本發(fā)明涉及自動駕駛，尤其涉及一種3d車道線預(yù)測方法。

背景技術(shù)：

1、現(xiàn)有技術(shù)中，主要基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的方式訓(xùn)練得到檢測模型，在該檢測模型中輸入針對車道線的圖片，通過該檢測模型直接輸出預(yù)測的3d車道線。

2、但是，但是在現(xiàn)有的3d車道線檢測任務(wù)中，車道線在整個特征圖上分布的范圍比較廣，相較于目標檢測來說，車道線檢測更關(guān)注全局的信息，且它的特征分布比較稀疏(因為每個車道線都比較窄)。若想讓模型關(guān)注到全局的信息，就需要計算一個全局的注意力，但是卻引入了較大的計算量，導(dǎo)致模型無法很好的應(yīng)用的實時推理場景中；若是利用稀疏點去學(xué)習，需要較長的訓(xùn)練時間，模型才能關(guān)注到分布較為稀疏的車道線，準確率也會下降。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)存在的問題，提供一種3d車道線預(yù)測方法。

2、為解決上述技術(shù)問題，本發(fā)明實施例提供一種3d車道線預(yù)測方法，包括：基于自車獲取到的當前圖像，提取當前圖像中所包含車輛的車輛坐標及車道中心線坐標；基于預(yù)設(shè)規(guī)則，對車輛坐標與車道中心線坐標進行劃分，生成車道中心線擬合坐標集；基于車道中心線擬合坐標集，擬合生成3d車道線。

3、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進。

4、進一步，基于預(yù)設(shè)規(guī)則，對車輛坐標與車道中心線坐標進行劃分，生成車道中心線擬合坐標集，包括：確定當前圖像中所包含車輛與車道中心線之間的相對位置關(guān)系，根據(jù)相對位置關(guān)系確定車輛與車道中心線的所屬關(guān)系；根據(jù)所屬關(guān)系將車輛坐標劃與對應(yīng)的車道中心線坐標劃分至一個車道中心線擬合坐標集中。

5、進一步，確定當前圖像中所包含車輛與車道中心線之間的相對位置關(guān)系，根據(jù)相對位置關(guān)系確定車輛與車道中心線的所屬關(guān)系，包括：

6、確定車輛中心點與各個車道中心線之間的最近距離，以及車輛行駛方向與各個車道中心線之間的夾角；根據(jù)最近距離和/或夾角是否滿足預(yù)設(shè)條件，確定車輛與車道中心線的所屬關(guān)系。

7、進一步，基于預(yù)設(shè)規(guī)則，對車輛坐標與車道中心線坐標進行劃分，生成車道中心線擬合坐標集，還包括：確定當前圖像中所包含車輛的行駛狀態(tài)；根據(jù)行駛狀態(tài)篩選出車輛坐標中的有效車輛坐標；根據(jù)所屬關(guān)系將有效車輛坐標與對應(yīng)的車道中心線坐標劃分至一個車道中心線擬合坐標集中。

8、進一步，確定當前圖像中所包含車輛的行駛狀態(tài)，包括：構(gòu)建車輛的狀態(tài)信息；將車輛的狀態(tài)信息與車輛在預(yù)設(shè)行駛狀態(tài)下的狀態(tài)聚類中心進行比較；根據(jù)比較結(jié)果確定車輛的行駛狀態(tài)。

9、進一步，狀態(tài)信息包括：車輛中心線與其所屬車道中心線之間的夾角、車輛的至少兩個坐標點與車道線的相對距離；將車輛的狀態(tài)信息與車輛在預(yù)設(shè)行駛狀態(tài)下的狀態(tài)聚類中心進行比較時，以相對距離為第一優(yōu)先級，夾角為第二優(yōu)先級。

10、進一步，車輛坐標及車道中心線坐標包括：坐標點的三維坐標和對應(yīng)的輔助修正信息，輔助修正信息表征通過模型預(yù)測的坐標點與真實坐標點之間的偏移程度。

11、進一步，輔助修正信息公式如下：

12、

13、其中，f(x)表示當前坐標點的輔助修正信息，數(shù)值在[0,1]范圍內(nèi)，x表示通過模型預(yù)測的坐標點與真實坐標點之間的歐氏距離，c表示預(yù)設(shè)閾值。

14、進一步，對車輛坐標與車道中心線坐標進行劃分時，當判定車輛同時屬于多個車道中心線，則將車輛坐標中的三維坐標同時劃分給對應(yīng)的多個車道中心線對應(yīng)的車道中心線坐標集，并將車輛坐標中的輔助修正信息平均分配給對應(yīng)的多個車道中心線對應(yīng)的車道中心線坐標集。

15、進一步，基于車道中心線擬合坐標集，擬合生成3d車道線，包括：提取車道中心線擬合坐標集中每個坐標點的橫坐標、縱坐標和輔助修正信息，構(gòu)建待生成車道中心線坐標點集；利用待生成車道中心線坐標點集基于緯度坐標服從正態(tài)分布，擬合生成3d車道線。

16、本發(fā)明的有益效果是：通過提取當前圖像中所包含車輛的車輛坐標及車道中心線坐標，并對車輛坐標與車道中心線坐標進行劃分，即將圖片中所包含的所有車輛的車輛坐標加入到對應(yīng)的車道中心線坐標集中，進而擬合生成3d車道線，使得預(yù)測生成的3d車道線更加準確。

17、本發(fā)明附加的方面及其優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明實踐了解到。

技術(shù)特征：

1.一種3d車道線預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于預(yù)設(shè)規(guī)則，對所述車輛坐標與所述車道中心線坐標進行劃分，生成車道中心線擬合坐標集，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述確定所述當前圖像中所包含車輛與車道中心線之間的相對位置關(guān)系，根據(jù)所述相對位置關(guān)系確定車輛與車道中心線的所屬關(guān)系，包括：

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于預(yù)設(shè)規(guī)則，對所述車輛坐標與所述車道中心線坐標進行劃分，生成車道中心線擬合坐標集，還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定所述當前圖像中所包含車輛的行駛狀態(tài)，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述狀態(tài)信息包括：車輛中心線與其所屬車道中心線之間的夾角、車輛的至少兩個坐標點與車道線的相對距離；

7.根據(jù)權(quán)利要求1至6任一項所述的方法，其特征在于，所述車輛坐標及車道中心線坐標包括：坐標點的三維坐標和對應(yīng)的輔助修正信息，所述輔助修正信息表征通過模型預(yù)測的坐標點與真實坐標點之間的偏移程度。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述輔助修正信息公式如下：

9.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對所述車輛坐標與所述車道中心線坐標進行劃分時，當判定所述車輛同時屬于多個車道中心線，則將所述車輛坐標中的三維坐標同時劃分給對應(yīng)的多個車道中心線對應(yīng)的車道中心線坐標集，并將所述車輛坐標中的輔助修正信息平均分配給對應(yīng)的多個車道中心線對應(yīng)的車道中心線坐標集。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述基于所述車道中心線擬合坐標集，擬合生成3d車道線，包括：

技術(shù)總結(jié)
本發(fā)明涉及自動駕駛技術(shù)領(lǐng)域，公開了一種3D車道線預(yù)測方法，方法包括：基于自車獲取到的當前圖像，提取當前圖像中所包含車輛的車輛坐標及車道中心線坐標；基于預(yù)設(shè)規(guī)則，對車輛坐標與車道中心線坐標進行劃分，生成車道中心線擬合坐標集；基于車道中心線擬合坐標集，擬合生成3D車道線。本發(fā)明通過提取當前圖像中所包含車輛的車輛坐標及車道中心線坐標，并對車輛坐標與所述車道中心線坐標進行劃分，即將圖片中所包含的所有車輛的車輛坐標加入到對應(yīng)的車道中心線坐標集中，進而擬合生成3D車道線，使得預(yù)測生成的3D車道線更加準確。

技術(shù)研發(fā)人員：孔佳豪,任杰,魯耀杰
受保護的技術(shù)使用者：元橡科技（北京）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10