基于特征空间的车道线处理方法、装置、车载终端和介质制造方法及图纸

本申请涉及自动驾驶技术领域，提供了一种基于特征空间的车道线处理方法、装置、车载终端和存储介质。本申请能够提高对车道线进行处理的鲁棒性和简化本车车道提取、车道偏离预警和车道跟踪及保持等处理逻辑。该方法包括：获取针对所采集的道路图像中各车道线的车道线分割结果和获取构成各车道线的点的特征向量。在特征空间中，确定这些点的特征向量所形成的聚类中心，根据这些聚类中心与特征空间中参考点的相对位置关系，从这些聚类中心中确定对应于目标车道线的聚类中心，根据对应于目标车道线的聚类中心所表征的特征向量聚类结果与车道线分割结果之间的对应关系，利用与特征向量聚类结果对应的车道线分割结果，处理道路图像中的目标车道线。

【技术实现步骤摘要】
基于特征空间的车道线处理方法、装置、车载终端和介质
本申请涉及自动驾驶
，特别是涉及一种基于特征空间的车道线处理方法、装置、车载终端和存储介质。
技术介绍
随着自动驾驶技术的发展，出现了由车载终端通过车辆搭载的图像采集设备为车辆在道路上行驶过程中对车道线进行处理的技术，例如，其可以依赖于计算机视觉技术，设计相应算法从图像采集设备实时采集的道路图像中提取车道线信息从而识别车道线。目前的技术所提供的车道线处理算法，一般是先利用车道线具有的例如边缘特征、颜色特征和结构特征等特征从道路图像中提取车道线上的点，然后通过反投影变换（InversePerspectiveMapping，IPM）将所提取的这些车道线上的点投影到鸟瞰图中，接着利用霍夫变换或者直线段检测算法进行直线检测、滤除掉一些噪声点得到候选点，并对得到的候选点进行聚类得到车道线点。然而，这种技术中由于反投影变换非常容易受到路况的影响，使得基于反投影变换的直线检测和车道线点聚类的准确性较低，导致这种技术难以适应于复杂路况，不能在真实场景中稳定工作，对车道线进行处理的鲁棒性较低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于特征空间的车道线处理方法、装置、车载终端和存储介质。一种基于特征空间的车道线处理方法，所述方法包括：获取道路图像；基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；确定所述特征向量在特征空间中形成的聚类中心；根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。一种基于特征空间的车道线处理装置，包括：图像获取模块，用于获取道路图像；图像处理模块，用于基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；向量聚类模块，用于确定所述特征向量在特征空间中形成的聚类中心；中心确定模块，用于根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；结果获取模块，用于获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；车道线处理模块，用于基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。一种车载终端，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取道路图像；基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；确定所述特征向量在特征空间中形成的聚类中心；根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。一种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以下步骤：获取道路图像；基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；确定所述特征向量在特征空间中形成的聚类中心；根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。上述基于特征空间的车道线处理方法、装置、车载终端和存储介质，基于采集的道路图像，获取针对该道路图像中各车道线的车道线分割结果以及获取构成各车道线的点的特征向量。然后，在特征空间中，确定这些点的特征向量所形成的聚类中心，接着根据这些聚类中心与特征空间中参考点的相对位置关系，从这些聚类中心中确定出对应于目标车道线的聚类中心，最后根据对应于目标车道线的聚类中心所表征的特征向量聚类结果与车道线分割结果之间的对应关系，即可利用与特征向量聚类结果对应的车道线分割结果，处理所采集的道路图像中的目标车道线。该方案能够根据构成车道线各点的特征向量在特征空间中的统计特性实现对目标车道线进行处理，提高处理车道线的鲁棒性。同时，该方案也能够利用特征空间中的统计特性将车道线实际应用中的例如本车车道提取、车道偏离预警和本车车道跟踪及保持等处理算法从原始图像空间转移到特征空间中完成，简化了车道线实际应用中的对车道线进行处理的算法逻辑。附图说明图1为一个实施例中基于特征空间的车道线处理方法的应用环境图；图2为一个实施例中基于特征空间的车道线处理方法的流程示意图；图3（a）为一个实施例中道路图像的示意图；图3（b）为一个实施例中车道线分割结果的示意图；图4（a）为一个实施例中道路图像中各车道线的示意图；图4（b）为一个实施例中构成各车道线的点的特征向量在特征空间中的聚类结果的示意图；图5（a）为一个实施例中车辆向右变道时道路图像中各车道线的示意图；图5（b）为一个实施例中车辆向右变道时构成各车道线的点的特征向量在特征空间中的聚类结果的示意图；图6为一个实施例中车道线检测网络的结构示意图；图7为一个实施例中构建车道线检测网络的流程示意图；图8（a）为一个实施例中道路图像中参考区域的示意图；图8（b）为一个实施例中参考区域在特征空间所对应的聚类中心的示意图；图9（a）为一个实施例中车道线分割结果的示意图；图9（b）为另一个实施例中当前车道的车道线分割结果的示意图；图9（c）为一个实施例中车道线上各点的特征向量在特征空间中的聚类中心的示意图；图10为一个实施例中基于特征空间的车道线处理装置的结构框图；图11为一个实施例中车载终端的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的基于特征空间的车道线处理方法，可以应用于如图1所示的应用环境中，该应用环境可以包括通信连接的图像采集设备和车载终端。其中，图像采集设备具体可以是车辆搭载的摄像头，该图像采集设备可以在车辆行驶过程中实时拍摄道路视频，道路视频是指针对该车辆所行驶的道路拍摄的视本文档来自技高网...

【技术保护点】
1.一种基于特征空间的车道线处理方法，其特征在于，所述方法包括：/n获取道路图像；/n基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；/n确定所述特征向量在特征空间中形成的聚类中心；/n根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；/n获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；/n基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。/n

【技术特征摘要】
1.一种基于特征空间的车道线处理方法，其特征在于，所述方法包括：
获取道路图像；
基于所述道路图像，获取针对所述道路图像中各车道线的车道线分割结果，以及获取构成所述各车道线的点的特征向量；
确定所述特征向量在特征空间中形成的聚类中心；
根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心；
获取所述对应于目标车道线的聚类中心表征的针对所述目标车道线的特征向量聚类结果；
基于所述特征向量聚类结果与所述车道线分割结果之间的对应关系，利用与所述特征向量聚类结果对应的车道线分割结果，处理所述道路图像中的所述目标车道线。


2.根据权利要求1所述的方法，其特征在于，所述目标车道线包括构成当前车道的第一车道线和第二车道线；所述当前车道为车辆当前行驶的车道；所述聚类中心包括对应于所述第一车道线的第一聚类中心以及对应于所述第二车道线的第二聚类中心；所述参考点为所述特征空间的原点；
所述根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心之后，所述方法还包括：
获取所述第一聚类中心与所述参考点在所述特征空间的第一特征维度的第一相对距离，以及获取所述第二聚类中心与所述参考点在所述第一特征维度的第二相对距离；
根据所述第一相对距离和所述第二相对距离的相对大小，检测所述车辆是否偏向所述第一车道线或者所述第二车道线行驶。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一相对距离和所述第二相对距离的相对大小，检测所述车辆是否偏向所述第一车道线或者所述第二车道线行驶，包括：
若所述第一相对距离小于所述第二相对距离，则判断所述车辆偏向所述第一车道线行驶，当所述第一相对距离小于车道偏离阈值时，提示所述第一车道线所在侧的车道偏离预警信息；
若所述第二相对距离小于所述第一相对距离，则判断所述车辆偏向所述第二车道线行驶，当所述第二相对距离小于所述车道偏离阈值时，提示所述第二车道线所在侧的车道偏离预警信息。


4.根据权利要求1所述的方法，其特征在于，所述目标车道线包括构成当前车道的第一车道线和第二车道线；所述当前车道为车辆当前行驶的车道；所述聚类中心包括对应于所述第一车道线的第一聚类中心以及对应于所述第二车道线的第二聚类中心；所述参考点为所述特征空间的原点；
所述根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心，包括：
根据所述各聚类中心分别与所述参考点在所述特征空间的第一特征维度的相对位置，确定第一聚类中心集和第二聚类中心集；所述第一聚类中心集包括与所述第一车道线所在侧的车道线相对应的聚类中心；所述第二聚类中心集包括与所述第二车道线所在侧的车道线相对应的聚类中心；
将所述第一聚类中心集中在所述特征空间的第二特征维度上具有最小特征值的聚类中心作为所述第一聚类中心，以及，将所述第二聚类中心集中在所述特征空间的第二特征维度具有最小特征值的聚类中心作为所述第二聚类中心。


5.根据权利要求1所述的方法，其特征在于，所述道路图像为道路视频中的当前帧图像；所述根据各聚类中心与所述特征空间中参考点的相对位置，确定对应于目标车道线的聚类中心之后，所述方法还包括：
将基于所述当前帧图像确定的对应于所述目标车道线的聚类中心，作为所述目标车道线的当前帧聚类中心；
将基于所述当前帧图像的前一帧图像确定的对应于所述目标车道线的聚类中心，作为所述目标车道线的前一帧聚类中心；
根据所述当前帧聚类中心与所述前一帧聚类中心在所述特征空间中的相对距离，确定对所述目标车道线的跟踪结果。


6.根据权利要求5所述的方法，其特征在于，所述根据所述当前帧聚类中心与所述前一帧聚类中心在所述特征空间中的相对距离，确定对所述目标车道线的跟踪结果，包括：
若所述当前帧聚类中心与所述前一帧聚类中心在所述特征空间中的相对距离小于车道跟踪阈值，则确定所述跟踪结果为对所述目标车道线的跟踪正常；
若所述当前帧聚类中心与所述前一帧聚类中心在所述特征空间中的相对距离大于或者等于所述车道跟踪阈值...

【专利技术属性】
技术研发人员：李宇明，刘国清，郑伟，杨广，
申请(专利权)人：深圳佑驾创新科技有限公司，
类型：发明
国别省市：广东;44