[發(fā)明專利]一種車輛的車道線壓線判斷方法和系統(tǒng)有效
| 申請?zhí)枺?/td> | 201811468084.6 | 申請日： | 2018-12-03 |
| 公開（公告）號： | CN111259706B | 公開（公告）日： | 2022-06-21 |
| 發(fā)明（設(shè)計）人： | 張馳;陳佳輝;蔣竺希 | 申請（專利權(quán)）人： | 魔門塔（蘇州）科技有限公司 |
| 主分類號： | G06V20/58 | 分類號： | G06V20/58;G06V10/82;G06N3/08 |
| 代理公司： | 北京科領(lǐng)智誠知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11782 | 代理人： | 陳士騫 |
| 地址： | 215100 江蘇省蘇州市相城區(qū)*** | 國省代碼： | 江蘇;32 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 車輛 車道 線壓線 判斷 方法 系統(tǒng) | ||
1.一種車輛壓線判斷方法，其特征在于：所述方法包括以下步驟：
步驟S1:獲取待檢測道路圖像；
步驟S2:將所述待檢測道路圖像輸入到虛線車道線端點檢測模型，得到車道線端點信息；所述虛線車道線端點檢測模型通過對當(dāng)前道路圖像進行特征提取，并對提取到的特征進行映射，得到表征車道線的向量；
步驟S3:通過對車輛的運動估計，對所述車道線端點進行跟蹤；建立局部地圖；
步驟S4:判斷車輛和車道線的位置關(guān)系；
在步驟S3中，所述對車輛的運動估計包括提供所述車輛的運動方程，所述車輛的運動方程表示為：
特征點的觀測方程為：
其中ui為通過其他方式獲取的車輛運動信息；wi為噪聲；zi,j為在i時刻對j特征點的觀測數(shù)據(jù)：所述zi,j通過傳感器獲取，vi,j是誤差項；函數(shù)f()和h()表示確定的幾何關(guān)系映射；通過所述車輛的運動方程和所述特征點的觀測方程求解出與其中表示車輛的精確位置，而通過對所述特征點位置進行集合，構(gòu)建出局部地圖。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述步驟S2中所述虛線車道線端點檢測模型的訓(xùn)練方法包括以下步驟：
步驟101：獲取道路樣本圖像，所述道路樣本圖像標(biāo)注有虛線車道線端點的位置信息；
步驟102：將所述道路樣本圖像輸入到預(yù)先建立的初始神經(jīng)網(wǎng)絡(luò)模型；
步驟103：利用所述道路樣本圖像訓(xùn)練所述初始神經(jīng)網(wǎng)絡(luò)模型，得到所述虛線車道線端點檢測模型。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于：在所述步驟102中，以Faster R-CNN作為所述初始神經(jīng)網(wǎng)絡(luò)模型，得到虛線車道線端點檢測模型。
4.一種車輛壓線判斷系統(tǒng)，其特征在于：所述系統(tǒng)包括待檢測道路圖像獲取單元、虛線車道線端點檢測模型、局部地圖建立單元；
所述系統(tǒng)將所述圖像獲取單元獲取的待檢測道路圖像輸入到所述虛線車道線端點檢測模型，得到車道線端點信息；所述虛線車道線端點檢測模型通過對當(dāng)前道路圖像進行特征提取，并對提取到的特征進行映射，得到表征車道線的向量；
所述局部地圖建立單元通過對車輛的運動估計,對所述車道線端點進行跟蹤；建立局部地圖；
所述系統(tǒng)通過所述車輛在所述局部地圖中的位置關(guān)系判斷所述車輛是否壓線；
所述局部地圖建立單元中，所述對車輛的運動估計包括提供所述車輛的運動方程，所述車輛的運動方程表示為：
特征點的觀測方程為：
其中ui為通過其他方式獲取的車輛運動信息如慣性測量單元等；wi為噪聲；zi,j表示在i時刻對j特征點的觀測數(shù)據(jù)：其通過傳感器獲取，vi,j是誤差項；函數(shù)f()和h()表示確定的幾何關(guān)系映射；通過所述車輛的運動方程和所述特征點的觀測方程求解出與其中表示車輛的精確位置，而通過對所述特征點位置進行集合，構(gòu)建出局部地圖。
5.根據(jù)權(quán)利要求4所述的系統(tǒng)，其特征在于：所述虛線車道線端點檢測模型的訓(xùn)練方法包括以下步驟：
步驟101：獲取道路樣本圖像，所述道路樣本圖像標(biāo)注有虛線車道線端點的位置信息；
步驟102：將所述道路樣本圖像輸入到預(yù)先建立的初始神經(jīng)網(wǎng)絡(luò)模型；
步驟103：利用所述道路樣本圖像訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型，得到所述虛線車道線端點檢測模型。
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于：采用Faster R-CNN作為初始神經(jīng)網(wǎng)絡(luò)模型，得到虛線車道線端點檢測模型。
7.一種計算機可讀存儲介質(zhì)，其上存儲有計算機指令，其特征在于，該指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-3中任一項所述的方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于魔門塔（蘇州）科技有限公司，未經(jīng)魔門塔（蘇州）科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811468084.6/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
