[发明专利]车道线提取方法及装置

说明书

本发明公开了一种车道线提取方法及装置，其中，该方法包括：获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；利用车道线对应的三维点云数据拟合得到车道线对应的曲线。

技术领域

本发明涉及电子地图技术领域，更具体地，涉及一种车道线提取方法、一种车道线提取装置。

背景技术

随着智能时代的发展，自动驾驶引起了人们广泛关注。在自动驾驶行为中，高精度地图由于能为车辆提供的先验信息，大大增加车辆行驶安全性。自动驾驶系统的安全的需求需要高精度地图提供丰富的车道级信息，例如道路中心线、车道分割线、道路边界线等。

在高精度地图制作过程中，车道线的检测是关键一环。目前，车道线提取方案主要包括摄像头采集的视觉图片为数据源提取车道线。这种以摄像头采集的视觉图片为数据源提取车道线的方式，对光线要求较高，无法对应低照度环境，尤其是没有路灯的黑夜。另外，还存在测距不精确和定位算法复杂问题。

发明内容

本发明的一个目的是提供一种提取车道线的新技术方案。

根据本发明的第一方面，提供了一种车道线提取方法，包括：

获取激光雷达扫描得到的三维点云数据，并对所述三维点云数据进行预处理得到路面对应的三维点云数据；

对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像；

将所述二维图像输入至用于提取车道线的深度学习模型中，识别得到车道线的位置信息；

对所述车道线的位置信息进行坐标逆映射处理，得到车道线对应的三维点云数据；

利用车道线对应的三维点云数据拟合得到车道线对应的曲线。

可选地，所述对所述三维点云数据进行预处理得到路面对应的三维点云数据包括：

利用预设高程阈值对所述三维点云数据进行切割处理，得到路面对应的三维点云数据，其中，所述三维点云数据包括各扫描点在点云坐标系中的位置信息和强度信息，所述点云坐标系中的位置信息包括高程信息。

可选地，所述对所述路面对应的三维点云数据进行坐标映射处理，得到二维图像信息包括：

将所述路面对应的三维点云数据映射到二维图像坐标系中，得到路面对应的各扫描点在二维图像坐标系中的位置信息，

获取路面对应的各扫描点的强度信息，

利用路面对应的各扫描点在二维图像坐标系中的位置信息和强度信息生成二维图像信息。

可选地，所述训练后的深度学习模型按照以下步骤训练得到：

将训练数据集和标注数据集输入至深度学习模型，对深度学习模型的参数进行迭代处理，得到训练后的深度学习模型，

将测试数据集输入至所述训练后的深度学习模型，输出测试结果，其中，测试结果为二维图像中的车道线的位置信息；

在所述测试结果满足车道线提取结果准确度要求的情况下，将所述训练后的深度学习模型作为用于车道线提取的深度学习模型，其中，

所述训练数据集、所述标注数据集和所述测试数据集均包括由不同场景下的路面对应的三维点云数据经过坐标映射处理后得到的二维图像，且所述标注数据集中的二维图像中的车道线已被标注出。

可选地，所述标注数据集按照以下步骤生成：