一种车道线检测方法、设备、移动平台及存储介质技术

本发明专利技术实施例提供了一种车道线检测方法、设备、移动平台及存储介质，该方法包括：获取车道线的图像，并确定局部车道线集合；根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；从所述假设车道线集合中确定出目标车道线集合，可提高车道线检测的精度。

A lane line detection method, equipment, mobile platform and storage medium

【技术实现步骤摘要】
【国外来华专利技术】一种车道线检测方法、设备、移动平台及存储介质本专利文件披露的内容包含受版权保护的材料。该版权为版权所有人所有。版权所有人不反对任何人复制专利与商标局的官方记录和档案中所存在的该专利文件或该专利披露。
本专利技术实施例涉及控制
，尤其涉及一种车道线检测方法、设备、移动平台及存储介质。
技术介绍
车道线局部地图主要应用于自动驾驶领域，基于车道线局部地图可以规划当前行驶车辆的行驶计划，而局部地图的建立主要依赖于对车道线的检测，当前采用的车道线检测方法主要还是基于摄像机等图像传感器采集到的图像，在自动驾驶车辆上的图像传感器采集到图像后，通过图像识别来确定出图像传感器的视场角内的车道线。经研究发现，基于图像识别的方式来构建车道线易受图像噪声等因素的干扰，车道线的确定存在一定的误差，还存在优化空间。
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、设备、移动平台及存储介质，可提高车道线检测的精度。一方面，本专利技术实施例提供了一种车道线检测方法，该方法包括：获取车道线的图像，并确定局部车道线集合；根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；从所述假设车道线集合中确定出目标车道线集合；其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。另一方面，本专利技术实施例提供了一种车道线检测装置，该装置包括：确定单元，用于获取车道线的图像，并确定局部车道线集合；构造单元，用于根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；所述确定单元，还用于从所述假设车道线集合中确定出目标车道线集合；其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。再一方面，本专利技术实施例提供了一种车道线检测设备，所述车道线检测设备内置于移动平台中，其特征在于，车道线检测设备包括：存储器和处理器；所述存储器用于存储程序代码；所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：获取车道线的图像，并确定局部车道线集合；根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；从所述假设车道线集合中确定出目标车道线集合；其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。再一方面，本专利技术实施例提供了一种移动平台，包括：动力系统，用于为所述移动平台提供动力；以及如第三方面中所述的车道线检测设备。在本专利技术实施例中，移动平台以车道线俯瞰图中像素点拟合得到的局部车道线为最小单位进行假设车道线构造，并基于构造的假设车道线完成对车道线的检测过程，由于在构造假设车道线时所用的局部车道线比较小，因此，可提高移动平台的构造速度，而且基于局部车道线构造的假设车道线的精度更高，因此在基于预设的多假设求解规则从构造的假设车道线中确定出目标车道线集合时，确定出的目标车道线集合的精度也得以提高，从而可降低车道线检测所带来的误差，此外，在从构造的假设车道线中确定出目标车道线时，可基于预设的多假设求解规则设定的多假设模型进行，解决了车道线俯瞰图中车道线难以得到全局最优的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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一种车道线检测方法的示意流程图；图2为本专利技术实施例提供的一种车道线检测场景图；图3为本专利技术另一实施例提供的一种车道线检测方法的示意流程图；图4为本专利技术又一实施例提供的一种车道线检测方法的示意流程图；图5为本专利技术实施例提供的一种连通域标签的示意图；图6为本专利技术又一实施例提供的一种车道线检测方法的示意流程图；图7a为本专利技术实施例的提供的一种假设车道线的示意图；图7b为本专利技术实施例的提供的一种对如图7a所示的假设车道线进行拆分的示意图；图7c为本专利技术实施例的提供的一种对如图7b中拆分后的假设车道线建立对应连通图的示意图；图8是本专利技术实施例提供的一种连通图的示意图；图9为本专利技术实施例提供的一种车道线检测装置的示意性框图；图10是本专利技术实施例提供的一种车道线检测设备的示意性框图。具体实施方式为了减少车道线检测中的误差，提高车道线检测精度，本专利技术实施例提出了一种基于多假设的车道线检测方法，该方法在图像识别出疑似车道线的基础上，通过构造假设车道线，并对构造的假设车道线基于多假设进行求解，从而实现对车道线的检测。具体地，移动平台可根据图像中小范围内的像素点进行车道线拟合，以得到每个小范围图像区域内的局部车道线，进而构成局部车道线集合。进一步地，基于针对车道线的特征信息，可将得到的局部车道线构造成一条或多条假设车道线，然后再从假设车道线中筛选出目标车道线，筛选得到的目标车道线可以认为是和实际车道线最相符的车道线。相对于当前采用的直接根据图像中所有像素点拟合得到完整车道线的方法，采用本专利技术实施例的从局部车道线出发，构造整体车道线的方法，可在一定程度上提高车道线的拟合精度，提高车道线识别的准确度，还可在一定程度上节省移动平台在进行车道线拟合时运算速度。在一个实施例中，可参见如图1所示的车道线检测方法的示意流程图，移动平台可先确定车道线俯瞰图，从而可在车道线俯瞰图上确定出针对该车道线俯瞰图的局部车道线集合，并将该局部车道线集合中的各局部车道线作为构造假设车道线的最小单位，以提升移动平台处理器的计算速度。进一步地，可基于该最小单位的局部车道线之间的几何关系，构造假设车道线集合，从而可从该假设车道线集合中确定出目标车道线集合，以完成对车道线的检测。移动平台在从所述假设车道线集合中确定出目标车道线集合时，可先确定所述假设车道线集合中各假设车道线对应的假设分值，其中，所述假设分值用于表示对应的假设车道线为实际车道线的可能性大小，所述假设分值是根据用于构造假设车道线的局部车道线的权重值确定的，在确定各假设车道线对应的假设分值后，可基于所述假设分值从所述假设车道线集合中确定出目标车道线集合。其中，可将假设分值中满足预设分数阈值的假设车道线确定为目标车道线，从而组成目标车道线集合。在一个实施例中，所述车道线检测方法可应用在如图2所示的车道线检测场景中，其中，移动平台(如图2所示的无人驾驶汽车)获取的车道本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括：/n获取车道线的图像，并确定局部车道线集合；/n根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；/n从所述假设车道线集合中确定出目标车道线集合；/n其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。/n

【技术特征摘要】
【国外来华专利技术】1.一种车道线检测方法，其特征在于，包括：
获取车道线的图像，并确定局部车道线集合；
根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；
从所述假设车道线集合中确定出目标车道线集合；
其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。


2.根据权利要求1所述的方法，其特征在于，所述获取车道线的图像，并确定局部车道线集合，包括：
根据移动平台上设置的一个或多个视觉传感器在当前及历史时刻拍摄得到所述车道线的图像；
根据所述车道线的图像生成车道线俯瞰图；
根据所述车道线俯瞰图确定局部车道线集合。


3.根据权利要求2所述的方法，其特征在于，根据移动平台上设置的一个或多个视觉传感器在当前及历史时刻拍摄得到的是至少两个拍摄角度下的车道线的图像，所述根据所述车道线的图像生成车道线俯瞰图，包括：
基于所述至少两个拍摄角度下的车道线的图像生成车道线俯瞰图。


4.根据权利要求2所述的方法，其特征在于，所述根据所述车道线俯瞰图确定局部车道线集合，包括：
对所述车道线俯瞰图进行连通域分析处理，确定所述车道线俯瞰图中各像素点的连通域标签，其中，属于同一连通域的像素点被记录相同的连通域标签；
从所述车道线俯瞰图的连通域中选取目标像素点，并确定与所述目标像素点具有相同连通域标签的关联像素点；
按照预设的曲线拟合算法将所述目标像素点和所述关联像素点进行曲线拟合处理，得到局部车道线集合。


5.根据权利要求4所述的方法，其特征在于，所述从所述车道线俯瞰图的连通域中选取目标像素点，并确定与所述目标像素点具有相同连通域标签的关联像素点，包括：
按照预设尺寸的图像检测窗口在所述车道线俯瞰图上检测连通域；
在所述车道线俯瞰图上从位于所述图像检测窗口内的连通域中选取目标像素点；
将位于所述图像检测窗口内的连通域中，与所述目标像素点具有相同连通域标签的其他像素点作为关联像素点。


6.根据权利要求5所述的方法，其特征在于，所述按照预设的曲线拟合算法将所述目标像素点和所述关联像素点进行曲线拟合处理，得到局部车道线集合，包括：
基于最优解算法将所述目标像素点和所述关联像素点进行拟合，得到初始局部车道线；
根据多个图像检测窗口得到的初始局部车道线，得到局部车道线集合。


7.根据权利要求6所述的方法，其特征在于，所述最优解算法包括最小二乘算法。


8.根据权利要求6所述的方法，其特征在于，所述根据多个图像检测窗口得到的初始局部车道线，得到局部车道线集合，包括：
按照预设的过滤算法对多个图像检测窗口得到的初始局部车道线中的各初始局部车道线进行过滤；
滤除所述初始局部车道线中的错误局部车道线，得到所述车道线俯瞰图对应的局部车道线集合；
所述预设的过滤算法是根据针对所述车道线的先验信息生成的。


9.根据权利要求8所述的方法，其特征在于，所述根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，包括：
按照预设的用于判决局部车道线是否属于同一车道线的判决条件，从所述局部车道线集合中确定出局部车道线子集；
根据各局部车道线子集中的局部车道线，构造每个局部车道线子集对应的假设车道线，得到假设车道线集合。


10.根据权利要求9所述的方法，其特征在于，所述预设的用于判决局部车道线是否属于同一车道线的判决条件包括：基于局部车道线之间的方向差和/或欧式距离设置的条件。


11.根据权利要求9所述的方法，其特征在于，所述局部车道线子集中包括局部车道线组；
构成所述局部车道线组的至少两个局部车道线之间的方向差小于或等于预设方向差阈值；
和/或，构成所述局部车道线组的至少两个局部车道线之间的欧式距离小于或等于预设距离阈值。


12.根据权利要求9所述的方法，其特征在于，所述根据各局部车道线子集中的局部车道线，构造每个局部车道线子集对应的假设车道线，得到假设车道线集合，包括：
根据各局部车道线子集中的局部车道线，构造每个局部车道线子集对应的假设车道线；
如果构造的假设车道线中存在满足岔路口条件的假设车道线组，则对所述满足岔路口条件的假设车道线组进行拆分，得到两组假设车道线；
其中，拆分后的每组假设车道线中不包括相同的局部车道线。


13.根据权利要求12所述的方法，其特征在于，所述从所述假设车道线集合中确定出目标车道线集合，包括：
基于预设的多假设求解规则，从所述假设车道线集合中确定出目标车道线集合。


14.根据权利要求13所述的方法，其特征在于，所述基于预设的多假设求解规则，从所述假设车道线集合中确定出目标车道线集合，包括：
基于预设的多假设求解规则的指示，将所述假设车道线集合划分得到至少两个假设车道线组，并确定各假设车道线组对应的假设权重分值；
由最大的假设权重分值对应的假设车道线组中的假设车道线组成目标车道线集合；
其中，所述假设权重分值是根据所述假设车道线组中的假设车道线的权重值确定的，所述假设车道线的权重值是根据所述针对车道线的先验信息确定的。


15.根据权利要求1-14任一项所述的方法，其特征在于，所述车道线的属性特征包括：所述车道线的几何特征和颜色特征，所述几何特征包括长度特征、宽度特征以及车道线之间的平行特征中的任意一种或多种。


16.一种车道线检测设备，所述车道线检测设备内置于移动平台中，其特征在于，所述车道线检测设备包括：存储器和处理器；
所述存储器用于存储程序代码；
所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：
获取车道线的图像，并确定局部车道线集合；
根据车道线的先验信息以及所述局部车道线集合构造假设车道线，得到假设车道线集合，所述先验信息包括：车道线的特征属性；
从所述假设车道线集合中确定出目标车道线集合；
其中，所述目标车道线集合包括至少一条目标车道线，每条目标车道线由所述假设车道线集合中的一条假设车道线构成，或者由至少两条假设车道线组合构成。

...

【专利技术属性】
技术研发人员：唐蔚博，许睿，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44