车道线的确定方法、定位精度的评测方法、装置、设备制造方法及图纸

本申请公开了车道线的确定方法、定位精度的评测方法、装置、设备以及存储介质，涉及图像处理领域，尤其涉及自动驾驶、智能交通和计算机视觉等领域。具体实现方案为：在接收到的道路图像中确定线条；对组成所述线条的像素点进行筛选，确定组成车道线的像素点；将所述组成车道线的像素点进行拟合，得到车道线。根据本申请的技术可以克服人工标注的弊端，利用图像识别方法可以对图像采集设备采集到的图像中的车道线进行自动识别。提高了车道线标注的自动化程度。

Lane line determination method, positioning accuracy evaluation method, device and equipment

【技术实现步骤摘要】
车道线的确定方法、定位精度的评测方法、装置、设备
本申请涉及图像处理领域，尤其涉及自动驾驶、智能交通和计算机视觉等领域。
技术介绍
目前的定位评测中，主要使用人工标注车道线的方式获取车道线的真值。具体方案为：在车辆前视图像采集设备采集的图像中，由人工标注出车道线的位置，后续经过测评算法确定出定位精度差异。这种方法需要人工介入，待标注的图片数量巨大，费用高昂，且人工标注时一旦出错难以察觉。
技术实现思路
本申请提供了一种车道线的确定方法、定位精度的评测方法、装置、设备以及存储介质。根据本申请的一方面，本申请实施例提供了一种车道线的确定方法，包括以下步骤：在接收到的道路图像中确定线条；对组成所述线条的像素点进行筛选，确定组成车道线的像素点；将所述组成车道线的像素点进行拟合，得到车道线。根据本申请的另一方面，本申请实施例提供了一种车道线定位精度的评测方法，包括以下步骤：获取待评测的车道线检测值；获取车道线真值，所述车道线真值是利用前述车道线的确定方法获得的；根据所述车道线检测值与所述车道线真值之间的误差，对所述待评测的车道线检测值进行评测。根据本申请的第三方面，本申请实施例提供了一种车道线的确定装置，包括：线条确定模块，用于在接收到的道路图像中确定线条；像素点确定模块，用于对组成所述线条的像素点进行筛选，确定组成车道线的像素点；像素点拟合模块，用于将所述组成车道线的像素点进行拟合，得到车道线。根据本申请的第四方面，本申请实施例提供了一种车道线定位精度的评测装置，包括：车道线检测值获取模块，用于获取待评测的车道线检测值；车道线真值获取模块，用于获取车道线真值，所述车道线真值是利用前述车道线的确定装置获得的；测评模块，用于根据所述车道线检测值与所述车道线真值之间的误差，对所述待评测的车道线检测值进行评测。根据本申请的第五方面，本申请实施例提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。根据本申请的第六方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1是根据本申请车道线的确定方法的流程图；图2是根据本申请在道路图像中确定线条的流程图；图3是根据本申请在道路图像中确定线条的示意图；图4是根据本申请在道路图像中确定线条的流程图；图5是根据本申请确定线段与边缘的重合部分的流程图；图6是根据本申请确定组成车道线的像素点的流程图；图7是根据本申请确定主轴和投影轴的示意图；图8是根据本申请图像采集设备与目标车辆的示意图；图9是根据本申请车道线定位精度的评测方法的流程图；图10是根据本申请车道线检测值与车道线真值之间的误差示意图；图11是根据本申请车道线的确定装置的示意图；图12是根据本申请车道线定位精度的评测装置的示意图；图13是用来实现本申请实施例的车道线的确定方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。如图1所示，在本申请的实施方式中，提供一种车道线的确定方法，包括以下步骤：S101：在接收到的道路图像中确定线条；S102：对组成线条的像素点进行筛选，确定组成车道线的像素点；S103：将组成车道线的像素点进行拟合，得到车道线。道路图像可以是设置在目标车辆上的图像采集设备采集的，也可以是已有的道路图像样本等。本申请实施例以道路图像是设在车辆上的图像采集设备采集到的为例进行说明。图像采集设备可以分别设置于目标车辆的两侧，以获取到目标车辆两侧的道路图像。对于各个图像采集设备所采集的图像的处理方式相同，任意择一进行说明。例如，以设置在司机位置侧的图像采集设备所采集到的道路图像为例。对于接收到的道路图像，首先，可以对其进行预处理，预处理可以包括将道路图像转化为灰度图，利用中值滤波对道路图像中由沥青反光引起的亮点进行过滤处理，并且可以利用高斯滤波对图像进行平滑处理。对于预处理后的道路图像，可以从中提取出边缘。基于所提取出的边缘，可以确定出边缘中的线段。例如，在边缘为直线的情况下，确定出的线段与边缘重合度较高。在边缘为曲线的情况下，确定出的线段可以是多个较短的线段。可以根据线段与边缘的重合情况确定出道路图像中的线条，线条可能是一条，也可能是多条。基于图像采集设备的标定参数，利用逆透视变换可以将组成各线条的像素点转换至目标车辆的车辆坐标系下。示例性地，车辆坐标系可以以目标车辆后轴中点为原点，目标车辆前进方向为X轴，Y轴垂直于X轴指向车辆左侧(驾驶员侧)。可以对各线条的方向进行统计，根据统计结果确定主轴。将与主轴垂直的方向作为像素点投影轴。将组成前述各线条的像素点投影至像素点投影轴。根据像素点在像素点投影轴上的投影分布结果，可以确定组成车道线的像素点。将确定出的组成车道线的像素点进行拟合，即可确定出车道线。通过上述方法，可以克服人工标注的弊端，利用图像识别方法可以对图像采集设备采集到的图像中的车道线进行自动识别。提高了车道线标注的自动化程度。如图2所示，在一种实施方式中，步骤S101包括以下步骤：S1011：确定道路图像中的边缘；S1012：根据边缘确定至少一条线段；S1013：确定至少一条线段中的每条线段与边缘的重合部分，根据重合部分确定线条。在本实施例中，可以利用边缘检测算法(Canny)对道路图像中的边缘进行检测。由于道路图像中视场内的场景相对干净，往往仅有白色的车道线与黑色的沥青路面背景，故可以直接使用成熟的边缘检测方法获取道路图像中的边缘。结合图3所示，利用霍夫直线检测确定边缘中的至少一条直线段。示例性地，图3中左侧为道路图像中的边缘示意图，图3中的中间为从边缘中确定的多条线段的示意图，图3中右侧为边缘与线段的叠加示意图。霍夫直线检测获得的是严格的直线，由于图像中的边缘可能是图3所示的曲线或者非标准直线，因此，可以确定前述至少一条线段中的每条线段与边缘的重合部分，本文档来自技高网...

【技术保护点】
1.一种车道线的确定方法，包括：/n在接收到的道路图像中确定线条；/n对组成所述线条的像素点进行筛选，确定组成车道线的像素点；/n将所述组成车道线的像素点进行拟合，得到车道线。/n

【技术特征摘要】
1.一种车道线的确定方法，包括：
在接收到的道路图像中确定线条；
对组成所述线条的像素点进行筛选，确定组成车道线的像素点；
将所述组成车道线的像素点进行拟合，得到车道线。


2.根据权利要求1所述的方法，其中，所述在接收到的道路图像中确定线条，包括：
确定所述道路图像中的边缘；
根据所述边缘确定至少一条线段；
确定所述至少一条线段中的每条线段与所述边缘的重合部分，根据所述重合部分确定所述线条。


3.根据权利要求2所述的方法，其中，所述在接收到的道路图像中确定线条，还包括：
确定每个所述重合部分的曲线方程；
将每个所述重合部分的曲线方程中的参数进行归一化处理；
根据所述归一化处理后的曲线方程所对应的线条进行聚类，得到聚类结果，根据所述聚类结果确定所述道路图像中的线条。


4.根据权利要求2所述的方法，其中，所述确定所述至少一条线段中的每条线段与所述边缘的重合部分，包括：
将所述至少一条线段中的每条线段进行加粗处理；
将加粗处理后的线段所对应的像素点与所述边缘所对应的像素点进行逻辑与运算，确定出重合的部分。


5.根据权利要求1所述的方法，其中，所述对组成所述线条的像素点进行筛选，确定组成车道线的像素点，包括：
根据所述线条的方向确定主轴；
确定与所述主轴相垂直的投影轴；
将组成所述线条的像素点投影至所述投影轴上；
根据在所述投影轴上的投影结果，确定组成车道线的像素点。


6.根据权利要求1或5所述的方法，其中，所述道路图像是由图像采集设备所采集的标记有时间戳的图像；
所述图像采集设备为4个，分别设置于目标车辆的左右两侧，所述图像采集设备的朝向与所述目标车辆的行驶方向相垂直；
所述将所述组成车道线的像素点进行拟合，得到车道线，包括：
根据所述时间戳，分别将设置于所述目标车辆左右两侧的图像采集设备所采集到的所述道路图像中所述像素点进行拟合，得到车道线。


7.根据权利要求6所述的方法，所述分别将设置于目标车辆左右两侧的图像采集设备所采集到的所述道路图像中所述像素点进行拟合，包括：
根据最小斜率误差，将设置于目标车辆左右两侧的图像采集设备所采集到的所述道路图像中所述像素点进行拟合，使得拟合后的所述目标车辆左右两侧的车道线的斜率误差在允许范围内。


8.一种车道线定位精度的评测方法，包括：
获取待评测的车道线检测值；
获取车道线真值，所述车道线真值是利用权利要求1至7任一方法获得的；
根据所述车道线检测值与所述车道线真值之间的误差，对所述待评测的车道线检测值进行评测。


9.根据权利要求8所述的方法，其中，所述车道线检测值与所述车道线真值之间的误差的确定方式，包括：
计算所述车道线检测值与所述车道线真值之间的横向差值，和/或
计算所述车道线检测值与所述车道线真值之间的航向角差值；
将所述横向差值和/或所述航向角差值作为所述车道线检测值与所述车道线真值之间的误差。


10.根据权利要求8或9所述的方法，其中，所述待评测的车道线检测值是根据高精地图定位算法得到的。


11.一种车道线的确定装置，包括：
线条确定模块，用于在接收到的道路图像中确定线条；
像素点确定模块，用于对组成所述线条的像素点进行筛选，确定组成车道线的像素点；
像素点拟合模块，用于将所述组成车道线的像素点进行拟合，得到车道线。


12.根据权利要求11所述的装置，其中，所述线条确定模块，包括：

【专利技术属性】
技术研发人员：杨鹏斌，远财贸，韩丰泽，杨洋，倪菲，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11