一种车道线的多道路片段的众包数据快速融合优化方法技术

本发明专利技术涉及一种车道线的多道路片段的众包数据快速融合优化方法，包括：建立车道线局部分段函数模型，对各个形点进行局部拟合优化，形成一段车道线；根据局部分段函数模型建立全局车道线模型，生成多段整条车道线；对车道线进行错误断裂和错误连接处理，生成车道线集。可以从杂乱的原始输入数据点中得到精度较高，且完整性、连续性较好的车道线形点，并可以得到车道线对应的直线方程，因而得到了矢量化的车道线数据；执行简便快捷，对输入数据的要求少，鲁棒性高，可以适应3D的车道线形点数据，可以适应复杂的城区道路数据，相比现有的车道线聚类算法具有明显优势。

A fast fusion and optimization method of multi road segment crowdsourcing data of lane line

【技术实现步骤摘要】
一种车道线的多道路片段的众包数据快速融合优化方法
本专利技术涉及高精度地图领域，尤其涉及一种车道线的多道路片段的众包数据快速融合优化方法。
技术介绍
在自动驾驶领域，为准确控制车辆行驶，常涉及到高精度地图的绘制，高精度地图绘制的过程中，需要路面的车道线形点数据，给自动驾驶车提供车道级的驾驶指引。高精度地图可以使用价格高昂的测绘车经过长时间的数据采集绘制，但由于成本高且采集周期长、更新慢的原因难以满足高精度地图的高鲜度需求。众包采集车相比高精度测绘车成本低，比较适宜进行广泛布置以采集高鲜度的数据，提高高精度地图的更新频率，而众包采集车精度较低，其所采集的数据点误差较大且常有错误数据点，因此希望通过多次频繁地采集的大数据量融合优化得到高精度的车道线数据，但较大的数据量意味着计算复杂度和计算时间的增加。因而在大数据量的情形下，如何对众包采集车采集的车道线的2D或3D数据，进行众包数据的融合优化成为难点。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种车道线的多道路片段的众包数据快速融合优化方法，解决现有技术中不能对众包采集车采集的车道线的3D数据进行快速、有效地融合的问题。本专利技术解决上述技术问题的技术方案如下：一种车道线的多道路片段的众包数据快速融合优化方法，所述方法包括：步骤1，建立车道线局部分段函数模型，对各个形点进行局部拟合优化，形成一段车道线；步骤2，根据局部分段函数模型建立全局车道线模型，生成多段整条车道线；步骤3，对所述车道线进行错误断裂和错误连接处理，生成车道线集。本专利技术的有益效果是：可以从杂乱的原始输入数据点中得到精度较高，且完整性、连续性较好的车道线形点，并可以得到车道线对应的直线方程，因而得到了矢量化的车道线数据；执行简便快捷，对输入数据的要求少，鲁棒性高，可以适应2D的车道线形点数据，可以适应复杂的城区道路数据，相比现有的车道线聚类算法具有明显优势。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述所述步骤1包括：步骤101，建立包括所有待处理的车道线道路片段众包数据的形点的集合Ω0；步骤102，构建长方体检索框<l,w,h>，选定形点p0(x0,y0,z0)为所述检索框的起点；步骤103，将与所述形点p0的X轴坐标值之差的绝对值不超过L，且与所述形点p0的Y轴坐标值之差的绝对值不超过W，且与所述形点p0的Z轴坐标值之差的绝对值不超过H的所有形点生成集合Ω1；步骤104，从所述集合Ω1选取在所述检索框内的所述形点生成形点集合Ω2；步骤105，对所述集合Ω2中的所述形点进行线性回归生成一段车道线。进一步，所述步骤103中构建的检索框的方向向量所述形点p0的方向向量为p1坐标为(x1,y1,z1)；所述步骤104中判断所述集合Ω1中的任一形点pk(xk,yk,zk)是否在所述检索框内的方法为：根据所述检索框的大小及方向以及所述形点的坐标和方向确定所述检索框的八个角点，根据所述角点和所述形点pk的坐标判断所述形点pk是否在所述检索框内；所述角点的确定过程包括：八个所述角点的初始坐标为：将所述各个所述角点的坐标左乘旋转矩阵旋转角点得到：平移旋转后所述角点得到：其中，旋转矩阵旋转角I为单位矩阵，表示向量与的叉乘，单位旋转向量为向量对应的反对称矩阵：进一步，所述步骤104中包括：步骤10401，取角点为c31,c32,c33,c34,c35,c36,c37,c38所给定的长方体中互相垂直的且交于一点的三条棱上的四个顶点，记为其中，为互相垂直的三条棱的交点；步骤10402，根据所述步骤10401中选定的所述交点以及所述形点pk的坐标，计算向量步骤10403，计算所述向量之间的向量内积为：步骤10404，六个所述向量内积的内积结果均不小于0时，则判断所述形点pk在所述检索框的内部或边界上；六个所述向量内积的内积结果有至少一个小于0时，则判断所述形点pk在所述检索框之外。进一步，所述步骤105包括：步骤10501，设置角度差阈值和距离差阈值，从所述集合Ω2中选取与所述形点p0的角度差不大于所述角度差阈值的形点生成集合Ω3，从所述集合Ω2中选取与所述形点p0的距离差不大于所述距离差阈值的形点生成集合Ω4，生成所述集合Ω3和所述集合Ω4的交集Ω5；步骤10502，根据所述集合Ω2、所述集合Ω3、所述集合Ω4和所述交集Ω5内的形点的数量确定是否进行线性回归,是，执行步骤10503，否，执行步骤10504；步骤10503，对所述交集Ω5中的形点进行线性回归。进一步，所述步骤10502中，所述集合Ω2的形点的数量小于设定阈值时，或所述交集Ω5的形点的数量小于2时，或所述集合Ω3或所述集合Ω4的形点数量占所述集合Ω2的形点数量的比例小于设定阈值时，判定不能进行线性回归。进一步，所述步骤10503包括：步骤1050301，选择所述集合Ω5中的X轴坐标值、Z轴坐标值作为特征自变量，对Y轴坐标值进行线性回归，得到回归系数coef1＝(cf3,cf4)T以及截距ic3；步骤1050302，选择所述集合Ω5中的Y轴坐标值、Z轴坐标值作为特征自变量，对X轴坐标值进行线性回归，得到回归系数coef2＝(cf5,cf6)T以及截距ic4；步骤1050303，建立所述形点进行线性回归的方程为：参数A1,B1,C1,D1,A2,B2,C2,D2分别为cf3,-1,cf4,ic3,-1,cf5,cf6,ic4。进一步，所述步骤2中根据局部分段函数模型建立全局车道线模型的方法为：所述步骤102-105生成一段车道线后，将所述检索框起点以及所述集合Ω2中的形点在所述集合Ω0中标记为已处理的形点；确定下一个所述检索框的起点及方向循环执行步骤102-105对所述集合Ω0中未处理的形点进行处理直至所述集合Ω0中的点均标记为已处理，将各段车道线后组成多段整条车道线；下一个所述检索框起点及方向的确定过程包括：选择与所述检索框的起点在自变量上相隔最远的点为检索框尾点，所述检索框尾点作为下一个检索框的起点，以线性回归得到的直线的方向向量作为下一个所述检索框的起点的方向向量。进一步，所述步骤3中对所述车道线进行错误连接处理的过程包括：对所述形点进行线性回归生成各段车道线，比较单条车道线内所有形点的坐标的X轴、Y轴和Z轴的变化范围；所述X轴的变化范围大于所述Y轴和所述Z轴的变化范围时，所述形点按照X轴坐标从小到大进行排序；所述Y轴的变化范围大于所述X轴和所述Z轴的变化范围时，所述形点按照Y轴坐标从小到大进行排序；所述Z轴的变化范围大于所述X轴和所述Y轴的变化范围时，所述形点按照Z轴坐标从小到大进行排序；对所述车道线进行错误断裂处理的过程包括：对于任意两条车本文档来自技高网...

【技术保护点】
1.一种车道线的多道路片段的众包数据快速融合优化方法，其特征在于，所述方法包括：/n步骤1，建立车道线局部分段函数模型，对各个形点进行局部拟合优化，形成一段车道线；/n步骤2，根据局部分段函数模型建立全局车道线模型，生成多段整条车道线；/n步骤3，对所述车道线进行错误断裂和错误连接处理，生成车道线集。/n

【技术特征摘要】
1.一种车道线的多道路片段的众包数据快速融合优化方法，其特征在于，所述方法包括：
步骤1，建立车道线局部分段函数模型，对各个形点进行局部拟合优化，形成一段车道线；
步骤2，根据局部分段函数模型建立全局车道线模型，生成多段整条车道线；
步骤3，对所述车道线进行错误断裂和错误连接处理，生成车道线集。


2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：
步骤101，建立包括所有待处理的车道线道路片段众包数据的形点的集合Ω0；
步骤102，构建长方体检索框<l,w,h>，选定形点p0(x0,y0,z0)为所述检索框的起点；
步骤103，将与所述形点p0的X轴坐标值之差的绝对值不超过L，且与所述形点p0的Y轴坐标值之差的绝对值不超过W，且与所述形点p0的Z轴坐标值之差的绝对值不超过H的所有形点生成集合Ω1；
步骤104，从所述集合Ω1选取在所述检索框内的所述形点生成形点集合Ω2；
步骤105，对所述集合Ω2中的所述形点进行线性回归生成一段车道线。


3.根据权利要求1所述的方法，其特征在于，所述步骤103中构建的检索框的方向向量
所述形点p0的方向向量为p1坐标为(x1,y1,z1)；
所述步骤104中判断所述集合Ω1中的任一形点pk(xk,yk,zk)是否在所述检索框内的方法为：根据所述检索框的大小及方向以及所述形点的坐标和方向确定所述检索框的八个角点，根据所述角点和所述形点pk的坐标判断所述形点pk是否在所述检索框内；
所述角点的确定过程包括：
八个所述角点的初始坐标为：
c31＝(0,-w,h)T,c32＝(0,-w,-h)T,c33＝(0,w,-h)T,c34＝(0,w,h)T,
将所述各个所述角点的坐标左乘旋转矩阵旋转角点得到：



平移旋转后所述角点得到：



其中，旋转矩阵旋转角I为单位矩阵，表示向量与的叉乘，单位旋转向量为向量对应的反对称矩阵：





4.根据权利要求2或3所述的方法，其特征在于，所述步骤104中包括：
步骤10401，取角点为c31,c32,c33,c34,c35,c36,c37,c38所给定的长方体中互相垂直的且交于一点的三条棱上的四个顶点，记为其中，为互相垂直的三条棱的交点；
步骤10402，根据所述步骤10401中选定的所述交点以及所述形点pk的坐标，计算向量
步骤10403，计算所述向量之间的向量内积为：
步骤10404，六个所述向量内积的内积结果均不小于0时，则判断所述形点pk在所述检索框的内部或边界上；六个所述向量内积的内积结果有至少一个小于0时，则判断所述形点pk在所述检索框之外。


5.根据权利要求2所述的方法，其特征在于，所述步骤105包括：
步骤10501，设置角度差阈值和距离差阈值，从所述集合Ω2中选取与所述形点p0的角度差不大于所述角度差阈值的形点生成集合Ω3，从所述集合Ω2中选取与所述形点p0的距离差不大于所述距离差阈值的形点生成集合Ω4，生成所述集合Ω3和所述集合Ω4的交集Ω5；
步骤10502，根据所述集合Ω2、所述集合Ω3、所述集合Ω4和所述交集Ω5内的形点的数量确定是否进行线性回归,是，执行步骤10503，否，执行步骤10504；
步骤10503，对所述交集Ω5中的形点进行线性回归。

【专利技术属性】
技术研发人员：朱紫威，秦峰，肖德雨，尹玉成，刘奋，
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