车辆定位方法及装置、电子设备、存储介质制造方法及图纸

本申请公开了一种车辆定位方法及装置、电子设备、存储介质，所述方法包括获取路端采集的图像信息；将所述路端采集的图像信息输入预先训练的车道线检测模型，检测得到目标车道线；将所述路端采集的图像信息输入预先训练的车辆检测模型，检测得到目标车辆，其中所述目标车辆包括目标车辆定位结果；根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果。通过本申请可提高目标车辆的定位准确率。高目标车辆的定位准确率。高目标车辆的定位准确率。

【技术实现步骤摘要】
车辆定位方法及装置、电子设备、存储介质


[0001]本申请涉及自动驾驶
，尤其涉及一种车辆定位方法及装置、电子设备、存储介质。

技术介绍

[0002]智慧交通路侧监控系统发展越来越成熟，对于路面主要的交通参与者车辆的定位精度要求越来越高，而目前应用较多的车辆检测算法里，大多是用2D检测。
[0003]常用的车辆检测出来的检测框，通常是以底边中心点作为车辆的图像定位，转到经纬度信息。但是通常会有较大的误差，从而影响车辆定位的结果。

技术实现思路

[0004]本申请实施例提供了车辆定位方法及装置、电子设备、存储介质，以提高定位准确性，降低车辆定位偏差。
[0005]本申请实施例采用下述技术方案：
[0006]第一方面，本申请实施例提供一种车辆定位方法，其中，所述方法包括：
[0007]获取路端采集的图像信息；
[0008]将所述路端采集的图像信息输入预先训练的车道线检测模型，检测得到目标车道线；
[0009]将所述路端采集的图像信息输入预先训练的车辆检测模型，检测得到目标车辆，其中所述目标车辆包括目标车辆定位结果；
[0010]根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果。
[0011]在一些实施例中，所述根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果，包括：
[0012]根据所述目标车辆定位结果中的2D检测框，确定所述2D检测框的底边中心点位置坐标，并将所述底边中心点位置坐标作为所述目标车辆的图像像素坐标定位结果；
[0013]在所述目标车辆的行驶状态处于第一状态的情况下，根据所述目标车道线的像素坐标位置对所述目标车辆的图像像素坐标定位结果进行调整。
[0014]在一些实施例中，所述根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果，还包括：
[0015]根据所述目标车道线，确定所述目标车道线的像素坐标位置并且按照不同类型的车道线计算对应的所述目标车道线的斜率参数；
[0016]根据所述目标车辆的航向角与所述目标车道线的斜率参数，判断所述目标车辆的行驶状态，其中所述目标车辆的航向角是通过相邻图像帧中所述目标车辆定位结果的车辆定位点的连线计算得到的。
[0017]在一些实施例中，所述根据所述目标车道线对所述目标车辆的定位结果进行约
束，包括：
[0018]以车道线中心位置作为先验位置，根据所述目标车道线的像素坐标位置作为标准，在所述目标车辆的2D检测框中将所述对所述目标车辆的图像像素坐标定位结果调整为所述目标车道线的像素坐标位置。
[0019]在一些实施例中，所述目标车辆的行驶状态处于第一状态的情况，包括：所述目标车辆在转弯道中出现超过预设阈值的倾斜角的情况。
[0020]在本申请的一个实施例中，将所述路端采集的图像信息输入预先训练的车道线检测模型，检测得到目标车道线，包括：对车道线的检测结果进行图像分割，得到每条车道线实例作为车道线的像素分割结果；对每条所述车道线的多个像素单位宽度的分割结果进行拟合，得到该条车道线的一个像素单位宽度的线条作为所述目标车道线。
[0021]在一些实施例中，所述预先训练的车辆检测模型，包括：
[0022]基于目标检测网络，将原始道路图像数据以及对应的标签作为训练数据，训练得到2D车辆检测模型。
[0023]在一些实施例中，所述预先训练的车道线检测模型，包括：
[0024]使用多组数据通过机器学习训练，多组数据中的每组数据包括：竖向车道线的图像以及所述图像中对应的车道线实线、虚线、双实线、双虚线的车道线类型标签。
[0025]在一些实施例中，所述获取路端采集的图像信息，包括：
[0026]获取所述路端视角下的图像信息，其中所述图像信息至少包括如下之一：道路中行驶的车辆图像数据、道路中的车道线图像数据。
[0027]第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
[0028]第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
[0029]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：通过车道线检测模型，检测得到目标车道线以及通过车辆检测模型，检测得到目标车辆。可以根据目标车道线对所述目标车辆的定位结果进行进一步约束，得到所述目标车辆的最终定位结果。经过约束后，可以提高目标车辆的定位准确率。比如，将原本可能定位在绿化带中的车辆通过约束得到车道内的定位，或者将原本定位于相邻车道的车辆定位到真实车道内等等。
附图说明
[0030]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0031]图1为本申请实施例中车辆定位方法的流程示意图；
[0032]图2为本申请实施例中车辆定位装置的结构示意图；
[0033]图3为本申请实施例中车辆定位方法的效果示意图；
[0034]图4为本申请实施例中一种电子设备的结构示意图。
具体实施方式
[0035]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0036]专利技术人研究时发现，通常在车辆转弯的过程中，车辆的2D检测框依旧是上下边与图像上下边平行，左右边与图像左右平行。从而导致的问题是2D检测框中有较大部分是背景，车辆侧边与框不平行，形成斜交。此时，检测框的底边中心点与实际车辆位置会偏差较大。
[0037]针对上述不足，本申请实施例中的车辆定位方法，基于车道线对车辆2D定位的约束方法，首先通过训练车道线监测模型，检测出图中的车道线；然后使用车道线作为车辆定位点的约束，将车辆定位偏差降低。
[0038]以下结合附图，详细说明本申请各实施例提供的技术方案。
[0039]本申请实施例提供了一种车辆定位方法，如图1所示，提供了本申请实施例中车辆定位方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
[0040]步骤S110，获取路端采集的图像信息。
[0041]根据路端的视角采用得到图像信息，这些图像信息在训练阶段即作为训练集进行训练，而在检测阶段作为待检测的图像数据进行识别。
[0042]这里针对的“路端”通常是指部署在路口或者路段中的路侧单元本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位方法，其中，所述方法包括：获取路端采集的图像信息；将所述路端采集的图像信息输入预先训练的车道线检测模型，检测得到目标车道线；将所述路端采集的图像信息输入预先训练的车辆检测模型，检测得到目标车辆，其中所述目标车辆包括目标车辆定位结果；根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果。2.如权利要求1所述方法，其中，所述根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果，包括：根据所述目标车辆定位结果中的2D检测框，确定所述2D检测框的底边中心点位置坐标，并将所述底边中心点位置坐标作为所述目标车辆的图像像素坐标定位结果；在所述目标车辆的行驶状态处于第一状态的情况下，根据所述目标车道线的像素坐标位置对所述目标车辆的图像像素坐标定位结果进行调整。3.如权利要求1所述方法，其中，所述根据所述目标车道线对所述目标车辆的定位结果进行约束，得到所述目标车辆的最终定位结果，还包括：根据所述目标车道线，确定所述目标车道线的像素坐标位置并且按照车道线的类型计算对应的所述目标车道线的斜率参数；根据所述目标车辆的航向角与所述目标车道线的斜率参数，判断所述目标车辆的行驶状态，其中所述目标车辆的航向角是通过相邻图像帧中所述目标车辆定位结果的车辆定位点的连线计算得到的。4.如权利要求2所述方法，其中，所述根据所述目标车道线对所述目标车辆的定位结果进行约束，包括：以车道线中心位置作为先验位置，根据所述目标车道线的像素坐标位置作为标准，在所述目标车辆的2D检测框中将所述对所述目标车辆的图像像素坐标定位结果调整为所述目标车道线的像素坐标位置。5.如权利要求2所述方法...

【专利技术属性】
技术研发人员：袁兴，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：