【技术实现步骤摘要】
一种车道线分类拟合方法及系统
[0001]本专利技术涉及车道线处理领域,更具体地,涉及一种车道线分类拟合方法及系统。
技术介绍
[0002]在自动驾驶领域,通过广泛布置低成本众包采集车,高频采集高鲜度的数据,其设备成本低,采集精度差,采集数据量庞大。现有聚类算法在对众包数据生成的车道线进行聚类时,难以处理数据量大、效率低,现实场景复杂等问题。
技术实现思路
[0003]本专利技术针对常规算法难以应对难以处理数据量大、效率低,现实场景复杂等问题,提供一种车道线分类拟合方法及系统。
[0004]根据本专利技术的第一方面,提供了一种车道线分类拟合方法,包括:
[0005]基于众包采集数据获取车道线形点序列,基于改进的DBSCAN聚类算法对所述车道线形点序列中的车道线形点进行聚类,得到聚类后的多个簇;
[0006]对于任一个簇,建立壳结构,所述壳结构由一组均匀分布的同心圆构成,所述壳结构的圆心为距离所述任一个簇的中心最近的车道线形点,其中,相邻两个同心圆形成一个圆环,将所述任一个簇中所有车道线形点分配到对应的圆环中;
[0007]按照从外环到内环的匹配顺序,对相邻两个圆环中的车道线形点进行匹配,得到所述任一个簇内车道线形点的匹配关系;
[0008]基于所述匹配关系,对所述任一个簇内所有车道线形点进行分类;
[0009]根据同一分类的所有车道线形点进行拟合,获得每一分类的车道线。
[0010]在上述技术方案的基础上,本专利技术还可以作出如下改进。
...
【技术保护点】
【技术特征摘要】
1.一种车道线分类拟合方法,其特征在于,包括:基于众包采集数据获取车道线形点序列,基于改进的DBSCAN聚类算法对所述车道线形点序列中的车道线形点进行聚类,得到聚类后的多个簇;对于任一个簇,建立壳结构,所述壳结构由一组均匀分布的同心圆构成,所述壳结构的圆心为距离所述任一个簇的中心最近的车道线形点,其中,相邻两个同心圆形成一个圆环,将所述任一个簇中所有车道线形点分配到对应的圆环中;按照从外环到内环的匹配顺序,对相邻两个圆环中的车道线形点进行匹配,得到所述任一个簇内车道线形点的匹配关系;基于所述匹配关系,对所述任一个簇内所有车道线形点进行分类;根据同一分类的所有车道线形点进行拟合,获得每一分类的车道线。2.根据权利要求1所述的车道线分类拟合方法,其特征在于,所述基于改进的DBSCAN聚类算法对所述车道线形点序列中的车道线形点进行聚类,得到聚类后的多个簇,包括:根据任意两个车道线形点的空间坐标向量和方向向量,计算任意两个车道线形点p1和p2之间带有权重的距离d;若所述带有权重的距离d小于设定阈值,则两个车道线形点p1和p2属于同类,否则,两个车道线形点p1和p2不同类。3.根据权利要求2所述的车道线分类拟合方法,其特征在于,所述根据任意两个车道线形点的空间坐标向量和方向向量,计算任意两个车道线形点p1和p2之间带有权重的距离d,包括:其中,t1、t2、t3分别为横向、纵向和高程三个方向的权重参数,d1为两个车道线形点p1和p2的横向距离,d2为两个车道线形点p1和p2的纵向距离,d3为两个车道线形点p1和p2的高程坐标差值,其中:d1=(e
dist
*sinα+e
dist
*sinβ)/2;d2=(e
dist
*cosα+e
dist
*cosβ)/2;其中,e
dist
为两个车道线形点p1和p2间的欧式距离,间的欧式距离,向量p1p2=p2‑
p1,p1和p2表示两个车道线形点的空间坐标向量,v1和v2表示两个车道线形点的方向向量,由梯度计算公式计算得到。4.根据权利要求1所述的车道线分类拟合方法,其特征在于,所述对于任一个簇,建立壳结构,包括:对于任一个簇,基于所述任一个簇中所有车道线形点的空间坐标向量,求解所述任一个簇中心坐标,并选取所述任一个簇内距离所述簇中心坐标最近的车道线形点作为壳结构的圆心;设置步长,以圆心为中心,构建若干个同心圆,相邻两个同心圆构成一个圆环;基于所述任一个簇内每一个车道线...
【专利技术属性】
技术研发人员:黄英强,刘奋,
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:
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。