CN116129392A - 车道线横向完整性的识别方法、设备及存储介质 - Google Patents
车道线横向完整性的识别方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116129392A CN116129392A CN202310409479.3A CN202310409479A CN116129392A CN 116129392 A CN116129392 A CN 116129392A CN 202310409479 A CN202310409479 A CN 202310409479A CN 116129392 A CN116129392 A CN 116129392A
- Authority
- CN
- China
- Prior art keywords
- line segment
- lane
- boundary line
- lane line
- road
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种车道线横向完整性的识别方法、设备及存储介质。在该方法中,可获取待处理道路在第一路段的多个车道线的左侧边界线,按照设定划分粒度将左侧边界线划分为多个边界线段,并确定多个边界线段各自对应的车道线线段集,任一边界线段的车道线线段集包括:边界线段所在的横向道路区域中的至少一个线段。根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段,目标边界线段对应的横向区域包含完整边界;合并目标边界线段的车道线线段集,得到第一路段上横向完整的车道线。通过这种方式,可将边界线划分为更细粒度的边界线段,进而更细粒度地确定车道线横向完整性,从而提升车道线横向完整性识别的准确性。
Description
技术领域
本申请涉及地图技术领域,尤其涉及一种车道线横向完整性的识别方法、设备及存储介质。
背景技术
当下,通常可采用众包采集的形式来采集车道信息,由于车道上常常出现障碍物或者其他车辆遮挡众包车辆的采集范围,从而导致众包车辆最终采集的车道线在横向上并不完整,若这些不完整的车道线错误下发至下游用户,可能会导致一些因错误变道或未及时变道而造成的驾驶安全问题。而现有技术中,车道线的横向完整性识别的准确性较低。因此,亟待提出一种解决方案。
发明内容
本申请的多个方面提供一种车道线横向完整性的识别方法、设备及存储介质,用以提升车道线横向完整性识别的准确性。
本申请实施例提供一种车道线横向完整性的识别方法,包括:获取待处理道路在第一路段的多个车道线;所述多个车道线包括:左侧边界线;按照设定划分粒度,将所述左侧边界线划分为多个边界线段;确定所述多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:所述边界线段所在的横向道路区域中的至少一个车道线线段;根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段;所述目标边界线段对应的横向道路区域包含完整边界;对所述目标边界线段对应的车道线线段集进行合并,得到所述第一路段上具有横向完整性的车道线。
通过这种方式,可将边界线划分为更细粒度的边界线段,进而可更细粒度地确定车道线的横向完整性,从而提升车道线横向完整性识别的准确性。
可选地,确定所述多个边界线段各自对应的车道线线段集,包括:针对所述多个边界线段中的任一边界线段,以所述边界线段为短边,向所述边界线段右侧绘制矩形,得到所述边界线段对应的横向道路区域;所述矩形的长边覆盖所述道路的横向宽度;确定所述多个车道线中位于所述横向道路区域内的至少一个车道线线段;将所述至少一个车道线线段添加到所述边界线段对应的车道线线段集中。
通过这种方式,电子设备可将处于同一横向道路区域内的多个车道线的车道线线段加入车道线线段集中,从而可将整体的车道线划分为粒度更小的车道线线段。
可选地,所述目标边界线段对应的车道线线段集中,包括属于左侧边界线的车道线线段和属于右侧边界线的车道线线段。
通过这种方式,车道线线段集中可包括属于两侧边界线的车道线线段,从而可较为准确地进行目标边界线段的筛选。
可选地,根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段,包括:按照从左到右的顺序,对所述边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果;若所述排序结果中位于首位的车道线线段属于左侧边界线,且所述排序结果中位于末位的车道线线段属于右侧车道边界线,则确定所述边界线段为目标边界线段。
通过这种方式,电子设备可通过较为准确地筛选出横向道路区域包含完整边界的边界线段。
可选地,对所述目标边界线段对应的车道线线段集进行合并,得到具有横向完整性的车道线,包括:根据线段所属的车道线,对所述目标边界线段对应的车道线线段集进行聚类,得到至少一个线段聚类簇;任一线段聚类簇包含的车道线线段属于同一车道线;分别判断每个线段聚类簇中的车道线线段是否具有连续性;若所述至少一个线段聚类簇中的车道线线段分别具有连续性,则确定所述道路在所述第一路段上的车道线具有横向完整性。
通过这种方式,电子设备可较为准确地对线段聚类簇中的车道线线段的连续性进行判断。
可选地,分别判断每个线段聚类簇中的车道线线段是否具有连续性,包括:针对所述至少一个线段聚类簇中的任一线段聚类簇,若所述线段聚类簇中的任意相邻两个车道线线段中:前一车道线线段的终点偏移量与后一车道线线段的起点偏移量相同,则确定所述相邻两个车道线线段具有连续性;或者,前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,且重叠的长度小于第一阈值,则确定所述相邻两个车道线线段具有连续性。
通过这种方式,电子设备可对目标边界线段对应的车道线线段集进行聚类并对聚类得到的聚类簇分别进行连续性判断,从而可较为准确地对车道线线段集进行合并得到具有横向完整性的车道线。
可选地,获取待处理道路的多个车道线之前,还包括:从所述道路的地图数据中,获取所述道路的全路段左侧边界线;从所述全路段左侧边界线中,确定分割点位;所述分割点位接续的两段车道边界线的角度差大于第二阈值;根据所述分割点位,对所述全路段左侧边界线进行分割,得到多个路段的左侧边界线;所述多个路段包括所述第一路段。
通过这种方式,可将较为复杂的全路段左侧边界线分割为粒度更小的多个路段的左侧边界线,并从中选取任一个路段进行横向完整性的识别,从而降低了横向完整性识别的粒度,较为有效地提升了识别的准确性。
可选地,所述划分粒度,根据对道路进行拍摄时的道路车流量确定。
通过这种方式,电子设备可根据该道路车流量动态调整划分粒度,从而可较为有效地降低其他车辆对采集车辆的遮挡所造成的影响。
本申请实施例还提供一种车道线横向完整性的识别装置,包括:获取模块,用于:获取待处理道路在第一路段的多个车道线;所述多个车道线包括:左侧边界线;划分模块,用于:按照设定划分粒度,将所述左侧边界线划分为多个边界线段;确定模块,用于:确定所述多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:所述边界线段所在的横向道路区域中的至少一个车道线线段;筛选模块,用于:根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段;所述目标边界线段对应的横向道路区域包含完整边界;合并模块,用于:对所述目标边界线段对应的车道线线段集进行合并,得到所述第一路段上具有横向完整性的车道线。
本申请实施例还提供一种电子设备,包括:存储器、处理器;其中,所述存储器用于:存储一个或多个计算机指令;所述处理器用于执行所述一个或多个计算机指令,以用于:执行所述车道线横向完整性的识别方法中的步骤。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序被处理器执行时,致使所述处理器能够实现所述车道线横向完整性的识别方法中的步骤。
在本实施例中,可获取待处理道路在第一路段的多个车道线的左侧边界线,按照设定划分粒度将左侧边界线划分为多个边界线段,并确定多个边界线段各自对应的车道线线段集,任一边界线段的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段,目标边界线段对应的横向区域包含完整边界;合并目标边界线段的车道线线段集,得到第一路段上横向完整的车道线。通过这种方式,可将边界线划分为更细粒度的边界线段,进而更细粒度地确定车道线横向完整性,从而提升车道线横向完整性识别的准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一示例性实施例提供的车道线横向完整性的识别方法的流程示意图;
图2为本申请一示例性实施例提供的第一路段的车道线示意图;
图3为本申请一示例性实施例提供的对边界线进行划分的示意图;
图4为本申请一示例性实施例提供的对含缺失部分的边界线进行划分的示意图;
图5为本申请一示例性实施例提供的边界线段的车道线线段集的示意图;
图6为本申请一示例性实施例提供的对目标边界线段对应的车道线线段集进行合并的示意图;
图7为本申请一示例性实施例提供的分割点位的示意图;
图8为本申请一示例性实施例提供的全路段左侧边界线的分割示意图;
图9a为本申请一示例性实施例提供的连续性判断的示意图;
图9b为本申请一示例性实施例提供的打断操作的示意图;
图9c为本申请一示例性实施例提供的道路边沿判断的示意图;
图9d为本申请一示例性实施例提供的道路边沿判断的示意图;
图9e为本申请一示例性实施例提供的终点偏移距离和起点偏移距离的示意图;
图9f为本申请一示例性实施例提供的聚类过程的示意图;
图10为本申请一示例性实施例提供的一种车道线横向完整性的识别装置的示意图;
图11为本申请一示例性实施例提供的电子设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
当下,通常可采用众包采集的形式来采集车道信息,由于车道上常常出现障碍物或者其他车辆遮挡众包车辆的采集范围,从而导致众包车辆最终采集的车道线在横向上并不完整,若这些不完整的车道线错误下发至下游用户,可能会导致一些因错误变道或未及时变道而造成的驾驶安全问题。然而,现有的车道线的横向完整性识别的准确性较低。
针对上述技术问题,在本申请一些实施例中,提供了一种解决方案,以下将结合附图,详细说明本申请各实施例提供的技术方案。
图1为本申请一示例性实施例提供的车道线横向完整性的识别方法的流程示意图,如图1所示,该方法包括:
步骤11、获取待处理道路在第一路段的多个车道线;多个车道线包括:左侧边界线。
步骤12、按照设定划分粒度,将左侧边界线划分为多个边界线段。
步骤13、确定多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。
步骤14、根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段;目标边界线段对应的横向道路区域包含完整边界。
步骤15、对目标边界线段对应的车道线线段集进行合并,得到第一路段上具有横向完整性的车道线。
本实施例可由终端设备执行,也可由服务器执行。终端设备可为车载终端、手机、计算机或平板电脑等。服务器可为云端服务器,也可为本地服务器,本实施例不做限制。以下将以上述设备中的任一电子设备为执行主体进行示例性说明。
在本实施例中,第一路段可为待处理道路上多个路段中的任一路段。该多个路段,可通过按照转弯角度、距离、交叉口位置等策略对待处理道路进行划分得到。车道线是指车道上的交通标线,可包括:中心线、车道边线以及道路边界线中的至少一种。如图2所示的路段包括四条车道线,即车道线1、车道线2、车道线3和车道线4。需要说明的是,当车辆采集道路信息时,若道路上未标识边界线,可将处在道路边缘且可对道路形成阻隔的物体形成的边缘线识别为边界线。比如,路缘石、花坛或者路肩等等。其中,路缘石是设在路面与其他构造物之间的标石,路肩指的是位于车行道外缘至路基边缘,具有一定宽度的带状部分。
其中,多个车道线可包括第一路段中的左侧边界线,如图2所示。为提升横向完整性识别结果的准确性,可按照设定划分粒度对车道线中的左侧边界线进行分段,以基于分段,逐段识别道路的横向完整性。其中,设定划分粒度可根据待处理车道的路况信息得到,也可预先设置得到,还可由用户自定义设置得到,本实施例不做限制。其中,设定划分粒度可为4m、5m或6m等任意值,本实施例不做限制。在一些实施例中,电子设备按照设定划分粒度将左侧边界线划分为多个边界线段时,可获取对道路进行拍摄时的道路车流量,并根据该道路车流量确定划分粒度。其中,道路车流量越大,其他车辆遮挡采集车辆的采集范围的概率越大,因此,划分粒度可与道路车流量负相关,即,车流量越大,划分粒度越小。通过这种方式,电子设备可根据该道路车流量动态调整划分粒度,从而可较为有效地降低其他车辆对采集车辆的遮挡所造成的影响。
电子设备可按照设定划分粒度,将左侧边界线划分为多个边界线段。如图3所示,按照5m的设定划分粒度,可将40m左侧边界线划分为长度为5m的八个边界线段L1-L8。需要说明的是,在一些情况下,如图4所示,采用上述划分方式对左侧边界线进行划分后,若左侧边界线不完整,则边界线段存在缺失。针对划分得到的存在缺失的边界线段,由于该边界线段已存在缺失,可认为该边界线段所在的横向道路区域已不具备横向完整性,因此,可不再执行后续步骤13和步骤14。
电子设备将左侧边界线划分为多个边界线段之后,可确定多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。
其中,边界线段所在的横向道路区域可为:可覆盖该边界线段以及该边界线段右侧同路段车道的矩形道路区域。图5对L1和L2右侧的横向道路区域进行了示意,电子设备可以边界线段L1为边界,向L1右侧的横向道路区域绘制矩形(图中虚线框)以覆盖该横向道路区域,从而可得到矩形区域内部的车道线线段集,车道线线段集包括:边界线段L1所在的横向道路区域中的车道线线段L1、车道线线段L1-1、车道线线段L1-2和车道线线段L1-3;电子设备可以边界线段L2为边界,向L2右侧的横向道路区域绘制矩形以覆盖该横向道路区域,从而可得到矩形内部的车道线线段集,车道线线段集包括:边界线段L2所在的横向道路区域中的车道线线段L2、车道线线段L2-1、车道线线段L2-2和车道线线段L2-3。在一些实施例中,电子设备也可根据每个边界线段所在的横向道路区域的位置信息,确定每个边界线段各自对应的车道线线段集,其中,位置信息可包括:横向道路区域内的多个车道线各自的坐标,其中,坐标可为经纬度坐标,也可为车辆采集得到的车道线相对于车辆的相对坐标,本实施例不做限制。
电子设备确定多个边界线段各自对应的车道线线段集之后,可根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段;其中,目标边界线段对应的横向道路区域包含完整边界。其中,横向道路区域包含完整边界是指:横向道路区域包含左侧边界线和右侧边界线,电子设备可根据车道线线段集中的每个车道线线段所在的车道线的属性,判断每个边界线段的车道线线段集中是否包含横向道路区域左侧边界线和右侧边界线,若为是,则可将该边界线段作为目标边界线段。其中,第一路段的多个车道线的属性可通过对第一路段两侧的环境信息进行识别得到,其中,环境信息可用于描述道路两侧的障碍物信息、人工设施信息或景物信息等等,电子设备可从车道线线段集中的每个车道线线段所在的车道线的属性,确定横向道路区域的左侧边界线和右侧边界线,从而可执行上述判断过程。
举例说明,如图6所示,边界线段L3的车道线线段集中只包含该边界线段对应的横向道路区域中的左侧边界线,缺失右侧边界线,因此,电子设备无法将边界线段L3作为目标边界线段。边界线段L4和L5的车道线线段集中分别包含该边界线段对应的横向道路区域中的左侧边界线和右侧边界线,因此,电子设备可将边界线段L4和L5作为目标边界线段。
筛选得到目标边界线段后,电子设备可对目标边界线段对应的车道线线段集进行合并,得到第一路段上具有横向完整性的车道线。其中,对车道线线段集进行合并,包括:将车道线线段集中属于相同车道线的车道线线段进行首尾连接,从而得到纵向完整的车道线。如图6所示,电子设备可对边界线段L4和边界线段L5对应的车道线线段集中的车道线线段L4和车道线线段L5进行合并,对车道线线段L4-1和车道线线段L5-1进行合并,对车道线线段L4-2和车道线线段L5-2进行合并,对车道线线段L4-3和车道线线段L5-3进行合并,从而得到第一路段上具有横向完整性的四个车道线。
在本实施例中,可获取待处理道路在第一路段的多个车道线的左侧边界线,按照设定划分粒度将左侧边界线划分为多个边界线段,并确定多个边界线段各自对应的车道线线段集,任一边界线段的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段,目标边界线段对应的横向区域包含完整边界;合并目标边界线段的车道线线段集,得到第一路段上横向完整的车道线。通过这种方式,可将边界线划分为更细粒度的边界线段,进而更细粒度地确定车道线横向完整性,从而提升车道线横向完整性识别的准确性。
在本申请的上述以及下述各实施例中,以划分左侧边界线为例进行对完整性识别方法进行了示例性说明,应当理解,在一些可选的实施例中,也可对车道线中的右侧边界线进行划分,并执行本申请实施例提供的完整性识别方法,不再赘述。
在一些可选的实施例中,电子设备获取待处理道路的多个车道线之前,还可获取道路的地图数据,地图数据用于描述该道路的车道线信息。其中,地图数据可从服务器获取得到,也可从本地存储器中获取,本实施例不做限制。
电子设备可从地图数据中获取该道路的全路段左侧边界线。其中,道路的全路段左侧边界线指的是对该道路进行完整路段采集得到的左侧边界线。之后,为便于后续计算,电子设备可从全路段左侧边界线中,确定分割点位,其中,分割点位接续的两段车道边界线的角度差大于预设的阈值。其中,该阈值可根据实际计算需求进行设定,可为45°或90°等。其中,可获取分割点位接续的两段车道边界线各自对应的切线方向,并计算每段车道边界线的切线方向与预设方向形成的角度即为每段车道边界线的角度,其中,预设方向可根据实际设计需求进行设定,可以是正北方向、正南方向或者可为任意方向,本实施例不做限制。
结合图7进行举例说明,假设第二阈值为45°,如图7所示,点位A接续的第一段车道边界线的角度为∠1,第二车道边界线的角度为∠2,角度差为135°-40°=95°,大于第二阈值,因此,电子设备可将点位A确定为分割点位。
其中,电子设备可在全路段左侧边界线随机选取多个点位,或者,从全路段左侧边界线的起点开始,根据预设的间隔,选取多个点位。进而,电子设备可遍历选取的多个点位,并判断每个点位是否符合条件(即点位接续的两段车道边界线的角度差大于第二阈值),将符合条件的点位作为分割点位。或者,电子设备可从全路段左侧边界线的起点开始,依次遍历全路段左侧边界线的每个点位,并判断每个点位是否符合条件,将符合条件的点位作为分割点位。其中,分割点位可为一个或多个,本实施例不做限制。
确定分割点位之后,电子设备可根据确定的分割点位,对全路段左侧边界线进行分割,得到多个路段的左侧边界线。如图8所示,对全路段左侧边界线进行分割得到的多个路段的左侧边界线可包括:点位A1-点位A2之间的左侧边界线、点位A2-点位A3之间的左侧边界线、点位A3-点位A4之间的左侧边界线以及点位A4-点位A5之间的左侧边界线。
其中,获取到多个路段后,可按照图1所示方法对每一路段进行完整性识别。
通过这种方式,可将较为复杂的全路段左侧边界线分割为粒度更小的多个路段的左侧边界线,并从中选取任一个路段进行横向完整性的识别,从而降低了横向完整性识别的粒度,较为有效地提升了识别的准确性。
在一些可选的实施例中,电子设备确定多个边界线段各自对应的车道线线段集时,可基于以下步骤实现:
步骤131、针对多个边界线段中的任一边界线段,以边界线段为短边,向边界线段右侧绘制矩形,得到边界线段对应的横向道路区域。
其中,矩形的长边可覆盖道路的横向宽度,即长边的长度可大于道路的横向宽度,从而使得矩形可与边界线段右侧的每一个车道线产生交集。举例说明,如图5所示,矩形长边为40m,可覆盖道路的横向宽度,电子设备可以边界线段L1为短边,向边界线段L1右侧绘制矩形,得到边界线段L1对应的横向道路区域;以边界线段L2为短边,向边界线段L2右侧绘制矩形,得到边界线段L2对应的横向道路区域。
步骤132、确定多个车道线中位于横向道路区域内的至少一个车道线线段。其中,电子设备可从多个车道线中,确定与矩形存在交点的至少一个车道线,并根据至少一个车道线与矩形的交点,获取位于横向道路区域内的至少一个车道线线段。举例说明,如图5所示,以基于边界线段L1绘制的矩形为例,与该矩形存在交点的车道线包括:车道线1、车道线2、车道线3和车道线4。
步骤133、将至少一个车道线线段添加到边界线段对应的车道线线段集中。
其中,电子设备可确定每个与矩形相交的车道线与矩形的两个交点,这两个交点之间可确定一个车道线线段,从而可获取位于横向道路区域内的至少一个车道线线段。如图5所示,以基于边界线段L1绘制的矩形为例,车道线1、车道线2、车道线3和车道线4与矩形的交点分别为交点B1、交点B2、交点B3、交点B4、交点B5、交点B6、交点B7和交点B8,电子设备可分别根据B1和B2、B3和B4、B5和B6,以及B7和B8,获取四个车道线线段,并将这四个车道线线段添加到边界线段L1对应的车道线线段集中。
通过这种方式,电子设备可将处于同一横向道路区域内的多个车道线的车道线线段加入车道线线段集中,从而可将整体的车道线划分为粒度更小的车道线线段。
在一些可选的实施例中,目标边界线段对应的车道线线段集中,包括属于左侧边界线的车道线线段和属于右侧边界线的车道线线段。
电子设备根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选目标边界线段时,可先按照从左到右的顺序,对边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果。
若排序结果中位于首位的车道线线段不属于左侧边界线,或者排序结果中位于末位的车道线线段不属于右侧车道边界线,则说明边界线已缺失,即边界线段对应的横向道路区域不包含完整边界,已不具备横向完整性,因此,电子设备无法将边界线段确定为目标边界线段。
若排序结果中位于首位的车道线线段属于左侧边界线,且排序结果中位于末位的车道线线段属于右侧车道边界线,则边界线段对应的横向道路区域包含完整边界,具备横向完整性。因此,电子设备可确定边界线段为目标边界线段。
可选地,电子设备根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选目标边界线段时,还可先按照从右到左的顺序,对边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果。若排序结果中位于首位的车道线线段不属于右侧边界线,或者排序结果中位于末位的车道线线段不属于左侧车道边界线,则说明边界线已缺失,即边界线段对应的横向道路区域不包含完整边界,已不具备横向完整性,因此,电子设备无法将边界线段确定为目标边界线段。若排序结果中位于首位的车道线线段属于右侧边界线,且排序结果中位于末位的车道线线段属于左侧车道边界线,则边界线段对应的横向道路区域包含完整边界,具备横向完整性。因此,电子设备可确定边界线段为目标边界线段。
通过这种方式,电子设备可通过较为准确地筛选出横向道路区域包含完整边界的边界线段。
在一些可选的实施例中,电子设备对目标边界线段对应的车道线线段集进行合并得到具有横向完整性的车道线,可基于以下步骤实现:
步骤151、根据线段所属的车道线,对目标边界线段对应的车道线线段集进行聚类,得到至少一个线段聚类簇;任一线段聚类簇包含的车道线线段属于同一车道线。
其中,每个车道线线段为车道线的一部分,电子设备可根据车道线线段所属的车道线,将目标边界线段对应的车道线线段集中的所属车道线相同的车道线线段,作为一个线段聚类簇。如图6所示,目标边界线段L4和L5对应的车道线线段集中包括以下线段:车道线线段L5、车道线线段L5-1、车道线线段L5-2、车道线线段L5-3、车道线线段L4、车道线线段L4-1、车道线线段L4-2、车道线线段L4-3。其中,由于车道线线段L4和车道线线段L5均属于车道线1,车道线线段L5-1和车道线线段L4-1均属于车道线2,车道线线段L5-2和车道线线段L4-2均属于车道线3,车道线线段L5-3和车道线线段L4-3均属于车道线4,因此,电子设备可对目标边界线段L4和L5对应的车道线线段集进行聚类,将上述同属于一个车道线的车道线线段归为一类,从而可得到四个线段聚类簇。
步骤152、分别判断每个线段聚类簇中的线段是否具有连续性。其中,若线段聚类簇中的车道线线段具有连续性,则说明线段聚类簇中的车道线线段可合并为无缺失部分的具有横向完整性的车道线。若线段聚类簇中的车道线线段不具有连续性,则说明线段聚类簇中的车道线线段无法合并为具有横向完整性的车道线,合并之后得到的车道线之间存在缺失部分。
以下将分情况说明连续性判断的过程。
情况1、针对至少一个线段聚类簇中的任一线段聚类簇,若线段聚类簇中的任意相邻两个车道线线段中,若前一车道线线段的终点偏移量与后一车道线线段的起点偏移量相同,则确定相邻两个车道线线段具有连续性。其中,起点偏移量用于表征车道线线段的起点与车道线的起点之间的距离;终点偏移量用于表征车道线线段的终点与车道线起点之间的距离。若前一线段的终点偏移量与后一线段的起点偏移量相同,这说明这两个相邻车道线线段可无缝衔接,形成一个新的车道线线段,且新的车道线线段中间不存在缺失部分,因而,可认为这两个车道线线段具有连续性。如图9a左侧的第一线段聚类簇所示,车道线L11-1的终点偏移量与车道线L12-1的起点偏移量相同,车道线L12-1的终点偏移量与车道线L13-1的起点偏移量相同,因此,可确定第一线段聚类簇的车道线线段具有连续性。
情况2、若前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,且重叠的长度小于第一阈值,则确定相邻两个车道线线段具有连续性。其中,第一阈值可根据实际设计需求进行设置,比如,100、90、50等任意值,本实施例不做限制。举例说明,假设第一阈值为50,如图9a右侧的第二线段聚类簇所示,前一车道线线段L12-2的终点偏移量位于后一车道线线段L13-2的起点偏移量和终点偏移量之间,即前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,则可确定这两个相邻车道线线段具有连续性。基于上述两种情况的说明,电子设备可较为准确地对线段聚类簇中的车道线线段的连续性进行判断。
步骤153、若至少一个线段聚类簇中的车道线线段分别具有连续性,则确定道路在第一路段上的车道线具有横向完整性。其中,每个线段聚类簇中的车道线线段具有连续性,可说明每个线段聚类簇中的车道线线段可相互连接形成完整的、不存在缺失的车道线,从而可认为每个车道线具有横向完整性。因此,可说明该线段聚类簇中的车道线线段所属的车道线具有横向完整性。
通过上述步骤151-步骤153,电子设备可对目标边界线段对应的车道线线段集进行聚类并对聚类得到的聚类簇分别进行连续性判断,从而可较为准确地对车道线线段集进行合并得到具有横向完整性的车道线。
本申请还提供一个车道线横向完整性的识别方法,以下将结合实际场景以及附图进行进一步说明。
在一种实际场景中,获取众包车辆对道路进行图像采集得到的道路图像后,可基于采集到的图像,生成道路的车道边线地图。电子设备可对车道边线地图进行横向完整性识别。电子设备可对车道边线地图进行转弯打断操作,即对车道边线划线方向角度差值超过90度的点位进行打断,从而形成多条接续的边线。其中,划线方向指的是每个点位的切线方向,划线方向角度是划线方向与预设方向之间夹角的角度。如图9b所示,假设预设方向为正北方向,在A点的划线方向的角度即为A处箭头与正北方向所夹角度,B点划线方向的角度即为B处箭头与正北所夹角度。沿着车道边线的几何方向,即从A点开始,计算从A点到B点中每点的划线方向。B点的划线方向和A点差值超过90度,则B点为分割点位,电子设备可在B点对车道边线进行打断。之后,继续沿着车道边线几何方向,以B点划线方向为初始计算值,可重复上述步骤,得到多个车道线。
之后,电子设备可将从多个车道线中选择任一个车道线作为当前待处理的车道线,并即为S。电子设备可根据车道线属性,将道路左边沿或者道路右边沿收入集合并记为S1。
电子设备可遍历S1集合,将每个道路边沿记为L,如果L左侧20米内不存在划线方向角度差值小于45度的道路边沿,则可将L作为最左侧道路边沿,如存在划线方向角度差值小于45度的道路边沿,则可不将L作为最左侧道路边沿。通过上述方式可将整条道路中的左侧边界线(即最左侧道路边沿)全部识别出并收入集合记为S2。
举例说明,如图9c所示,A的划线方向即为连接A的起点和尾点所形成的线段与正北方向的夹角,B的划线方向同理。A与B的距离定义为:A上所有点和B上所有点最近的距离。比如,A的左侧20m存在B,且夹角小于45度,则A不是最左侧道路边沿,B的左侧不存在其他道路边界满足以上条件,则B是最左侧道路边沿。
电子设备可遍历S2集合,将每个道路边沿记为L,沿着L的划线方向,以5米为颗粒度,对L进行划段,记为每一段为L^n。根据L^n的形状,生成矩形,矩形短边长度为L^n长度,长边长度为40米,记此矩形为R。遍历S,使用每一个车道线和R进行几何交集判断,如果存在交集,则可将交线记为LNS。如果LNS和L^n的划线角度小于45度,则将交于车道边线对应的边线信息记入集合RL,并将RL收入集合RLS。其中边线信息包括:标识,交线的起点距离边线的起点偏移距离,交线的终点距离边线的终点偏移距离。如图9d所示,A线段即为矩形和车道线的交线。
电子设备可遍历集合RLS,记为每一个元素为RL,按照相对位置从左靠右的顺序,对RL进行位置空间排序。对每一RL进行有效性判断,如果RL的第一元素是道路左边沿,最后一个元素是道路右边沿,则该RL是有效的,电子设备可将该RL收入RLSV。
电子设备可将RLSV进行双重遍历展开,即为RLSV内每一元素均于其他元素进行逻辑判定以完成聚类。记每一个元素为RL,对RL进行聚类。
具体聚类策略为:首先,电子设备可根据RL关联的车道边线的标识进行聚类,记为该集合为LS。并根据起点偏移距离和终点偏移距离,对LS进行聚类,聚类规则如下,如果存在缺失部分,则不对该LS进行聚类,如果存在重叠部分且小于1米,则对该LS进行聚类,记为LO。电子设备可根据聚类结果的起点偏移距离和终点偏移距离,在车道线上提取出对应部分,作为横向完整的车道边线。
如图9e所示,A为L的几何起点,B为RL的起点,C为RL的终点。起点偏移距离指的是B与A的偏移距离,即为A到B这一区间L的长度。终点偏移距离指的是C与A的偏移距离,即为A到C这一区间L的长度。
如图9f所示,A的起点偏移距离为0,终点偏移距离499,B的起点偏移距离为499,终点偏移距离为999,C的起点偏移距离为999,终点偏移距离为1499。根据聚类规则,A的终点等于B的起点,则电子设备可将A和B进行聚类,得到AB。AB的起点为0终点999,AB的终点与C的终点相等,则可对AB和C进行聚类,得到ABC,ABC的起点为0终点为1499。假设D的起点为1600终点为1900,则无法对ABC和D进行聚类。如果D的起点为1455终点为1900,因为D的起点与ABC的终点存在重叠,且重叠小于1米,则可对ABC和D进行聚类,得到ABCD。基于上述原理,重复以上步骤,电子设备可对所有RL进行判断聚类过程。假设ABC为最终聚类结果,电子设备可从L中提取出起点为0终点为1499的几何线,并输出为具备横向完整性的车道边线。
在本实施例中,通过上述方式,可根据感知识别的道路边沿结果,对数据的横向完整性进行判断;对道路边线进行更细粒度打断,避免判定粒度过大;对判定完整的部分进行聚类输出,保证足够的粒度以支撑可用性。
需要说明的是,上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤11至步骤14的执行主体可以为设备A;又比如,步骤11和12的执行主体可以为设备A,步骤13和14的执行主体可以为设备B;等等。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如11、12等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。
需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图10是本申请一示例性实施例提供的车道线横向完整性的识别装置的结构示意图,如图10所示,该装置包括:获取模块1001,用于:获取待处理道路在第一路段的多个车道线;所述多个车道线包括:左侧边界线;划分模块1002,用于:按照设定划分粒度,将所述左侧边界线划分为多个边界线段;确定模块1003,用于:确定所述多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:所述边界线段所在的横向道路区域中的至少一个车道线线段;筛选模块1004,用于:根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段;所述目标边界线段对应的横向道路区域包含完整边界;合并模块1005,用于:对所述目标边界线段对应的车道线线段集进行合并,得到所述第一路段上具有横向完整性的车道线。
可选地,确定模块1003确定所述多个边界线段各自对应的车道线线段集时,具体用于:针对所述多个边界线段中的任一边界线段,以所述边界线段为短边,向所述边界线段右侧绘制矩形,得到所述边界线段对应的横向道路区域;所述矩形的长边覆盖所述道路的横向宽度;确定所述多个车道线中位于所述横向道路区域内的至少一个车道线线段;将所述至少一个车道线线段添加到所述边界线段对应的车道线线段集中。
可选地,所述目标边界线段对应的车道线线段集中,包括属于左侧边界线的车道线线段和属于右侧边界线的车道线线段。
可选地,筛选模块1004根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段时,具体用于:按照从左到右的顺序,对所述边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果;若所述排序结果中位于首位的车道线线段属于左侧边界线,且所述排序结果中位于末位的车道线线段属于右侧车道边界线,则确定所述边界线段为目标边界线段。
可选地,合并模块1005对所述目标边界线段对应的车道线线段集进行合并,得到具有横向完整性的车道线时,具体用于:根据线段所属的车道线,对所述目标边界线段对应的车道线线段集进行聚类,得到至少一个线段聚类簇;任一线段聚类簇包含的车道线线段属于同一车道线;分别判断每个线段聚类簇中的车道线线段是否具有连续性;若所述至少一个线段聚类簇中的车道线线段分别具有连续性,则确定所述道路在所述第一路段上的车道线具有横向完整性。
可选地,合并模块1005分别判断每个线段聚类簇中的车道线线段是否具有连续性时,具体用于:针对所述至少一个线段聚类簇中的任一线段聚类簇,若所述线段聚类簇中的任意相邻两个车道线线段中:前一车道线线段的终点偏移量与后一车道线线段的起点偏移量相同,则确定所述相邻两个车道线线段具有连续性;或者,前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,且重叠的长度小于第一阈值,则确定所述相邻两个车道线线段具有连续性。
可选地,获取模块1001获取待处理道路的多个车道线之前,还用于:从所述道路的地图数据中,获取所述道路的全路段左侧边界线;从所述全路段左侧边界线中,确定分割点位;所述分割点位接续的两段车道边界线的角度差大于第二阈值;根据所述分割点位,对所述全路段左侧边界线进行分割,得到多个路段的左侧边界线;所述多个路段包括所述第一路段。
可选地,所述划分粒度,根据对道路进行拍摄时的道路车流量确定。
在本实施例中,可获取待处理道路在第一路段的多个车道线的左侧边界线,按照设定划分粒度将左侧边界线划分为多个边界线段,并确定多个边界线段各自对应的车道线线段集,任一边界线段的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段,目标边界线段对应的横向区域包含完整边界;合并目标边界线段的车道线线段集,得到第一路段上横向完整的车道线。通过这种方式,可将边界线划分为更细粒度的边界线段,进而更细粒度地确定车道线横向完整性,从而提升车道线横向完整性识别的准确性。
图11是本申请一示例性实施例提供的电子设备的结构示意图,该电子设备适用于前述实施例提供的车道线横向完整性的识别方法,如图11所示,该电子设备包括:存储器1101、处理器1102和通信组件1103。
存储器1101,用于存储计算机程序,并可被配置为存储其它各种数据以支持在终端设备上的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。
处理器1102,与存储器1101耦合,用于执行存储器1101中的计算机程序,以用于:获取待处理道路在第一路段的多个车道线;所述多个车道线包括:左侧边界线;按照设定划分粒度,将所述左侧边界线划分为多个边界线段;确定所述多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:所述边界线段所在的横向道路区域中的至少一个车道线线段;根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段;所述目标边界线段对应的横向道路区域包含完整边界;对所述目标边界线段对应的车道线线段集进行合并,得到所述第一路段上具有横向完整性的车道线。
可选地,处理器1102确定所述多个边界线段各自对应的车道线线段集时,具体用于:针对所述多个边界线段中的任一边界线段,以所述边界线段为短边,向所述边界线段右侧绘制矩形,得到所述边界线段对应的横向道路区域;所述矩形的长边覆盖所述道路的横向宽度;确定所述多个车道线中位于所述横向道路区域内的至少一个车道线线段;将所述至少一个车道线线段添加到所述边界线段对应的车道线线段集中。
可选地,所述目标边界线段对应的车道线线段集中,包括属于左侧边界线的车道线线段和属于右侧边界线的车道线线段。
可选地,处理器1102根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段时,具体用于:按照从左到右的顺序,对所述边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果;若所述排序结果中位于首位的车道线线段属于左侧边界线,且所述排序结果中位于末位的车道线线段属于右侧车道边界线,则确定所述边界线段为目标边界线段。
可选地,处理器1102对所述目标边界线段对应的车道线线段集进行合并,得到具有横向完整性的车道线时,具体用于:根据线段所属的车道线,对所述目标边界线段对应的车道线线段集进行聚类,得到至少一个线段聚类簇;任一线段聚类簇包含的车道线线段属于同一车道线;分别判断每个线段聚类簇中的车道线线段是否具有连续性;若所述至少一个线段聚类簇中的车道线线段分别具有连续性,则确定所述道路在所述第一路段上的车道线具有横向完整性。
可选地,处理器1102分别判断每个线段聚类簇中的车道线线段是否具有连续性时,具体用于:针对所述至少一个线段聚类簇中的任一线段聚类簇,若所述线段聚类簇中的任意相邻两个车道线线段中:前一车道线线段的终点偏移量与后一车道线线段的起点偏移量相同,则确定所述相邻两个车道线线段具有连续性;或者,前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,且重叠的长度小于第一阈值,则确定所述相邻两个车道线线段具有连续性。
可选地,处理器1102获取待处理道路的多个车道线之前,还用于:从所述道路的地图数据中,获取所述道路的全路段左侧边界线;从所述全路段左侧边界线中,确定分割点位;所述分割点位接续的两段车道边界线的角度差大于第二阈值;根据所述分割点位,对所述全路段左侧边界线进行分割,得到多个路段的左侧边界线;所述多个路段包括所述第一路段。
可选地,所述划分粒度,根据对道路进行拍摄时的道路车流量确定。
进一步,如图11所示,该电子设备还包括:显示组件1104等其它组件。图11中仅示意性给出部分组件,并不意味着电子设备只包括图11所示组件。
上述图11中的存储器1101可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
上述图11中的通信组件1103被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G、3G、4G或5G,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,通信组件可基于近场通信(NFC)技术、射频识别(RFID)技术、红外数据协会(IrDA)技术、超宽带(UWB)技术、蓝牙(BT)技术和其他技术来实现。
上述图11中的显示组件1104包括屏幕,其屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。该触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与该触摸或滑动操作相关的持续时间和压力。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
在本实施例中,可获取待处理道路在第一路段的多个车道线的左侧边界线,按照设定划分粒度将左侧边界线划分为多个边界线段,并确定多个边界线段各自对应的车道线线段集,任一边界线段的车道线线段集包括:边界线段所在的横向道路区域中的至少一个车道线线段。根据多个边界线段各自对应的车道线线段集,从多个边界线段中筛选出目标边界线段,目标边界线段对应的横向区域包含完整边界;合并目标边界线段的车道线线段集,得到第一路段上横向完整的车道线。通过这种方式,可将边界线划分为更细粒度的边界线段,进而更细粒度地确定车道线横向完整性,从而提升车道线横向完整性识别的准确性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种车道线横向完整性的识别方法,其特征在于,包括:
获取待处理道路在第一路段的多个车道线;所述多个车道线包括:左侧边界线;
按照设定划分粒度,将所述左侧边界线划分为多个边界线段;
确定所述多个边界线段各自对应的车道线线段集,任一边界线段对应的车道线线段集包括:所述边界线段所在的横向道路区域中的至少一个车道线线段;
根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段;所述目标边界线段对应的横向道路区域包含完整边界;
对所述目标边界线段对应的车道线线段集进行合并,得到所述第一路段上具有横向完整性的车道线。
2.根据权利要求1所述的方法,其特征在于,确定所述多个边界线段各自对应的车道线线段集,包括:
针对所述多个边界线段中的任一边界线段,以所述边界线段为短边,向所述边界线段右侧绘制矩形,得到所述边界线段对应的横向道路区域;所述矩形的长边覆盖所述道路的横向宽度;
确定所述多个车道线中位于所述横向道路区域内的至少一个车道线线段;
将所述至少一个车道线线段添加到所述边界线段对应的车道线线段集中。
3.根据权利要求1所述的方法,其特征在于,所述目标边界线段对应的车道线线段集中,包括属于左侧边界线的车道线线段和属于右侧边界线的车道线线段。
4.根据权利要求3所述的方法,其特征在于,根据所述多个边界线段各自对应的车道线线段集,从所述多个边界线段中筛选出目标边界线段,包括:
按照从左到右的顺序,对所述边界线段的车道线线段集中的至少一个车道线线段进行排序,得到排序结果;
若所述排序结果中位于首位的车道线线段属于左侧边界线,且所述排序结果中位于末位的车道线线段属于右侧车道边界线,则确定所述边界线段为目标边界线段。
5.根据权利要求1所述的方法,其特征在于,对所述目标边界线段对应的车道线线段集进行合并,得到具有横向完整性的车道线,包括:
根据线段所属的车道线,对所述目标边界线段对应的车道线线段集进行聚类,得到至少一个线段聚类簇;任一线段聚类簇包含的车道线线段属于同一车道线;
分别判断每个线段聚类簇中的车道线线段是否具有连续性;
若所述至少一个线段聚类簇中的车道线线段分别具有连续性,则确定所述道路在所述第一路段上的车道线具有横向完整性。
6.根据权利要求5所述的方法,其特征在于,分别判断每个线段聚类簇中的车道线线段是否具有连续性,包括:
针对所述至少一个线段聚类簇中的任一线段聚类簇,若所述线段聚类簇中的任意相邻两个车道线线段中:
前一车道线线段的终点偏移量与后一车道线线段的起点偏移量相同,则确定所述相邻两个车道线线段具有连续性;或者,前一车道线线段的终点偏移量与后一车道线线段的起点偏移量重叠,且重叠的长度小于第一阈值,则确定所述相邻两个车道线线段具有连续性。
7.根据权利要求1-6任一项所述的方法,其特征在于,获取待处理道路的多个车道线之前,还包括:
从所述道路的地图数据中,获取所述道路的全路段左侧边界线;
从所述全路段左侧边界线中,确定分割点位;所述分割点位接续的两段车道边界线的角度差大于第二阈值;
根据所述分割点位,对所述全路段左侧边界线进行分割,得到多个路段的左侧边界线;所述多个路段包括所述第一路段。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述划分粒度,根据对道路进行拍摄时的道路车流量确定。
9.一种电子设备,其特征在于,包括:存储器、处理器;其中,所述存储器用于:存储一个或多个计算机指令;所述处理器用于执行所述一个或多个计算机指令,以用于:执行权利要求1-8任一项所述的方法中的步骤。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,致使所述处理器能够实现权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310409479.3A CN116129392B (zh) | 2023-04-17 | 2023-04-17 | 车道线横向完整性的识别方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310409479.3A CN116129392B (zh) | 2023-04-17 | 2023-04-17 | 车道线横向完整性的识别方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116129392A true CN116129392A (zh) | 2023-05-16 |
CN116129392B CN116129392B (zh) | 2023-07-14 |
Family
ID=86301298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310409479.3A Active CN116129392B (zh) | 2023-04-17 | 2023-04-17 | 车道线横向完整性的识别方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116129392B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598053A (zh) * | 2016-12-19 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种自动驾驶车辆横向运动控制对象选择方法 |
US20190243371A1 (en) * | 2018-02-02 | 2019-08-08 | Nvidia Corporation | Safety procedure analysis for obstacle avoidance in autonomous vehicles |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
US20200117922A1 (en) * | 2018-08-06 | 2020-04-16 | Wuhhan Kotel Big Date Corporation | Method, system and memory for constructing transverse topological relationship of lanes in high-definition map |
CN111907521A (zh) * | 2020-06-15 | 2020-11-10 | 浙江吉利汽车研究院有限公司 | 一种自动驾驶车辆的横向控制方法、装置及存储介质 |
US20210300379A1 (en) * | 2018-08-02 | 2021-09-30 | Bayerische Motoren Werke Aktiengesellschaft | Determining the Course of a Lane |
CN114494617A (zh) * | 2021-12-27 | 2022-05-13 | 中智行(苏州)科技有限公司 | 一种车道线自动提取方法 |
CN115063762A (zh) * | 2022-05-20 | 2022-09-16 | 广州文远知行科技有限公司 | 车道线的检测方法、装置、设备及存储介质 |
US20220406078A1 (en) * | 2022-03-22 | 2022-12-22 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for processing lane line |
EP4148690A2 (en) * | 2021-12-29 | 2023-03-15 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for generating a road edge line |
-
2023
- 2023-04-17 CN CN202310409479.3A patent/CN116129392B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598053A (zh) * | 2016-12-19 | 2017-04-26 | 驭势科技(北京)有限公司 | 一种自动驾驶车辆横向运动控制对象选择方法 |
US20190243371A1 (en) * | 2018-02-02 | 2019-08-08 | Nvidia Corporation | Safety procedure analysis for obstacle avoidance in autonomous vehicles |
US20210300379A1 (en) * | 2018-08-02 | 2021-09-30 | Bayerische Motoren Werke Aktiengesellschaft | Determining the Course of a Lane |
US20200117922A1 (en) * | 2018-08-06 | 2020-04-16 | Wuhhan Kotel Big Date Corporation | Method, system and memory for constructing transverse topological relationship of lanes in high-definition map |
CN110287779A (zh) * | 2019-05-17 | 2019-09-27 | 百度在线网络技术(北京)有限公司 | 车道线的检测方法、装置及设备 |
CN111907521A (zh) * | 2020-06-15 | 2020-11-10 | 浙江吉利汽车研究院有限公司 | 一种自动驾驶车辆的横向控制方法、装置及存储介质 |
CN114494617A (zh) * | 2021-12-27 | 2022-05-13 | 中智行(苏州)科技有限公司 | 一种车道线自动提取方法 |
EP4148690A2 (en) * | 2021-12-29 | 2023-03-15 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for generating a road edge line |
US20220406078A1 (en) * | 2022-03-22 | 2022-12-22 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for processing lane line |
CN115063762A (zh) * | 2022-05-20 | 2022-09-16 | 广州文远知行科技有限公司 | 车道线的检测方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张森;董赞强;陈源;: "基于定向距离变换耦合多粒子滤波器的车道线检测算法", 电子测量与仪器学报, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN116129392B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323301A (zh) | 一种道路情报的获取方法及装置 | |
CN104866500A (zh) | 图片分类展示方法和装置 | |
CN103942959A (zh) | 一种车道检测方法及装置 | |
CN107977654B (zh) | 一种道路区域检测方法、装置及终端 | |
CN110088766B (zh) | 车道线识别方法、车道线识别装置以及非易失性存储介质 | |
CN113807333B (zh) | 用于检测车道线的数据处理方法及存储介质 | |
CN104537837A (zh) | 交通标志的获取、确定交通路线的方法、装置及*** | |
CN110852258A (zh) | 物体检测方法、装置、设备及存储介质 | |
CN109716416B (zh) | 自动报站方法、装置、智能设备及存储介质 | |
CN109886088A (zh) | 拥堵车道的确定方法及相关产品 | |
CN112885130A (zh) | 呈现道路信息的方法和装置 | |
JP7230691B2 (ja) | 異常検出方法、異常検出装置、及び異常検出システム | |
CN107990905B (zh) | 一种掉头路口的确定方法及装置 | |
CN110751841B (zh) | 区域交通控制方法、设备、***及存储介质 | |
JP2021532449A (ja) | 車線属性検出 | |
CN114549873A (zh) | 一种图像档案的关联方法、装置、电子设备及存储介质 | |
CN114579683A (zh) | 一种地图路网的更新方法、装置、计算机设备及存储介质 | |
CN116129392B (zh) | 车道线横向完整性的识别方法、设备及存储介质 | |
CN111651547B (zh) | 高精度地图数据的获取方法、装置及可读存储介质 | |
CN111862206A (zh) | 一种视觉定位方法、装置、电子设备及可读存储介质 | |
KR20200143554A (ko) | 증강 현실 기반 운전 보조 장치 및 그 방법 | |
CN103337220A (zh) | 摄影数据提供*** | |
CN110097583B (zh) | 图片筛选方法及装置 | |
CN115909235A (zh) | 识别道路豁口的方法、装置、计算机设备及存储介质 | |
CN111599178A (zh) | 路口识别方法、装置及存储介质 |
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 |