CN114092909A - 一种车道线提取方法、装置、车辆及存储介质 - Google Patents

一种车道线提取方法、装置、车辆及存储介质 Download PDF

Info

Publication number
CN114092909A
CN114092909A CN202111385472.XA CN202111385472A CN114092909A CN 114092909 A CN114092909 A CN 114092909A CN 202111385472 A CN202111385472 A CN 202111385472A CN 114092909 A CN114092909 A CN 114092909A
Authority
CN
China
Prior art keywords
lane line
data
length
predicted
current
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.)
Pending
Application number
CN202111385472.XA
Other languages
English (en)
Inventor
陈丹丹
崔茂源
孙连明
厉健峰
谭明伟
姜云鹏
宋林桓
刘洋
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202111385472.XA priority Critical patent/CN114092909A/zh
Publication of CN114092909A publication Critical patent/CN114092909A/zh
Priority to EP22895015.0A priority patent/EP4345773A1/en
Priority to PCT/CN2022/133480 priority patent/WO2023088486A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车道线提取方法、装置、车辆及存储介质。该方法包括：获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；对所述目标车道线数据进行曲线拟合得到车道线。通过本发明的技术方案，能够基于高精地图提取车道线，解决传统的通过图像采集设备识别地面上的车道线的方法，受天气、地面光线反射和车道线磨损程度的约束，车道线识别准确度不高的问题，能够单独使用或与传统的车道线识别方法结合使用，实现减少车道线识别的约束条件、提高车道线的识别准确率的效果。

Description

一种车道线提取方法、装置、车辆及存储介质
技术领域
本发明实施例涉及车道线检测技术领域，尤其涉及一种车道线提取方法、装置、车辆及存储介质。
背景技术
随着人工智能技术的发展，自动驾驶技术得到快速发展。在自动驾驶领域车辆自动采集环境信息并根据环境信息自动行驶，车道线检测是自动驾驶车辆中必不可少的基础功能。
目前，基于机器视觉的车道线识别***主要是通过安装在车辆前方的摄像头等图像传感器采集前方道路图像，对图像进行车道线的识别和提取。在车道线识别的过程中，受天气、地面光线反射或者车道线磨损程度大等原因的影响，图像传感器所采集到的车道线图像出现车道线残缺的问题较为严重，从而验证影响了车道线识别的准确度。
发明内容
本发明实施例提供一种车道线提取方法、装置、车辆及存储介质，以实现能够基于高精地图提取车道线，解决传统的通过图像采集设备识别地面上的车道线的方法，受天气、地面光线反射和车道线磨损程度的约束，车道线识别准确度不高的问题，能够单独使用或与传统的车道线识别方法结合使用，减少车道线识别的约束条件、提高车道线的识别准确率。
第一方面，本发明实施例提供了一种车道线提取方法，包括：
获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；
基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；
对所述目标车道线数据进行曲线拟合得到车道线。
第二方面，本发明实施例还提供了一种车道线提取装置，该装置包括：
获取模块，用于获取车辆的当前位置点和高精地图数据，高精地图数据包括车道线数据和车辆的规划路径数据；
提取模块，用于基于所述当前位置点和所述规划路径数据，从所述高精地图数据的车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；
拟合模块，用于对所述目标车道线数据进行曲线拟合得到车道线。
第三方面，本发明实施例还提供了一种车辆，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的车道线提取方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的车道线提取方法。
本发明实施例通过获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；对所述目标车道线数据进行曲线拟合得到车道线，能够基于高精地图提取车道线，解决传统的通过图像采集设备识别地面上的车道线的方法，受天气、地面光线反射和车道线磨损程度的约束，车道线识别准确度不高的问题，能够单独使用或与传统的车道线识别方法结合使用，实现减少车道线识别的约束条件、提高车道线的识别准确率的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例一中的一种车道线提取方法的流程图；
图2是本发明实施例二中的一种车道线提取方法的流程图；
图3是本发明实施例三中的一种车道线提取装置的结构示意图；
图4是本发明实施例四中的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一
图1为本发明实施例一提供的一种车道线提取方法的流程图，本实施例可适用于基于高精地图提取车道线的情况，该方法可以由本发明实施例中的车道线提取装置来执行，该装置可采用软件和/或硬件的方式实现。
如图1所示，该方法具体包括如下步骤：
S110，获取车辆的当前位置点和高精地图数据，高精地图数据包括车道线数据和车辆的规划路径数据。
高精地图是指高精度、精细化定义的地图，其精度可达到分米级能够区分各个车道。精细化定义是指高精地图采用格式化的存储方式交通场景中的各种交通要素，也就是高精地图数据可以包括传统地图的道路网数据、车道网络数据、车道线数据以及交通标志等数据。在车辆在高精地图中基于车辆的当前位置点、车辆将要达到的目的地以及道路环境信息确定规划路径后，高精地图数据中还包括车辆的规划路径数据，用于表示高精地图中车辆的规划路径对应的车道。
需要说明的，在高精地图中，高精地图数据的格式化存储方式具体为：基于车道直行长度、分流、合并、曲率等变化情况，将车道线数据以图层的方式存储在高精地图中，并为每个图层中的车道分配车道标识号。
示例性的，将长度为1000米的直行车道的0-500米和500米-1000米车道数据，分别存储在车道标识号为R01和R02的车道图层中；将R02车道右侧长度为400米的右转车道存储在车道标识号为R03的车道图层中，将R02车道左侧长度为300米的左转车道存储在车道标识号为R04的车道图层中。高精地图中还存储有车道线图层，用于存储车道两侧的车道线数据。
其中，高精地图数据包括车道线数据和车辆的规划路径数据，车道线数据为车道的边界线上的边界点构成的序列，规划路径数据为车辆规划轨迹点构成的序列。车辆的当前位置点为车辆在高精地图中的二维位置坐标。具体的，可以采用现有的任意方法确定车辆当前位置点和规划路径，本发明对此不设限制。
S120，基于当前位置点和规划路径数据，从高精地图数据的车道线数据中提取车辆所在车道前方设定车道线长度内的目标车道线数据。
其中，目标车道线数据是从高精地图数据的车道线数据中所提取的设定车道线长度内的车道的边界线上的边界点构成的序列。
其中，设定车道线长度为每个周期时间内所要提取车道线的长度，可以根据道路的实际情况或用户的需求设定。
具体的，基于规划路径数据和当前位置点确定规划路径对应的车道图层，基于车道图层对应的车道标识号ID，获取车道线图层存储的车道线图层数据，从车道线图层数据中截取设定车道线长度的车道线数据作为目标车道线数据。
可选的，设定车道线长度根据以下至少一个条件确定：车辆的车速、道路曲率变化程度。
示例性的，在高速场景下，车速相对较快且道路曲率变化相对较小，需要拟合的车道线长度较大，因此设定车道线长度为第一车道线长度；在低速场景下，车速相对较慢且道路曲率变化相对较大，故拟合较短的车道线就能满足车辆控制的要求，不需要拟合太长的车道线而浪费算力，因此设设定车道线长度为第二车道线长度，第二车道线长度小于第一车道线长度。
S130，对目标车道线数据进行曲线拟合得到车道线。
具体的，目标车道线数据可以描述为一系列车辆坐标下的点构成的序列(x0,y0),(x1,y1),(x2,y2),....,(xn，yn)，其中，n为目标车道线数据中数据点的个数，n可以由目标车道线的长度和高精地图数据的采样频率所确定。可以采用任何现有的曲线拟合方法对目标车道线数据进行曲线拟合得到车道线，如调用曲线拟合函数或自定义曲线拟合算法，本发明实施例对此不设限制。
示例性的，采用三次曲线拟合方法，对目标车道线数据进行曲线拟合得到车道线，三次曲线拟合方程为y′＝C0+C1x+C2x2+C3x3，C0、C1、C2、C3均为拟合参数。将目标车道线数据的数据点依次代入次曲线拟合方程得到：
Figure BDA0003366870040000061
基于最小二乘法求该组拟合参数C0、C1、C2、C3，使Σ|yi-y′i|最小，(xi,yi)为目标车道线数据中的第i个数据点的坐标，y′i为yi对应的期望值。
本实施例的技术方案，通过获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；对所述目标车道线数据进行曲线拟合得到车道线，能够基于高精地图提取车道线，解决传统的通过图像采集设备识别地面上的车道线的方法，受天气、地面光线反射和车道线磨损程度的约束，车道线识别准确度不高的问题，能够单独使用或与传统的车道线识别方法结合使用，减少车道线识别的约束条件、提高车道线的识别准确率。
实施例二
图2为本发明实施例二中的一种车道线提取方法的流程图，本实施例以上述实施例为基础对步骤S120，基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据进行优化。
如图2所示，本实施例的方法具体包括如下步骤：
S210，获取车辆的当前位置点和高精地图数据，高精地图数据包括车道线数据和车辆的规划路径数据。
S220，从车道线数据中提取当前车道线图层数据，当前车道线图层数据是基于当前位置点和规划路径数据所确定的当前车道对应的车道线图层数据。
具体的，根据当前位置点和规划路径数据确定车辆所处的当前车道，基于当前车道ID从车道线数据中提取当前车道对应的当前车道线图层数据。
S230，将当前位置点与当前车道线图层数据中的终止位置点之间的距离确定为当前车道线长度。
其中，当前车道线图层数据对应的数据大小由高精地图的存储方式所确定，不同车道ID对应的车道线图层数据大小都可以不相同。与当前车道线图层数据中的终止位置点是指当前车道线图层数据中存储的当前车辆前进方向上距离当前位置点最远的一个位置点。
具体的，当前车道线图层数据为一系列位置点构成的序列，确定当前车道线图层数据的终止位置点，根据当前位置点和终止位置点之间的数据点数，以及高精地图中车道线图层数据的采样频率(单位，米/秒)，计算得到当前位置点和终止位置点之间的距离，将该距离确定为当前车道线长度。
S240，若当前车道线长度大于或等于设定车道线长度，则从当前车道线图层数据中获取长度为设定车道线长度的第一当前车道线数据，将第一当前车道线数据确定为目标车道线数据。
具体的，若当前车道线长度大于或等于设定车道线长度，从当前车道线图层数据中沿车辆前进方向获取长度为设定车道线长度的第一当前车道线数据，作为目标车道线数据。目标车道线数据用于确定目标车道线，即得到长度为设定车道线长度的目标车道线。
S250，若当前车道线长度小于设定车道线长度，则基于当前位置点和规划路径数据确定车辆的预测车道，判断预测车道对应的预测车道标识号是否为空，基于判断结果从车道线数据中获取目标车道线数据。
其中，预测车道是指车辆前方由规划路径所确定的车道。
具体的，若当前车道线长度小于设定车道线长度，说明当前车道线的长度不足够用于确定车道线，需要根据当前位置点和规划路径数据确定车辆在前进方向的预测车道，从预测车道中提取车道线，以使目标车道线数据的长度达到设定车道线长度。但是可能存在前方没有道路的情况，因此，对预测车道对应的预测车道标识号是否为空进行判断，根据判断结果进一步从车道线数据中获取目标车道线数据。
S260，对目标车道线数据进行曲线拟合得到车道线。
本实施例的技术方案，通过获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；对所述目标车道线数据进行曲线拟合得到车道线，能够基于高精地图提取车道线，解决传统的通过图像采集设备识别地面上的车道线的方法，受天气、地面光线反射和车道线磨损程度的约束，车道线识别准确度不高的问题，能够单独使用或与传统的车道线识别方法结合使用，实现减少车道线识别的约束条件、提高车道线的识别准确率的效果。
可选的，步骤S240，从所述当前车道线图层数据获取所述设定车道线长度对应的当前车道线数据，包括：
确定所述当前车道线图层数据中所述当前位置点对应的投影点，所述投影点为所述当前位置点投影到当前车道边界线上的边界点；
获取所述当前车道线图层数据中以所述投影点起，长度为所述设定车道线长度的当前车道边界线所包含的边界点；
将所述边界点构成的序列确定为所述第一当前车道线数据。
具体的，将车辆的当前位置点投影到车道线上，确定当前位置点在当前车道线图层数据中的投影点，以投影点为起点，截取当前车道线图层数据长度为设定车道线长度的车道边界线所包含的边界点，所有边界点构成的序列确定为第一当前车道线数据。
示例性的，若当前位置点的坐标为(x0，y0)，则当前车道线图层数据中当前位置点对应的投影点的坐标为(x1，y1)，且y0＝y1。若设定车道线长度为100米，则获取当前车道线图层数据中的边界点：(x1，y1)，(x2，y2)，……，(xm，ym)。(xm，ym)为第一当前车道线数据中的终点。若当前车道线图层数据的数据采样频率为fs，则(m-1)fs＝100米。
可选的，步骤S250：基于判断结果从所述车道线数据中获取所述目标车道线数据，包括：
步骤S251：若判断结果为所述预测车道标识号为空，则从所述当前车道线图层数据中获取长度为所述当前车道线长度的第二当前车道线数据，将所述第二当前车道线数据确定为所述目标车道线数据；
具体的，若预测车道标识号为空，表示当前车道的前方不存在预测道路，将当前车道线图层数据中获取以投影点为起点，长度为当前车道线长度的第二当前车道线数据，将第二当前车道线数据确定为目标车道线数据。
示例性的，若当前车道线图层数据为长度为100米的当前车道边界线上的边界点的位置坐标，当前位置点为当前车道线图层数据中的处于第45米处的数据点，则获取当前车道线图层数据中第45米至第100米的当前车道边界线的边界点的位置坐标构成的第二当前车道线数据，并将第二当前车道线数据确定为目标车道线数据。
S252：若判断结果为所述预测车道标识号不为空，则从所述车道线数据中提取所述预测车道对应的预测车道线图层数据；确定所述预测车道线图层数据对应的预测车道线长度。
其中，预测车道线图层数据是指存储于预测车道线图层中的数据，该数据为预测车道的边界线上的边界点的位置坐标。
具体的，若预测车道标识号不为空，表示当前车道的前方存在预测道路，则从车道线数据中提取预测车道线图层数据，确定预测车道线图层数据对应的预测车道线长度。所述预测车道线程度基于预测车道线图层数据的个数和预测车道线图层的数据采样频率所确定。
S253：判断所述预测车道线长度和所述当前车道线长度之和是否小于所述设定车道线长度；若否，则执行步骤S254，若是，则执行S255。
S254：从所述预测车道线图层数据中获取长度为第一长度的第一预测车道线数据，所述第一长度为所述设定车道线长度和所述当前车道线长度的长度差值，将所述第二当前车道线数据和所述第一预测车道线数据的集合确定为所述目标车道线数据，并结束判断过程。
示例性的，若预测车道线长度为150米，当前车道线长度为45米，设定车道线长度为100米，预测车道线长度和当前车道线长度之和大于或等于设定车道线长度，则确定设定车道线长度和当前车道线长度的长度差值为55米，从预测车道线图层数据中获取0-55米的预测车道线数据。将当前车道线数据和预测车道线数据合并得到，长度为100米的车道线对应的目标车道线数据。
S255：基于所述规划路径数据确定所述车辆的预备预测车道，从所述车道线数据中提取所述预备预测车道对应的预备预测车道线图层数据，确定所述预备预测车道线图层数据对应的预备预测车道线长度；将所述预测车道线长度和所述预备预测车道长度累加得到总预测车道线长度；将所述总预测车道线长度确定为所述预测车道线长度，直到所述总预测车道线长度和所述当前车道线长度之和大于所述设定车道线长度，执行步骤S256。
在一个具体的例子中，若预测车道线长度为10米，当前车道线长度为45米，设定车道线长度为100米，预测车道线长度和当前车道线长度之和小于设定车道线长度，则基于规划路径确定车辆的预备预测车道，获取预备预测车道线图层数据，确定车道线图层数据对应的预备预测车道线长度，若预备预测车道线长度为50米，将预测车道线长度和预备预测车道长度累加得到总预测车道线长度为55米，即预测车道线长度更新为55米。所述总预测车道线长度和所述当前车道线长度之和为105米，大于设定车道线长度100米，则执行步骤S254，从而长度为100米的车道线对应的目标车道线数据。
在另一个具体的例子中，若预测车道线长度为10米，当前车道线长度为45米，设定车道线长度为100米，预测车道线长度和当前车道线长度之和小于设定车道线长度，则基于规划路径确定车辆的第一预备预测车道，获取第一预备预测车道线图层数据，确定车道线图层数据对应的第一预备预测车道线长度，若第一预备预测车道线长度为30米，将预测车道线长度和第一预备预测车道长度累加得到总预测车道线长度为55米。判断预测车道线长度和所述当前车道线长度之和为85米，则再次执行步骤S255：基于规划路径确定车辆的第二预备预测车道，获取第二预备预测车道线图层数据，确定车道线图层数据对应的第二预备预测车道线长度，若第二预备预测车道线长度为40米，将预测车道线长度和第二预备预测车道长度累加得到总预测车道线长度为85米，所述总预测车道线长度和所述当前车道线长度之和为125米，大于设定车道线长度100米。
步骤S256：从所述预测车道线图层数据中获取长度为所述预测车道线长度的第二预测车道线数据；从所述预备预测车道线图层数据中获取第二长度的预备预测车道线数据；所述第二长度为所述设定车道线长度减去所述当前车道线长度和所述第二预测车道线长度的长度差值；将所述第二当前车道线数据、所述第二预测车道线数据和所述预备预测车道线数据的集合确定为所述目标车道线数据。
示例性的，在上述例子中，若当前车道线长度为45米，预测车道线长度为10米，第一预备预测车道线长度为30米，第二预备预测车道线长度为40米，设定车道线长度为100米，则从所述预测车道线图层数据中获取长度为10米的第二预测车道线数据；从所述第一预备预测车道线图层数据中获取长度为30米的第一预备预测车道线数据；从所述第二预备预测车道线图层数据中获取长度为15米的第二预备预测车道线数据。将所述第二当前车道线数据、所述预测车道线数据和所述预备预测车道线数据的集合确定为目标车道线数据。
可选的，在从所述车道线数据中提取所述预备预测车道对应的预备预测车道线图层数据之前，还包括：
若所述预备预测车道对应的车道标识号为空，则从所述预测车道线图层数据中获取长度为所述预测车道线长度的预测车道线数据；
将所述第二当前车道线数据和所述预测车道线数据的集合确定为所述目标车道线数据。
示例性的，在上述例子中，若当前车道线长度为45米，预测车道线长度为10米，第一预备预测车道线长度为30米，设定车道线长度为100米，第二预备预测车道对应的车道标识号为空，则从当前车道线图层数据中获取长度为45米的第二当前车道线数据，从预测车道线图层数据中获取长度为10米的第二预测车道线数据；从第一预备预测车道线图层数据中获取长度为30米的第一预备预测车道线数据。将第二当前车道线数据、预测车道线数据和第一预备预测车道线数据的集合确定为长度为85米的目标车道线数据。
实施例三
图3为本发明实施例三提供的一种车道线提取装置的结构示意图。本实施例可适用于基于高精地图提取车道线的情况，该装置可采用软件和/或硬件的方式实现，该装置可集成在车辆中，如图3所示，所述车道线提取装置具体包括：获取模块310、提取模块320和拟合模块330。
其中，获取模块310，用于获取车辆的当前位置点和高精地图数据，高精地图数据包括车道线数据和车辆的规划路径数据；
提取模块320，用于基于所述当前位置点和所述规划路径数据，从所述高精地图数据的车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；
拟合模块330，用于对所述目标车道线数据进行曲线拟合得到车道线。
可选的，所述提取模块320，包括：
提取单元，用于从所述车道线数据中提取当前车道线图层数据，所述当前车道线图层数据是基于所述当前位置点和所述规划路径数据所确定的当前车道对应的车道线图层数据；
第一确定单元，用于将所述当前位置点与所述当前车道线图层数据中的终止位置点之间的距离确定为当前车道线长度；
第二确定单元，用于若所述当前车道线长度大于或等于所述设定车道线长度，则从所述当前车道线图层数据中获取长度为所述设定车道线长度的第一当前车道线数据，将所述第一当前车道线数据确定为所述目标车道线数据；
获取单元，用于若所述当前车道线长度小于所述设定车道线长度，则基于所述当前位置点和所述规划路径数据确定所述车辆的预测车道，判断所述预测车道对应的预测车道标识号是否为空，基于判断结果从所述车道线数据中获取所述目标车道线数据。
可选的，所述第二确定单元，具体用于：
确定所述当前车道线图层数据中所述当前位置点对应的投影点，所述投影点为所述当前位置点投影到当前车道边界线上的边界点；
获取所述当前车道线图层数据中以所述投影点起，长度为所述设定车道线长度的当前车道边界线所包含的边界点；
将所述边界点构成的序列确定为所述第一当前车道线数据。
可选的，所述获取单元，包括：
确定子单元，用于若判断结果为所述预测车道标识号为空，则从所述当前车道线图层数据中获取长度为所述当前车道线长度的第二当前车道线数据，将所述第二当前车道线数据确定为所述目标车道线数据；
获取子单元，用于若判断结果为所述预测车道标识号不为空，则从所述车道线数据中提取所述预测车道对应的预测车道线图层数据；确定所述预测车道线图层数据对应的预测车道线长度，基于所述预测车道线长度和所述当前车道线长度从所述预测车道线图层数据中获取所述目标车道线数据。
可选的，所述获取子单元，具体用于：
判断所述预测车道线长度和所述当前车道线长度之和是否小于所述设定车道线长度；
若所述预测车道线长度和所述当前车道线长度之和大于或等于所述设定车道线长度，则从所述预测车道线图层数据中获取长度为第一长度的第一预测车道线数据，所述第一长度为所述设定车道线长度和所述当前车道线长度的长度差值；
将所述第二当前车道线数据和所述第一预测车道线数据的集合确定为所述目标车道线数据。
可选的，所述获取子单元，还用于：
若所述预测车道线长度和所述当前车道线长度之和小于所述设定车道线长度，则重复执行以下步骤：
基于所述规划路径数据确定所述车辆的预备预测车道，从所述车道线数据中提取所述预备预测车道对应的预备预测车道线图层数据，确定所述预备预测车道线图层数据对应的预备预测车道线长度；
将所述预测车道线长度和所述预备预测车道长度累加得到总预测车道线长度；
直到所述总预测车道线长度和所述当前车道线长度之和大于所述设定车道线长度；
从所述预测车道线图层数据中获取长度为所述预测车道线长度的第二预测车道线数据；从所述预备预测车道线图层数据中获取长度为第二长度的预备预测车道线数据；所述第二长度为所述设定车道线长度减去所述当前车道线长度和所述第二预测车道线长度的长度差值；
将所述第二当前车道线数据、所述第二预测车道线数据和所述预备预测车道线数据的集合确定为所述目标车道线数据。
可选的，所述获取子单元，还用于：
若所述预备预测车道对应的车道标识号为空，则从所述预测车道线图层数据中获取长度为所述预测车道线长度的第二预测车道线数据；
将所述第二当前车道线数据和所述第二预测车道线数据的集合确定为所述目标车道线数据。
可选的，所述设定车道线长度根据以下至少一个条件确定：车辆的车速、道路曲率变化程度。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种车辆的结构框图，如图4所示，该车辆包括处理器410、存储器420、输入装置430和输出装置440；车辆中处理器410的数量可以是一个或多个，图4中以一个处理器410为例；车辆中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器420作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的车道线提取方法对应的程序指令/模块(例如，车道线提取装置中的获取模块310、提取模块320和拟合模块330)。处理器410通过运行存储在存储器420中的软件程序、指令以及模块，从而执行车辆的各种功能应用以及数据处理，即实现上述的车道线提取方法。
存储器420可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器420可进一步包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至车辆。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与车辆的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请所有发明实施例提供的车道线提取方法：获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；对所述目标车道线数据进行曲线拟合得到车道线。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种车道线提取方法，其特征在于，包括：
获取车辆的当前位置点和高精地图数据，所述高精地图数据包括车道线数据和车辆的规划路径数据；
基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；
对所述目标车道线数据进行曲线拟合得到车道线。
2.根据权利要求1所述的方法，其特征在于，所述基于所述当前位置点和所述规划路径数据，从所述车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据，包括：
从所述车道线数据中提取当前车道线图层数据，所述当前车道线图层数据是基于所述当前位置点和所述规划路径数据所确定的当前车道对应的车道线图层数据；
将所述当前位置点与所述当前车道线图层数据中的终止位置点之间的距离确定为当前车道线长度；
若所述当前车道线长度大于或等于所述设定车道线长度，则从所述当前车道线图层数据中获取长度为所述设定车道线长度的第一当前车道线数据，将所述第一当前车道线数据确定为所述目标车道线数据；
若所述当前车道线长度小于所述设定车道线长度，则基于所述当前位置点和所述规划路径数据确定所述车辆的预测车道，判断所述预测车道对应的预测车道标识号是否为空，基于判断结果从所述车道线数据中获取所述目标车道线数据。
3.根据权利要求2所述的方法，其特征在于，从所述当前车道线图层数据获取所述设定车道线长度对应的当前车道线数据，包括：
确定所述当前车道线图层数据中所述当前位置点对应的投影点，所述投影点为所述当前位置点投影到当前车道边界线上的边界点；
获取所述当前车道线图层数据中以所述投影点起，长度为所述设定车道线长度的当前车道边界线所包含的边界点；
将所述边界点构成的序列确定为所述第一当前车道线数据。
4.根据权利要求2所述的方法，其特征在于，基于判断结果从所述车道线数据中获取所述目标车道线数据，包括：
若判断结果为所述预测车道标识号为空，则从所述当前车道线图层数据中获取长度为所述当前车道线长度的第二当前车道线数据，将所述第二当前车道线数据确定为所述目标车道线数据；
若判断结果为所述预测车道标识号不为空，则从所述车道线数据中提取所述预测车道对应的预测车道线图层数据；确定所述预测车道线图层数据对应的预测车道线长度，基于所述预测车道线长度和所述当前车道线长度从所述预测车道线图层数据中获取所述目标车道线数据。
5.根据权利要求4所述的方法，其特征在于，基于所述预测车道线长度和所述当前车道线长度从所述预测车道线图层数据中获取所述目标车道线数据，包括：
判断所述预测车道线长度和所述当前车道线长度之和是否小于所述设定车道线长度；
若所述预测车道线长度和所述当前车道线长度之和大于或等于所述设定车道线长度，则从所述预测车道线图层数据中获取长度为第一长度的第一预测车道线数据，所述第一长度为所述设定车道线长度和所述当前车道线长度的长度差值；
将所述第二当前车道线数据和所述第一预测车道线数据的集合确定为所述目标车道线数据。
6.根据权利要求5所述的方法，其特征在于，若所述预测车道线长度和所述当前车道线长度之和小于所述设定车道线长度，则重复执行以下步骤：
基于所述规划路径数据确定所述车辆的预备预测车道，从所述车道线数据中提取所述预备预测车道对应的预备预测车道线图层数据，确定所述预备预测车道线图层数据对应的预备预测车道线长度；
将所述预测车道线长度和所述预备预测车道长度累加得到总预测车道线长度；
直到所述总预测车道线长度和所述当前车道线长度之和大于所述设定车道线长度；
从所述预测车道线图层数据中获取长度为所述预测车道线长度的第二预测车道线数据；从所述预备预测车道线图层数据中获取长度为第二长度的预备预测车道线数据；所述第二长度为所述设定车道线长度减去所述当前车道线长度和所述第二预测车道线长度的长度差值；
将所述第二当前车道线数据、所述第二预测车道线数据和所述预备预测车道线数据的集合确定为所述目标车道线数据。
7.根据权利要求6所述的方法，其特征在于，在从所述车道线数据中提取所述预备预测车道对应的预备预测车道线图层数据之前，还包括：
若所述预备预测车道对应的车道标识号为空，则从所述预测车道线图层数据中获取长度为所述预测车道线长度的第二预测车道线数据；
将所述第二当前车道线数据和所述第二预测车道线数据的集合确定为所述目标车道线数据。
8.根据权利要求1-7任一所述的方法，其特征在于，所述设定车道线长度根据以下至少一个条件确定：车辆的车速、道路曲率变化程度。
9.一种车道线提取装置，其特征在于，包括：
获取模块，用于获取车辆的当前位置点和高精地图数据，高精地图数据包括车道线数据和车辆的规划路径数据；
提取模块，用于基于所述当前位置点和所述规划路径数据，从所述高精地图数据的车道线数据中提取所述车辆所在车道前方设定车道线长度内的目标车道线数据；
拟合模块，用于对所述目标车道线数据进行曲线拟合得到车道线。
10.一种车辆，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1-8中任一所述的车道线提取方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的车道线提取方法。
CN202111385472.XA 2021-11-22 2021-11-22 一种车道线提取方法、装置、车辆及存储介质 Pending CN114092909A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111385472.XA CN114092909A (zh) 2021-11-22 2021-11-22 一种车道线提取方法、装置、车辆及存储介质
EP22895015.0A EP4345773A1 (en) 2021-11-22 2022-11-22 Lane line extraction method and apparatus, vehicle and storage medium
PCT/CN2022/133480 WO2023088486A1 (zh) 2021-11-22 2022-11-22 车道线提取方法、装置、车辆及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111385472.XA CN114092909A (zh) 2021-11-22 2021-11-22 一种车道线提取方法、装置、车辆及存储介质

Publications (1)

Publication Number Publication Date
CN114092909A true CN114092909A (zh) 2022-02-25

Family

ID=80302680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111385472.XA Pending CN114092909A (zh) 2021-11-22 2021-11-22 一种车道线提取方法、装置、车辆及存储介质

Country Status (3)

Country Link
EP (1) EP4345773A1 (zh)
CN (1) CN114092909A (zh)
WO (1) WO2023088486A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023088486A1 (zh) * 2021-11-22 2023-05-25 中国第一汽车股份有限公司 车道线提取方法、装置、车辆及存储介质
CN116793369A (zh) * 2023-02-10 2023-09-22 北京斯年智驾科技有限公司 路径规划方法、装置、设备及计算机可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108007471B (zh) * 2016-10-28 2021-06-29 北京四维图新科技股份有限公司 车辆引导区块获取方法和装置以及自动驾驶方法和***
US10628671B2 (en) * 2017-11-01 2020-04-21 Here Global B.V. Road modeling from overhead imagery
CN111815742A (zh) * 2020-09-14 2020-10-23 蘑菇车联信息科技有限公司 一种车道线生成方法及***
CN114092909A (zh) * 2021-11-22 2022-02-25 中国第一汽车股份有限公司 一种车道线提取方法、装置、车辆及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023088486A1 (zh) * 2021-11-22 2023-05-25 中国第一汽车股份有限公司 车道线提取方法、装置、车辆及存储介质
CN116793369A (zh) * 2023-02-10 2023-09-22 北京斯年智驾科技有限公司 路径规划方法、装置、设备及计算机可读存储介质
CN116793369B (zh) * 2023-02-10 2024-03-08 北京斯年智驾科技有限公司 路径规划方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
EP4345773A1 (en) 2024-04-03
WO2023088486A1 (zh) 2023-05-25

Similar Documents

Publication Publication Date Title
EP4152204A1 (en) Lane line detection method, and related apparatus
WO2023088486A1 (zh) 车道线提取方法、装置、车辆及存储介质
US20210148711A1 (en) Map updating method and apparatus, and storage medium
WO2022021982A1 (zh) 可行驶区域判定的方法、智能驾驶***和智能汽车
CN115540896A (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN115273039B (zh) 一种基于摄像头的小障碍物探测方法
CN114612616A (zh) 建图方法、装置、电子设备和存储介质
CN113989777A (zh) 高精地图限速标牌与车道位置的识别方法、装置和设备
CN115424245A (zh) 车位识别方法、电子设备和存储介质
CN115761702A (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN114550116A (zh) 一种对象识别方法和装置
CN113887391A (zh) 用于识别路面标识的方法、装置以及自动驾驶车辆
CN113722342A (zh) 高精地图要素变更检测方法、装置、设备及自动驾驶车辆
US20230358547A1 (en) Map matching method and apparatus, electronic device and storage medium
CN116007638B (zh) 车辆轨迹地图匹配方法、装置、电子设备及车辆
CN115995075A (zh) 一种车辆自适应导航方法、装置、电子设备及存储介质
CN114998863A (zh) 目标道路识别方法、装置、电子设备以及存储介质
CN114495049A (zh) 识别车道线的方法和装置
CN112069899A (zh) 一种路肩检测方法、装置及存储介质
CN117708261B (zh) 地图数据处理方法、装置、设备、存储介质及程序产品
CN113997955B (zh) 轨迹预测方法、装置、电子设备以及存储介质
JP7476290B2 (ja) 道路情報更新方法、装置、電子機器、記録媒体及びコンピュータプログラム
CN116168366B (zh) 点云数据生成方法、模型训练方法、目标检测方法和装置
KR20220119167A (ko) 차량의 차선 이탈 식별 방법 및 장치，전자 기기, 및 저장매체
CN116878487B (zh) 一种用于建立自动驾驶地图的方法、装置、车辆和服务器

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