CN112373474A - 车道线融合及横向控制方法、***、车辆及存储介质 - Google Patents

车道线融合及横向控制方法、***、车辆及存储介质 Download PDF

Info

Publication number
CN112373474A
CN112373474A CN202011323037.XA CN202011323037A CN112373474A CN 112373474 A CN112373474 A CN 112373474A CN 202011323037 A CN202011323037 A CN 202011323037A CN 112373474 A CN112373474 A CN 112373474A
Authority
CN
China
Prior art keywords
lane
lane line
millimeter wave
fusion
guardrail
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
CN202011323037.XA
Other languages
English (en)
Other versions
CN112373474B (zh
Inventor
卢斌
任传兵
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.)
Chongqing Changan Automobile Co Ltd
Original Assignee
Chongqing Changan Automobile 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 Chongqing Changan Automobile Co Ltd filed Critical Chongqing Changan Automobile Co Ltd
Priority to CN202011323037.XA priority Critical patent/CN112373474B/zh
Publication of CN112373474A publication Critical patent/CN112373474A/zh
Application granted granted Critical
Publication of CN112373474B publication Critical patent/CN112373474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车道线融合及横向控制方法、***、车辆及存储介质，包括：获取前视摄像头探测的护栏信息、路沿信息、车道线及车道线置信率；获取前向毫米波雷达探测的路沿信息和护栏信息；获取侧向毫米波雷达探测的路沿信息和护栏信息；获取ADAS地图输出的道路曲率和道路等级；获取环视摄像头探测的车道线及车道线置信率；基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率；根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制。在车道线丢失时，本发明会虚拟出一条车道线，不会直接退出***，故能够保证控制的连贯性，用户体验友好。

Description

车道线融合及横向控制方法、***、车辆及存储介质
技术领域
本发明属于车道性融合技术领域，具体涉及一种车道线融合及横向控制方法、***、车辆及存储介质。
背景技术
随着汽车智能驾驶技术的发展，越来越多的驾驶辅助技术在乘用车上量产，驾驶辅助技术的集成度越来越高。驾驶辅助技术是辅助驾驶员驾驶的安全技术，提升驾驶安全性和舒适性。随着驾驶辅助技术的普及，对于驾驶辅助技术的连续性在不断提高。
目前，主流的驾驶辅助，在摄像头探测到车道线丢失之后，驾驶辅助***会直接退出，对于用户体验来说非常的不友好。
因此，有必要开发一种车道线融合及横向控制方法、***、车辆及存储介质。
发明内容
本发明的目的是提供一种车道线融合及横向控制方法、***、车辆及存储介质，在车道线丢失时，会虚拟出一条车道线，不会直接退出***，故能够保证控制的连贯性，用户体验友好。
本发明所述的一种基车道线融合及横向控制方法，包括以下步骤：
获取前视摄像头探测的护栏信息、路沿信息、车道线及车道线置信率；
获取前向毫米波雷达探测的路沿信息和护栏信息；
获取侧向毫米波雷达探测的路沿信息和护栏信息；
获取ADAS地图输出的道路曲率和道路等级；
获取环视摄像头探测的车道线及车道线置信率；
基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率；
根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制。
进一步，所述基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率，具体为：
（1）当同时满足条件1a和条件1b时，直接输出前视摄像头探测到的车道线，车道线的类型为探测模式，融合置信率为高；
条件1a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件1b：前视摄像头探测到本车道车道线，且本车道车道线置信率大于第一预设值；
（2）当同时满足条件2a至条件2c时，以丢失前的本车道宽度为基准，本车道车道线按照左右车道车道线进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为高；
条件2a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件2b：前视摄像头探测到本车道车道线，本车道车道线置信率小于第一预设值；
条件2c：前视摄像头探测到左右车道车道线，左右车道车道线置信率大于第一预设值，且前视摄像头探测的左右车道宽度与在本车道车道线置信率高时左右车道宽度误差小于第二预设值时；
（3）当同时满足条件3a至条件3f时，以环视摄像头探测的本车道宽度作为基准，前视摄像头探测的路沿或护栏进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为中；
3a：ADAS地图输出的道路等级为高速或者城市快速道路；
3b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
3c：前视摄像头探测到路沿或者护栏，且护栏或路沿的置信率大于第三预设值；
3d：前向毫米波雷达或者侧后毫米波雷达探测到路沿或护栏，且路沿或护栏的置信率大于第三预设值；
3e：环视摄像头探测到两侧车道线，且两侧车道线的置信率大于第三预设值；
3f：前视摄像头和前向毫米波雷达或者侧向毫米波雷达探测的路沿或护栏的曲率误差在第四预设值以内；
（4）当同时满足条件4a至条件4f时，以环视摄像头探测的本车道宽度作为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为中；
4a：ADAS地图输出的道路等级为高速或者城市快速道路；
4b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
4c：前视摄像头无法探测到路沿或者护栏，或者护栏或者路沿的置信率小于第三预设值；
4d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或者护栏，且路沿或者护栏的置信率均大于第三预设值；
4e：环视摄像头能探测到两侧车道线，且车道线的置信率大于第三预设值；
4f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值以内；
（5）当同时满足条件5a至条件5g时，以丢失前的本车道宽度为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为低；
5a：ADAS地图输出的道路等级为高速或者城市快速道路；
5b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
5c：前视摄像头无法探测到路沿或者护栏，或者护栏或路沿的置信率小于第三预设值；
5d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或护栏，且路沿或护栏的置信率均大于第三预设值；
5e：环视摄像头无法探测到两侧车道线，或者输出的车道线的置信率均小于第三预设值；
5f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值以内；
5g：ADAS地图输出的道路曲率与侧向毫米波雷达和前向毫米波雷达输出的曲率误差小于第五预设值。
进一步，根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制，具体为：
当融合车道线为探测模式且融合置信率为高时，基于此车道线对车辆进行长时间横向控制；
当融合车道线为预测模式且融合置信率为高时，基于此车道线对车辆进行较长时间的横向控制；
当融合车道线为预测模式且融合置信率为中时，基于此车道线对车辆进行一段时间的横向控制，
当融合车道线为预测模式且融合置信率为低时，基于此车道线对车辆进行短时间的横向控制。
进一步，所述较长时间是指在行驶2km以内或者行驶50s以内；所述一段时间是指行驶800m以内或者行驶20s以内；所述短时间是指在行驶150m以内或者行驶10m以内。
进一步，所述第一预设值为90%；所述第二预设值为5%；所述第三预设值为95%；所述第四预设值为10%；所述第五预设值为20%。
第二方面，本发明所述的一种车道线融合及横向控制***，包括：
用于探测护栏信息、路沿信息、车道线及车道线置信率的前视摄像头；
用于探测探测路沿信息和护栏信息的前向毫米波雷达；
用于探测路沿信息和护栏信息的侧向毫米波雷达；
用于输出的道路曲率和道路等级的ADAS地图；
用于探测的车道线及车道线置信率的环视摄像头；
用于存储计算机可读程序的存储器；
用于接收前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头输出的数据的控制器，所述控制器分别与存储器、前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头电连接；所述计算机可读程序被控制器调用时能执行如权利要求1至5所述的车道线融合及横向控制方法的步骤。
第三方面，本发明所述的一种车辆，采用如本发明所述的车道线融合及横向控制***。
第四方面，本发明所述的一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本发明所述的车道线融合及横向控制方法的步骤。
本发明具有以下优点：基于前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头相结合的车道线融合技术，通过前视摄像头识别车道线、路沿、护栏，前向毫米波雷达识别的路沿、护栏，侧向毫米波雷达识别路沿、护栏和ADAS地图提供的曲率和道路信息进行融合，在摄像头识别的本车道车道线丢失时，融合相关曲率、护栏、路沿信息，虚拟出一条车道线，不会直接退出***，故能够保证控制的连贯性，对于用户体验来说非常友好。
附图说明
图1为***单元模块图；
图2为场景一处理流程图；
图3为场景二处理流程图；
图4为场景三处理流程图；
图5为场景四处理流程图；
图6为场景五处理流程图；
图7为融合决策流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
本实施例中，一种基车道线融合及横向控制方法，包括以下步骤：
获取前视摄像头探测的护栏信息、路沿信息、车道线及车道线置信率；
获取前向毫米波雷达探测的路沿信息和护栏信息；
获取侧向毫米波雷达探测的路沿信息和护栏信息；
获取ADAS地图输出的道路曲率和道路等级；
获取环视摄像头探测的车道线及车道线置信率；
基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率；
根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制。
本实施例中，前视摄像头包括高清长焦摄像头和图像处理芯片。前视摄像头安装在车辆前挡风玻璃内，采集车辆正前方的图像信息。图像处理芯片对原始图像进行识别处理，识别出图像中的车道标线、路沿或护栏信息，并将识别结果传输给控制器。
本方法主要对车道线丢失、逆光、阴影环境下，车道线无法良好识别时进行弥补。具体实施过程包括场景分类、场景处理、融合决策等。
（一）数据场景分类
（1）前视摄像头能探测到本车道车道线，且探测的车道线置信度大于第一预设值（推荐90%）时，此为场景一（即本车道车道线清晰）。
（2）前视摄像头能探测到本车车道线，但探测的车道线置信度较低，而前视摄像头可探测到左右车道车道线，且置信率较高时，此为场景二（即本车道车道线模糊、本车道积水、摄像头部分逆光、地面反射）。
（3）前视摄像头无法探测到车道线，仅可以探测到路沿或护栏，环视摄像头可探测到车道线时，此为场景三（即摄像头前方部分逆光、地面反射）。
（4）前视摄像头无法探测车道线和路沿或护栏、环视摄像头可探测到车道线、侧向毫米波雷达或前雷达可探测到路沿或护栏，此为场景四（即摄像头逆光）。
（5）前视摄像头无法探测车道线、环视摄像头无法探测车道线、前向毫米波雷达和侧向毫米波雷达可探测路沿或护栏时，此为场景五（即路面车道线丢失）；
（二）场景处理：
基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率，具体为：
场景一：如图2所示，当同时满足条件1a和条件1b时，直接输出前视摄像头探测到的车道线，车道线的类型为探测模式，融合置信率为高；
条件1a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件1b：前视摄像头探测到本车道车道线，且本车道车道线置信率大于第一预设值（比如：90%）；
场景二：如图3所示，当同时满足条件2a至条件2c时，以丢失前的本车道宽度为基准，本车道车道线按照左右车道车道线进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为高；
条件2a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件2b：前视摄像头探测到本车道车道线，本车道车道线置信率小于第一预设值（比如：90%）；
条件2c：前视摄像头探测到左右车道车道线，左右车道车道线置信率大于第一预设值（比如：90%），且前视摄像头探测的左右车道宽度与在本车道车道线置信率高时左右车道宽度误差小于第二预设值（比如：5%）时；
场景三：如图4所示，当同时满足条件3a至条件3f时，以环视摄像头探测的本车道宽度作为基准，前视摄像头探测的路沿（即前视摄像头探测的曲率方程）进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为中；
3a：ADAS地图输出的道路等级为高速或者城市快速道路；
3b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值（比如：90%）；
3c：前视摄像头探测到路沿或者护栏，且护栏或路沿的置信率大于第三预设值（比如：95%）；
3d：前向毫米波雷达或者侧后毫米波雷达探测到路沿或护栏，且路沿或护栏的置信率大于第三预设值（比如：95%）；
3e：环视摄像头探测到两侧车道线，且两侧车道线的置信率大于第三预设值（比如：95%）；
3f：前视摄像头和前向毫米波雷达或者侧向毫米波雷达探测的路沿或护栏的曲率误差在第四预设值（比如：10%）以内；
场景四：如图5所示，当同时满足条件4a至条件4f时，以环视摄像头探测的本车道宽度作为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为中；
4a：ADAS地图输出的道路等级为高速或者城市快速道路；
4b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值（比如：90%）；
4c：前视摄像头无法探测到路沿或者护栏，或者护栏或者路沿的置信率小于第三预设值（95%）；
4d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或者护栏，且路沿或者护栏的置信率均大于第三预设值（比如：95%）；
4e：环视摄像头能探测到两侧车道线，且车道线的置信率大于第三预设值（95%）；
4f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值（比如：10%）以内；
场景五：如图6所示，当同时满足条件5a至条件5g时，以丢失前的本车道宽度为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为低；
5a：ADAS地图输出的道路等级为高速或者城市快速道路；
5b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值（比如：90%）；
5c：前视摄像头无法探测到路沿或者护栏，或者护栏或路沿的置信率小于第三预设值（比如：95%）；
5d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或护栏，且路沿或护栏的置信率均大于第三预设值（比如：95%）；
5e：环视摄像头无法探测到两侧车道线，或者输出的车道线的置信率均小于第三预设值（比如：95%）；
5f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值（比如：10%）以内；
5g：ADAS地图输出的道路曲率与侧向毫米波雷达和前向毫米波雷达输出的曲率误差小于第五预设值（比如：20%）。
本实施例中，所述第一预设值、第二预设值、第三预设值、第四预设值以及第五预设值均可根据实际情况适当调整。
（三）融合决策：
如图7所示，根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制，具体为：
当融合车道线为探测模式且融合置信率为高时，基于此车道线对车辆进行长时间横向控制；
当融合车道线为预测模式且融合置信率为高时，基于此车道线对车辆进行较长时间（比如：行驶2km以内或者行驶50s以内，以及根据实际情况适当调整）的横向控制；
当融合车道线为预测模式且融合置信率为中时，基于此车道线对车辆进行一段时间（比如：行驶800m以内或者行驶20s以内，以及根据实际情况适当调整）的横向控制，
当融合车道线为预测模式且融合置信率为低时，基于此车道线对车辆进行短时间（比如：行驶150m以内或者行驶10m以内，以及根据实际情况适当调整）的横向控制，用于驾驶员接管前的稳定控制。
本实施例中，一种车道线融合及横向控制***，包括：
用于探测护栏信息、路沿信息、车道线及车道线置信率的前视摄像头；
用于探测探测路沿信息和护栏信息的前向毫米波雷达；
用于探测路沿信息和护栏信息的侧向毫米波雷达；
用于输出的道路曲率和道路等级的ADAS地图；
用于探测的车道线及车道线置信率的环视摄像头；
用于存储计算机可读程序的存储器；
用于接收前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头输出的数据的控制器（本实施例中，控制器包括融合处理单元和横向控制单元），所述控制器分别与存储器、前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头电连接；所述计算机可读程序被控制器调用时能执行如本实施例中所述的车道线融合及横向控制方法的步骤。
本实施例中，一种车辆，采用如本实施例中所述的车道线融合及横向控制***。
本实施例中，一种存储介质，其内存储有计算机可读程序，所述计算机可读程序被调用时能执行如本实施例中所述的车道线融合及横向控制方法的步骤。

Claims (8)

1.一种车道线融合及横向控制方法，其特征在于，包括以下步骤：
获取前视摄像头探测的护栏信息、路沿信息、车道线及车道线置信率；
获取前向毫米波雷达探测的路沿信息和护栏信息；
获取侧向毫米波雷达探测的路沿信息和护栏信息；
获取ADAS地图输出的道路曲率和道路等级；
获取环视摄像头探测的车道线及车道线置信率；
基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率；
根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制。
2.根据权利要求1所述的车道线融合及横向控制方法，其特征在于：所述基于车道线、车道线置信率、护栏信息、路沿信息、道路曲率和道路等级对车道线进行融合，并输出融合的车道线、车道线的类型以及融合置信率，具体为：
（1）当同时满足条件1a和条件1b时，直接输出前视摄像头探测到的车道线，车道线的类型为探测模式，融合置信率为高；
条件1a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件1b：前视摄像头探测到本车道车道线，且本车道车道线置信率大于第一预设值；
（2）当同时满足条件2a至条件2c时，以丢失前的本车道宽度为基准，本车道车道线按照左右车道车道线进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为高；
条件2a：ADAS地图输出的道路等级为高速或者城市快速道路；
条件2b：前视摄像头探测到本车道车道线，本车道车道线置信率小于第一预设值；
条件2c：前视摄像头探测到左右车道车道线，左右车道车道线置信率大于第一预设值，且前视摄像头探测的左右车道宽度与在本车道车道线置信率高时左右车道宽度误差小于第二预设值时；
（3）当同时满足条件3a至条件3f时，以环视摄像头探测的本车道宽度作为基准，前视摄像头探测的路沿或护栏进行平移，输出融合的车道线，车道线类型为预测模式，融合置信率为中；
3a：ADAS地图输出的道路等级为高速或者城市快速道路；
3b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
3c：前视摄像头探测到路沿或者护栏，且护栏或路沿的置信率大于第三预设值；
3d：前向毫米波雷达或者侧后毫米波雷达探测到路沿或护栏，且路沿或护栏的置信率大于第三预设值；
3e：环视摄像头探测到两侧车道线，且两侧车道线的置信率大于第三预设值；
3f：前视摄像头和前向毫米波雷达或者侧向毫米波雷达探测的路沿或护栏的曲率误差在第四预设值以内；
（4）当同时满足条件4a至条件4f时，以环视摄像头探测的本车道宽度作为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为中；
4a：ADAS地图输出的道路等级为高速或者城市快速道路；
4b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
4c：前视摄像头无法探测到路沿或者护栏，或者护栏或者路沿的置信率小于第三预设值；
4d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或者护栏，且路沿或者护栏的置信率均大于第三预设值；
4e：环视摄像头能探测到两侧车道线，且车道线的置信率大于第三预设值；
4f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值以内；
（5）当同时满足条件5a至条件5g时，以丢失前的本车道宽度为基准，以侧向毫米波雷达和前向毫米波雷达探测的路沿或护栏进行平移，输出融合车道线，车道线类型为预测模式，融合置信率为低；
5a：ADAS地图输出的道路等级为高速或者城市快速道路；
5b：前视摄像头无法探测到车道线或者输出的车道线的置信率均小于第一预设值；
5c：前视摄像头无法探测到路沿或者护栏，或者护栏或路沿的置信率小于第三预设值；
5d：前向毫米波雷达和侧后毫米波雷达均探测到路沿或护栏，且路沿或护栏的置信率均大于第三预设值；
5e：环视摄像头无法探测到两侧车道线，或者输出的车道线的置信率均小于第三预设值；
5f：前向毫米波雷达与侧向毫米波雷达探测的路沿或护栏曲率误差在第四预设值以内；
5g：ADAS地图输出的道路曲率与侧向毫米波雷达和前向毫米波雷达输出的曲率误差小于第五预设值。
3.根据权利要求2所述的车道线融合及横向控制方法，其特征在于：根据融合的车道线、车道线的类型以及融合置信率对车辆进行横向控制，具体为：
当融合车道线为探测模式且融合置信率为高时，基于此车道线对车辆进行长时间横向控制；
当融合车道线为预测模式且融合置信率为高时，基于此车道线对车辆进行较长时间的横向控制；
当融合车道线为预测模式且融合置信率为中时，基于此车道线对车辆进行一段时间的横向控制，
当融合车道线为预测模式且融合置信率为低时，基于此车道线对车辆进行短时间的横向控制。
4.根据权利要求3所述的车道线融合及横向控制方法，其特征在于：所述较长时间是指在行驶2km以内或者行驶50s以内；所述一段时间是指行驶800m以内或者行驶20s以内；所述短时间是指在行驶150m以内或者行驶10m以内。
5.根据权利要求4所述的车道线融合及横向控制方法，其特征在于：所述第一预设值为90%；所述第二预设值为5%；所述第三预设值为95%；所述第四预设值为10%；所述第五预设值为20%。
6.一种车道线融合及横向控制***，其特征在于：包括：
用于探测护栏信息、路沿信息、车道线及车道线置信率的前视摄像头；
用于探测探测路沿信息和护栏信息的前向毫米波雷达；
用于探测路沿信息和护栏信息的侧向毫米波雷达；
用于输出的道路曲率和道路等级的ADAS地图；
用于探测的车道线及车道线置信率的环视摄像头；
用于存储计算机可读程序的存储器；
用于接收前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头输出的数据的控制器，所述控制器分别与存储器、前视摄像头、前向毫米波雷达、侧向毫米波雷达、ADAS地图和环视摄像头电连接；所述计算机可读程序被控制器调用时能执行如权利要求1至5任一所述的车道线融合及横向控制方法的步骤。
7.一种车辆，其特征在于：采用如权利要求6所述的车道线融合及横向控制***。
8.一种存储介质，其内存储有计算机可读程序，其特征在于：所述计算机可读程序被调用时能执行如权利要求1至5任一所述的车道线融合及横向控制方法的步骤。
CN202011323037.XA 2020-11-23 2020-11-23 车道线融合及横向控制方法、***、车辆及存储介质 Active CN112373474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011323037.XA CN112373474B (zh) 2020-11-23 2020-11-23 车道线融合及横向控制方法、***、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011323037.XA CN112373474B (zh) 2020-11-23 2020-11-23 车道线融合及横向控制方法、***、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN112373474A true CN112373474A (zh) 2021-02-19
CN112373474B CN112373474B (zh) 2022-05-17

Family

ID=74587445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011323037.XA Active CN112373474B (zh) 2020-11-23 2020-11-23 车道线融合及横向控制方法、***、车辆及存储介质

Country Status (1)

Country Link
CN (1) CN112373474B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353817A (zh) * 2021-12-28 2022-04-15 重庆长安汽车股份有限公司 多源传感器车道线确定方法、***、车辆及计算机可读存储介质
CN114368393A (zh) * 2021-12-21 2022-04-19 重庆长安汽车股份有限公司 直道上的车道线丢失预警方法、***与人机共驾方法
CN114396958A (zh) * 2022-02-28 2022-04-26 重庆长安汽车股份有限公司 基于多车道多传感器的车道定位方法、***及车辆
WO2023005354A1 (zh) * 2021-07-30 2023-02-02 驭势（上海）汽车科技有限公司 车辆控制方法、装置、电子设备及存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120062747A1 (en) * 2010-07-20 2012-03-15 Gm Global Technology Operations, Inc. Lane fusion system using forward-view and rear-view cameras
US20150203114A1 (en) * 2014-01-22 2015-07-23 Honda Research Institute Europe Gmbh Lane relative position estimation method and system for driver assistance systems
DE102016220717A1 (de) * 2016-10-21 2018-05-09 Volkswagen Aktiengesellschaft Bestimmen einer Fahrspur und Querregelung für ein Fahrzeug
CN108189838A (zh) * 2017-12-30 2018-06-22 吉利汽车研究院（宁波）有限公司 一种融合型自适应巡航弯道控制方法及装置
CN108764187A (zh) * 2018-06-01 2018-11-06 百度在线网络技术（北京）有限公司 提取车道线的方法、装置、设备、存储介质以及采集实体
CN108960183A (zh) * 2018-07-19 2018-12-07 北京航空航天大学 一种基于多传感器融合的弯道目标识别***及方法
CN109492566A (zh) * 2018-10-31 2019-03-19 奇瑞汽车股份有限公司 车道位置信息获取方法、装置及存储介质
CN110781816A (zh) * 2019-10-25 2020-02-11 北京行易道科技有限公司 车辆在车道中的横向定位方法、装置、设备及存储介质
CN110969059A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 车道线识别方法及***
TWI694019B (zh) * 2019-06-05 2020-05-21 國立中正大學 車道線偵測與追蹤方法
WO2020103892A1 (zh) * 2018-11-21 2020-05-28 北京市商汤科技开发有限公司 车道线检测方法、装置、电子设备及可读存储介质
CN111291676A (zh) * 2020-02-05 2020-06-16 清华大学 一种基于激光雷达点云和相机图像融合的车道线检测方法及装置和芯片
CN111401446A (zh) * 2020-03-16 2020-07-10 重庆长安汽车股份有限公司 单传感器、多传感器车道线合理性检测方法、***及车辆
WO2020146983A1 (zh) * 2019-01-14 2020-07-23 深圳市大疆创新科技有限公司 一种车道检测方法、装置及车道检测设备、移动平台
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
CN111860155A (zh) * 2020-06-12 2020-10-30 华为技术有限公司 一种车道线的检测方法及相关设备
US20200349363A1 (en) * 2019-05-02 2020-11-05 Miguel Hurtado Method and system for estimating lane lines in vehicle advanced driver assistance driver assistance systems

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120062747A1 (en) * 2010-07-20 2012-03-15 Gm Global Technology Operations, Inc. Lane fusion system using forward-view and rear-view cameras
US20150203114A1 (en) * 2014-01-22 2015-07-23 Honda Research Institute Europe Gmbh Lane relative position estimation method and system for driver assistance systems
DE102016220717A1 (de) * 2016-10-21 2018-05-09 Volkswagen Aktiengesellschaft Bestimmen einer Fahrspur und Querregelung für ein Fahrzeug
CN108189838A (zh) * 2017-12-30 2018-06-22 吉利汽车研究院（宁波）有限公司 一种融合型自适应巡航弯道控制方法及装置
CN108764187A (zh) * 2018-06-01 2018-11-06 百度在线网络技术（北京）有限公司 提取车道线的方法、装置、设备、存储介质以及采集实体
CN108960183A (zh) * 2018-07-19 2018-12-07 北京航空航天大学 一种基于多传感器融合的弯道目标识别***及方法
CN110969059A (zh) * 2018-09-30 2020-04-07 长城汽车股份有限公司 车道线识别方法及***
CN109492566A (zh) * 2018-10-31 2019-03-19 奇瑞汽车股份有限公司 车道位置信息获取方法、装置及存储介质
WO2020103892A1 (zh) * 2018-11-21 2020-05-28 北京市商汤科技开发有限公司 车道线检测方法、装置、电子设备及可读存储介质
WO2020146983A1 (zh) * 2019-01-14 2020-07-23 深圳市大疆创新科技有限公司 一种车道检测方法、装置及车道检测设备、移动平台
US20200349363A1 (en) * 2019-05-02 2020-11-05 Miguel Hurtado Method and system for estimating lane lines in vehicle advanced driver assistance driver assistance systems
TWI694019B (zh) * 2019-06-05 2020-05-21 國立中正大學 車道線偵測與追蹤方法
CN110781816A (zh) * 2019-10-25 2020-02-11 北京行易道科技有限公司 车辆在车道中的横向定位方法、装置、设备及存储介质
CN111291676A (zh) * 2020-02-05 2020-06-16 清华大学 一种基于激光雷达点云和相机图像融合的车道线检测方法及装置和芯片
CN111401446A (zh) * 2020-03-16 2020-07-10 重庆长安汽车股份有限公司 单传感器、多传感器车道线合理性检测方法、***及车辆
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
CN111860155A (zh) * 2020-06-12 2020-10-30 华为技术有限公司 一种车道线的检测方法及相关设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HUANG HAIBO等: "Lane recognition and tracking based on muli-features fuzzy fusion and particle filter", 《2011 INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS, COMMUNICATIONS AND NETWORKS (CECNET)》 *
LIYUSHAN等: "Research on lane a compensation methon based on multi-sensor fusion", 《SENSORS》 *
刘晓龙等: "基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法", 《东南大学学报(自然科学版)》 *
惠飞等: "基于动态概率网格和贝叶斯决策网络的车辆变道辅助驾驶决策方法", 《交通运输工程学报》 *
陈洋: "基于深度学习的复杂环境下车道线检测方法研究", 《上海工程技术大学硕士论文》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023005354A1 (zh) * 2021-07-30 2023-02-02 驭势（上海）汽车科技有限公司 车辆控制方法、装置、电子设备及存储介质
CN114368393A (zh) * 2021-12-21 2022-04-19 重庆长安汽车股份有限公司 直道上的车道线丢失预警方法、***与人机共驾方法
CN114368393B (zh) * 2021-12-21 2023-09-15 重庆长安汽车股份有限公司 直道上的车道线丢失预警方法、***与人机共驾方法
CN114353817A (zh) * 2021-12-28 2022-04-15 重庆长安汽车股份有限公司 多源传感器车道线确定方法、***、车辆及计算机可读存储介质
CN114353817B (zh) * 2021-12-28 2023-08-15 重庆长安汽车股份有限公司 多源传感器车道线确定方法、***、车辆及计算机可读存储介质
CN114396958A (zh) * 2022-02-28 2022-04-26 重庆长安汽车股份有限公司 基于多车道多传感器的车道定位方法、***及车辆
CN114396958B (zh) * 2022-02-28 2023-08-18 重庆长安汽车股份有限公司 基于多车道多传感器的车道定位方法、***及车辆

Also Published As

Publication number Publication date
CN112373474B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN112373474B (zh) 车道线融合及横向控制方法、***、车辆及存储介质
KR102512207B1 (ko) 차도선 피팅 방법 및 시스템
KR101927162B1 (ko) 센서 퓨전 시스템 및 그 방법
CN113460086A (zh) 自动驾驶进入匝道的控制***、方法、车辆及存储介质
WO2023197408A1 (zh) 车速控制模型训练样本的确定方法及装置
CN110412980A (zh) 汽车自动驾驶并线控制方法
CN115489530A (zh) 车辆的换道方法、装置、车辆及存储介质
CN114802234A (zh) 一种智能巡航中道路边缘避让方法及***
CN114516327A (zh) 基于驾驶员行为学习和周边环境的自学习跟车***及方法
CN110784680B (zh) 一种车辆定位方法、装置、车辆和存储介质
CN113734191A (zh) 人工地虚造传感器数据以发起用于自动驾驶车辆的安全动作
CN114842432A (zh) 一种基于深度学习汽车灯光控制方法及***
CN117184126A (zh) 一种自动驾驶方法及其装置、计算机可读存储介质
US20230032741A1 (en) Road model generation method and device
JP5682302B2 (ja) 走行道路推定装置、方法およびプログラム
WO2021170140A1 (zh) 一种车道结构检测方法及装置
CN114954452A (zh) 一种基于自适应巡航的车速控制方法及***
CN114464005A (zh) 一种车辆辅助驾驶的方法及***
CN115431981B (zh) 一种基于高精度地图的驾驶辅助识别***
CN110531347A (zh) 激光雷达的探测方法、装置及计算机可读存储介质
CN114132317B (zh) 智能弯道靠边行驶控制方法、***、车辆及存储介质
CN117037538B (zh) 一种小客车专用高速公路ags距离的确定***
CN116691695A (zh) 一种行驶状态判断方法、计算机设备、可读存储介质及机动车
CN116758502A (zh) 一种路口识别方法、装置、设备及存储介质
CN118182473A (zh) 一种车辆汇出控制方法、装置、设备及介质

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