基于图像的三维车道检测制造技术

本发明专利技术涉及基于图像的三维车道检测。具体地，执行基于图像的三维(3D)车道检测的系统和方法涉及获得包括一个或多个车道标记的图像中的一个或多个车道标记的已知3D点。该方法包括覆盖图像上的锚点网格。每个锚点是i个同心圆的中心。该方法还包括：作为神经网络的训练过程的一部分，基于已知3D点生成i‑长度向量并且为每个锚点设置指示符值；以及使用神经网络来获得第二图像中的一个或多个车道标记的3D点。

【技术实现步骤摘要】
基于图像的三维车道检测
本主题公开涉及基于图像的三维(3D)车道检测。
技术介绍
具有自主或半自主操作能力的车辆(例如汽车、卡车、建筑设备、农用设备、自动化工厂设备)越来越多。自主或半自主(例如避免碰撞、自适应巡航控制、自动制动、车道偏离检测)操作依赖于检测有关车辆及其环境信息的传感器。示例性传感器包括相机、雷达系统和激光雷达系统。传感器获得的示例性信息包括车辆的操作状态(例如速度、前进方向、偏航率)和环境信息(例如车辆在车道内或相对于相邻车辆的位置)。对车道线、中心线和道路中其他车道标记的检测有利于车道的检测，这对于许多半自主操作以及自主操作都是必需的。因此，期望提供基于图像的三维(3D)车道检测。
技术实现思路
在一示例性实施例中，一种执行基于图像的三维(3D)车道检测的方法包括获得包括一个或多个车道标记的图像中的一个或多个车道标记的已知3D点并且覆盖图像上的锚点网格。每个锚点是i个同心圆的中心。该方法还包括：作为神经网络的训练过程的一部分，基于已知3D点生成i-长度向量并且为每个锚点设置指示符值；以及使用神经网络来获得本文档来自技高网...

【技术保护点】
1.一种执行基于图像的三维(3D)车道检测的方法，该方法包括：/n获得包括一个或多个车道标记的图像中的一个或多个车道标记的已知3D点；/n覆盖图像上的锚点网格，其中，每个锚点是i个同心圆的中心；/n作为神经网络的训练过程的一部分，基于已知3D点为每个锚点生成i-长度向量并设置指示符值；以及/n使用神经网络来获得第二图像中的一个或多个车道标记的3D点。/n

【技术特征摘要】
20191121 US 16/691,0141.一种执行基于图像的三维(3D)车道检测的方法，该方法包括：
获得包括一个或多个车道标记的图像中的一个或多个车道标记的已知3D点；
覆盖图像上的锚点网格，其中，每个锚点是i个同心圆的中心；
作为神经网络的训练过程的一部分，基于已知3D点为每个锚点生成i-长度向量并设置指示符值；以及
使用神经网络来获得第二图像中的一个或多个车道标记的3D点。


2.根据权利要求1所述的方法，还包括，对于所述一个或多个车道标记中的每一个，将锚点中的与一个或多个车道标记之一的起点最接近的一个锚点确定为一个或多个车道标记之一的相关锚点，并获得一个或多个车道标记之一与相关锚点的每个同心圆的交点以及在该交点处的高程，其中，对于与一个或多个车道标记中的每一个相关的相关锚点，所述i-长度向量包括i对与i个同心圆相关的交点和高程以及指示符值1。


3.根据权利要求2所述的方法，其中，对于不是所述相关锚点之一的每个锚点，所述i-长度向量是<0,0>的值，并且所述指示符值是0或大于0但小于1的值。


4.根据权利要求1所述的方法，还包括：覆盖第二图像上的锚点网格和与每个锚点相对应的同心圆，获得第二图像上的每个锚点的i-长度向量，其中，使用神经网络来获得第二图像中的一个或多个车道标记的3D点包括：基于神经网络的训练过程，将第二图像上的每个锚点的i-长度向量转换为第二图像中的一个或多个车道标记的3D点。


5.根据权利要求1所述的方法，还包括：使用车辆的相机来获得所述第二图像，以及使用第二图像中的一个或多个车道标记的3D点来执行车辆的自主或半自主操作。

【专利技术属性】
技术研发人员：D利维，N加尼特，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：美国;US