[發明專利]眾包式高精度地圖更新中道路標線變化檢測方法及系統

有效

• 申請號: 202110239166.9
• 申請日: 2021-03-04
• 公開（公告）號: CN113029185B
• 公開（公告）日: 2023-01-03
• 發明（設計）人: 楊蒙蒙;楊殿閣;江昆;黃健強;溫拓樸;唐雪薇
• 申請（專利權）人: 清華大學
• 主分類號: G01C21/36
• 分類號: G01C21/36;G01C21/30
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 孫楠

1.一種眾包式高精度地圖更新中道路標線變化檢測方法，其特征在于，包括：

步驟1、根據車載攝像機獲得原始圖像序列或視頻之后，確定路段，得到路段的車道線標記占用值；

步驟2、將檢測到的道路標線中心點由像素坐標轉換為世界坐標，對車道線標記分類；

步驟3、跟蹤車道線標記位置，計算車道線標記置信度；

步驟4、過濾置信度，并更新置信度，完成檢測；

所述步驟1中，車道線標記占用值具體獲取方法包括以下步驟：

步驟1.1、檢測原始圖像上存在車道線標記的像素，對圖像進行分割處理；

步驟1.2、基于道路標線的亮度值進行初始過濾，消除分割噪聲；

步驟1.3、確定分割后道路標線的中心點，得到檢測到的每個道路標線的中心點，根據車輛位置得到車道線標記占用值；

所述步驟1.3中，采用邊緣計算方法確定分割后道路標線的中心點；

所述步驟2中，根據參考車輛位置的世界位置將車道線標記分為三種觀測類型：絕對觀測、可靠觀測和不可靠觀測；

所述絕對觀測的區域根據車輛橫向速度v_lat和時間t的乘積得出其長度l_abs，絕對觀測的區域的寬度w_abs與車輛寬度veh_width相等；

所述可靠觀測的區域根據攝像機的視角得到：視角的角度越大，可靠觀測的區域的寬度就越大，該寬度需位于路面寬度以內；

所述步驟3中，置信度l (obs＝1|J_1:S)為：

l (obs＝1|J_1:S)＝l (obs＝1|J_S)+ l (obs＝1|J_1:S-1)

其中，J_s是當前觀測值，J_1:S是車道線標記為真時的當前觀測值，obs是觀測類型；

所述步驟4中，過濾掉小于55％的置信值，將具有大于55％的置信度的車道線標記線數與HD地圖數據庫進行匹配；

如果匹配，則認為不需要更新；

如果不匹配，則需要根據丟失的數據進行更新；當HD地圖數據丟失并且收集的數據具有非常高的置信度時，則需要更新；當置信度不夠高時，則延遲更新，并等待來自另一輛車的另一個數據；當收集到的數據丟失時，也根據置信度判斷是否需要更新。

2.如權利要求1所述檢測方法，其特征在于，當置信度大于等于80％時，則為非常高的置信度；當置信度小于80％時，則為置信度不夠高。

3.一種眾包式高精度地圖更新中道路標線變化檢測系統，其特征在于，包括：車道線標記占用值獲取模塊、分類模塊、置信度計算模塊和更新檢測模塊；

所述車道線標記占用值獲取模塊，根據車載攝像機獲得原始圖像序列或視頻之后，確定路段，得到路段的車道線標記占用值；

所述分類模塊，將檢測到的道路標線中心點由像素坐標轉換為世界坐標，對車道線標記分類；

所述置信度計算模塊，跟蹤車道線標記位置，計算車道線標記置信度；

所述更新檢測模塊，過濾置信度，并更新置信度，完成檢測；

所述車道線標記占用值獲取模塊中，車道線標記占用值具體獲取方法包括以下步驟：

步驟1.1、檢測原始圖像上存在車道線標記的像素，對圖像進行分割處理；

步驟1.2、基于道路標線的亮度值進行初始過濾，消除分割噪聲；

步驟1.3、確定分割后道路標線的中心點，得到檢測到的每個道路標線的中心點，根據車輛位置得到車道線標記占用值；

所述步驟1.3中，采用邊緣計算方法確定分割后道路標線的中心點；

所述分類模塊中，根據參考車輛位置的世界位置將車道線標記分為三種觀測類型：絕對觀測、可靠觀測和不可靠觀測；

所述絕對觀測的區域根據車輛橫向速度v_lat和時間t的乘積得出其長度l_abs，絕對觀測的區域的寬度w_abs與車輛寬度veh_width相等；

所述可靠觀測的區域根據攝像機的視角得到：視角的角度越大，可靠觀測的區域的寬度就越大，該寬度需位于路面寬度以內；

所述置信度計算模塊中，置信度l (obs＝1|J_1:S)為：

l (obs＝1|J_1:S)＝l (obs＝1|J_S)+ l (obs＝1|J_1:S-1)

其中，J_s是當前觀測值，J_1:S是車道線標記為真時的當前觀測值，obs是觀測類型；

所述更新檢測模塊中，過濾掉小于55％的置信值，將具有大于55％的置信度的車道線標記線數與HD地圖數據庫進行匹配；

如果匹配，則認為不需要更新；

如果不匹配，則需要根據丟失的數據進行更新；當HD地圖數據丟失并且收集的數據具有非常高的置信度時，則需要更新；當置信度不夠高時，則延遲更新，并等待來自另一輛車的另一個數據；當收集到的數據丟失時，也根據置信度判斷是否需要更新。