本发明专利技术请求保护一种多源传感器车道线确定方法，涉及自动驾驶技术领域。布置在车身周围的前雷达、角雷达、环视雷达等采集获取广义车道线，计算多源广义车道线；计算各源车道线误差分布以及其统计信息如方差均值等得出性能指标，确定使用标准；记录每一帧广义车道线方程各系数与前摄像头的差值，获得广义车道线方程系数的误差分布，计算误差均值和方差，通过均值和方差判断传感器的整体性能，得到其分布函数确定阈值；剔除超出阈值的道路曲率，本车速度，路面坡度分布等场景信息，获取有效的广义车道线；融合多源传感器中有效的广义车道线，根据使用条件调整融合源输入，获得最终的多源传感器车道线。多源传感器车道线。多源传感器车道线。
【技术实现步骤摘要】
多源传感器车道线确定方法、系统、车辆及计算机可读存储介质
[0001]本专利技术涉及自动驾驶
，具体涉及对多传感器输出的目标级和非目标级自拟合车道线评价以及有效使用场景的筛选。
技术介绍
[0002]传统的传感器性能测试方法一般都只针对硬件性能进行评测，即使有目标级的测试方案也只针对目前比较主流的车道线进行测试，诸如护栏、路沿曲线性能没有一个广泛的测试方法和指标。并且需要搭建台架增加成本，可维护性较差。
[0003]公开号CN113591618A，名称：前方道路形状估算方法、系统、车辆及存储介质的中国专利技术专利申请公开了一种前方道路形状估算方法、系统、车辆及存储介质，包括以下步骤：(1)信息采集：获取当前车道和相邻车道的车道线曲线方程、左右路沿曲线方程、前方目标信息以及前方可通行区域点；获取前方目标信息以及左、右两侧护栏的反射点信息；(2)目标融合；(3)车道线处理；(4)点云拟合；(5)道路边界融合；(6)历史行驶经过点拟合；(7)车流轨迹拟合；(8)历史轨迹推算；(9)曲线置信度计算和筛选。本专利技术仅使用本车道的车道线和前车信息的L2级驾驶辅助系统，更多的利用了道路边界信息和车流信息，大幅提升了系统的鲁棒性。
[0004]公开号CN111401446A，名称：单传感器、多传感器车道线合理性检测方法、系统及车辆的中国专利技术专利申请。公开了一种单传感器、多传感器车道线合理性检测方法，包括：获取道路信息，所述道路信息包括车道线信息；从道路信息中提取出车道线信息，并做数据预处理，预处理根据特性做原始数据的数据清洗；若提取到车道线数据，则缓存获取到的车道线，保存为车道线历史信息；分析当前车道线的合理性。本专利技术针对单传感器，能够基于车道线特性判断单传感器输出的车道线合理性以及可用性；在多传感器数据融合过程中，能够选择合理的车道线信息进行车道线融合，并且能够对融合后的车道线信息进行合理性检测，减少了下游环节使用车道线信息的风险。
[0005]公开号CN112373474A，名称：车道线融合及横向控制方法、系统、车辆及存储介质的中国专利技术专利申请，专利技术公开了一种车道线融合及横向控制方法、系统、车辆及存储介质，包括：获取前视摄像头探测的护栏信息、路沿信息、车道线及车道线置信率；获取前向毫米波雷达探测的路沿信息和护栏信息；获取侧向毫米波雷达探测的路沿信息和护栏信息；获取ADAS地图输出的道路曲率和道路等级；获取环视摄像头探测的车道线及车道线置信率；基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率；根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制。在车道线丢失时，本专利技术会虚拟出一条车道线，不会直接退出系统，故能够保证控制的连贯性，用户体验友好.
[0006]专利申请号：CN202010140452.5，名称：一种自动驾驶性能检测方法和装置的中国专利技术专利申请，公开一种自动驾驶性能检测方法和装置；本专利技术实施例在获取将待检测自
动驾驶程序加载至预设自动驾驶系统后进行仿真行驶的自动驾驶程序的行驶数据集合，基于自动驾驶程序的类型，在行驶数据集合中识别出目标行驶数据，对目标行驶数据进行特征提取，得到目标行驶数据的初始特征值，对初始特征值进行分类，并基于分类结果，确定初始特征值对应的权重，根据权重，在初始特征值中筛选出目标特征值，对目标特征值进行解析，得到加载待检测自动驾驶程序的预设自动驾驶系统的综合驾驶性能参数，当综合驾驶性能参数超过预设参数阈值时，确定待检测自动驾驶程序的自动驾驶性能检测合格；该方案可以大大提高自动驾驶车辆的测试效率和准确率。
[0007]该方法使用仿真测试数据测试得出的结果无法适应复杂多变的场景。上述公开的技术没有充分考虑使用场景，对车道线性能和使用场景未进行完全的评测。不能作为真值系统用来评测其他传感器车道线性能指标达成情况。
技术实现思路
[0008]本专利技术针对现有技术中存在的上述问题，提出一种基于前摄像头的多源传感器车道线性能评价及使用场景判断的方法。以实现车道线性能评测和使用场景检测为模版，亦可以作为传感器其他数据的评测方法。
[0009]本专利技术解决上述技术问题的技术方案是主要解决多源传感器车道线融合问题中不同传感器使用条件的判断以及判断哪种场景下不同传感器车道线性能，可以作为真值系统用来评测其他传感器车道线性能指标达成情况。包括计算多源广义车道线，计算各源车道线误差分布，确定使用标准。根据使用标准判断使用场景以及使用条件。具体包括：
[0010]一种多源传感器车道线融合确定方法，其特征在于，包括：布置在车身周围的多种传感器采集获取广义车道线信息，建立多源广义车道线方程；根据车道线方程计算各源与前置摄像头采集获取的车道线信息计算一定时长的误差分布；通过数据回注获得用于评价各传感器源广义车道线方程系数的误差分布均值和方差，根据分布函数确定阈值，剔除方差和均值超出阈值的广义车道线信息，获取多源传感器采集的有效车道线信息，融合有效多源车道线信息，调整融合源输入，获得最终的多源传感器车道线。
[0011]进一步地，根据前雷达、角雷达、环视相机、前摄像头获取的反射点坐标位置(x，y)，构建广义车道线方程：
[0012]确定各传感器源对应的车道宽度、曲线斜率、曲率、广义车道线最远端的曲率，其中，系数a0、b0、c0、d0为前雷达、角雷达、环视相机、前摄像头采集获取的车道宽度，系数a1、
b1、c1、d1的为在本车位置x＝0处前雷达、角雷达、环视相机、前摄像头的曲线斜率，系数a2、b2、c2、d2为前雷达、角雷达、环视相机、前摄像头的曲率，a3、b3、c3、d3为前雷达、角雷达、环视相机、前摄像头对应的广义车道线最远端的曲率。
[0013]进一步地，通过校验系数是否越界，获得有效系数，系数a0、b0、c0、d0是高速公路真实车道宽度值误差范围内值的为有效车道宽度，x＝0处的各传感器曲线斜率范围为
‑
0.01至+0.01，各传感器曲率的两倍为x＝0处的曲率。进一步地，调用公式p(a0，a1，a2，a3|x
i
，y
i
)＝N(h(x
i
，y
i
)，Q
i
)求出其分布函数并选取阈值。
[0014]进一步地，选取误差的不同分布位置作为阈值，将西格玛值作为广义车道线方程系数的误差分布函数的标准差，将均值对应的西格玛与2西格玛、3西格纳进行对比得到阈值。
[0015]进一步地，融合有效多源车道线信息包括，通过数据回注统计道路曲率，本车速度，道路坡度分布，计算统计信息确定使用场景，剔除超出阈值的道路曲率，本车速度，路面坡度分布场景信息，获取有效的包括道路曲率，本车速度，路面坡度信息的有效车道线，融合有效车道线。
[0016]进一步地，使用前摄像头采集识别的车道线作为对比真值，在预定时间段内提取一段包含记录车道线类型、车道线颜色、车道线长度的数据，每一帧本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多源传感器车道线融合确定方法，其特征在于，包括：布置在车身周围的多源传感器采集获取广义车道线信息，建立多源广义车道线方程；根据车道线方程计算各源与前置摄像头采集获取的车道线信息计算一定时长的误差分布；通过数据回注获得用于评价各源传感器广义车道线方程系数的误差分布均值和方差，根据分布函数确定阈值，剔除方差和均值超出阈值的广义车道线信息，提取多源传感器采集的有效车道线信息，融合有效多源车道线信息，调整融合源输入，获得最终的多源传感器车道线。2.根据权里要求1所述的方法，其特征在于，根据前雷达、角雷达、环视相机、前摄像头获取的反射点坐标位置(x，y)，构建广义车道线方程：y＝a0+a1x+a2x2+a3x3y＝c0+c1x+a2x2+c3x3y＝b0+b1x+b2x2+b3x3y＝d0+d1x+d2x2+d3x3，确定各源传感器对应的车道宽度、曲线斜率、曲率、车道线最远端的曲率，其中，系数a0、b0、c0、d0为前雷达、角雷达、环视相机、前摄像头采集获取的车道宽度，系数a1、b1、c1、d1的为在本车位置x＝0处前雷达、角雷达、环视相机、前摄像头获取的对应曲线斜率，系数a2、b2、c2、d2为前雷达、角雷达、环视相机、前摄像头获取的对应曲率，a3、b3、c3、d3为前雷达、角雷达、环视相机、前摄像头获取的对应广义车道线最远端曲率。3.根据权里要求1所述的方法，其特征在于，通过校验系数是否越界，获得有效系数，系数a0、b0、c0、d0是高速公路真实车道宽度值误差范围内值的为有效车道宽度，x＝0处的各传感器曲线斜率范围为
‑
0.01至+0.01，各传感器曲率的两倍为x＝0处的曲率。4.根据权里要求1所述的方法，其特征在于，调用公式p(a0，a1，a2，a3|x
i
，y
i
)＝N(h(x
i
，y...
【专利技术属性】
技术研发人员：苏威，王宽，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。