一种自适应的车道线拟合算法制造技术

本发明专利技术公开了一种自适应的车道线拟合算法，首先对图像中的道路区域进行划分，然后对图像进行逆透视变换，得到道路图像的鸟瞰图；其次，计算出中视野区域内车道线特征点横坐标的最大差值；接着对中视野区域内的车道线特征点进行多项式拟合，最后计算出车道线的曲率。本发明专利技术提供的自适应车道线拟合算法，可以快速、准确地输出车道线的参数信息，为自动驾驶后续的决策规划模块提供准确的信息。后续的决策规划模块提供准确的信息。后续的决策规划模块提供准确的信息。

【技术实现步骤摘要】
一种自适应的车道线拟合算法


[0001]本专利技术涉及自动驾驶
，尤其涉及一种自适应的车道线拟合算法。

技术介绍

[0002]近年来，自动驾驶越来越受到人们的关注。在自动驾驶技术的研究中，车道线检测是关键的一步，对自动驾驶后续的决策规划和控制模块有着重要影响。随着深度学习技术的兴起和发展，越来越多的研究机构开始将其应用在车道线检测任务上。而深度学习网络模型在对道路图像进行分割，得到车道线特征点后，还需对这些特征点进行拟合，得到车道线的多项式表达式以及车道线的曲率这些信息。
[0003]在实际道路中，车道线线型多样，一次多项式拟合只适用于直线的拟合，对于弯曲的车道线效果极差；二次多项式拟合只能用于部分弯曲车道线的拟合，对于大曲率的弯曲车道线效果不好；三次多项式拟合虽然能拟合大曲率的弯曲车道线，但其拟合速度较慢，难以满足车道线检测的实时性需求，且其向上和向下的延续性较差。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对
技术介绍
中所涉及到的缺陷，提供一种自适应的车道线拟合算法。
[0005]本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自适应的车道线拟合算法，其特征在于，包括：步骤A)，拍摄车辆正前方的道路图像，对该道路图像中的道路区域进行以下划分：在垂直方向上，将图像进行三等分，将三等分后的区域从上到下依次命名为H1、H2、H3，H1、H2、H3分别代表远视野区域、中视野区域、近视野区域；步骤B)，对图像进行逆透视变换，得到道路图像的鸟瞰图；步骤C)，基于道路图像的鸟瞰图计算出区域H2内每条车道线特征点横坐标的最大差值L
MAX
；步骤D)，对区域H2内每条车道线的特征点进行多项式拟合；步骤D.1)，预设二次多项式阈值T2，三次多项式阈值T3，T3大于T2；步骤D.2)，当L
MAX
小于T2时，用一次多项式去拟合区域H2内各条车道线的特征点，当L
MAX
大于或者等于T2时且小于T3，用二次多项式去拟合区域H2内内各条车道线的特...

【专利技术属性】
技术研发人员：李立君，张武，宋廷伦，贾晨，李泽智，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：