CN111126114B - 道路标线的光达侦测方法及其*** - Google Patents
道路标线的光达侦测方法及其*** Download PDFInfo
- Publication number
- CN111126114B CN111126114B CN201811294972.0A CN201811294972A CN111126114B CN 111126114 B CN111126114 B CN 111126114B CN 201811294972 A CN201811294972 A CN 201811294972A CN 111126114 B CN111126114 B CN 111126114B
- Authority
- CN
- China
- Prior art keywords
- lane line
- marking
- lane
- width
- horizontal
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/145—Illumination specially adapted for pattern recognition, e.g. using gratings
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种道路标线的光达侦测方法及其***,道路标线的光达侦测方法的数据撷取转换步骤撷取路面的三维光达感测器座标系点信息,然后将其转换成车身座标系点信息。水平层车道线判断步骤利用二值化法运算各侦测线的侦测点的反光度而求得二值化阀值,并依据二值化阀值将各侦测点判别为水平标线点或非水平标线点。二值化阀值中至少二者彼此相异。垂直层车道线判断步骤分析相邻的任二侦测线中的水平标线点的斜率,并依据预设斜率阀值及斜率的比对结果将水平标线点判定是否为同一条车道线。借此,本发明可辅助自驾车定位,以提升自驾的安全性及侦测的正确性。
Description
技术领域
本发明是关于一种光达侦测方法及其***,特别是关于一种道路标线的光达侦测方法及其***。
背景技术
一般道路标线侦测方法是用于告知车辆驾驶员在车辆驾驶路径中道路标线的存在,或者用于自动驾驶时路线规划的可行驾驶区域约束。目前大多数***采用基于视觉的***(例如:摄影机)来分析获得的图像。由于受限于车辆周围光线状况以及影像品质,此种基于视觉的***容易造成不正确地区分道路标线。另外市面上有使用高密度光达的感测***来侦测道路标线(至少32层),但此种***所得到的光达数据量往往过于庞大且费用昂贵,而且使用此种高密度光达需耗费较高成本。由此可知,目前市场上缺乏一种运用低密度光达即可准确且快速地侦测出道路标线的光达侦测方法及其***,故相关业者均在寻求其解决之道。
发明内容
因此,本发明的目的在于提供一种道路标线的光达侦测方法及其***,其利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性以及点云数据的应用性。此外,相较于***层车道线判断步骤以及垂直层车道线判断步骤,可大幅提升侦测的正确性与准确率。
依据本发明的方法态样的一实施方式提供一种道路标线的光达侦测方法,其用以侦测邻近车辆的路面的道路标线,道路标线的光达侦测方法包含数据撷取转换步骤、水平层车道线判断步骤以及垂直层车道线判断步骤。其中数据撷取转换步骤是利用装设于车辆的三维光达感测器撷取路面的复数个三维光达感测器座标系点信息,然后依据一座标转换关系式将对应路面的三维光达感测器座标系点信息转换成对应车辆的复数个车身座标系点信息,此些车身座标系点信息分成复数侦测线,各侦测线具有复数侦测点。再者,水平层车道线判断步骤包含标线点云搜寻步骤,且标线点云搜寻步骤包含点云反光度判别步骤。点云反光度判别步骤是利用二值化法运算各侦测线的侦测点的反光度而求得二值化阀值,并依据二值化阀值将各侦测点判别为水平标线点或非水平标线点,此些二值化阀值中至少二者彼此相异。此外,垂直层车道线判断步骤包含连续性分析步骤,连续性分析步骤是分析相邻的任二侦测线中的复数水平标线点的斜率,并依据预设斜率阀值及斜率的比对结果将此些水平标线点判定为一同条车道线点位或一非同条车道线点位,同条车道线点位对应道路标线。
借此,本发明的道路标线的光达侦测方法利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性。此外,水平层车道线判断步骤的阶段式点云反光度判断可结合垂直层车道线判断步骤的连续性分析,使侦测方式较为弹性并可提高判断的正确率。
前述实施方式的其他实施例如下:前述数据撷取转换步骤可包含点云数据撷取步骤与数据座标转换步骤,其中点云数据撷取步骤是驱动三维光达感测器发射复数激光点至路面,然后三维光达感测器接收反射的激光点后输出三维光达感测器座标系点信息,并传送三维光达感测器座标系点信息至一点云接收处理单元。三维光达感测器设于车辆。数据座标转换步骤是利用点云接收处理单元将三维光达感测器座标系点信息依据座标转换关系式转换成车身座标系点信息。
前述实施方式的其他实施例如下:前述座标转换关系式可包含垂直视角、滚动角、三维光达感测器离地高度、三维光达感测器座标系点信息及车身座标系点信息。其中垂直视角表示为α,滚动角表示为β,三维光达感测器离地高度为h,三维光达感测器座标系点信息表示为(x',y',z'),车身座标系点信息表示为(x,y,z),座标转换关系式符合下式:
前述实施方式的其他实施例如下:前述道路标线的光达侦测方法可包含点云高度筛选步骤,此点云高度筛选步骤是依据滤除高度产生滤除线,并利用滤除线将车身座标系点信息中高度值大于滤除高度的侦测点予以滤除。
前述实施方式的其他实施例如下:前述水平层车道线判断步骤可包含一车道线宽度筛选步骤,此车道线宽度筛选步骤是分析水平标线点而求得至少一车道线宽度,并依据合理车道线宽度范围及车道线宽度的比对结果将水平标线点判定为一车道线标记或一非车道线标记。
前述实施方式的其他实施例如下:在前述车道线宽度筛选步骤中,合理车道线宽度范围包含一车道线最大宽度值与一车道线最小宽度值。当车道线宽度小于等于车道线最大宽度值且大于等于车道线最小宽度值时,水平标线点视为车道线标记的一单车道线。当车道线宽度大于车道线最大宽度值或小于车道线最小宽度值时,水平标线点视为非车道线标记。
前述实施方式的其他实施例如下:在前述车道线宽度筛选步骤中,水平标线点经分析而求得第一车道线宽度与第二车道线宽度,合理车道线宽度范围包含车道线最大宽度值、车道线最小宽度值及预设间隙宽度值。当第一车道线宽度与第二车道线宽度均小于等于车道线最大宽度值且均大于等于车道线最小宽度值,且对应第一车道线宽度与第二车道线宽度的水平标线点彼此的间距小于等于预设间隙宽度值时,则对应第一车道线宽度与第二车道线宽度的水平标线点视为车道线标记的双车道线。
前述实施方式的其他实施例如下:前述垂直层车道线判断步骤可包含一车道线拟合步骤,此车道线拟合步骤是依据车道线拟合方程式将同条车道线点位的车道线标记的座标值拟合出一预测垂直层道路标线,此预测垂直层道路标线对应道路标线。
依据本发明的方法态样的另一实施方式提供一种道路标线的光达侦测方法,其用以侦测邻近车辆的路面的道路标线。道路标线的光达侦测方法包含数据撷取转换步骤、水平层车道线判断步骤以及垂直层车道线判断步骤,其中数据撷取转换步骤是利用装设于车辆的三维光达感测器撷取路面的复数个三维光达感测器座标系点信息,然后依据座标转换关系式将对应路面的三维光达感测器座标系点信息转换成对应车辆的复数个车身座标系点信息,此些车身座标系点信息分成复数侦测线,各侦测线具有复数侦测点。此外,水平层车道线判断步骤包含标线点云搜寻步骤,此标线点云搜寻步骤包含点云反光度判别步骤与反光度差异分析步骤。其中点云反光度判别步骤是利用二值化法运算各层侦测线的侦测点的反光度而求得二值化阀值,并依据二值化阀值将各侦测点判别为水平标线点或非水平标线点。而反光度差异分析步骤是利用边缘化法分析各侦测线的侦测点的反光度而求得相邻的任二侦测点的复数个反光度变异量,并依据预设变异值与反光度变异量的比对结果将各侦测点判定为水平标线边缘点或非水平标线边缘点,然后依据各侦测线的水平标线点及水平标线边缘点决定出复数水平点云标线点。再者,垂直层车道线判断步骤包含连续性分析步骤,此连续性分析步骤是分析相邻的任二侦测线中的复数水平点云标线点的一斜率,并依据预设斜率阀值及斜率的比对结果将复数水平标线点判定为同条车道线点位或非同条车道线点位,同条车道线点位对应道路标线。
借此,本发明的反光度差异分析步骤使用一阶维分结果找峰值,可直觉性得到差异位置处,而且不须运算反光度相减阀值。再者,每层侦测线均进行边缘化法计算,可避免习知影像侦测车道线技术在远处反光度较弱时无法得到明确边缘值的问题。此外,点云数据本身即为不连续状,使用边缘化法进行分析可明确得到其差异性,故边缘化法的效果较习知影像侦测车道线技术为好。
前述实施方式的其他实施例如下:在前述点云反光度判别步骤中,此些二值化阀值中至少二者可彼此相异。在反光度差异分析步骤中,边缘化法为一阶微分计算。
前述实施方式的其他实施例如下:前述数据撷取转换步骤可包含一点云数据撷取步骤与一数据座标转换步骤,其中点云数据撷取步骤是驱动三维光达感测器发射复数激光点至路面,然后三维光达感测器接收反射的激光点后输出三维光达感测器座标系点信息,并传送三维光达感测器座标系点信息至一点云接收处理单元。三维光达感测器设于车辆。数据座标转换步骤是利用点云接收处理单元将三维光达感测器座标系点信息依据座标转换关系式转换成车身座标系点信息。
前述实施方式的其他实施例如下:前述座标转换关系式可包含垂直视角、滚动角、三维光达感测器离地高度、三维光达感测器座标系点信息及车身座标系点信息。其中垂直视角表示为α,滚动角表示为β,三维光达感测器离地高度为h,三维光达感测器座标系点信息表示为(x',y',z'),车身座标系点信息表示为(x,y,z),座标转换关系式符合下式:
前述实施方式的其他实施例如下:前述道路标线的光达侦测方法可包含点云高度筛选步骤,此点云高度筛选步骤是依据一滤除高度产生一滤除线,并利用滤除线将车身座标系点信息中高度值大于滤除高度的侦测点予以滤除。
前述实施方式的其他实施例如下:前述水平层车道线判断步骤可包含一车道线宽度筛选步骤,此车道线宽度筛选步骤是分析水平点云标线点而求得至少一车道线宽度,并依据一合理车道线宽度范围及至少一车道线宽度的比对结果将水平点云标线点判定为一车道线标记或一非车道线标记。
前述实施方式的其他实施例如下:在前述车道线宽度筛选步骤中,合理车道线宽度范围包含一车道线最大宽度值与一车道线最小宽度值。当至少一车道线宽度小于等于车道线最大宽度值且大于等于车道线最小宽度值时,水平点云标线点视为车道线标记的一单车道线。当至少一车道线宽度大于车道线最大宽度值或小于车道线最小宽度值时,水平点云标线点视为非车道线标记。
前述实施方式的其他实施例如下:在前述车道线宽度筛选步骤中,水平点云标线点经分析而求得一第一车道线宽度与一第二车道线宽度,合理车道线宽度范围包含一车道线最大宽度值、一车道线最小宽度值及一预设间隙宽度值。当第一车道线宽度与第二车道线宽度均小于等于车道线最大宽度值且均大于等于车道线最小宽度值,且对应第一车道线宽度与第二车道线宽度的水平点云标线点彼此的间距小于等于预设间隙宽度值时,则对应第一车道线宽度与第二车道线宽度的水平点云标线点视为车道线标记的双车道线。
前述实施方式的其他实施例如下:前述垂直层车道线判断步骤可包含一车道线拟合步骤,此车道线拟合步骤是依据一车道线拟合方程式将同条车道线点位的车道线标记的座标值拟合出一预测垂直层道路标线,预测垂直层道路标线对应道路标线。
依据本发明的结构态样的一实施方式提供一种道路标线的光达侦测***,其用以侦测邻近车辆的路面的道路标线。道路标线的光达侦测***包含三维光达感测器与点云接收处理单元,其中三维光达感测器设于车辆,三维光达感测器撷取路面的复数个三维光达感测器座标系点信息。点云接收处理单元信号连接三维光达感测器,且点云接收处理单元包含数据撷取转换模块、水平层车道线判断模块及垂直层车道线判断模块。数据撷取转换模块信号连接三维光达感测器,数据撷取转换模块依据一座标转换关系式将对应路面的三维光达感测器座标系点信息转换成对应车辆的复数个车身座标系点信息,此些车身座标系点信息分成复数侦测线,各侦测线具有复数侦测点。水平层车道线判断模块信号连接数据撷取转换模块,水平层车道线判断模块利用二值化法运算各层侦测线的侦测点的反光度而求得二值化阀值,并依据二值化阀值将各侦测点判别为水平标线点或非水平标线点,二值化阀值中至少二者彼此相异。此外,垂直层车道线判断模块信号连接水平层车道线判断模块,垂直层车道线判断模块分析相邻的任二侦测线中的复数水平标线点的斜率,并依据预设斜率阀值及斜率的比对结果将此些复数水平标线点判定为同条车道线点位或非同条车道线点位。同条车道线点位对应道路标线。
借此,本发明的道路标线的光达侦测***利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性以及点云数据的应用性。此外,相较于***层车道线判断模块以及垂直层车道线判断模块来大幅提升侦测的正确性与准确率。
附图说明
图1是绘示本发明第一实施例的道路标线的光达侦测方法的流程示意图;
图2是绘示图1的点云数据撷取步骤中三维光达感测器与车辆的侧视图;
图3是绘示图1的点云数据撷取步骤中三维光达感测器与点云接收处理单元的示意图;
图4是绘示图1的点云数据撷取步骤中车辆位于路面的俯视图;
图5是绘示本发明第二实施例的道路标线的光达侦测方法的流程示意图;
图6是绘示图5的点云高度筛选步骤的示意图;
图7是绘示图5的点云反光度判别步骤中二值化法的示意图;
图8是绘示图5的点云反光度判别步骤中各层侦测线对应不同二值化阀值的示意图;
图9A是绘示图5的车道线宽度筛选步骤中道路标线为单车道线的示意图;
图9B是绘示图5的车道线宽度筛选步骤中道路标线为双车道线的示意图;
图10A是绘示图5的连续性分析步骤的示意图;
图10B是绘示图10A的同条车道线点位的搜寻范围的示意图;
图11是绘示图5的车道线拟合步骤的示意图;
图12是绘示本发明第三实施例的道路标线的光达侦测方法的流程示意图;
图13是绘示图12的反光度差异分析步骤的示意图;
图14是绘示本发明第四实施例的道路标线的光达侦测方法的流程示意图;
图15是绘示图14的垂直层车道线判断步骤的示意图;以及
图16是绘示本发明一实施例的道路标线的光达侦测***的方块示意图。
【符号说明】
100、100a、100b、100c: S12、S21、S32、S41:
道路标线的光达侦测方法 数据撷取转换步骤
110:车辆 S14、S23、S34、S43:
120:路面 水平层车道线判断步骤
122:道路标线 S16、S24、S36、S44:
122a:单车道线 垂直层车道线判断步骤
122b:双车道线 S142、S232、S342、S432:标线点
124:地面 云搜寻步骤
130:三维光达感测器 S1422、S2322、S3422、S4322:点
140:点云接收处理单元 云反光度判别步骤
142:数据撷取转换模块 S162、S242、S362、S442:连续性
144:水平层车道线判断模块 分析步骤
146:垂直层车道线判断模块 S212:点云数据撷取步骤
200:道路标线的光达侦测*** S214:数据座标转换步骤
FL:滤除线 S22、S42:点云高度筛选步骤
h:三维光达感测器离地高度 S234、S434:车道线宽度筛选步骤
L(α):侦测线 S244、S444:车道线拟合步骤
P(α,i):侦测点 S3424、S4324:反光度差异分析步
Pfod(α,i):水平标线边缘点 骤
Phs(α,i):水平标线点 Δd:车道线宽度
P1、P2、P3、P4、P5:同条车道线点位 Δd1:第一车道线宽度
Pnhs(α,i):非水平标线点 Δd2:第二车道线宽度
Tn、T1、T2、T3、T4、T5、T6、T7、T8: Δd3:间距
二值化阀值 Δy:垂直搜寻范围
Zthres:滤除高度 y=ax2+bx+c:预测垂直层道路标线
α:垂直视角
β:滚动角
(x,y,z):车身座标系点信息
(x',y',z'):三维光达感测器座标系点信息
(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、
(X4,Y4,Z4)、(X5,Y5,Z5)、(X6,Y6,Z6):
座标值
具体实施方式
以下将参照附图说明本发明的复数个实施例。为明确说明起见,许多实务上的细节将在以下叙述中一并说明。然而,应了解到,这些实务上的细节不应用以限制本发明。也就是说,在本发明部分实施例中,这些实务上的细节是非必要的。此外,为简化附图起见,一些习知惯用的结构与元件在附图中将以简单示意的方式绘示;并且重复的元件将可能使用相同的编号表示。
此外,本文中当某一元件(或单元或模块等)“连接”于另一元件,可指所述元件是直接连接于另一元件,亦可指某一元件是间接连接于另一元件,意即,有其他元件介于所述元件及另一元件之间。而当有明示某一元件是“直接连接”于另一元件时,才表示没有其他元件介于所述元件及另一元件之间。而第一、第二、第三等用语只是用来描述不同元件,而对元件本身并无限制,因此,第一元件亦可改称为第二元件。且本文中的元件/单元/模块的组合非此领域中的一般周知、常规或习知的组合,不能以元件/单元/模块本身是否为习知,来判定其组合关系是否容易被技术领域中的通常知识者轻易完成。
请一并参阅图1至图4,其中图1是绘示本发明第一实施例的道路标线的光达侦测方法100的流程示意图;图2是绘示图1的数据撷取转换步骤S12中三维光达感测器130与车辆110的侧视图;图3是绘示图1的数据撷取转换步骤S12中三维光达感测器130与点云接收处理单元140的示意图;以及图4是绘示图1的数据撷取转换步骤S12中车辆110位于路面120的俯视图。如图所示,道路标线的光达侦测方法100用以侦测邻近车辆110的路面120的道路标线122。路面120包含道路标线122与地面124,其中道路标线122为白色、黄色或红色的涂料,而地面124则为沥青。道路标线的光达侦测方法100包含数据撷取转换步骤S12、水平层车道线判断步骤S14以及垂直层车道线判断步骤S16。
数据撷取转换步骤S12是利用装设于车辆110的三维光达感测器130撷取路面120的复数个三维光达感测器座标系点信息(x',y',z'),然后依据一座标转换关系式将对应路面120的三维光达感测器座标系点信息(x',y',z')转换成对应车辆110的复数个车身座标系点信息(x,y,z)。此些车身座标系点信息(x,y,z)分成复数侦测线L(α),各侦测线L(α)具有复数侦测点P(α,i)。此外,水平层车道线判断步骤S14包含标线点云搜寻步骤S142,且标线点云搜寻步骤S142包含点云反光度判别步骤S1422。点云反光度判别步骤S1422是利用二值化法运算各侦测线L(α)的侦测点P(α,i)的反光度而求得二值化阀值Tn,并依据二值化阀值Tn将各侦测点P(α,i)判别为水平标线点Phs(α,i)或非水平标线点Pnhs(α,i)。此些二值化阀值Tn中至少二者彼此相异。再者,垂直层车道线判断步骤S16包含连续性分析步骤S162,连续性分析步骤S162是分析相邻的任二侦测线L(α)中的复数水平标线点Phs(α,i)的斜率,并依据预设斜率阀值及斜率的比对结果将此些水平标线点Phs(α,i)判定为同条车道线点位或非同条车道线点位,同条车道线点位对应道路标线122。借此,本发明的道路标线的光达侦测方法100利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性。此外,水平层车道线判断步骤S14的阶段式点云反光度判断可结合垂直层车道线判断步骤S16的连续性分析,使侦测方式较为弹性并可提高判断的正确率。
请一并参阅图2、3、4、5、6、7、8、9A、9B、10A、10B及11,其中图5是绘示本发明第二实施例的道路标线的光达侦测方法100a的流程示意图;图6是绘示图5的点云高度筛选步骤S22的示意图;图7是绘示图5的点云反光度判别步骤S2322中二值化法的示意图;图8是绘示图5的点云反光度判别步骤S2322中各层侦测线L(α)对应不同二值化阀值Tn的示意图;图9A是绘示图5的车道线宽度筛选步骤S234中道路标线122为单车道线122a的示意图;图9B是绘示图5的车道线宽度筛选步骤S234中道路标线122为双车道线122b的示意图;图10A是绘示图5的连续性分析步骤S242的示意图;图10B是绘示图10A的同条车道线点位Pn的搜寻范围的示意图;以及图11是绘示图5的车道线拟合步骤S244的示意图。如图所示,道路标线的光达侦测方法100a用以侦测邻近车辆110的路面120的道路标线122。路面120包含道路标线122与地面124。道路标线的光达侦测方法100a包含数据撷取转换步骤S21、点云高度筛选步骤S22、水平层车道线判断步骤S23以及垂直层车道线判断步骤S24。
数据撷取转换步骤S21是利用装设于车辆110的三维光达感测器130撷取路面120的复数个三维光达感测器座标系点信息(x',y',z'),然后依据一座标转换关系式将对应路面120的三维光达感测器座标系点信息(x',y',z')转换成对应车辆110的复数个车身座标系点信息(x,y,z),此些车身座标系点信息(x,y,z)分成复数侦测线L(α),各侦测线L(α)具有复数侦测点P(α,i)。详细地说,数据撷取转换步骤S21包含点云数据撷取步骤S212与数据座标转换步骤S214。其中点云数据撷取步骤S212是驱动三维光达感测器130发射复数激光点至路面120,然后三维光达感测器130接收反射的激光点后输出三维光达感测器座标系点信息(x',y',z'),并传送三维光达感测器座标系点信息(x',y',z')至点云接收处理单元140。三维光达感测器130设于车辆110,且三维光达感测器130具有水平视角、垂直视角α及旋转频率。其中水平视角与垂直视角α分别代表水平方向与垂直方向的角度(Field OfView;FOV)。本实施例所使用的三维光达感测器130为16层360度的三维光达感测器(LIDAR),其属于低密度光达且水平视角等于360度。垂直视角α大于等于负15度且小于等于正15度,而旋转频率为10Hz。三维光达感测器130可透过一以太网络(Ethernet)连接点云接收处理单元140,并能反复旋转侦测而得到路面120的三维光达感测器座标系点信息(x',y',z')。再者,16层的三维光达感测器130所对应的垂直视角α是在正负15度之间,这些垂直视角α由下而上分别为负15度、负13度、负11度、负9度、负7度、负5度、负3度、负1度、正1度、正3度、正5度、正7度、正9度、正11度、正13度以及正15度。此外,点云接收处理单元140可为个人计算机、电子控制单元(Electronic Control Unit;ECU)、微处理器、移动装置或其他电子运算处理器。而本实施例的点云接收处理单元140是使用个人计算机作为运算平台。
数据座标转换步骤S214是利用点云接收处理单元140将三维光达感测器座标系点信息(x',y',z')依据座标转换关系式转换成车身座标系点信息(x,y,z)。其中座标转换关系式包含垂直视角α(pitch angle)、滚动角β(roll angle)、三维光达感测器离地高度h、三维光达感测器座标系点信息(x',y',z')及车身座标系点信息(x,y,z),且座标转换关系式符合下列式子(1):
点云高度筛选步骤S22是依据一滤除高度Zthres产生一滤除线FL,并利用滤除线FL将车身座标系点信息(x,y,z)中高度值z大于滤除高度Zthres的侦测点P(α,i)予以滤除。滤除高度Zthres的范围可为0厘米至5厘米,较佳范围为0厘米至2厘米。借此,本发明透过点云高度筛选步骤S22将多余的点云滤除,可大幅缩短运算时间以增加运算效率。
水平层车道线判断步骤S23包含标线点云搜寻步骤S232与车道线宽度筛选步骤S234,其中标线点云搜寻步骤S232包含点云反光度判别步骤S2322。点云反光度判别步骤S2322是利用二值化法运算各侦测线L(α)的侦测点P(α,i)的反光度而求得二值化阀值Tn,并依据二值化阀值Tn将各侦测点P(α,i)判别为水平标线点Phs(α,i)或非水平标线点Pnhs(α,i)。此些二值化阀值Tn中至少二者彼此相异。水平标线点Phs(α,i)对应路面120的道路标线122,而非水平标线点Pnhs(α,i)则对应路面120的地面124。借此,由于每个水平层(即各侦测线L(α))与光达(即三维光达感测器130)距离相同,故各侦测线L(α)可用二值化法所计算出的二值化阀值Tn判别结果,此结果不受光达距离造成能量递减的影响,故能提供一个弹性的门槛值供点云计算。
车道线宽度筛选步骤S234是分析此些水平标线点Phs(α,i)而求得车道线宽度Δd,并依据一合理车道线宽度范围及车道线宽度Δd的比对结果将水平标线点Phs(α,i)判定为一车道线标记或一非车道线标记。详细地说,在车道线宽度筛选步骤S234中,合理车道线宽度范围包含车道线最大宽度值dmax与车道线最小宽度值dmin。当车道线宽度Δd大于车道线最大宽度值dmax或小于车道线最小宽度值dmin时,水平标线点Phs(α,i)视为非车道线标记。当车道线宽度Δd小于等于车道线最大宽度值dmax且大于等于车道线最小宽度值dmin时,水平标线点Phs(α,i)视为车道线标记的单车道线122a,如图9A所示。此外,在车道线宽度筛选步骤S234中,水平标线点Phs(α,i)经分析而求得第一车道线宽度Δd1与第二车道线宽度Δd2。合理车道线宽度范围包含车道线最大宽度值dmax、车道线最小宽度值dmin及预设间隙宽度值dthres。当第一车道线宽度Δd1与第二车道线宽度Δd2均小于等于车道线最大宽度值dmax且均大于等于车道线最小宽度值dmin,且对应第一车道线宽度Δd1与第二车道线宽度Δd2的水平标线点Phs(α,i)彼此的间距Δd3小于等于预设间隙宽度值dthres时,则对应第一车道线宽度Δd1与第二车道线宽度Δd2的水平标线点Phs(α,i)视为车道线标记的双车道线122b,如图9B所示。本实施例的车道线最大宽度值dmax、车道线最小宽度值dmin及预设间隙宽度值dthres分别设为12厘米、8厘米及10厘米。借此,本发明透过车道线宽度筛选步骤S234可有效且准确地将路面120上非车道线的其他标记剔除。
垂直层车道线判断步骤S24包含连续性分析步骤S242与车道线拟合步骤S244,其中连续性分析步骤S242是分析相邻的任二侦测线L(α)中的复数个水平标线点Phs(α,i)的斜率,并依据一预设斜率阀值及此些斜率的比对结果将水平标线点Phs(α,i)判定为同条车道线点位Pn或非同条车道线点位。其中同条车道线点位Pn对应道路标线122,如图10A与图10B所示。详细地说,在图10A与图10B中,水平标线点Phs(α,i)可用座标值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X5,Y5,Z5)、(X6,Y6,Z6)表示。在垂直的方向(y方向)上,点云数据分布并不连续,且侦测线L(α)的密度相当稀疏。随着侦测线L(α)与车辆110的距离递增,层与层之间的间距会越远。因此,本发明利用连续性分析步骤S242判断每层侦测线L(α)的水平标线点Phs(α,i)是否为同一条车道线。此连续性分析步骤S242会考量斜率并订出水平搜寻范围Δx与垂直搜寻范围Δy,其中水平搜寻范围Δx是根据相邻二个侦测线L(α)的同条车道线点位Pn的关系定出,而且水平搜寻范围Δx会根据其x方向的变异量而改变。例如:连续性分析步骤S242会根据同条车道线点位Pn往正x方向搜寻下一个同条车道线点位Pn+1。至于垂直搜寻范围Δy则会根据每层侦测线L(α)的间距给定,亦即Δy=h×tan(α+2)-h×tan(α),其中三维光达感测器离地高度h与垂直视角α如图2所示。最后,连续性分析步骤S242透过水平搜寻范围Δx与垂直搜寻范围Δy将水平标线点Phs(α,i)判定为同条车道线点位Pn或非同条车道线点位,其中同条车道线点位Pn对应座标值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X6,Y6,Z6),而非同条车道线点位则对应座标值(X5,Y5,Z5)。
车道线拟合步骤S244是依据车道线拟合方程式将同条车道线点位Pn的车道线标记的座标值拟合出一预测垂直层道路标线,且预测垂直层道路标线对应道路标线122。以图10A与图10B而言,车道线拟合步骤S244是依据车道线拟合方程式将同条车道线点位P1、P2、P3、P4、P5的车道线标记的座标值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X6,Y6,Z6)拟合出一预测垂直层道路标线,此预测垂直层道路标线即y=ax2+bx+c。拟合的过程可利用内插方式,如图11所示。而车道线可用的数学模型为一阶直线方程式、二阶抛物线方程式、二阶双曲线方程式或三阶方程式。由于本实施例的三维光达感测器130是使用16层的三维光达感测器(LIDAR),其数学模型较适用二阶抛物线方程式。当焦距约等于0时,可视为直线情况,也就是数学模型采用一阶直线方程式。在弯曲道路上则可直接采用二阶抛物线方程式。借此,本发明的道路标线的光达侦测方法100a利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性。此外,水平层车道线判断步骤S14的阶段式点云反光度判断及特定车道线宽度筛选可结合垂直层车道线判断步骤S16的连续性分析及方程式拟合,使侦测方式较为弹性并可大幅提高判断的正确率。
请一并参阅第12及13图,其中图12是绘示本发明第三实施例的道路标线的光达侦测方法100b的流程示意图;图13是绘示图12的反光度差异分析步骤S3424的示意图。如图所示,道路标线的光达侦测方法100b包含数据撷取转换步骤S32、水平层车道线判断步骤S34以及垂直层车道线判断步骤S36。
配合参阅图1,在图12的实施例中,数据撷取转换步骤S32及水平层车道线判断步骤S34的点云反光度判别步骤S3422分别与图1的数据撷取转换步骤S12及水平层车道线判断步骤S14的点云反光度判别步骤S1422相同,不再赘述。特别的是,图12实施例的道路标线的光达侦测方法100b的水平层车道线判断步骤S34的标线点云搜寻步骤S342还包含反光度差异分析步骤S3424,此反光度差异分析步骤S3424是利用边缘化法分析各侦测线L(α)的侦测点P(α,i)的反光度而求得相邻的任二侦测点P(α,i)的复数个反光度变异量,并依据一预设变异值与此些反光度变异量的比对结果将各侦测点P(α,i)判定为水平标线边缘点Pfod(α,i)或非水平标线边缘点,然后依据各侦测线L(α)的水平标线点Phs(α,i)及水平标线边缘点Pfod(α,i)决定出复数水平点云标线点。本实施例的边缘化法为一阶微分计算,故反光度差异分析步骤S3424会将反光度进行一阶微分计算而得到反光度变异量较大的处并设为水平标线边缘点Pfod(α,i),如图13所示。此外,垂直层车道线判断步骤S36的连续性分析步骤S362是分析相邻的任二侦测线L(α)中的复数个水平点云标线点Pfod(α,i)的斜率,并依据一预设斜率阀值及斜率的比对结果将此些水平点云标线点Pfod(α,i)判定为同条车道线点位Pn或非同条车道线点位。同条车道线点位Pn对应道路标线122。借此,本发明的反光度差异分析步骤S3424使用一阶维分结果找峰值,可直觉性得到差异位置处,而且不须运算反光度相减阀值。再者,每层侦测线L(α)均进行边缘化法计算,可避免习知影像侦测车道线技术在远处反光度较弱时无法得到明确边缘值的问题。此外,点云数据本身即为不连续状,使用边缘化法进行分析可明确得到其差异性,而习知影像侦测车道线技术因每个像素均连续且边缘易模糊,故边缘化法的效果较差。
请一并参阅图13、图14及图15,其中图14是绘示本发明第四实施例的道路标线的光达侦测方法100c的流程示意图;图15是绘示图14的垂直层车道线判断步骤S44的示意图。如图所示,道路标线的光达侦测方法100c包含数据撷取转换步骤S41、点云高度筛选步骤S42、水平层车道线判断步骤S43以及垂直层车道线判断步骤S44。
配合参阅图5,在图14的实施例中,数据撷取转换步骤S41、点云高度筛选步骤S42、水平层车道线判断步骤S43的点云反光度判别步骤S4322以及垂直层车道线判断步骤S44分别与图5的数据撷取转换步骤S21、点云高度筛选步骤S22、水平层车道线判断步骤S23的点云反光度判别步骤S2322以及垂直层车道线判断步骤S24相同,不再赘述。特别的是,图14实施例的道路标线的光达侦测方法100c的水平层车道线判断步骤S43的标线点云搜寻步骤S432还包含反光度差异分析步骤S4324,此反光度差异分析步骤S4324是利用边缘化法分析各侦测线L(α)的侦测点P(α,i)的反光度而求得相邻的任二侦测点P(α,i)的复数个反光度变异量,并依据一预设变异值与此些反光度变异量的比对结果将各侦测点P(α,i)判定为水平标线边缘点Pfod(α,i)或非水平标线边缘点,然后依据各侦测线L(α)的水平标线点Phs(α,i)及水平标线边缘点Pfod(α,i)决定出复数水平点云标线点。本实施例的边缘化法为一阶微分计算。此外,车道线宽度筛选步骤S434是分析水平点云标线点而求得至少一车道线宽度,并依据合理车道线宽度范围及车道线宽度的比对结果将水平点云标线点判定为车道线标记或非车道线标记。在其他实施例中,车道线标记透过车道线宽度筛选步骤S434还可有效且准确地将路面120上非车道线的其他标记剔除,其技术细节同图5的车道线宽度筛选步骤S234,不再赘述。最后,对应车道线标记的水平点云标线点经由垂直层车道线判断步骤S44将同条车道线点位Pn的车道线标记的座标值拟合出一预测垂直层道路标线,此预测垂直层道路标线对应道路标线122。举例来说,表一与图15显示同条车道线点位P1、P2、P3、P4、P5的车道线标记的座标值以及相邻二座标值的斜率Δy/Δx。本实施例的连续性分析步骤S442可订出预设斜率阀值,以剔除不合理的斜率Δy/Δx,而且车道线拟合步骤S444可依据车道线拟合方程式将同条车道线点位P1、P2、P3、P4、P5的车道线标记的座标值拟合出一预测垂直层道路标线,此预测垂直层道路标线即y=ax2+bx+c,其数学模型为二阶抛物线方程式。借此,本发明的道路标线的光达侦测方法100c利用连续性分析步骤S442的搜寻范围来减少搜寻点位的时间,其配合车道线拟合步骤S444可在符合连续性的同条车道线点位Pn的条件下拟合出正确性与准确率较高的方程式。此外,连续性分析步骤S442可根据三维光达感测器离地高度h、角度及特征点间斜率设定垂直方向及水平方向的合理搜寻范围,并在各垂直层间由低层往高层方向搜寻同条车道线点位Pn,以排除错误点位,进而增加侦测的正确性与准确率。
表一
请一并参阅图1至图16,其中图16是绘示本发明一实施例的道路标线的光达侦测***200的方块示意图。道路标线的光达侦测***200用以侦测邻近车辆110的路面120的道路标线122,且道路标线的光达侦测***200包含三维光达感测器130与点云接收处理单元140。
三维光达感测器130与前述数据撷取转换步骤S21中所提的三维光达感测器130结构相同,不再赘述。点云接收处理单元140信号连接三维光达感测器130,且点云接收处理单元140包含数据撷取转换模块142、水平层车道线判断模块144及垂直层车道线判断模块146。其中数据撷取转换模块142信号连接三维光达感测器130,数据撷取转换模块142依据一座标转换关系式将对应路面120的三维光达感测器座标系点信息(x',y',z')转换成对应车辆110的复数个车身座标系点信息(x,y,z)。此些车身座标系点信息(x,y,z)分成复数侦测线L(α),各侦测线L(α)具有复数侦测点P(α,i)。数据撷取转换模块142执行数据撷取转换步骤S12、S21、S32、S41。此外,水平层车道线判断模块144信号连接数据撷取转换模块142,且水平层车道线判断模块144利用二值化法运算各侦测线L(α)的侦测点P(α,i)的反光度而求得二值化阀值Tn,并依据二值化阀值Tn将各侦测点P(α,i)判别为水平标线点Phs(α,i)或非水平标线点Pnhs(α,i)。二值化阀值Tn中至少二者彼此相异。水平层车道线判断模块144执行水平层车道线判断步骤S14、S23、S34、S43。此外,垂直层车道线判断模块146信号连接水平层车道线判断模块144,且垂直层车道线判断模块146分析相邻的任二侦测线L(α)中的复数水平标线点Phs(α,i)的斜率,并依据预设斜率阀值及斜率的比对结果将此些水平标线点Phs(α,i)判定为同条车道线点位Pn或非同条车道线点位。同条车道线点位Pn对应道路标线122。垂直层车道线判断模块146执行垂直层车道线判断步骤S16、S24、S36、S44。借此,本发明的道路标线的光达侦测***200可用以辅助自驾车定位,进而提升自驾的安全性以及点云数据的应用性。另外,通过特殊的水平层车道线判断模块144以及垂直层车道线判断模块146,可提升侦测的正确性与准确率。
由上述实施方式可知,本发明具有下列优点:其一,利用自驾***中原有的光达点云数据作车道线侦测,可用以辅助自驾车定位,进而提升自驾的安全性以及点云数据的应用性。此外,相较于***层车道线判断步骤以及垂直层车道线判断步骤,可大幅提升侦测的正确性与准确率。其二,通过水平层车道线判断步骤的阶段式点云反光度判断及特定车道线宽度筛选可结合垂直层车道线判断步骤的连续性分析及方程式拟合,使侦测方式较为弹性。其三,透过点云高度筛选步骤可将多余的点云滤除,可大幅缩短运算时间以增加运算效率。其四,利用车道线宽度筛选步骤可有效且准确地将路面上非车道线的其他标记剔除。其五,使用反光度差异分析步骤的一阶维分结果找峰值,可直觉性得到差异位置处,而且不须运算反光度相减阀值。再者,每层侦测线均进行边缘化法计算,可避免***方向的合理搜寻范围,并在各垂直层间由低层往高层方向搜寻同条车道线点位,以排除错误点位,进而增加侦测的正确性与准确率。
虽然本发明已以实施方式揭露如上,然其并非用以限定本发明,任何熟悉此技艺者,在不脱离本发明的精神和范围内,当可作各种的更动与润饰,因此本发明的保护范围当视所附的权利要求书所界定的范围为准。
Claims (18)
1.一种道路标线的光达侦测方法,用以侦测邻近一车辆的一路面的一道路标线,其特征在于,该道路标线的光达侦测方法包含以下步骤:
一数据撷取转换步骤,是利用装设于该车辆的一三维光达感测器撷取该路面的复数个三维光达感测器座标系点信息,然后依据一座标转换关系式将对应该路面的该些三维光达感测器座标系点信息转换成对应该车辆的复数个车身座标系点信息,该些车身座标系点信息分成复数侦测线,各该侦测线具有复数侦测点;
一水平层车道线判断步骤,包含:
一标线点云搜寻步骤,包含:
一点云反光度判别步骤,是利用一二值化法运算各该侦测线的该些侦测点的反光度而求得一二值化阀值,并依据该一二值化阀值将各该侦测点判别为一水平标线点或一非水平标线点,该些二值化阀值中至少二者彼此相异;以及
一垂直层车道线判断步骤,包含:
一连续性分析步骤,是分析相邻的任二该侦测线中的复数该水平标线点的一斜率,并依据一预设斜率阀值及该些斜率的比对结果将该些水平标线点判定为一同条车道线点位或一非同条车道线点位,该同条车道线点位对应该道路标线。
2.根据权利要求1所述的道路标线的光达侦测方法,其特征在于,该数据撷取转换步骤包含:
一点云数据撷取步骤,是驱动该三维光达感测器发射复数激光点至该路面,然后该三维光达感测器接收反射的该些激光点后输出该些三维光达感测器座标系点信息,并传送该些三维光达感测器座标系点信息至一点云接收处理单元,该三维光达感测器设于该车辆;及
一数据座标转换步骤,是利用该点云接收处理单元将该些三维光达感测器座标系点信息依据该座标转换关系式转换成该些车身座标系点信息。
4.根据权利要求1所述的道路标线的光达侦测方法,其特征在于,还包含:
一点云高度筛选步骤,是依据一滤除高度产生一滤除线,并利用该滤除线将该些车身座标系点信息中高度值大于该滤除高度的复数该侦测点予以滤除。
5.根据权利要求1所述的道路标线的光达侦测方法,其特征在于,该水平层车道线判断步骤还包含:
一车道线宽度筛选步骤,是分析该些水平标线点而求得至少一车道线宽度,并依据一合理车道线宽度范围及该至少一车道线宽度的比对结果将该些水平标线点判定为一车道线标记或一非车道线标记。
6.根据权利要求5所述的道路标线的光达侦测方法,其特征在于,
在该车道线宽度筛选步骤中,该合理车道线宽度范围包含一车道线最大宽度值与一车道线最小宽度值;
当该至少一车道线宽度小于等于该车道线最大宽度值且大于等于该车道线最小宽度值时,该些水平标线点视为该车道线标记的一单车道线;
当该至少一车道线宽度大于该车道线最大宽度值或小于该车道线最小宽度值时,该些水平标线点视为该非车道线标记。
7.根据权利要求5所述的道路标线的光达侦测方法,其特征在于,
在该车道线宽度筛选步骤中,该些水平标线点经分析而求得一第一车道线宽度与一第二车道线宽度,该合理车道线宽度范围包含一车道线最大宽度值、一车道线最小宽度值及一预设间隙宽度值;
当该第一车道线宽度与该第二车道线宽度均小于等于该车道线最大宽度值且均大于等于该车道线最小宽度值,且对应该第一车道线宽度与该第二车道线宽度的该些水平标线点彼此的间距小于等于该预设间隙宽度值时,则对应该第一车道线宽度与该第二车道线宽度的该些水平标线点视为该车道线标记的一双车道线。
8.根据权利要求1所述的道路标线的光达侦测方法,其特征在于,该垂直层车道线判断步骤还包含:
一车道线拟合步骤,是依据一车道线拟合方程式将该同条车道线点位的该些车道线标记的座标值拟合出一预测垂直层道路标线,该预测垂直层道路标线对应该道路标线。
9.一种道路标线的光达侦测方法,用以侦测邻近一车辆的一路面的一道路标线,其特征在于,该道路标线的光达侦测方法包含以下步骤:
一数据撷取转换步骤,是利用装设于该车辆的一三维光达感测器撷取该路面的复数个三维光达感测器座标系点信息,然后依据一座标转换关系式将对应该路面的该些三维光达感测器座标系点信息转换成对应该车辆的复数个车身座标系点信息,该些车身座标系点信息分成复数侦测线,各该侦测线具有复数侦测点;
一水平层车道线判断步骤,包含:
一标线点云搜寻步骤,包含:
一点云反光度判别步骤,是利用一二值化法运算各该侦测线的该些侦测点的反光度而求得一二值化阀值,并依据该一二值化阀值将各该侦测点判别为一水平标线点或一非水平标线点;及
一反光度差异分析步骤,是利用一边缘化法分析各该侦测线的该些侦测点的反光度而求得相邻的任二该侦测点的复数个反光度变异量,并依据一预设变异值与该些反光度变异量的比对结果将各该侦测点判定为一水平标线边缘点或一非水平标线边缘点,然后依据各该侦测线的该些水平标线点及该些水平标线边缘点决定出复数水平点云标线点;以及
一垂直层车道线判断步骤,包含:
一连续性分析步骤,是分析相邻的任二该侦测线中的复数该水平点云标线点的一斜率,并依据一预设斜率阀值及该些斜率的比对结果将该些水平点云标线点判定为一同条车道线点位或一非同条车道线点位,该同条车道线点位对应该道路标线。
10.根据权利要求9所述的道路标线的光达侦测方法,其特征在于,
在该点云反光度判别步骤中,该些二值化阀值中至少二者彼此相异;及
在该反光度差异分析步骤中,该边缘化法为一阶微分计算。
11.根据权利要求9所述的道路标线的光达侦测方法,其特征在于,该数据撷取转换步骤包含:
一点云数据撷取步骤,是驱动该三维光达感测器发射复数激光点至该路面,然后该三维光达感测器接收反射的该些激光点后输出该些三维光达感测器座标系点信息,并传送该些三维光达感测器座标系点信息至一点云接收处理单元,该三维光达感测器设于该车辆;及
一数据座标转换步骤,是利用该点云接收处理单元将该些三维光达感测器座标系点信息依据该座标转换关系式转换成该些车身座标系点信息。
13.根据权利要求9所述的道路标线的光达侦测方法,其特征在于,还包含:
一点云高度筛选步骤,是依据一滤除高度产生一滤除线,并利用该滤除线将该些车身座标系点信息中高度值大于该滤除高度的复数该侦测点予以滤除。
14.根据权利要求9所述的道路标线的光达侦测方法,其特征在于,该水平层车道线判断步骤还包含:
一车道线宽度筛选步骤,是分析该些水平点云标线点而求得至少一车道线宽度,并依据一合理车道线宽度范围及该至少一车道线宽度的比对结果将该些水平点云标线点判定为一车道线标记或一非车道线标记。
15.根据权利要求14所述的道路标线的光达侦测方法,其特征在于,
在该车道线宽度筛选步骤中,该合理车道线宽度范围包含一车道线最大宽度值与一车道线最小宽度值;
当该至少一车道线宽度小于等于该车道线最大宽度值且大于等于该车道线最小宽度值时,该些水平点云标线点视为该车道线标记的一单车道线;
当该至少一车道线宽度大于该车道线最大宽度值或小于该车道线最小宽度值时,该些水平点云标线点视为该非车道线标记。
16.根据权利要求14所述的道路标线的光达侦测方法,其特征在于,
在该车道线宽度筛选步骤中,该些水平点云标线点经分析而求得一第一车道线宽度与一第二车道线宽度,该合理车道线宽度范围包含一车道线最大宽度值、一车道线最小宽度值及一预设间隙宽度值;
当该第一车道线宽度与该第二车道线宽度均小于等于该车道线最大宽度值且均大于等于该车道线最小宽度值,且对应该第一车道线宽度与该第二车道线宽度的该些水平点云标线点彼此的间距小于等于该预设间隙宽度值时,则对应该第一车道线宽度与该第二车道线宽度的该些水平点云标线点视为该车道线标记的一双车道线。
17.根据权利要求9所述的道路标线的光达侦测方法,其特征在于,该垂直层车道线判断步骤还包含:
一车道线拟合步骤,是依据一车道线拟合方程式将该同条车道线点位的该些车道线标记的座标值拟合出一预测垂直层道路标线,该预测垂直层道路标线对应该道路标线。
18.一种道路标线的光达侦测***,用以侦测邻近一车辆的一路面的一道路标线,其特征在于,该道路标线的光达侦测***包含:
一三维光达感测器,设于该车辆,该三维光达感测器撷取该路面的复数个三维光达感测器座标系点信息;以及
一点云接收处理单元,信号连接该三维光达感测器,且该点云接收处理单元包含:
一数据撷取转换模块,信号连接该三维光达感测器,该数据撷取转换模块依据一座标转换关系式将对应该路面的该些三维光达感测器座标系点信息转换成对应该车辆的复数个车身座标系点信息,该些车身座标系点信息分成复数侦测线,各该侦测线具有复数侦测点;
一水平层车道线判断模块,信号连接该数据撷取转换模块,该水平层车道线判断模块利用一二值化法运算各该侦测线的该些侦测点的反光度而求得一二值化阀值,并依据该一二值化阀值将各该侦测点判别为一水平标线点或一非水平标线点,该些二值化阀值中至少二者彼此相异;及
一垂直层车道线判断模块,信号连接该水平层车道线判断模块,该垂直层车道线判断模块分析相邻的任二该侦测线中的复数该水平标线点的一斜率,并依据一预设斜率阀值及该些斜率的比对结果将该些水平标线点判定为一同条车道线点位或一非同条车道线点位,该同条车道线点位对应该道路标线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294972.0A CN111126114B (zh) | 2018-11-01 | 2018-11-01 | 道路标线的光达侦测方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811294972.0A CN111126114B (zh) | 2018-11-01 | 2018-11-01 | 道路标线的光达侦测方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126114A CN111126114A (zh) | 2020-05-08 |
CN111126114B true CN111126114B (zh) | 2023-03-31 |
Family
ID=70494819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811294972.0A Active CN111126114B (zh) | 2018-11-01 | 2018-11-01 | 道路标线的光达侦测方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126114B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11673533B2 (en) * | 2019-06-19 | 2023-06-13 | Ford Global Technologies, Llc | Vehicle sensor enhancements |
CN112686910A (zh) * | 2020-12-31 | 2021-04-20 | 合肥中科智驰科技有限公司 | 一种基于多线激光雷达的地面分割方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103257342A (zh) * | 2013-01-11 | 2013-08-21 | 大连理工大学 | 三维激光传感器与二维激光传感器的联合标定方法 |
TW201409401A (zh) * | 2012-08-17 | 2014-03-01 | Mitac Int Corp | 自動辨識行車影像中的路面區域之方法及影像辨識裝置 |
CN104554277A (zh) * | 2015-01-26 | 2015-04-29 | 广州通易科技有限公司 | 一种基于重力向量和角速度向量的汽车变道识别方法 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI523778B (zh) * | 2013-11-04 | 2016-03-01 | Lane offset warning system and method |
-
2018
- 2018-11-01 CN CN201811294972.0A patent/CN111126114B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201409401A (zh) * | 2012-08-17 | 2014-03-01 | Mitac Int Corp | 自動辨識行車影像中的路面區域之方法及影像辨識裝置 |
CN103257342A (zh) * | 2013-01-11 | 2013-08-21 | 大连理工大学 | 三维激光传感器与二维激光传感器的联合标定方法 |
CN104554277A (zh) * | 2015-01-26 | 2015-04-29 | 广州通易科技有限公司 | 一种基于重力向量和角速度向量的汽车变道识别方法 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111126114A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI690439B (zh) | 道路標線之光達偵測方法及其系統 | |
US11348266B2 (en) | Estimating distance to an object using a sequence of images recorded by a monocular camera | |
US11620837B2 (en) | Systems and methods for augmenting upright object detection | |
US9313462B2 (en) | Vehicle with improved traffic-object position detection using symmetric search | |
RU2668459C1 (ru) | Устройство оценки положения и способ оценки положения | |
US8670592B2 (en) | Clear path detection using segmentation-based method | |
US8605947B2 (en) | Method for detecting a clear path of travel for a vehicle enhanced by object detection | |
EP2757541B1 (en) | Three-dimensional object detection device | |
RU2571368C1 (ru) | Устройство обнаружения трехмерных объектов, способ обнаружения трехмерных объектов | |
US8913128B2 (en) | Image-based barrier detection and warning system and method thereof | |
CN107103276A (zh) | 使用低层传感器融合的视觉算法执行 | |
Perrollaz et al. | Long range obstacle detection using laser scanner and stereovision | |
CN106228110A (zh) | 一种基于车载双目相机的障碍物及可行驶区域检测方法 | |
JP4956453B2 (ja) | 物体検出装置 | |
CN111126114B (zh) | 道路标线的光达侦测方法及其*** | |
CN108089024B (zh) | 一种车辆速度检测***及方法 | |
Shen et al. | Stereo vision based road surface preview | |
CN110659552A (zh) | 有轨电车障碍物检测及报警方法 | |
JP4296287B2 (ja) | 車両認識装置 | |
JP4151013B2 (ja) | 軌道構造識別装置 | |
Rose et al. | Vehicle lane position estimation with camera vision using bounded polynomial interpolated lines | |
CN114463660A (zh) | 一种基于视频雷达融合感知的判断车型方法 | |
CN117214823A (zh) | 一种路侧多雷达***及标定方法 | |
Britt et al. | A Comparative Study of Lidar and Camera-based Lane Departure Warning Systems |
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 |