车道线三维坐标确定方法、计算机设备、存储介质及车辆技术

本发明专利技术涉及自动驾驶、无人驾驶技术领域，具体提供一种车道线三维坐标确定方法、计算机设备、存储介质及车辆，旨在解决准确获取车道线三维坐标的问题。本发明专利技术提供的方法包括：获取车道线像素点二维坐标、车辆设定范围内的点云数据及车辆上IMU得到的角速度和轮速计得到的车辆后轴中心速度，根据角速度与车辆后轴中心速度分别对点云数据的姿态和位置补偿，去除运动畸变；根据去除运动畸变的点云数据，获取地面点云数据。根据地面点云数据与二维坐标获取像素点深度值，根据深度值与二维坐标，确定像素点三维坐标。通过上述方法，可以减小地面不平坦和点云运动畸变，对获取地面点云的影响，从而能够得到准确的深度值，提高车道线三维坐标的准确性。维坐标的准确性。维坐标的准确性。

【技术实现步骤摘要】
车道线三维坐标确定方法、计算机设备、存储介质及车辆


[0001]本专利技术涉及自动驾驶、无人驾驶
，具体涉及一种车道线三维坐标确定方法、计算机设备、存储介质及车辆。

技术介绍

[0002]自动驾驶技术是替代驾驶员控制车辆行驶的技术，在自动驾驶领域中，如何根据车道线实现车辆的定位并约束车辆的位姿是至关重要的。而如何将车道线的二维坐标恢复成车辆定位所使用的车道线三维坐标是根据车道线实现车辆的定位的重要环节之一。
[0003]现在，将车道线的二维坐标恢复成车辆定位所使用的车道线三维坐标主要采用基于逆透视投影的方法、基于鸟瞰图的多传感器融合框架下的三维目标检测的方法、基于无监督的多传感器融合的方法。然而，采用基于逆透视投影的方法需要估计车载相机的灭点，恢复出的车道线三维坐标精确度较低，采用基于鸟瞰图的多传感器融合框架下的三维目标检测的方法需要大量的数据进行训练才能获得较好的效果，较为繁琐，采用基于无监督的多传感器融合的方法会因为车辆运动过程中的点云运动畸变以及地面不平坦导致平面方程拟合度差，恢复出的车道线三维坐标精确度较低。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线三维坐标的确定方法，其特征在于，所述方法包括：获取对车辆采集的图像进行车道线检测后得到的车道线像素点的二维坐标；从车辆采集的激光雷达点云帧上获取在车辆前向方向上位于距离车辆设定范围内的点云数据；获取车辆上IMU得到的角速度和轮速计得到的车辆后轴中心速度，根据所述角速度与所述车辆后轴中心速度分别对所述点云数据的姿态和位置进行补偿，以去除所述点云数据的运动畸变；根据去除运动畸变的点云数据，获取地面点云数据；根据所述地面点云数据与所述二维坐标采用线面相交的方法获取所述车道线像素点的深度值，根据所述深度值与所述二维坐标，确定所述车道线像素点的三维坐标。2.根据权利要求1所述的车道线三维坐标的确定方法，其特征在于，“从车辆采集的激光雷达点云帧上获取在车辆前向方向上位于距离车辆设定范围内的点云数据”的步骤具体包括：根据所述图像的时间戳与车辆采集的激光雷达点云帧的时间戳，获取与所述图像时间距离最近的最近邻激光雷达点云帧；从所述最近邻激光雷达点云帧上获取在车辆前向方向上位于距离车辆设定范围内的点云数据。和/或，“从车辆采集的激光雷达点云帧上获取在车辆前向方向上位于距离车辆设定范围内的点云数据”的步骤还包括：获取车辆前向方向上距离小于预设距离阈值且偏航角处于预设角度区间的点云数据；将所述点云数据作为位于距离车辆设定范围内的点云数据。3.根据权利要求2所述的车道线三维坐标的确定方法，其特征在于，“获取车辆上IMU得到的角速度和轮速计得到的车辆后轴中心速度”的步骤具体包括：获取开始时间在所述最近邻激光雷达点云帧的扫描开始时间戳之前，停止时间在所述最近邻激光雷达点云帧的扫描停止时间戳之后的IMU数据与轮速计数据；根据所述IMU数据与所述轮速计数据，分别获取所述角速度与所述车辆后轴中心速度。4.根据权利要求3所述的车道线三维坐标的确定方法，其特征在于，“获取开始时间在所述最近邻激光雷达点...

【专利技术属性】
技术研发人员：张南岳，韩锐，
申请(专利权)人：新石器慧通北京科技有限公司，
类型：发明
国别省市：