【技术实现步骤摘要】
本申请涉及交通标志线，尤其是涉及一种交通标志线定位方法、系统、设备及介质。
技术介绍
1、随着城市交通的快速发展，道路交通安全问题日益凸显。交通标志线作为道路交通管理的重要组成部分，在确保车辆行驶安全、有序方面起着至关重要的作用。交通标志线包括车道线、行人过街线、停车线、导向箭头等，它们为驾驶员提供了行驶指引和法律约束。因此，准确地定位交通标志线对于智能交通系统、自动驾驶辅助系统以及全自动驾驶技术的发展具有重要意义。
2、随着计算机视觉技术的发展，基于图像处理的交通标志线定位技术逐渐兴起。然而，由于道路表面的不均匀性、磨损、污染以及光照变化等因素影响，导致交通标志线的识别和定位准确性不高，尤其是对高速行驶在复杂交通环境中的车辆进行自动驾驶辅助时，这些因素更加显著。
技术实现思路
1、为了提高交通标志线的定位准确性，本申请提供了一种交通标志线定位方法、系统、设备及介质。
2、第一方面，本申请提供一种交通标志线定位方法，采用如下的技术方案：
3、一种交通标志线定位方法，包括：
4、实时获取待辅助车辆的当前行驶车道的图像数据和三维空间数据；
5、提取所述图像数据中交通标志线的图像特征向量；
6、将所述图像数据和所述三维空间数据进行空间对齐，得到配准后的点云数据；
7、将所述图像特征向量与所述配准后的点云数据进行融合，得到融合后的特征数据集；
8、将所述融合后的特征数据集输入至预先构建的交通标志
9、通过采用上述技术方案，将待辅助车辆的当前行驶车道的图像数据和三维空间数据进行有效融合，能够适应多种环境条件，利用预先构建的交通标志线定位模型可以更准确地识别交通标志线，通过数据的实时采集，即使车辆高速行驶在复杂交通环境中，仍然能够即时响应道路环境变化，并辅助车辆对交通标志线进行高精度定位，从而为自动驾驶辅助系统的导航和决策提供了参考基础。
10、可选的，所述提取所述图像数据中交通标志线的图像特征向量的步骤包括：
11、对所述图像数据进行图像预处理；
12、将图像预处理后的图像数据输入至预先训练的卷积神经网络模型中进行特征提取，得到图像数据中交通标志线的图像特征向量。
13、通过采用上述技术方案，将预处理后的图像数据输入至预先训练好的卷积神经网络（cnn）模型中进行特征提取，进一步增强了特征的表达能力，使得输出的图像特征向量能够有效地支持后续的定位和识别任务。
14、可选的，将所述图像特征向量与所述配准后的点云数据进行融合的步骤包括：
15、建立所述图像特征向量与所述点云数据之间的映射关系；
16、根据所述映射关系，基于融合算法将所述图像特征向量与所述点云数据进行融合，得到融合后的特征数据集；其中，所述特征数据集中的每个特征向量包括图像特征和点云特征。
17、通过采用上述技术方案，多源数据的结合增加了系统对单一传感器失效或数据质量下降情况的鲁棒性，例如，在光照不足或遮挡情况下，点云数据仍然可以提供可靠的空间信息，从而为后续的处理提供了更全面的数据基础。
18、可选的，所述方法还包括所述交通标志线定位模型的构建步骤，所述构建步骤包括：
19、获取车道的样本图像数据和样本三维空间数据；
20、提取所述样本图像数据中交通标志线的样本图像特征向量；
21、将所述样本图像数据和所述样本三维空间数据进行时间戳对齐和空间对齐，得到配准后的样本点云数据；
22、将所述样本图像特征向量与所述配准后的样本点云数据进行融合，得到融合后的样本特征数据集；
23、基于所述融合后的样本特征数据集，构建所述交通标志线定位模型。
24、通过采用上述技术方案，构建交通标志线定位模型，系统能够更准确地理解和预测交通标志线在物理世界尤其是在驾驶场景中的实际位置，这对于车辆的导航和自动驾驶系统的决策至关重要。
25、可选的，在得到交通标志线定位信息之后还包括：
26、获取所述待辅助车辆的当前位置信息；
27、根据所述当前位置信息和预设目的地，确定预设行驶路径；
28、基于所述交通标志线定位信息，确定所述交通标志线在所述预设行驶路径上的相对位置信息。
29、通过采用上述技术方案，计算交通标志线相对于预设路径的距离和方向，确定其在该路径上的具体相对位置，并将这些信息实时反馈给驾驶员，从而提供交通标志线的准确位置信息，以辅助驾驶员更好地理解道路状况，遵守交通规则，提高行车安全和效率。
30、可选的，在确定所述交通标志线在所述预设行驶路径上的相对位置信息之后还包括：
31、根据所述交通标志线在所述预设行驶路径上的相对位置信息，实时更新至车载导航系统中。
32、通过采用上述技术方案，将交通标志线在预设路径上的相对位置信息更新至车辆导航系统中，这些信息将被用于辅助车辆的自动驾驶功能，例如车道保持、自动变道等，从而确保车辆能够正确、安全地遵循道路规则行驶。
33、第二方面，本申请提供一种交通标志线定位系统，采用如下的技术方案：
34、数据获取模块，用于实时获取待辅助车辆的当前行驶车道的图像数据和三维空间数据；
35、特征提取模块，用于提取所述图像数据中交通标志线的图像特征向量；
36、数据配准模块，用于将所述图像数据和所述三维空间数据进行空间对齐，得到配准后的点云数据；
37、数据融合模块，用于将所述图像特征向量与所述配准后的点云数据进行融合，得到融合后的特征数据集；
38、交通标志线定位信息生成模块，用于将所述融合后的特征数据集输入至预先构建的交通标志线定位模型，得到交通标志线定位信息。
39、通过采用上述技术方案，将待辅助车辆的当前行驶车道的图像数据和三维空间数据进行有效融合，能够适应多种环境条件，利用预先构建的交通标志线定位模型可以更准确地识别交通标志线，即使车辆高速行驶在复杂交通环境中，仍然能够即时响应道路环境变化，并辅助车辆对交通标志线进行高精度定位，从而为自动驾驶辅助系统的导航和决策提供了参考基础。
40、可选的，所述定位系统还包括：
41、位置信息获取模块，用于获取所述待辅助车辆的当前位置信息；
42、预设行驶路径确定模块，用于根据所述当前位置信息和预设目的地，确定预设行驶路径；
43、相对位置信息确定模块，用于基于所述交通标志线定位信息，确定所述交通标志线在所述预设行驶路径上的相对位置信息；
44、相对位置信息更新模块，用于根据所述交通标志线在所述预设行驶路径上的相对位置信息，实时更新至车载导航系统中。
45、通过采用上述技术方案，将交通标志线在预设路径上的相对位置信息更新至车辆导航系统中，这些本文档来自技高网...
【技术保护点】
1.一种交通标志线定位方法，其特征在于，包括：
2.根据权利要求1所述的一种交通标志线定位方法，其特征在于，所述提取所述图像数据中交通标志线的图像特征向量的步骤包括：
3.根据权利要求1所述的一种交通标志线定位方法，其特征在于，将所述图像特征向量与所述配准后的点云数据进行融合的步骤包括：
4.根据权利要求1所述的一种交通标志线定位方法，其特征在于，所述方法还包括所述交通标志线定位模型的构建步骤，所述构建步骤包括：
5.根据权利要求1到4任一所述的一种交通标志线定位方法，其特征在于，在得到交通标志线定位信息之后还包括：
6.根据权利要求5所述的一种交通标志线定位方法，其特征在于，在确定所述交通标志线在所述预设行驶路径上的相对位置信息之后还包括：
7.一种交通标志线定位系统，其特征在于，包括：
8.根据权利要求7所述的一种交通标志线定位系统，其特征在于，所述定位系统还包括：
9.一种计算机设备，其特征在于，包括：存储器、处理器以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
10.一种计算机可读存储介质，其特征在于：存储有能够被处理器加载并执行如权利要求1到6中任意一种方法的计算机程序。
...【技术特征摘要】
1.一种交通标志线定位方法，其特征在于，包括：
2.根据权利要求1所述的一种交通标志线定位方法，其特征在于，所述提取所述图像数据中交通标志线的图像特征向量的步骤包括：
3.根据权利要求1所述的一种交通标志线定位方法，其特征在于，将所述图像特征向量与所述配准后的点云数据进行融合的步骤包括：
4.根据权利要求1所述的一种交通标志线定位方法，其特征在于，所述方法还包括所述交通标志线定位模型的构建步骤，所述构建步骤包括：
5.根据权利要求1到4任一所述的一种交通标志线定位方法，其特征在于，在得到交通标志线定位信息之后还包括：
6.根据权...
【专利技术属性】
技术研发人员：缪成银，仇荣亮，黄继承，姚智，李超正，
申请(专利权)人：四川路桥建设集团交通工程有限公司，
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。