[发明专利]自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆

说明书

本发明公开了一种自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆，包括以下步骤：采集车道图像，并确定车道图像中检测区域；将检测区域转为灰度图，并从灰度图中提取多个车道线中心点；将多个车道线中心点分类到多个直线段中，并滤除不符合第一预设条件的车道线中心点；将多个直线段中属于同一条车道线的直线段聚类，并确定图像动态消隐点；根据图像动态消隐点滤除不符合第二预设条件的车道线，以完成车道线检测。该方法根据车道图像提取车道线中心点，并滤除不符合条件的车道线中心点，同时加入动态消隐点约束滤除不符合条件的车道线，从而有效消除大部分非车道线点干扰，进一步提高鲁棒性。

技术领域

本发明涉及自动驾驶车辆技术领域，特别涉及一种自动驾驶车辆的车道线检测方法、装置及自动驾驶车辆。

背景技术

相关技术，随着智能驾驶技术在国内外的发展，智能驾驶辅助系统在车上的应用越来越广泛。在道路检测当中，车道线检测至关重要，它为后续的车道偏离提供车道线信息，有效进行预警。然而，现存的多种车道线检测技术依然存在误检漏检现象，鲁棒性较差，亟待解决。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种自动驾驶车辆的车道线检测方法，该方法有效消除大部分非车道线点干扰，进一步提高鲁棒性。

本发明的另一个目的在于提出一种自动驾驶车辆的车道线检测装置。

本发明的再一个目的在于提出一种自动驾驶车辆。

为达到上述目的，本发明一方面实施例提出了一种自动驾驶车辆的车道线检测方法，包括以下步骤：采集车道图像，并确定所述车道图像中检测区域；将所述检测区域转为灰度图，并从所述灰度图中提取多个车道线中心点；将所述多个车道线中心点分类到多个直线段中，并滤除不符合第一预设条件的车道线中心点；将多个直线段中属于同一条车道线的直线段聚类，并确定图像动态消隐点；根据所述图像动态消隐点滤除不符合第二预设条件的车道线，以完成车道线检测。

本发明实施例的自动驾驶车辆的车道线检测方法，根据车道图像提取车道线中心点，并滤除不符合条件的车道线中心点，同时加入动态消隐点约束滤除不符合条件的车道线，从而有效消除大部分非车道线点干扰，进一步提高鲁棒性。

另外，根据本发明上述实施例的自动驾驶车辆的车道线检测方法还可以具有以下附加的技术特征：

进一步地，在本发明的一个实施例中，所述将所述多个车道线中心点分类到多个预设直线段中，并滤除不符合第一预设条件的车道线中心点，进一步包括：根据预设方向对所述灰度图进行扫描，获取每个车道线中心点的方向信息；根据每个车道线中心点的方向信息判断是否符合所述第一预设条件，以滤除不符合所述第一预设条件的车道线中心点；根据符合所述第一预设条件的车道线中心点之间的距离与方向之间的夹角信息将所述符合第一预设条件的车道线中心点进行直线块归类；获取每个直线块的中心点、起点、终点和直线块方向。

进一步地，在本发明的一个实施例中，所述确定图像动态消隐点，进一步包括：根据第一帧图像获取初始消隐点在图像中的粗定位，并根据所述粗定位确定消隐点选区范围；根据每类车道线的点数对所述每类车道线进行拟合，并对每个候选消隐点设立滤波窗口；检测拟合后的直线是否穿过所述滤波窗口，以得到穿过次数，直到完成所有候选消隐点扫描；将所述穿过次数最多的候选消隐点确定为所述图像动态消隐点，并作为下一帧图像的初始消隐点。

进一步地，在本发明的一个实施例中，根据所述图像动态消隐点滤除不符合第二预设条件的车道线，进一步包括：判断所述图像动态消隐点到每条车道线的最短距离；如果所述最短距离大于预设阈值，则判定不符合所述第二预设条件。

进一步地，在本发明的一个实施例中，还包括：通过卡尔曼滤波弥补漏检车道线或删除误检车道线。