CN113487901B - 基于摄像头感知的车道宽度校验方法及*** - Google Patents
基于摄像头感知的车道宽度校验方法及*** Download PDFInfo
- Publication number
- CN113487901B CN113487901B CN202110875977.8A CN202110875977A CN113487901B CN 113487901 B CN113487901 B CN 113487901B CN 202110875977 A CN202110875977 A CN 202110875977A CN 113487901 B CN113487901 B CN 113487901B
- Authority
- CN
- China
- Prior art keywords
- lane
- width
- line
- flag bit
- invalid
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
- G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开的基于摄像头感知的车道宽度校验方法及***,能有效校准在结构化道路上因车道线模糊、路面积水造成的摄像头宽度误识别问题。通过将车道特殊场景转换到车道线系数角度分析,能有效解决因路面车道线标识丢失、本车道曲率异常、匝道场景下的车道宽度问题不一致减少了下游环节使用车道线信息的风险。通过内置的车道交叉验证能使下游控制端得到安全可行驶的车道宽度,避免碰撞护栏、路沿,提升***安全性,并且本方法为车道对中功能提供可靠、稳定的车道宽度。
Description
技术领域
本发明属于汽车自动驾驶传感数据融合技术领域,具体涉及基于摄像头感知的车道宽度校验方法。
背景技术
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向,已成为各国争抢的战略制高点。因结构化道路(高速公路、城市干道等结构化较好的公路)具有清晰的道路标志线,道路的背景环境比较单一,道路的几何特征也比较明显。因此,针对它的道路检测问题可以简化为车道线或道路边界的检测。优先量产结构化道路场景的自动驾驶成为了各汽车厂商争夺的焦点。而基于结构化道路的自动驾驶,依赖视觉端输出的车道线用于横向控制。而车道宽度的鲁棒性、连续性、准确性直接影响车道保持辅助LKA(Lane KeepingAssist)功能的用户体验。但摄像头很容易受外部环境影响,其中包括天气、光线,并且路面也存在车道标线模糊、标线丢失,路面积水以及标线设计不合理等问题,而这些情况均可能导致摄像头输出车道宽度错误,从而影响自动驾驶舒服度甚至造成安全事故。
发明内容
本发明公开的基于摄像头感知的车道宽度校验方法及***,解决在路面车道线模糊、丢失、路面积水以及路面标线不合理时摄像头输入车道线与下游控制端期望不一致,导致的车道宽度输出不连续、跳变、异常问题,从而提升自动驾驶横向对中能力,进而提高自动驾驶的安全性和可靠性的。
本发明公开的基于摄像头感知的车道宽度校验方法,包括以下步骤,
步骤一:接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件进入步骤二;不符合,返回车道宽度标志位为无效标志位,进入步骤五;
步骤二:通过计算本车道左线lane_0与本车道右线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道线宽度是否在设定合理范围之内;在设定合理范围内,进入步骤三;不在设定合理范围内,返回车道宽度标志位为无效标志位,进入步骤五;
步骤三:通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与上帧车道宽度比较,将本车道右线至左路沿横向距离与上帧车道宽度比较,任一比较结果显示小于上一帧车道宽度,则验证通过,进入步骤4;否则,返回车道宽度标志位为无效标志位,进入步骤五;
步骤四:拟定车道特定场景,确定车道特定场景数值化要求,当前帧车道线系数拟合计算属于车道特定场景但不满足车道特定场景数值化要求时,判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,进入步骤五;否则,返回车道宽度标志位为有效标志位,进入步骤五;
步骤五;接收到上述步骤中的当前帧车道宽度标志位,若标志位有效,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若标志位无效,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
进一步地,步骤一中,
车道线曲线方程表征为:Y=A0+A1X+A2X2+A3X.3
其中,A0表征本车坐标系下距离车道线的横向距离,A1表征本车纵向方向与车道线夹角关系,A2是与车道线曲率正相关因子,A3为车道线曲率变化率正相关因子;X-Y为二维欧式坐标系,以本车保险杠中点位置为坐标系原点,其中X正轴为本车前进方法,规定Y轴右侧为正。
使用以下判断准则过滤无效的车道线:
条件1:A0、A1、A2、A3有任一系数不为零则该条车道线系数有效;
条件2:A0、A1、A2、A3同时满足为数值类型;
条件3:该条车道线长度大于设定值;
同时满足以上三个条件,则判断该条车道线有效。
进一步地,步骤二中,
定义当前帧本车道左线lane_0、本车道右线lane_1的曲线A0做差的绝对值|lane0_A0-lane1_A0|为当前帧本车所在车道宽度值;根据公路宽度标准制定公路宽度合理范围值。
进一步地,步骤三中,
本车道左线至右路沿横向距离:
guard_distance_Left=lane4_A0-lane1_A0;其中,lane1_A0为本车道右线到本车坐标系原点的横向距离、lane4_A0为本车道左护栏到本车坐标系原点的横向距离。
本车道右线至左路沿横向距离:
guard_distance_Right=lane5_A0-lane0_A0;其中,lane0_A0为本车道左线到本车坐标系原点的横向距离,lane5_A0为本车道右护栏到本车坐标系原点的横向距离。
并判断是否满足如下任一条件:
条件1:left_guard_distance<last_lane_width;
条件2:right_guard_distance<last_lane_width;
则验证通过,进入步骤4;否则,返回车道宽度标志位为无效标志位,进入步骤五。
进一步地,步骤四中,
提出以下条件保证融合车道宽度鲁棒性;
条件1:为剔除前方车道线丢失,左右车道线长度差值应小于设定值;
条件2:为排除直道、弯道曲率异常,本车道左右车道线曲率值误差在设定值内;
条件3:判断本车是否处于单车道匝道,判断条件为是否存在左邻车道线lane_2与右邻车道线lane_3是否有效,若lane_2、lane_3均无效则判断为匝道。
上述任一条件不满足则判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,进入步骤五;都满足,返回车道宽度标志位为有效标志位,进入步骤五。
本发明的另一发明目的是提供一种基于摄像头感知的车道宽度校验***,用于实现以上所述的校验方法,该***包括以下功能模块:
第一判断模块,用于接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件则进入第二判断模块,不符合,返回车道宽度标志位为无效标志位,则传给更新模块。
第二判断模块,用于通过计算本车道左线lane_0与本车道右线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道线宽度是否在设定合理范围之内;在设定合理范围内,则传给计算模块,不在设定合理范围内,返回车道宽度标志位为无效标志位,则传给更新模块。
计算模块,用于通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与上帧车道宽度比较,将本车道右线至左路沿横向距离与上帧车道宽度比较,任一比较结果显示小于上一帧车道宽度,则验证通过,传给第三判断模块;否则,返回车道宽度标志位为无效标志位,则传给更新模块。
第三判断模块,用于拟定车道特定场景,确定车道特定场景数值化要求,当前帧车道线系数拟合计算属于车道特定场景但不满足车道特定场景数值化要求时,判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,否则,返回车道宽度标志位为有效标志位,则传给更新模块。
更新模块,用于接收到上述的当前帧车道宽度标志位,若标志位有效,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若标志位无效,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
本发明有益技术效果为:
1)本发明提出的车道宽度校验方法和***,能有效校准在结构化道路上因车道线模糊、路面积水造成的摄像头宽度误识别问题。
2)通过将车道特殊场景转换到车道线系数角度分析,能有效解决因路面车道线标识丢失、本车道曲率异常、匝道场景下的车道宽度问题不一致减少了下游环节使用车道线信息的风险。
3)通过内置的车道交叉验证能使下游控制端得到安全可行驶的车道宽度,避免碰撞护栏、路沿,提升***安全性,并且本方法为车道对中功能提供可靠、稳定的车道宽度。
附图说明
图1为车道线模型图;
图2为基于摄像头感知的车道宽度校验方法步骤图。
具体实施方式
下面结合附图对本发明做详细说明。
如图1、图2所示,本方法所用车道线均由三次曲线表征:Y=A0+A1X+A2X2+A3X.3。
系数说明:A0表征本车坐标系下距离车道线的横向距离,A1表征本车纵向方向与车道线夹角关系,A2是与车道线曲率正相关因子,A3为车道线曲率变化率正相关因子,X-Y为二维欧式坐标系,以本车保险杠中点位置为坐标系原点,其中X正轴为本车前进方法,规定Y轴右侧为正。
在结构化道路上使用的车道线模型是由本车道、左邻车道、右邻车道、左路沿(护栏)、右路沿(护栏)构成。如图1所示,车道线分别为本车道左线lane_0、本车道右线lane_1,左邻车道线lane_2,右邻车道线lane_3,左路沿车道线lane_4和右路沿车道线lane_5。
本发明公开的基于摄像头感知的车道宽度校验方法,包括以下步骤:
步骤一:接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件进入步骤二;不符合,返回车道宽度标志位为无效标志位,进入步骤五;
由于摄像头容易受光线、雨雾、路面污渍影响,输出车道线三次曲线方程与实际不符,为保证后续下游获取的车道线曲线方程可靠,使用以下判断准则过滤无效的车道线:
条件1:A0、A1、A2、A3有任一系数不为零则该条车道线系数有效;
条件2:A0、A1、A2、A3同时满足为数值类型;
条件3:该条车道线长度大于设定值,如为:20m;
同时满足以上三个条件,则判断该条车道线有效。
步骤二:通过计算本车道左线lane_0与本车道左线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道线宽度是否在设定合理范围之内;在设定合理范围内,进入步骤三;不在设定合理范围内,返回车道宽度标志位为无效标志位,进入步骤五;
定义当前帧左车道线lane_0、右车道线lane_1的曲线A0做差的绝对值|lane0_A0-lane1_A0|为当前帧本车所在车道宽度值;根据公路宽度标准制定公路宽度合理范围值;按国家对三级以上公里对车道宽度的标准,多车道公路每条机动车道宽度为3.5~3.75米。考虑到我国地形复杂,部分地区结构化道路的车道宽度与国家标准不符,本方法设定车道宽度在2m~6.5m为合理的车道宽度。
步骤三:为保证***的可靠性,加结构化道路上路沿、护栏信息确保控制接收到融合感知车道线信号,可能偏离本车道也不会撞向护栏、路沿。
通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与上帧车道宽度比较,将本车道右线至左路沿横向距离与上帧车道宽度比较,任一比较结果显示小于上一帧车道宽度,则验证通过,进入步骤4;否则,返回无效标志位,进入步骤五;这里是判断出本车距离护栏小于本车道上一帧宽度才进入步骤4,因此为小于,若此时继续使用历史车道宽度则可能导致本车撞向护栏。
使用车道线有效判断路沿(护栏)曲线是否有效,若有效分别计算本车道左线至右路沿横向距离和本车道右线至左路沿横向距离。
本车道左线至右路沿横向距离:
guard_distance_Left=lane4_A0-lane1_A0;其中,lane1_A0、lane4_A0分别代表本车道右线、左护栏(路沿)到本车坐标系原点的横向距离;
本车道右线至左路沿横向距离:
guard_distance_Right=lane5_A0-lane0_A0;其中,lane0_A0、lane5_A0分别代表本车道左线、右护栏(路沿)到本车坐标系原点的横向距离其中;
考虑到结构化道路上本车道宽度的连续性,将计算得到的guard_distance_left、guard_distance_right分别与上一帧车道宽度进行比较大小,并判断是否满足如下任一条件:
条件1:left_guard_distance<last_lane_width;
条件2:right_guard_distance<last_lane_width;
则验证通过,进入步骤4;否则,返回车道宽度标志位为无效标志位,进入步骤五。
步骤四:按标准结构化道路设计,车道宽度不会突然发生变化,但实际情况可能存在路面车道线模糊、车道线标识丢失、路面积水等情况,使得摄像头不能拟合出下游控制端期望的三次车道线曲线,融合端如果继续使用错误的三次曲线更新车道宽度可能会导致功能端出现横向控偏的风险,为保证控制端接收到准确的车道宽度,提出以下条件保证融合车道宽度鲁棒性:
条件1:为剔除前方车道线丢失,左右车道线长度差值应小于设定值;
条件2:为排除直道、弯道曲率异常,本车道左右车道线曲率值误差在设定值内;
条件3:可根据下游端控制需求判断本车是否处于单车道匝道,判断条件为是否存在左邻车道线lane_2与右邻车道线lane_3是否有效,若lane_2、lane_3均无效则判断为匝道;
上述任一条件不满足则判定当前帧车道宽度无效,返回无效标志位,进入步骤五;都满足,返回车道宽度标志位为有效标志位,进入步骤五。
步骤五;接收到上述步骤中的当前帧车道宽度标志位,若车道宽度标志位为有效标志位,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若车道宽度标志位为无效标志位,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
本发明进一步的实施例,是实现以上方法的车道宽度校验***,其包括:
第一判断模块,被配置为用于接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件则进入第二判断模块,不符合,返回车道宽度标志位为无效标志位,则传给更新模块。
第二判断模块,被配置为用于通过计算本车道左线lane_0与本车道右线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道线宽度是否在设定合理范围之内;在设定合理范围内,则传给计算模块,不在设定合理范围内,返回车道宽度标志位为无效标志位,则传给更新模块。
计算模块,被配置为用于通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与上帧车道宽度比较,将本车道右线至左路沿横向距离与上帧车道宽度比较,任一比较结果显示小于上一帧车道宽度,则验证通过,传给第三判断模块;否则,返回车道宽度标志位为无效标志位,则传给更新模块。
第三判断模块,被配置为用于拟定车道特定场景,确定车道特定场景数值化要求,当前帧车道线系数拟合计算属于车道特定场景但不满足车道特定场景数值化要求时,判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,否则,返回车道宽度标志位为有效标志位,则传给更新模块。
更新模块,被配置为用于接收到上述的当前帧车道宽度标志位,若标志位有效,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若标志位无效,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
Claims (6)
1.基于摄像头感知的车道宽度校验方法,其特征在于:包括以下步骤,
步骤一:接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件进入步骤二;不符合,返回车道宽度标志位为无效标志位,进入步骤五;
步骤二:通过计算本车道左线lane_0与本车道右线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道宽度是否在设定合理范围之内;在设定合理范围内,进入步骤三;不在设定合理范围内,返回车道宽度标志位为无效标志位,进入步骤五;
步骤三:通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与车辆所在车道的上一帧车道宽度比较,将本车道右线至左路沿横向距离与车辆所在车道的上一帧车道宽度比较,任一比较结果显示小于车辆所在车道的上一帧车道宽度,则验证通过,进入步骤四;否则,返回车道宽度标志位为无效标志位,进入步骤五;
步骤四:拟定车道特定场景,确定车道特定场景数值化要求,当前帧车道线系数拟合计算属于车道特定场景但不满足车道特定场景数值化要求时,判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,进入步骤五;否则,返回车道宽度标志位为有效标志位,进入步骤五;
步骤五;接收到上述步骤中的当前帧车道宽度标志位,若标志位有效,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若标志位无效,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
2.如权利要求1所述的基于摄像头感知的车道宽度校验方法,其特征在于:步骤一中,
车道线曲线方程表征为:Y=A0+A1X+A2X2+A3X3
其中,A0表征本车坐标系下距离车道线的横向距离,A1表征本车纵向方向与车道线夹角关系,A2是与车道线曲率正相关因子,A3为车道线曲率变化率正相关因子;X-Y为二维欧式坐标系,以本车保险杠中点位置为坐标系原点,其中X正轴为本车前进方法,规定Y轴右侧为正;
使用以下判断准则过滤无效的车道线:
条件1:A0、A1、A2、A3有任一系数不为零则该条车道线系数有效;
条件2:A0、A1、A2、A3同时满足为数值类型;
条件3:该条车道线长度大于设定值;
同时满足以上三个条件,则判断该条车道线有效。
3.如权利要求2所述的基于摄像头感知的车道宽度校验方法,其特征在于:步骤二中,
定义当前帧本车道左线lane_0、本车道右线lane_1的曲线A0做差的绝对值|lane0_A0-lane1_A0|为当前帧本车所在车道宽度值;根据公路宽度标准制定公路宽度合理范围值。
4.如权利要求3所述的基于摄像头感知的车道宽度校验方法,其特征在于:步骤三中,
本车道左线至右路沿横向距离:
guard_distance_Left=lane4_A0-lane1_A0;其中,lane1_A0为本车道右线到本车坐标系原点的横向距离、lane4_A0为本车道左护栏到本车坐标系原点的横向距离;
本车道右线至左路沿横向距离:
guard_distance_Right=lane5_A0-lane0_A0;其中,lane0_A0为本车道左线到本车坐标系原点的横向距离,lane5_A0为本车道右护栏到本车坐标系原点的横向距离;
并判断是否满足如下任一条件:
条件1:guard_distance_Left<last_lane_width;
条件2:guard_distance_Right<last_lane_width;
则验证通过,进入步骤4;否则,返回车道宽度标志位为无效标志位,进入步骤五。
5.如权利要求4所述的基于摄像头感知的车道宽度校验方法,其特征在于:步骤四中,
提出以下条件保证融合车道宽度鲁棒性;
条件1:为剔除前方车道线丢失,左右车道线长度差值应小于设定值;
条件2:为排除直道、弯道曲率异常,本车道左右车道线曲率值误差在设定值内;
条件3:判断本车是否处于单车道匝道,判断条件为是否存在左邻车道线lane_2与右邻车道线lane_3是否有效,若lane_2、lane_3均无效则判断为匝道;
上述任一条件不满足则判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,进入步骤五;都满足,返回车道宽度标志位为有效标志位,进入步骤五。
6.一种基于摄像头感知的车道宽度校验***,其特征在于:包括,
第一判断模块,用于接收当前帧摄像头车道线数据,用曲线方程表示各车道线,判断本车道左线lane_0与本车道右线lane_1曲线方程车道线系数是否符合预设条件,符合预设条件则进入第二判断模块,不符合,返回车道宽度标志位为无效标志位,则传给更新模块;
第二判断模块,用于通过计算本车道左线lane_0与本车道右线lane_1曲线方程车道线系数计算本车道宽度,判断当前帧车道宽度是否在设定合理范围之内;在设定合理范围内,则传给计算模块,不在设定合理范围内,返回车道宽度标志位为无效标志位,则传给更新模块;
计算模块,用于通过车道位置关系计算本车道左线至右路沿横向距离、本车道右线至左路沿横向距离,将本车道左线至右路沿横向距离与车辆所在车道的上一帧车道宽度比较,将本车道右线至左路沿横向距离与车辆所在车道的上一帧车道宽度比较,任一比较结果显示小于车辆所在车道的上一帧车道宽度,则验证通过,传给第三判断模块;否则,返回车道宽度标志位为无效标志位,则传给更新模块;
第三判断模块,用于拟定车道特定场景,确定车道特定场景数值化要求,当前帧车道线系数拟合计算属于车道特定场景但不满足车道特定场景数值化要求时,判定当前帧车道宽度无效,返回车道宽度标志位为无效标志位,否则,返回车道宽度标志位为有效标志位,则传给更新模块;
更新模块,用于接收到上述的当前帧车道宽度标志位,若标志位有效,则将当前计算车道宽度传入下游控制端,并使用当前帧车道宽度更新上一帧车道历史宽度;若标志位无效,则将上一帧车道历史宽度传入下游控制,上一帧车道历史宽度不做更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875977.8A CN113487901B (zh) | 2021-07-30 | 2021-07-30 | 基于摄像头感知的车道宽度校验方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875977.8A CN113487901B (zh) | 2021-07-30 | 2021-07-30 | 基于摄像头感知的车道宽度校验方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487901A CN113487901A (zh) | 2021-10-08 |
CN113487901B true CN113487901B (zh) | 2022-05-17 |
Family
ID=77945003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110875977.8A Active CN113487901B (zh) | 2021-07-30 | 2021-07-30 | 基于摄像头感知的车道宽度校验方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487901B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113879312B (zh) * | 2021-11-01 | 2023-02-28 | 无锡威孚高科技集团股份有限公司 | 基于多传感器融合的前向目标选择方法、装置和存储介质 |
CN117360521A (zh) * | 2023-12-08 | 2024-01-09 | 安徽中科星驰自动驾驶技术有限公司 | 一种自动驾驶车辆的环境感知方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107250840A (zh) * | 2015-02-04 | 2017-10-13 | 奥迪股份公司 | 用于求得机动车在路面上的横向位置信息的方法和机动车 |
CN109724600A (zh) * | 2017-10-30 | 2019-05-07 | 湖南中车时代电动汽车股份有限公司 | 一种用于智能驾驶车辆的局部轨迹容错方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012079118A (ja) * | 2010-10-01 | 2012-04-19 | Toyota Motor Corp | 走行支援装置及び方法 |
DE102013104256A1 (de) * | 2013-04-26 | 2014-10-30 | Conti Temic Microelectronic Gmbh | Verfahren und Vorrichtung zur Schätzung der Anzahl von Fahrspuren |
JP2017107299A (ja) * | 2015-12-07 | 2017-06-15 | 株式会社デンソー | ふらつき判定装置及びふらつき判定方法 |
CN105922991B (zh) * | 2016-05-27 | 2018-08-17 | 广州大学 | 基于生成虚拟车道线的车道偏离预警方法及*** |
CN105966398B (zh) * | 2016-06-21 | 2017-05-31 | 广州鹰瞰信息科技有限公司 | 一种对车辆偏离车道进行预警的方法和装置 |
JP6690510B2 (ja) * | 2016-11-24 | 2020-04-28 | トヨタ自動車株式会社 | 物体認識装置 |
DE102017212607A1 (de) * | 2017-07-21 | 2019-01-24 | Ford Global Technologies, Llc | Verfahren und Vorrichtung zur umgebungsbasierten Adaption von Fahrerassistenzsystem-Funktionen |
CN111383474B (zh) * | 2018-12-29 | 2022-01-25 | 毫末智行科技有限公司 | 自动驾驶车辆的决策***及方法 |
CN110097762B (zh) * | 2019-03-25 | 2020-10-09 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及*** |
US20210155158A1 (en) * | 2019-11-22 | 2021-05-27 | Telenav, Inc. | Navigation system with lane estimation mechanism and method of operation thereof |
CN111332298B (zh) * | 2020-02-19 | 2021-08-31 | 北京百度网讯科技有限公司 | 可行驶区域确定方法、装置、设备及存储介质 |
CN111524351A (zh) * | 2020-04-22 | 2020-08-11 | 东风汽车集团有限公司 | 一种匝道限速识别方法 |
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 |
CN112026767B (zh) * | 2020-08-27 | 2021-08-06 | 重庆长安汽车股份有限公司 | 自适应巡航对护栏误识别的处理方法、***及车辆 |
CN112009460B (zh) * | 2020-09-03 | 2022-03-25 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、设备及存储介质 |
CN112859838B (zh) * | 2020-12-31 | 2022-05-17 | 清华大学苏州汽车研究院(吴江) | 一种自动驾驶控制方法、装置、设备和介质 |
CN112927541B (zh) * | 2021-01-29 | 2022-09-06 | 重庆长安汽车股份有限公司 | 一种交通流轨迹生成方法、车辆和横向控制方法及*** |
-
2021
- 2021-07-30 CN CN202110875977.8A patent/CN113487901B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107250840A (zh) * | 2015-02-04 | 2017-10-13 | 奥迪股份公司 | 用于求得机动车在路面上的横向位置信息的方法和机动车 |
CN109724600A (zh) * | 2017-10-30 | 2019-05-07 | 湖南中车时代电动汽车股份有限公司 | 一种用于智能驾驶车辆的局部轨迹容错方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113487901A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113487901B (zh) | 基于摄像头感知的车道宽度校验方法及*** | |
US8085984B2 (en) | Image recognizing apparatus and method, and position determining apparatus, vehicle controlling apparatus and navigation apparatus using the image recognizing apparatus or method | |
CN111208839B (zh) | 一种实时感知信息与自动驾驶地图的融合方法及*** | |
CN108088456A (zh) | 一种具有时间一致性的无人驾驶车辆局部路径规划方法 | |
CN105374212B (zh) | 基于智能终端传感的高速公路车辆车道识别方法及*** | |
US20190023280A1 (en) | Method and device for environment-based adaptation of driver assistance functions | |
CN105512623A (zh) | 基于多传感器雾天行车视觉增强与能见度预警***及方法 | |
CN103308056A (zh) | 一种道路标线检测方法 | |
CN102616241A (zh) | 基于车道线模型检测方法和在线学习方法的车道偏离报警*** | |
CN112373474B (zh) | 车道线融合及横向控制方法、***、车辆及存储介质 | |
CN105184872A (zh) | 基于机器视觉的汽车保险费电子计价器 | |
CN114396958B (zh) | 基于多车道多传感器的车道定位方法、***及车辆 | |
CN112085843B (zh) | 一种隧道类目标特征实时提取及测量方法和装置 | |
CN115993597A (zh) | 一种视觉雷达感知融合方法及终端设备 | |
CN116721393A (zh) | 一种基于多模态融合的高速公路拥堵检测方法及*** | |
CN114643993B (zh) | 一种车道合并点计算***、方法、车辆及存储介质 | |
CN116503510A (zh) | 自动构建车道中心线的方法及*** | |
CN101145240A (zh) | 摄像机图像对道路场景多点高精度标定方法 | |
CN113155144B (zh) | 一种基于高精地图实时路况建模的自动驾驶方法 | |
CN111874003B (zh) | 一种车辆行驶偏离预警方法和*** | |
CN117292358A (zh) | 目标识别方法、装置、电子设备及计算机可读存储介质 | |
CN111959515A (zh) | 一种基于视觉检测的前向目标选择方法、装置及*** | |
CN111414857A (zh) | 一种基于视觉的多特征融合的前方车辆检测方法 | |
CN114926813B (zh) | 车道线融合方法、装置、设备及存储介质 | |
CN112130563B (zh) | 一种多目标筛选辅助驾驶控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |