[发明专利]一种车道线检测的方法和设备

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：

将鸟瞰特征图中栅格的最大高度值、平均反射强度和点云数量统计密度作为神经网络分割模型中的darknet的输入对所述鸟瞰特征图进行特征提取，其中所述鸟瞰特征图是对点云地图进行栅格化处理得到的；

通过所述神经网络分割模型中的特征金字塔网络FPN对特征提取得到的低层高分辨率特征和高层高语义信息特征进行特征融合后确定所述鸟瞰特征图中的车道线点的特征信息；

根据所述特征信息确定在所述点云地图中与所述鸟瞰特征图中的车道线点相对应的车道线点；

将所述点云地图中的车道线点中反射强度大于平均反射强度阈值的车道线点作为车道线特征点，并根据所述点云地图中的车道线特征点进行几何模型拟合确定车道线。

2.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点云地图：

针对通过激光雷达扫描车辆周边道路确定的任意一帧图像，确定该帧图像对应的用于表示车辆行驶状态的里程计信息；

根据连续M帧图像中的最后一帧图像以及所述M帧图像对应的所述里程计信息对所述连续M帧图像中的点云数据进行坐标转换后得到所述连续M帧图像的点云地图坐标，其中M为正整数；

根据所述连续M 帧图像的点云地图坐标确定点云地图，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M帧图像中的第一帧图像为前一次确定的点云地图使用的连续M帧图像中的第二帧图像。

3.如权利要求1所述的方法，其特征在于，所述神经网络分割模型包括输入层、编码层和解码层组，其中所述解码层组包括至少一个解码层；

其中，所述输入层用于将所述鸟瞰特征图中栅格的最大高度值、平均反射强度和点云数量统计密度输入到所述神经网络分割模型；

所述编码层用于对所述输入层输入的鸟瞰特征图中栅格的最大高度值、平均反射强度和点云数量统计密度进行编码输出编码后的鸟瞰特征图；

所述解码层用于对所述编码后的鸟瞰特征图进行解码，以使所述解码层组中最后一个解码层输出的鸟瞰特征图与所述输入层输入的鸟瞰特征图的分辨率相同。

4.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鸟瞰特征图中栅格的平均反射强度：

将所述点云地图划分为多个立方体；

针对任意一个立方体，将所述立方体中所有点的反射强度的平均值作为所述立方体对应的栅格的平均反射强度；和/或

通过下列方式确定所述鸟瞰特征图中栅格的最大高度值：

将所述点云地图划分为多个立方体；

针对任意一个立方体，将所述立方体中所有点的高度的最大值作为所述立方体对应的栅格的最大高度值。

5.如权利要求1所述的方法，其特征在于，所述将所述点云地图中的车道线特征点进行几何模型拟合确定车道线，包括：

通过最小二乘法对所述点云地图中的车道线特征点进行拟合得到确定车道线。

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，使得所述处理单元执行下列过程：

将鸟瞰特征图中栅格的最大高度值、平均反射强度和点云数量统计密度作为神经网络分割模型中的darknet的输入对所述鸟瞰特征图进行特征提取，其中所述鸟瞰特征图是对点云地图进行栅格化处理得到的；

通过所述神经网络分割模型中的FPN对特征提取得到的低层高分辨率特征和高层高语义信息特征进行特征融合后确定所述鸟瞰特征图中的车道线点的特征信息；

根据所述特征信息确定在所述点云地图中与所述鸟瞰特征图中的车道线点相对应的车道线点；

将所述点云地图中的车道线点中反射强度大于平均反射强度阈值的车道线点作为车道线特征点，并根据所述点云地图中的车道线特征点进行几何模型拟合确定车道线。