一种缺失车道线补全方法、系统、车辆及存储介质技术方案

本发明专利技术涉及车辆智能驾驶技术领域，提供了一种缺失车道线补全方法、系统、车辆及存储介质，方法包括以下步骤：采集车道信息，形成数据集，将所述数据集导入深度学习网络模型，训练网络，使得网络可以依据周车历史轨迹预测车辆未来轨迹；对所述网络输出的车辆的预测轨迹和车道线轨迹进行拟合；进行回归分析，与所述预测轨迹附近的所述车道线轨迹拟合曲线进行匹配，得到匹配拟合曲线的数学模型，通过所述数学模型，得到车道线与车辆行驶轨迹的拟合曲线的关系；基于拟合的所述车道线轨迹，结合自车位置，对车道线进行补全。本发明专利技术针对车道线缺失，或者车道线模糊的场景，能够较高精度的实现对车道线的补全。现对车道线的补全。现对车道线的补全。

【技术实现步骤摘要】
一种缺失车道线补全方法、系统、车辆及存储介质


[0001]本专利技术涉及车辆智能驾驶
，具体涉及一种缺失车道线补全方法、系统、车辆及存储介质。

技术介绍

[0002]在智能驾驶领域，车辆的运动控制需要周围场景的信息，车道线是其中较为重要的信息。一方面，人类司机驾驶车辆时，行驶路线强依赖于车道线，智能驾驶车辆在提供驾驶辅助功能时类似人类驾驶员，也许借助车道线的信息为车轮转向、车速控制等提供信息；第二方面，目前的交通规则也对车辆在马路上按车道行驶有相应的要求，智能驾驶车辆同样需要遵守交通规则。
[0003]目前有一些确定道路边沿以及车道线的方法，比如公开号为CN202011547621.3的专利公开了一种基于对抗生成网络的车道线图像增强与补全方法，该方法借助图像捕捉现车道线，通过用于车道线生成的Pix2Pix网络将车道线不明确的RGB彩色车道图像转换为具有车道线的RGB彩色车道图像。在获得有车道线的RGB图像后，与原图像进行做差处理，得到差值图像，经过算法阈值处理，经测试可以得到纯净度良好的车道线图像，实现车道线增强与补全。该方法利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种缺失车道线补全方法，其特征在于，包括以下步骤：S1、采集车道信息，形成数据集，将所述数据集导入深度学习网络模型，训练网络，使得网络可以依据周车历史轨迹预测车辆未来轨迹；S2、对所述网络输出的车辆的预测轨迹和车道线轨迹进行拟合；S3、进行回归分析，与所述预测轨迹附近的所述车道线轨迹拟合曲线进行匹配，得到匹配拟合曲线的数学模型，通过所述数学模型，得到车道线与车辆行驶轨迹的拟合曲线的关系；S4、基于拟合的所述车道线轨迹，结合自车位置，对车道线进行补全。2.根据权利要求1所述的一种缺失车道线补全方法，其特征在于：所述深度学习网络模型为LSTM encoder
‑
decoder模型，所述encoder对输入信息进行编码，转化为中间语义表示；所述decoder根据所述中间语义和已经生成的信息产生当前的输出。3.根据权利要求2所述的一种缺失车道线补全方法，其特征在于：所述对所述网络输出的车辆的预测轨迹和车道线轨迹进行拟合，包括：预测轨迹拟合和车道线轨迹拟合，所述预测轨迹拟合包括：采用三次拟合方法，通过网络预测得到车辆未来轨迹的序列；所述车道线轨迹拟合包括：使用采集到的车道线数据，拟合出三次的车道线轨迹，y＝a`x3+b`x2+c`x+d`。4.根据权利要求...

【专利技术属性】
技术研发人员：吕波，胡誉文，肖友，
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：