[发明专利]车道线处理方法和装置

说明书

本发明实施例提出一种车道线处理方法和装置。该方法包括：获取第一图像中包括的各车道线点之间的距离；利用各所述车道线点两两之间的距离确定各所述车道线点的方向密度；利用各所述车道线点的方向密度确定各车道线对应的分组中包括的车道线点；利用各所述分组中包括的车道线点得到各所述分组对应的车道线的表示信息。本发明实施例利用各车道线点的方向密度，对图像中的车道线点进行分组，得到的分组更准确，因此拟合得到的车道线准确，不受图像质量的影响，具有较高的鲁棒性。

技术领域

本发明涉及交通技术领域，尤其涉及一种车道线处理方法和装置。

背景技术

车道线在自动驾驶中具有重要的作用，能够为定位、决策控制等模块提供重要的信息输出。在相机捕获的二维(2D，two dimensional)图像上，传统方案是利用图像处理方法来检测车道线的边缘，再利用聚类或其他点分组的方案来获取车道线。

利用传统图像处理、深度学习等方法进行车道线检测或分割的方案，需要繁琐的后处理方案，才能输出车道线，效果易受图像质量等条件的影响。例如，传统后处理方案可以利用霍夫(Hough)变换对车道线进行后处理，这种方式易受噪声点的影响，不鲁棒。

发明内容

本发明实施例提供一种车道线处理方法和装置，以解决现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种车道线处理方法，包括：

获取第一图像中包括的各车道线点之间的距离；

利用各所述车道线点之间的距离确定各所述车道线点的方向密度；

利用各所述车道线点的方向密度确定各车道线对应的分组中包括的车道线点；

利用各所述分组中包括的车道线点得到各所述分组对应的车道线的表示信息。

结合第一方面，本发明实施例在第一方面的第一种实现方式中，还包括：

将所述第一图像输入深度学习模型，得到第二图像，所述第一图像与所述第二图像具有一定的缩放比例，所述第二图像中包括根据所述第一图像识别得到的车道线点和非车道线点；

将所述第二图像中包括的各车道线点的坐标按照所述缩放比例映射回所述第一图像，得到所述第一图像中包括的各车道线点的坐标。

结合第一方面，本发明实施例在第一方面的第二种实现方式中，利用各所述各车道线点之间的距离确定各所述车道线点的方向密度，包括：

选取与目标车道线点的距离小于第一阈值的K个车道线点，K为大于或等于1的正整数；

利用所述目标车道线点与所述K个车道线点生成各直线，其中，一条直线经过所述目标车道线点与所述K个车道线点中的至少一个车道线点；

对于每条直线，获取与所述直线的距离小于第二阈值的车道线点的数量；

将各所述数量中的最大值确定为所述目标车道线点的方向密度。

结合第一方面，本发明实施例在第一方面的第三种实现方式中，利用各所述车道线点的方向密度确定各车道线对应的分组中包括的车道线点，包括：

确定所述分组的种子车道线点；

在所述第一图像中利用各车道线点的方向密度，查找是否存在与所述种子车道线点同组的车道线点；

如果存在与所述种子车道线点同组的车道线点，则将与所述种子车道线点同组的车道线点加入所述分组；

将加入所述分组的车道线点作为新的所述种子车道线点，继续执行查找是否存在与所述种子车道线点同组的车道线点的步骤，直至查找不到与所述种子车道线点同组的车道线点为止；