一种车道线识别方法及系统技术方案

本发明专利技术实施例提供一种车道线识别方法及系统，包括：获取每一条车道线的线形点和车辆轨迹点数据，所述每一条车道线的线形点和车辆的轨迹点数据均具有正确的点序；对于任一条车道线，提取所述任一条车道线上的多个线形点采样点；根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性；根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性。本发明专利技术实施例根据车辆的轨迹点数据，对车道线形点进行识别，能够准确识别出车道线是属于中线车道线还是边界车道线，弥补车辆在视觉感知上的缺陷。补车辆在视觉感知上的缺陷。补车辆在视觉感知上的缺陷。

【技术实现步骤摘要】
一种车道线识别方法及系统


[0001]本专利技术涉及车道线识别领域，更具体地，涉及一种车道线识别方法及系统。

技术介绍

[0002]现代自动驾驶系统中，高精度地图有不可替代的作用，它不仅可以弥补视觉感知的不足，还能提供车道级别的路径规划。目前高精度地图主要通过车辆采集和后期融合的方法来生产，数据采集车辆会通过车载的传感器对周围的环境信息进行视觉感知，然后将感知的信息记录下来并批量发送到云端；之后，云端会对这些数据进行处理、融合，最终得到高精度的车道线和其他交通要素。
[0003]车道线数据采集中，道路边界和道路中线的识别非常重要。它们能够帮助车辆界定行驶边界，以防车辆越界行驶，造成严重后果。由于车辆采集数据的过程中，时间、地点、天气、气候等各种因素的复杂影响，视觉感知往往存在误识别和识别缺失的情况。

技术实现思路

[0004]本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的一种车道线识别方法及系统，能够解决车辆在视觉感知上的缺陷。
[0005]根据本专利技术实施例的第一方面，提供了一种车道线识别方法，包括：获取每一条车道线的线形点和车辆轨迹点数据，所述每一条车道线的线形点和车辆的轨迹点数据均具有正确的点序；对于任一条车道线，提取所述任一条车道线上的多个线形点采样点；根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性；根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性。
[0006]在上述技术方案的基础上，本专利技术实施例还可以作出如下改进。
[0007]可选的，所述对于任一条车道线，提取所述任一条车道线上的多个线形点采样点包括：对于任一条车道线，从所述任一条车道线的线形点中等间距选取多个线形点作为多个采样点。
[0008]可选的，所述根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性包括：对于任一个采样点，以所述任一个采样点为中心，搜索预设半径内的多个轨迹点作为所述任一个采样点的附近轨迹点；根据所述任一个采样点的方向与附近轨迹点的方向，判断所述任一个采样点的中线属性、边线属性和反向属性。
[0009]可选的，所述根据所述任一个采样点的方向与附近轨迹点的方向，判断所述任一个采样点的中线属性、边线属性和反向属性包括：计算所述任一个采样点的方向v
i
和其附近的任一个轨迹点的方向v
t
；
若所述任一个采样点的方向v
i
和其附近的每一个轨迹点的方向v
t
的乘积均小于0，则将所述任一个采样点的反向属性置1；若所述任一个采样点的方向v
i
和其附近的部分轨迹点的方向v
t
的乘积小于0，与另一部分轨迹点的方向v
t
的乘积大于0，则将所述任一个采样点的中线属性置1；通过计算所述任一个采样点附近的每一个轨迹点到所述任一个采样点所属的车道线之间的有向距离，得到每一个轨迹点对应的有向距离；若每一个轨迹点对应的有向距离均大于0或者均小于0，则将所述任一个采样点的边线属性置1。
[0010]可选的，所述根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性包括：对于任一条车道线的多个采样点，分别计算中线属性为1的采样点的占比、边线属性为1的采样点的占比和反向属性为1的占比；获取每一条车道线的多个采样点中中线属性为1的采样点的占比、边线属性为1的采样点的占比中的较大占比；当所述较大占比大于第一预设阈值时，则将所述较大占比对应的属性作为所述任一条车道线对应的属性，其中，属性为中线属性为1或者边线属性为1；若所述任一条车道线的多个采样点中反向属性为1的采样点的占比大于第二预设阈值，则所述任一条车道线的反向属性为1。
[0011]可选的，还包括：对于反向属性为1的车道线，将所述车道线的线形点的点序反向。
[0012]可选的，所述根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性包括：对于中线属性为1的至少一条车道线，判断所述至少一条车道线中是否存在相邻中线属性为1的车道线；若存在，则获取任一条中线属性为1的车道线的最邻近普通车道线，将最邻近普通车道线的方向作为所述任一条中线属性为1的车道线的方向。
[0013]可选的，所述对于中线属性为1的至少一条车道线，判断所述至少一条车道线中是否存在相邻中线属性为1的车道线包括：对于任一条中线属性为1的车道线，等间距提取多个采样点；以任一个采样点为中心，在预设半径内搜索到其它中线属性为1的车道线，则存在相邻中线属性为1的车道线。
[0014]可选的，所述取任一条中线属性为1的车道线的最邻近普通车道线，将最邻近普通车道线的方向作为所述任一条中线属性为1的车道线的方向包括：计算任一条中线属性为1的车道线与每一条普通车道线的有向距离，得到多个有向距离，其中，将多个有向距离中最小有向距离对应的普通车道线作为所述任一条中线属性为1的车道线的最邻近普通车道线；将所述任一条中线属性为1的车道线的方向调整为与最邻近普通车道线的方向一致的方向。
[0015]根据本专利技术实施例的第二方面，提供了一种车道线识别系统，包括：
获取模块，用于获取每一条车道线的线形点和车辆轨迹点数据，所述每一条车道线的线形点和车辆的轨迹点数据均具有正确的点序；提取模块，用于对于任一条车道线，提取所述任一条车道线上的多个线形点采样点；判断模块，用于根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性；确定模块，用于根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性。
[0016]根据本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现车道线识别方法的步骤。
[0017]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现车道线识别方法的步骤。
[0018]本专利技术实施例提供的一种车道线识别方法及系统，根据车辆的轨迹点数据，对车道线形点进行识别，能够准确识别出车道线是属于中线车道线还是边界车道线，弥补车辆在视觉感知上的缺陷。
附图说明
[0019]图1为本专利技术实施例提供的一种车道线识别方法流程图；图2为双道路中线示意图；图3为本专利技术实施例提供的一种车道线识别方法的整体流程图；图4为本专利技术实施例提供的一种车道线识别系统结构图；图5为本专利技术实施例提供的一种可能的电子设备的硬件结构示意图；图6为本专利技术实施例提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0020]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0021本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车道线识别方法，其特征在于，包括：获取每一条车道线的线形点和车辆轨迹点数据，所述每一条车道线的线形点和车辆的轨迹点数据均具有正确的点序；对于任一条车道线，提取所述任一条车道线上的多个线形点采样点；根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性；根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性。2.根据权利要求1所述的车道线识别方法，其特征在于，所述对于任一条车道线，提取所述任一条车道线上的多个线形点采样点包括：对于任一条车道线，从所述任一条车道线的线形点中等间距选取多个线形点作为多个采样点。3.根据权利要求1所述的车道线识别方法，其特征在于，所述根据每一个采样点与其附近的轨迹点，判断每一个采样点的中线属性、边线属性和反向属性包括：对于任一个采样点，以所述任一个采样点为中心，搜索预设半径内的多个轨迹点作为所述任一个采样点的附近轨迹点；根据所述任一个采样点的方向与附近轨迹点的方向，判断所述任一个采样点的中线属性、边线属性和反向属性。4.根据权利要求3所述的车道线识别方法，其特征在于，所述根据所述任一个采样点的方向与附近轨迹点的方向，判断所述任一个采样点的中线属性、边线属性和反向属性包括：计算所述任一个采样点的方向v
i
和其附近的任一个轨迹点的方向v
t
；若所述任一个采样点的方向v
i
和其附近的每一个轨迹点的方向v
t
的乘积均小于0，则将所述任一个采样点的反向属性置1；若所述任一个采样点的方向v
i
和其附近的部分轨迹点的方向v
t
的乘积小于0，与另一部分轨迹点的方向v
t
的乘积大于0，则将所述任一个采样点的中线属性置1；通过计算所述任一个采样点附近的每一个轨迹点到所述任一个采样点所属的车道线之间的有向距离，得到每一个轨迹点对应的有向距离；若每一个轨迹点对应的有向距离均大于0或者均小于0，则将所述任一个采样点的边线属性置1。5.根据权利要求4所述的车道线识别方法，其特征在于，所述根据每一个采样点的中线属性、边线属性和反向属性，确定每一条车道线的中线属性、边线属性和反向属性包括：对于任一条车道线的多个采样点，分别计算中线属性为1的采样点的占比、边线属性为1的采样点的占比和反...

【专利技术属性】
技术研发人员：王军，尹玉成，朱紫威，秦峰，罗跃军，
申请(专利权)人：武汉中海庭数据技术有限公司，
类型：发明
国别省市：