车道识别方法、装置及存储介质制造方法及图纸

本文公开一种车道识别方法，通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；利用车道线拟合模型对车道语义图的数据进行曲线拟合得到候选的车道线，选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；确定当前帧的目标左右车道线的置信度；根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；根据当前帧的变权拟合车道线拟合系数更新当前帧的目标左右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。本文的车道识别方法提高了复杂环境下车道识别的准确度和可靠性。可靠性。可靠性。

【技术实现步骤摘要】
车道识别方法、装置及存储介质


[0001]本申请实施例涉及辅助驾驶
，尤其涉及一种车道识别方法、装置及存储介质。

技术介绍

[0002]基于视觉图像的车道线分割拟合技术作为自动驾驶底层的技术，其准确性、稳定性、实时性受到较多的关注。车辆行驶环境的复杂、光照条件的差异等对车道识别带来挑战，存在信息识别不准确甚至无法识别的风险。

技术实现思路

[0003]本申请实施例提供了一种车道识别方法，包括：
[0004]通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；
[0005]利用车道线拟合模型对所述车道语义图的数据进行曲线拟合得到候选的车道线，从所述候选的车道线以及默认的车道线中选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；其中，默认的车道线是曲线拟合系数为默认值的左右车道线；
[0006]确定当前帧的目标左右车道线的置信度；
[0007]根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；
[0008]根据当前帧的变权拟合车道线拟合系数更新当前帧的目标左车道线和目标右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。
[0009]本申请实施例提供了一种车道识别装置，包括：存储器及处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现上述车道识别方法的步骤。
[0010]本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述车道识别方法的步骤。
[0011]本申请实施例提供的车道识别方法，通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；利用车道线拟合模型对所述车道语义图的数据进行曲线拟合得到候选的车道线，从所述候选的车道线以及默认的车道线中选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；其中，默认的车道线是曲线拟合系数为默认值的左右车道线；确定当前帧的目标左右车道线的置信度；根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；根据当前帧的变权拟合车道线拟合系数更新当前帧的目标左车道线和目标右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。上述车道识别方法提高了复杂环境下车道识别的准确度和可靠性。
[0012]在阅读并理解了附图和详细描述后，可以明白其他方面。
附图说明
[0013]附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
[0014]图1为本申请实施例的一种车道识别方法的流程示意图；
[0015]图2为本申请实施例的一种车道识别装置的结构示意图。
具体实施方式
[0016]本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
[0017]本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由所附权利要求限定的独特的专利技术方案。任何实施例的任何特征或元件也可以与来自其它专利技术方案的特征或元件组合，以形成另一个由所附权利要求限定的独特的专利技术方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
[0018]本申请实施例提供了一种车道识别方法。如图1所示，一种车道识别方法，包括：
[0019]步骤S10，通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；
[0020]步骤S20，利用车道线拟合模型对所述车道语义图的数据进行曲线拟合得到候选的车道线，从所述候选的车道线以及默认的车道线中选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；其中，默认的车道线是曲线拟合系数为默认值的左右车道线；
[0021]步骤S30，确定当前帧的目标左右车道线的置信度；
[0022]步骤S40，根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；
[0023]步骤S50，根据当前帧的变权拟合车道线拟合系数更新当前帧的目标左车道线和目标右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。
[0024]本申请实施例提供的车道识别方法，通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；利用车道线拟合模型对所述车道语义图的数据进行曲线拟合得到候选的车道线，从所述候选的车道线以及默认的车道线中选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；其中，默认的车道线是曲线拟合系数为默认值的左右车道线；确定当前帧的目标左右车道线的置信度；根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；根据当前帧的变权拟合车道线拟合系数更新当前帧的目标
左车道线和目标右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。上述车道识别方法提高了复杂环境下车道识别的准确度和可靠性。
[0025]在一些示例性的实施方式中，所述车道线拟合模型包括：二次曲线。在其他的实施方式中，所述车道线拟合模型也可以是其他曲线。
[0026]在一些示例性的实施方式中，所述筛选策略包括：
[0027]如果所述车道语义图不存在连通区域，则将默认的左车道线作为当前帧的目标左车道线，将默认的右车道线作为当前帧的目标右车道线；
[0028]如果候选的左车道线的曲线拟合系数在第一预设阈值范围外，则将默认的左车道线作为当前帧的目标左车道线；
[0029]如果候选的右车道线的曲线拟合系数在第一预设阈值范围外，则将默认的右车道线作为当前帧的目标右车道线；
[0030]如果候选的左车道线的曲线拟合系数在第一预设阈值范围内，且候选的左车道线只有一条，则将所述唯一的一条候选的左车道线作为当前帧的目标左车道线；
[0031]如果候选的右车道线的曲线拟合系数在第一预设阈值范围内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道识别方法，包括：通过车道语义分割模型对车道图像的当前帧进行特征提取得到车道语义图；利用车道线拟合模型对所述车道语义图的数据进行曲线拟合得到候选的车道线，从所述候选的车道线以及默认的车道线中选择满足筛选策略的左右车道线作为当前帧的目标左右车道线；其中，默认的车道线是曲线拟合系数为默认值的左右车道线；确定当前帧的目标左右车道线的置信度；根据当前帧以及当前帧之前的多帧的目标左右车道线的曲线拟合系数和置信度进行车道线历史数据的最优变权回归，获取当前帧的变权拟合车道线拟合系数；根据当前帧的变权拟合车道线拟合系数更新当前帧的目标左车道线和目标右车道线，将所述更新后的目标左车道线和目标右车道线之间的车道作为当前帧的目标车道。2.如权利要求1所述的方法，其特征在于：所述筛选策略包括：如果所述车道语义图不存在连通区域，则将默认的左车道线作为当前帧的目标左车道线，将默认的右车道线作为当前帧的目标右车道线；如果候选的左车道线的曲线拟合系数在第一预设阈值范围外，则将默认的左车道线作为当前帧的目标左车道线；如果候选的右车道线的曲线拟合系数在第一预设阈值范围外，则将默认的右车道线作为当前帧的目标右车道线；如果候选的左车道线的曲线拟合系数在第一预设阈值范围内，且候选的左车道线只有一条，则将所述唯一的一条候选的左车道线作为当前帧的目标左车道线；如果候选的右车道线的曲线拟合系数在第一预设阈值范围内，且候选的右车道线只有一条，则将所述唯一的一条候选的右车道线作为当前帧的目标右车道线；如果候选的左车道线的曲线拟合系数在第一预设阈值范围内，且候选的左车道线有多条，则从所述多条候选的左车道线中选择距离当前车辆距离最近的一条候选的左车道线作为当前帧的目标左车道线；如果候选的右车道线的曲线拟合系数在第一预设阈值范围内，且候选的右车道线有多条，则从所述多条候选的右车道线中选择距离当前车辆距离最近的一条候选的右车道线作为当前帧的目标右车道线。3.如权利要求1或2所述的方法，其特征在于：所述确定当前帧的目标左右车道线的置信度，包括：如果当前帧的目标左车道线是默认的左车道线，则将当前帧的目标左车道线的置信度CR_R_L(N)设置为0，将当前帧的目标左车道线的转向系数TR_L(N)设置为0；如果当前帧的目标左车道线是候选的左车道线且当前帧之前的N
‑
1帧的转向系数的累加和小于右向阈值且大于左向阈值，则将当前帧的目标左车道线的置信度CR_R_L(N)设置为0，将当前帧的目标左车道线的转向系数TR_L(N)设置为0；如果当前帧的目标左车道线是候选的左车道线且当前帧之前的N
‑
1帧的转向系数的累加和大于或等于右向阈值，则将当前帧的目标左车道线的置信度CR_R_L(N)设置为1，将当前帧的目标左车道线的转向系数TR_L(N)设置为1；如果当前帧的目标左车道线是候选的左车道线且当前帧之前的N
‑
1帧的转向系数的累
加和小于等于左向阈值，则将当前帧的目标左车道线的置信度CR_R_L(N)设置为1，将当前帧的目标左车道线的转向系数TR_L(N)设置为
‑
1；如果当前帧的目标右车道线是默认的右车道线，则将当前帧的目标右车道线的置信度CR_R_R(N)设置为0，将当前帧的目标右车道线的转向系数TR_R(N)设置为0；如果当前帧的目标由车道线是候选的右车道线且当前帧之前的N
‑
1帧的转向系数的累加和小于右向阈值且大于左向阈值，则将当前帧的目标右车道线的置信度CR_R_R(N)设置为0，将当前帧的目标右车道线的转向系数TR_R(N)设置为0；如果当前帧的目标右车道线是候选的右车道线且当前帧之前的N
‑
1帧的转向系数的累加和大于或等于右向阈值，则将当前帧的目标右车道线的置信度CR_R_L(N)设置为1，将当前帧的目标右车道线的转向系数TR_R(N)设置为1；如果当前帧的目标右车道线是候选的右车道线且当前帧之前的N
‑
1帧的转向系数的累加和小于或等于左向阈值，则将当前帧的目标右车道线的置信度CR_R_L(N)设置为1，将当前帧的目标右车道线的转向系数TR_R(N)设置为
‑
1；其中，置信度取值为0表示目标车道线不可信，置信度取值为1表示目标车道线可信；转向...

【专利技术属性】
技术研发人员：吴宾，王英荷，吕东翰，林峰，李慧，孙成鑫，寿杰华，段靖辉，
申请(专利权)人：北京旋极信息技术股份有限公司，
类型：发明
国别省市：