一种道路区域识别方法、自动驾驶控制方法及装置制造方法及图纸

本发明专利技术公开一种道路区域识别方法、自动驾驶控制方法及装置，该识别方法步骤包括：S1.实时获取车载摄像头采集的道路环境图像进行图像分割，分割出道路区域；S2.从分割出的所述道路区域中，获取当前帧道路区域数据以及指定数量的历史帧道路区域数据；S3.将所述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中，得到转换后历史帧道路数据；S4.将所述转换后历史帧道路数据、当前帧道路区域数据进行融合，得到最终的道路区域识别结果。本发明专利技术具有实现方法简单、检测效率及精度高、环境适应性与鲁棒性强等优点。应性与鲁棒性强等优点。应性与鲁棒性强等优点。

【技术实现步骤摘要】
一种道路区域识别方法、自动驾驶控制方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种道路区域识别方法、自动驾驶控制方法及装置。

技术介绍

[0002]道路区域识别也即为识别路面上为道路的区域范围，在如无人车自动驾驶等场合中，需要实时识别出道路区域以提供给车辆进行路径规划，道路区域识别的精度将直接影响到路径规划的有效性。
[0003]针对于道路区域的识别，现有技术中通常是采用以下方式：
[0004]1、基于激光点云的识别方式
[0005]该类方式是通过激光雷达采集道路环境的激光点云，利用三维信息进行道路识别，如通过计算出一块高度变化不大且高度在一定地面高度的一块区域即作为道路区域。但是该类方法仅适用于道路与周围环境差异较大的场景，当道路区域附近存在较平的草地或者泥地时就无法准确识别出道路区域，适用场景局限性较大、识别准确性不高。
[0006]2、基于图像处理的识别方式
[0007]该类方式是通过采集道路环境的图像，基于图像纹理和颜色特征进行道路区域的解析。但是该类方法对环境的适应较差且受光照的影响极大，光照变化对图像的纹理和颜色均有较大影响，光照强时路面的颜色会发生偏离，且光照强时路面会产生阴影和形成亮度不均的路面，因而实际识别准确率和鲁棒性均较差。
[0008]有从业者提出基于深度学习方法来实现道路区域识别，如基于深度卷积网络对道路区域图像训练道路区域识别网络模型，将实时采集到的图像输入至训练的网络模型中即可实现道路区域的识别。但是由于车辆在行驶过程中道路区域是由远及近的靠近车辆，在车载摄像头所拍摄的图像上，道路区域中同一位置的道路区域在外观上会存在变化，比如同一位置的道路区域在远处时在图像上较小，当随着车辆的行驶至近处时在图像上会较大，同一位置的道路区域在不同的远近位置其图像的其他特性亦会有差异，比如道路区域的阴影与非阴影区在远处时的对比度要小于在近处时，因而深度卷积网络对图像中的差异因素会产生不同的响应，即同一位置的道路区域在深度卷积网络中会得到不同的识别结果，不仅对环境的适应较差、易受光照的影响，且还会导致对如道路区域阴影部分的漏识别。
[0009]综上，现有技术中基于激光点云的识别方式，适用于道路与周围环境差异较大的场景，适用场景局限性较大、识别准确性不高，基于图像处理的识别方式对环境的适应较差且受光照的影响极大，且易于导致漏识别，因此，亟需提供一种道路区域识别方法，以使得能够兼顾识别的效率、精度以及环境适应性、鲁棒性。

技术实现思路

[0010]本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一
种实现方法简单、检测效率以及精度高且鲁棒性强的道路区域识别方法及装置，以及路径规划精准、合理的自动驾驶控制方法。
[0011]为解决上述技术问题，本专利技术提出的技术方案为：
[0012]一种道路区域识别方法，步骤包括：
[0013]S1.实时获取车载摄像头采集的道路环境图像进行图像分割，分割出道路区域；
[0014]S2.从分割出的所述道路区域中，获取当前帧道路区域数据以及指定数量的历史帧道路区域数据；
[0015]S3.将所述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中，得到转换后历史帧道路数据；
[0016]S4.将所述转换后历史帧道路数据、当前帧道路区域数据进行融合，得到最终的道路区域识别结果。
[0017]进一步的，所述步骤S3中，根据历史帧道路区域数据相对于当前帧道路区域数据的位移、角度偏转，将所述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中。
[0018]进一步的，按照下式将述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中：
[0019][0020][0021]其中，x
b
,y
b
分别为历史帧道路区域数据在车体坐标系下相对于当前帧道路区域数据的横向和纵向位移，θ为历史帧道路区域数据在车体坐标系下相对于当前帧道路区域数据的角度变化量，x
ih
,y
ih
分别为历史帧道路区域数据中一数据点的横、纵坐标，x
ic
,y
ic
分别为将历史帧道路区域数据的坐标转换到当前帧道路区域数据坐标空间的横、纵坐标值。
[0022]进一步的，所述步骤S4的步骤包括：
[0023]S401.将所述转换后历史帧道路数据进行错位平移，得到平移后历史帧道路数据，所述错位平移为将各帧数据交错的向道路前、后方向平移；
[0024]S402.将所述转换后历史帧道路数据、所述平移后历史帧道路数据进行初次融合，初次融合得到的结果与当前帧道路区域数据进行二次融合，得到最终的道路区域识别结果。
[0025]进一步的，所述步骤S402包括：
[0026]S421.查找出平移后历史帧道路区域数据与所述转换历史帧道路区域数据的不同区域，将所述平移后历史帧道路区域数据与查找出的不同区域进行合并，得到初次融合结果；
[0027]S422.将所述初次融合结果与当前帧道路区域数据进行合并以实现二次融合，得到最终的道路区域识别结果。
[0028]进一步的，所述步骤S1中通过布置在车辆上的车载摄像头实时采集所述包含道路区域的待处理图像，所述步骤S2后、步骤S3前还包括将分割出的道路区域投影到车体坐标系的步骤，包括：通过以布置在车辆上的雷达作为参考坐标系，对车身和雷达以及雷达和车载摄像头分别进行联合标定，根据联合标定参数完成车载摄像头坐标系到雷达坐标系的转换，然后将雷达坐标系转换到车体坐标系，以实现所述道路区域投影到车体坐标系。
[0029]进一步的，所述步骤S01中采用预先构建的深度学习模型进行图像分割。
[0030]一种自动驾驶车辆控制方法，步骤包括：
[0031]在车辆行驶过程中，由车载摄像头采集车辆前方的道路环境图像；
[0032]采用如上述的道路区域识别方法识别出道路区域；
[0033]按照识别出的道路区域控制进行车辆的路径规划。
[0034]进一步的，所述按照识别出的道路区域控制进行车辆的路径规划包括：优先按照所述当前帧道路区域数据所对应的道路区域识别结果规划行驶路径，当判断到规划的行驶路径存在障碍物时，则按照由所述转换后的历史帧道路区域数据、所述转换后的历史帧道路区域数据得到的历史帧识别结果规划行驶路径。
[0035]一种道路区域识别装置，包括处理器以及存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，所述处理器用于执行所述计算机程序以执行如上述方法.
[0036]与现有技术相比，本专利技术的优点在于：
[0037]1、本专利技术通过从道路环境图像中分割出道路区域，获取当前帧道路区域数据的同时，获取部分的历史帧道路区域数据，将历史帧道路区域数据进行坐标转换后，再与当前帧道路区域数据进行融合，得到最终的道路区域识别结果，能够结合历史帧道本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路区域识别方法，其特征在于，步骤包括：S1.实时获取车载摄像头采集的道路环境图像进行图像分割，分割出道路区域；S2.从分割出的所述道路区域中，获取当前帧道路区域数据以及指定数量的历史帧道路区域数据；S3.将所述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中，得到转换后历史帧道路数据；S4.将所述转换后历史帧道路数据、当前帧道路区域数据进行融合，得到最终的道路区域识别结果。2.根据权利要求1所述的道路区域识别方法，其特征在于，所述步骤S3中，根据历史帧道路区域数据相对于当前帧道路区域数据的位移、角度偏转，将所述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中。3.根据权利要求2所述的道路区域识别方法，其特征在于，按照下式将述历史帧道路区域数据转换至当前帧道路区域数据的坐标空间中：域数据转换至当前帧道路区域数据的坐标空间中：其中，x
b
,y
b
分别为历史帧道路区域数据在车体坐标系下相对于当前帧道路区域数据的横向和纵向位移，θ为历史帧道路区域数据在车体坐标系下相对于当前帧道路区域数据的角度变化量，x
ih
,y
ih
分别为历史帧道路区域数据中一数据点的横、纵坐标，x
ic
,y
ic
分别为将历史帧道路区域数据的坐标转换到当前帧道路区域数据坐标空间的横、纵坐标值。4.根据权利要求1所述的道路区域识别方法，其特征在于，所述步骤S4的步骤包括：S401.将所述转换后历史帧道路数据进行错位平移，得到平移后历史帧道路数据，所述错位平移为将各帧数据交错的向道路前、后方向平移；S402.将所述转换后历史帧道路数据、所述平移后历史帧道路数据进行初次融合，初次融合得到的结果与当前帧道路区域数据进行二次融合，得到最终的道路区域识别结果。5.根据权利要求4所述的...

【专利技术属性】
技术研发人员：李迅，蒋杰，
申请(专利权)人：长沙慧联智能科技有限公司，
类型：发明
国别省市：