车道线生成方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种车道线生成方法、装置、存储介质及电子设备，以解决相关技术中的问题。该方法包括：获取目标道路上采集车的行车轨迹数据，以及采集车上的雷达扫描到的点云数据；针对点云数据中的每一帧点云数据的位图进行线状分段检测，得到点云数据对应的像素图，根据像素图确定第一特征点集合和第二特征点集合；根据行车轨迹数据和第二特征点集合，确定目标特征点线段集合，根据目标特征点线段集合和第一特征点集合，确定目标道路的道路边缘线，所述道路边缘线包括：左侧边缘线、右侧边缘线；根据道路边缘线和目标道路的预设车道宽度，确定左侧边缘线和右侧边缘线之间的矢量线，根据道路边缘线以及矢量线生成目标道路上的车道线。

【技术实现步骤摘要】
车道线生成方法、装置、存储介质及电子设备
本公开涉及计算机
，具体地，涉及一种车道线生成方法、装置、存储介质及电子设备。
技术介绍
高精度地图已被公认为自动驾驶/无人驾驶技术中的重要参考数据。高精度地图是指高精度、精细化定义的地图，其精度达到分米级。高精度地图精确的区分了各个车道，为车辆和交通信号标志的高精度定位提供了底图。其中，高精度地图的数据源来自于采集车实际采集到的道路数据。具体地，通过专业的采集车上的激光雷达扫描并获取道路的点云数据。在获得点云数据后，对该点云数据进行数据清洗、目标检测、矢量特征提取、矢量语义加工、人工验证等十几道繁琐、复杂的工序处理后，才能制作得到高精度地图。相关技术中，为了保证地图的精度，通常采用多线数(如64线，128线)雷达扫描并获取道路的高分辨率稠密点云数据。但是，多线数雷达的成本巨大。此外，通过多线数雷达采集的稠密点云数据虽然能够保障获取到的道路信息的精准性，但是稠密点云数据的数据量巨大，因而在数据处理的过程中数据计算量巨大，且要求对该稠密点云数据进行数据处理的设备具有高性能的数据处理能力。
技术实现思路
本公开的目的是提供一种车道线生成方法、装置、存储介质及电子设备，以解决相关技术中存在的问题。为了实现上述目的，根据本公开实施例的第一部分，提供一种车道线生成方法，包括：获取目标道路上采集车的行车轨迹数据，以及所述采集车上的雷达扫描到的点云数据；针对所述点云数据中的每一帧点云数据的位图进行线状分段检测，得到所述点云数据对应的像素图，根据所述像素图确定第一特征点集合和第二特征点集合；根据所述行车轨迹数据和所述第二特征点集合，确定目标特征点线段集合，根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，所述道路边缘线包括：左侧边缘线、右侧边缘线；根据所述道路边缘线和所述目标道路的预设车道宽度，确定所述左侧边缘线和所述右侧边缘线之间的矢量线，根据所述道路边缘线以及所述矢量线生成所述目标道路上的车道线。可选地，所述根据所述像素图确定第一特征点集合和第二特征点集合，包括：将所述像素图反向投影到所述点云数据的数据空间，得到所述第一特征点集合；对所述像素图进行线状分段检测，得到第一像素图，并将所述第一像素图反向投影到所述点云数据的数据空间，得到所述第二特征点集合，其中，所述第二特征点集合中特征点的数量小于所述第一特征点集合中特征点的数量。可选地，所述目标特征点线段集合包括左侧目标特征点线段集合和右侧目标特征点线段集合，其中，所述左侧目标特征点线段集合是根据所述第二特征点集合中的，位于所述行车轨迹数据对应的轨迹线左侧的特征点确定的，所述右侧目标特征点线段集合是根据所述第二特征点集合中的，位于所述轨迹线右侧的特征点确定的。可选地，根据所述第二特征点集合中的，位于所述轨迹线左侧的特征点确定所述左侧目标特征点线段集合，包括：针对所述行车轨迹数据中的每一采样点，获取该采样点在所述轨迹线上的切线垂直线，并从所述第二特征点集合中的，位于所述轨迹线左侧的特征点中确定与所述切线垂直线的距离小于第一预设阈值的第一待探测特征点集合；针对每一所述采样点的所述第一待探测特征点集合中的每一待探测特征点，将该待探测特征点和下一所述采样点的所述第一待探测特征点集合中的目标待探测特征点进行连接，得到对应的第一线段，其中，该待探测特征点到所述轨迹线的距离与该目标待探测特征点到所述轨迹线的距离相差不超过所述第一预设阈值；针对由每一所述采样点对应的所有第一线段组成的线段集合，将所述线段集合中的长度大于第二预设阈值的线段作为所述左侧目标特征点线段集合。可选地，所述根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，包括：根据所述左侧目标特征点线段集合和所述第一特征点集合，确定所述目标道路的所述左侧边缘线；根据所述右侧目标特征点线段集合和所述第一特征点集合，确定所述目标道路的所述右侧边缘线。可选地，所述根据所述左侧目标特征点线段集合和所述第一特征点集合，确定所述目标道路的所述左侧边缘线，包括：针对所述行车轨迹数据中的每一采样点，从所述左侧目标特征点线段集合中确定距离该采样点最近和最远的两个边界参考点，并从所述第一特征点集合中的，位于所述轨迹线左侧的特征点中确定与该采样点在所述轨迹线上的切线垂直线的距离小于所述第一预设阈值的第二待探测特征点集合，并从所述第二待探测特征点集合中确定与所述轨迹线的距离处于所述两个边界参考点分别与轨迹线的距离之间，且点云稠密度达到第三预设阈值的候选特征点；针对每一所述候选特征点，从所述第一特征点集合中确定横向距离所述候选特征点第一预设距离，且纵向距离所述候选特征点第二预设距离范围内的第三特征点集合，并按照窗长为预设长度的横向距离窗口对所述第三特征点集合进行点数统计，得到对应的直方图，根据所述直方图确定峰值，并从所述峰值中遴选出边缘真值点，其中，所述横向为采样点的切线垂直方向，所述纵向为采样点的切线方向；将每一所述边缘真值点连接成线段，得到所述左侧边缘线。可选地，所述根据所述道路边缘线和所述目标道路的预设车道宽度，确定所述左侧边缘线和所述右侧边缘线之间的矢量线，包括：根据所述左侧边缘线和所述右侧边缘线之间的距离，以及所述目标道路的所述预设车道宽度确定所述左侧边缘线和所述右侧边缘线之间的车道数量；将所述左侧边缘线中每一左侧采样点与对应的右侧采样点进行连接得到对应的辅助线段，从每一所述辅助线段中确定将该辅助线段均分为所述车道数量对应份数的目标位置点；对每一所述辅助线段中的目标位置点从左至右进行标号，将所有所述辅助线段中的标号相同的目标位置点进行连接，得到所述矢量线。根据本公开实施例的第二部分，提供一种车道线生成装置，包括：获取模块，被配置为用于获取目标道路上采集车的行车轨迹数据，以及所述采集车上的雷达扫描到的点云数据；第一确定模块，被配置为用于针对所述点云数据中的每一帧点云数据的位图进行线状分段检测，得到所述点云数据对应的像素图，根据所述像素图确定第一特征点集合和第二特征点集合；第二确定模块，被配置为用于根据所述行车轨迹数据和所述第二特征点集合，确定目标特征点线段集合，根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，所述道路边缘线包括：左侧边缘线、右侧边缘线；第三确定模块，被配置为用于根据所述道路边缘线和所述目标道路的预设车道宽度，确定所述左侧边缘线和所述右侧边缘线之间的矢量线，根据所述道路边缘线以及所述矢量线生成所述目标道路上的车道线。可选地，所述第一确定模块包括：第一投影子模块，被配置为用于将所述像素图反向投影到所述点云数据的数据空间，得到所述第一特征点集合；第二投影子模块，被配置为用于对所述像素图进行线状分段检测，得到第一像素图，并将所述第一像素图反向投影到所述点云数据的数据空间，本文档来自技高网...

【技术保护点】
1.一种车道线生成方法，其特征在于，包括：/n获取目标道路上采集车的行车轨迹数据，以及所述采集车上的雷达扫描到的点云数据；/n针对所述点云数据中的每一帧点云数据的位图进行线状分段检测，得到所述点云数据对应的像素图，根据所述像素图确定第一特征点集合和第二特征点集合；/n根据所述行车轨迹数据和所述第二特征点集合，确定目标特征点线段集合，根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，所述道路边缘线包括：左侧边缘线、右侧边缘线；/n根据所述道路边缘线和所述目标道路的预设车道宽度，确定所述左侧边缘线和所述右侧边缘线之间的矢量线，根据所述道路边缘线以及所述矢量线生成所述目标道路上的车道线。/n

【技术特征摘要】
1.一种车道线生成方法，其特征在于，包括：
获取目标道路上采集车的行车轨迹数据，以及所述采集车上的雷达扫描到的点云数据；
针对所述点云数据中的每一帧点云数据的位图进行线状分段检测，得到所述点云数据对应的像素图，根据所述像素图确定第一特征点集合和第二特征点集合；
根据所述行车轨迹数据和所述第二特征点集合，确定目标特征点线段集合，根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，所述道路边缘线包括：左侧边缘线、右侧边缘线；
根据所述道路边缘线和所述目标道路的预设车道宽度，确定所述左侧边缘线和所述右侧边缘线之间的矢量线，根据所述道路边缘线以及所述矢量线生成所述目标道路上的车道线。


2.根据权利要求1所述的方法，其特征在于，所述根据所述像素图确定第一特征点集合和第二特征点集合，包括：
将所述像素图反向投影到所述点云数据的数据空间，得到所述第一特征点集合；
对所述像素图进行线状分段检测，得到第一像素图，并将所述第一像素图反向投影到所述点云数据的数据空间，得到所述第二特征点集合，其中，所述第二特征点集合中特征点的数量小于所述第一特征点集合中特征点的数量。


3.根据权利要求1或2所述的方法，其特征在于，所述目标特征点线段集合包括左侧目标特征点线段集合和右侧目标特征点线段集合，其中，所述左侧目标特征点线段集合是根据所述第二特征点集合中的，位于所述行车轨迹数据对应的轨迹线左侧的特征点确定的，所述右侧目标特征点线段集合是根据所述第二特征点集合中的，位于所述轨迹线右侧的特征点确定的。


4.根据权利要求3所述的方法，其特征在于，根据所述第二特征点集合中的，位于所述轨迹线左侧的特征点确定所述左侧目标特征点线段集合，包括：
针对所述行车轨迹数据中的每一采样点，获取该采样点在所述轨迹线上的切线垂直线，并从所述第二特征点集合中的，位于所述轨迹线左侧的特征点中确定与所述切线垂直线的距离小于第一预设阈值的第一待探测特征点集合；
针对每一所述采样点的所述第一待探测特征点集合中的每一待探测特征点，将该待探测特征点和下一所述采样点的所述第一待探测特征点集合中的目标待探测特征点进行连接，得到对应的第一线段，其中，该待探测特征点到所述轨迹线的距离与该目标待探测特征点到所述轨迹线的距离相差不超过所述第一预设阈值；
针对由每一所述采样点对应的所有第一线段组成的线段集合，将所述线段集合中的长度大于第二预设阈值的线段作为所述左侧目标特征点线段集合。


5.根据权利要求3所述的方法，其特征在于，所述根据所述目标特征点线段集合和所述第一特征点集合，确定所述目标道路的道路边缘线，包括：
根据所述左侧目标特征点线段集合和所述第一特征点集合，确定所述目标道路的所述左侧边缘线；
根据所述右侧目标特征点线段集合和所述第一特征点集合，确定所述目标道路的所述右侧边缘线。


6.根据权利要求5所述的方法，其特征在于，所述根据所述左侧目标特征...

【专利技术属性】
技术研发人员：罗立，鲍世强，侯涛，李熠，
申请(专利权)人：当家移动绿色互联网技术集团有限公司，
类型：发明
国别省市：北京;11