【技術實現步驟摘要】
本申請涉及自動駕駛，尤其涉及一種車道線檢測方法、車輛及存儲介質。
技術介紹
1、在自動駕駛領域，車道線檢測功能是最常見的功能之一，為了在各個場景中均能很好的實現車道轉換和路徑規劃，需要穩定準確的檢測車道線。目前常規的車道線檢測感知方案，包括基于分割的方案(segmentation-based)、基于錨的方法(anchor-based)以及基于參數的方法(parameter-based)等。但是需要說明的是，上述方案基本都是基于行車場景，即在有規律的長線車道線場景下進行檢測，但是在面對復雜車道線的場景下則難以取得較好的檢測效果，在如地下停車場的車道線出現形式相對于長距離行車的場景更為復雜，而在此類場景下，常規的車道線檢測方案很容易檢測出錯。
2、上述內容僅用于輔助理解本申請的技術方案，并不代表承認上述內容是現有技術。
技術實現思路
1、本申請的主要目的在于提供一種車道線檢測方法、車輛及存儲介質，旨在解決常規的車道線檢測方案在復雜車道線的場景下檢測效果較差的技術問題。
2、為實現上述目的，本申請提出一種車道線檢測方法，所述車道線檢測方法包括以下步驟：
3、獲取車輛的環境圖像，確定所述環境圖像中每行像素點序列中的車道線簇，其中，車道線簇由像素點序列中屬于車道線區域部分且相鄰的像素點構成；
4、對于所述環境圖像中任意一個已歸類車道線簇，確定所述已歸類車道線簇所在行預設方向上的相鄰行像素點序列，與所述已歸類車道線簇匹配的目標車道線簇，其中，所述
5、將所述目標車道線簇的簇中心點，歸屬于所述已歸類車道線簇的簇中線點所屬車道線點集中；
6、在遍歷所述環境圖像中的已歸類車道線簇后，根據得到的車道線點集生成所述環境圖像中的車道線。
7、可選地，所述確定所述已歸類車道線簇所在行的相鄰行像素點序列中，與所述已歸類車道線簇匹配的目標車道線簇的步驟包括：
8、基于所述已歸類車道線簇的簇中心點，以及所述已歸類車道線簇所在車道線的方向矢量，估計得到應當位于所述相鄰行像素點序列中且與所述已歸類車道線簇同屬于一條車道線的估計中心點；
9、基于所述相鄰行像素點序列中簇中心點與所述估計中心點最近的車道線簇，確定與所述已歸類車道線簇匹配的目標車道線簇。
10、可選地，所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟包括：
11、對于得到的車道線點集中的任意一個待擬合車道線點集，將所述待擬合車道線點集中各簇中心點，從所述環境圖像對應的相機坐標系轉換至所述車輛所在的世界坐標系，得到所述待擬合車道線點集對應車道線的中心點位置；
12、基于各中心點位置進行線段擬合，得到所述待擬合車道線點集在所述環境圖像中的車道線。
13、可選地，在所述將所述待擬合車道線點集中各簇中心點，從所述環境圖像對應的相機坐標系轉換至所述車輛所在的世界坐標系的步驟之前，所述方法包括：
14、確定所述待擬合車道線點集中簇中心點的數量；
15、在所述簇中心點的數量小于或等于預設數量閾值的情況下，將所述待擬合車道線點集丟棄；
16、在所述簇中心點的數量大于所述預設數量閾值的情況下，執行所述將所述待擬合車道線點集中各簇中心點，從所述環境圖像對應的相機坐標系轉換至所述車輛所在的世界坐標系的步驟。
17、可選地，在所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟之后，所述方法包括：
18、對于所述環境圖像中的任意一條待匹配車道線，將所述待匹配車道線與所述車輛的已記錄車道線進行匹配；
19、若存在與所述待匹配車道線匹配的已記錄車道線，則增加一次與所述待匹配車道線匹配的已記錄車道線的匹配數；
20、若不存在與所述待匹配車道線匹配的已記錄車道線，則將所述待匹配車道線作為新增的已記錄車道線；
21、輸出匹配數大于預設第一數量閾值的已記錄車道線。
22、可選地，在所述將所述待匹配車道線與所述車輛的已記錄車道線進行匹配的步驟之后，所述方法包括：
23、在所述車輛的已記錄車道線中，存在與所述環境圖像中車道線均不匹配的已記錄車道線的情況下，減少一次與所述環境圖像中車道線均不匹配的已記錄車道線的匹配數；
24、丟棄匹配數小于預設第二數量閾值的已記錄車道線，其中，所述預設第二數量閾值小于所述第一數量閾值，且所述預設第二數量閾值小于或等于零。
25、可選地，所述輸出匹配數大于預設第一數量閾值的已記錄車道線的步驟包括：
26、對于任意一條匹配數大于預設第一數量閾值的目標已記錄車道線，確定所述目標已記錄車道線在預設時間滑動窗口內的不同環境圖像中車道線端點，得到第一端點合集和第二端點合集，其中，所述第一端點合集由所述目標已記錄車道線的一端在所述不同環境圖像中形成車道線端點組成，所述第二端點合集由所述目標已記錄車道線的另一端在所述不同環境圖像中形成的車道線端點組成；
27、通過所述第一端點合集生成第一平均端點，通過所述第二端點合集生成第二平均端點；
28、基于所述第一平均端點和所述第二平均端點對所述目標已記錄車道線進行平滑處理后的輸出。
29、可選地，所述將所述待匹配車道線與所述車輛的已記錄車道線進行匹配的步驟包括：
30、計算所述待匹配車道線與所述車輛的已記錄車道線之間的車道線距離差異；
31、若存在已記錄車道線與所述待匹配車道線的車道線距離差異小于預設距離誤差閾值，則確定存在與所述待匹配車道線匹配的已記錄車道線；
32、若不存在已記錄車道線與所述待匹配車道線的車道線距離差異小于預設距離誤差閾值，則確定不存在與所述待匹配車道線匹配的已記錄車道線。
33、可選地，所述計算所述待匹配車道線與所述車輛的已記錄車道線之間的車道線距離差異的步驟包括：
34、對于所述車輛的已記錄車道線中任意一個待匹配已記錄車道線，確定所述待匹配已記錄車道線以及所述待匹配車道線分別在相同第一坐標值下的第二坐標值差異，得到所述待匹配已記錄車道線與所述待匹配車道線在一位置的距離差異；
35、在選取多個不同第一坐標值，得到所述待匹配已記錄車道線與所述待匹配車道線在不同位置的距離差異后，計算各距離差異的平均值，得到所述待匹配已記錄車道線與所述待匹配車道線之間的車道線距離差異。
36、可選地，在所述確定所述環境圖像中每行像素點序列中的車道線簇的步驟之前，所述方法包括：
37、將所述環境圖像輸入至預設車道線檢測模型，得到所述環境圖像中的車道線區域、所述環境圖像的水平矢量信息以及所述環境圖像的豎直矢量信息，其中，所述水平矢量信息表征車道線區域中任意一個車道線像素點，與所述車道線像素點所屬車道線簇的簇中心點之間的相對位置關系，用于確定每行像素點序列中的車道線簇以及每個本文檔來自技高網...
【技術保護點】
1.一種車道線檢測方法，其特征在于，所述車道線檢測方法包括以下步驟：
2.如權利要求1所述的車道線檢測方法，其特征在于，所述確定所述已歸類車道線簇所在行的相鄰行像素點序列中，與所述已歸類車道線簇匹配的目標車道線簇的步驟包括：
3.如權利要求1所述的車道線檢測方法，其特征在于，所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟包括：
4.如權利要求3所述的車道線檢測方法，其特征在于，在所述將所述待擬合車道線點集中各簇中心點，從所述環境圖像對應的相機坐標系轉換至所述車輛所在的世界坐標系的步驟之前，所述方法包括：
5.如權利要求1所述的車道線檢測方法，其特征在于，在所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟之后，所述方法包括：
6.如權利要求5所述的車道線檢測方法，其特征在于，在所述將所述待匹配車道線與所述車輛的已記錄車道線進行匹配的步驟之后，所述方法包括：
7.如權利要求5所述的車道線檢測方法，其特征在于，所述輸出匹配數大于預設第一數量閾值的已記錄車道線的步驟包括：
8.如權利要求
9.如權利要求8所述的車道線檢測方法，其特征在于，所述計算所述待匹配車道線與所述車輛的已記錄車道線之間的車道線距離差異的步驟包括：
10.如權利要求1至9任意一項所述的車道線檢測方法，其特征在于，在所述確定所述環境圖像中每行像素點序列中的車道線簇的步驟之前，所述方法包括：
11.一種車輛，其特征在于，所述設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現如權利要求1至10中任一項所述的車道線檢測的步驟。
12.一種存儲介質，其特征在于，所述存儲介質為計算機可讀存儲介質，所述存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至10中任一項所述的車道線檢測的步驟。
...【技術特征摘要】
1.一種車道線檢測方法，其特征在于，所述車道線檢測方法包括以下步驟：
2.如權利要求1所述的車道線檢測方法，其特征在于，所述確定所述已歸類車道線簇所在行的相鄰行像素點序列中，與所述已歸類車道線簇匹配的目標車道線簇的步驟包括：
3.如權利要求1所述的車道線檢測方法，其特征在于，所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟包括：
4.如權利要求3所述的車道線檢測方法，其特征在于，在所述將所述待擬合車道線點集中各簇中心點，從所述環境圖像對應的相機坐標系轉換至所述車輛所在的世界坐標系的步驟之前，所述方法包括：
5.如權利要求1所述的車道線檢測方法，其特征在于，在所述根據得到的車道線點集生成所述環境圖像中的車道線的步驟之后，所述方法包括：
6.如權利要求5所述的車道線檢測方法，其特征在于，在所述將所述待匹配車道線與所述車輛的已記錄車道線進行匹配的步驟之后，所述方法包括：
7.如權利要求5所述的車道線檢測方法，...
【專利技術屬性】
技術研發人員：邱夢婷，陳銘，
申請(專利權)人：浙江吉利控股集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。