本发明专利技术涉及自动驾驶技术领域，本发明专利技术公开了一种车道线拟合方法、装置、电子设备及存储介质。通过获取当前时刻的车道线数据集；该车道线数据集包括位于车道线上的多个采样点中每个采样点的位置；若所述车道线数据集中任意相邻的两个采样点的斜率值大于等于第一预设阈值，从车道线数据集中确定出分段点，进而再确定出目标车道线数据集，基于该当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量；基于该当前时刻的目标车道线状态量确定当前时刻的目标车道线；本发明专利技术提供该车道线拟合方法具有拟合结果的精准度和可靠性的特点。可靠性的特点。可靠性的特点。
【技术实现步骤摘要】
一种车道线拟合方法、装置、电子设备及存储介质
[0001]本申请涉及自动驾驶
，特别涉及一种车道线拟合方法、装置、电子设备及存储介质。
技术介绍
[0002]车道线拟合是自动驾驶技术重要的参数，关系到车辆行驶过程中的安全和合法性。现有方案中通常采用三次曲线对车道线进行拟合，然而基于三次曲线的特性容易导致在纵向距离较大时，很难表征大曲率的曲线，导致拟合精度低。
技术实现思路
[0003]为了解决现有技术的问题，本申请实施例提供了一种车道线拟合方法、装置、电子设备及存储介质。所述技术方案如下：
[0004]一方面，提供了一种车道线拟合方法，包括：
[0005]获取当前时刻的车道线数据集；该车道线数据集包括位于车道线上的多个采样点中每个采样点的位置；
[0006]若该车道线数据集中任意相邻的两个采样点的斜率值大于等于第一预设阈值，从该车道线数据集中确定出目标采样点；该目标采样点与车辆的距离属于预设阈值范围；
[0007]基于该目标采样点，从该车道线数据集中确定出目标车道线数据集；该目标车道线数据集中的每个采样点与该车辆之间的距离小于该目标采样点与该车辆的距离；
[0008]基于该当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量；
[0009]基于该当前时刻的目标车道线状态量确定当前时刻的目标车道线。
[0010]在一个示例性的实施方式中，该从该车道线数据集中确定出目标采样点，包括：
[0011]从该车道线数据集中确定出车道线数据集；该车道线数据集中的每个采样点与该车辆的距离大于等于第一阈值，且小于等于第二阈值；该第二阈值大于第一阈值；
[0012]针对该车道线数据集中的每个采样点，基于采样点的位置和相邻采样点的位置确定该采样点的斜率；
[0013]若在该车道线数据集满足第一预设条件的情况下，基于该车道线数据集中各采样点的斜率，从该车道线数据集中确定出目标采样点集；该目标采样点集中的采样点的斜率大于零或者小于零；
[0014]基于该目标采样点集确定该目标采样点。
[0015]在一个示例性的实施方式中，该第一预设条件包括：
[0016]该车道线数据集中各采样点按照距离车辆由近至远排列，依次归属于第一数据集、第二数据集和第三数据集；该第一数据集中各采样点的斜率和该第三数据集的斜率均大于零，且该第二数据集中各采样点的斜率小于零；或者，该第一数据集中各采样点的斜率
和该第三数据集的斜率均小于零，且该第二数据集中各采样点的斜率大于零。
[0017]在一个示例性的实施方式中，该基于该车道线数据集中各采样点的斜率，从该车道线数据集中确定出目标采样点集；该目标采样点集中的采样点的斜率大于零或者小于零；基于该目标采样点集确定该目标采样点，包括：
[0018]将该第三数据集确定为该目标采样点集；
[0019]基于该目标采样点集中各采样点的位置和第二数据集中各采样点的位置，从该目标采样点集中确定出目标采样点；该目标采样点的一个相邻采样点属于第二数据集；该目标采样点的另一个相邻采样点属于第二数据集。
[0020]在一个示例性的实施方式中，在该目标车道线数据集包括至少两个采样点的情况下，该基于该当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量，包括：
[0021]从该目标车道线数据集中确定准目标采样点；
[0022]基于该准目标采样点的位置、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的初始目标车道线状态量；
[0023]将该当前时刻的初始目标车道线状态量更新为当前时刻的更新预测车道线状态量；
[0024]从剩余车道线数据集中确定出目标采样点；该剩余车道线数据集为除该准目标采样点的数据集；
[0025]基于该目标采样点的位置、该当前时刻的车辆运动状态、该历史时刻的车辆运行状态和该当前时刻的更新预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的准目标车道线状态量；
[0026]将该当前时刻的准目标车道线状态量作为该当前时刻的更新预测车道线状态量，并执行从剩余车道线数据集中确定出目标采样点，基于该目标采样点的位置、该当前时刻的车辆运动状态、该历史时刻的车辆运行状态和该当前时刻的更新预测车道线状态量进行扩展卡尔曼滤波的步骤，直至该剩余车道线数据集中不存在采样点，得到该当前时刻的目标车道线状态量。
[0027]在一个示例性的实施方式中，该车辆运行状态包括车辆的位置和速度；
[0028]该预测车道线状态量包括车辆中心线与所处车道的中心线之间的偏置、车辆中心线与所处车道的中心线的夹角、车道线的曲率和车道线的曲率变化率。
[0029]在一个示例性的实施方式中，该获取当前时刻的车道线数据集，包括：
[0030]利用采集设备获取当前时刻的道路场景图像；该道路场景图像包含车辆所处车道的车道线；
[0031]对该当前时刻的道路场景图像进行图像识别处理，得到该当前时刻的车道线数据集。
[0032]另一方面，提供了一种车道线拟合装置，该装置包括：
[0033]获取模块，用于获取当前时刻的车道线数据集；该车道线数据集包括位于车道线上的多个采样点中每个采样点的位置；
[0034]第一确定模块，用于若该车道线数据集中任意相邻的两个采样点的斜率值大于等于第一预设阈值，从该车道线数据集中确定出目标采样点；该目标采样点与车辆的距离属于预设阈值范围；
[0035]第二确定模块，用于基于该目标采样点，从该车道线数据集中确定出目标车道线数据集；该目标车道线数据集中的每个采样点与车辆之间的距离小于该目标采样点与车辆的距离；
[0036]扩展卡尔曼滤波模块，用于基于该当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量；
[0037]第三确定模块，用于基于该当前时刻的目标车道线状态量确定当前时刻的目标车道线。
[0038]另一方面，提供了一种电子设备，包括处理器和存储器，该存储器中存储有至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由该处理器加载并执行以实现上述任一方面的车道线拟合方法。
[0039]另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质中存储有至少一条指令或者至少一段程序，该至少一条指令或者该至少一段程序由处理器加载并执行以实现如上述任一方面的车道线拟合方法。
[0040]另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车道线拟合方法，其特征在于，包括：获取当前时刻的车道线数据集；所述车道线数据集包括位于车道线上的多个采样点中每个采样点的位置；若所述车道线数据集中任意相邻的两个采样点的斜率值大于等于第一预设阈值，从所述车道线数据集中确定出目标采样点；所述目标采样点与车辆的距离属于预设阈值范围；基于所述目标采样点，从所述车道线数据集中确定出目标车道线数据集；所述目标车道线数据集中的每个采样点与所述车辆之间的距离小于所述目标采样点与所述车辆的距离；基于所述当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量；基于所述当前时刻的目标车道线状态量确定当前时刻的目标车道线。2.根据权利要求1所述的车道线拟合方法，其特征在于，所述从所述车道线数据集中确定出目标采样点，包括：针对所述车道线数据集中的每个采样点，基于采样点的位置和相邻采样点的位置确定所述采样点的斜率；若在所述车道线数据集满足第一预设条件的情况下，基于所述车道线数据集中各采样点的斜率，从所述车道线数据集中确定出目标采样点集；所述目标采样点集中的采样点的斜率大于零或者小于零；基于所述目标采样点集确定所述目标采样点。3.根据权利要求2所述的车道线拟合方法，其特征在于，所述第一预设条件包括：所述车道线数据集中各采样点按照距离车辆由近至远排列，依次归属于第一数据集、第二数据集和第三数据集；所述第一数据集中各采样点的斜率和所述第三数据集的斜率均大于零，且所述第二数据集中各采样点的斜率小于零；或者，所述第一数据集中各采样点的斜率和所述第三数据集的斜率均小于零，且所述第二数据集中各采样点的斜率大于零。4.根据权利要求3所述的车道线拟合方法，其特征在于，所述基于所述车道线数据集中各采样点的斜率，从所述车道线数据集中确定出目标采样点集；所述目标采样点集中的采样点的斜率大于零或者小于零；基于所述目标采样点集确定所述目标采样点，包括：将所述第三数据集确定为所述目标采样点集；基于所述目标采样点集中各采样点的位置和第二数据集中各采样点的位置，从所述目标采样点集中确定出目标采样点；所述目标采样点的一个相邻采样点属于第二数据集；所述目标采样点的另一个相邻采样点属于所述第三数据集。5.根据权利要求1所述的车道线拟合方法，其特征在于，在所述目标车道线数据集包括至少两个采样点的情况下，所述基于所述当前时刻的目标车道线数据集、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的目标车道线状态量，包括：从所述目标车道线数据集中确定准目标采样点；基于所述准目标采样点的位置、当前时刻的车辆运动状态、历史时刻的车辆运行状态和当前时刻的预测车道线状态量进行扩展卡尔曼滤波，得到当前时刻的初始目标车道线状<...
【专利技术属性】
技术研发人员：时亚辉，陈胤子，张振林，
申请(专利权)人：中汽创智科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。