[发明专利]一种车道线检测的方法及设备

权利要求书

1.一种车道线检测的方法，其特征在于，该方法包括：

按照每帧点云数据的生成顺序，根据每连续多帧点云数据的点云地图坐标，动态确定点云地图，其中，任意相邻两次确定的点云地图中，后一次确定的点云地图使用的连续多帧点云数据中的第一帧点云数据为前一次确定的点云地图使用的连续多帧点云数据中的第二帧点云数据；

将对所述点云地图进行栅格化处理得到的鸟瞰图，作为局部地图；

基于深度神经网络模型，根据所述局部地图确定所述局部地图对应的二值化图像，其中，所述深度神经网络模型是根据历史局部地图和带车道线标注的二值化图像进行训练得到的；

根据所述局部地图对应的二值化图像中的像素点的坐标确定车道线位置。

2.如权利要求1所述的方法，其特征在于，通过下列方式构建所述点云地图：

利用惯性导航元件确定第N帧点云数据的相对位姿信息，其中所述第N帧点云数据是通过激光雷达扫描车辆周边事物确定的；

根据所述第N帧点云数据的相对位姿信息对所述第N帧点云数据进行坐标转换，得到所述第N帧点云数据对应的点云地图坐标；

根据连续多帧点云数据对应的点云地图坐标确定所述点云地图；

其中，N为正整数。

3.如权利要求1所述的方法，其特征在于，通过下列方式确定所述局部地图：

将所述点云地图划分成多个立方体；

针对任意一个立方体，将立方体中的所有点对应的强度值进行加权平均确定反射强度均值；

将确定的强度平均值对所述立方体对应的栅格中的点进行赋值；

根据所有栅格中赋值后的点形成鸟瞰图，将所述鸟瞰图作为局部地图。

4.如权利要求1所述的方法，其特征在于，所述带车道线标注的二值化图像是根据带车道线信息的高精地图中的车辆周围的车道线信息生成的，所述高精地图中的车辆是根据所述历史局部地图对应的车辆位置信息确定的，所述带车道线标注的二值化图像与所述历史局部地图的分辨率相同。

5.如权利要求1所述的方法，其特征在于，所述根据所述局部地图对应的二值化图像中的像素点的坐标确定车道线位置，包括：

按照预设的像素值与真实值之间的比例，根据所述二值化图像中表示车道线的像素点对应的坐标值确定车道线的位置。

6.一种车道线检测的设备，其特征在于，该设备包括：至少一个处理单元以及至少一个存储单元，其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，所述处理单元具体用于：

按照每帧点云数据的生成顺序，根据每连续多帧点云数据的点云地图坐标，动态确定点云地图，其中，任意相邻两次确定的点云地图中，后一次确定的点云地图使用的连续多帧点云数据中的第一帧点云数据为前一次确定的点云地图使用的连续多帧点云数据中的第二帧点云数据；

将对所述点云地图进行栅格化处理得到的鸟瞰图，作为局部地图；

基于深度神经网络模型，根据局部地图确定所述局部地图对应的二值化图像，其中，所述深度神经网络模型是根据历史局部地图和带车道线标注的二值化图像进行训练得到的；

根据所述局部地图对应的二值化图像中的像素点的坐标确定车道线位置。

7.如权利要求6所述的设备，其特征在于，所述处理单元通过下列方式构建所述点云地图：

利用惯性导航元件确定第N帧点云数据的相对位姿信息，其中所述第N帧点云数据是通过激光雷达扫描车辆周边事物确定的；

根据所述第N帧点云数据的相对位姿信息对所述第N帧点云数据进行坐标转换，得到所述第N帧点云数据对应的点云地图坐标；

根据连续多帧点云数据对应的点云地图坐标确定所述点云地图；

其中，N为正整数。