道路边界线跟踪方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术属于自动驾驶技术领域，提供一种道路边界线跟踪方法、装置、电子设备及存储介质，跟踪方法包括：实时获取道路边界关键点集；根据道路边界关键点集，采用随机采样一致算法和基于最小二乘法的道路边界曲线多项式算法拟合出道路边界线观测值，其中，每一帧的道路边界关键点集均对应不同的道路边界线观测值；根据本车的实时速度、上一帧与当前帧的时间差以及上一帧的道路边界线观测值，采用卡尔曼滤波算法，预测得到当前帧的道路边界线预测值。本申请通过引入本车的实时速度，使得获得的道路边界线预测值更为贴近实际的本车坐标系下道路边界线的变化模型，提升最终获得的道路边界线的修正结果的准确性。线的修正结果的准确性。线的修正结果的准确性。

【技术实现步骤摘要】
道路边界线跟踪方法、装置、电子设备及存储介质


[0001]本专利技术属于自动驾驶
，具体涉及道路边界线跟踪方法、装置、电子设备及存储介质。

技术介绍

[0002]在自动驾驶领域，使用视觉图像传感器实现车道线检测、跟踪的技术已经比较成熟。但在道路边界的判断上，激光雷达作为一种能够实时探测三维空间信息的传感器，其能够获得道路边界处的地形或人造建筑的空间特征，这使得激光雷达传感器替代视觉图像传感器实现道路边界的检测、跟踪具有很大的优势。但相对于使用视觉图像传感器进行车道线跟踪而言，激光雷达获取的点云分布并不规则，并且距离越远，点云分布越稀疏，使得前置的道路边界关键点检测容易产生较多的误检测点，导致使用激光雷达跟踪道路边界线存在一定的误差。

技术实现思路

[0003]本专利技术的目的是：旨在提供道路边界线跟踪方法、装置、电子设备及存储介质，用来解决
技术介绍
中指出的，相对于使用视觉图像传感器进行车道线跟踪而言，激光雷达获取的点云分布并不规则，并且距离越远，点云分布越稀疏，使得前置的道路边界关键点检测容易产生较多的误检测点，导致使用激本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路边界线跟踪方法，其特征在于，所述跟踪方法包括：实时获取道路边界关键点集；根据道路边界关键点集，采用随机采样一致算法和基于最小二乘法的道路边界曲线多项式算法拟合出道路边界线观测值，其中，每一帧的道路边界关键点集均对应不同的道路边界线观测值；根据本车的实时速度、上一帧与当前帧的时间差以及上一帧的道路边界线观测值，采用卡尔曼滤波算法，预测得到当前帧的道路边界线预测值；根据当前帧的道路边界线预测值和当前帧的道路边界线观测值，采用卡尔曼滤波算法，更新得到当前帧的道路边界线的修正结果。2.根据权利要求1所述的道路边界线跟踪方法，其特征在于，所述道路边界关键点集中的关键点具有x坐标、y坐标、z坐标和强度值四个属性。3.根据权利要求2所述的道路边界线跟踪方法，其特征在于，所述根据道路边界关键点集，采用随机采样一致算法和基于最小二乘法的道路边界曲线多项式算法拟合出道路边界线观测值，其中，每一帧的道路边界关键点集均对应不同的道路边界线观测值，包括：采用随机采样一致算法，从道路边界关键点集中随机选择预设比例的关键点，构成子点集；构建拟合道路边界线的三次多项式模型，公式如下：y＝c3x3+c2x2+c1x+c0其中，c0、c1、c2和c3为决定道路边界线具体结果的四个系数；采用最小二乘法，并根据子点集中的关键点，求出三次多项式模型中的c0、c1、c2和c3这四个系数的具体数值；将c0、c1、c2和c3这四个系数的具体数值带入三次多项式模型中，获得道路边界线观测值。4.根据权利要求3所述的道路边界线跟踪方法，其特征在于，在所述采用随机采样一致算法，从道路边界关键点集中随机选择预设比例的关键点，构成子点集的步骤中，定义公式如下：其中，|S|为子点集中关键点的数量，|M|为道路边界关键点集中关键点的数量，r为预设比例，r为自定义参数。5.根据权利要求4所述的道路边界线跟踪方法，其特征在于，所述采用最小二乘法，并根据子点集中的关键点，求出三次多项式模型中的c0、c1、c2和c3这四个系数的具体数值，包括：构建范德蒙德矩阵，如下：其中，Φ为范德蒙德矩阵，x表示关键点的x坐标；
构建系数向量，如下：其中，c为系数向量；根据范德蒙德矩阵和系数向量，生成等式，如下：Φ
T
Φc＝Φ
T
y其中，y为m维向...

【专利技术属性】
技术研发人员：杨凯，万满，邓皓匀，任凡，
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：