车道线融合方法、车道线融合装置、车辆和存储介质制造方法及图纸

一种车道线融合方法、装置、车辆和存储介质，该车道线融合方法包括:获取可移动平台周围的环境图像，并根据环境图像得到可移动平台的初始车道线集合(S110)；对初始车道线集合中的初始车道线数据进行拟合优化，得到目标车道线集合；其中，拟合优化包括：根据初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化得到目标车道线集合(S120)；目标车道线集合包括相互不平行的车道线。

【技术实现步骤摘要】
【国外来华专利技术】车道线融合方法、车道线融合装置、车辆和存储介质
本申请涉及车辆辅助驾驶和自动驾驶领域，尤其涉及一种车道线融合方法、车道线融合装置、车辆和存储介质。
技术介绍
车道线检测是辅助驾驶(ADAS)和自动驾驶技术需要实现的主要功能之一,基于检测得到的车道线可以规划可移动平台,如车辆的行驶计划,保障行驶安全可靠。现有的车道线检测方法主要基于当前车辆周围的环境图像，无法综合之前时刻检测的历史车道线对当前车道线进行优化，无法较好的应对具有分叉路口的行驶场景。因此现有的车道线检测通用性较差，准确度不够高。
技术实现思路
基于此，本说明书提供了一种车道线融合方法、车道线融合装置、车辆和存储介质，旨在解决现有的车道线检测无法较好的应对具有分叉路口的行驶场景，通用性较差，准确度不够高等技术问题。第一方面，本说明书提供了一种车道线检测方法，包括：获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合；对所述初始车道线集合中的初始车道线数据进行拟合优化，得到目标车道线集合；其中，所述拟合优化包括：根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，所述拟合优化用于使得所述目标车道线集合包括相互不平行的车道线。第二方面，本说明书提供了一种车道线检测装置，包括传感器和处理器；所述传感器用于获取可移动平台周围的环境图像；所述处理器，用于实现如下步骤：获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合；对所述初始车道线集合中的初始车道线数据进行拟合优化，得到目标车道线集合；其中，所述拟合优化包括：根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，所述拟合优化用于使得所述目标车道线集合包括相互不平行的车道线。第三方面，本说明书提供了一种车辆，包括：上述的车道线检测装置，用于确定车道线；运动组件，用于行驶。第四方面，本说明书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使所述处理器实现上述的车道线融合方法。本说明书实施例提供了一种车道线融合方法、车道线融合装置、车辆和存储介质，通过可移动平台周围的环境图像确定若干初始车道线数据，然后根据若干初始车道线数据和历史车道线集合中相应的历史车道线数据进行拟合优化，得到若干目标道线。由于拟合优化融合了车道线的历史检测数据，使得车道线检测可以不依赖车道线几何平行假设和路面平行假设，从而可以适用于道路包括分岔路口的场景，提高了通用性和检测准确度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书的公开内容。附图说明为了更清楚地说明本说明书实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本说明书的一些实施例，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是本说明书一实施例提供的一种车道线检测方法的流程示意图；图2是一种实施方式中车道线检测场景的示意图；图3是通过连通域分析确定局部地图中局部车道线的示意图；图4是图1中拟合优化得到目标车道线集合的子流程示意图；图5是图4中拟合优化得到初始车道线数据对应目标车道线的子流程示意图；图6是本说明书一实施例提供的一种遥控装置的示意性框图；图7是本说明书一实施例提供的一种可移动平台的示意性框图。具体实施方式下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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他实施例，都属于本说明书保护的范围。附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。下面结合附图，对本说明书的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。请参阅图1，图1是本说明书一实施例提供的一种车道线检测方法的流程示意图。所述车道线检测方法可以应用在车道线检测装置，该车道线检测装置可以搭载于可移动平台,并与可移动平台存在数据连接。其中，该可移动平台可以为一些能够行驶在公共交通道路上的移动装置，例如自动驾驶车辆。该车道线检测装置也可以为与可移动平台存在数据连接的辅助驾驶装置。该车道线检测装置可以内置于可移动平台，如可移动平台整合于可移动平台中的系统等，也可以与可移动平台存在外部连接，如连接于可移动平台外部的辅助驾驶装置。在一些实施方式中，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，可移动平台10可以是一辆行驶在公共交通道路上的车辆，车道线检测装置100内置于可移动平台10，该可移动平台10上还安置有一个或者多个传感器101，车道线检测装置100可以通过传感器101获取可移动平台10的环境图像。例如，传感器101包括视觉传感器，用于获取可移动平台周围的环境图像。其中，所述传感器101可安置在可移动平台10的前方、后方和/或车顶等位置，可移动平台10中安置的一个或多个传感器101可以安置在相同位置，也可安置在不同位置，在本专利技术实施例中不做限定。如图1所示，本实施例车道线检测方法包括步骤S110至步骤S120。S110、获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合。示例性的，可移动平台搭载的传感器实时或者按照预设周期采集可移动平台周围预设范围的环境图像，并基于该环境图像构造可移动平台所处环境的局部地图。示例性的，通过可移动平台搭载的传感器获取可移动平台前方的图像，或称为前视图，并基于图像模型识别前视图中的车道线图像点。还可以结合可移动平台的位姿信息和3D环境信息将车道线图像点转换到世界坐标系下的局部地图，以得到可移动平台所处环境的局部地图，并确定该车道线图像点在局部地图中对应的车道线位置点。示例性的，可采用卷积神经网络(ConvolutionalNeuralNetworks，CNN)对前视图作初步的车道线检测得到车道线图像点。示例性的，可以通过视觉惯性导航系统(如Visual-InertialNavigationSystem，VINS)获取可移动平台的位姿信息，如当前车体位置姿态信息。示例性的，可以通过双目立体匹配算法SGBM确定可移动平台周围的3D环境感知信息，即3D环境信息。在一些实施方式中，在确定局部地图中的车道线位置点之后，可以在局部地图中确定出初始车道线集合，该初始车道线集合包括本文档来自技高网...

【技术保护点】
1.一种车道线检测方法，其特征在于，包括：/n获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合；/n对所述初始车道线集合中的初始车道线数据进行拟合优化，得到目标车道线集合；/n其中，所述拟合优化包括：根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，所述拟合优化用于使得所述目标车道线集合包括相互不平行的车道线。/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：
获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合；
对所述初始车道线集合中的初始车道线数据进行拟合优化，得到目标车道线集合；
其中，所述拟合优化包括：根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，所述拟合优化用于使得所述目标车道线集合包括相互不平行的车道线。


2.根据权利要求1所述的方法，其特征在于，所述根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，包括：
基于过拟合约束条件和平行约束条件，根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合。


3.根据权利要求1所述的方法，其特征在于，所述初始车道线数据和历史车道线数据通过预设的数据结构进行处理，其中，所述预设的数据结构具有确定的计算量。


4.根据权利要求3所述的方法，其特征在于，所述历史车道线数据由历史的初始车道线数据根据预设融合规则累加得到。


5.根据权利要求1所述的方法，其特征在于，所述根据所述初始车道线数据和历史车道线集合中的历史车道线数据进行拟合优化，得到目标车道线集合，包括：
从所述历史车道线集合中确定与所述初始车道线数据匹配的历史车道线数据；
基于过拟合约束条件和平行约束条件，对所述初始车道线数据和历史车道线数据进行拟合优化，得到所述初始车道线数据对应的目标车道线；
由至少一个所述目标车道线组成目标车道线集合。


6.根据权利要求5所述的方法，其特征在于，所述历史车道线数据包括第一聚合数据和第二聚合数据；
所述基于过拟合约束条件和平行约束条件，对所述初始车道线数据和历史车道线数据进行拟合优化，得到所述初始车道线数据对应的目标车道线，包括：
根据所述初始车道线数据确定第一增量数据和第二增量数据；
基于根据过拟合约束条件和平行约束条件确定的等式，根据所述第一增量数据、第二增量数据、第一聚合数据和第二聚合数据确定所述初始车道线数据对应的目标车道线。


7.根据权利要求6所述的方法，其特征在于，所述确定所述初始车道线数据对应的目标车道线，包括：
确定所述初始车道线数据对应的多项式系数；
根据所述多项式系数确定所述初始车道线数据对应的目标车道线。


8.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述初始车道线数据更新所述历史车道线数据，更新后的历史车道线数据与更新前的历史车道线数据具有相同的数据量。


9.根据权利要求8所述的方法，其特征在于，所述根据所述初始车道线数据更新所述历史车道线数据，包括：
将所述第一增量数据累加至所述第一聚合数据；
将所述第二增量数据累加至所述第二聚合数据。


10.根据权利要求6-9中任一项所述的方法，其特征在于，所述根据所述初始车道线数据确定第一增量数据，包括：
根据所述初始车道线在局部地图上的第一坐标值确定所述第一增量数据，所述局部地图是根据所述可移动平台所处的环境确定的。


11.根据权利要求10所述的方法，其特征在于，所述根据所述初始车道线数据确定第二增量数据，包括：
根据所述初始车道线在局部地图上的第一坐标值和所述初始车道线在局部地图上的第二坐标值确定所述第二增量数据。


12.一种车道线检测装置，其特征在于，包括传感器和处理器；
所述传感器用于获取可移动平台周围的环境图像；
所述处理器，用于实现如下步骤：
获取可移动平台周围的环境图像，并根据所述环境图像得到所述可移动平台的初始车道线集合；
对所述初始车道线集合中的初始车道线数据进行拟合...

【专利技术属性】
技术研发人员：许睿，陈竞，
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