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】
本专利技术涉及车道线检测,尤其涉及一种车道线检测方法、电子设备及存储介质。
技术介绍
1、随着汽车智能化发展,自动驾驶的技术和应用得到了长足的发展和进步。而车道线的检测识别是自动驾驶公路行车场景中一项基本任务。实时、精确地识别到不同种类的车道线可以实现定位到车辆在道路中的位置,从而为行车做好规划,控制车辆安全自动行驶。现有的车道线检测方法是通过感知模块获取车道线2d图像,对2d图像进行分割、关键点提取后输出2d车道线,之后在将2d车道线转换到3d坐标系下变为bev(birds-eyes-view,鸟瞰图)车道线,供下游的规划控制模块使用。但由于车辆行驶时会存在颠簸、路面不平等因素影响,2d相机的外参不准确,导致车道线从2d坐标系转换到3d坐标系的后bev车道线不准确,从而影响车辆路线规划控制输出,甚至影响车辆自动驾驶安全。
技术实现思路
1、本专利技术提供一种车道线检测方法、电子设备及存储介质,用以解决传统车道线检测方法从2d坐标系转换到3d坐标系的后得到的bev车道线不准确,影响车辆自动驾驶安全的缺陷。
2、本专利技术提供一种车道线检测方法,包括:
3、获取行车方向上的二维图像数据;
4、将所述二维图像数据输入车道线检测模型,所述车道线检测模型包括二维车道线预测分支和bev车道线预测分支;
5、通过所述二维车道线预测分支获取二维车道线预测结果,通过所述bev车道线预测分支获取bev车道线预测结果;
6、合并所述二维车道线
7、根据本专利技术提供的一种车道线检测方法,所述通过所述二维车道线预测分支获取二维车道线预测结果,包括:
8、所述二维车道线预测分支包括起始点概率预测分支和形状预测分支;
9、将所述二维图像数据对应的二维图像特征输入所述起始点概率预测分支,获取车道线预测起始点;
10、将所述二维图像数据对应的二维图像特征输入所述形状预测分支,获取车道线曲线多项式参数。
11、根据本专利技术提供的一种车道线检测方法,还包括:
12、对所述车道线预测起始点进行阈值过滤,得到候选车道起始点;
13、根据所述候选车道起始点和所述车道线曲线多项式参数得到二维预测车道线及其坐标点集合。
14、根据本专利技术提供的一种车道线检测方法,所述根据所述候选车道起始点和所述车道线曲线多项式参数得到二维预测车道线及其坐标点集合,包括:
15、根据多项式参数构造多项式;
16、根据所述候选车道起始点得到多项式中的常数参数;
17、根据候选初始点纵坐标、相邻坐标点的纵坐标间隔以及多项式曲线上点的数量,得到二维预测车道线及二维预测车道线上的点对应的坐标点集合。
18、根据本专利技术提供的一种车道线检测方法,所述通过所述bev车道线预测分支获取bev车道线预测结果,包括:
19、所述bev车道线预测分支包括线上点概率预测分支和距离预测分支;
20、将所述二维图像数据对应的bev图像特征输入所述线上点概率预测分支,获取车道线预测点;
21、将所述二维图像数据对应的bev图像特征输入所述距离预测分支,获取车道线的各点与其车道线中心点的距离。
22、根据本专利技术提供的一种车道线检测方法,还包括:
23、对所述车道线预测点进行阈值过滤,得到每条车道线上的候选点;
24、计算每条车道线上的候选点与对应车道线中心点的距离向量;
25、对多个距离向量进行聚类,获取每个车道线的实例及每个车道线对应的坐标点。
26、根据本专利技术提供的一种车道线检测方法,所述对多个距离向量进行聚类,获取每个车道线的实例及其对应的坐标点包括:
27、建立坐标点集合,随机选取一个坐标点加入坐标点集合,获取所述坐标点集合的中心点;
28、计算所述坐标点集合外任一坐标点与所述坐标点集合的中心点的距离;
29、若所述距离小于预设类内阈值,则将所述坐标点加入所述坐标点集合,更新所述坐标点集合的中心点;
30、重新计算所述坐标点集合外任一坐标点与所述坐标点集合的中心点的距离,根据所述距离确定是否将所述坐标点集合外的坐标点加入所述坐标点集合,直至所述坐标点集合外的坐标点与所述坐标点集合的中心点的距离都大于预设类内阈值,获取每个车道线的坐标点及对应bev车道线实例。
31、根据本专利技术提供的一种车道线检测方法,所述合并所述二维车道线预测结果与所述bev车道线预测结果,输出预测车道线,包括:
32、将每个bev车道线实例投影到二维坐标系下,获取二维投影车道线及每条二维投影车道线的起始点和中心点;
33、根据所述二维预测车道线及其坐标点集合获取二维预测车道线的起始点和中心点;
34、计算每条二维投影车道线与任一二维预测车道线的线间距离,所述线间距离为第一距离与第二距离之和,所述第一距离为二维投影车道线的起始点与所述二维预测车道线的起始点之间的距离,所述第二距离为所述二维投影车道线的中心点与所述二维预测车道线的中心点之间的距离;
35、将线间距离最小值对应的二维预测车道线作为对应二维投影车道线的匹配车道线;
36、若所述线间距离最小值小于预设距离阈值,则保留所述匹配车道线对应二维投影车道线,将所述二维投影车道线对应的bev车道线实例作为预测车道线。
37、本专利技术还提供的一种车道线检测装置,包括:
38、获取模块,用于获取行车方向上的二维图像数据;
39、输入模块,用于将所述二维图像数据输入车道线检测模型,所述车道线检测模型包括二维车道线预测分支和bev车道线预测分支;
40、预测模块,用于通过所述二维车道线预测分支获取二维车道线预测结果,通过所述bev车道线预测分支获取bev车道线预测结果;
41、合并模块,用于合并所述二维车道线预测结果与所述bev车道线预测结果,输出预测车道线。
42、本专利技术还提供一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现上述任一项所述的车道线检测方法。
43、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的车道线检测方法。
44、本专利技术提供的一种车道线检测方法、电子设备及存储介质,通过获取行车方向上的二维图像数据;将二维图像数据输入车道线检测模型,车道线检测模型包括二维车道线预测分支和bev车道线预测分支;通过二维车道线预测分支获取二维车道线预测结果,通过bev车道线预测分支获取bev车道线预测结果;合并二维车道线预测结果与bev车道线预测结果,输出预测车道线,通过车道线检测模型可以直接输出bev车道线预测结果,同本文档来自技高网...
【技术保护点】
1.一种车道线检测方法,其特征在于,包括:
2.根据权利要求1所述的一种车道线检测方法,其特征在于,所述二维车道线预测分支包括起始点概率预测分支和形状预测分支,所述通过所述二维车道线预测分支获取二维车道线预测结果,包括:
3.根据权利要求2所述的一种车道线检测方法,其特征在于,还包括:
4.根据权利要求3所述的一种车道线检测方法,其特征在于,所述根据所述候选车道起始点和所述车道线曲线多项式参数得到二维预测车道线及其坐标点集合,包括:
5.根据权利要求1所述的一种车道线检测方法,其特征在于,所述BEV车道线预测分支包括线上点概率预测分支和距离预测分支,所述通过所述BEV车道线预测分支获取BEV车道线预测结果,包括:
6.根据权利要求5所述的一种车道线检测方法,其特征在于,还包括:
7.根据权利要求6所述的一种车道线检测方法,其特征在于,所述对多个距离向量进行聚类,获取每个车道线的实例及其对应的坐标点包括:
8.根据权利要求6所述的一种车道线检测方法,其特征在于,所述合并所述二维车道线预测结果与所述B
9.一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至8任一项所述的车道线检测方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,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8任一项所述的车道线检测方法。
...【技术特征摘要】
1.一种车道线检测方法,其特征在于,包括:
2.根据权利要求1所述的一种车道线检测方法,其特征在于,所述二维车道线预测分支包括起始点概率预测分支和形状预测分支,所述通过所述二维车道线预测分支获取二维车道线预测结果,包括:
3.根据权利要求2所述的一种车道线检测方法,其特征在于,还包括:
4.根据权利要求3所述的一种车道线检测方法,其特征在于,所述根据所述候选车道起始点和所述车道线曲线多项式参数得到二维预测车道线及其坐标点集合,包括:
5.根据权利要求1所述的一种车道线检测方法,其特征在于,所述bev车道线预测分支包括线上点概率预测分支和距离预测分支,所述通过所述bev车道线预测分支获取bev车道线预测结果,包括:
6.根据权利...
【专利技术属性】
技术研发人员:陆强,
申请(专利权)人:际络科技上海有限公司,
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。