TWI690439B - 道路標線之光達偵測方法及其系統 - Google Patents
道路標線之光達偵測方法及其系統 Download PDFInfo
- Publication number
- TWI690439B TWI690439B TW107138835A TW107138835A TWI690439B TW I690439 B TWI690439 B TW I690439B TW 107138835 A TW107138835 A TW 107138835A TW 107138835 A TW107138835 A TW 107138835A TW I690439 B TWI690439 B TW I690439B
- Authority
- TW
- Taiwan
- Prior art keywords
- lane line
- point
- horizontal
- width
- detection
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本發明提供一種道路標線之光達偵測方法,其資料擷取轉換步驟擷取路面之三維光達感測器座標系點資訊,然後將其轉換成車身座標系點資訊。水平層車道線判斷步驟利用二值化法運算各偵測線之偵測點之反光度而求得二值化閥值,並依據二值化閥值將各偵測點判別為水平標線點或非水平標線點。二值化閥值中至少二者彼此相異。垂直層車道線判斷步驟分析相鄰之任二偵測線中的水平標線點之斜率,並依據預設斜率閥值及斜率之比對結果將水平標線點判定是否為同一條車道線。藉此,本發明可輔助自駕車定位,以提升自駕之安全性及偵測之正確性。
Description
本發明是關於一種光達偵測方法及其系統,特別是關於一種道路標線之光達偵測方法及其系統。
一般道路標線偵測方法係用於告知車輛駕駛員在車輛駕駛路徑中道路標線的存在,或者用於自動駕駛時路線規劃的可行駕駛區域約束。目前大多數系統採用基於視覺的系統(例如:攝影機)來分析獲得的圖像。由於受限於車輛周圍光線狀況以及影像品質,此種基於視覺的系統容易造成不正確地區分道路標線。另外市面上有使用高密度光達之感測系統來偵測道路標線(至少32層),但此種系統所得到之光達資料量往往過於龐大且費用昂貴,而且使用此種高密度光達需耗費較高成本。由此可知,目前市場上缺乏一種運用低密度光達即可準確且快速地偵測出道路標線之光達偵測方法及其系統,故相關業者均在尋求其解決之道。
因此,本發明之目的在於提供一種道路標線之光達偵測方法及其系統,其利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性以及點雲資料之應用性。此外,相較於習知影像偵測車道線技術,本發明基於不受外在環境光線影響以及使用低密度光達的條件下,利用特殊之水平層車道線判斷步驟以及垂直層車道線判斷步驟,可大幅提升偵測之正確性與準確率。
依據本發明的方法態樣之一實施方式提供一種道路標線之光達偵測方法,其用以偵測鄰近車輛之路面之道路標線,道路標線之光達偵測方法包含資料擷取轉換步驟、水平層車道線判斷步驟以及垂直層車道線判斷步驟。其中資料擷取轉換步驟係利用裝設於車輛之三維光達感測器擷取路面之複數個三維光達感測器座標系點資訊,然後依據一座標轉換關係式將對應路面之三維光達感測器座標系點資訊轉換成對應車輛之複數個車身座標系點資訊,此些車身座標系點資訊分成複數偵測線,各偵測線具有複數偵測點。再者,水平層車道線判斷步驟包含標線點雲搜尋步驟,且標線點雲搜尋步驟包含點雲反光度判別步驟。點雲反光度判別步驟係利用二值化法運算各偵測線之偵測點之反光度而求得二值化閥值,並依據二值化閥值將各偵測點判別為水平標線點或非水平標線點,此些二值化閥值中至少二者彼此相異。此外,垂直層車道線判斷步驟包含連
續性分析步驟,連續性分析步驟係分析相鄰之任二偵測線中的複數水平標線點之斜率,並依據預設斜率閥值及斜率之比對結果將此些水平標線點判定為一同條車道線點位或一非同條車道線點位,同條車道線點位對應道路標線。
藉此,本發明的道路標線之光達偵測方法利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性。此外,水平層車道線判斷步驟之階段式點雲反光度判斷可結合垂直層車道線判斷步驟之連續性分析,使偵測方式較為彈性並可提高判斷之正確率。
前述實施方式之其他實施例如下:前述資料擷取轉換步驟可包含點雲資料擷取步驟與資料座標轉換步驟,其中點雲資料擷取步驟係驅動三維光達感測器發射複數雷射點至路面,然後三維光達感測器接收反射之雷射點後輸出三維光達感測器座標系點資訊,並傳送三維光達感測器座標系點資訊至一點雲接收處理單元。三維光達感測器設於車輛。資料座標轉換步驟係利用點雲接收處理單元將三維光達感測器座標系點資訊依據座標轉換關係式轉換成車身座標系點資訊。
前述實施方式之其他實施例如下:前述座標轉換關係式可包含垂直視角、滾動角、三維光達感測器離地高度、三維光達感測器座標系點資訊及車身座標系點資訊。其中垂直視角表示為α,滾動角表示為β,三維光達感測器離地高度為h,三維光達感測器座標系點資訊表示
為(x',y',z'),車身座標系點資訊表示為(x,y,z),座標轉換關係式符合下式:
前述實施方式之其他實施例如下:前述道路標線之光達偵測方法可包含點雲高度篩選步驟,此點雲高度篩選步驟係依據濾除高度產生濾除線,並利用濾除線將車身座標系點資訊中高度值大於濾除高度之偵測點予以濾除。
前述實施方式之其他實施例如下:前述水平層車道線判斷步驟可包含一車道線寬度篩選步驟,此車道線寬度篩選步驟係分析水平標線點而求得至少一車道線寬度,並依據合理車道線寬度範圍及車道線寬度之比對結果將水平標線點判定為一車道線標記或一非車道線標記。
前述實施方式之其他實施例如下:在前述車道線寬度篩選步驟中,合理車道線寬度範圍包含一車道線最大寬度值與一車道線最小寬度值。當車道線寬度小於等於車道線最大寬度值且大於等於車道線最小寬度值時,水平標線點視為車道線標記之一單車道線。當車道線寬度大於車道線最大寬度值或小於車道線最小寬度值時,水平標線點視為非車道線標記。
前述實施方式之其他實施例如下:在前述車道線寬度篩選步驟中,水平標線點經分析而求得第一車道線寬度與第二車道線寬度,合理車道線寬度範圍包含車道線
最大寬度值、車道線最小寬度值及預設間隙寬度值。當第一車道線寬度與第二車道線寬度均小於等於車道線最大寬度值且均大於等於車道線最小寬度值,且對應第一車道線寬度與第二車道線寬度之水平標線點彼此之間距小於等於預設間隙寬度值時,則對應第一車道線寬度與第二車道線寬度之水平標線點視為車道線標記之雙車道線。
前述實施方式之其他實施例如下:前述垂直層車道線判斷步驟可包含一車道線擬合步驟,此車道線擬合步驟係依據車道線擬合方程式將同條車道線點位之車道線標記之座標值擬合出一預測垂直層道路標線,此預測垂直層道路標線對應道路標線。
依據本發明的方法態樣之另一實施方式提供一種道路標線之光達偵測方法,其用以偵測鄰近車輛之路面之道路標線。道路標線之光達偵測方法包含資料擷取轉換步驟、水平層車道線判斷步驟以及垂直層車道線判斷步驟,其中資料擷取轉換步驟係利用裝設於車輛之三維光達感測器擷取路面之複數個三維光達感測器座標系點資訊,然後依據座標轉換關係式將對應路面之三維光達感測器座標系點資訊轉換成對應車輛之複數個車身座標系點資訊,此些車身座標系點資訊分成複數偵測線,各偵測線具有複數偵測點。此外,水平層車道線判斷步驟包含標線點雲搜尋步驟,此標線點雲搜尋步驟包含點雲反光度判別步驟與反光度差異分析步驟。其中點雲反光度判別步驟係利用二值化法運算各層偵測線之偵測點之反光度而求得二值化閥
值,並依據二值化閥值將各偵測點判別為水平標線點或非水平標線點。而反光度差異分析步驟係利用邊緣化法分析各偵測線之偵測點之反光度而求得相鄰之任二偵測點之複數個反光度變異量,並依據預設變異值與反光度變異量之比對結果將各偵測點判定為水平標線邊緣點或非水平標線邊緣點,然後依據各偵測線之水平標線點及水平標線邊緣點決定出複數水平點雲標線點。再者,垂直層車道線判斷步驟包含連續性分析步驟,此連續性分析步驟係分析相鄰之任二偵測線中的複數水平點雲標線點之一斜率,並依據預設斜率閥值及斜率之比對結果將複數水平標線點判定為同條車道線點位或非同條車道線點位,同條車道線點位對應道路標線。
藉此,本發明之反光度差異分析步驟使用一階維分結果找峰值,可直覺性得到差異位置處,而且不須運算反光度相減閥值。再者,每層偵測線均進行邊緣化法計算,可避免習知影像偵測車道線技術在遠處反光度較弱時無法得到明確邊緣值之問題。此外,點雲資料本身即為不連續狀,使用邊緣化法進行分析可明確得到其差異性,故邊緣化法之效果較習知影像偵測車道線技術為好。
前述實施方式之其他實施例如下:在前述點雲反光度判別步驟中,此些二值化閥值中至少二者可彼此相異。在反光度差異分析步驟中,邊緣化法為一階微分計算。
前述實施方式之其他實施例如下:前述資料擷取轉換步驟可包含一點雲資料擷取步驟與一資料座標轉換步驟,其中點雲資料擷取步驟係驅動三維光達感測器發射複數雷射點至路面,然後三維光達感測器接收反射之雷射點後輸出三維光達感測器座標系點資訊,並傳送三維光達感測器座標系點資訊至一點雲接收處理單元。三維光達感測器設於車輛。資料座標轉換步驟係利用點雲接收處理單元將三維光達感測器座標系點資訊依據座標轉換關係式轉換成車身座標系點資訊。
前述實施方式之其他實施例如下:前述座標轉換關係式可包含垂直視角、滾動角、三維光達感測器離地高度、三維光達感測器座標系點資訊及車身座標系點資訊。其中垂直視角表示為α,滾動角表示為β,三維光達感測器離地高度為h,三維光達感測器座標系點資訊表示為(x',y',z'),車身座標系點資訊表示為(x,y,z),座標轉換關係式符合下式:
前述實施方式之其他實施例如下:前述道路標線之光達偵測方法可包含點雲高度篩選步驟,此點雲高度篩選步驟係依據一濾除高度產生一濾除線,並利用濾除線將車身座標系點資訊中高度值大於濾除高度之偵測點予以濾除。
前述實施方式之其他實施例如下:前述水平層車道線判斷步驟可包含一車道線寬度篩選步驟,此車道線寬度篩選步驟係分析水平點雲標線點而求得至少一車道線寬度,並依據一合理車道線寬度範圍及至少一車道線寬度之比對結果將水平點雲標線點判定為一車道線標記或一非車道線標記。
前述實施方式之其他實施例如下:在前述車道線寬度篩選步驟中,合理車道線寬度範圍包含一車道線最大寬度值與一車道線最小寬度值。當至少一車道線寬度小於等於車道線最大寬度值且大於等於車道線最小寬度值時,水平點雲標線點視為車道線標記之一單車道線。當至少一車道線寬度大於車道線最大寬度值或小於車道線最小寬度值時,水平點雲標線點視為非車道線標記。
前述實施方式之其他實施例如下:在前述車道線寬度篩選步驟中,水平點雲標線點經分析而求得一第一車道線寬度與一第二車道線寬度,合理車道線寬度範圍包含一車道線最大寬度值、一車道線最小寬度值及一預設間隙寬度值。當第一車道線寬度與第二車道線寬度均小於等於車道線最大寬度值且均大於等於車道線最小寬度值,且對應第一車道線寬度與第二車道線寬度之水平點雲標線點彼此之間距小於等於預設間隙寬度值時,則對應第一車道線寬度與第二車道線寬度之水平點雲標線點視為車道線標記之雙車道線。
前述實施方式之其他實施例如下:前述垂直層車道線判斷步驟可包含一車道線擬合步驟,此車道線擬合步驟係依據一車道線擬合方程式將同條車道線點位之車道線標記之座標值擬合出一預測垂直層道路標線,預測垂直層道路標線對應道路標線。
依據本發明的結構態樣之一實施方式提供一種道路標線之光達偵測系統,其用以偵測鄰近車輛之路面之道路標線。道路標線之光達偵測系統包含三維光達感測器與點雲接收處理單元,其中三維光達感測器設於車輛,三維光達感測器擷取路面之複數個三維光達感測器座標系點資訊。點雲接收處理單元訊號連接三維光達感測器,且點雲接收處理單元包含資料擷取轉換模組、水平層車道線判斷模組及垂直層車道線判斷模組。資料擷取轉換模組訊號連接三維光達感測器,資料擷取轉換模組依據一座標轉換關係式將對應路面之三維光達感測器座標系點資訊轉換成對應車輛之複數個車身座標系點資訊,此些車身座標系點資訊分成複數偵測線,各偵測線具有複數偵測點。水平層車道線判斷模組訊號連接資料擷取轉換模組,水平層車道線判斷模組利用二值化法運算各層偵測線之偵測點之反光度而求得二值化閥值,並依據二值化閥值將各偵測點判別為水平標線點或非水平標線點,二值化閥值中至少二者彼此相異。此外,垂直層車道線判斷模組訊號連接水平層車道線判斷模組,垂直層車道線判斷模組分析相鄰之任二偵測線中的複數水平標線點之斜率,並依據預設斜率閥值及
斜率之比對結果將此些複數水平標線點判定為同條車道線點位或非同條車道線點位。同條車道線點位對應道路標線。
藉此,本發明的道路標線之光達偵測系統利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性以及點雲資料之應用性。此外,相較於習知影像偵測車道線技術,本發明基於不受外在環境光線影響以及使用低密度光達的條件下,利用特殊之水平層車道線判斷模組以及垂直層車道線判斷模組來大幅提升偵測之正確性與準確率。
100、100a、100b、100c‧‧‧道路標線之光達偵測方法
110‧‧‧車輛
120‧‧‧路面
122‧‧‧道路標線
122a‧‧‧單車道線
122b‧‧‧雙車道線
124‧‧‧地面
130‧‧‧三維光達感測器
140‧‧‧點雲接收處理單元
142‧‧‧資料擷取轉換模組
144‧‧‧水平層車道線判斷模組
146‧‧‧垂直層車道線判斷模組
200‧‧‧道路標線之光達偵測系統
S12、S21、S32、S41‧‧‧資料擷取轉換步驟
S14、S23、S34、S43‧‧‧水平層車道線判斷步驟
S16、S24、S36、S44‧‧‧垂直層車道線判斷步驟
S142、S232、S342、S432‧‧‧標線點雲搜尋步驟
S1422、S2322、S3422、S4322‧‧‧點雲反光度判別步驟
S162、S242、S362、S442‧‧‧連續性分析步驟
S212‧‧‧點雲資料擷取步
驟
FL‧‧‧濾除線
h‧‧‧三維光達感測器離地高度
L(α)‧‧‧偵測線
P(α,i)‧‧‧偵測點
Pfod(α,i)‧‧‧水平標線邊緣點
Phs(α,i)‧‧‧水平標線點
P1、P2、P3、P4、P5‧‧‧同條車道線點位
Pnhs(α,i)‧‧‧非水平標線點
Tn、T1、T2、T3、T4、T5、T6、T7、T8‧‧‧二值化閥值
Zthres‧‧‧濾除高度
α‧‧‧垂直視角
β‧‧‧滾動角
(x,y,z)‧‧‧車身座標系點資訊
(x',y',z')‧‧‧三維光達感測器座標系點資訊
(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X5,Y5,Z5)、(X6,Y6,Z6)‧‧‧座標值
S214‧‧‧資料座標轉換步驟
S22、S42‧‧‧點雲高度篩選步驟
S234、S434‧‧‧車道線寬度篩選步驟
S244、S444‧‧‧車道線擬合步驟
S3424、S4324‧‧‧反光度差異分析步驟
△d‧‧‧車道線寬度
△d1‧‧‧第一車道線寬度
△d2‧‧‧第二車道線寬度
△d3‧‧‧間距
△y‧‧‧垂直搜尋範圍
y=ax2+bx+c‧‧‧預測垂直層道路標線
第1圖係繪示本發明第一實施例之道路標線之光達偵測方法的流程示意圖;第2圖係繪示第1圖的點雲資料擷取步驟中三維光達感測器與車輛之側視圖;第3圖係繪示第1圖的點雲資料擷取步驟中三維光達感測器與點雲接收處理單元之示意圖;第4圖係繪示第1圖的點雲資料擷取步驟中車輛位於路面之俯視圖;第5圖係繪示本發明第二實施例之道路標線之光達偵測方法的流程示意圖;第6圖係繪示第5圖的點雲高度篩選步驟之示意圖;
第7圖係繪示第5圖的點雲反光度判別步驟中二值化法之示意圖;第8圖係繪示第5圖的點雲反光度判別步驟中各層偵測線對應不同二值化閥值之示意圖;第9A圖係繪示第5圖的車道線寬度篩選步驟中道路標線為單車道線之示意圖;第9B圖係繪示第5圖的車道線寬度篩選步驟中道路標線為雙車道線之示意圖;第10A圖係繪示第5圖的連續性分析步驟之示意圖;第10B圖係繪示第10A圖的同條車道線點位之搜尋範圍之示意圖;第11圖係繪示第5圖的車道線擬合步驟之示意圖;第12圖係繪示本發明第三實施例之道路標線之光達偵測方法的流程示意圖;第13圖係繪示第12圖的反光度差異分析步驟之示意圖;第14圖係繪示本發明第四實施例之道路標線之光達偵測方法的流程示意圖;第15圖係繪示第14圖的垂直層車道線判斷步驟之示意圖;以及第16圖係繪示本發明一實施例之道路標線之光達偵測系統的方塊示意圖。
以下將參照圖式說明本發明之複數個實施例。為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,應瞭解到,這些實務上的細節不應用以限制本發明。也就是說,在本發明部分實施例中,這些實務上的細節是非必要的。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之;並且重複之元件將可能使用相同的編號表示之。
此外,本文中當某一元件(或單元或模組等)「連接」於另一元件,可指所述元件是直接連接於另一元件,亦可指某一元件是間接連接於另一元件,意即,有其他元件介於所述元件及另一元件之間。而當有明示某一元件是「直接連接」於另一元件時,才表示沒有其他元件介於所述元件及另一元件之間。而第一、第二、第三等用語只是用來描述不同元件,而對元件本身並無限制,因此,第一元件亦可改稱為第二元件。且本文中之元件/單元/模組之組合非此領域中之一般周知、常規或習知之組合,不能以元件/單元/模組本身是否為習知,來判定其組合關係是否容易被技術領域中之通常知識者輕易完成。
請一併參閱第1至4圖,其中第1圖係繪示本發明第一實施例之道路標線之光達偵測方法100的流程示意圖;第2圖係繪示第1圖的資料擷取轉換步驟S12中三維光達感測器130與車輛110之側視圖;第3圖係繪示第1圖的資料擷取轉換步驟S12中三維光達感測器130與點雲接收處理單元140之示意圖;以及第4圖係繪示第1圖的資料擷取
轉換步驟S12中車輛110位於路面120之俯視圖。如圖所示,道路標線之光達偵測方法100用以偵測鄰近車輛110之路面120之道路標線122。路面120包含道路標線122與地面124,其中道路標線122為白色、黃色或紅色之塗料,而地面124則為瀝青。道路標線之光達偵測方法100包含資料擷取轉換步驟S12、水平層車道線判斷步驟S14以及垂直層車道線判斷步驟S16。
資料擷取轉換步驟S12係利用裝設於車輛110之三維光達感測器130擷取路面120之複數個三維光達感測器座標系點資訊(x',y',z'),然後依據一座標轉換關係式將對應路面120之三維光達感測器座標系點資訊(x',y',z')轉換成對應車輛110之複數個車身座標系點資訊(x,y,z)。此些車身座標系點資訊(x,y,z)分成複數偵測線L(α),各偵測線L(α)具有複數偵測點P(α,i)。此外,水平層車道線判斷步驟S14包含標線點雲搜尋步驟S142,且標線點雲搜尋步驟S142包含點雲反光度判別步驟S1422。點雲反光度判別步驟S1422係利用二值化法運算各偵測線L(α)之偵測點P(α,i)之反光度而求得二值化閥值Tn,並依據二值化閥值Tn將各偵測點P(α,i)判別為水平標線點Phs(α,i)或非水平標線點Pnhs(α,i)。此些二值化閥值Tn中至少二者彼此相異。再者,垂直層車道線判斷步驟S16包含連續性分析步驟S162,連續性分析步驟S162係分析相鄰之任二偵測線L(α)中的複數水平標線點Phs(α,i)之斜率,並依據預設斜率閥值及斜率之比對結果將此些水平標線點Phs(α,i)判定
為同條車道線點位或非同條車道線點位,同條車道線點位對應道路標線122。藉此,本發明的道路標線之光達偵測方法100利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性。此外,水平層車道線判斷步驟S14之階段式點雲反光度判斷可結合垂直層車道線判斷步驟S16之連續性分析,使偵測方式較為彈性並可提高判斷之正確率。
請一併參閱第2、3、4、5、6、7、8、9A、9B、10A、10B及11圖,其中第5圖係繪示本發明第二實施例之道路標線之光達偵測方法100a的流程示意圖;第6圖係繪示第5圖的點雲高度篩選步驟S22之示意圖;第7圖係繪示第5圖的點雲反光度判別步驟S2322中二值化法之示意圖;第8圖係繪示第5圖的點雲反光度判別步驟S2322中各層偵測線L(α)對應不同二值化閥值Tn之示意圖;第9A圖係繪示第5圖的車道線寬度篩選步驟S234中道路標線122為單車道線122a之示意圖;第9B圖係繪示第5圖的車道線寬度篩選步驟S234中道路標線122為雙車道線122b之示意圖;第10A圖係繪示第5圖的連續性分析步驟S242之示意圖;第10B圖係繪示第10A圖的同條車道線點位Pn之搜尋範圍之示意圖;以及第11圖係繪示第5圖的車道線擬合步驟S244之示意圖。如圖所示,道路標線之光達偵測方法100a用以偵測鄰近車輛110之路面120之道路標線122。路面120包含道路標線122與地面124。道路標線之光達偵測方法100a包含資料擷取轉換步驟S21、點雲高度篩選步驟
S22、水平層車道線判斷步驟S23以及垂直層車道線判斷步驟S24。
資料擷取轉換步驟S21係利用裝設於車輛110之三維光達感測器130擷取路面120之複數個三維光達感測器座標系點資訊(x',y',z'),然後依據一座標轉換關係式將對應路面120之三維光達感測器座標系點資訊(x',y',z')轉換成對應車輛110之複數個車身座標系點資訊(x,y,z),此些車身座標系點資訊(x,y,z)分成複數偵測線L(α),各偵測線L(α)具有複數偵測點P(α,i)。詳細地說,資料擷取轉換步驟S21包含點雲資料擷取步驟S212與資料座標轉換步驟S214。其中點雲資料擷取步驟S212係驅動三維光達感測器130發射複數雷射點至路面120,然後三維光達感測器130接收反射之雷射點後輸出三維光達感測器座標系點資訊(x',y',z'),並傳送三維光達感測器座標系點資訊(x',y',z')至點雲接收處理單元140。三維光達感測器130設於車輛110,且三維光達感測器130具有水平視角、垂直視角α及旋轉頻率。其中水平視角與垂直視角α分別代表水平方向與垂直方向的角度(Field Of View;FOV)。本實施例所使用之三維光達感測器130為16層360度的三維光達感測器(LIDAR),其屬於低密度光達且水平視角等於360度。垂直視角α大於等於負15度且小於等於正15度,而旋轉頻率為10Hz。三維光達感測器130可透過一乙太網路(Ethernet)連接點雲接收處理單元140,並能反覆旋轉偵測而得到路面120之三維光達感測器座標系點資訊
(x',y',z')。再者,16層之三維光達感測器130所對應的垂直視角α是在正負15度之間,這些垂直視角α由下而上分別為負15度、負13度、負11度、負9度、負7度、負5度、負3度、負1度、正1度、正3度、正5度、正7度、正9度、正11度、正13度以及正15度。此外,點雲接收處理單元140可為個人電腦、電子控制單元(Electronic Control Unit;ECU)、微處理器、行動裝置或其他電子運算處理器。而本實施例之點雲接收處理單元140係使用個人電腦作為運算平台。
資料座標轉換步驟S214係利用點雲接收處理單元140將三維光達感測器座標系點資訊(x',y',z')依據座標轉換關係式轉換成車身座標系點資訊(x,y,z)。其中座標轉換關係式包含垂直視角α(pitch angle)、滾動角β(roll angle)、三維光達感測器離地高度h、三維光達感測器座標系點資訊(x',y',z')及車身座標系點資訊(x,y,z),且座標轉換關係式符合下列式子(1):
點雲高度篩選步驟S22係依據一濾除高度Zthres產生一濾除線FL,並利用濾除線FL將車身座標系點資訊(x,y,z)中高度值z大於濾除高度Zthres之偵測點P(α,i)予以濾除。濾除高度Zthres之範圍可為0公分至5公分,較佳範圍為0公分至2公分。藉此,本發明透過點雲高度篩選
步驟S22將多餘的點雲濾除,可大幅縮短運算時間以增加運算效率。
水平層車道線判斷步驟S23包含標線點雲搜尋步驟S232與車道線寬度篩選步驟S234,其中標線點雲搜尋步驟S232包含點雲反光度判別步驟S2322。點雲反光度判別步驟S2322係利用二值化法運算各偵測線L(α)之偵測點P(α,i)之反光度而求得二值化閥值Tn,並依據二值化閥值Tn將各偵測點P(α,i)判別為水平標線點Phs(α,i)或非水平標線點Pnhs(α,i)。此些二值化閥值Tn中至少二者彼此相異。水平標線點Phs(α,i)對應路面120之道路標線122,而非水平標線點Pnhs(α,i)則對應路面120之地面124。藉此,由於每個水平層(即各偵測線L(α))與光達(即三維光達感測器130)距離相同,故各偵測線L(α)可用二值化法所計算出之二值化閥值Tn判別結果,此結果不受光達距離造成能量遞減之影響,故能提供一個彈性的門檻值供點雲計算。
車道線寬度篩選步驟S234係分析此些水平標線點Phs(α,i)而求得車道線寬度△d,並依據一合理車道線寬度範圍及車道線寬度△d之比對結果將水平標線點Phs(α,i)判定為一車道線標記或一非車道線標記。詳細地說,在車道線寬度篩選步驟S234中,合理車道線寬度範圍包含車道線最大寬度值dmax與車道線最小寬度值dmin。當車道線寬度△d大於車道線最大寬度值dmax或小於車道線最小寬度值dmin時,水平標線點Phs(α,i)視為非車道線
標記。當車道線寬度△d小於等於車道線最大寬度值dmax且大於等於車道線最小寬度值dmin時,水平標線點Phs(α,i)視為車道線標記之單車道線122a,如第9A圖所示。此外,在車道線寬度篩選步驟S234中,水平標線點Phs(α,i)經分析而求得第一車道線寬度△d1與第二車道線寬度△d2。合理車道線寬度範圍包含車道線最大寬度值dmax、車道線最小寬度值dmin及預設間隙寬度值dthres。當第一車道線寬度△d1與第二車道線寬度△d2均小於等於車道線最大寬度值dmax且均大於等於車道線最小寬度值dmin,且對應第一車道線寬度△d1與第二車道線寬度△d2之水平標線點Phs(α,i)彼此之間距△d3小於等於預設間隙寬度值dthres時,則對應第一車道線寬度△d1與第二車道線寬度△d2之水平標線點Phs(α,i)視為車道線標記之雙車道線122b,如第9B圖所示。本實施例之車道線最大寬度值dmax、車道線最小寬度值dmin及預設間隙寬度值dthres分別設為12公分、8公分及10公分。藉此,本發明透過車道線寬度篩選步驟S234可有效且準確地將路面120上非車道線之其他標記剔除。
垂直層車道線判斷步驟S24包含連續性分析步驟S242與車道線擬合步驟S244,其中連續性分析步驟S242係分析相鄰之任二偵測線L(α)中的複數個水平標線點Phs(α,i)之斜率,並依據一預設斜率閥值及此些斜率之比對結果將水平標線點Phs(α,i)判定為同條車道線點位Pn或非同條車道線點位。其中同條車道線點位Pn對應道路標線
122,如第10A圖與第10B圖所示。詳細地說,在第10A圖與第10B圖中,水平標線點Phs(α,i)可用座標值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X5,Y5,Z5)、(X6,Y6,Z6)表示之。在垂直的方向(y方向)上,點雲資料分布並不連續,且偵測線L(α)之密度相當稀疏。隨著偵測線L(α)與車輛110之距離遞增,層與層之間的間距會越遠。因此,本發明利用連續性分析步驟S242判斷每層偵測線L(α)的水平標線點Phs(α,i)是否為同一條車道線。此連續性分析步驟S242會考量斜率並訂出水平搜尋範圍△x與垂直搜尋範圍△y,其中水平搜尋範圍△x係根據相鄰二個偵測線L(α)之同條車道線點位Pn的關係定出,而且水平搜尋範圍△x會根據其x方向之變異量而改變。例如:連續性分析步驟S242會根據同條車道線點位Pn往正x方向搜尋下一個同條車道線點位Pn+1。至於垂直搜尋範圍△y則會根據每層偵測線L(α)之間距給定,亦即△y=h×tan(α+2)-h×tan(α),其中三維光達感測器離地高度h與垂直視角α如第2圖所示。最後,連續性分析步驟S242透過水平搜尋範圍△x與垂直搜尋範圍△y將水平標線點Phs(α,i)判定為同條車道線點位Pn或非同條車道線點位,其中同條車道線點位Pn對應座標值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X6,Y6,Z6),而非同條車道線點位則對應座標值(X5,Y5,Z5)。
車道線擬合步驟S244係依據車道線擬合方程式將同條車道線點位Pn之車道線標記之座標值擬合出一預
測垂直層道路標線,且預測垂直層道路標線對應道路標線122。以第10A圖與第10B圖而言,車道線擬合步驟S244係依據車道線擬合方程式將同條車道線點位P1、P2、P3、P4、P5之車道線標記之座標值(X1,Y1,Z1)、(X2,Y2,Z2)、(X3,Y3,Z3)、(X4,Y4,Z4)、(X6,Y6,Z6)擬合出一預測垂直層道路標線,此預測垂直層道路標線即y=ax2+bx+c。擬合之過程可利用內插方式,如第11圖所示。而車道線可用之數學模型為一階直線方程式、二階拋物線方程式、二階雙曲線方程式或三階方程式。由於本實施例之三維光達感測器130是使用16層的三維光達感測器(LIDAR),其數學模型較適用二階拋物線方程式。當焦距約等於0時,可視為直線情況,也就是數學模型採用一階直線方程式。在彎曲道路上則可直接採用二階拋物線方程式。藉此,本發明的道路標線之光達偵測方法100a利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性。此外,水平層車道線判斷步驟S14之階段式點雲反光度判斷及特定車道線寬度篩選可結合垂直層車道線判斷步驟S16之連續性分析及方程式擬合,使偵測方式較為彈性並可大幅提高判斷之正確率。
請一併參閱第12及13圖,其中第12圖係繪示本發明第三實施例之道路標線之光達偵測方法100b的流程示意圖;第13圖係繪示第12圖的反光度差異分析步驟S3424之示意圖。如圖所示,道路標線之光達偵測方法
100b包含資料擷取轉換步驟S32、水平層車道線判斷步驟S34以及垂直層車道線判斷步驟S36。
配合參閱第1圖,在第12圖的實施例中,資料擷取轉換步驟S32及水平層車道線判斷步驟S34之點雲反光度判別步驟S3422分別與第1圖之資料擷取轉換步驟S12及水平層車道線判斷步驟S14之點雲反光度判別步驟S1422相同,不再贅述。特別的是,第12圖實施例之道路標線之光達偵測方法100b的水平層車道線判斷步驟S34之標線點雲搜尋步驟S342更包含反光度差異分析步驟S3424,此反光度差異分析步驟S3424係利用邊緣化法分析各偵測線L(α)之偵測點P(α,i)之反光度而求得相鄰之任二偵測點P(α,i)之複數個反光度變異量,並依據一預設變異值與此些反光度變異量之比對結果將各偵測點P(α,i)判定為水平標線邊緣點Pfod(α,i)或非水平標線邊緣點,然後依據各偵測線L(α)之水平標線點Phs(α,i)及水平標線邊緣點Pfod(α,i)決定出複數水平點雲標線點。本實施例之邊緣化法為一階微分計算,故反光度差異分析步驟S3424會將反光度進行一階微分計算而得到反光度變異量較大之處並設為水平標線邊緣點Pfod(α,i),如第13圖所示。此外,垂直層車道線判斷步驟S36之連續性分析步驟S362係分析相鄰之任二偵測線L(α)中的複數個水平點雲標線點Pfod(α,i)之斜率,並依據一預設斜率閥值及斜率之比對結果將此些水平點雲標線點Pfod(α,i)判定為同條車道線點位Pn或非同條車道線點位。同條車道線點位Pn對應道路標線122。
藉此,本發明之反光度差異分析步驟S3424使用一階維分結果找峰值,可直覺性得到差異位置處,而且不須運算反光度相減閥值。再者,每層偵測線L(α)均進行邊緣化法計算,可避免習知影像偵測車道線技術在遠處反光度較弱時無法得到明確邊緣值之問題。此外,點雲資料本身即為不連續狀,使用邊緣化法進行分析可明確得到其差異性,而習知影像偵測車道線技術因每個畫素均連續且邊緣易模糊,故邊緣化法之效果較差。
請一併參閱第13、14及15圖,其中第14圖係繪示本發明第四實施例之道路標線之光達偵測方法100c的流程示意圖;第15圖係繪示第14圖的垂直層車道線判斷步驟S44之示意圖。如圖所示,道路標線之光達偵測方法100c包含資料擷取轉換步驟S41、點雲高度篩選步驟S42、水平層車道線判斷步驟S43以及垂直層車道線判斷步驟S44。
配合參閱第5圖,在第14圖的實施例中,資料擷取轉換步驟S41、點雲高度篩選步驟S42、水平層車道線判斷步驟S43之點雲反光度判別步驟S4322以及垂直層車道線判斷步驟S44分別與第5圖之資料擷取轉換步驟S21、點雲高度篩選步驟S22、水平層車道線判斷步驟S23之點雲反光度判別步驟S2322以及垂直層車道線判斷步驟S24相同,不再贅述。特別的是,第14圖實施例之道路標線之光達偵測方法100c的水平層車道線判斷步驟S43之標線點雲搜尋步驟S432更包含反光度差異分析步驟S4324,此反光
度差異分析步驟S4324係利用邊緣化法分析各偵測線L(α)之偵測點P(α,i)之反光度而求得相鄰之任二偵測點P(α,i)之複數個反光度變異量,並依據一預設變異值與此些反光度變異量之比對結果將各偵測點P(α,i)判定為水平標線邊緣點Pfod(α,i)或非水平標線邊緣點,然後依據各偵測線L(α)之水平標線點Phs(α,i)及水平標線邊緣點Pfod(α,i)決定出複數水平點雲標線點。本實施例之邊緣化法為一階微分計算。此外,車道線寬度篩選步驟S434係分析水平點雲標線點而求得至少一車道線寬度,並依據合理車道線寬度範圍及車道線寬度之比對結果將水平點雲標線點判定為車道線標記或非車道線標記。在其他實施例中,車道線標記透過車道線寬度篩選步驟S434還可有效且準確地將路面120上非車道線之其他標記剔除,其技術細節同第5圖之車道線寬度篩選步驟S234,不再贅述。最後,對應車道線標記之水平點雲標線點經由垂直層車道線判斷步驟S44將同條車道線點位Pn之車道線標記之座標值擬合出一預測垂直層道路標線,此預測垂直層道路標線對應道路標線122。舉例來說,表一與第15圖顯示同條車道線點位P1、P2、P3、P4、P5之車道線標記之座標值以及相鄰二座標值之斜率△y/△x。本實施例之連續性分析步驟S442可訂出預設斜率閥值,以剔除不合理之斜率△y/△x,而且車道線擬合步驟S444可依據車道線擬合方程式將同條車道線點位P1、P2、P3、P4、P5之車道線標記之座標值擬合出一預測垂直層道路標線,此預測垂直層道路標線即y=ax2+bx+c,
其數學模型為二階拋物線方程式。藉此,本發明的道路標線之光達偵測方法100c利用連續性分析步驟S442之搜尋範圍來減少搜尋點位之時間,其配合車道線擬合步驟S444可在符合連續性之同條車道線點位Pn的條件下擬合出正確性與準確率較高之方程式。此外,連續性分析步驟S442可根據三維光達感測器離地高度h、角度及特徵點間斜率設定垂直方向及水平方向之合理搜尋範圍,並在各垂直層間由低層往高層方向搜尋同條車道線點位Pn,以排除錯誤點位,進而增加偵測之正確性與準確率。
請一併參閱第1至16圖,其中第16圖係繪示本發明一實施例之道路標線之光達偵測系統200的方塊示意圖。道路標線之光達偵測系統200用以偵測鄰近車輛110之路面120之道路標線122,且道路標線之光達偵測系統200包含三維光達感測器130與點雲接收處理單元140。
三維光達感測器130與前述資料擷取轉換步驟S21中所提之三維光達感測器130結構相同,不再贅述。點雲接收處理單元140訊號連接三維光達感測器130,且點雲接收處理單元140包含資料擷取轉換模組142、水平層車道
線判斷模組144及垂直層車道線判斷模組146。其中資料擷取轉換模組142訊號連接三維光達感測器130,資料擷取轉換模組142依據一座標轉換關係式將對應路面120之三維光達感測器座標系點資訊(x',y',z')轉換成對應車輛110之複數個車身座標系點資訊(x,y,z)。此些車身座標系點資訊(x,y,z)分成複數偵測線L(α),各偵測線L(α)具有複數偵測點P(α,i)。資料擷取轉換模組142執行資料擷取轉換步驟S12、S21、S32、S41。此外,水平層車道線判斷模組144訊號連接資料擷取轉換模組142,且水平層車道線判斷模組144利用二值化法運算各偵測線L(α)之偵測點P(α,i)之反光度而求得二值化閥值Tn,並依據二值化閥值Tn將各偵測點P(α,i)判別為水平標線點Phs(α,i)或非水平標線點Pnhs(α,i)。二值化閥值Tn中至少二者彼此相異。水平層車道線判斷模組144執行水平層車道線判斷步驟S14、S23、S34、S43。此外,垂直層車道線判斷模組146訊號連接水平層車道線判斷模組144,且垂直層車道線判斷模組146分析相鄰之任二偵測線L(α)中的複數水平標線點Phs(α,i)之斜率,並依據預設斜率閥值及斜率之比對結果將此些水平標線點Phs(α,i)判定為同條車道線點位Pn或非同條車道線點位。同條車道線點位Pn對應道路標線122。垂直層車道線判斷模組146執行垂直層車道線判斷步驟S16、S24、S36、S44。藉此,本發明的道路標線之光達偵測系統200可用以輔助自駕車定位,進而提升自駕的安全性以及點雲資料之應用性。另外,藉由特殊之水平層車
道線判斷模組144以及垂直層車道線判斷模組146,可提升偵測之正確性與準確率。
由上述實施方式可知,本發明具有下列優點:其一,利用自駕系統中原有的光達點雲資料作車道線偵測,可用以輔助自駕車定位,進而提升自駕的安全性以及點雲資料之應用性。此外,相較於習知影像偵測車道線技術,本發明基於不受外在環境光線影響以及使用低密度光達的條件下,利用特殊之水平層車道線判斷步驟以及垂直層車道線判斷步驟,可大幅提升偵測之正確性與準確率。其二,藉由水平層車道線判斷步驟之階段式點雲反光度判斷及特定車道線寬度篩選可結合垂直層車道線判斷步驟之連續性分析及方程式擬合,使偵測方式較為彈性。其三,透過點雲高度篩選步驟可將多餘的點雲濾除,可大幅縮短運算時間以增加運算效率。其四,利用車道線寬度篩選步驟可有效且準確地將路面上非車道線之其他標記剔除。其五,使用反光度差異分析步驟之一階維分結果找峰值,可直覺性得到差異位置處,而且不須運算反光度相減閥值。再者,每層偵測線均進行邊緣化法計算,可避免習知影像偵測車道線技術在遠處反光度較弱時無法得到明確邊緣值之問題。此外,點雲資料本身即為不連續狀,使用邊緣化法進行分析可明確得到其差異性,而習知影像偵測車道線技術因每個畫素均連續且邊緣易模糊,故本發明之邊緣化法的效果較佳。其六,連續性分析步驟可根據三維光達感測器離地高度、角度及特徵點間斜率設定垂直方向及水平
方向之合理搜尋範圍,並在各垂直層間由低層往高層方向搜尋同條車道線點位,以排除錯誤點位,進而增加偵測之正確性與準確率。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100c‧‧‧道路標線之光達偵測方法
S41‧‧‧資料擷取轉換步驟
S42‧‧‧點雲高度篩選步驟
S43‧‧‧水平層車道線判斷步驟
S432‧‧‧標線點雲搜尋步驟
S4322‧‧‧點雲反光度判別步驟
S4324‧‧‧反光度差異分析步驟
S434‧‧‧車道線寬度篩選步驟
S44‧‧‧垂直層車道線判斷步驟
S442‧‧‧連續性分析步驟
S444‧‧‧車道線擬合步驟
Claims (18)
- 一種道路標線之光達偵測方法,用以偵測鄰近一車輛之一路面之一道路標線,該道路標線之光達偵測方法包含以下步驟:一資料擷取轉換步驟,係利用裝設於該車輛之一三維光達感測器擷取該路面之複數個三維光達感測器座標系點資訊,然後依據一座標轉換關係式將對應該路面之該些三維光達感測器座標系點資訊轉換成對應該車輛之複數個車身座標系點資訊,該些車身座標系點資訊分成複數偵測線,各該偵測線具有複數偵測點;一水平層車道線判斷步驟,包含:一標線點雲搜尋步驟,包含:一點雲反光度判別步驟,係利用一二值化法運算各該偵測線之該些偵測點之反光度而求得一二值化閥值,並依據該一二值化閥值將各該偵測點判別為一水平標線點或一非水平標線點,該些二值化閥值中至少二者彼此相異;以及一垂直層車道線判斷步驟,包含:一連續性分析步驟,係分析相鄰之任二該偵測線中的複數該水平標線點之一斜率,並依據一預設斜率閥值及該些斜率之比對結果將該些水平標線點判定為 一同條車道線點位或一非同條車道線點位,該同條車道線點位對應該道路標線。
- 如申請專利範圍第1項所述之道路標線之光達偵測方法,其中該資料擷取轉換步驟包含:一點雲資料擷取步驟,係驅動該三維光達感測器發射複數雷射點至該路面,然後該三維光達感測器接收反射之該些雷射點後輸出該些三維光達感測器座標系點資訊,並傳送該些三維光達感測器座標系點資訊至一點雲接收處理單元;及一資料座標轉換步驟,係利用該點雲接收處理單元將該些三維光達感測器座標系點資訊依據該座標轉換關係式轉換成該些車身座標系點資訊。
- 如申請專利範圍第1項所述之道路標線之光達偵測方法,更包含:一點雲高度篩選步驟,係依據一濾除高度產生一濾除線,並利用該濾除線將該些車身座標系點資訊中高度值大於該濾除高度之複數該偵測點予以濾除。
- 如申請專利範圍第1項所述之道路標線之光達偵測方法,其中該水平層車道線判斷步驟更包含:一車道線寬度篩選步驟,係分析該些水平標線點而求得至少一車道線寬度,並依據一合理車道線寬度範圍及該至少一車道線寬度之比對結果將該些水平標線點判定為一車道線標記或一非車道線標記。
- 如申請專利範圍第5項所述之道路標線之光達偵測方法,其中,在該車道線寬度篩選步驟中,該合理車道線寬度範圍包含一車道線最大寬度值與一車道線最小寬度值; 當該至少一車道線寬度小於等於該車道線最大寬度值且大於等於該車道線最小寬度值時,該些水平標線點視為該車道線標記之一單車道線;當該至少一車道線寬度大於該車道線最大寬度值或小於該車道線最小寬度值時,該些水平標線點視為該非車道線標記。
- 如申請專利範圍第5項所述之道路標線之光達偵測方法,其中,在該車道線寬度篩選步驟中,該些水平標線點經分析而求得一第一車道線寬度與一第二車道線寬度,該合理車道線寬度範圍包含一車道線最大寬度值、一車道線最小寬度值及一預設間隙寬度值;當該第一車道線寬度與該第二車道線寬度均小於等於該車道線最大寬度值且均大於等於該車道線最小寬度值,且對應該第一車道線寬度與該第二車道線寬度之該些水平標線點彼此之間距小於等於該預設間隙寬度值時,則對應該第一車道線寬度與該第二車道線寬度之該些水平標線點視為該車道線標記之一雙車道線。
- 如申請專利範圍第1項所述之道路標線之光達偵測方法,其中該垂直層車道線判斷步驟更包含: 一車道線擬合步驟,係依據一車道線擬合方程式將該同條車道線點位之該些車道線標記之座標值擬合出一預測垂直層道路標線,該預測垂直層道路標線對應該道路標線。
- 一種道路標線之光達偵測方法,用以偵測鄰近一車輛之一路面之一道路標線,該道路標線之光達偵測方法包含以下步驟:一資料擷取轉換步驟,係利用裝設於該車輛之一三維光達感測器擷取該路面之複數個三維光達感測器座標系點資訊,然後依據一座標轉換關係式將對應該路面之該些三維光達感測器座標系點資訊轉換成對應該車輛之複數個車身座標系點資訊,該些車身座標系點資訊分成複數偵測線,各該偵測線具有複數偵測點;一水平層車道線判斷步驟,包含:一標線點雲搜尋步驟,包含:一點雲反光度判別步驟,係利用一二值化法運算各該偵測線之該些偵測點之反光度而求得一二值化閥值,並依據該一二值化閥值將各該偵測點判別為一水平標線點或一非水平標線點;及一反光度差異分析步驟,係利用一邊緣化法分析各該偵測線之該些偵測點之反光度而求得相 鄰之任二該偵測點之複數個反光度變異量,並依據一預設變異值與該些反光度變異量之比對結果將各該偵測點判定為一水平標線邊緣點或一非水平標線邊緣點,然後依據各該偵測線之該些水平標線點及該些水平標線邊緣點決定出複數水平點雲標線點;以及一垂直層車道線判斷步驟,包含:一連續性分析步驟,係分析相鄰之任二該偵測線中的複數該水平點雲標線點之一斜率,並依據一預設斜率閥值及該些斜率之比對結果將該些水平點雲標線點判定為一同條車道線點位或一非同條車道線點位,該同條車道線點位對應該道路標線。
- 如申請專利範圍第9項所述之道路標線之光達偵測方法,其中,在該點雲反光度判別步驟中,該些二值化閥值中至少二者彼此相異;及在該反光度差異分析步驟中,該邊緣化法為一階微分計算。
- 如申請專利範圍第9項所述之道路標線之光達偵測方法,其中該資料擷取轉換步驟包含: 一點雲資料擷取步驟,係驅動該三維光達感測器發射複數雷射點至該路面,然後該三維光達感測器接收反射之該些雷射點後輸出該些三維光達感測器座標系點資訊,並傳送該些三維光達感測器座標系點資訊至一點雲接收處理單元;及一資料座標轉換步驟,係利用該點雲接收處理單元將該些三維光達感測器座標系點資訊依據該座標轉換關係式轉換成該些車身座標系點資訊。
- 如申請專利範圍第9項所述之道路標線之光達偵測方法,更包含: 一點雲高度篩選步驟,係依據一濾除高度產生一濾除線,並利用該濾除線將該些車身座標系點資訊中高度值大於該濾除高度之複數該偵測點予以濾除。
- 如申請專利範圍第9項所述之道路標線之光達偵測方法,其中該水平層車道線判斷步驟更包含:一車道線寬度篩選步驟,係分析該些水平點雲標線點而求得至少一車道線寬度,並依據一合理車道線寬度範圍及該至少一車道線寬度之比對結果將該些水平點雲標線點判定為一車道線標記或一非車道線標記。
- 如申請專利範圍第14項所述之道路標線之光達偵測方法,其中,在該車道線寬度篩選步驟中,該合理車道線寬度範圍包含一車道線最大寬度值與一車道線最小寬度值;當該至少一車道線寬度小於等於該車道線最大寬度值且大於等於該車道線最小寬度值時,該些水平點雲標線點視為該車道線標記之一單車道線;當該至少一車道線寬度大於該車道線最大寬度值或小於該車道線最小寬度值時,該些水平點雲標線點視為該非車道線標記。
- 如申請專利範圍第14項所述之道路標線之光達偵測方法,其中,在該車道線寬度篩選步驟中,該些水平點雲標線點經分析而求得一第一車道線寬度與一第二車道線寬度,該合理車道線寬度範圍包含一車道線最大寬度值、一車道線最小寬度值及一預設間隙寬度值;當該第一車道線寬度與該第二車道線寬度均小於等於該車道線最大寬度值且均大於等於該車道線最小寬度值,且對應該第一車道線寬度與該第二車道線寬度之該些水平點雲標線點彼此之間距小於等於該預設間隙寬度值時,則對應該第一車道線寬度與該第二車道線寬度之該些水平點雲標線點視為該車道線標記之一雙車道線。
- 如申請專利範圍第9項所述之道路標線之光達偵測方法,其中該垂直層車道線判斷步驟更包含:一車道線擬合步驟,係依據一車道線擬合方程式將該同條車道線點位之該些車道線標記之座標值擬合出一預測垂直層道路標線,該預測垂直層道路標線對應該道路標線。
- 一種道路標線之光達偵測系統,用以偵測鄰近一車輛之一路面之一道路標線,該道路標線之光達偵測系統包含:一三維光達感測器,設於該車輛,該三維光達感測器擷取該路面之複數個三維光達感測器座標系點資訊;以及一點雲接收處理單元,訊號連接該三維光達感測器,且該點雲接收處理單元包含:一資料擷取轉換模組,訊號連接該三維光達感測器,該資料擷取轉換模組依據一座標轉換關係式將對應該路面之該些三維光達感測器座標系點資訊轉換成對應該車輛之複數個車身座標系點資訊,該些車身座標系點資訊分成複數偵測線,各該偵測線具有複數偵測點;一水平層車道線判斷模組,訊號連接該資料擷取轉換模組,該水平層車道線判斷模組利用一二值化法運算各該偵測線之該些偵測點之反光度而求得一二值化閥值,並依據該一二值化閥值將各該偵測點判別為一水平標線點或一非水平標線點,該些二值化閥值中至少二者彼此相異;及一垂直層車道線判斷模組,訊號連接該水平層車道線判斷模組,該垂直層車道線判斷模組分析相鄰之任二該偵測線中的複數該水平標線點之一斜率,並依 據一預設斜率閥值及該些斜率之比對結果將該些水平標線點判定為一同條車道線點位或一非同條車道線點位,該同條車道線點位對應該道路標線。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107138835A TWI690439B (zh) | 2018-11-01 | 2018-11-01 | 道路標線之光達偵測方法及其系統 |
US16/207,211 US11474242B2 (en) | 2018-11-01 | 2018-12-03 | Lane stripe detecting method based on three-dimensional lidar and system thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107138835A TWI690439B (zh) | 2018-11-01 | 2018-11-01 | 道路標線之光達偵測方法及其系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI690439B true TWI690439B (zh) | 2020-04-11 |
TW202017781A TW202017781A (zh) | 2020-05-16 |
Family
ID=70458544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107138835A TWI690439B (zh) | 2018-11-01 | 2018-11-01 | 道路標線之光達偵測方法及其系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11474242B2 (zh) |
TW (1) | TWI690439B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949347B (zh) * | 2019-03-15 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 人体跟踪方法、装置、***、电子设备和存储介质 |
US11292487B2 (en) * | 2019-04-11 | 2022-04-05 | GM Global Technology Operations LLC | Methods and systems for controlling automated driving features of a vehicle |
US20210096249A1 (en) * | 2019-09-26 | 2021-04-01 | Baidu Usa Llc | Front and side four-lidar design for autonomous driving vehicles |
US11231501B2 (en) | 2019-09-26 | 2022-01-25 | Baidu Usa Llc | Front and side three-LIDAR design for autonomous driving vehicles |
CN110687549B (zh) * | 2019-10-25 | 2022-02-25 | 阿波罗智能技术(北京)有限公司 | 障碍物检测方法和装置 |
CN111913184A (zh) * | 2020-09-01 | 2020-11-10 | 江苏普达迪泰科技有限公司 | 一种具有高密度点云的数据采集功能的激光雷达 |
US11869226B2 (en) * | 2020-10-25 | 2024-01-09 | Pixart Imaging Inc. | Computer readable recording medium which can perform image pattern determining method |
CN112380956B (zh) * | 2020-11-10 | 2024-02-27 | 苏州艾氪英诺机器人科技有限公司 | 一种车道判断方法 |
CN112578368B (zh) * | 2020-12-07 | 2024-03-29 | 福建(泉州)哈工大工程技术研究院 | 自动驾驶设备多线激光雷达安装下线验收方法 |
US11834065B2 (en) * | 2020-12-21 | 2023-12-05 | Argo AI | System, method, and computer program product for detecting road marking points from LiDAR data |
CN112731441B (zh) * | 2021-01-08 | 2022-09-16 | 唐山曹妃甸煤炭港务有限公司 | 一种敞车车厢状态检测装置及方法 |
CN113561905B (zh) * | 2021-05-07 | 2023-05-12 | 上海厉鲨科技有限公司 | 道路病害巡检设备的安装、范围的获取方法、设备及介质 |
CN113808124B (zh) * | 2021-09-27 | 2024-05-10 | 河南中检工程检测有限公司 | 一种基于点云技术的桥头跳车判定方法 |
CN114003849B (zh) * | 2021-10-29 | 2024-03-15 | 中远海运科技股份有限公司 | 一种多车道非接触式车轴数自动计算方法及*** |
TWI831234B (zh) * | 2022-06-06 | 2024-02-01 | 遠創智慧股份有限公司 | 偵測物體並進行分類之方法,及相關之系統 |
CN116153057A (zh) * | 2022-09-12 | 2023-05-23 | 东北林业大学 | 基于激光雷达点云估算车道宽度的方法 |
CN116188334B (zh) * | 2023-05-04 | 2023-07-18 | 四川省公路规划勘察设计研究院有限公司 | 一种车道线点云自动修补方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全***(苏州)有限公司 | 基于激光雷达检测车道线的***及其实现方法 |
WO2018101526A1 (ko) * | 2016-11-30 | 2018-06-07 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499343B (zh) | 2013-09-25 | 2015-06-24 | 武汉海达数云技术有限公司 | 基于三维激光反射强度的道路标线点云自动分类识别方法 |
TWI523778B (zh) * | 2013-11-04 | 2016-03-01 | Lane offset warning system and method | |
CN105404844B (zh) | 2014-09-12 | 2019-05-31 | 广州汽车集团股份有限公司 | 一种基于多线激光雷达的道路边界检测方法 |
JP6190830B2 (ja) * | 2015-02-10 | 2017-08-30 | 本田技研工業株式会社 | 走行支援システム及び走行支援方法 |
CN106407893B (zh) * | 2016-08-29 | 2019-11-22 | 东软集团股份有限公司 | 一种检测车道线的方法、装置和设备 |
-
2018
- 2018-11-01 TW TW107138835A patent/TWI690439B/zh active
- 2018-12-03 US US16/207,211 patent/US11474242B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106324618A (zh) * | 2015-06-17 | 2017-01-11 | 百利得汽车主动安全***(苏州)有限公司 | 基于激光雷达检测车道线的***及其实现方法 |
CN106127113A (zh) * | 2016-06-15 | 2016-11-16 | 北京联合大学 | 一种基于三维激光雷达的道路车道线检测方法 |
WO2018101526A1 (ko) * | 2016-11-30 | 2018-06-07 | 네이버 주식회사 | 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템 |
Also Published As
Publication number | Publication date |
---|---|
US20200142067A1 (en) | 2020-05-07 |
US11474242B2 (en) | 2022-10-18 |
TW202017781A (zh) | 2020-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI690439B (zh) | 道路標線之光達偵測方法及其系統 | |
Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
US9196048B2 (en) | Autonomous pavement condition assessment | |
Oniga et al. | Processing dense stereo data using elevation maps: Road surface, traffic isle, and obstacle detection | |
Zhou et al. | A novel lane detection based on geometrical model and gabor filter | |
Du et al. | Comprehensive and practical vision system for self-driving vehicle lane-level localization | |
US8331653B2 (en) | Object detector | |
US8670592B2 (en) | Clear path detection using segmentation-based method | |
US10776635B2 (en) | Monocular cued detection of three-dimensional structures from depth images | |
Perrollaz et al. | Long range obstacle detection using laser scanner and stereovision | |
EP3196863A1 (en) | System and method for aircraft docking guidance and aircraft type identification | |
CN103499337B (zh) | 一种基于立式标靶的车载单目摄像头测距测高装置 | |
CN103487034A (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
JP7481810B2 (ja) | 車両の三次元画像再構成方法 | |
Kellner et al. | Road curb detection based on different elevation mapping techniques | |
Ravi et al. | Lane width estimation in work zones using LiDAR-based mobile mapping systems | |
CN113554646B (zh) | 基于计算机视觉的智慧城市道路路面检测方法及*** | |
Janda et al. | Road boundary detection for run-off road prevention based on the fusion of video and radar | |
CN111694011A (zh) | 一种摄像机和三维激光雷达数据融合的路沿检测方法 | |
Tsai et al. | Horizontal roadway curvature computation algorithm using vision technology | |
CN112070756A (zh) | 一种基于无人机倾斜摄影的路面立体病害测量方法 | |
CN111126114B (zh) | 道路标线的光达侦测方法及其*** | |
CN105043253A (zh) | 基于面结构光技术货车侧防护栏安装尺寸测量***及方法 | |
Lin et al. | Adaptive inverse perspective mapping transformation method for ballasted railway based on differential edge detection and improved perspective mapping model |