用于处理车道线的方法和装置制造方法及图纸

根据本公开的实施例，提供了一种用于处理车道线的方法、装置、电子设备、计算机存储介质和计算机程序产品。在此描述的方法包括：确定分叉道路的道路图像中被标记为车道线的一组位置；对一组位置执行根据道路图像的第一方向的第一聚类，以确定第一组车道线；对一组位置执行根据道路图像的第二方向的第二聚类，以确定第二组车道线，第二方向与第一方向相反；以及基于第一组车道线和第二组车道线，确定道路图像中的一组目标车道线。由此，本公开的实施例能够通过两次聚类的方式来提高分叉道路场景中车道线识别的准确度。景中车道线识别的准确度。景中车道线识别的准确度。

【技术实现步骤摘要】
用于处理车道线的方法和装置


[0001]本公开的示例实施例总体涉及计算机领域，特别地涉及用于处理车道线的方法、装置、电子设备、计算机存储介质和计算机程序产品。

技术介绍

[0002]车道线检测任务是智能驾驶中的一个重要环节，作为控制的一项重要输入信号,对车辆的道路居中行驶、变道等功能起到至关重要的作用。车道线检测算法的输入为图像，输出为图像中每一条实例车道线,每条车道线由若干个散点组成，每个散点为车道线中心点或者车道线边沿点。
[0003]然而，对于分叉道路(也称为分岔路)等复杂车道场景而言，如何提高车道线识别的准确度是人们关注的焦点。

技术实现思路

[0004]在本公开的第一方面，提供了一种用于处理车道线的方法。该方法包括：确定分叉道路的道路图像中被标记为车道线的一组位置；对一组位置执行根据道路图像的第一方向的第一聚类，以确定第一组车道线；对一组位置执行根据道路图像的第二方向的第二聚类，以确定第二组车道线，第二方向与第一方向相反；以及基于第一组车道线和第二组车道线，确定道路图像中的一组目标车道线。
[0005]在本公开的第二方面中，提供了一种用于处理车道线的装置。该装置包括：位置确定模块，被配置为确定分叉道路的道路图像中被标记为车道线的一组位置；第一聚类模块，被配置为对一组位置执行根据道路图像的第一方向的第一聚类，以确定第一组车道线；第二聚类模块，被配置为对一组位置执行根据道路图像的第二方向的第二聚类，以确定第二组车道线，第二方向与第一方向相反；以及车道线确定模块，被配置为基于第一组车道线和第二组车道线，确定道路图像中的一组目标车道线。
[0006]在本公开的第三方面，提供了一种电子设备，包括：存储器和处理器；其中存储器用于存储一条或多条计算机指令，其中一条或多条计算机指令被处理器执行以实现根据本公开的第一方面的方法。
[0007]在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有一条或多条计算机指令，其中一条或多条计算机指令被处理器执行实现根据本公开的第一方面的方法。
[0008]在本公开的第五方面，提供了一种计算机程序产品，其包括计算机可执行指令，其中计算机可执行指令在被处理器执行时实现根据本公开的第一方面的方法。
附图说明
[0009]结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素，其中：
[0010]图1示出了本公开的实施例能够在其中被实现的示例环境的框图；
[0011]图2示出了根据本公开一些实施例的用于处理车道线的示例过程的流程图；
[0012]图3A和图3B示出了根据本公开的一些实施例的二次聚类的示意图；
[0013]图4示出了根据本公开的一些实施例的用于处理车道线的装置的框图；以及
[0014]图5示出了其中可以实施本公开的一个或多个实施例的电子设备的框图。
具体实施方式
[0015]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0016]在本公开的实施例的描述中，术语“包括”及其类似用语应当理解为开放性包含，即“包括但不限于”。术语“基于”应当理解为“至少部分地基于”。术语“一个实施例”或“该实施例”应当理解为“至少一个实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
[0017]车道线检测是智能驾驶系统中一项重要的任务。传统的车道线检测方法难以有效地处于诸如分叉道路这种复杂的车道线场景。通常，分叉路口例如可以包括“人”字型和“Y”字型车道线。这样的车道线与普通的直线或曲线车道线存在明显的区别，这使得车道线识别和车道线匹配的难度都极大地提高。
[0018]有鉴于此，本公开的实施例提出了一种用于处理车道线的方案。在该方案中，确定分叉道路的道路图像中被标记为车道线的一组位置；对一组位置执行根据道路图像的第一方向的第一聚类，以确定第一组车道线；对一组位置执行根据道路图像的第二方向的第二聚类，以确定第二组车道线，第二方向与第一方向相反；以及基于第一组车道线和第二组车道线，确定道路图像中的一组目标车道线。
[0019]由此，本公开的实施例能够通过两次聚类的方式来提高分叉道路场景中车道线识别的准确度。
[0020]以下将继续参考附图描述本公开的一些示例实施例。
[0021]示例环境
[0022]图1示出了本公开的实施例能够在其中被实现的示例环境100的框图。。如图1所示，车辆120例如可以行驶在分叉道路110中。图1中所示的分叉道路110被示出为“人”字型。该分叉道路110例如可以包括车道线112、车道线114和车道线116。车道线114和车道线116例如可以发生了交叉。
[0023]如图1所示，行驶在分叉道路110中的车辆120例如可以利用图像捕获设备(例如，相机)来获取该分叉道路110的道路图像130。进一步地，电子设备140可以基于所捕获的道路图像130来标识该分叉道路110中的车道线(例如，车道线112、车道线114或车道线116)。
[0024]电子设备140可以是与车辆120通信耦合的任何适当计算设备，其例如可以被部署在车辆120的内部，例如作为车载计算设备。或者，电子设备140也可以被部署在车辆120的外部，例如，边缘计算设备或云计算设备等。
[0025]以下将介绍电子设备140标识道路图像130中的车道线的具体过程。
[0026]示例过程
[0027]图2示出了根据本公开的多个实施例的用于处理车道线的示例过程200的流程图。示例性地，过程200可以由图1中的电子设备140来实现。为了方便描述，以下参考图1来描述过程200。
[0028]如图2所示，在框210，电子设备140确定分叉道路110的道路图像130中被标记为车道线的一组位置。
[0029]如参考图1所讨论的，电子设备140可以利用图像捕获设备来获取分叉道路110的道路图像。这样的图像捕获设备例如可以包括被部署在车辆120上的相机，以用于在车辆行驶的过程中来捕获预定方向的图像，例如，视频流。
[0030]进一步地，电子设备140可以基于适当的车道线识别技术来确定道路图像130中被标记为车道线的一组位置。在一些实施例中，电子设备140例如可以利用语义分割模型处理道路图像130，以确定道路图像130中被标记为车道线的一组位置。
[0031]应当理解，语义分割模型可以使用任何适当的机器学习模型来实现，本公开不旨在对此进行限定。
[0032]在一些实施例中，为了方便聚类的操作，这样的语义分割模型例如不仅可以输出各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于处理车道线的方法，包括：确定分叉道路的道路图像中被标记为车道线的一组位置；对所述一组位置执行根据所述道路图像的第一方向的第一聚类，以确定第一组车道线；对所述一组位置执行根据所述道路图像的第二方向的第二聚类，以确定第二组车道线，所述第二方向与所述第一方向相反；以及基于所述第一组车道线和所述第二组车道线，确定所述道路图像中的一组目标车道线。2.根据权利要求1所述的方法，其中确定所述道路图像中的一组目标车道线包括：基于所述第一组车道线和所述第二组车道线，构建车道线集合；从所述车道线集合中移除被确定为重复的至少一个车道线；以及基于移除后的所述车道线集合，确定所述道路图像中的一组目标车道线。3.根据权利要求2所述的方法，其中从所述车道线集合中移除被确定为重复的至少一个车道线包括：从所述车道线集合中确定具有最大长度的目标车道线；从所述车道线集合中确定与所述目标车道线的重叠程度超过阈值程度的所述至少一个车道线；以及从所述车道线集合中移除所述至少一个车道线。4.根据权利要求1所述的方法，还包括：基于所述一组目标车道线与车辆的位置关系，确定针对所述车辆所在车道的约束车道线。5.根据权利要求1所述的方法，其中所述道路图像为由车辆在第一时刻捕获的第一道路图像，所述一组目标车道线为第一组目标车道线，D22F01262CN所述方法还被包括：构建所述第一组目标车道线到第二组目标车道线的第一匹配，所述第二组目标车道线是基于所述车辆在第二时刻捕获的第二道路图像所确定，所述第二时刻早于所述第一时刻；构建所述第二组目标车道线到第一组目标车道线的第二匹配；以及基于所述第一匹配和所述第二匹配，构建所述第一组目标车道线与所述第二组目标车道线之间的匹配关系。6.根据权利要求5所述的方法，其中构建所述第一组目标车道线与所述第二组目标车道线之间的匹配关系包括：基于所述第一匹配和所述第二匹配，确定所述第一组目标车道线中的第一车道线与所述第二组目标车道线中的第二车道线存在候选匹配关系；构建所述第一组目标车道线和至少一组历史目标车道线之间的历史匹配关系，至少一组历史匹配车道线是基于至少一个历史道路图像所确定的，所述至少一个历史道...

【专利技术属性】
技术研发人员：夏清沛，周景超，许鹏飞，柴华，
申请(专利权)人：上海桔晟科技有限公司，
类型：发明
国别省市：