[發明專利]一種車道線檢測的方法及設備

有效

• 申請號: 201910197037.0
• 申請日: 2019-03-15
• 公開（公告）號: CN110008851B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 陳海波
• 申請（專利權）人: 深蘭科技（上海）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

本發明提供一種車道線檢測的方法及設備，用以解決現有技術中現有技術中無人駕駛車輛在行駛過程中無法精確的進行車道線檢測的問題。基于深度神經網絡模型，根據局部地圖確定所述局部地圖對應的二值化圖像，所述局部地圖是對連續多幀點云數據確定的點云地圖進行柵格化處理得到的鳥瞰圖，所述深度神經網絡模型是根據歷史局部地圖和高精地圖轉換得到的帶車道線標注的二值化圖像進行訓練得到的；根據所述局部地圖對應的二值化圖像中的像素點的坐標確定車道線位置。根據連續多幀點云數據精準的確定局部地圖，根據局部地圖基于深度神經網絡模型精確的確定出帶有車道線信息的二值化圖像，根據二值化圖像中表示車道線的點的坐標準確的確定出車道線位置。

技術領域

本發明涉及自動駕駛技術領域，特別涉及一種車道線檢測的方法及設備。

背景技術

隨著科學技術的不斷發展和進步，計算機技術、現代傳感技術和人工智能技術等逐漸應用到了汽車領域中，具有環境感知、路徑規劃等功能的智能車輛應運而生。通過對智能車輛進行控制，可以使智能車輛自動按照預先制定的路徑行駛，實現無人駕駛，但是在行駛過程中只會按照規劃的路徑行駛，無法確定行駛路徑中的車道線信息，會出現偏離車道行駛的情況；

現有技術中，在進行車道線檢測時，檢測方法有：單目視覺方法、激光雷達方法等；其中，單目視覺方法只考慮了場景的視覺信息，極易受光照條件，天氣狀況影響；激光雷達的方法只獲取單幀的點云數據，存在點云數據稀疏的缺點，精確度不高。

綜上，現有技術中無人駕駛車輛在行駛過程中無法精確的進行車道線檢測。

發明內容

本發明提供一種車道線檢測的方法及設備，用以解決現有技術中無人駕駛車輛在行駛過程中無法精確的進行車道線檢測的問題。

第一方面，本發明實施例提供一種車道線檢測的方法，該方法包括：

基于深度神經網絡模型，根據局部地圖確定所述局部地圖對應的二值化圖像，其中所述局部地圖是對點云地圖進行柵格化處理得到的鳥瞰圖，所述深度神經網絡模型是根據歷史局部地圖和帶車道線標注的二值化圖像進行訓練得到的；

根據所述局部地圖對應的二值化圖像中的像素點的坐標確定車道線位置。

上述方法，進行車道線檢測時的局部地圖是根據多幀點云數據確定的鳥瞰圖，并基于已訓練的深度神經網絡模型確定局部地圖對應的二值化圖像，其中所述二值化圖像是帶車道線標注的二值化圖像，根據得到帶車道線標注的二值化圖像中的表示車道線的像素點的坐標確定車道線位置；由于局部地圖是根據連續多幀點云數據確定，點云數據比較稠密，確定的局部地圖更加的精準，因此根據精準的局部地圖基于深度神經網絡模型準確的確定出帶有車道線標注的二值化圖像，進一步根據二值化圖像中標注車道線的點的坐標準確的確定出車道線位置，使確定的車道線位置更加的精確。

在一種可能的實現方式中，通過下列方式構建所述點云地圖：

利用慣性導航元件確定第N幀點云數據的相對位姿信息，其中所述第N幀點云數據是通過激光雷達掃描車輛周邊事物確定的；

根據所述第N幀點云數據的相對位姿信息對所述第N幀點云數據進行坐標轉換，得到所述第N幀點云數據對應的點云地圖坐標；

根據連續多幀點云數據對應的點云地圖坐標確定所述點云地圖；

其中，N為正整數。

在一種可能的實現方式中，通過下列方式確定所述局部地圖：

將所述點云地圖劃分成多個立方體；

針對任意一個立方體，將立方體中的所有點對應的強度值進行加權平均確定反射強度均值；

將確定的強度平均值對所述立方體對應的柵格中的點進行賦值；

根據所有柵格中賦值后的點形成鳥瞰圖，將所述鳥瞰圖作為局部地圖。