[发明专利]一种车道线数据的处理方法及处理装置

说明书

本发明实施例公开了一种车道线数据的处理方法及处理装置。该方法包括：获取车道线的原始图像和定位信息；采用深度神经网络模型处理原始图像，提取道路的基础元素并分类；由车道线元素获取候选车道线；筛选已检测出的车道线；推理未检测出的车道线；输出完整车道线。本发明实施例提供的一种车道线数据的处理方法及处理装置，能实现车道线数据的高效、精确、便捷、快速处理。

技术领域

本发明涉及一种地图绘制领域或自动驾驶领域中的地图数据处理技术，尤其涉及一种车道线的处理方法及处理装置。

背景技术

近年来,电子地图给居民的生活带来了极大的便利,大到汽车导航,小到居民在陌生环境中到达目的地的导航都有电子地图的身影。这两年，AI技术的突破以及风靡给汽车自动驾驶等方案的实现带了希望，而自动驾驶要求至少能够达到车道级导航，相对而言，传统的电子地图精度只能达到道路级导航，高精度地图是下一代电子地图的发展方向，可以预见，它将为居民提供更加便利的生活。

高精度地图生产的关键就是路面车道信息的采集，就目前而言，高精度地图采集中车道线的检测和生成主要有两种方式：第一种是人工生产方式：根据采集车采集回的点云信息，利用道路图像，对拼接后的点云着色，在着色后的点云上依赖人工手工绘制标出车道线等路面车道信息；第二种方式是通过自动识别的方式从采集车采集到的视频识别出车道线，接着依赖与传统的图像处理算法以及先验知识得到车道线。

对于第一种人工绘制车道线的方法而言，该方式不仅生产效率较低，而且人工手工绘制的线会因采集的点云出现较低分辨率时绘制错误的车道线。

对于第二种车道线处理方法，公开号为CN108229354A的专利提出了一种“车道线检测的方法”中提到了使用基于Hough变换的车道线检测方法，专利中提到在Hough空间中使用长度约束、平行约束、成对约束和等间距约束直接筛选出车道线的方法，虽然该方法能够在常规的平行道路中奏效，但是其在不平行的车道线，车道宽度不同的道路中则会出现差错。公开号为CN105260699A的专利中提出了“一种车道线数据的处理方法及装置”的方法对道路中的车道线进行采集的方法，该专利采用深度神经网络的方法提取出置信度较高的车道线，并且根据车道线的长度，与采集车行进放的夹角，车道线的宽度等作为限制条件筛选出最终的可信的车道线，虽然该方法能够通够提高车道线的采集效率以及准确率但是仅能采集到视频中看到的车道线，对于道路的完整性采集需要多次采集，一条道路需要多次的采集会增加其采集成本。

综上而言，现有的技术在实线高精度地图的车道线采集时不能根据复杂多变的道路场景中均奏效并且采集成本较高，不能通过较少次数采集获取完整的车道线信息。

发明内容

有鉴于此，本发明提供一种车道线数据的处理方法及处理装置，以实现车道线数据的高效、精确、便捷、快速处理。

第一方面，提供一种车道线数据的处理方法，该方法包括：

获取道路原始图像和定位信息；

采用深度神经网络模型处理原始图像，提取道路的基础元素并分类；

由车道线元素获取候选车道线；

筛选已检测出的车道线；

推理未检测出的车道线；

输出完整车道线。

进一步地，深度神经网络模型的建模方法为：

首先对VGG16训练得到的预训练模型进行训练，输出训练后的FCN-32s模型；

以FCN-32s模型为预训练模型，以新的样本进行训练，输出训练后的FCN-16s模型；

以FCN-16s模型为预训练模型，以新的样本进行训练，输出训练后的FCN-8s模型。