[發明專利]一種基于自適應K-Means的車道標志分組方法

有效

• 申請號: 201710545359.0
• 申請日: 2017-07-09
• 公開（公告）號: CN107273935B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 甄健寧;吳士坤;甄志
• 申請（專利權）人: 北京流馬銳馳科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于計算機視覺和智能駕駛環境感知技術領域，特別涉及一種在車道線識別中，左右車道邊界的車道特征的聚類方法。一種基于自適應K?Means的車道標志分組方法，包括以下步驟：S1.車道特征集數目校驗，如果車道特征集元素個數n＝1則直接進行車道模型擬合，否則進入下一步；S2.車道特征全局聚類特性分析；S3.車道特征聚類；S4.對聚類子集進行聚類校驗特性分析；S5.左右車道邊界選取；本發明提出了基于自適應K?Means的車道標志分組方法，通過對車道標志聚類子集進行全局分組校驗，動態確定車道標志所屬邊界數，從而實現車道標志的準確聚類，提高左右車道邊界分組的準確性。

技術領域

本發明屬于計算機視覺和智能駕駛環境感知技術領域，特別涉及一種在車道線識別中，左右車道邊界的車道特征的聚類方法。

背景技術

汽車自動駕駛系統通過實時感知車輛自身運行狀態和行駛環境信息，對車輛行駛過程中的安全狀態進行實時評估和決策，從而實現對駕駛過程的干預甚至實現無人駕駛。道路行駛環境中車道線是最基本的交通標志，也是汽車行駛時最基本的約束。基于機器視覺的車道線識別系統是智能交通系統的重要組成部分，它廣泛應用于車道偏離預警(LaneDeparture Warning，LDW)，自適應巡航系統(Adaptive Cruise Control，ACC)，車道保持系統(Lane Keeping System，LKS)及無人駕駛(Self-Driving)等各級智能駕駛系統中。

目前，車道線識別算法首先通過傳感器(如磁感應，視覺及激光雷達等傳感器等)對道路標識線進行特征提取(如邊界特征、Blob特征等)，然后基于不同的道路模型(直線、拋物線、樣條曲線等)對所提取的車道特征進行車道擬合。然而在對車道線進行擬合之前，首先要對所提取的車道標示特征進行左右車道邊界的分組(聚類)。如圖1所示，現有的車道邊界聚類方法常常假設車輛正行駛于車道中央，然后利用圖像垂向中軸作為分界線將車道特征機械地分為左右兩個子集。大部分情況下該方法可以將車道線準確區分開來，但當車輛行駛于彎道或正在換道時則會造成錯誤分組，并導致車道擬合失敗。K-Means方法也被廣泛應用于車道邊界聚類，但該方法要求數據的聚類子集數K為已知先驗量，然而實際應用中所提取的車道標志所屬的車道邊界數往往是未知的，尤其是交通流量較大一側車道線被完全遮擋時。此外，當車道特征提取環節的識別結果存在非車道標志干擾時，上述車道邊界聚類方法無法對其進行有效剔除，從而也會造成后續車道提取與擬合的失誤。

發明內容

本發明的目的是：為了提高車道標志分組對不同交通場景的適應性，本發明提出了基于自適應K-Means的車道標志分組方法。

本發明的技術方案是：一種基于自適應K-Means的車道標志分組方法，包括以下步驟：

S1.設C_global＝{x₁,x₂,...,x_n}為圖像中提取到的一組車道特征集，對所述車道特征集的元素個數進行校驗，若n＝1，則直接進行車道擬合，否則進入步驟S2；

S2.對車道特征全局聚類特性分析；

設車道特征集合聚類子集數K＝1，求取各車道特征在特征空間內相互之間的歐式距離，將其中的最大歐式距離dist_Max(C_global)作為車道特征全局聚類特性評價指標，若最大歐式距離dist_Max(C_global)小于設定聚類校驗門限，則認為所述車道特征集中所有元素屬于同一車道邊界，直接進行車道擬合，否則令K＝K+1進入步驟S3；

S3.利用K-Means對所述車道特征集中所有元素進行車道特征聚類，得到最終聚類結果{C_sub(i)∈C_global,i＝1,2,...,K}；