车道线提取方法及装置制造方法及图纸

本发明专利技术公开了一种车道线提取方法及装置，其中，该方法包括：获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；利用车道线对应的三维点云数据拟合得到车道线对应的曲线。

Lane line extraction method and device

【技术实现步骤摘要】
车道线提取方法及装置
本专利技术涉及电子地图
，更具体地，涉及一种车道线提取方法、一种车道线提取装置。
技术介绍
随着智能时代的发展，自动驾驶引起了人们广泛关注。在自动驾驶行为中，高精度地图由于能为车辆提供的先验信息，大大增加车辆行驶安全性。自动驾驶系统的安全的需求需要高精度地图提供丰富的车道级信息，例如道路中心线、车道分割线、道路边界线等。在高精度地图制作过程中，车道线的检测是关键一环。目前，车道线提取方案主要包括摄像头采集的视觉图片为数据源提取车道线。这种以摄像头采集的视觉图片为数据源提取车道线的方式，对光线要求较高，无法对应低照度环境，尤其是没有路灯的黑夜。另外，还存在测距不精确和定位算法复杂问题。
技术实现思路
本专利技术的一个目的是提供一种提取车道线的新技术方案。根据本专利技术的第一方面，提供了一种车道线提取方法，包括：获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；利用车道线对应的三维点云数据拟合得到车道线对应的曲线。可选地，所述对所述三维点云数据进行预处理得到路面对应的三维点云数据包括：利用预设高程阈值对所述三维点云数据进行切割处理，得到路面对应的三维点云数据，其中，所述三维点云数据包括各扫描点在点云坐标系中的位置信息和强度信息，所述点云坐标系中的位置信息包括高程信息。可选地，所述对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像信息包括：将所述路面对应的三维点云数据映射到二维图像坐标系中，得到路面对应的各扫描点在二维图像坐标系中的位置信息，获取路面对应的各扫描点的强度信息，利用路面对应的各扫描点在二维图像坐标系中的位置信息和强度信息生成二维图像信息。可选地，所述训练后的深度学习模型按照以下步骤训练得到：将训练数据集和标注数据集输入至深度学习模型，对深度学习模型的参数进行迭代处理，得到训练后的深度学习模型，将测试数据集输入至所述训练后的深度学习模型，输出测试结果，其中，测试结果为二维图像中的车道线的位置信息；在所述测试结果满足车道线提取结果准确度要求的情况下，将所述训练后的深度学习模型作为用于车道线提取的深度学习模型，其中，所述训练数据集、所述标注数据集和所述测试数据集均包括由不同场景下的路面对应的三维点云数据经过坐标映射处理后得到的二维图像，且所述标注数据集中的二维图像中的车道线已被标注出。可选地，所述标注数据集按照以下步骤生成：获取由激光雷达扫描得到的三维点云数据生成的路面对应的二维图像；获取车道线矢量数据，并将车道线矢量数据栅格化为车道线对应的点云数据，并将所述车道线对应的点云数据进行坐标映射处理，得到车道线对应的二维图像；将所述车道线对应的二维图像和所述路面对应的二维图像进行叠加，得到标注出车道线的二维图像。对所述标注出车道线的二维图像进行二值化处理，得到二值化图像。可选地，所述方法还包括：对车道线对应的曲线进行合并，得到电子地图中的车道线。根据本专利技术的第二方面，提供了一种车道线提取装置，包括：获取模块，用于获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；坐标映射处理模块，用于对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；识别模块，用于将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；坐标逆映射处理模块，用于对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；拟合模块，用于利用车道线对应的三维点云数据拟合得到车道线对应的曲线。可选地，所述坐标映射处理模块进一步用于：将所述路面对应的三维点云数据映射到二维图像坐标系中，得到路面对应的各扫描点在二维图像坐标系中的位置信息，获取路面对应的各扫描点的强度信息，利用路面对应的各扫描点在二维图像坐标系中的位置信息和强度信息生成二维图像信息。可选地，所述装置还包括：合并模块，用于对车道线对应的曲线进行合并，得到电子地图中的车道线。根据本专利技术的第三方面，提供了一种车道线提取装置，包括存储器和处理器，所述存储器用于存储指令，所述指令用于控制所述处理器进行操作以执行根据第一方面中任一项所述的方法。本专利技术的一个实施例的有益效果在于，获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据，对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像，将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息，对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据，利用车道线对应的三维点云数据拟合得到车道线对应的曲线，利用激光雷达测量得到的点云数据对应的精确位置信息，同时结合深度学习模型，提高了车道线信息提取的准确性，鲁棒性强，不易受各种环境因素影响，能够满足不同的应用场景。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1是根据本专利技术一个实施例的车道线的提取方法的处理流程图。图2是根据本专利技术一个实施例的利用路面对应的三维点云数据生成的三维视图。图3是基于图2示出的三维视图坐标映射处理后得到的二维图像的示意图。图4是基于图3示出的二维图像得到的作为标注数据集中的一个二维图像的示意图。图5是基于图4示出的二值化图像得到的、利用不同灰度值示出的车道线的示意图。图6是根据本专利技术一个实施例的车道线的示意图。图7是根据本专利技术一个实施例的车道线提取装置的原理框图。图8是根据本专利技术实施例的车道线提取装置的硬件结构示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面本文档来自技高网...

【技术保护点】
1.一种车道线提取方法，其特征在于，包括：/n获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；/n对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；/n将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；/n对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；/n利用车道线对应的三维点云数据拟合得到车道线对应的曲线。/n

【技术特征摘要】
1.一种车道线提取方法，其特征在于，包括：
获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；
对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；
将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；
对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；
利用车道线对应的三维点云数据拟合得到车道线对应的曲线。


2.根据权利要求1所述的方法，其特征在于，所述对所述三维点云数据进行预处理得到路面对应的三维点云数据包括：
利用预设高程阈值对所述三维点云数据进行切割处理，得到路面对应的三维点云数据，其中，所述三维点云数据包括各扫描点在点云坐标系中的位置信息和强度信息，所述点云坐标系中的位置信息包括高程信息。


3.根据权利要求1所述的方法，其特征在于，所述对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像信息包括：
将所述路面对应的三维点云数据映射到二维图像坐标系中，得到路面对应的各扫描点在二维图像坐标系中的位置信息；
获取路面对应的各扫描点的强度信息；
利用路面对应的各扫描点在二维图像坐标系中的位置信息和强度信息生成二维图像信息。


4.根据权利要求1所述的方法，其特征在于，所述训练后的深度学习模型按照以下步骤训练得到：
将训练数据集和标注数据集输入至深度学习模型，对深度学习模型的参数进行迭代处理，得到训练后的深度学习模型；
将测试数据集输入至所述训练后的深度学习模型，输出测试结果，其中，测试结果为二维图像中的车道线的位置信息；
在所述测试结果满足车道线提取结果准确度要求的情况下，将所述训练后的深度学习模型作为用于车道线提取的深度学习模型，其中，
所述训练数据集、所述标注数据集和所述测试数据集均包括由不同场景下的路面对应的三维点云数据经过坐标映射处理后得到的二维图像，且所述标注数据集中的二维图像中的车道线已被标注出。


5.根据权...

【专利技术属性】
技术研发人员：赵萌醒，
申请(专利权)人：易图通科技北京有限公司，
类型：发明
国别省市：北京;11