一種獲取車道線的方法和裝置的制造方法
【技術領域】
[0001] 本申請涉及計算機技術領域，具體涉及圖像數(shù)據(jù)處理領域，尤其涉及一種用于獲 取車道線的方法和裝置。
【背景技術】
[0002] 車道線的提取技術可以應用于地圖繪制、車輛自動駕駛和行車安全提示等領域 中。目前，繪制高精度地圖中的車道線時，首先需要將道路圖像中的車道線提取出來。現(xiàn)有 的車道線提取方法主要依賴于手工標記或二維圖像的車道線識別技術。其中手工標記大多 為人工對衛(wèi)星圖像或航拍圖像中的車道線進行標記；基于二維圖像的車道線識別則是通過 車載相機拍攝連續(xù)的道路圖片，在道路圖片中根據(jù)車道線特征來對車道線進行識別。上述 方法中，手工標記速度較慢，進而導致地圖繪制效率較低；基于二維圖像的車道線識別則無 法生成精確的三維車道線信息，例如無法排除車輛對車道線提取的影響，從而可能產(chǎn)生錯 誤的識別結果。

【發(fā)明內(nèi)容】

[0003] 為解決上述現(xiàn)有技術的缺陷，期望提供一種獲取三維車道線數(shù)據(jù)的方法，進一步 地，還期望車道線的獲取不受道路圖像中車輛、道路邊沿、欄桿以及其他標志線的影響。為 了實現(xiàn)上述一個或多個目的，本申請?zhí)峁┝擞糜讷@取車道線的方法和裝置。
[0004] 一方面，本申請?zhí)峁┝艘环N用于獲取車道線的方法，所述方法包括：采集道路數(shù) 據(jù)，該道路數(shù)據(jù)至少包括二維圖像數(shù)據(jù)和三維激光點云數(shù)據(jù)；采用機器學習方法對二維圖 像數(shù)據(jù)中的車道線進行識別；基于二維圖像數(shù)據(jù)和三維激光點云數(shù)據(jù)的空間位置關系，將 車道線識別結果轉換為三維車道線散點；根據(jù)統(tǒng)計特性對三維車道線散點進行過濾；以及 對過濾后的車道線散點進行聚類，以獲取車道線。
[0005] 另一方面，本申請?zhí)峁┝艘环N用于獲取車道線的裝置，所述裝置包括：采集單元， 配置用于采集道路數(shù)據(jù)，該道路數(shù)據(jù)至少包括二維圖像數(shù)據(jù)和三維激光點云數(shù)據(jù)；識別單 元，配置用于采用機器學習方法對二維圖像數(shù)據(jù)中的車道線進行識別；轉換單元，配置用于 基于二維圖像數(shù)據(jù)和三維激光點云數(shù)據(jù)的空間位置關系，將車道線識別結果轉換為三維車 道線散點；過濾單元，配置用于根據(jù)統(tǒng)計特性對三維車道線散點進行過濾；以及聚類單元， 配置用于對過濾后的車道線散點進行聚類，以獲取車道線。
[0006] 本申請?zhí)峁┑挠糜讷@取車道線的方法和裝置，通過將二維車道線的識別結果轉換 為三維的車道線散點，并對三維車道線散點進行多層級的過濾，而后對三維車道線散點聚 類，可以準確、高效地獲取車道線，避免道路圖像中車輛、道路邊沿、其他標志線對車道線獲 取的影響，在應用于地圖繪制時，可以明顯提高繪制速度和精度。
【附圖說明】
[0007] 通過閱讀參照以下附圖所作的對非限制性實施例詳細描述，本申請的其它特征、 目的和優(yōu)點將會變得更明顯：
[0008] 圖1示出了根據(jù)本申請一個實施例的用于獲取車道線的方法的示意性的流程圖；
[0009] 圖2示出了根據(jù)本申請一個實施例的對二維圖像數(shù)據(jù)中的車道線進行識別的方 法的示意性的流程圖；
[0010] 圖3a示出了一幅二維道路圖像的示意圖；
[0011] 圖3b示出了對梯形畸變矯正及灰度化后的二維道路圖像數(shù)據(jù)進行訓練的結果的 效果不意圖；
[0012] 圖3c示出了二維圖像數(shù)據(jù)的車道線識別結果的效果示意圖；
[0013] 圖4示出了根據(jù)本申請一個實施例的將車道線識別結果轉換為三維車道線散點 的示意性流程圖；
[0014] 圖5示出了車道線聚類結果的效果示意圖；
[0015] 圖6示出了根據(jù)本申請一個實施例的用于獲取車道線的裝置的示意性結構圖；
[0016] 圖7示出了適于用來實現(xiàn)本申請實施例的終端設備或服務器的計算機系統(tǒng)的結 構示意圖。
【具體實施方式】
[0017] 下面結合附圖和實施例對本申請作進一步的詳細說明。可以理解的是，此處所描 述的具體實施例僅僅用于解釋相關發(fā)明，而非對該發(fā)明的限定。另外還需要說明的是，為了 便于描述，附圖中僅示出了與有關發(fā)明相關的部分。
[0018] 需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相 互組合。下面將參考附圖并結合實施例來詳細說明本申請。
[0019] 請參考圖1，其示出了根據(jù)本申請一個實施例的用于獲取車道線的方法的示意性 的流程圖。本實施例主要以該方法用于具有數(shù)據(jù)處理能力的服務器、終端設備以及獨立的 計算機系統(tǒng)中來說明。
[0020] 如圖1所示，在步驟101中，采集道路數(shù)據(jù)。
[0021] 在本實施例中，所采集的道路數(shù)據(jù)至少包括二維圖像數(shù)據(jù)和三維激光點云數(shù)據(jù)。 二維圖像數(shù)據(jù)可以通過使用相機拍攝道路圖像來采集，三維激光點云數(shù)據(jù)則可以通過激 光掃描儀來獲取。在實際應用中，可以采用車載相機和車載激光掃描系統(tǒng)分別采集二維 道路圖像數(shù)據(jù)和三維掃路激光點云數(shù)據(jù)。其中車載激光掃描系統(tǒng)除了包括激光掃描儀 之外，還可以包括INS(InertialNavigationSystem，慣性導航系統(tǒng)）和IMU(Inertial MeasurementUnit，慣性測量單元）。慣性導航系統(tǒng)可以獲取掃描位置的GPS(Global PositioningSystem，全球定位系統(tǒng)）數(shù)據(jù)以及車輛行駛數(shù)據(jù)，例如速度、加速度等。IMU可 以獲取車輛的翻滾、俯仰和偏航等數(shù)據(jù)。
[0022] 在一些實現(xiàn)中，激光掃描儀可以在垂直于車輛行駛的方向作二維掃描，與車輛行 駛方向構成三維掃描系統(tǒng)，從而獲取由離散的向量點形成的三維激光點云數(shù)據(jù)。具體地， 空間目標點的三維坐標可以按照如下方式獲?。杭す鈷呙鑳x可以向外發(fā)射激光脈沖，并記 錄發(fā)射的激光脈沖的水平方向偏航角a和俯仰角0，之后探測脈沖返回的時間以及返回 的脈沖的強度，根據(jù)脈沖返回時間確定激光脈沖飛行的距離S，則空間目標點的三維坐標 (xw,yw,zw)可以根據(jù)下式計算：
[0023] xw= Ssin 9 cos a
[0024] yw= Ssin 9 sin a (I)
[0025] Zw=Scos 9
[0026] 在對掃描范圍內(nèi)每一個空間點進行掃描之后，可以獲得多個包含空間點三維坐標 的三維數(shù)據(jù)點，將這些數(shù)據(jù)點與每一點返回的脈沖的強度組合起來則可以獲得三維激光點 云數(shù)據(jù)。
[0027] 在步驟102中，采用機器學習方法對二維圖像數(shù)據(jù)中的車道線進行識別。
[0028] 在本實施例中，可以基于車道線的特征對二維圖像數(shù)據(jù)進行車道線識別，具體地， 可以采用機器學習的方法進行識別。例如，采用樣本數(shù)據(jù)對車道線識別的模型進行訓練，得 到模型的參數(shù)和輸出。在識別時將步驟101所獲取的二維圖像數(shù)據(jù)輸入該模型中，輸出識 別結果。
[0029] 在一些實施例中，可以采用Hough變換（霍夫變換）來識別二維圖像數(shù)據(jù)中的長 直線。Hough變換是一種基于投票機制的參數(shù)確定方法。首先采用邊緣提取方法將圖像中 的邊緣特征的點提取出來，然后確定直線的參數(shù)，例如，如果將平面中的某一條直線方程表 示為Ax+By= 0,其中（x，y)為直線上點的坐標，貝Ij可以通過Hough變換來確定其中的參數(shù) A和B。具體實現(xiàn)方式如下：
[0030] 首先選定A和B的取值范圍，對取值范圍中的每一組A、B值，得到一個直線方程， 計算落在該直線上的邊緣點的數(shù)量，作為這一組A、B值的代價值。遍歷取值范圍中的所有 A和B，得到每一組A、B值所對應的代價值，將最大代價值（即落在該直線上的邊緣點數(shù)量 最多）所對應的A、B值作為最終確定的該直線的參數(shù)。
[0031] 可以采用上述方法提取出二維圖像數(shù)據(jù)中的多條直