JP2023534406A

JP2023534406A - 車線境界線を検出するための方法および装置

Info

Publication number: JP2023534406A
Application number: JP2022581628A
Authority: JP
Inventors: ▲トン▼▲トン▼ 曹; 冰冰 ▲劉▼; 向旭李
Original assignee: Huawei Technologies Co Ltd
Current assignee: Huawei Technologies Co Ltd
Priority date: 2020-07-03
Filing date: 2021-05-08
Publication date: 2023-08-09
Also published as: EP4170544A4; BR112023000012A2; EP4170544A1; US20230136798A1; KR20230031316A; CN113885045A; WO2022001366A1

Abstract

本出願は、人工知能の分野で車線境界線を検出するための方法および装置を提供する。本方法は、車線境界線候補反射点および道路端情報を取得するために、LIDARを使用して車両の周囲環境を走査するステップと、道路端情報に基づいて道路端座標系を確立するステップと、道路端座標系における車線境界線候補反射点の座標に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するステップと、車線境界線反射点に基づいて車線境界線を取得するステップと、を含む。この技術的解決策では、道路端情報に基づいて道路端座標系が確立され、道路端座標系から車線境界線反射点が抽出され、その結果、車線境界線を検出する精度および安定性が向上され得る。

Description

本出願は、自動運転の分野に関し、より具体的には、車線境界線を検出するための方法および装置に関する。

人工知能（artificial intelligence、AI）は、デジタルコンピュータまたはデジタルコンピュータによって制御されるマシンを使用して人間の知能をシミュレート、拡張、および拡大し、環境を検知し、知識を取得し、知識を使用して最良の結果を得る理論、方法、技術、およびアプリケーションシステムである。言い換えれば、人工知能はコンピュータサイエンスの一分野であり、知能の本質を理解し、人間の知能と同様に反応することができる新しいインテリジェントマシンを生成することを意図されている。人工知能は、マシンが認識、推論、および意思決定機能を有するように、様々なインテリジェントマシンの設計原理および実装方法を研究することである。人工知能の分野における研究は、ロボット工学、自然言語処理、コンピュータビジョン、意思決定および推論、人間とコンピュータとの対話、推奨および検索、AIの基本理論などを含む。

自動運転は、人工知能の分野における主流の用途である。自動運転技術は、自動車両が能動的な手動操作なしに自動運転を実施できるように、コンピュータビジョン、レーダ、監視装置、全地球測位システムなどの協働に依存する。自動運転車両は、乗客をある場所から別の場所に輸送するのを支援するために様々なコンピューティングシステムを使用する。いくつかの自動運転車両は、オペレータ（操縦者、運転者、または乗客など）からのいくつかの初期入力または連続入力を必要とする場合がある。自動運転車両により、オペレータが手動操作モードから自動運転モードに切り替えたり、手動操作モードと自動運転モードとの間のモードを切り替えたりすることが可能になる。自動運転技術は、人間が自動車を運転する必要がないため、理論的には人間の運転ミスが効果的に回避され得、交通事故の発生が低減され得、高速道路の輸送効率が向上され得る。そのため、自動運転技術への注目が高まっている。

自動運転の分野では、車両が道路から逸脱しないことを確実にするために、車両を測位する必要がある。様々な道路標識において、車線境界線は、車両測位の精度を保証するための重要な基準的役割を果たす。したがって、車線境界線を検出する精度は、車両を正確に測位できるかどうかに直接影響する。

本出願は、車線境界線を検出するための方法および装置を提供し、車線境界線の検出の精度および安定性を向上させ、それによって車両の正確な測位を実現する。

第1の態様によれば、車線境界線を検出するための方法であって、車線境界線候補反射点および道路端情報を取得するために、LIDARを使用して車両の周囲環境を走査するステップと、道路端情報に基づいて道路端座標系を確立するステップと、道路端座標系における車線境界線候補反射点の座標に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するステップと、車線境界線反射点に基づいて車線境界線を取得するステップと、を含む方法が提供される。

道路端と車線境界線との間には特定の関連関係があるため、道路端情報が事前情報として使用されることにより、車線境界線候補反射点におけるノイズが効果的にフィルタリング除去され得、車線境界線の検出精度および安定性が向上され得る。加えて、実際の車線境界線の形状が規則的であるか否かにかかわらず、道路端座標系における車線境界線反射点の分布は規則的である。したがって、道路端座標系から車線境界線反射点を抽出しやすくなる。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点から車線線境界線反射点を抽出するステップの前に、本方法は、車線境界線候補反射点から、道路端情報に基づいて道路端からの距離が第2の閾値よりも大きい反射点をフィルタリング除去するステップをさらに含む。

道路端の反射点は、車線境界線反射点と同様の特徴を有し、すなわち、道路端の反射点と車線境界線反射点の両方が強い反射強度を有する。そのため、道路端の反射点は、通常、ノイズとして車線境界線候補反射点に含まれる。道路端座標系を用いて車線境界線候補反射点が処理される前に、道路端によって導入されたノイズは、道路端と候補反射点との間の距離関係に基づいて事前にフィルタリング除去され、後続の処理の効率を向上させることができる。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端情報は、2つの道路端線に関する情報を含み、道路端情報に基づいて道路端座標系を確立するステップは、2つの道路端線のうちのより長い端線を基準線として使用して道路端座標系を確立するステップを含む。

より長い端線はより信頼性が高い。より長い端線を基準線として道路端座標系が確立されると、車線境界線の検出結果はより信頼性が高くなる。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端情報は2つの道路端線に関する情報を含み、2つの道路端線間には差があり、道路端座標系は、2つの道路端線を基準線としてそれぞれ使用することによって確立される2つの座標系を含む。

2つの道路端線の差が大きい場合、2つの座標系を用いて車線境界線候補反射点が別々にフィルタリングされることで、車線境界線反射点は見落とされにくくなり、車線境界線の検出結果がより正確になる。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点から車線境界線反射点を抽出するステップは、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点の特徴を決定するステップと、車線境界線候補反射点の特徴に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するステップと、含む。

車線境界線候補反射点の特徴は、車線境界線候補反射点の向き、車線境界線候補反射点と道路端との距離、車線境界線候補反射点の間隔、車線境界線候補反射点が直線を形成できるか否かなどの特徴のうちの1つまたは複数を含んでもよい。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端情報は、2つの道路端線に関する情報を含み、道路端情報に基づいて道路端座標系を確立するステップは、2つの道路端線の中心線を基準線として使用して道路端座標系を確立するステップを含む。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点の特徴を決定するステップは、直線を取得するために、道路端座標系における車線境界線候補反射点の座標に基づいてハフ変換により特徴検出を実行するステップを含み、車線境界線候補反射点の特徴に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するステップは、車線境界線候補反射点から、直線との距離が第1の閾値未満である反射点を車線境界線反射点として抽出するステップを含む。

第1の態様を参照すると、第1の態様のいくつかの実装形態では、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点から車線境界線反射点を抽出するステップは、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点をクラスタリングするステップと、クラスタリング結果に基づいて車線境界線反射点を決定するステップと、を含む。

第2の態様によれば、第1の態様の検出方法を実行するように構成されたモジュールを含む、車線境界線を検出するための装置が提供される。

第3の態様によれば、少なくとも1つのプロセッサと、少なくとも1つのプロセッサへの信号接続内のメモリとを含む、車線境界線を検出するための装置が提供される。メモリは、少なくとも1つのプロセッサによって実行される命令を格納し、命令は、少なくとも1つのプロセッサが第1の態様における検出方法を実行することを可能にするために、少なくとも1つのプロセッサによって実行される。

第4の態様によれば、チップが提供され、チップは、プロセッサおよびデータインターフェースを含み、プロセッサは、データインターフェースを使用して、メモリに格納された命令を読み出して、第1の態様の方法を実行する。

任意選択で、一実装形態では、チップはメモリをさらに含んでもよく、メモリは命令を格納し、プロセッサはメモリに格納された命令を実行するように構成され、命令が実行されると、プロセッサは第1の態様の方法を実行するように構成される。

第5の態様によれば、本出願はコンピュータ可読記憶媒体を提供する。コンピュータ可読記憶媒体は、命令を格納し、命令がコンピュータ上で実行されると、コンピュータは第1の態様による方法を実行することが可能になる。

第6の態様によれば、命令を含むコンピュータプログラム製品が提供される。命令がコンピュータ上で実行されると、コンピュータは、第1の態様による方法を実行することが可能になる。

第7の態様によれば、車両が提供される。車両は、第2の態様または第3の態様の検出装置を含む。

本出願の一実施形態による車両の機能ブロック図である。本出願の一実施形態による自動運転システムの構造の概略図である。図2の環境認識モジュール220の特定の構造の概略図である。本出願の一実施形態による車線境界線を検出するための方法の概略フローチャートである。図4のステップS410の可能な実装形態の概略フローチャートである。自車両座標系における車線境界線候補反射点の分布の概略図である。道路端座標系における車線境界線候補反射点の分布の概略図である。図4のステップS430の可能な実装形態の概略フローチャートである。図4のステップS430の別の可能な実装形態の概略フローチャートである。図4のステップS430のさらに別の可能な実装形態の概略フローチャートである。本出願の一実施形態による、車線境界線を検出するための装置の構造の概略図である。本出願の別の実施形態による、車線境界線を検出するための装置の構造の概略図である。

本出願で提供される車線境界線を検出するための方法は、自動運転機能を有する車両に適用され得る。図1を参照して、以下では、自動運転機能を有する車両の具体的な構造について詳細に説明する。

図1は、本出願の一実施形態による車両100の機能ブロック図である。一実施形態では、車両100は、完全または部分的な自動運転モードに構成される。例えば、自動運転モードの車両100が車両100を制御してもよい。車両の現在の状態および車両の周囲環境を判定し、周囲環境内の少なくとも1つの別の車両の可能な挙動を判定し、別の車両が可能な挙動を実行する可能性に対応する信頼性レベルを判定し、判定された情報に基づいて車両100を制御するために、手動操作が実行され得る。車両100が自動運転モードにあるとき、車両100は、人間との対話がないときに動作するように設定され得る。

車両100は、様々なサブシステム、例えば、走行システム102、検知システム104、制御システム106、1つまたは複数の周辺デバイス108および電源110、コンピュータシステム112、ならびにユーザインターフェース116を含み得る。任意選択で、車両100は、より多くのまたはより少ないサブシステムを含んでもよく、各サブシステムは、複数の要素を含んでもよい。加えて、車両100の各サブシステムおよび要素は、有線または無線方式で相互接続されてもよい。

走行システム102は、車両100に動力運動を提供する構成要素を含み得る。一実施形態では、走行システム102は、エンジン118、エネルギー源119、トランスミッションデバイス120、および車輪（またはタイヤ）121を含み得る。エンジン118は、内燃エンジン、電気モータ、空気圧縮エンジン、または他の種類のエンジンの組み合わせ、例えば、ガソリンエンジンと電気モータとを含むハイブリッドエンジン、または内燃エンジンと空気圧縮エンジンとを含むハイブリッドエンジンであってもよい。エンジン118は、エネルギー源119を機械的エネルギーに変換する。

エネルギー源119は、ガソリン、ディーゼル、その他石油系燃料、プロパン、その他圧縮ガス系燃料、エタノール、ソーラーパネル、電池、およびその他の電源を含む。エネルギー源119はまた、車両100の別のシステムにエネルギーを供給し得る。

トランスミッションデバイス120は、機械的動力をエンジン118から車輪121に伝送し得る。トランスミッションデバイス120は、ギアボックス、差動装置、および駆動シャフトを含み得る。一実施形態において、トランスミッションデバイス120は、クラッチなどの他のデバイスをさらに含み得る。駆動軸は、1つまたは複数の車輪121に連結され得る1つまたは複数のシャフトを含み得る。

検知システム104は、車両100の周囲環境に関する情報を検知するいくつかのセンサを含み得る。例えば、検知システム104は、全地球測位システム122（全地球測位システムは、GPSシステム、Beidouシステム、または別の測位システムであってもよい）、慣性計測装置（inertial measurement unit、IMU）124、レーダ126、レーザレンジファインダ128、およびカメラ130を含んでもよい。検知システム104は、監視される車両100の内部システムのセンサ（例えば、車内空気品質モニタ、燃料計、およびオイル温度計）をさらに含んでもよい。これらのセンサのうちの1つまたは複数からのセンサデータは、物体および物体の対応する特性（位置、形状、方向、速度など）を検出するために使用されてもよい。検出物体は、道路構造および道路上に位置する他の物体の検出および識別を含む。検出および識別は、自動運転車両100の安全動作の重要な機能である。

測位システム122は、車両100の地理的位置を推定するように構成され得る。IMU124は、慣性加速度に基づいて車両100の位置および方向の変化を検知するように構成される。一実施形態では、IMU124は、加速度計とジャイロスコープとの組み合わせであってもよい。

レーダ126は、無線信号を使用することによって車両100の周囲環境内の物体を検知し得る。いくつかの実施形態では、物体を検知することに加えて、レーダ126はまた、物体の速度および／または進行方向を検知するように構成されてもよい。

レーザレンジファインダ128は、レーザを使用することによって車両100が位置する環境内の物体を検知し得る。いくつかの実施形態では、レーザレンジファインダ128は、1つまたは複数のレーザ源、レーザスキャナ、1つまたは複数の検出器、および別のシステム構成要素を含んでもよい。

カメラ130は、車両100の周囲環境の複数の画像を取り込むように構成され得る。カメラ130は、静止カメラであってもよいし、ビデオカメラであってもよい。

制御システム106は、車両100および車両100の構成要素の両方の動作を制御するように構成され得る。制御システム106は、ステアリングシステム132、スロットル134、ブレーキユニット136、センサ融合アルゴリズム138、コンピュータビジョンシステム140、経路制御システム142、および障害物回避システム144を含む様々な要素を含み得る。

ステアリングシステム132は、車両100の進行方向を調整するように構成され得る。例えば、一実施形態において、ステアリングシステム132は、ステアリングホイールシステムであってもよい。

スロットル134は、エンジン118の動作速度を制御し、車両100の速度をさらに制御するように構成される。

ブレーキユニット136は、車両100を制御して減速させるように構成される。ブレーキユニット136は、車輪121の回転を減速するために摩擦を使用し得る。別の実施形態では、ブレーキユニット136は、車輪121の運動エネルギーを電流に変換し得る。あるいは、ブレーキユニット136は、車両100の速度を制御するために、別の方法で車輪121の回転を減速してもよい。

コンピュータビジョンシステム140は、カメラ130によって取り込まれた画像および検知システムによって提供される道路情報反射点などの情報を処理および分析して、車両100の周囲環境内の物体および／または特徴を識別するように構成され得る。物体および／または特徴は、交通信号、道路境界、および障害物を含み得る。コンピュータビジョンシステム140は、物体認識アルゴリズム、ストラクチャフロムモーション（Structure from Motion、SFM）アルゴリズム、ビデオ追跡、および他のコンピュータビジョン技術を使用し得る。いくつかの実施形態では、コンピュータビジョンシステム140は、環境の地図を描画し、物体を追跡し、物体の速度を推定し、その他を行うように構成され得る。

経路制御システム142は、車両100の走行経路を決定するように構成される。いくつかの実施形態では、経路制御システム142は、センサ融合アルゴリズム138、測位システム122、および1つまたは複数の所定のマップからのデータを参照して、車両100の走行経路を決定し得る。

障害物回避システム144は、他の方法で、車両100の環境内の潜在的な障害物を認識、評価、および回避または克服するように構成される。

もちろん、一実施形態では、制御システム106は、図1に示され説明された構成要素以外の構成要素を追加的または置換可能に含んでもよく、または図1に示された構成要素のいくつかを含まなくてもよい。

車両100は、周辺デバイス108を使用することによって、外部センサ、別の車両、別のコンピュータシステム、またはユーザと対話する。周辺デバイス108は、無線通信システム146、車載コンピュータ148、マイクロフォン150、および／またはスピーカ152を含み得る。

いくつかの実施形態では、周辺デバイス108は、車両100のユーザがユーザインターフェース116と対話するための手段を提供する。例えば、車載コンピュータ148は、車両100のユーザに情報を提供し得る。また、ユーザインターフェース116は、車載コンピュータ148を操作してユーザ入力を受け付けてもよい。車載コンピュータ148は、タッチスクリーンを使用して操作されてもよい。他の場合には、周辺デバイス108は、車両100が車両内に位置する他のデバイスと通信するための手段を提供し得る。例えば、マイクロフォン150は、車両100のユーザからオーディオ（例えば、音声コマンドまたは他のオーディオ入力）を受信してもよい。同様に、スピーカ152は、車両100のユーザにオーディオを出力してもよい。

無線通信システム146は、直接または通信ネットワークを介して、1つまたは複数のデバイスと無線通信を行ってもよい。例えば、無線通信システム146は、CDMA、EVD0、またはGSM／GPRSなどの3Gセルラ通信を使用してもよく、LTEなどの4Gセルラ通信を使用してもよく、または5Gセルラ通信を使用してもよい。無線通信システム146は、WiFiを使用することによって無線ローカルエリアネットワーク（wireless local area network、WLAN）と通信し得る。いくつかの実施形態では、無線通信システム146は、赤外線リンク、ブルートゥース（登録商標）、またはZigBeeを使用してデバイスと直接通信し得る。他の無線プロトコル、例えば、無線通信システム146などの様々な車両通信システムは、車両および／または路側局間のパブリックおよび／またはプライベートデータ通信を含み得る、1つまたは複数の専用短距離通信（dedicated short range communications、DSRC）デバイスを含み得る。

電源110は、車両100の様々な構成要素に電力を供給し得る。一実施形態では、電源110は、再充電可能なリチウムイオン電池または鉛蓄電池であってもよい。そのような電池の1つまたは複数の電池パックは、車両100の様々な構成要素に電力を供給するように構成されてもよい。いくつかの実施形態では、電源110とエネルギー源119は、いくつかの全電気式車両におけるように、一緒に実装されてもよい。

車両100の機能の一部または全部は、コンピュータシステム112によって制御される。コンピュータシステム112は、少なくとも1つのプロセッサ113を含み得る。プロセッサ113は、メモリ114などの非一時的コンピュータ可読媒体に格納された命令115を実行する。あるいは、コンピュータシステム112は、車両100の個々の構成要素またはサブシステムを分散方式で制御する複数のコンピューティングデバイスであってもよい。

プロセッサ113は、任意の従来のプロセッサ、例えば、市販のCPUであってもよい。任意選択で、プロセッサは、ASICまたは別のハードウェアベースのプロセッサなどの専用デバイスであってもよい。図1は、プロセッサ、メモリ、およびコンピュータシステム112の他の要素を同じブロックで機能的に図示しているが、当業者は、プロセッサ、コンピュータ、またはメモリが、実際には、同じ物理的ハウジング内に格納されてもされなくてもよい複数のプロセッサ、コンピュータ、またはメモリを含んでもよいことを理解するはずである。例えば、メモリは、コンピュータシステム112とは異なるハウジング内に配置されたハードディスクドライブまたは他の記憶媒体であってもよい。したがって、プロセッサまたはコンピュータへの言及は、並列に動作してもしなくてもよいプロセッサ、コンピュータ、またはメモリのセットへの言及を含むと理解される。本明細書に記載のステップを実行するために単一のプロセッサを使用することとは異なり、ステアリング構成要素および減速構成要素などのいくつかの構成要素はそれぞれ、構成要素固有の機能に関する計算のみを実行する独自のプロセッサを有してもよい。

本明細書に記載される様々な態様では、プロセッサは、車両から遠く離れて配置され、車両とのワイヤレス通信を実行し得る。別の態様では、本明細書に記載のプロセスのいくつかは、車両に配置されたプロセッサ上で実行され、他のプロセスは、単一の操作を実行するために必要なステップをとることを含む、リモートプロセッサによって実行される。

いくつかの実施形態では、メモリ114は、命令115（例えば、プログラム論理）を含んでもよく、命令115は、上述した機能を含む車両100の様々な機能を実行するためにプロセッサ113によって実行されてもよい。メモリ114はまた、走行システム102、検知システム104、制御システム106、および周辺デバイス108のうちの1つまたは複数にデータを送信する、そこからデータを受信する、それと対話する、および／またはそれを制御するための命令を含む追加の命令を含んでもよい。

命令115に加えて、メモリ114は、道路地図、経路情報、位置、方向、速度、および車両の他の車両データ、ならびに他の情報などのデータをさらに格納し得る。そのような情報は、自律モード、半自律モード、および／または手動モードでの車両100の動作中に車両100およびコンピュータシステム112によって使用され得る。

例えば、レーダ126を使用して車両の周囲環境が走査された後、メモリ114は、反射点によって形成された点群データを格納してもよい。車両100またはコンピュータシステム112は、車線境界線の位置を決定するために、点群から車線反射点を見つけることが可能である。次に、車両100またはコンピュータシステム112は、車線境界線に基づいて車両100を測位または制御し得る。

ユーザインターフェース116は、車両100のユーザに情報を提供し、またはユーザから情報を受信するように構成される。任意選択で、ユーザインターフェース116は、無線通信システム146、車載コンピュータ148、マイクロフォン150、およびスピーカ152などの周辺デバイス108のセット内の1つまたは複数の入力／出力デバイスを含んでもよい。

コンピュータシステム112は、様々なサブシステム（例えば、走行システム102、検知システム104、および制御システム106）およびユーザインターフェース116から受信した入力に基づいて、車両100の機能を制御し得る。例えば、コンピュータシステム112は、制御システム106からの入力を使用することによって、検知システム104および障害物回避システム144によって検出された障害物を回避するようにステアリングシステム132を制御し得る。いくつかの実施形態では、コンピュータシステム112は、車両100および車両100のサブシステムの多くの態様に対する制御を提供するように動作可能である。

任意選択で、これらの構成要素のうちの1つまたは複数は、車両100とは別個に取り付けられてもよく、または車両100に関連付けられてもよい。例えば、メモリ114は、車両100から部分的にまたは完全に分離して存在してもよい。構成要素は、有線および／または無線方式で互いに通信可能に結合されてもよい。

任意選択で、前述の構成要素は単なる一例である。実際の用途では、前述のモジュール内の構成要素は、実際の要件に基づいて追加または削除されてもよい。図1は、本出願の実施形態に対する限定として解釈されるべきではない。

前述の車両100などの道路を走行する自動運転車両は、車両100の周囲環境内の物体を認識して、現在速度の調整を決定し得る。物体は、別の車両、交通制御デバイス、または別の種類の物体であってもよい。いくつかの例では、認識された各物体は独立して考慮され得、物体の現在の速度、物体の加速度、車両からの距離、自動運転車両による調整後に得られる速度などの物体のそれぞれの特性に基づいて決定され得る。

任意選択で、自動運転車両100または自動運転車両100に関連するコンピューティングデバイス（例えば、図1のコンピュータシステム112、コンピュータビジョンシステム140、およびメモリ114）は、識別された物体の特性および周囲環境の状態（例えば、道路上の交通、雨、または氷）に基づいて、識別された物体の挙動を予測し得る。任意選択で、認識された各物体は、互いの挙動に依存する。したがって、認識されたすべての物体を一緒に考慮することによって、単一の認識された物体の挙動が代替的に予測され得る。車両100は、認識された物体の予測された挙動に基づいて車両100の速度を調整することができる。言い換えれば、自動運転車両は、予測された物体の挙動に基づいて、車両が調整される必要がある特定の安定状態（例えば、加速、減速、または停止）を決定することができる。このプロセスでは、車両100が走行する道路における車両100の横方向位置（道路延伸方向に垂直な方向）、道路の曲率、静的物体と動的物体との間の近接度などの他の要因が考慮に入れられてもよい。

自動運転車両の速度を調整するための命令を提供することに加えて、コンピューティングデバイスは、自動運転車両が所与の軌道を追従し、および／または自動運転車両の近くの物体（例えば、道路の隣の車線の車）からの安全な水平距離および安全な垂直距離を維持することができるように、車両100のステアリング角を変更するための命令をさらに提供し得る。

車両100は、自動車、トラック、オートバイ、バス、ボート、飛行機、ヘリコプター、芝刈り機、レクリエーション用車両、遊び場用車両、建設機械、路面電車、ゴルフカート、電車、カートなどであってもよい。これは、本出願の実施形態では特に限定されない。

本出願で提供される車線境界線を検出するための方法は、車両の自動運転システムに適用され得る。以下では、図2および図3を参照して、自動運転システムについて詳細に説明する。図2および図3のLIDAR210は、図1の検知システム104の一部であってもよく、例えば、図1のレーダ126の特定の形態であってもよいことに留意されたい。図2の環境認識モジュール220、測位モジュール230、ならびに計画および制御モジュール240は、図1の制御システム106によって実施されてもよく、図1のコンピュータシステム112によって実施されてもよく、またはその両方によって実施されてもよい。図2の加減速およびステアリング装置250は、走行システム102の一部であってもよい。

図2に示すように、LIDAR210（またはLIDARセンサと呼ばれる）は、車両の周囲環境を走査するように構成され得る。例えば、LIDARは、車両が走行する路面を走査してもよい。次いで、LIDAR210は、受信した走査情報を環境認識モジュール220および測位モジュール230に送信し得る。走査情報は、例えば、LIDARによって発せられたレーザを車両の周囲の障害物（路面または他の車両など）によって反射することによって形成された反射点に関する情報を含み得る。

測位モジュール230は、走査情報を処理して、道路内の車両の位置、向きなどを認識し得る。

図3に示すように、環境認識モジュール220は、物体認識モジュール221、運転可能領域認識モジュール222、および道路構造情報認識モジュール223を含み得る。

物体認識モジュール221は、LIDAR210によって入力された走査情報に基づいて、道路上の他の車両に関する情報を検出し得る。例えば、車両間の距離を反映できる情報が検出され得る。

運転可能領域認識モジュール222は、LIDAR210によって入力された走査情報に基づいて、道路の交通状態および車両の運転可能領域などの情報を検出し得る。

道路構造情報認識モジュール223は、LIDAR210によって入力された走査情報に基づいて道路の構造を検出し得る。道路構造情報認識モジュール223は、車線境界線認識モジュール224を含み得る。車線境界線認識モジュール224は、走査情報を処理して車線境界線に関する情報を抽出し、それによって車線境界線上の認識を実施し得る。

計画および制御モジュール240は、環境認識モジュール220および測位モジュール230の処理結果を受信し、処理結果を解析して、加減速およびステアリング装置250を制御し得る。例えば、計画および制御モジュール240は、車線境界線認識モジュール224によって認識された車線境界線に関する情報に基づいて正確な経路計画を実行し、加速およびステアリング装置250を使用することによって車両の運転状態を制御し得る。

上記の説明から、車線境界線の正確な検出は、車両の自動運転にとって非常に重要であることが分かる。車線境界線を検出するために、関連技術では、まずLIDARを使用して車両の周囲環境が走査され、レーザ反射点の強度情報に基づいて車線境界線候補反射点が抽出される。車線境界線候補反射点はノイズを多く含むため、車線境界線候補反射点が得られた後、関連技術では、車線境界線候補反射点のノイズは、車線境界線反射点を得るために、特定の方法でフィルタリング除去される。次いで、車線境界線反射点に基づいて車線境界線の位置が決定され得る。

しかしながら、関連技術では、車線境界線候補反射点から車線境界線反射点が抽出される際に、道路端情報が十分に活用されておらず、関連技術では、車線境界線反射点は、主に自車両座標系から抽出される。これらはすべて、抽出された車線境界線反射点の精度および信頼性が不十分になることにつながる。

図4を参照して、以下では、本出願の一実施形態による車線境界線を検出するための方法を詳細に説明する。図4に提供された車線境界線を検出するための方法は、車両の自動運転システムに適用されてもよく、例えば、図2に示す自動運転システムの環境認識モジュール220に適用されてもよい。図4に示されたように、方法はステップS410～S440を含む。以下では、ステップを詳細に説明する。

ステップS410では、車線境界線候補反射点と道路端情報を取得するために、LIDARを使用して車両の周囲環境が走査される。例えば、LIDARを使用して車両の周囲環境が最初に走査され、反射点が取得される。そして、反射点の強度情報と、反射点および隣接反射点の特徴とに基づいて、車線境界線候補反射点および道路端情報が得られてもよい。ステップS410の具体的な実装形態については、図5を参照されたい。

ステップS420では、道路端情報に基づいて道路端座標系が確立される。道路端情報は、道路端線に関する情報、例えば、道路端線の位置や長さ、2つの道路端線の差などの情報であってもよい。道路端座標系は、道路端線を基準線として確立された2次元直交座標系であってもよいし、フレネ座標系であってもよい。例えば、道路端座標系は、道路端線を2次元直交座標系の軸として確立された座標系であってもよい。

ステップS430では、道路端座標系における車線境界線候補反射点の座標に基づいて、車線境界線候補反射点から車線境界線反射点が抽出される。なお、ステップS430が実行される前に、まず、現在の座標系（例えば、自車両座標系）から道路端座標系に車線境界線候補反射点が射影され得、その後、車線境界線候補反射点は、道路端座標系において処理される。

ステップS430の実装形態は複数あってもよい。例えば、まず、道路端座標系における車線境界線候補反射点の座標に基づいて、車線境界線候補反射点の特徴が決定され得、次に、車線境界線候補反射点の特徴に基づいて、車線境界線候補反射点から車線境界線反射点が抽出される。車線境界線候補反射点の特徴は、車線境界線候補反射点の向き、車線境界線候補反射点と道路端線との距離、車線境界線候補反射点の間隔、車線境界線候補反射点が直線を形成できるか否かなどの特徴のうちの1つまたは複数を含む。あるいは、道路端座標系において車線境界線候補反射点がクラスタリングされ得、その後、車線境界線反射点は、クラスタリング結果に基づいて車線境界線候補反射点から抽出される。以下の図8～図10は、ステップS430のいくつかの可能な実装形態を提供する。

ステップS440では、車線境界線反射点に基づいて車線境界線が取得される。例えば、車線境界線反射点は自車両座標系に変換され得、その後、車線境界線は自車両座標系にフィッティングされる。車線境界線が取得された後に、車線境界線はそのまま出力されてもよいし、車線境界線は追跡後に出力されてもよい。ステップS440で取得された車線境界線に関する情報は、計画および制御モジュール240が車両の経路計画および／またはステアリング制御を行うために、図2に示す計画および制御モジュール240に出力され得る。

以下は、図5を参照してステップS410の可能な実装形態を提供する。図5は、ステップS510～ステップS530を含む。以下では、これらのステップを詳細に説明する。

ステップS510において、点群が取得され、前処理される。

点群を取得して前処理する複数の方法があり得る。例えば、いくつかの実施形態では、1つまたは複数の層によって周囲環境を走査し、反射点によって形成された点群を取得するためにLIDARが使用され得る。次に、点群に基づいて地面モデルが確立され、地面モデルに基づいていくつかの明らかなノイズがフィルタリング除去される。

例えば、点群内の反射点が2次元グリッドに投影されてもよく、地面に対する各グリッドに投影された反射点の最低高さおよび最高高さが計算される。最高高さと最低高さとの間の高さ差が閾値（例えば、0．1m）未満である場合、地面に対するグリッドの最低高さは、グリッドの地面高さと見なされてもよい。すべてのグリッドの地面高さが決定された後、地面モデルが確立される。次いで、地面に対する各反射点の高さが地面モデルに基づいて計算され得、地面に対する高さが閾値（例えば、2m）を超える反射点がフィルタリング除去される。

ステップS520では、道路端情報が抽出される。例えば、いくつかの実施形態では、道路端候補反射点は、点群内の反射点および隣接点の特徴に基づいて抽出されてもよい。そして、道路端候補反射点のノイズは、道路端線反射点を取得するために除去されてもよい。次に、道路端線情報を取得するために、道路端線反射点に基づいて道路端線が検出されてもよい。

例えば、道路端情報は、以下のステップを使用して抽出されてもよい。

ステップa：点群から道路端候補反射点を抽出する。例えば、反射点および隣接する反射点の特徴に基づいて道路端候補反射点が抽出されてもよい。反射点および隣接する反射点の特徴は、反射点間の高さ変化、角度変化、距離差などの特徴のうちの1つまたは複数を含み得る。

ステップb：道路端候補反射点をクラスタリングし、反射点の数が特定の閾値未満であるクラスタをフィルタリング除去する。

ステップc：各クラスタに対して最小二乗フィッティングを実行して、フィッティングされた線を形成する。次いで、クラスタ内の各反射点とフィッティングされた線との間の距離が計算され得、最も大きい距離または大きい距離を有する1つまたは複数の反射点がクラスタから除去される。これにより、フィッティングされた線の精度が向上され得るので、その後に抽出される道路端情報の信頼性が向上される。

ステップd：道路端候補反射点におけるすべての反射点と対応するフィッティングされた線との距離が特定の閾値未満になるまで、ステップcを繰り返す。

ステップe：フィッティングされた線を道路端線として出力する。

ステップS530では、車線境界線候補反射点が抽出される。例えば、いくつかの実施形態では、車線境界線候補反射点は、点群内の反射点および隣接反射点の特徴に基づいて抽出されてもよい。

例えば、以下のステップを使用して車線境界線候補反射点が抽出されてもよい。

ステップa：反射点について、ステップS510で確立された地面モデルに基づいて地面に対する反射点の高さを決定し、地面に対する高さが閾値（例えば、0．1m）を満たす場合、ステップbに進み、そうでない場合、次の反射点を選択する。

ステップb：特定範囲の反射点の隣接する反射点を選択し、特定範囲の反射点の最大反射強度φ_maxおよび最小反射強度φ_minを計算する。例えば、反射点と、反射点の左側の5つの反射点と、反射点の右側の5つの反射点、合計11個の反射点が選択されてもよく、11個の反射点における最大反射強度φ_maxと最小反射強度φ_minが計算される。

ステップc：反射点の反射強度φがφ＞β（φ_max－φ_min）＋φ_minを満たすかどうかを判定する。βは予め設定された閾値であり、例えば0．9であってもよい。上記の条件が満たされる場合、反射点は車線境界線候補反射点であり、または、条件が満たされない場合、次の反射点が選択され、ステップa～cが、点群内のすべての反射点がトラバースされるまで繰り返し実行される。

再び図4を参照されたい。ステップS420で言及された道路端座標系は、複数の方法で確立されてもよい。以下では、図6および図7を参照して詳細な説明を提供する。

図6は、車両の位置および進行方向に基づいて確立される自車両座標系である。x軸の正の方向は車両の進行方向であり、y軸は車両の進行方向に垂直である。図6に示す自車両座標系において、2つの道路端線はそれぞれ道路端線aおよびbであり、両道路端線aおよびbは曲線である。

いくつかの実施形態では、図6の道路端線bを基準線として使用して道路端座標系が確立され得、確立された道路端座標系は図7に示される。図7において、x’軸は道路端線bである。図7より、元々曲線状に配置されていた車線境界線候補反射点は、図7において直線状に配置されていることが分かる。したがって、道路端座標系における車線境界線反射点を抽出しやすくなる。

図7は、2つの道路端線のうちの1つを基準線とした道路端座標系である。2つの道路端線の長さが異なる場合、基準線として使用される道路端線は、2つの道路端線のうちの長い方であってもよい。実際の道路端線は通常長い。したがって、長い方の道路端線が実際の道路端線である確率が高くなり、長い方の端線を基準線として使用して確立される道路端座標系はより信頼性が高くなる。

加えて、いくつかの実施形態では、道路端座標系は、代替的に、2つの道路端線の中心線を基準線として使用することによって確立されてもよい。あるいは、いくつかの実施形態では、2つの道路端線の差が大きい場合、2つの道路端線を基準線としてそれぞれ使用して2つの座標系が確立されてもよく、2つの座標系からフィルタリングされた車線境界線反射点が融合される。2つの道路端線の差が大きい場合、2つの座標系を用いて車線境界線候補反射点が別々にフィルタリングされることで、車線境界線反射点は見落とされにくくなり、車線境界線の検出結果がより正確になる。

再び図4を参照されたい。ステップS430で述べた車線境界線反射点の抽出方法は複数あってもよい。図8～図10を参照すると、以下は、ステップS430のいくつかの可能な実装形態を提供する。

図8は、図4のステップS430の可能な実装形態の概略フローチャートである。図8のステップは、ステップS810およびステップS820を含む。

ステップS810では、直線を取得するために、道路端座標系における車線境界線候補反射点の座標に基づいてハフ変換により特徴検出が実行される。

道路端座標系において、車線境界線の形状は、直線状態などの規則的な状態を示す。したがって、ハフ変換は、車線境界線候補反射点の直線特徴を見つけるために使用され得る。

ステップS820では、車線境界線候補反射点から、直線との距離が閾値未満である反射点が車線境界線反射点として抽出される。車線境界線候補反射点と直線との距離は、車線境界線候補反射点の水平座標および／または垂直座標と直線との距離であってもよい。

図6および図7を参照して、以下は、図8の実施形態の具体的な実装形態を提供する。

図6に示すように、道路端線aおよびbは、実際の環境における曲線である。曲線は、二次または高次多項式関数を使用して表されてもよい。例えば、道路端線aの式はy＝10＋0．1x＋0．01x²であり、他方の道路端線bの式はy＝－10＋0．1x＋0．01x²である。

自車両座標系（座標値の単位はmでもよい）における車線境界線候補反射点の座標を（x，y）とすると、図7に示す道路端座標系では、車線境界線候補反射点の座標は（x’，y’）に変換される。（x’，y’）と（x，y）との数値関係は、以下を満たす。
x’＝x
y’＝y－（－10＋0．1x＋0．01x²）

図6の座標系における車線境界線候補反射点の座標を以下の通りとすると：
（x＝0，y＝0）
（x＝10，y＝2）
（x＝20，y＝6）
（x＝30，y＝12）
（x＝40，y＝20）
（x＝40，y＝23）
（x＝50，y＝30）
車線境界線候補反射点が図7の道路端座標系に投影された後の座標は、以下の通りである：
（x’＝0，y’＝10）
（x’＝10，y’＝10）
（x’＝20，y’＝10）
（x’＝30，y’＝10）
（x’＝40，y’＝10）
（x’＝40，y’＝13）
（x’＝50，y’＝10）

図7に示すように、道路端座標系では、まず、ハフ変換を用いて直線cが求められる。直線cの端点はそれぞれ（0，10）、（50，10）である。

そして、各車線境界線候補反射点から直線cまでの距離が計算される。直線cからの距離が予め設定された特定の閾値（例えば、0．1m）未満の点が車線境界線反射点としてマークされ、図7の点（x’＝40，y’＝13）のように直線から遠い反射点は除去される。最終的に、車線境界線候補反射点から抽出される車線境界線反射点は、以下の通りである：
（x’＝0，y’＝10）
（x’＝10，y’＝10）
（x’＝20，y’＝10）
（x’＝30，y’＝10）
（x’＝40，y’＝10）
（x’＝50，y’＝10）

以上、図8を参照して、ハフ変換を用いた道路端座標系における車線境界線反射点の抽出方法について詳細に説明した。以下では、図9および図10を参照して、道路端座標系において、車線境界線反射点をクラスタリングして抽出する方法について詳細に説明する。

図9は、図4のステップS430の別の可能な実装形態の概略フローチャートである。図9はステップS910～S940を含み、具体的には以下のように説明される。

ステップS910では、車線境界線候補反射点がシード点Aとして選択され、クラスタM1が作成される。AはM1に属する。

ステップS920では、残りの車線境界線候補反射点がトラバースされる。例えば、車線境界線候補反射点Bを起点として、クラスタM1における候補反射点と車線境界線候補反射点Aとの相対的な横方向の距離および／または相対的な縦方向の距離が決定される。予め設定された横方向距離閾値および／または縦方向距離閾値が満たされる場合、車線境界線候補反射点BはクラスタM1に分類される。次の車線境界線候補反射点、例えば車線境界線候補反射点Cを決定し続ける。残りは類推によって推定され得る。

ステップS930では、いずれのクラスタにも分類されていない車線境界線候補反射点から車線境界線候補反射点が選択され、クラスタM2が作成され、ステップS920が繰り返される。

ステップS940では、すべての車線境界線候補反射点がトラバースされるまでステップS930が繰り返される。

最終的に得られたクラスタ内の反射点が車線境界線反射点である。

任意選択で、いくつかの実施形態では、クラスタ内の候補反射点に対して二次曲線または三次曲線フィッティングが実行されて、フィッティングされた曲線からの横方向距離が大きい候補反射点をクラスタからフィルタリング除去してもよい。

任意選択で、いくつかの実施形態では、少量の候補反射点を有するクラスタがフィルタリング除去されてもよく、または道路端座標系のx方向の分布距離が小さいクラスタがフィルタリング除外されてもよい。

任意選択で、いくつかの実施形態では、クラスタは、クラスタ間の横方向の間隔に基づいてフィルタリング除去またはマージされてもよい。

図10は、図4のステップS430のさらに別の可能な実装形態の概略フローチャートである。図10はステップS1010～S1040を含み、具体的には以下のように説明される。

ステップS1010では、初期パラメータが設定され、ハフ変換を用いて近似直線関係を満たす反射点セットが抽出される。初期パラメータは、反射点セット内の点の数、または反射点セット内の隣接点間の距離を含み得る。

ステップS1020では、車線境界線候補反射点から、道路端線の向きと大きく異なる向きの反射点セットがフィルタリング除去される。任意選択で、いくつかの実施形態では、他の反射点セットからの間隔が大きい反射点セットは、反射点セット間の横方向の間隔に基づいて削除されてもよく、または間隔が小さいいくつかの反射点セットは、反射点セット間の横方向の間隔に基づいてマージされてもよい。

ステップS1030では、近似直線関係を満たす残りの複数の反射点セットが初期クラスタとしてそれぞれ使用され、いずれのクラスタにも属さない車線境界線候補反射点がトラバースされる。

例えば、車線境界線候補反射点Cについて、すべての初期クラスタにおける車線境界線候補反射点Cと反射点との相対的な横方向の距離および／または相対的な縦方向の距離が決定される（または、相対的な垂直距離および相対的な接線距離は、代替的に、相対的な横方向距離および／または相対的な縦方向距離を置き換えるために使用されてもよい）。車線境界線候補反射点Cと初期クラスタ内のクラスタM1内の反射点との間の相対的な横方向距離および／または相対的な縦方向距離が、指定された横方向距離閾値および／または縦方向距離閾値を満たす場合、クラスタM1内にあり、指定された横方向距離閾値および／または縦方向距離閾値を満たす点の数がさらに計算される。クラスタM1内の反射点の数が指定された閾値を満たす場合、点CはクラスタM1に分類され得る。残りは、類推によって推測され得る。

任意選択で、いくつかの実施形態では、車線境界線候補反射点をトラバースすることに加えて、最初に取得された点群内のいくつかの他の反射点、例えば、初期クラスタに近い反射点がさらにトラバースされてもよい。

その後、最終的に得られたクラスタ内の反射点が車線境界線反射点である。

再び図4を参照されたい。いくつかの実施形態では、道路端情報が取得された後、道路端情報の信頼性が最初に判定され得る。道路端情報が信頼できる場合、本出願のこの実施形態で提供される解決策は、道路端座標系から車線境界線反射点を抽出するために使用され得る。そうでない場合、車線境界線反射点は、自車両座標系から抽出され得る。道路端情報が信頼できるかどうかは、複数の方法で測定され得る。例えば、2つの道路端線が十分に長いか否か、2つの道路端線の差が十分に小さいか否か等によって、道路端情報の信頼性が判定され得る。

なお、ステップS410におけるLIDARを使用した走査は、シングルフレーム走査であってもよいし、マルチフレーム走査であってもよい。LIDARのマルチフレーム走査結果を用いて道路端情報または車線境界線情報が抽出されると、抽出結果の精度が向上され得る。

以下に、本出願の装置の実施形態を説明する。装置の実施形態は方法の実施形態に対応するので、詳細に説明されていない部分については、前述の方法の実施形態を参照されたい。

図11は、本出願の一実施形態による、車線境界線を検出するための装置の構造の概略図である。図11に示すように、検出装置1100は、走査モジュール1110と、確立モジュール1120と、抽出モジュール1130と、決定モジュール1140とを含む。走査モジュール1110は、車線境界線候補反射点および道路端情報を取得するために、LIDARを使用して車両の周囲環境を走査するように構成される。確立モジュール1120は、道路端情報に基づいて道路端座標系を確立するように構成される。抽出モジュール1130は、道路端座標系における車線境界線候補反射点の座標に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するように構成される。決定モジュール1140は、車線境界線反射点に基づいて車線境界線を取得するように構成される。

任意選択で、いくつかの実施形態では、抽出モジュール1130は、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点の特徴を決定し、車線境界線候補反射点の特徴に基づいて、車線境界線候補反射点から車線境界線反射点を抽出するように構成されてもよい。

任意選択で、いくつかの実施形態では、抽出モジュール1130は、直線を取得するために、道路端座標系における車線境界線候補反射点の座標に基づいてハフ変換によって特徴検出を実行し、車線境界線候補反射点から、直線との距離が第1の閾値未満である反射点を車線境界線反射点として抽出するように構成されてもよい。

任意選択で、いくつかの実施形態では、抽出モジュール1130は、道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点をクラスタリングし、クラスタリング結果に基づいて車線境界線反射点を決定するように構成されてもよい。

任意選択で、いくつかの実施形態では、検出装置1100は、車線境界線反射点が道路端座標系における車線境界線候補反射点の座標に基づいて車線境界線候補反射点から抽出される前に、車線境界線候補反射点から、道路端情報に基づいて道路端からの距離が第2の閾値よりも大きい反射点をフィルタリング除去するように構成されたフィルタリングモジュールをさらに含んでもよい。

任意選択で、いくつかの実施形態では、道路端情報は、2つの道路端線に関する情報を含み、確立モジュール1120は、2つの道路端線のうちのより長い端線または2つの道路端線の中心線を基準線として使用することによって道路端座標系を確立するように構成されてもよい。

任意選択で、いくつかの実施形態では、道路端情報は2つの道路端線に関する情報を含み、2つの道路端線間には差があり、道路端座標系は、2つの道路端線を基準線としてそれぞれ使用することによって確立される2つの座標系を含む。

本出願の一実施形態で提供される検出装置は、メモリと、少なくとも1つのプロセッサとを含む。図12に示すように、検出デバイス1200は、図1に示されるメモリ114および少なくとも1つのプロセッサ113を含み得る。メモリ114は、少なくとも1つのプロセッサ113と信号接続されている。メモリ114は、少なくとも1つのプロセッサ113によって実行される命令115を格納し、命令115は、少なくとも1つのプロセッサ113が車線境界線を検出するための前述の方法を実行することを可能にするために、少なくとも1つのプロセッサ113によって実行される。例えば、プロセッサおよびメモリはバスに接続されてもよく、またはプロセッサおよびメモリはバスを使用して別の外部デバイスに信号接続されてもよい。

例えば、本出願のこの実施形態で提供される検出デバイスは、少なくとも1つのLIDARおよびプロセッサを含み得る。LIDARは、車両の周囲環境の点群データを取得するように構成される。プロセッサは、ソフトウェアプログラムを実行するように構成され、LIDARセンサドライバ、LIDAR車線境界線認識モジュール、および車線境界線受信モジュールを含む。LIDARセンサドライバは、LIDARによってプロセッサに送信されたデータを3次元点群データに変換するように構成される。LIDAR車線境界線認識モジュールは抽出モジュールを含み、抽出モジュールは、道路端情報（道路端座標系）に基づいて車線境界線を抽出するように構成される。車線境界線受信モジュールは、融合モジュール、計画および制御モジュールなどであってもよく、車線境界線結果を受信するように構成される。複数フレームの蓄積または追跡が必要とされる場合、自車両運動情報を提供するために、自車両運動情報取得モジュールがさらに必要とされる。自車両運動情報は、測位モジュールからもたらされてもよく、車輪速度計、ステアリングホイール回転角などを使用して取得されてもよい。

例えば、いくつかの実施形態では、検出デバイスは、構成要素を接続するためのインターフェースをさらに含んでもよい。インターフェースは、高速インターフェースおよび低速インターフェースを含んでもよい。構成要素は、異なるバスを使用して相互接続されてもよく、共通のメインボードに取り付けられてもよく、または要件に基づいて別の方法で取り付けられてもよい。プロセッサ113は、外部入出力装置（インターフェースに結合された表示デバイスなど）に表示するためにメモリ114内またはメモリ114上に格納されたグラフィック情報命令を含む、検出デバイス1300内で実行される命令115を処理してもよい。

例えば、いくつかの実施形態では、検出デバイスは、様々な形態のデジタルコンピュータであってもよく、車両に固定されてもよい。例えば、検出デバイスは、ラップトップコンピュータ、デスクトップコンピュータ、作業台、携帯情報端末、サーバ、ブレードサーバ、メインフレームコンピュータ、および他の適切なコンピュータである。あるいは、検出デバイスは、様々な形態のモバイル装置であってもよく、車両信号に無線で接続されてもよい。例えば、検出デバイスは、携帯情報端末、携帯電話、スマートフォン、ウェアラブルデバイス、および他の同様のコンピューティング装置である。

当業者であれば、本明細書で開示された実施形態に記載されている例と組み合わせて、ユニットおよびアルゴリズムのステップが、電子ハードウェア、またはコンピュータソフトウェアと電子ハードウェアとの組み合わせによって実施され得ることに気づくことができる。機能がハードウェアとソフトウェアのどちらによって実行されるかは、技術的解決策の特定の用途および設計上の制約に依存する。当業者は、特定の用途ごとに異なる方法を使用して説明された機能を実施してもよいが、その実装形態が、本出願の範囲を超えるものと見なされるべきではない。

本出願で提供されるいくつかの実施形態では、開示されたシステム、装置、デバイス、記憶媒体、および方法は、他の方法で実施されてもよいことを理解されたい。例えば、説明されている装置の実施形態は単なる例である。例えば、ユニットへの分割は、単に論理的な機能分割であり、実際の実装に際しては他の分割であってもよい。例えば、複数のユニットまたは構成要素が組み合わされるか、または別のシステムに統合されてもよく、またはいくつかの特徴は無視されてよく、または実行されなくてもよい。加えて、表示または考察された相互結合または直接結合または通信接続が、いくつかのインターフェースを介して実施されてもよい。装置またはユニット間の間接的な結合または通信接続は、電子的形態、機械的形態、または別の形態で実施されてもよい。

別々の部分として説明されるユニットは、物理的に別個であっても、なくてもよく、ユニットとして表示される部分は、物理ユニットであっても、なくてもよく、1つの位置に配置されてもよく、または複数のネットワークユニット上に分散されてもよい。実施形態の解決策の目的を達成するために、実際の要求に基づいて、ユニットの一部または全部が選択されてもよい。

加えて、本出願の実施形態の機能ユニットは1つの処理ユニットに統合されてよく、またはユニットの各々は物理的に単独で存在してよく、または2つ以上のユニットが1つのユニットに統合されてもよい。

前述の説明は、本出願の単なる特定の実装形態であり、本出願の保護範囲を限定することは意図されていない。本出願に開示された技術的範囲内で当業者によって容易に考え出されるいかなる変形または置換も、本出願の保護範囲内にあるものとする。したがって、本出願の保護範囲は、特許請求の範囲の保護範囲に従うものとする。

100 車両
102 走行システム
104 検知システム
106 制御システム
108 周辺デバイス
110 電源
112 コンピュータシステム
113 プロセッサ
114 メモリ
115 命令
116 ユーザインターフェース
118 エンジン
119 エネルギー源
120 トランスミッションデバイス
121 車輪
122 全地球測位システム
124 慣性計測装置
126 レーダ
128 レーザレンジファインダ
130 カメラ
132 ステアリングシステム
134 スロットル
136 ブレーキユニット
138 センサ融合アルゴリズム
140 コンピュータビジョンシステム
142 経路制御システム
144 障害物回避システム
146 無線通信システム
148 車載コンピュータ
150 マイクロフォン
152 スピーカ
210 LIDAR
220 環境認識モジュール
230 測位モジュール
240 計画および制御モジュール
250 加減速およびステアリング装置
221 物体認識モジュール
222 運転可能領域認識モジュール
223 道路構造情報認識モジュール
224 車線境界線認識モジュール
1100 検出装置
1110 走査モジュール
1120 確立モジュール
1130 抽出モジュール
1140 決定モジュール
1200 検出デバイス
1300 検出デバイス

Claims

車線境界線を検出するための方法であって、
車線境界線候補反射点および道路端情報を取得するために、LIDARを使用して車両の周囲環境を走査するステップと、
前記道路端情報に基づいて道路端座標系を確立するステップと、
前記道路端座標系における前記車線境界線候補反射点の座標に基づいて、前記車線境界線候補反射点から車線境界線反射点を抽出するステップと、
前記車線境界線反射点に基づいて車線境界線を取得するステップと
を含む、方法。
前記道路端座標系における前記車線境界線候補反射点の座標に基づいて前記車線境界線候補反射点から車線境界線反射点を抽出する前記ステップが、
前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点の特徴を決定するステップと、
前記車線境界線候補反射点の前記特徴に基づいて、前記車線境界線候補反射点から前記車線境界線反射点を抽出するステップと
を含む、請求項1に記載の検出方法。
前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点の特徴を決定する前記ステップが、
直線を取得するために、前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいてハフ変換により特徴検出を実行するステップ
を含み、
前記車線境界線候補反射点の前記特徴に基づいて前記車線境界線候補反射点から前記車線境界線反射点を抽出する前記ステップが、
前記車線境界線候補反射点から、前記直線との距離が第1の閾値未満である反射点を前記車線境界線反射点として抽出するステップ
を含む、
請求項2に記載の検出方法。
前記道路端座標系における前記車線境界線候補反射点の座標に基づいて前記車線境界線候補反射点から車線境界線反射点を抽出する前記ステップが、
前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点をクラスタリングするステップと、
クラスタリング結果に基づいて前記車線境界線反射点を決定するステップと
を含む、請求項1に記載の検出方法。
前記道路端座標系における前記車線境界線候補反射点の座標に基づいて前記車線境界線候補反射点から車線境界線反射点を抽出する前記ステップの前に、前記方法が、
前記車線境界線候補反射点から、前記道路端情報に基づいて道路端からの距離が第2の閾値よりも大きい反射点をフィルタリング除去するステップ
をさらに含む、請求項1から4のいずれか一項に記載の検出方法。
前記道路端情報が、2つの道路端線に関する情報を含み、
前記道路端情報に基づいて道路端座標系を確立する前記ステップが、
前記2つの道路端線のうちのより長い端線または前記2つの道路端線の中心線を基準線として使用することによって前記道路端座標系を確立するステップ
を含む、
請求項1から5のいずれか一項に記載の検出方法。
前記道路端情報が2つの道路端線に関する情報を含み、前記2つの道路端線間には差があり、前記道路端座標系は、前記2つの道路端線を基準線としてそれぞれ使用することによって確立される2つの座標系を含む、請求項1から5のいずれか一項に記載の検出方法。
車線境界線を検出するための装置であって、
車線境界線候補反射点および道路端情報を取得するために、LIDARを使用して車両の周囲環境を走査するように構成された走査モジュールと、
前記道路端情報に基づいて道路端座標系を確立するように構成された確立モジュールと、
前記道路端座標系における前記車線境界線候補反射点の座標に基づいて、前記車線境界線候補反射点から車線境界線反射点を抽出するように構成された抽出モジュールと、
前記車線境界線反射点に基づいて車線境界線を取得するように構成された決定モジュールと
を備える、装置。
前記抽出モジュールが、前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点の特徴を決定し、前記車線境界線候補反射点の前記特徴に基づいて、前記車線境界線候補反射点から前記車線境界線反射点を抽出するように構成される、請求項8に記載の検出装置。
前記抽出モジュールが、直線を取得するために、前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいてハフ変換によって特徴検出を実行し、前記車線境界線候補反射点から、前記直線との距離が第1の閾値未満である反射点を前記車線境界線反射点として抽出するように構成される、請求項9に記載の検出装置。
前記抽出モジュールが、前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点をクラスタリングし、クラスタリング結果に基づいて前記車線境界線反射点を決定するように構成される、請求項8に記載の検出装置。
前記検出装置が、
前記車線境界線反射点が前記道路端座標系における前記車線境界線候補反射点の前記座標に基づいて前記車線境界線候補反射点から抽出される前に、前記車線境界線候補反射点から、前記道路端情報に基づいて道路端からの距離が第2の閾値よりも大きい反射点をフィルタリング除去するように構成されたフィルタリングモジュール
をさらに備える、請求項8から11のいずれか一項に記載の検出装置。
前記道路端情報が、2つの道路端線に関する情報を含み、前記確立モジュールが、前記2つの道路端線のうちのより長い端線または前記2つの道路端線の中心線を基準線として使用することによって前記道路端座標系を確立するように構成される、請求項8から12のいずれか一項に記載の検出装置。
前記道路端情報が2つの道路端線に関する情報を含み、前記2つの道路端線間には差があり、前記道路端座標系は、前記2つの道路端線を基準線としてそれぞれ使用することによって確立される2つの座標系を含む、請求項8から12のいずれか一項に記載の検出装置。
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと信号接続されたメモリと、
を備える、車線境界線を検出するための装置であって、
前記メモリは、前記少なくとも1つのプロセッサによって実行される命令を格納し、前記命令は、前記少なくとも1つのプロセッサが請求項1から7のいずれか一項に記載の車線境界線を検出するための方法を実行することを可能にするために、前記少なくとも1つのプロセッサによって実行される、
装置。