CN109583416A - 伪车道线识别方法及*** - Google Patents

伪车道线识别方法及*** Download PDF

Info

Publication number
CN109583416A
CN109583416A CN201811516389.XA CN201811516389A CN109583416A CN 109583416 A CN109583416 A CN 109583416A CN 201811516389 A CN201811516389 A CN 201811516389A CN 109583416 A CN109583416 A CN 109583416A
Authority
CN
China
Prior art keywords
road
vehicle
boundary
lane line
pseudo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811516389.XA
Other languages
English (en)
Other versions
CN109583416B (zh
Inventor
冯锴
蒋少峰
肖志光
邓志权
潘力澜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN201811516389.XA priority Critical patent/CN109583416B/zh
Publication of CN109583416A publication Critical patent/CN109583416A/zh
Application granted granted Critical
Publication of CN109583416B publication Critical patent/CN109583416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details
    • G01S2013/93271—Sensor installation details in the front of the vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2015/937—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles sensor installation details

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及车辆智能辅助驾驶技术领域，公开一种伪车道线识别方法及***，包括：从获取到的车辆所在道路的道路图像中识别车道线；根据雷达传感器检测到的道路的静止障碍物信息以及根据超声波传感器检测到的与车辆在预设距离内的道路的边界，生成道路的边界范围；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域；将车道线中位于边界范围之外的车道线识别为伪车道线。实施本发明实施例，能够将未处于边界范围内的车道线识别为伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。

Description

伪车道线识别方法及***
技术领域
本发明涉及车辆智能辅助驾驶技术领域，具体涉及一种伪车道线识别方法及***。
背景技术
车辆行驶过程中对周围环境的感知是实现车辆智能辅助驾驶与无人驾驶的基础，车道线识别技术是实现车辆智能路径规划和决策控制的重要环节，也是实现车道保持辅助(Lane Keeping Assist，LKA)和车道偏离预警(Lane Departure Warning，LDW)等辅助驾驶的基础。
现有的车道线识别技术通常是：获取车辆所在道路的当前道路场景照片，利用图像识别技术从当前道路场景照片中识别出车道线。然而，在实践过程中发现，由于实际道路中光照环境的影响，会出现将当前道路场景照片中颜色相近的路边护栏等干扰物识别为车道线的情况，从而导致车道线识别的错误率较高，影响车辆智能驾驶决策的准确性，造成严重的安全隐患。
发明内容
本发明实施例公开一种伪车道线识别方法及***，能够提升车道线识别的正确率。
本发明实施例第一方面公开一种伪车道线识别方法，所述方法包括：
从获取到的车辆所在道路的道路图像中识别车道线；
根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围；所述道路的边界包括所述道路的左边界和所述道路的右边界，所述边界范围包括所述道路的左边界和所述道路的右边界之间的区域；
将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线。
作为一种可选的实施方式，在本发明实施例第一方面中，所述根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围，包括：
通过雷达传感器检测所述道路的静止障碍物信息；
根据所述静止障碍物信息生成所述道路的第一边界信息；
通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息；
综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围。
作为一种可选的实施方式，在本发明实施例第一方面中，所述通过雷达传感器检测所述道路的静止障碍物信息，包括：
通过雷达传感器检测所述道路的障碍物信息，所述障碍物信息至少包括所述障碍物相对于所述车辆的相对运动速度、所述障碍物相对于所述车辆的方位、所述障碍物距所述车辆的距离、以及所述障碍物的置信度；
根据所述障碍物的所述相对运动速度、所述方位、所述距离以及所述置信度，计算得到所述障碍物的当前运动速度；
从所述障碍物中确定所述当前运动速度小于预设运动速度且所述置信度大于预设置信度的静止障碍物，并将所述静止障碍物对应的障碍物信息确定为静止障碍物信息。
作为一种可选的实施方式，在本发明实施例第一方面中，所述通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息，包括：
通过超声波传感器检测与所述车辆在预设距离内的目标障碍物；
根据所述目标障碍物生成所述道路的初始边界，并检测所述初始边界的稳定性是否达到预设稳定性标准；
如果是，确定所述初始边界为所述道路的边界，并根据所述道路的边界生成所述道路的第二边界信息。
作为一种可选的实施方式，在本发明实施例第一方面中，所述综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围，包括：
根据所述第一边界信息确定与所述车辆在所述预设距离外的第一边界范围；
根据所述第二边界信息确定与所述车辆在所述预设距离内的第二边界范围；
将所述第一边界范围和所述第二边界范围合并，生成所述道路的边界范围。
作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线，包括：
检测所述左边界距所述车辆的第一距离，以及检测所述右边界距所述车辆的第二距离；
从位于所述车辆左侧的车道线中识别距所述车辆的距离大于所述第一距离的第一伪车道线，以及从位于所述车辆右侧的车道线中识别距所述车辆的距离大于所述第二距离的第二伪车道线；
确定所述第一伪车道线和所述第二伪车道线为伪车道线；
所述确定所述第一伪车道线和所述第二伪车道线为伪车道线之后，所述方法还包括：
从所述车道线中剔除所述伪车道线。
本发明实施例第二方面公开一种伪车道线识别***，包括：
第一识别单元，用于从获取到的车辆所在道路的道路图像中识别车道线；
生成单元，用于根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围；所述道路的边界包括所述道路的左边界和所述道路的右边界，所述边界范围包括所述道路的左边界和所述道路的右边界之间的区域；
第二识别单元，用于将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线。
作为一种可选的实施方式，在本发明实施例第二方面中，所述生成单元包括：
第一检测子单元，用于通过雷达传感器检测所述道路的静止障碍物信息；
生成子单元，用于根据所述静止障碍物信息生成所述道路的第一边界信息；
第二检测子单元，用于通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息；
综合子单元，用于综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第一检测子单元包括：
第一检测模块，用于通过雷达传感器检测所述道路的障碍物信息，所述障碍物信息至少包括所述障碍物相对于所述车辆的相对运动速度、所述障碍物相对于所述车辆的方位、所述障碍物距所述车辆的距离、以及所述障碍物的置信度；
计算模块，用于根据所述障碍物的所述相对运动速度、所述方位、所述距离以及所述置信度，计算得到所述障碍物的当前运动速度；
第一确定模块，用于从所述障碍物中确定所述当前运动速度小于预设运动速度且所述置信度大于预设置信度的静止障碍物，并将所述静止障碍物对应的障碍物信息确定为静止障碍物信息。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第二检测子单元包括：
第二检测模块，用于通过超声波传感器检测与所述车辆在预设距离内的目标障碍物；
第三检测模块，用于根据所述目标障碍物生成所述道路的初始边界，并检测所述初始边界的稳定性是否达到预设稳定性标准；
第二确定模块，用于在所述第三检测模块检测的结果为是时，确定所述初始边界为所述道路的边界，并根据所述道路的边界生成所述道路的第二边界信息。
作为一种可选的实施方式，在本发明实施例第二方面中，所述综合子单元包括：
第三确定模块，用于根据所述第一边界信息确定与所述车辆在所述预设距离外的第一边界范围；
所述第三确定模块，还用于根据所述第二边界信息确定与所述车辆在所述预设距离内的第二边界范围；
生成模块，用于将所述第一边界范围和所述第二边界范围合并，生成所述道路的边界范围。
作为一种可选的实施方式，在本发明实施例第二方面中，所述第二识别单元包括：
第三检测子单元，用于检测所述左边界距所述车辆的第一距离，以及检测所述右边界距所述车辆的第二距离；
识别子单元，用于从位于所述车辆左侧的车道线中识别距所述车辆的距离大于所述第一距离的第一伪车道线，以及从位于所述车辆右侧的车道线中识别距所述车辆的距离大于所述第二距离的第二伪车道线；
确定子单元，用于确定所述第一伪车道线和所述第二伪车道线为伪车道线；
其中，所述伪车道线识别***还包括：
剔除单元，用于在所述确定子单元确定所述第一伪车道线和所述第二伪车道线为伪车道线之后，从所述车道线中剔除所述伪车道线。
本发明实施例第三方面公开一种车载电子设备，包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储了程序代码，其中，所述程序代码包括用于执行第一方面的任意一种方法的部分或全部步骤的指令。
本发明实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比，本发明实施例具有以下有益效果：
本发明实施例中，从获取到的车辆所在道路的道路图像中识别车道线；根据雷达传感器检测到的道路的静止障碍物信息以及根据超声波传感器检测到的与车辆在预设距离内的道路的边界，生成道路的边界范围；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域；将车道线中位于边界范围之外的车道线识别为伪车道线。可见，实施本发明实施例，能够从获取的车辆所在道路的道路图像中获取车道线，并且可以通过雷达传感器和超声波传感器检测道路中的静止障碍物和道路的边界，从而得到道路的边界范围，如果道路图像中包含的路边护栏或建筑物等障碍物被识别为车道线时，可以通过检测车道线与边界范围的关系，将未处于边界范围内的车道线识别为伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种伪车道线识别方法的流程示意图；
图2是本发明实施例公开的另一种伪车道线识别方法的流程示意图；
图3是本发明实施例公开的一种综合道路信息的示意图；
图4是本发明实施例公开的另一种伪车道线识别方法的流程示意图；
图5是本发明实施例公开的一种伪车道线识别***的结构示意图；
图6是本发明实施例公开的另一种伪车道线识别***的结构示意图；
图7是本发明实施例公开的另一种伪车道线识别***的结构示意图；
图8是本发明实施例公开的一种车载电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开一种伪车道线识别方法及***，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种伪车道线识别方法的流程示意图。如图1所示，该伪车道线识别方法可以包括以下步骤：
101、车载电子设备从获取到的车辆所在道路的道路图像中识别车道线。
本发明实施例中，车载电子设备可以通过摄像头或视觉传感器等图像采集设备获取测量所在道路的道路图像。道路图像可以为车辆当前行驶方向上的道路图像，可以通过图像识别技术(Image Recognition Technology)、图像分割(Image Segmentation)技术等自动的识别出道路图像中的车道线，且本发明实施例中对识别出的车道线的数量不做限定。
作为一种可选的实施方式，车载电子设备从获取到的车辆所在道路的道路图像中识别车道线的方式可以包括以下步骤：
车载电子设备利用车辆上设置的视觉传感器(如相机)获取车辆所在道路的道路图像；
车载电子设备对道路图像进行语义特征识别，提取道路图像中的语义特征；
车载电子设备判断语义特征中是否存在与车道线匹配的语义特征；
如果存在，车载电子设备通过图像识别技术识别道路图像中的车道线。
其中，实施这种实施方式，车辆上设置的视觉传感器可以为单目视觉传感器，通过单目视觉传感器获取的道路图像可以被识别为三维图像，从而使伪车道线识别装置快速且准确的获取道路图像中的信息。语义特征可以为图像中存在的物体的含义，如道路图像中的语义特征可以包括车辆、路面、车道线、树、房屋或者指示牌等语义特征，车载电子设备可以识别道路图像中的语义特征，并将相同的语义特征进行合并，以简化判断语义特征中是否存在与车道线语义特征匹配的步骤。还可以在确认道路图像中存在车道线之后再去识别道路图像中的车道线，从而简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。
102、车载电子设备根据雷达传感器检测到的道路的静止障碍物信息以及根据超声波传感器检测到的与车辆在预设距离内的道路的边界，生成道路的边界范围；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域。
本发明实施例中，雷达传感器可以为毫米波雷达传感器(Millimeter RadarSensor)，且本发明实施例对于车辆上设置的毫米波雷达传感器的数量不做限定，通过毫米波雷达传感器可以精确的获取车辆所在道路周围的障碍物的信息，如可以获取障碍物距车辆的直线距离，还可以获取障碍物与该车辆的当前行驶方向的夹角，通过上述获取到的直线距离和夹角可以计算出该障碍物相对于车辆的预估行驶曲线的具体方位，还可以计算得到障碍物的行驶速度，可以将行驶速度为0的障碍物确定为静止障碍物。
具体的，毫米波雷达传感器使用的毫米波可以处于30～300GHz频域范围内，毫米波雷达传感器具有体积小、易集成以及空间分辨率高等优点，此外，由于毫米波雷达传感器穿透雾、烟以及灰尘的能力强，因此毫米波雷达传感器还具有抗干扰能力强的特点。
进一步的，毫米波雷达传感器可以内置若干条发射天线以及若干条接收天线，毫米波雷达传感器可以通过发射天线发射雷达波，在雷达波被障碍物反射之后形成雷达回波，接收天线可以接收雷达回波，其中，雷达波和雷达回波的速度都等于光速；毫米波雷达传感器可以根据光速以及发射天线发射雷达波与接收天线接收雷达回波的时间差计算得到障碍物距车辆的距离。毫米波雷达传感器还可以计算障碍物与车辆的当前行驶方向的方位角，当毫米波雷达传感器中任意两条接收天线接收到相同的雷达回波时，可以计算得到该任意两条接收天线分别距障碍物的距离，根据该任意两条接收天线之间的几何距离以及该任意两条接收天线分别距障碍物的距离，利用三角函数可以计算得到该障碍物与车辆的当前行驶方向的方位角，进而可以根据方位角确定障碍物位于车辆的当前行驶方向的左侧或右侧。此外，毫米波雷达传感器还可以对障碍物的运动状态进行判断，毫米波雷达传感器可以以固定的频率通过发射天线发射雷达波，并对接收天线接收到的雷达回波的频率进行计算分析，得到障碍物相对于车辆的运动速度，如果障碍物的运动方向与车辆的行驶方向相反且障碍物的速度与车辆的速度相同，可以认为该障碍物处于静止状态，为静止障碍物；如果障碍物的运动方向不与车辆的行驶方向相反或者障碍物的速度与车辆的速度不同，可以认为该障碍物处于运动状态，为运动障碍物。可见，使用毫米波雷达传感器可以准确的确定静止障碍物以及静止障碍物的方位，提高了车载电子设备确定静止障碍物信息的效率。
本发明实施例中，超声波传感器(Ultrasonic sensor)具有频率高、波长短、绕射现象小、方向性好以及将射线而定向传播等特点，因此可以在一定范围内准确的检测道路的边界，提高处理一定范围内道路的边界检测的准确性。
103、车载电子设备将车道线中的位于边界范围之外的车道线识别为伪车道线。
本发明实施例中，如果识别出某个车道线位于道路的边界范围之外，可以认为该车道线并不存在于道路上，可能是路边护栏等障碍物，因此可以将该车道线确定为伪车道线；此外，还可以将该伪车道线从车道线中剔除。
作为一种可选的实施方式，车载电子设备执行步骤103之后，还可以执行以下步骤：
车载电子设备将除伪车道线之外的车道线确定为真实车道线；
车载电子设备通过车辆设置的显示模块输出显示真实车道线。
其中，实施这种实施方式，可以将除了伪车道线之后的车道线输出显示，以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
在图1所描述的方法中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，实施图1所描述的方法，简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。此外，实施图1所描述的方法，提升了驾驶的安全性。
实施例二
请参阅图2，图2是本发明实施例公开的另一种伪车道线识别方法的流程示意图。与实施例一相比，本发明实施例扩展了通过雷达传感器和超声波传感器确定道路的边界范围的方法，丰富了雷达传感器和超声波传感器的使用细节，还可以提高道路边界信息获取的准确性。如图2所示，该伪车道线识别方法可以包括以下步骤：
201、车载电子设备从获取到的车辆所在道路的道路图像中识别车道线。
202、车载电子设备通过雷达传感器检测道路的静止障碍物信息。
作为一种可选的实施方式，车载电子设备通过雷达传感器检测道路的静止障碍物信息的方式可以包含以下步骤：
车载电子设备通过雷达传感器检测道路的障碍物信息，障碍物信息至少包括障碍物相对于车辆的相对运动速度、障碍物相对于车辆的方位、障碍物距车辆的距离、以及障碍物的置信度；
车载电子设备根据障碍物的相对运动速度、方位、距离以及置信度，计算得到障碍物的当前运动速度；
车载电子设备从障碍物中确定当前运动速度小于预设运动速度且置信度大于预设置信度的静止障碍物，并将静止障碍物对应的障碍物信息确定为静止障碍物信息。
其中，实施这种实施方式，障碍物的置信度可以根据雷达传感器接收到的障碍物的反射率得到，如果检测到的障碍物的反射率越高，则可以认为该障碍物的真实性越高，因此可以得到该障碍物的置信度也就越高。由于雷达传感器需要识别出障碍物中的静止障碍物，因此可以将预设运动速度设置为0，只有当障碍物的当前运动速度为0以及障碍物的置信度高于预设置信度时，车载电子设备才可以认为该障碍物为静止障碍物。车载电子设备还可以获取到障碍物的信息，并根据障碍物的信息计算得到障碍物的运动速度，以及根据计算得到的运动速度和障碍物的置信度从障碍物中确定出静止障碍物，提高了识别静止障碍物的准确性。
203、车载电子设备根据静止障碍物信息生成道路的第一边界信息。
本发明实施例中，车载电子设备可以将静止障碍物显示在地图中对应的位置，且静止障碍物在地图中的显示形式可以为坐标的形式，因此车载电子设备可以将检测到的若干个静止障碍物进行拟合，得到静止障碍物对应的曲线，且由于静止障碍物应该位于道路的两侧，因此，车载电子设备可以拟合生成两条静止障碍物对应的曲线，车载电子设备可以将上述两条曲线确定为道路的左右两侧的边界。
可选的，车载电子设备可以直接将静止障碍物信息组合，生成第一边界信息，即该第一边界信息中可以包含各个静止障碍物的静止障碍物信息。车载电子设备可以根据第一边界信息判断车道线是否为伪车道线，具体方式可以为：可以先将静止障碍物分为车辆左侧静止障碍物和车辆右侧静止障碍物；确定需要判断的目标车道线在车辆的方位，如果目标车道线位于车辆的左侧，获取该目标车道线的位置信息，并且识别该目标车道线左侧的车辆左侧静止障碍物的第一数量，以及识别该目标车道线右侧的车辆左侧静止障碍物的第二数量，当第一数量小于第二数量时，可以认为该目标车道线为伪车道线；如果目标车道线位于车辆的右侧，获取该目标车道线的位置信息，并且识别该目标车道线左侧的车辆右侧静止障碍物的第三数量，以及识别该目标车道线右侧的车辆右侧静止障碍物的第四数量，当第三数量大于第四数量时，可以认为该目标车道线为伪车道线。通过这种伪车道线检测方式，可以根据具体的静止障碍物的位置信息确定车道线是否为伪车道线，提高了伪车道线识别的准确性。
204、车载电子设备通过超声波传感器检测与车辆在预设距离内的道路的边界，生成道路的第二边界信息；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域。
本发明实施例中，预设距离可以为超声波传感器有效检测范围的最远距离，通过设置该预设距离，可以保证超声波传感器在该预设距离内的检测结果都准确，从而保证检测到的与车辆在预设距离内的道路的边界准确。
作为一种可选的实施方式，车载电子设备通过超声波传感器检测与车辆在预设距离内的道路的边界，生成道路的第二边界信息的方式可以包含以下步骤：
车载电子设备通过超声波传感器检测与车辆在预设距离内的目标障碍物；
车载电子设备根据目标障碍物生成道路的初始边界，并检测初始边界的稳定性是否达到预设稳定性标准；
如果是，车载电子设备确定初始边界为道路的边界，并根据道路的边界生成道路的第二边界信息。
其中，实施这种实施方式，车载电子设备可以将某个时间段内的通过超声波传感器检测到的道路的边界进行重合操作，得到道路的初始边界，如果在该时间段内超声波传感器都可以检测到相同的道路的初始边界，可以认为该初始边界的稳定性达到预设稳定性标准，车载电子设备可以根据超声波传感器检测到的道路的边界生成第二边界信息；如果初始边界的稳定性未达到预设稳定性标准，则可以认为检测到的道路的初始边界不准确，并放弃依据该初始边界生成第二边界信息，从而保证车载电子设备生成的道路边界范围的准确性。车载电子设备还可以检测超声波传感器获取的道路的边界的稳定性，只有稳定性符合要求的道路边界才可以确定为道路的边界，以使超声波传感器检测到的道路的边界更加准确。
205、车载电子设备综合第一边界信息和第二边界信息，得到道路的边界范围。
本发明实施例中，第二边界信息是通过超声波传感器获取得到的，且超声波传感器的准确的检测范围较小，因此可以将超声波传感器的检测范围设置为当前车辆周围的第一预设检测范围，可见，通过超声波传感器检测得到的第二边界信息可以表示在车辆第一预设检测范围内的边界；此外，第一边界信息是通过雷达传感器获取到的，且雷达传感器的预设检测范围相比于超声波传感器的检测更大，因此可以将雷达传感器的检测范围设置为当前车辆周围的第二预设检测范围，雷达传感器检测得到的第一边界信息可以表示在车辆第二预设检测范围内的边界；并且第二预设检测范围可以包含第一预设检测范围，通常来说，超声波传感器检测的精度高于雷达传感器，因此车载电子设备可以将雷达传感器检测到的车辆第二预设检测范围内与第一预设范围相同的范围对应的第一边界信息替换为超声波传感器检测到的车辆第一预设检测范围内的第二边界信息，并且根据替换后得到的第一边界信息生成道路最终的边界信息，从而使得车辆第一预设检测范围内的边界信息是通过超声波传感器检测得到的，提高了车载电子设备生成的道路的边界信息的准确性。
本发明实施例中，实施上述的步骤202～步骤205，可以通过雷达传感器检测道路中的静止障碍物从而得到道路的第一边界信息，还可以通过超声波传感器得到道路的第二边界信息，从而根据第一边界信息和第二边界信息得到最终的道路的边界信息，提高了道路边界信息获取的准确性。
作为一种可选的实施方式，车载电子设备综合第一边界信息和第二边界信息，得到道路的边界范围的方式可以包含以下步骤：
车载电子设备根据第一边界信息确定与车辆在预设距离外的第一边界范围；
车载电子设备根据第二边界信息确定与车辆在预设距离内的第二边界范围；
车载电子设备将第一边界范围和第二边界范围合并，生成道路的边界范围。
其中，实施这种实施方式，车辆的预设距离可以确定为超声波传感器的准确的检测范围，由于雷达传感器的准确的检测范围大于超声波传感器的准确的检测范围，因此，可以将超声波传感器检测到的第二边界信息确定为车辆的预设距离内的边界信息，从而保证了车辆在预设距离内的边界信息的准确性，并且可以将雷达传感器检测到的第一边界信息中的距车辆的距离大于预设距离的目标第一边界信息确定为车辆的预设距离之外的边界信息，以及将确定的车辆的预设距离内的边界信息和车辆的预设距离之外的边界信息合并得到车辆最终确定的边界信息，其中，该边界信息可以包含车辆的预设距离内的边界信息和车辆的预设距离之外的边界信息，以使车辆确定的边界信息可以根据车辆的预设距离之内和预设距离之外的边界信息准确的得到；此外，车辆的预设距离内的边界信息的确定方式还可以为：获取车辆的预设距离内的超声波传感器检测到的第二边界信息以及车辆的预设距离内的雷达传感器检测到的目标第一边界信息，将第二边界信息和目标第一边界信息进行拟合，得到最终的车辆的预设距离内的边界信息。从而可以将道路的边界范围分为与车辆在预设距离外的第一边界范围和与车辆在预设距离内的第二边界范围，并且根据雷达传感器获取的较远距离的第一边界信息确定第一边界范围，根据超声波传感器获取的较近距离的第二边界信息确定第二边界范围，从而可以根据雷达传感器和超声波传感器获取到的不同信息生成不同位置的道路边界范围。
206、车载电子设备将车道线中的位于边界范围之外的车道线识别为伪车道线。
请一并参阅图3，图3是一种综合道路信息的示意图。其中，可以建立以车辆上设置的图像采集设备(如相机等)为原点O的平面直角坐标系，也可以建立以车辆上设置的定位模块为原点O的平面直角坐标系，该定位模块可以为惯性测量单元(Inertial MeasurementUnit，IMU)，对此，本发明实施例不做限定。车辆的行驶方向为平面直角坐标系的x轴的正方向，与x轴垂直的为y轴，且y轴的正方向为车辆行驶方向的左侧，y轴的负方向为车辆行驶方向的右侧。图3中还包含毫米波雷达传感器和超声波传感器，其中，①为毫米波雷达传感器，②、③、④以及⑤为超声波传感器，从图3中可见毫米波雷达传感器①可以设置在车辆的前方，超声波传感器②、③、④以及⑤可以设置在车辆的四周，且毫米波雷达传感器①的检测范围为区域a，超声波传感器③的检测范围为区域b。图3中还包含若干个通过静止障碍物，静止障碍物通过毫米波雷达传感器①检测得到，位于x轴左侧的障碍物为左侧静止障碍物，位于x轴右侧的静止障碍物为右侧静止障碍物，根据若干个左侧静止障碍物的静止障碍物信息可以拟合生成毫米波雷达传感器①检测到与车辆处于预设距离之外的道路左边界曲线lh1，根据若干个右侧静止障碍物的静止障碍物信息可以拟合生成毫米波雷达传感器①检测到与车辆处于预设距离之外的道路右边界曲线lh2。还可以通过车辆左侧的超声波传感器②和③检测到的道路左边界得到与车辆处于预设距离之内的道路左边界曲线lc1，并且可以通过车辆右侧的超声波传感器④和⑤检测到的道路右边界得到与车辆处于预设距离之内的道路右边界曲线lc2。车载电子设备可以将与车辆处于预设距离之外的道路左边界曲线lh1和与车辆处于预设距离之内的道路左边界曲线lc1合并生成车辆左侧的道路边界lx1，还可以将与车辆处于预设距离之外的道路右边界曲线lh2和与车辆处于预设距离之内的道路右边界曲线lc2合并生成车辆右侧的道路边界lx2。车载电子设备可以将车辆左侧处于道路边界lx1之外的车道线确定为伪车道线lw1，以及将车辆右侧处于道路边界lx2之外的车道线确定为伪车道线lw2。车载电子设备可以将车辆左侧处于道路边界lx1之内的车道线确定为真实的车道线ll，还可以将车辆右侧处于道路边界lx2之内的车道线确定为真实的车道线lr，并且将伪车道线lw1和伪车道线lw2从识别出的车道线中剔除。
在图2所描述的方法中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，实施图2所描述的方法，提高了识别静止障碍物的准确性。此外，实施图2所描述的方法，可以使超声波传感器检测到的道路的边界更加准确。此外，实施图2所描述的方法，提高了道路边界信息获取的准确性。此外，实施图2所描述的方法，可以根据雷达传感器和超声波传感器获取到的不同信息生成不同位置的道路边界范围。
实施例三
请参阅图4，图4是本发明实施例公开的另一种伪车道线识别方法的流程示意图。与实施例一相比，本发明实施例丰富了伪车道线的判别方法，可以分别判断出车辆左侧和右侧的伪车道线，提高了伪车道线识别的精确度。如图4所示，该伪车道线识别方法可以包括以下步骤：
401、车载电子设备从获取到的车辆所在道路的道路图像中识别车道线。
本发明实施例中，可以根据识别的车道线拟合生成车道线对应的曲线方程，且一个车道线对应一个车道线曲线方程，车道线曲线方程可以为：
y＝C3*x3+C2*x2+C1*x+C0
其中，y为横坐标，x为纵坐标，C0、C1、C2以及C3均为该多项式的系数，且可以通过最小二乘三阶多项式拟合得到，此外，所有车道线曲线方程都可以共用C1、C2以及C3这三个系数。
402、车载电子设备根据雷达传感器检测到的道路的静止障碍物信息以及根据超声波传感器检测到的与车辆在预设距离内的道路的边界，生成道路的边界范围；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域。
403、车载电子设备检测左边界距车辆的第一距离，以及检测右边界距车辆的第二距离。
本发明实施例中，道路的左边界距车辆的第一距离可以为道路左边界距车辆最近的位置距车辆的距离，同样的道路的右边界距车辆的第二距离可以为道路右边界距车辆最近的位置距车辆的距离。
404、车载电子设备从位于车辆左侧的车道线中识别距车辆的距离大于第一距离的第一伪车道线，以及从位于车辆右侧的车道线中识别距车辆的距离大于第二距离的第二伪车道线。
本发明实施例中，为了保证伪车道线检测的准确性，计算车道线距车辆的距离的方式也可以是：先确定车道线距车辆最近的位置，并且计算该位置距车辆的距离。从而保证了伪车道线识别的准确性。
405、车载电子设备确定第一伪车道线和第二伪车道线为伪车道线。
本发明实施例中，实施上述的步骤403～步骤405，可以分别计算车辆左侧和右侧的车道线距车辆的距离，并且分别识别车辆左侧和右侧的伪车道线，提高了伪车道线识别的精确度。
406、车载电子设备从车道线中剔除伪车道线。
本发明实施例中，实施上述的步骤406，可以从车载电子设备识别出的所有车道线中将确定的伪车道线剔除，以确定其余的车道线为真实的车道线，保证了车载电子设备使用的车道线均为真实的车道线。
在图4所描述的方法中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，实施图4所描述的方法，可以提高伪车道线识别的精确度。此外，实施图4所描述的方法，保证了车载电子设备使用的车道线均为真实的车道线。
实施例四
请参阅图5，图5是本发明实施例公开的一种伪车道线识别***的结构示意图。如图5所示，该伪车道线识别***可以包括：
第一识别单元501，用于从获取到的车辆所在道路的道路图像中识别车道线。
作为一种可选的实施方式，第一识别单元501从获取到的车辆所在道路的道路图像中识别车道线的方式可以包括以下步骤：
利用车辆上设置的视觉传感器(如相机)获取车辆所在道路的道路图像；
对道路图像进行语义特征识别，提取道路图像中的语义特征；
判断语义特征中是否存在与车道线匹配的语义特征；
如果存在，通过图像识别技术识别道路图像中的车道线。
其中，实施这种实施方式，可以在确认道路图像中存在车道线之后再去识别道路图像中的车道线，从而简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。
生成单元502，用于根据雷达传感器检测到的道路的静止障碍物信息以及根据超声波传感器检测到的与车辆在预设距离内的道路的边界，生成道路的边界范围；道路的边界包括道路的左边界和道路的右边界，边界范围包括道路的左边界和道路的右边界之间的区域。
第二识别单元503，用于将第一识别单元501识别的车道线中的位于生成单元502生成的边界范围之外的车道线识别为伪车道线。
作为一种可选的实施方式，第二识别单元503还可以用于：
将除伪车道线之外的车道线确定为真实车道线；
通过车辆设置的显示模块输出显示真实车道线。
其中，实施这种实施方式，可以将除了伪车道线之后的车道线输出显示，以使车辆的驾驶者接收的车道线信息是准确的，进而提升了驾驶的安全性。
在图5所示的伪车道线识别***中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，在图5所示的伪车道线识别***中，简化了对每个道路图像都执行识别的车道线的操作，提升了对道路图像处理的速度。此外，在图5所示的伪车道线识别***中，提升了驾驶的安全性。
实施例五
请参阅图6，图6是本发明实施例公开的另一种伪车道线识别***的结构示意图。其中，图6所示的伪车道线识别***是由图5所示的伪车道线识别***进行优化得到的。与图5所示的伪车道线识别***相比，图6所示的伪车道线识别***扩展了通过雷达传感器和超声波传感器确定道路的边界范围的方法，丰富了雷达传感器和超声波传感器的使用细节，还可以提高道路边界信息获取的准确性。图6所示的伪车道线识别***的生成单元502可以包括：
第一检测子单元5021，用于通过雷达传感器检测道路的静止障碍物信息。
生成子单元5022，用于根据第一检测子单元5021得到的静止障碍物信息生成道路的第一边界信息。
第二检测子单元5023，用于通过超声波传感器检测与车辆在预设距离内的道路的边界，生成道路的第二边界信息。
综合子单元5024，用于综合生成子单元5022生成的第一边界信息和第二检测子单元5023生成的第二边界信息，得到道路的边界范围。
本发明实施例中，可以通过雷达传感器检测道路中的静止障碍物从而得到道路的第一边界信息，还可以通过超声波传感器得到道路的第二边界信息，从而根据第一边界信息和第二边界信息得到最终的道路的边界信息，提高了道路边界信息获取的准确性。
作为一种可选的实施方式，图6所示的伪车道线识别***的第一检测子单元5021可以包括：
第一检测模块50211，用于通过雷达传感器检测道路的障碍物信息，障碍物信息至少包括障碍物相对于车辆的相对运动速度、障碍物相对于车辆的方位、障碍物距车辆的距离、以及障碍物的置信度；
计算模块50212，用于根据第一检测模块50211检测到的障碍物的相对运动速度、方位、距离以及置信度，计算得到障碍物的当前运动速度；
第一确定模块50213，用于从第一检测模块50211检测到的障碍物中确定计算模块50212得到的当前运动速度小于预设运动速度且置信度大于预设置信度的静止障碍物，并将静止障碍物对应的障碍物信息确定为静止障碍物信息。
其中，实施这种实施方式，可以获取到障碍物的信息，并根据障碍物的信息计算得到障碍物的运动速度，以及根据计算得到的运动速度和障碍物的置信度从障碍物中确定出静止障碍物，提高了识别静止障碍物的准确性。
作为一种可选的实施方式，图6所示的伪车道线识别***的第二检测子单元5023可以包括：
第二检测模块50231，用于通过超声波传感器检测与车辆在预设距离内的目标障碍物；
第三检测模块50232，用于根据第二检测模块50231检测到的目标障碍物生成道路的初始边界，并检测初始边界的稳定性是否达到预设稳定性标准；
第二确定模块50233，用于在第三检测模块50232检测的结果为是时，确定初始边界为道路的边界，并根据道路的边界生成道路的第二边界信息。
其中，实施这种实施方式，可以检测超声波传感器获取的道路的边界的稳定性，只有稳定性符合要求的道路边界才可以确定为道路的边界，以使超声波传感器检测到的道路的边界更加准确。
作为一种可选的实施方式，图6所示的伪车道线识别***的综合子单元5024可以包括：
第三确定模块50241，用于根据第一边界信息确定与车辆在预设距离外的第一边界范围；
第三确定模块50241，还用于根据第二边界信息确定与车辆在预设距离内的第二边界范围；
生成模块50242，用于将第三确定模块50241确定的第一边界范围和第二边界范围合并，生成道路的边界范围。
其中，实施这种实施方式，可以将道路的边界范围分为与车辆在预设距离外的第一边界范围和与车辆在预设距离内的第二边界范围，并且根据雷达传感器获取的较远距离的第一边界信息确定第一边界范围，根据超声波传感器获取的较近距离的第二边界信息确定第二边界范围，从而可以根据雷达传感器和超声波传感器获取到的不同信息生成不同位置的道路边界范围。
在图6所示的伪车道线识别***中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，在图6所示的伪车道线识别***中，提高了道路边界信息获取的准确性。此外，在图6所示的伪车道线识别***中，提高了识别静止障碍物的准确性。此外，在图6所示的伪车道线识别***中，可以使超声波传感器检测到的道路的边界更加准确。此外，在图6所示的伪车道线识别***中，可以根据雷达传感器和超声波传感器获取到的不同信息生成不同位置的道路边界范围。
实施例六
请参阅图7，图7是本发明实施例公开的另一种伪车道线识别***的结构示意图。其中，图7所示的伪车道线识别***是由图6所示的伪车道线识别***进行优化得到的。与图6所示的伪车道线识别***相比，图7所示的伪车道线识别***丰富了伪车道线的判别方法，可以分别判断出车辆左侧和右侧的伪车道线，提高了伪车道线识别的精确度。图7所示的伪车道线识别***的第二识别单元503可以包括：
第三检测子单元5031，用于检测左边界距车辆的第一距离，以及检测右边界距车辆的第二距离；
识别子单元5032，用于从位于车辆左侧的车道线中识别距车辆的距离大于第三检测子单元5031检测到的第一距离的第一伪车道线，以及从位于车辆右侧的车道线中识别距车辆的距离大于第三检测子单元5031检测到的第二距离的第二伪车道线；
确定子单元5033，用于确定识别子单元5032确定的第一伪车道线和第二伪车道线为伪车道线。
本发明实施例中，可以分别计算车辆左侧和右侧的车道线距车辆的距离，并且分别识别车辆左侧和右侧的伪车道线，提高了伪车道线识别的精确度。
作为一种可选的实施方式，图7所示的伪车道线识别***还可以包括：
剔除单元504，用于在确定子单元5033确定第一伪车道线和第二伪车道线为伪车道线之后，从车道线中剔除伪车道线。
其中，实施这种实施方式，可以从车载电子设备识别出的所有车道线中将确定的伪车道线剔除，以确定其余的车道线为真实的车道线，保证了车载电子设备使用的车道线均为真实的车道线。
在图7所示的伪车道线识别***中，能够识别出未处于边界范围内的伪车道线，从而保证识别出的车道线均为真实的车道线，提升了车道线识别的正确率。此外，在图7所示的伪车道线识别***中，提高了伪车道线识别的精确度。此外，在图7所示的伪车道线识别***中，保证了车载电子设备使用的车道线均为真实的车道线。
实施例七
请参阅图8，图8是本发明实施例公开的一种车载电子设备的结构示意图。如图8所示，该车载电子设备可以包括：
存储有可执行程序代码的存储器801；
与存储器801耦合的处理器802；
其中，处理器802调用存储器801中存储的可执行程序代码，执行以上各方法实施例中的方法的部分或全部步骤。
本发明实施例还公开一种计算机可读存储介质，其中，计算机可读存储介质存储了程序代码，其中，程序代码包括用于执行以上各方法实施例中的方法的部分或全部步骤的指令。
本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
应理解，说明书通篇中提到的“本发明实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在本发明实施例中”未必一定指相同的实施例。此外，这些特定特征、结构或特性可以以任意适合的方式结合在一个或多个实施例中。本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。
在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
另外，本文中术语“***”和“网络”在本文中常可互换使用。应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
在本发明所提供的实施例中，应理解，“与A对应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可位于一个地方，或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可获取的存储器中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分，可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等，具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
以上对本发明实施例公开的一种伪车道线识别方法及***进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种伪车道线识别方法，其特征在于，所述方法包括：
从获取到的车辆所在道路的道路图像中识别车道线；
根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围；所述道路的边界包括所述道路的左边界和所述道路的右边界，所述边界范围包括所述道路的左边界和所述道路的右边界之间的区域；
将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线。
2.根据权利要求1所述的方法，其特征在于，所述根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围，包括：
通过雷达传感器检测所述道路的静止障碍物信息；
根据所述静止障碍物信息生成所述道路的第一边界信息；
通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息；
综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围。
3.根据权利要求2所述的方法，其特征在于，所述通过雷达传感器检测所述道路的静止障碍物信息，包括：
通过雷达传感器检测所述道路的障碍物信息，所述障碍物信息至少包括所述障碍物相对于所述车辆的相对运动速度、所述障碍物相对于所述车辆的方位、所述障碍物距所述车辆的距离、以及所述障碍物的置信度；
根据所述障碍物的所述相对运动速度、所述方位、所述距离以及所述置信度，计算得到所述障碍物的当前运动速度；
从所述障碍物中确定所述当前运动速度小于预设运动速度且所述置信度大于预设置信度的静止障碍物，并将所述静止障碍物对应的障碍物信息确定为静止障碍物信息。
4.根据权利要求3所述的方法，其特征在于，所述通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息，包括：
通过超声波传感器检测与所述车辆在预设距离内的目标障碍物；
根据所述目标障碍物生成所述道路的初始边界，并检测所述初始边界的稳定性是否达到预设稳定性标准；
如果是，确定所述初始边界为所述道路的边界，并根据所述道路的边界生成所述道路的第二边界信息。
5.根据权利要求4所述的方法，其特征在于，所述综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围，包括：
根据所述第一边界信息确定与所述车辆在所述预设距离外的第一边界范围；
根据所述第二边界信息确定与所述车辆在所述预设距离内的第二边界范围；
将所述第一边界范围和所述第二边界范围合并，生成所述道路的边界范围。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线，包括：
检测所述左边界距所述车辆的第一距离，以及检测所述右边界距所述车辆的第二距离；
从位于所述车辆左侧的车道线中识别距所述车辆的距离大于所述第一距离的第一伪车道线，以及从位于所述车辆右侧的车道线中识别距所述车辆的距离大于所述第二距离的第二伪车道线；
确定所述第一伪车道线和所述第二伪车道线为伪车道线；
所述确定所述第一伪车道线和所述第二伪车道线为伪车道线之后，所述方法还包括：
从所述车道线中剔除所述伪车道线。
7.一种伪车道线识别***，其特征在于，包括：
第一识别单元，用于从获取到的车辆所在道路的道路图像中识别车道线；
生成单元，用于根据雷达传感器检测到的所述道路的静止障碍物信息以及根据超声波传感器检测到的与所述车辆在预设距离内的所述道路的边界，生成所述道路的边界范围；所述道路的边界包括所述道路的左边界和所述道路的右边界，所述边界范围包括所述道路的左边界和所述道路的右边界之间的区域；
第二识别单元，用于将所述车道线中的位于所述边界范围之外的车道线识别为伪车道线。
8.根据权利要求7所述的伪车道线识别***，其特征在于，所述生成单元包括：
第一检测子单元，用于通过雷达传感器检测所述道路的静止障碍物信息；
生成子单元，用于根据所述静止障碍物信息生成所述道路的第一边界信息；
第二检测子单元，用于通过超声波传感器检测与所述车辆在预设距离内的所述道路的边界，生成所述道路的第二边界信息；
综合子单元，用于综合所述第一边界信息和所述第二边界信息，得到所述道路的边界范围。
9.根据权利要求8所述的伪车道线识别***，其特征在于，所述第一检测子单元包括：
第一检测模块，用于通过雷达传感器检测所述道路的障碍物信息，所述障碍物信息至少包括所述障碍物相对于所述车辆的相对运动速度、所述障碍物相对于所述车辆的方位、所述障碍物距所述车辆的距离、以及所述障碍物的置信度；
计算模块，用于根据所述障碍物的所述相对运动速度、所述方位、所述距离以及所述置信度，计算得到所述障碍物的当前运动速度；
第一确定模块，用于从所述障碍物中确定所述当前运动速度小于预设运动速度且所述置信度大于预设置信度的静止障碍物，并将所述静止障碍物对应的障碍物信息确定为静止障碍物信息。
10.根据权利要求9所述的伪车道线识别***，其特征在于，所述第二检测子单元包括：
第二检测模块，用于通过超声波传感器检测与所述车辆在预设距离内的目标障碍物；
第三检测模块，用于根据所述目标障碍物生成所述道路的初始边界，并检测所述初始边界的稳定性是否达到预设稳定性标准；
第二确定模块，用于在所述第三检测模块检测的结果为是时，确定所述初始边界为所述道路的边界，并根据所述道路的边界生成所述道路的第二边界信息。
11.根据权利要求10所述的伪车道线识别***，其特征在于，所述综合子单元包括：
第三确定模块，用于根据所述第一边界信息确定与所述车辆在所述预设距离外的第一边界范围；
所述第三确定模块，还用于根据所述第二边界信息确定与所述车辆在所述预设距离内的第二边界范围；
生成模块，用于将所述第一边界范围和所述第二边界范围合并，生成所述道路的边界范围。
12.根据权利要求7～11任一项所述的伪车道线识别***，其特征在于，所述第二识别单元包括：
第三检测子单元，用于检测所述左边界距所述车辆的第一距离，以及检测所述右边界距所述车辆的第二距离；
识别子单元，用于从位于所述车辆左侧的车道线中识别距所述车辆的距离大于所述第一距离的第一伪车道线，以及从位于所述车辆右侧的车道线中识别距所述车辆的距离大于所述第二距离的第二伪车道线；
确定子单元，用于确定所述第一伪车道线和所述第二伪车道线为伪车道线；
其中，所述伪车道线识别***还包括：
剔除单元，用于在所述确定子单元确定所述第一伪车道线和所述第二伪车道线为伪车道线之后，从所述车道线中剔除所述伪车道线。
CN201811516389.XA 2018-12-11 2018-12-11 伪车道线识别方法及*** Active CN109583416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811516389.XA CN109583416B (zh) 2018-12-11 2018-12-11 伪车道线识别方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811516389.XA CN109583416B (zh) 2018-12-11 2018-12-11 伪车道线识别方法及***

Publications (2)

Publication Number Publication Date
CN109583416A true CN109583416A (zh) 2019-04-05
CN109583416B CN109583416B (zh) 2021-04-13

Family

ID=65927808

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811516389.XA Active CN109583416B (zh) 2018-12-11 2018-12-11 伪车道线识别方法及***

Country Status (1)

Country Link
CN (1) CN109583416B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111401208A (zh) * 2020-03-11 2020-07-10 北京百度网讯科技有限公司 一种障碍物检测方法、装置、电子设备及存储介质
CN111797701A (zh) * 2020-06-10 2020-10-20 东莞正扬电子机械有限公司 用于车辆多传感器融合***的道路障碍物感知方法及***
CN112132109A (zh) * 2020-10-10 2020-12-25 北京百度网讯科技有限公司 车道线处理和车道定位方法、装置、设备及存储介质
CN112560580A (zh) * 2020-11-20 2021-03-26 腾讯科技（深圳）有限公司 障碍物识别方法、装置、***、存储介质和电子设备
CN112558072A (zh) * 2020-12-22 2021-03-26 北京百度网讯科技有限公司 车辆定位方法、装置、***、电子设备及存储介质
CN113689718A (zh) * 2021-08-13 2021-11-23 吉林大学 智能信号灯与车道匹配***及匹配方法
CN114926805A (zh) * 2021-02-12 2022-08-19 本田技研工业株式会社 划分线识别装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN104766058A (zh) * 2015-03-31 2015-07-08 百度在线网络技术（北京）有限公司 一种获取车道线的方法和装置
CN107757583A (zh) * 2017-10-13 2018-03-06 奇瑞汽车股份有限公司 一种低速行车主动制动方法和***
CN108931971A (zh) * 2018-05-24 2018-12-04 奇瑞汽车股份有限公司 用于无人驾驶的移动终端、车辆、服务器及无人驾驶***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102591332A (zh) * 2011-01-13 2012-07-18 同济大学 用于无人驾驶汽车局部路径规划的装置及方法
CN103177246A (zh) * 2013-03-26 2013-06-26 北京理工大学 基于动态区域划分的双模型车道线识别方法
CN104766058A (zh) * 2015-03-31 2015-07-08 百度在线网络技术（北京）有限公司 一种获取车道线的方法和装置
CN107757583A (zh) * 2017-10-13 2018-03-06 奇瑞汽车股份有限公司 一种低速行车主动制动方法和***
CN108931971A (zh) * 2018-05-24 2018-12-04 奇瑞汽车股份有限公司 用于无人驾驶的移动终端、车辆、服务器及无人驾驶***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
严征: ""无人车的道路边界检测研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
鲁曼等: ""道路区域分割的车道线检测方法"", 《智能***学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11468689B2 (en) 2020-03-11 2022-10-11 Apollo Intelligent Driving Technology (Beijing) Co., Ltd. Method and apparatus for detecting obstacle, electronic device and storage medium
CN111401208A (zh) * 2020-03-11 2020-07-10 北京百度网讯科技有限公司 一种障碍物检测方法、装置、电子设备及存储介质
EP3879307A1 (en) * 2020-03-11 2021-09-15 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for detecting obstacle
CN111401208B (zh) * 2020-03-11 2023-09-22 阿波罗智能技术(北京)有限公司 一种障碍物检测方法、装置、电子设备及存储介质
CN111797701A (zh) * 2020-06-10 2020-10-20 东莞正扬电子机械有限公司 用于车辆多传感器融合***的道路障碍物感知方法及***
CN111797701B (zh) * 2020-06-10 2024-05-24 广东正扬传感科技股份有限公司 用于车辆多传感器融合***的道路障碍物感知方法及***
CN112132109A (zh) * 2020-10-10 2020-12-25 北京百度网讯科技有限公司 车道线处理和车道定位方法、装置、设备及存储介质
CN112560580A (zh) * 2020-11-20 2021-03-26 腾讯科技（深圳）有限公司 障碍物识别方法、装置、***、存储介质和电子设备
CN112558072A (zh) * 2020-12-22 2021-03-26 北京百度网讯科技有限公司 车辆定位方法、装置、***、电子设备及存储介质
CN112558072B (zh) * 2020-12-22 2024-05-28 阿波罗智联(北京)科技有限公司 车辆定位方法、装置、***、电子设备及存储介质
CN114926805A (zh) * 2021-02-12 2022-08-19 本田技研工业株式会社 划分线识别装置
CN113689718B (zh) * 2021-08-13 2022-09-13 吉林大学 智能信号灯与车道匹配***及匹配方法
CN113689718A (zh) * 2021-08-13 2021-11-23 吉林大学 智能信号灯与车道匹配***及匹配方法

Also Published As

Publication number Publication date
CN109583416B (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN109583416A (zh) 伪车道线识别方法及***
CN106767852B (zh) 一种生成探测目标信息的方法、装置和设备
JP2501010B2 (ja) 移動ロボットの誘導装置
CN108271408A (zh) 使用被动和主动测量生成场景的三维地图
CN112014845B (zh) 一种车辆障碍物定位方法、装置、设备及存储介质
CN1940591B (zh) 使用传感器融合进行目标跟踪的***和方法
CN109212531A (zh) 确定目标车辆取向的方法
CN109425855A (zh) 使用模拟传感器数据扩增现实传感器记录
CN109427214A (zh) 使用模拟传感器数据扩增现实传感器记录
Kirchner et al. Model based detection of road boundaries with a laser scanner
CN109271857A (zh) 一种伪车道线剔除方法及装置
CN106503653A (zh) 区域标注方法、装置和电子设备
CN109460739A (zh) 车道线检测方法及装置
CN108263389B (zh) 一种车辆前方虚假目标剔除装置及方法
CN108780149B (zh) 通过传感器的间接测量来改进对机动车辆周围的至少一个物体的检测的方法，控制器，驾驶员辅助***和机动车辆
Shunsuke et al. GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon
US20210072397A1 (en) Generation of synthetic lidar signals
US12014126B2 (en) Generating accurate and diverse simulations for evaluation of autonomous-driving systems
CN113532499B (zh) 无人***的传感器安全性检测方法、设备及存储介质
WO2022179207A1 (zh) 视窗遮挡检测方法及装置
CN112668603A (zh) 产生识别传感器数据中的对象的识别模型用的训练数据的方法和设备、训练方法和操控方法
CN107063276A (zh) 一种无延迟高精度的无人车车载导航装置与方法
US11900691B2 (en) Method for evaluating sensor data, including expanded object recognition
CN110146074A (zh) 一种应用于自动驾驶的实时定位方法及装置
CN206096937U (zh) 无人配送车

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant