CN114413927B - 车道线拟合方法、电子设备及存储介质 - Google Patents
车道线拟合方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114413927B CN114413927B CN202210065537.0A CN202210065537A CN114413927B CN 114413927 B CN114413927 B CN 114413927B CN 202210065537 A CN202210065537 A CN 202210065537A CN 114413927 B CN114413927 B CN 114413927B
- Authority
- CN
- China
- Prior art keywords
- lane line
- evaluation
- original
- thinning
- points
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 115
- 238000009417 prefabrication Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 52
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本申请是关于一种车道线拟合方法、电子设备及存储介质。该方法包括:获取车道线的原始点集合和抽稀点集合,所述抽稀点集合由所述车道线的原始点集合抽稀得到;按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,所述评价函数中将所述原始点集合中的原始点和所述抽稀点集合中的抽稀点作为输入值;对所述车道线的原始点集合离散化处理,得到包含离散数据的第二集合;根据所述评价函数以及评价权值对所述第二集合中的离散数据优化处理,得到目标车道线。本申请提供的车道线拟合方法、电子设备及存储介质,以在保证较高车道线拟合精度的同时降低了拟合难度和拟合时间,节约效率。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种车道线拟合方法、电子设备及存储介质。
背景技术
随着人工智能、自动驾驶等技术的发展,车路一体化技术也越来越成熟,在复杂的道路场景中,高精地图的导航精度以及车道路径规划直接影响自动驾驶的智能性和安全性。准确的检测出路面的车道线并将其以数据形式保存至高精地图中,是实现自动驾驶的基础,也是导航中获得高精度地图的基础。高精地图中为了便于大量数据的存储和导航时能够快速调用,一般会通过抽帧等方式简化道路中的点进行拟合。但是,通过此种方式拟合得到的车道线精度较低,不利于高精地图的导航。
发明内容
为解决或部分解决相关技术中存在的问题,本申请提供一种车道线拟合方法、电子设备及存储介质,以在保证较高车道线拟合精度的同时降低了拟合难度和拟合时间,节约效率
本申请第一方面提供一种车道线拟合方法,包括:
获取车道线的原始点集合和抽稀点集合,所述抽稀点集合由所述车道线的原始点集合抽稀得到;
按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,所述评价函数中将所述原始点集合中的原始点和所述抽稀点集合中的抽稀点作为输入值;
对所述车道线的原始点集合离散化处理,得到包含离散数据的第二集合;
根据所述评价函数以及评价权值对所述第二集合中的离散数据优化处理,得到目标车道线。
在一种实施方式中,所述按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,所述评价函数中将所述原始点集合中的原始点和所述抽稀点集合中的抽稀点作为输入值,包括:
建立关于所述车道线单一维度的评价函数;
获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到包含所有评价值的集合;
对所述集合中的评价值求权值,得到包含评价权值的第一集合。
在一种实施方式中,所述获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到包含所有评价值的集合,包括:
所述获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到所有输出值后,对所述所有输出值归一化处理,得到包含所有评价值在0-1之间的集合。
在一种实施方式中,所述对所述集合中的评价值求权值,得到包含评价权值的第一集合,包括:
获取包含所有评价值的集合;
对所述集合中所有评价值多维度的求权值,得到包含多维度评价权值的第一集合。
在一种实施方式中,所述对所述车道线的原始点集合离散化处理,得到包含离散数据的第二集合,包括:
获取所述原始点集合,所述原始点集合中的原始点数量为m;
在任意两个原始点之间***至少一个点,得到数量为k的离散数据的第二集合,k>m。
在一种实施方式中,所述按照预制手段利用车道线的评价函数得到包含评价权值的第一集合后,所述方法包括:
对所述原始点集合中的原始点离散化处理,得到包含离散数据的第二集合;
根据所述评价值和评价权值得到最优化函数方程:
Max g=sum(alpha[i]*f[i](line,line_tmp(x))),其中,line为车道线的原始点,line_tmp为第二集合的离散数据,X为选择向量,alpha[i]为第i个评价权值,f[i]为第i个评价函数;
利用所述最优化函数方程对所述第二集合中的离散数据计算,得到多个目标点;
对所述多个目标点进行拟合处理,得到所述目标车道线。
在一种实施方式中,所述利用所述最优化函数方程对所述第二集合中的离散数据计算,得到多个目标点,包括:
基于智能算法选取得到所述多个目标点。
在一种实施方式中,所述获取车道线的原始点集合和抽稀点集合,所述抽稀点集合经由车道线原始点集合抽稀得到,包括:
获取至少包含一条车道线的原始数据;
对所述原始数据处理,得到包含所有车道线的原始点;
对所述所有车道线的原始点进行识别,选取一条车道线中的原始点作为所述原始点集合;
对所述原始点集合进行抽稀,得到抽稀点集合。
本申请第二方面提供一种电子设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
本申请第三方面提供一种存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果:
本申请实施例提供的车道线拟合方法、电子设备及存储介质,利用车道线抽稀后的抽稀点集合以及原始点集合作为评价函数的输入值,并且通过评价函数得到车道线多维度的评价权值,进而将抽稀问题转换为利用评价计算的方法得到最优选的车道线的问题。利用此种方式能够有效的选取对车道线拟合效果更好的原始点作为简化后的点,通过计算优化选取的点精度更高,最终得到的车道线与原始车道线也更为接近。从而实现了在减少车道线数据量以便于存储、拟合的同时,所得到的简化后的车道线数据拟合后的车道线与原车道线更为接近,提高获得的车道线的精度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述,本申请的上述以及其它目的、特征和优势将变得更加明显,其中,在本申请示例性实施方式中,相同的参考标号通常代表相同部件。
图1是本申请实施例示出的车道线拟合方法第一流程示意图;
图2是本申请实施例示出的车道线拟合方法第二流程示意图;
图3是本申请实施例示出的车道线拟合方法第三流程示意图;
图4是本申请实施例示出的电子设备的简单结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式,然而应该理解,可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本申请更加透彻和完整,并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
相关技术中,通过采集道路上的车道线信息能够用于自动识别路线为自动驾驶提供车道路径,或者也能够用于制作高精地图服务于自动驾驶。以将采集的车道线应用于制作高精地图为例,高精地图中需要存储大量的车道线数据,所以对于所采集的车道线来说,不仅要有较高的精度要求以适用于高精地图,而且所采集的车道线数据越简化对高精地图的使用性能更好。
在通过对获取的车道线数据拟合获得高精地图中的车道线过程中,容易出现一些杂点或误识别的点,严重影响了车道线的拟合精度。且现有的车道线拟合方式中,通常是基于图像在不同坐标中转换、拟合得到车道线,会产生计算量庞大、拟合时间较久以及杂点滤除效果较差等问题,不利于车道线拟合的效果。
针对上述问题,本申请提供了一种车道线拟合方法,以在保证较高车道线拟合精度的同时降低了拟合难度和拟合时间,节约效率。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的车道线拟合方法的第一流程示意图。
参见图1,该方法包括:
S101、获取车道线的原始点集合和抽稀点集合,抽稀点集合由车道线的原始点集合抽稀得到。
S102、按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,评价函数中将原始点集合中的原始点和抽稀点集合中的抽稀点作为输入值。
S103、对车道线的原始点集合离散化处理,得到包含离散数据的第二集合。
S104、根据评价函数以及评价权值对第二集合中的离散数据优化处理,得到目标车道线。
本申请实施例中,可以通过采集车对道路上的包含车道线的路面进行信息采集,采集车上设有用于采集道路的采集装置,该采集装置可以为设置于采集车上的激光雷达或摄像头,在此不做具体限定。
根据所采集到的包含车道线数据,利用抽稀的处理手段将原有的车道线数据量减少,我们知道,抽稀后的车道线数据与抽稀前的车道线数据相比,数据量减少虽然有利于能够快速的拟合得到车道线,但是抽稀的车道线数据随着数据量的减少、以及抽稀时可能得到的抽稀精度不高,而造成抽稀后拟合的车道线精度较低,往往所得到地图中的车道线与原始车道线会存在偏差。
在本方案中,利用车道线抽稀后的抽稀点集合以及原始点集合作为评价函数的输入值,并且通过评价函数得到车道线多维度的评价权值,利用评价对离散后的车道线点进行优化,从而将抽稀问题转换为利用评价计算的方法得到最优选的车道线问题。利用此种方式能够有效的选取对车道线拟合效果更好的原始点作为抽稀点,通过计算优化选取的抽稀点精度更高,最终得到的车道线与原始车道线也更为接近。从而实现了在减少车道线数据量以便于存储、拟合的同时,所得到的简化后的车道线数据拟合后的车道线与原车道线更为接近,提高获得的车道线的精度。
获取车道线的原始点集合和抽稀点集合,抽稀点集合由车道线的原始点集合抽稀得到,参见图2,包括:
S1011、获取至少包含一条车道线的原始数据。
在该步骤,所获取的至少包含一条车道线的原始数据,可以为通过采集车上的激光雷达和/或摄像头以在道路行驶的过程中进行数据采集,以得到包含至少一条车道线的图像信息。以通过激光雷达采集车道线为例,采集车在道路上行驶,激光雷达对行驶过程中的道路进行数据采集,将采集的数据截取一段时间的数据作为原始图像信息,在该原始图像信息中,我们可以知道的是,该原始图像信息为多个点云组成的三维空间上的点云图,需要将点云图利用如坐标系转换等手段转换为由多个像素组成的二维图像,最终作为原始数据,在此不做详细说明。
S1012、对原始数据处理,得到包含所有车道线的原始点。
在该步骤中,将上述中包含至少一条车道线的原始数据利用语义分割进行处理,使得分割处理后的各个像素标记有相应类别的类别信息,例如,类别可以包含车道线、边沿等。选取所有类别标记为车道线的像素为车道线的原始点。
可以理解的是,在对原始数据进行语义分割时,为了避免分割所得到的像素存在误识别而导致类别信息标记失误的情况,而影响所选取的车道线原始点的精度降低,进而导致最终抽稀后拟合的车道线的精度降低的情况,在对原始数据语义分割并进行类别信息的标注时,可以通过增加对所需类别的边缘位置的像素进行进一步处理,以保证所选取的类别为车道线的像素精度更高,降低出现误识别、错识别的情况。可选的,通过增加对所需类别的边缘位置的像素进行进一步处理的具体方式可以有多种,在此不做详细说明。
S1013、对所有车道线的原始点进行识别,选取一条车道线中的原始点作为原始点集合。
当所获取的车道线的原始点中实际包括多条车道线或打断的多个车道线线段时,通过对所有车道线原始点的识别。例如可以通过对车道线的原始点中相邻像素点之间的距离进行判断,当相邻像素点之间的距离大于预设距离,则判断对应的像素点以及后面的其他像素点为新的一条车道线,直至出现另一大于预设距离的像素点,作为另一条车道线。可以理解的是,对于所设置的预设距离,可以为沿车道线延伸方向根据打断车道线的最小距离所做的设置,也可以为沿垂直于车道线延伸方向根据相邻车道线之间的距离所做的设置,在此不做具体限定。
S1014、对原始点集合进行抽稀,得到抽稀点集合。
利用抽稀的方式对一条车道线的原始点集合中的像素进行处理,以将原始点集合中点简化,得到数量更少的点作为车道线的点,从而得到包含多个抽稀点的抽稀点集合。
通过上述中的方式能够得到一条车道线的原始点集合和抽稀点集合,在此不做具体限定。后续中以该条车道线的原始点集合和抽稀点集合对车道线拟合方法进行详细说明。
按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,评价函数中将原始点集合中的原始点和抽稀点集合中的抽稀点作为输入值,参见图3,包括:
S1021、建立关于车道线单一维度的评价函数。
S1022、获取原始点以及对应的抽稀点作为评价函数的输入值,得到包含所有评价值的集合。
S1023、对集合中的评价值求权值,得到包含评价权值的第一集合。
在上述步骤中,例如可以通过均方根误差、平均绝对误差等计算公式形成单一维度的评价函数,该评价函数可以为一个原有的数据模型,只不过其输入值为原始点集合中的原始点和抽稀集合中的抽稀点,得到包含所有评价值的集合,以用于评价抽稀的效果。例如,评价抽稀效果的单一维度可以包括抽稀率、抽稀的精度等,在此不做具体限定。
可以理解的是,对于作为输入值的原始点和抽稀点,可以将原始点进行分组,每一组中包括至少一个相邻的原始点,每个抽稀点对应一个原始点的组,以据此对每个抽稀点进行评价,在此不做具体限定。
可选的,获取原始点以及对应的抽稀点作为评价函数的输入值,得到所有输出值后,对所有输出值归一化处理,得到包含所有评价值在0-1之间的集合。在通过上述方式将原始点和抽稀点作为输入值输入评价函数时,通过将所有评价值进行归一化处理的方式,使得所有的评价值为不大于1的值,且评价值在该范围内越接近1的,代表其评价越高。而对于所采用的归一化处理方式可以选用多种不同的方式,在此不做赘述。
在通过上述方式得到包含所有评价值的集合后,取所有的评价值,对其进行求权值,得到评价权值。可以理解的是,对集合中所有评价值进行多维度的求权值,得到包含多维度评价权值的第一集合,多维度可以包括精度以及抽稀率。即分别对不同的单一维度的评价值的集合进行求权值,将每个维度得到的评价权值包含在第一集合中。
可以理解的是,可以采用层次分析法、模糊综合评价法等方式进行求评价权值,在此不做具体限定。从而得到权重向量alpha,alpha维度是n,alpha[i]代表第i个评价函数权重,0<=i<n,根据权重定义,则有sum(alpha[i])=1,i=0,1,2...n。
对车道线的原始点集合离散化处理,得到包含离散数据的第二集合。包括:
S1031、获取原始点集合,原始点集合中的原始点数量为m。
S1032、在任意两个原始点之间***至少一个点,得到数量为k的离散数据的第二集合,k>m。
在上述步骤中,对所选取的车道线进行离散化处理,即基于所选取的车道线的所有原始点,数量为m,按照预设的方式进行离散化,该预设的方式例如可以为在任意相邻的两个原始点之间等间距***一个或多个的点,得到数量为k的离散数据的集合,并对各离散数据进行编码。可以理解的是,进行离散化处理的预设方式也可以为其他实现的方式,在此不做具体限定。
根据评价函数以及评价权值对第二集合中的离散数据优化处理,得到目标车道线。以评价权值为精度为例,将第二集合的离散数据按精度编码。
根据评价值和评价权值得到最优化函数方程:
Max g=sum(alpha[i]*f[i](line,line_tmp(x))),其中,line为车道线的原始点,line_tmp为第二集合的离散数据,X为选择向量,alpha[i]为第i个评价权值,f[i]为第i个评价函数。
上述中,X[i]in{0,1},f[i](line,line_tmp(x)即为将第i个原始点和抽稀点作为输入值而建立的评价函数,得到输出值为评价值。X为选择向量,X的向量维度为k,X[i]in{0,1}当X[i]取0代表此点不选择,X[i]取1代表此点选择。根据所建立的最优化函数方程,对每个离散数据进行带入计算。
可以理解的是,在利用最优化函数方程对第二集合中的离散数据计算以得到目标车道线时,由于方程中所含变量较多,可以利用遗传算法、蚁群算法等智能算法求近似解,得到多个目标点。再将所选取的所有离散数据(多个目标点)进行拟合处理,最终得到精度较高的目标车道线。此种方式获得的高精地图中的车道线,其保存的数据(即目标点)与原车道线的点相比更少,有利于保存和调用,并且,拟合得到的车道线精度更高。
与将车道线直接抽稀而获得简化的车道线点数据相比,本申请的方案通过获取的车道线的评价值和评价函数,并根据建立的函数方程对离散后的点进行计算筛选而获得简化的车道线点,此种方式能够弥补抽稀精度较低的问题,在保证简化后的车道线数据的同时,提高简化后点的进度,有利于高精度地图中存储的车道线的精度,且便于调用存储。
本申请还提供了一种电子设备,参见图4,电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元(CektralProcessikgUkit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Sigkal Processor,DSP)、专用集成电路(Applicatiok Specific Iktegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元,例如***内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器1010可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器1010可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、mik SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码,当可执行代码被处理器1020处理时,可以使处理器1020执行上文述及的方法中的部分或全部。
此外,根据本申请的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者,本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时,使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种车道线拟合方法,其特征在于,包括:
获取车道线的原始点集合和抽稀点集合,所述抽稀点集合由所述车道线的原始点集合抽稀得到;
按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,所述评价函数中将所述原始点集合中的原始点和所述抽稀点集合中的抽稀点作为输入值;
对所述车道线的原始点集合离散化处理,得到包含离散数据的第二集合;
根据所述评价函数以及评价权值对所述第二集合中的离散数据优化处理,得到目标车道线;
所述按照预制手段利用车道线的评价函数得到包含评价权值的第一集合,其中,所述评价函数中将所述原始点集合中的原始点和所述抽稀点集合中的抽稀点作为输入值,包括:
建立关于所述车道线单一维度的评价函数;
获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到包含所有评价值的集合;
对所述集合中的评价值求权值,得到包含评价权值的第一集合;
所述按照预制手段利用车道线的评价函数得到包含评价权值的第一集合后,包括:
对所述原始点集合中的原始点离散化处理,得到包含离散数据的第二集合;
根据所述评价值和所述第一集合中的评价权值得到最优化函数方程:
Max g=sum(alpha[i]*f[i](line,line_tmp(x))),其中,line为车道线的原始点,line_tmp为第二集合的离散数据,x为选择向量,alpha[i]为第i个评价权值,f[i]为第i个评价函数;
利用所述最优化函数方程对所述第二集合中的离散数据计算,得到多个目标点;
对所述多个目标点进行拟合处理,得到所述目标车道线。
2.根据权利要求1所述的方法,其特征在于,所述获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到包含所有评价值的集合,包括:
所述获取所述原始点以及对应的所述抽稀点作为所述评价函数的输入值,得到所有输出值后,对所述所有输出值归一化处理,得到包含所有评价值在0-1之间的集合。
3.根据权利要求1所述的方法,其特征在于,所述对所述集合中的评价值求权值,得到包含评价权值的第一集合,包括:
获取包含所有评价值的集合;
对所述集合中所有评价值多维度的求权值,得到包含多维度评价权值的第一集合。
4.根据权利要求1所述的方法,其特征在于,所述对所述车道线的原始点集合离散化处理,得到包含离散数据的第二集合,包括:
获取所述原始点集合,所述原始点集合中的原始点数量为m;
在任意两个原始点之间***至少一个点,得到数量为k的离散数据的第二集合,k>m。
5.根据权利要求1所述的方法,其特征在于,所述利用所述最优化函数方程对所述第二集合中的离散数据计算,得到多个目标点,包括:
基于智能算法选取得到所述多个目标点。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述获取车道线的原始点集合和抽稀点集合,所述抽稀点集合经由车道线原始点集合抽稀得到,包括:
获取至少包含一条车道线的原始数据;
对所述原始数据处理,得到包含所有车道线的原始点;
对所述所有车道线的原始点进行识别,选取一条车道线中的原始点作为所述原始点集合;
对所述原始点集合进行抽稀,得到抽稀点集合。
7.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-6中的任一项所述的方法。
8.一种存储介质,其特征在于,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065537.0A CN114413927B (zh) | 2022-01-20 | 2022-01-20 | 车道线拟合方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065537.0A CN114413927B (zh) | 2022-01-20 | 2022-01-20 | 车道线拟合方法、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114413927A CN114413927A (zh) | 2022-04-29 |
CN114413927B true CN114413927B (zh) | 2024-02-13 |
Family
ID=81275957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210065537.0A Active CN114413927B (zh) | 2022-01-20 | 2022-01-20 | 车道线拟合方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114413927B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916416A (zh) * | 2019-01-29 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 车道线数据处理与更新方法、装置及设备 |
CN110147382A (zh) * | 2019-05-28 | 2019-08-20 | 北京百度网讯科技有限公司 | 车道线更新方法、装置、设备、***及可读存储介质 |
CN112154449A (zh) * | 2019-09-26 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 车道线融合方法、车道线融合装置、车辆和存储介质 |
DE102020200169B3 (de) * | 2020-01-09 | 2021-06-10 | Volkswagen Aktiengesellschaft | Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung |
-
2022
- 2022-01-20 CN CN202210065537.0A patent/CN114413927B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109916416A (zh) * | 2019-01-29 | 2019-06-21 | 腾讯科技(深圳)有限公司 | 车道线数据处理与更新方法、装置及设备 |
CN110147382A (zh) * | 2019-05-28 | 2019-08-20 | 北京百度网讯科技有限公司 | 车道线更新方法、装置、设备、***及可读存储介质 |
CN112154449A (zh) * | 2019-09-26 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 车道线融合方法、车道线融合装置、车辆和存储介质 |
WO2021056341A1 (zh) * | 2019-09-26 | 2021-04-01 | 深圳市大疆创新科技有限公司 | 车道线融合方法、车道线融合装置、车辆和存储介质 |
DE102020200169B3 (de) * | 2020-01-09 | 2021-06-10 | Volkswagen Aktiengesellschaft | Verfahren zur Zusammenführung mehrerer Datensätze für die Erzeugung eines aktuellen Spurmodells einer Fahrbahn und Vorrichtung zur Datenverarbeitung |
Non-Patent Citations (1)
Title |
---|
结构化道路上应用区域划分的车道线识别;王越;范先星;刘金城;庞振营;;计算机应用(第09期);2687-2691 * |
Also Published As
Publication number | Publication date |
---|---|
CN114413927A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111797829A (zh) | 一种车牌检测方法、装置、电子设备和存储介质 | |
CN113568416B (zh) | 无人车轨迹规划方法、装置和计算机可读存储介质 | |
CN115240149A (zh) | 三维点云检测识别方法、装置、电子设备及存储介质 | |
CN115424142A (zh) | 基于遥感影像的海岸线类型判别方法、装置、介质和设备 | |
CN113942521B (zh) | 一种智能车路***下驾驶员风格辨识方法 | |
CN115880499A (zh) | 一种被遮挡目标检测模型训练方法、装置、介质及设备 | |
CN116912796A (zh) | 一种基于新型动态级联YOLOv8的自动驾驶目标识别方法及装置 | |
CN113763412B (zh) | 图像处理方法、装置及电子设备、计算机可读存储介质 | |
CN117671597B (zh) | 一种老鼠检测模型的构建方法和老鼠检测方法及装置 | |
CN112488220B (zh) | 一种基于深度学习的小目标检测方法 | |
CN114413927B (zh) | 车道线拟合方法、电子设备及存储介质 | |
CN112699842A (zh) | 宠物识别方法、装置、设备及计算机可读存储介质 | |
CN111027601B (zh) | 一种基于激光传感器的平面检测方法、装置 | |
CN116805409A (zh) | 一种利用行车视频进行路面状态识别与平整性评估的方法 | |
CN110555344B (zh) | 车道线识别方法、装置、电子设备、存储介质 | |
CN115205820A (zh) | 物体关联方法、计算机设备、计算机可读存储介质及车辆 | |
CN111338336B (zh) | 一种自动驾驶方法及装置 | |
CN116777814A (zh) | 图像处理方法、装置、计算机设备、存储介质及程序产品 | |
CN112434877A (zh) | 一种基于云计算的智慧城市数据处理方法及装置 | |
CN115546704B (zh) | 一种车辆抛洒物识别方法、装置及应用 | |
CN115082903B (zh) | 非机动车违停识别方法、装置、计算机设备及存储介质 | |
CN116071375B (zh) | 图像分割方法和装置、存储介质及电子设备 | |
KR102418476B1 (ko) | 2차원 이미지 데이터와 3차원 뎁스 데이터를 이용하여 차량 번호판의 판독과 위조와 오염 여부의 판단을 정밀하게 수행하는 주차관제시스템의 운영방법 | |
CN117557981A (zh) | 一种基于深度双分支网络的停车位检测方法及存储介质 | |
CN118428407A (zh) | 基于知识蒸馏的增量目标检测方法、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 |