CN109724615A - 一种车道线识别结果的校验方法及*** - Google Patents
一种车道线识别结果的校验方法及*** Download PDFInfo
- Publication number
- CN109724615A CN109724615A CN201910149900.5A CN201910149900A CN109724615A CN 109724615 A CN109724615 A CN 109724615A CN 201910149900 A CN201910149900 A CN 201910149900A CN 109724615 A CN109724615 A CN 109724615A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane line
- lane
- precision map
- detection result
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 238000012795 verification Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 9
- 238000012360 testing method Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 6
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车道线识别结果的校验方法及***,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
Description
技术领域
本发明涉及智能驾驶定位技术领域,更具体的说,涉及一种车道线识别结果的校验方法及***。
背景技术
现有的视觉处理芯片及相关算法等,能够识别出车道线信息。但是校验车道线识别结果的正确与否,目前大多依赖人工校验或是利用激光雷达进行校验。
采用人工校验车道线识别结果的正确与否,一方面效率低,费时费力,另一方面针对根据车道线识别结果实现的如车道保持(Lane Keeping,LKA)等功能,即使人工发现车道线识别结果错误,也无法及时反馈至汽车***中,从而无法实现在线校验车道线识别结果。利用激光雷达虽然可以实现在线校验车道线识别结果,但是需要在车辆中安装激光雷达,而激光雷达高昂的价格限制其无法应用到量产车上。
发明内容
有鉴于此,本发明公开了一种车道线识别结果的校验方法及***,以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
一种车道线识别结果的校验方法,包括:
获取高精地图中本车所在位置的车道线信息;
基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
可选的,所述基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,具体包括:
式中,(Aix,Aiy)为所述高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标,(Ailat,Ailon)为所述高精地图中车道线点列中第i个点的经度和纬度,(Olat,Olon)为本车的纬度和经度,θo为车辆的航向与经度的夹角。
可选的,所述将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体包括:
计算所述高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和,其中,所述车道线识别结果为车道线曲线;
判断所述残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
可选的,所述将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体包括:
对所述高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2;
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标;
获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2;
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率;
当满足如下不等式时,判定本车摄像头对车道线识别正确,所述不等式如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
一种车道线识别结果的校验***,包括:
获取单元,用于获取高精地图中本车所在位置的车道线信息;
坐标转换单元,用于基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
校验单元,用于将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
可选的,所述坐标转换单元具体用于:
式中,(Aix,Aiy)为所述高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标,(Ailat,Ailon)为所述高精地图中车道线点列中第i个点的经度和纬度,(Olat,Olon)为本车的纬度和经度,θo为车辆的航向与经度的夹角。
7、根据权利要求5所述的校验***,其特征在于,所述校验单元具体用于:
计算所述高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和,其中,所述车道线识别结果为车道线曲线;
判断所述残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
可选的,所述校验单元具体用于:
对所述高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2;
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标;
获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2;
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率;
当满足如下不等式时,判定本车摄像头对车道线识别正确,所述不等式如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
从上述的技术方案可知,本发明公开了一种车道线识别结果的校验方法及***,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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,还可以根据公开的附图获得其他的附图。
图1为本发明实施例公开的一种车道线识别结果的校验方法流程图;
图2为本发明实施例公开的一种基于高精定位将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置的示意图;
图3为本发明实施例公开的一种直接比较高精地图中车道线点列和本车摄像头输出的车道线识别结果的位置关系的示意图;
图4为本发明实施例公开的一种车道线识别结果的校验***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。
本发明实施例公开了一种车道线识别结果的校验方法及***,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
参见图1,本发明一实施例公开的一种车道线识别结果的校验方法流程图,该方法包括步骤:
步骤S101、获取高精地图中本车所在位置的车道线信息;
需要说明的是,本发明提供的车道线识别结果的校验方法依赖于高精定位,一般情况下,高精定位指的是厘米级的定位精度。
其中,车道线信息指的是车道线在车辆坐标系下的位置,在实际应用中,该位置可用车道线方程表示,具体可参见现有成熟方案,此处不再赘述。
具体的,采用高精定位***对本车进行高精定位,得到高精定位结果,通常具有RTK(Real-time kinematic,载波相位差分技术)的组合导航***能够达到厘米级的定位精度。本实施例所采用的高精定位***可以为RTK+GPS(Global Positioning System,全球定位***)***或组合导航***,如GPS+IMU(Inertial Measurement Unit,惯性测量装置)组合导航***。
根据高精定位结果和预存储的高精地图,查询本车所在位置的车道线信息。
步骤S102、基于高精定位将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
具体的,参见图2,本发明一实施例公开的一种基于高精定位将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置的示意图,图2中的11指的是本车,高精定位***对本车的定位位置为:(Olat,Olon),Olat为本车的纬度,Olon为本车的经度;高精地图中车道线点列记做A1,A2,...,An,其中,任意Ai点的位置为:(Ailat,Ailon);车道线点Ai在车辆坐标系下的位置(Aix,Aiy)如下:
式中,θo为车辆的航向与经度的夹角,(Ailat,Ailon)为高精地图中车道线点列中第i个点Ai的经度和纬度,(Aix,Aiy)为高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标。
步骤S103、将高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
综上可知,本发明公开的车道线识别结果的校验方法,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
在实际应用中,步骤S103将高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体实现方法可以有如下两种:
方法一,直接比较高精地图中车道线点列和本车摄像头输出的车道线识别结果的位置关系,参见图3,该车道线识别结果具体为车道线曲线,高精地图中车道线点列指的是图3中位于车道线曲线上或是车道线曲线附件的各个点,可以利用求残差平方和方法,对高精地图中车道线点列和车道线曲线的位置关系进行量化处理,当高精地图中车道线点列和车道线曲线的残差平方和大于预设阈值,则认为车道线点列位于本车摄像头识别的车道线附近,此时,判定本车摄像头对车道线识别正确;反之,当高精地图中车道线点列和车道线曲线的残差平方和不大于预设阈值,则认为车道线点列位于本车摄像头识别的车道线较远的地方,此时,判定本车摄像头对车道线识别错误。
因此,步骤S103具体可以包括:
计算高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和;
判断残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
方法二,首先对高精地图中车道线点列采用曲线拟合得到曲线方程,其次再通过比较该曲线方程和本车摄像头输出的车道线识别结果,判断本车摄像头对车道线识别结果的正确性。
在实际应用中,对高精地图中车道线点列采用曲线拟合方法得到曲线方程的具体过程有很多实现方式,比如,采用最小二乘法对高精地图中车道线点列进行曲线拟合,得到曲线方程。具体依据实际需要而定,本发明在此不做限定。
在本实施例中,在将对高精地图中车道线点列采用曲线拟合得到曲线方程与本车摄像头输出的车道线识别结果进行比较时,车道线识别结果具体为车道线方程。
摄像头输出的车道线识别结果对应的车道线方程的适用范围为:(xstart,xend),x为车辆坐标系下沿车辆纵向的坐标,从(xstart,xend)范围内的高精地图中车道线点列中选取,通过步骤S102将(xstart,xend)转化成在车辆坐标系下的位置。
下面详细说明如何利用曲线拟合的方法判断本车摄像头对车道线识别结果的正确性。
也即,步骤S103具体可以包括:
(1)对高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2(1);
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标,具体见图3最右侧显示的x和y。
(2)获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2(2);
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标,具体见图3最右侧显示的x和y。
(3)当公式(1)和公式(2)满足公式(3)所示的不等式时,判定本车摄像头对车道线识别正确,或者说摄像头识别的车道线方程的误差在允许范围内,公式(3)如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
综上可知,本发明公开的车道线识别结果的校验方法,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
与上述方法实施例相对应,本发明还公开了一种车道线识别结果的校验***。
参见图4,本发明一实施例公开的一种车道线识别结果的校验***的结构示意图,该***包括:
获取单元201,用于获取高精地图中本车所在位置的车道线信息;
需要说明的是,本发明提供的车道线识别结果的校验方法依赖于高精定位,一般情况下,高精定位指的是厘米级的定位精度。
其中,车道线信息指的是车道线在车辆坐标系下的位置,在实际应用中,该位置可用车道线方程表示,具体可参见现有成熟方案,此处不再赘述。
具体的,采用高精定位***对本车进行高精定位,得到高精定位结果,通常具有RTK(Real-time kinematic,载波相位差分技术)的组合导航***能够达到厘米级的定位精度。本实施例所采用的高精定位***可以为RTK+GPS(Global Positioning System,全球定位***)***或组合导航***,如GPS+IMU(Inertial Measurement Unit,惯性测量装置)组合导航***。
根据高精定位结果和预存储的高精地图,查询本车所在位置的车道线信息。
坐标转换单元202,用于基于高精定位将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
具体的,参见图2,本发明一实施例公开的一种基于高精定位将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置的示意图,图2中的11指的是本车,高精定位***对本车的定位位置为:(Olat,Olon),Olat为本车的纬度,Olon为本车的经度;高精地图中车道线点列记做A1,A2,...,An,其中,任意Ai点的位置为:(Ailat,Ailon);车道线点Ai在车辆坐标系下的位置(Aix,Aiy)如下:
式中,θo为车辆的航向与经度的夹角,(Ailat,Ailon)为高精地图中车道线点列中第i个点Ai的经度和纬度,(Aix,Aiy)为高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标。
也就是说,坐标转换单元202具体根据上述公式得到高精地图中车道线点列在车辆坐标系下的位置。
校验单元203,用于将高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
综上可知,本发明公开的车道线识别结果的校验***,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
在实际应用中,校验单元203将高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体实现方法可以有如下两种:
方法一,直接比较高精地图中车道线点列和本车摄像头输出的车道线识别结果的位置关系,参见图3,该车道线识别结果具体为车道线曲线,高精地图中车道线点列指的是图3中位于车道线曲线上或是车道线曲线附件的各个点,可以利用求残差平方和方法,对高精地图中车道线点列和车道线曲线的位置关系进行量化处理,当高精地图中车道线点列和车道线曲线的残差平方和大于预设阈值,则认为车道线点列位于本车摄像头识别的车道线附近,此时,判定本车摄像头对车道线识别正确;反之,当高精地图中车道线点列和车道线曲线的残差平方和不大于预设阈值,则认为车道线点列位于本车摄像头识别的车道线较远的地方,此时,判定本车摄像头对车道线识别错误。
因此,校验单元203具体可以用于:
计算高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和,其中,车道线识别结果为车道线曲线;
判断残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
方法二,首先对高精地图中车道线点列采用曲线拟合得到曲线方程,其次再通过比较该曲线方程和本车摄像头输出的车道线识别结果,判断本车摄像头对车道线识别结果的正确性。
在实际应用中,对高精地图中车道线点列采用曲线拟合方法得到曲线方程的具体过程有很多实现方式,比如,采用最小二乘法对高精地图中车道线点列进行曲线拟合,得到曲线方程。具体依据实际需要而定,本发明在此不做限定。
在本实施例中,在将对高精地图中车道线点列采用曲线拟合得到曲线方程与本车摄像头输出的车道线识别结果进行比较时,车道线识别结果具体为车道线方程。
因此,校验单元203具体可以用于:
对高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2;
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标;
获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2;
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率;
当满足如下不等式时,判定本车摄像头对车道线识别正确,不等式如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
综上可知,本发明公开的车道线识别结果的校验***,在获取高精地图中本车所在位置的车道线信息后,将车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,然后利用该高精地图中车道线点列在车辆坐标系下的位置对本车摄像头输出的车道线识别结果的正确性进行判定。本发明基于高精地图对摄像头输出的车道线识别结果进行校验的方案,不仅可以实现在线校验车道线识别结果,而且无需在车辆中安装激光雷达,仅需在车辆中下载高精地图即可,因此价格低廉,可以应用到量产车上。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种车道线识别结果的校验方法,其特征在于,包括:
获取高精地图中本车所在位置的车道线信息;
基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
2.根据权利要求1所述的校验方法,其特征在于,所述基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置,具体包括:
式中,(Aix,Aiy)为所述高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标,(Ailat,Ailon)为所述高精地图中车道线点列中第i个点的经度和纬度,(Olat,Olon)为本车的纬度和经度,θo为车辆的航向与经度的夹角。
3.根据权利要求1所述的校验方法,其特征在于,所述将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体包括:
计算所述高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和,其中,所述车道线识别结果为车道线曲线;
判断所述残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
4.根据权利要求1所述的校验方法,其特征在于,所述将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性,具体包括:
对所述高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2;
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标;
获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2;
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率;
当满足如下不等式时,判定本车摄像头对车道线识别正确,所述不等式如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
5.一种车道线识别结果的校验***,其特征在于,包括:
获取单元,用于获取高精地图中本车所在位置的车道线信息;
坐标转换单元,用于基于高精定位将所述车道线信息进行坐标转换,得到高精地图中车道线点列在车辆坐标系下的位置;
校验单元,用于将所述高精地图中车道线点列在车辆坐标系下的位置作为基准,与本车摄像头输出的车道线识别结果进行比较,判断本车摄像头对车道线识别结果的正确性。
6.根据权利要求5所述的校验***,其特征在于,所述坐标转换单元具体用于:
式中,(Aix,Aiy)为所述高精地图中车道线点列中第i个点Ai在车辆坐标系下的坐标,(Ailat,Ailon)为所述高精地图中车道线点列中第i个点的经度和纬度,(Olat,Olon)为本车的纬度和经度,θo为车辆的航向与经度的夹角。
7.根据权利要求5所述的校验***,其特征在于,所述校验单元具体用于:
计算所述高精地图中车道线点列和本车摄像头输出的车道线识别结果的残差平方和,其中,所述车道线识别结果为车道线曲线;
判断所述残差平方和是否大于预设阈值;
如果是,则判定本车摄像头对车道线识别正确。
8.根据权利要求5所述的校验***,其特征在于,所述校验单元具体用于:
对所述高精地图中车道线点列进行曲线拟合,得到高精地图中的车道线方程,如下:
y=M0+M1x+M2x2;
式中,M0为利用高精度地图获得的车辆距车道线的左右距离,M1为利用高精度地图获得的车辆与车道线的夹角,M2为利用高精度地图获得的车道线的曲率,x为车辆坐标系下沿车辆纵向的坐标,y为车辆坐标系下沿车辆横向的坐标;
获取本车摄像头输出的车道线识别结果对应的车道线方程,如下:
y=C0+C1x+C2x2;
式中,C0为摄像头输出的车辆距车道线的左右距离,C1为摄像头输出的车辆与车道线的夹角,C2为摄像头输出的表示车道线的曲率;
当满足如下不等式时,判定本车摄像头对车道线识别正确,所述不等式如下:
式中,P0为左右距离差允许阈值,P1为车辆与车道线的夹角阈值,P2为曲率阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910149900.5A CN109724615B (zh) | 2019-02-28 | 2019-02-28 | 一种车道线识别结果的校验方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910149900.5A CN109724615B (zh) | 2019-02-28 | 2019-02-28 | 一种车道线识别结果的校验方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109724615A true CN109724615A (zh) | 2019-05-07 |
CN109724615B CN109724615B (zh) | 2021-06-29 |
Family
ID=66300138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910149900.5A Active CN109724615B (zh) | 2019-02-28 | 2019-02-28 | 一种车道线识别结果的校验方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109724615B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及*** |
CN110906953A (zh) * | 2019-11-26 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种自动驾驶定位的相对位置精度评估方法及装置 |
CN111121849A (zh) * | 2020-01-02 | 2020-05-08 | 大陆投资(中国)有限公司 | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感*** |
CN111141311A (zh) * | 2019-12-31 | 2020-05-12 | 武汉中海庭数据技术有限公司 | 一种高精度地图定位模块的评估方法及*** |
CN111516673A (zh) * | 2020-04-30 | 2020-08-11 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合***及方法 |
CN111998860A (zh) * | 2020-08-21 | 2020-11-27 | 北京百度网讯科技有限公司 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
CN112172810A (zh) * | 2019-06-18 | 2021-01-05 | 广州汽车集团股份有限公司 | 车道保持装置、方法、***及汽车 |
CN112419404A (zh) * | 2019-08-21 | 2021-02-26 | 北京初速度科技有限公司 | 一种地图资料的获取方法和装置 |
CN112560680A (zh) * | 2020-12-16 | 2021-03-26 | 北京百度网讯科技有限公司 | 车道线处理方法、装置、电子设备及存储介质 |
CN112639765A (zh) * | 2020-04-18 | 2021-04-09 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及*** |
CN112966059A (zh) * | 2021-03-02 | 2021-06-15 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN113175937A (zh) * | 2021-06-29 | 2021-07-27 | 天津天瞳威势电子科技有限公司 | 一种车道线感知结果的评测方法及装置 |
CN113569800A (zh) * | 2021-08-09 | 2021-10-29 | 北京地平线机器人技术研发有限公司 | 车道识别校验方法、装置、可读存储介质及电子设备 |
CN113587940A (zh) * | 2021-07-30 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种基于车辆转弯半径的车道线校验方法、***及车辆 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
CN114323033A (zh) * | 2021-12-29 | 2022-04-12 | 北京百度网讯科技有限公司 | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 |
US20230060542A1 (en) * | 2020-01-23 | 2023-03-02 | Bayerische Motoren Werke Aktiengesellschaft | Method and Apparatus for Evaluating Maps for Autonomous Driving and Vehicle |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013201941A1 (de) * | 2013-02-06 | 2014-08-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln eines Fahrbahnverlaufs |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
CN109084782A (zh) * | 2017-06-13 | 2018-12-25 | 蔚来汽车有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建*** |
CN109186615A (zh) * | 2018-09-03 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的车道边线距离检测方法、装置及存储介质 |
CN109297499A (zh) * | 2018-08-20 | 2019-02-01 | 武汉中海庭数据技术有限公司 | 车道模型构建方法、装置及计算机可存储介质 |
-
2019
- 2019-02-28 CN CN201910149900.5A patent/CN109724615B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013201941A1 (de) * | 2013-02-06 | 2014-08-07 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und Vorrichtung zum Ermitteln eines Fahrbahnverlaufs |
CN105260699A (zh) * | 2015-09-10 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 一种车道线数据的处理方法及装置 |
CN109084782A (zh) * | 2017-06-13 | 2018-12-25 | 蔚来汽车有限公司 | 基于摄像头传感器的车道线地图构建方法以及构建*** |
CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
CN109297499A (zh) * | 2018-08-20 | 2019-02-01 | 武汉中海庭数据技术有限公司 | 车道模型构建方法、装置及计算机可存储介质 |
CN109186615A (zh) * | 2018-09-03 | 2019-01-11 | 武汉中海庭数据技术有限公司 | 基于高精度地图的车道边线距离检测方法、装置及存储介质 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112172810A (zh) * | 2019-06-18 | 2021-01-05 | 广州汽车集团股份有限公司 | 车道保持装置、方法、***及汽车 |
CN112419404A (zh) * | 2019-08-21 | 2021-02-26 | 北京初速度科技有限公司 | 一种地图资料的获取方法和装置 |
CN110645996A (zh) * | 2019-09-17 | 2020-01-03 | 武汉中海庭数据技术有限公司 | 一种感知数据的提取方法及*** |
CN110595494B (zh) * | 2019-09-17 | 2021-06-22 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN110595494A (zh) * | 2019-09-17 | 2019-12-20 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN110906953A (zh) * | 2019-11-26 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种自动驾驶定位的相对位置精度评估方法及装置 |
CN111141311B (zh) * | 2019-12-31 | 2022-04-08 | 武汉中海庭数据技术有限公司 | 一种高精度地图定位模块的评估方法及*** |
CN111141311A (zh) * | 2019-12-31 | 2020-05-12 | 武汉中海庭数据技术有限公司 | 一种高精度地图定位模块的评估方法及*** |
CN111121849A (zh) * | 2020-01-02 | 2020-05-08 | 大陆投资(中国)有限公司 | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感*** |
CN111121849B (zh) * | 2020-01-02 | 2021-08-20 | 大陆投资(中国)有限公司 | 传感器的方位参数的自动校准方法、边缘计算单元和路侧传感*** |
US20230060542A1 (en) * | 2020-01-23 | 2023-03-02 | Bayerische Motoren Werke Aktiengesellschaft | Method and Apparatus for Evaluating Maps for Autonomous Driving and Vehicle |
CN112639765A (zh) * | 2020-04-18 | 2021-04-09 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及*** |
CN112639765B (zh) * | 2020-04-18 | 2022-02-11 | 华为技术有限公司 | 车道线识别异常事件确定方法、车道线识别装置及*** |
CN111516673B (zh) * | 2020-04-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合***及方法 |
CN111516673A (zh) * | 2020-04-30 | 2020-08-11 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合***及方法 |
CN111998860A (zh) * | 2020-08-21 | 2020-11-27 | 北京百度网讯科技有限公司 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
CN111998860B (zh) * | 2020-08-21 | 2023-02-17 | 阿波罗智能技术(北京)有限公司 | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 |
CN112560680A (zh) * | 2020-12-16 | 2021-03-26 | 北京百度网讯科技有限公司 | 车道线处理方法、装置、电子设备及存储介质 |
CN112966059A (zh) * | 2021-03-02 | 2021-06-15 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN112966059B (zh) * | 2021-03-02 | 2023-11-24 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN113175937A (zh) * | 2021-06-29 | 2021-07-27 | 天津天瞳威势电子科技有限公司 | 一种车道线感知结果的评测方法及装置 |
CN113587940A (zh) * | 2021-07-30 | 2021-11-02 | 重庆长安汽车股份有限公司 | 一种基于车辆转弯半径的车道线校验方法、***及车辆 |
CN113569800A (zh) * | 2021-08-09 | 2021-10-29 | 北京地平线机器人技术研发有限公司 | 车道识别校验方法、装置、可读存储介质及电子设备 |
CN114323033A (zh) * | 2021-12-29 | 2022-04-12 | 北京百度网讯科技有限公司 | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 |
CN114323033B (zh) * | 2021-12-29 | 2023-08-29 | 北京百度网讯科技有限公司 | 基于车道线和特征点的定位方法、设备及自动驾驶车辆 |
CN114252082A (zh) * | 2022-03-01 | 2022-03-29 | 苏州挚途科技有限公司 | 车辆定位方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109724615B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109724615A (zh) | 一种车道线识别结果的校验方法及*** | |
JP2024050990A (ja) | 判定装置 | |
CN106918342B (zh) | 无人驾驶车辆行驶路径定位方法及定位*** | |
CN104359492B (zh) | 惯性导航和轮速计组成的航迹推算定位***误差估算算法 | |
US9897455B2 (en) | Travel route information generation apparatus | |
US20210207977A1 (en) | Vehicle position estimation device, vehicle position estimation method, and computer-readable recording medium for storing computer program programmed to perform said method | |
CN107389064A (zh) | 一种基于惯性导航的无人车变道控制方法 | |
CN105953805A (zh) | 地图验证方法和装置 | |
CN100578153C (zh) | 车载速度测量仪的校准方法 | |
JP5939230B2 (ja) | 車両位置同定システム及び車両位置同定方法 | |
CN207067404U (zh) | 用于确定车辆在充电站中的位置的定位***、充电站以及车辆 | |
CN105005033A (zh) | 用于校准雷达传感器的方法和雷达*** | |
CN108827292A (zh) | 基于gnss和地面基站的组合式导航精确测速定位方法及*** | |
CN110906939A (zh) | 自动驾驶定位方法、装置、电子设备、存储介质及汽车 | |
CN103379619A (zh) | 一种定位方法和*** | |
CN101201255A (zh) | 基于智能导航算法的车辆组合导航*** | |
US8560219B2 (en) | Method for detecting a boundary crossing | |
CN104236566A (zh) | 基于智能手机的地图匹配方法 | |
CN108307301A (zh) | 基于rssi测距和轨迹相似性的室内定位方法 | |
CN102506872B (zh) | 一种判定飞行航路偏离的方法 | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN108036792A (zh) | 一种用于移动机器人的里程计与测量位姿的数据融合方法 | |
CN104007459A (zh) | 一种车载组合定位装置 | |
CN103163543A (zh) | 利用gps信息检测对向车辆的位置的方法 | |
CN108981723A (zh) | 用于验证道路曲率地图数据的***和方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101 Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |