System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及环境感知,尤其涉及一种路沿检测方法、装置、终端设备和存储介质。
技术介绍
1、路沿即道路边界,它限定了车辆的可通行区域。目前,常用的路沿检测方法是在车辆四周安装摄像头,采集多路的道路图像,然后从道路图像中检测道路边缘线,将道路边缘线转换到车体坐标系下,最后基于具有视差的视图进行边缘线匹配,从而实现路沿检测。然而,上述方法属于不借助其它传感器的纯图像处理方案,若采集的道路图像出现光照等干扰,会导致路沿检测的准确率较低。
技术实现思路
1、有鉴于此,本申请实施例提供了一种路沿检测方法、装置、终端设备和存储介质,能够提高路沿检测的准确率。
2、本申请实施例的第一方面提供了一种路沿检测方法,包括:
3、获取待测道路的目标图像和点云数据;
4、将所述目标图像输入至已训练的路沿检测模型进行处理,输出候选路沿点集合;其中,所述路沿检测模型通过对用于实现车道线检测的神经网络模型进行改造获得,以已标记路沿的道路图像数据作为样本训练得到,且使用的用于划分锚点为正样本或负样本的阈值大于指定阈值;
5、根据所述候选路沿点集合和所述点云数据,检测得到所述待测道路的路沿检测结果。
6、在本申请实施例中,考虑到车道线检测任务与路沿检测任务相似,都是检测线段,故对现有技术的用于实现车道线检测的神经网络模型,也即车道线检测模型进行了部分改进,使其适用于检测路沿。具体的,可以将车道线检测模型的训练样本由已标记车道线的道路图像替换为已标记路沿的道路图
7、在本申请实施例的一种实现方式中,所述候选路沿点集合包括至少一条候选路沿线段的坐标点;所述根据所述候选路沿点集合和所述点云数据,检测得到所述待测道路的路沿检测结果,可以包括:
8、使用非极大值抑制的方法,从所述至少一条候选路沿线段的坐标点中选取目标路沿线段的坐标点;
9、将所述目标路沿线段的坐标点连成线,得到所述目标路沿线段;
10、将所述点云数据投影至所述目标图像中;
11、根据所述目标图像中由所述点云数据投影得到的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点。
12、进一步的,在将所述目标路沿线段的坐标点连成线,得到所述目标路沿线段之后,还可以包括:
13、对所述目标路沿线段执行轮廓加粗处理。
14、在本申请实施例的一种实现方式中,所述根据所述目标图像中由所述点云数据投影得到的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点,可以包括:
15、检测所述点云数据中是否存在高度差大于设定阈值的目标点云;
16、若所述点云数据中存在所述目标点云,则根据所述目标点云检测得到所述待测道路的路沿标记点;
17、若所述点云数据中不存在所述目标点云,则根据所述目标图像中的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点。
18、进一步的,所述目标图像包括连续的n帧图像,所述点云数据包括所述n帧图像中每帧图像分别对应的点云;
19、所述将所述点云数据投影至所述目标图像中,具体可以为:
20、针对所述n帧图像中的每帧图像,将该帧图像对应的点云投影至该帧图像中;
21、在得到所述n帧图像中每帧图像的目标路沿线段之后,还可以包括:
22、对所述n帧图像包含的所有相邻两帧图像的目标路沿线段执行线段匹配处理;
23、所述根据所述目标点云检测得到所述待测道路的路沿标记点,可以包括:
24、若所述所有相邻两帧图像的目标路沿线段的线段匹配结果均为匹配,则根据所述n帧图像中每帧图像的目标点云,分别检测得到所述n帧图像中每帧图像的路沿标记点;
25、根据所述n帧图像中每帧图像的路沿标记点,确定所述待测道路的路沿标记点;
26、所述根据所述目标图像中的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点,可以包括:
27、若所述所有相邻两帧图像的目标路沿线段的线段匹配结果均为匹配,则根据所述n帧图像中每帧图像的目标路沿线段所处区域的点云,分别检测得到所述n帧图像中每帧图像的路沿标记点;
28、根据所述n帧图像中每帧图像的路沿标记点,确定所述待测道路的路沿标记点。
29、更进一步的,令第一图像和第二图像为所述n帧图像包含的任意两帧相邻图像,所述对所述n帧图像包含的所有相邻两帧图像的目标路沿线段执行线段匹配处理,可以包括:
30、遍历计算所述第一图像包含的每个目标路沿线段的轮廓和所述第二图像包含的每个目标路沿线段的轮廓之间的重叠度;
31、以所述第一图像包含的每个目标路沿线段作为二分图的第一部分的目标,以所述第二图像包含的每个目标路沿线段作为所述二分图的第二部分的目标;
32、以各个所述重叠度作为所述第一部分的目标和所述第二部分的目标之间的权重,对所述二分图执行km算法处理;
33、若执行所述km算法处理后,所述第二部分的每个目标均成功匹配到所述第一部分中的目标,则确定所述第一图像和所述第二图像的目标路沿线段的线段匹配结果为匹配。
34、更进一步的,在对所述n帧图像包含的所有相邻两帧图像的目标路沿线段执行线段匹配处理之后,还可以包括:
35、若所述n帧图像中存在连续m帧以上图像的目标路沿线段的线段匹配结果为不匹配,则将所述路沿检测结果删除。
36、本申请实施例的第二方面提供了一种路沿检测装置,包括:
37、数据获取模块,用于获取待测道路的目标图像和点云数据;
38、路沿检测模型处理模块,用于将所述目标图像输入至已训练的路沿检测模型进行处理,输出候选路沿点集合;其中,所述路沿检测模型通过对用于实现车道线检测的神经网络模型进行改造获得,以已标记路沿的道路图像数据作为样本训练得到,且使用的用于划分锚点为正样本或负样本的阈值大于指定阈值;
39、路沿检测模块,用于根据所述候选路沿点集合和所述点云数据,检测得到所述待测道路的路沿检测结果。
40、本申请实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例的第一方面提供的路沿检测方法。
41、本申请实施例本文档来自技高网...
【技术保护点】
1.一种路沿检测方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述候选路沿点集合包括至少一条候选路沿线段的坐标点;所述根据所述候选路沿点集合和所述点云数据,检测得到所述待测道路的路沿检测结果,包括:
3.如权利要求2所述的方法,其特征在于,在将所述目标路沿线段的坐标点连成线,得到所述目标路沿线段之后,还包括:
4.如权利要求2或3所述的方法,其特征在于,所述根据所述目标图像中由所述点云数据投影得到的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点,包括:
5.如权利要求4所述的方法,其特征在于,所述目标图像包括连续的N帧图像,所述点云数据包括所述N帧图像中每帧图像分别对应的点云;
6.如权利要求5所述的方法,其特征在于,令第一图像和第二图像为所述N帧图像包含的任意两帧相邻图像,所述对所述N帧图像包含的所有相邻两帧图像的目标路沿线段执行线段匹配处理,包括:
7.如权利要求5或6所述的方法,其特征在于,在对所述N帧图像包含的所有相邻两帧图像的目标路沿线段执行线段匹配处理之后,还
8.一种路沿检测装置,其特征在于,包括:
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的路沿检测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的路沿检测方法。
...【技术特征摘要】
1.一种路沿检测方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,所述候选路沿点集合包括至少一条候选路沿线段的坐标点;所述根据所述候选路沿点集合和所述点云数据,检测得到所述待测道路的路沿检测结果,包括:
3.如权利要求2所述的方法,其特征在于,在将所述目标路沿线段的坐标点连成线,得到所述目标路沿线段之后,还包括:
4.如权利要求2或3所述的方法,其特征在于,所述根据所述目标图像中由所述点云数据投影得到的所述目标路沿线段所处区域的点云,检测得到所述待测道路的路沿标记点,包括:
5.如权利要求4所述的方法,其特征在于,所述目标图像包括连续的n帧图像,所述点云数据包括所述n帧图像中每帧图像分别对应的点云;
6.如权利要求5所述的方法,...
【专利技术属性】
技术研发人员:安向京,于耀晖,孟德远,
申请(专利权)人:长沙行深智能科技有限公司,
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。