[发明专利]基于单目视觉的地表模型拟合方法和装置

说明书

本发明提供了基于单目视觉的地表模型拟合方法和装置，包括：获取平直道路灭点在像素坐标系的坐标值、相机内参矩阵和相机外参矩阵；将采集的道路场景图像通过快速道路场景分割算法得到道路场景分割点；将道路场景分割点进行筛选得到道路路面分割轮廓点；将道路路面分割轮廓点进行曲线拟合得到多条路面轮廓线的三次曲线方程的参数；根据多条路面轮廓线的三次曲线方程的参数计算道路拐点在像素坐标系下的坐标值和道路灭点在像素坐标系下的坐标值；根据平直道路灭点在像素坐标系的坐标值、相机内参矩阵、相机外参矩阵、道路拐点在像素坐标系下的坐标值和道路灭点在像素坐标系下的坐标值，确定道路状况和道路参数值，准确地对地表模型进行估计。

技术领域

本发明涉及自动驾驶汽车技术领域，尤其是涉及基于单目视觉的地表模型拟合方法和装置。

背景技术

近年来，随着智能驾驶和无人驾驶等技术的不断成熟，视觉传感器的使用频率很高。通过视觉传感器对前方地表模型估计的需求也越来越多，如自动驾驶汽车在道路上行驶时需要提前预知前方道路的坡度或弯道情况，以便提前对自动驾驶汽车进行加速控制或减速控制。

通常采用深度相机、深度学习和车辆状态的方法对地表模型进行估计。在采用深度学习对地表模型估计的过程中，通过相机获取图像，基于深度学习预测道路的深度图并转化为视差图，之后根据视差图中的相对视差值以及相机的安装高度来拟合地平面方程，从而计算得出道路坡度。

在深度相机对地表模型估计的过程中，通过颜色相机和深度相机分别获取道路的RGB图像及深度图像，将深度图像映射到RGB图像，并计算候选区域的三维点云，根据三维点云求解道路平面方程计算道路坡度。

在采用车辆状态的方法对地表模型估计的过程中，通过数据采集装置采集车辆状态数据，结合车辆状态数据和车辆的固有参数计算模型参数：然后基于坡度与车辆状态数据的关系模型，构建扩展卡尔曼滤波估计模型，从而实时估计道路坡度。

在采用深度学习和深度相机对地表模型估计的过程中，硬件成本高，并且对数据样本的要求较高；在采用车辆状态的方法对地表模型估计的过程中，只能对自动驾驶汽车当前位置的地表信息进行估计，无法对前方道路的状况进行估计。因此，采用上述方法，无法准确地对地表模型进行估计。

发明内容

有鉴于此，本发明的目的在于提供基于单目视觉的地表模型拟合方法和装置，根据平直道路灭点在像素坐标系的坐标值、相机内参矩阵、相机外参矩阵、道路拐点在所述像素坐标系下的坐标值和道路灭点在像素坐标系下的坐标值，确定前方道路状况和道路参数值，从而准确地对地表模型进行估计。

第一方面，本发明实施例提供了基于单目视觉的地表模型拟合方法，所述方法包括：

获取平直道路灭点在像素坐标系的坐标值、相机内参矩阵和相机外参矩阵；

采集道路场景图像，将所述道路场景图像通过快速道路场景分割算法，得到道路场景分割点；

将所述道路场景分割点进行筛选，得到道路路面分割轮廓点；

将所述道路路面分割轮廓点进行曲线拟合，得到多条路面轮廓线的三次曲线方程的参数；

根据所述多条路面轮廓线的三次曲线方程的参数，计算道路拐点在所述像素坐标系下的坐标值和道路灭点在所述像素坐标系下的坐标值；

根据所述平直道路灭点在所述像素坐标系的坐标值、所述相机内参矩阵、所述相机外参矩阵、所述道路拐点在所述像素坐标系下的坐标值和所述道路灭点在所述像素坐标系下的坐标值，确定道路状况和道路参数值。

进一步的，所述根据所述多条路面轮廓线的三次曲线方程的参数，计算道路拐点在所述像素坐标系下的坐标值和道路灭点在所述像素坐标系下的坐标值，包括：

对所述多条路面轮廓线的三次曲线方程的斜率变化率进行计算，得到所述道路拐点在所述像素坐标系下的坐标值；