[发明专利]车道信息提取方法、装置、设备及存储介质

权利要求书

1.一种车道信息提取方法，其特征在于，所述车道信息提取方法包括以下步骤：

获取初始车道轨迹数据，将所述初始车道轨迹数据中的各车道轨迹分割成车道轨迹段，并根据各车道轨迹段之间的离散弗雷歇距离，将所述车道轨迹段进行聚类，生成道路轨迹段簇；

通过最小二乘估计算法对所述道路轨迹段簇进行拟合，提取所述拟合后的轨迹段簇的预估道路中心线位置参数，并在预设置信系数的预测区间中确定预估道路边界位置参数；

将所述预估道路中心线位置参数和预估道路边界位置参数，作为期望最大化算法的约束参数，并根据所述约束后的期望最大化算法确定混合高斯模型中的初始模型参数；

基于相关约束条件以及所述初始模型参数，计算所述混合高斯模型的目标模型参数；

根据所述目标模型参数，确定所述道路轨迹段簇中的车道数量、各车道对应的目标车道中心线位置参数和目标车道边界位置参数；

其中，所述初始模型参数包括初始车道中心线位置参数，所述相关约束条件包括第一约束条件，所述基于相关约束条件以及所述初始模型参数，计算所述混合高斯模型的目标模型参数的步骤具体包括：

根据所述混合高斯模型的初始车道中心线位置参数以及所述第一约束条件，计算出所述目标车道中心线位置参数，其中，所述第一约束条件为同一个道路轨迹段簇内的车道宽度相等，Δμ_k为目标车道宽度，Δμ_k的计算公式为：

为上边界位置参数，B_i为下边界位置参数，N为采样区域内轨迹点的个数，Bin(x)为根据各预测区间下边界位置参数的平均值作为采样区域起始边界的位置参数和根据各预测区间上边界位置参数的平均值作为采样区域结束边界的位置参数，为道路总宽度，k为同一个道路轨迹段簇内的车道数量，

其中，所述初始车道中心线位置参数的计算公式为：

其中，B的计算公式为：B为采样区域的道路起始边界位置参数，j为所述k个车道中的第j个车道。

2.如权利要求1所述的车道信息提取方法，其特征在于，所述获取初始车道轨迹数据，将所述初始车道轨迹数据中的各车道轨迹分割成车道轨迹段，并根据各车道轨迹段之间的离散弗雷歇距离，将所述车道轨迹段进行聚类，生成道路轨迹段簇的步骤具体包括：

获取初始车道轨迹数据，并将所述初始车道轨迹数据中的轨迹点按照轨迹点所属车道轨迹进行分类，生成各车道轨迹对应的轨迹点；

根据同一车道轨迹中各个相邻车道轨迹点，生成各个轨迹向量，计算各个相邻轨迹向量之间的轨迹夹角，并将各个轨迹夹角与预设夹角阈值进行比对；

将超过所述夹角阈值的轨迹夹角对应的轨迹点标记为分割点，基于各个分割点将各车道轨迹分割成各车道轨迹段；

根据各车道轨迹段之间的离散弗雷歇距离，将所述车道轨迹段进行聚类，生成道路轨迹段簇。

3.如权利要求2所述的车道信息提取方法，其特征在于，所述根据各车道轨迹段之间的离散弗雷歇距离，将所述车道轨迹段进行聚类，生成道路轨迹段簇的步骤具体包括：

获取所述各车道轨迹段中的两个车道轨迹段，将所述两个车道轨迹段处理为相同起点和相同终点的两个车道轨迹段；

计算处理后的两个车道轨迹段之间的离散弗雷歇距离，将离散弗雷歇距离小于预设距离阈值的两个车道轨迹段聚类至同一道路轨迹段簇，以生成各道路轨迹段簇。

4.如权利要求1所述的车道信息提取方法，其特征在于，所述相关约束条件还包括第二约束条件，所述根据所述混合高斯模型的初始车道中心线位置参数以及所述第一约束条件，计算出所述目标车道中心线位置参数的步骤之后还包括：

基于所述第二约束条件，定义约束高斯混合模型计算公式：

其中，Bin_x为同一个道路轨迹段簇中的第x个道路轨迹段坐标参数，所述第二约束条件为同一道路轨迹段簇对应的每个车道的轨迹分布宽度相等，即高斯混合模型的每个高斯分量的方差σ_j相等，即σ₁＝σ₂＝σ_j…＝σ_k,j∈[1,k]，ω_j为每个高斯分量的权重，