates to a lane line vectorization method, a device and a storage medium, belonging to the field of electronic map. This method includes: obtaining the initial lane line point cloud; fitting the lane line central axis based on the least square method, extracting the lane line point cloud within the lane line edge range according to the statistical information of the distance from the initial lane line point cloud to the lane line central axis; detecting the contour point of the lane line point cloud within the lane line edge range, fitting the vectorized lane line edge line according to the contour point. The scheme can guarantee the edge accuracy of vectorized lane line, simplify the calculation and make the result accurate and reliable.

【技术实现步骤摘要】
一种车道线矢量化方法、装置及存储介质
本专利技术涉及电子地图领域，尤其涉及一种车道线矢量化方法、装置及存储介质。
技术介绍
高精度导航电子地图是车辆在无人驾驶中重要参考信息，它可以为车辆提供精准定位以及决策依据。而车道线的边缘精度也是高精度导航电子地图中核心指标之一，往往要求车道位置精确到厘米级。实现车道线点云数据与矢量化边缘线贴合，对于准确确定车道线位置具有重要作用。对于车道线点云的自动矢量化，目前，常采用方法有直接从点云数据中提取车道线点云进行矢量化，该方法得到的左右车道边缘线精度不高，容易出现同一车道线宽窄不一；另一种基于语义分割获取车道线边缘像素，而后逆映射到车道线点云的边缘线，此方法需要大量标注样本，过程复杂且计算量大。故而，有必要提出一种既可以保障车道线边缘精度，同时计算过程简单的车道线矢量化方法。
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矢量化方法、装置及存储介质，可以准确实现车道线边缘的矢量化，保障矢量化车道线与车道线点云的贴合。在本专利技术实施例的第一方面，提供了一种车道线矢量化方法，包括：获取初始车道线点云；基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线。在本专利技术实施例的第二方面，提供了一种车道线矢量化装置，包括：获取模块，用于获取初始车道线点云；提取模块，用于基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；拟合模块，用于检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线。在本专利技术实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述方法的步骤。在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被一个或多个处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。本专利技术实施例中，通过最小二乘法拟合车道线的中轴线，然后统计初始点云中所有点到中轴线距离分布，根据分布特征，提取边缘车道线范围内的点。最后，以车道线边缘点为轮廓点，拟合车道线的边缘线，得到矢量化的车道线。该方案简单易行，相对于传统根据边缘像素逆映射获取边缘点云位置，计算量更少，而且直接对原始点云进行计算，避免数据转换中精度损失，保障车道线边缘的计算准确。其中，基于点云所有点到纵轴线的统计信息，可以消除个别边缘点影响，实现实际车道线点云与矢量化边缘线的完整贴合。附图说明图1为本专利技术实施例提供的一种车道线矢量化方法的流程示意图；图2为本专利技术实施例提供的一种车道线矢量化方法的原理示意图；图3为本专利技术实施例提供的一种车道线矢量化装置的结构示意图。具体实施方式本专利技术实施例提供了一种车道线矢量化方法、装置及存储介质，用于准确确定车道线边缘，保障车道线矢量化的精度。为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。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它实施例，都属于本专利技术保护的范围。实施例一：请参阅图1，本专利技术实施例提供的车道线矢量化方法的流程示意图，包括：S101、获取初始车道线点云；所述初始车道线点云即从原始点云数据中提取的车道线点云数据，一般可以通过特定的算法，如聚类分析，连通性分析等获取车道线点云，或直接人工选定车道线点云，通过以上方法获得的初始车道线点云一般精度较低。S102、基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；对于初始车道线点云，可以分段进行车道线点云精确提取。一般车道线可以分为直线及曲线，对于曲线行驶的车道线，可以用分段的折线表示或标准曲线方程表示。基于划分的某一段车道线初始车道线点云中所有点，通过最小二乘法拟合所有点的中轴线。其中，所述中轴线可以通过平面二维坐标系中的直线方程或曲线方程表示。统计当前划分的一段车道线点云中所有点到中轴线的距离，根据统计信息，查找车道线点云中的边缘点，并将边缘点范围内的所有点作为精提取后的车道线点云。其中，所述统计信息为所有点距中轴线的分布信息。具体的，基于所述初始车道线点云中所有点到所述车道线中轴线距离的频率分布直方图，计算点云分布的标准方差；当所述标准方差小于预设值，提取边缘车道线范围内的车道线点云。进一步的，当所述标准方差大于预设值，则不断去除所述初始车道线中与所述车道线中轴线最大距离对应的点，直至所述标准方差小于预设值。示例性的，计算所有点在平面坐标系(即xy坐标平面内)到中轴线的距离，以1cm为距离，形成各距离区间内点云频率分布直方图，随机变量X表示分布律，计算随机变量X的标准方差，当方差值小于阈值T，则满足点云精提取要求，且点的最大距离为车道线宽度的一半。若方差值大于阈值T，则需要重复剔除最大距离对应的点后，再次计算标准方差，直至方差值小于阈值T。S103、检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线。所述轮廓点为车道线边缘位置对应的点，在原始车道线点云经过精提取后得到点云数据即是边缘范围内的点云。一般的，通过预定算法检测点云数据获取轮廓，所述预定算法可以是AlphaShapes算法。具体的，通过AlphaShapes算法检测边缘车道线范围内的车道线点云的轮廓点，区分车道线左右边缘，对车道线左右边缘进行拟合。车道线具有一定宽度，对应的沿着车道线方向存在两侧边缘，分别为左边缘和右边缘。通过AlphaShapes算法，检测车道线中轴线两侧的点云分布，提取两侧边缘轮廓点。可选的，根据所述车道线中轴线的直线方程，分别建立车道线左右边缘线的方程，根据所述车道线左右边缘线的方程，对车道线左右边缘进行拟合。示例性的，假设中轴线方程为：Ax+By+C＝0；进一步可以假设左右边缘方程分别为Ax+By+Cl＝0和Ax+By+Cr＝0，其中，存在及图2为本专利技术实施例提供的车道线矢量化的原理示意图，结合图2对车道线矢量化过程进行详述，如图2所示：20为车道线、202为车道线点云中的任意一点、201为车道本文档来自技高网...

【技术保护点】
1.一种车道线矢量化方法，其特征在于，包括：/n获取初始车道线点云；/n基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；/n检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线。/n

【技术特征摘要】
1.一种车道线矢量化方法，其特征在于，包括：
获取初始车道线点云；
基于最小二乘法拟合车道线中轴线后，根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云；
检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线。


2.根据权利要求1所述的方法，其特征在于，所述根据初始车道线点云到所述车道线中轴线距离的统计信息，提取车道线边缘范围内的车道线点云具体为：
基于所述初始车道线点云中所有点到所述车道线中轴线距离的频率分布直方图，计算点云分布的标准方差；
当所述标准方差小于预设值，提取边缘车道线范围内的车道线点云。


3.根据权利要求2所述的方法，其特征在于，所述当所述标准方差小于预设值，提取边缘车道线范围内的车道线点云还包括：
当所述标准方差大于预设值，则不断去除所述初始车道线中与所述车道线中轴线最大距离对应的点，直至所述标准方差小于预设值。


4.根据权利要求1所述的方法，其特征在于，所述检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线还包括：
通过AlphaShapes算法检测边缘车道线范围内的车道线点云的轮廓点，区分车道线左右边缘，对车道线左右边缘进行拟合。


5.根据权利要求1所述的方法，其特征在于，所述检测车道线边缘范围内的车道线点云的轮廓点，根据所述轮廓点拟合矢量化的车道线边缘线还包括：
根据所述车道线中轴线的直线...

【专利技术属性】
技术研发人员：李框宇，陈岩，郑小辉，罗跃军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：湖北;42