[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，车道线提取方法包括：步骤S1：采集车辆行驶中的行驶数据；步骤S2：对行驶数据中的每一帧数据的车道线信息进行标记；步骤S3：通过深度学习分割网络对行驶数据进行分割；步骤S4：根据标记后的数据及分割结果获得车道线分割模型；步骤S5：通过车道线分割模型提取实时行驶数据中的车道线信息。

技术领域

本发明涉及一种车道线提取方法及装置，具体地说，尤其涉及一种直接利用激光雷达和深度学习进行车道线提取方法及装置。

背景技术

自动驾驶车辆在行驶的过程中需要感知周围环境，特别是车道线信息，利用车道线信息进行车辆的定位，车道保持等功能。同时对于自动驾驶构建地图时，也需要进行车道线的感知用于地图中车道线的拓扑构建和提取。

进行车道线提取时，需要利用传感器进行车道线的检测和提取，目前现有方法大都利用摄像头进行车道线的检测。主要分为利用摄像头进行车道线的检测，和利用摄像头进行车道线的分割。因为深度学习和大数据的兴起，基于深度学习和摄像头的方法可以很好的进行车道线的检测和分割，完成2D下的车道线感知。但是自动驾驶车辆在进行环境感知时，要感知的是3D世界，特别是车道线信息，2D下的车道线信息仍要恢复出3D信息。但是从摄像头恢复出3D信息并不容易。

从图像中感知到的车道线信息，要恢复出3D信息，一般需要一些复杂的数学转化过程，包括利用摄像头距离地面的高度，摄像头内参，摄像头的俯仰角度等等。利用这些已知的参数，结合一些立体几何的数学计算过程，从而恢复出3D信息。然而上述过程并非完美，摄像头距离地面的高度，摄像头的俯仰角等这些参数经常存在误差，从而导致恢复出的3D车道线信息不够准确，不能满足自动驾驶的需求。

因此急需开发一种克服上述缺陷的车道线提取方法及装置。

发明内容

本发明所要解决的技术问题在于提供一种车道线提取方法，其中，包括：

步骤S1：采集车辆行驶中的行驶数据；

步骤S2：对所述行驶数据中的每一帧数据的车道线信息进行标记；

步骤S3：通过深度学习分割网络对行驶数据进行分割；

步骤S4：根据标记后的数据及分割结果获得车道线分割模型；

步骤S5：通过所述车道线分割模型提取实时行驶数据中的车道线信息。

上述的车道线提取方法，其中，于所述步骤S2中包括：

步骤S21：将所述行驶数据中的多帧数据根据已知位置进行融合，形成点云数据；

步骤S22：对所述点云数据的车道线信息进行标记；

步骤S23：将所述点云数据投影成单帧点云数据。

上述的车道线提取方法，其中，于所述步骤S3中包括：

步骤S31：通过卷积和池化操作对所述行驶数据进行编码，获得2D俯视图结构；

步骤S32：通过深度学习技术对所述2D俯视图结构进行编码；

步骤S33：对编码后的所述2D俯视图结构进行解码获得所述分割结果。

上述的车道线提取方法，其中，于所述步骤S4中包括：

步骤S41：根据标记后的数据及分割结果进行网络训练获得车道线分割模型；

步骤S42：通过多个参数对所述车道线分割模型进行评估以获得最优的车道线分割模型。

上述的车道线提取方法，其中，所述行驶数据包括三维坐标信息及反射强度信息。

本发明还提供一种车道线提取装置，其中，包括：