混合车道建模的方法技术

一种混合车道建模的方法，包括：接收道路图像，从道路图像中提取一组车道点，根据所述一组车道点拟合多项式曲线，确定所拟合的多项式曲线的拟合误差，如果拟合误差小于预定阈值则输出多项式曲线，如果拟合误差大于预定阈值则从该组车道点中选择一组洁净车道点，以及将三次样条曲线插值到该组洁净车道点。三次样条曲线插值到该组洁净车道点。三次样条曲线插值到该组洁净车道点。

【技术实现步骤摘要】
混合车道建模的方法


[0001]本公开涉及车道建模，并且更具体地涉及混合车道建模。

技术介绍

[0002]目前，基于相机的车道检测利用了经由计算机视觉或现代深度学习的车道点提取、车道点聚类和车道曲线拟合。由于车道模型的过拟合，简单车道形状和复杂车道形状的有效车道拟合目前是成问题的。

技术实现思路

[0003]一种混合车道建模的方法，包括：接收道路图像，从所述道路图像中提取一组车道点，根据所述一组车道点拟合多项式曲线，确定所拟合的所述多项式曲线的拟合误差，如果所述拟合误差小于预定阈值则输出所述多项式曲线，如果所述拟合误差大于所述预定阈值则从所述一组车道点中选择一组洁净车道点，以及将三次样条曲线(样条多项式)插值到所述一组洁净车道点。
附图说明
[0004]在附图中：
[0005]图1是依据本公开的一个实施例的第一示例系统图；
[0006]图2是依据本公开的一个实施例的第二示例系统图；
[0007]图3是依据本公开的一个实施例的示例流程；
[0008]图4是依据本公开的一个实施例的多项式车道模型的示例；
[0009]图5是依据本公开的一个实施例的样条曲线车道模型的示例；
[0010]图6是依据本公开的一个实施例的混合车道建模的示例方法。
具体实施方式
[0011]写出以下列出的实施例仅用于说明该装置和方法的应用，而不是限制范围。对该装置和方法的等同形式的修改应归入权利要求的范围内。
[0012]某些术语被贯穿以下描述和权利要求使用以指代特定系统部件。如本领域技术人员将理解的，不同的公司可以通过不同的名称来指代部件和/或方法。本文不旨在区分名称不同但功能相同的部件和/或方法。
[0013]在以下讨论和权利要求中，术语“包括”和“包含”以开放式使用，并且因此可以被解释为意味着“包括，但不限于
…”
。此外，术语“耦接(couple)”或“耦接(couples)”旨在意味着间接或直接连接。因此，如果第一设备耦接至第二设备，则该耦接可以是直接连接，或是通过经由其它设备和连接件的间接连接。
[0014]图1描绘了可用于实施与过程的一个或多个部分或步骤的操作相关联的神经网络的示例混合计算系统100。在该示例中，与混合系统相关联的处理器包括现场可编程门阵列
(Field Programmable Gate Array，FPGA)122、图形处理器单元(Graphical Processor Unit，GPU)120和中央处理单元(Central Processing Unit，CPU)118。
[0015]CPU118、GPU120和FPGA122具有提供神经网络的能力。CPU是可以执行许多不同功能的通用处理器，其通用性导致执行多个不同任务的能力，然而，其对多个数据流的处理是有限的并且其相对于神经网络的功能是有限的。GPU是具有许多能够依次处理并行任务的小处理核的图形处理器。FPGA是现场可编程器件，它具有被重新配置和以硬连线电路的样式执行可编程到CPU或GPU中的任何功能的能力。由于FPGA的编程是以电路的形式，因此其速度比CPU快许多倍，并且明显快于GPU。
[0016]系统可以包含其他类型的处理器，例如加速处理单元(Accelerated Processing Unit，APU)，其包括具有片上GPU元件的CPU以及设计用于执行高速数字数据处理的数字信号处理器(Digital Signal Processor，DSP)。专用集成电路(Application Specific Integrated Circuit，ASIC)也可以执行FPGA的硬连线功能，然而，设计和生产ASIC的交货时间大约是一年的几个季度，而不是编程FPGA中可用的快速周转实施方式。
[0017]图形处理器单元120、中央处理单元118和现场可编程门阵列122连接并且连接到存储器接口和控制器112。FPGA通过可编程逻辑电路至存储器互连130连接到存储器接口。由于FPGA以非常大的带宽运行的事实并且为了将从FPGA利用的用于执行存储器任务的电路最小化，因此利用了该附加的器件。存储器接口和控制器112另外连接到持久性存储器盘110、系统存储器114和只读存储器(Read Only Memory，ROM)116。
[0018]可以利用图1的系统以用于对FPGA进行编程和训练。GPU可以很好地处理非结构化数据并且可以被利用以用于进行训练，一旦数据已经被训练，就可以寻找到确定性推理模型，并且CPU可以使用由GPU确定的模型数据来对FPGA进行编程。
[0019]存储器接口和控制器连接到中央互连124，中央互连另外连接到GPU 120、CPU 118和FPGA 122。中央互连124另外连接到输入和输出接口128以及网络接口126。
[0020]图2描绘了可用于实施与过程1000的一个或多个部分或步骤的操作相关联的神经网络的第二示例混合计算系统200。在该示例中，与混合系统相关联的处理器包括现场可编程门阵列(FPGA)210和中央处理单元(CPU)220。
[0021]FPGA电连接到FPGA控制器212，FPGA控制器212与直接存储器访问(Direct Memory Access，DMA)218接合。DMA连接到输入缓冲器214和输出缓冲器216，输入缓冲器214和输出缓冲器216耦接到FPGA以分别将数据缓冲进出FPGA。DMA 218包括两个先进先出(First In First Out，FIFO)缓冲器，一个用于主CPU，另一个用于FPGA，DMA允许将数据写入适当的缓冲器以及从适当的缓冲器读取数据。
[0022]在DMA的CPU侧上的是主交换机228，主交换机228将数据和命令传送到DMA。DMA还连接到SDRAM控制器224，SDRAM控制器224允许数据从CPU 220传送到FPGA和从FPGA传送到CPU 220，SDRAM控制器也连接到外部SDRAM 226和CPU 220。主交换机228连接到外围设备接口230。闪存控制器222控制持久性存储器并且连接到CPU 220。
[0023]基于相机的车道检测利用了经由计算机视觉或现代深度学习的车道点提取、车道点聚类和车道曲线拟合。车道拟合允许自主车辆感测环境并在该环境内导航。精确的曲率模型允许准确的车道偏离警告和随后轨迹预测。
[0024]为了去除街道级图像中固有的透视效果并提高曲线拟合的质量，在拟合车道模型
之前，可以基于焦距、光学中心、俯仰角、偏航角和相机高度将车道点转换为鸟瞰图。
[0025]多项式和样条多项式可以用作车道模型。多项式准确地建模直线车道并且对有噪声车道点不太敏感。多项式可能不能准确地表示例如S形车道和大曲率车道等的复杂车道形状，而在城市街道和高速公路上可能经常发现这些复杂车道。
[0026]样条多项式准确地表示复杂车道形状，但是可能对有噪声车道点表现出增加的灵敏度，而且，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混合车道建模的方法，包括：接收道路图像；从所述道路图像中提取一组车道点；根据所述一组车道点拟合多项式曲线；确定所拟合的所述多项式曲线的拟合误差；如果所述拟合误差小于预定阈值，则输出所述多项式曲线；如果所述拟合误差大于所述预定阈值，则从所述一组车道点中选择一组洁净车道点；以及将三次样条曲线插值到所述一组洁净车道点。2.根据权利要求1所述的混合车道建模的方法，还包括：输出所述三次样条曲线。3.根据权利要求1所述的混合车道建模的方法，其中，所述一组车道点是等距离的和等时间的中的至少一者。4.根据权利要求1所述的混合车道建模的方法，还包括：对所述一组车道点进行聚类。5.根据权利要...

【专利技术属性】
技术研发人员：刘丽影，王祚官，顾群，
申请(专利权)人：黑芝麻智能科技有限公司，
类型：发明
国别省市：