[发明专利]一种汇流场景下的车道线分离绘制方法及装置

说明书

本发明涉及一种汇流场景下的车道线分离绘制方法及装置，训练语义分割模型，输入原始图像，输出mask图，并根据车道线的灰度值标签提取二值化图；提取二值化图中车道线的轮廓点，构建每条车道线的像素坐标集合；根据每条车道线的像素坐标集合，提取车道线的中轴线点集，判断中轴线上的点是否都位于车道线轮廓内；将中轴线上不在车道线轮廓中的点的坐标分别进行左移和右移，直到左移或右移后的坐标位于车道线轮廓内；利用左移和右移后得到的点替换其对应的原中轴线中不在像素坐标集合中的点，根据替换后的中轴线点集将原汇流场景下的一条车道线中轴线分离成左右两条中轴线并进行绘制。本发明可有效解决汇流区域车道线粘连情况。

技术领域

本发明涉及自动驾驶与高精度地图制作技术领域，具体涉及一种汇流场景下的车道线分离绘制方法及装置。

背景技术

在高精度地图制作领域，路面汇流场景下的车道线绘制主要基于语义分割的方法，这类方法可以对图像中的每个像素进行分类，进而输出图像的mask图。使用opencv工具的findContours函数就可以提取mask图中的每条车道线轮廓。但在导流带汇流区域，两条车道线会连通为一条，按照通常方法，提取车道线会造成失误。

发明内容

本发明针对现有技术中存在的技术问题，提供一种汇流场景下的车道线分离绘制方法及装置，可有效解决汇流区域车道线粘连情况。

本发明解决上述技术问题的技术方案如下：

一方面，本发明提供一种汇流场景下的车道线分离绘制方法，包括以下步骤：

S1，训练语义分割模型，输入原始图像，输出mask图，并根据车道线的灰度值标签提取二值化图；

S2，提取二值化图中车道线的轮廓点，构建每条车道线的像素坐标集合；

S3，根据每条车道线的像素坐标集合，提取车道线的中轴线点集，判断中轴线上的点是否都位于车道线轮廓内；若不是，则当前车道线属于汇流场景，执行步骤S4；

S4，将中轴线上不在车道线轮廓中的点的坐标分别进行左移和右移，直到左移或右移后的坐标位于车道线轮廓内；

S5，利用左移和右移后得到的点替换其对应的原中轴线中不在像素坐标集合中的点，根据替换后的中轴线点集将原汇流场景下的一条车道线中轴线分离成左右两条中轴线并进行绘制。

进一步的，步骤S1包括：

初始化语义分割模型；

标注训练数据集中的车道线；

使用标注后的训练数据集对所述语义分割模型进行多次训练、调参，直到所述语义分割模型满足要求；

将原始图像作为训练后的语义分割模型的输入，得到原始图像每个像素点的预测值，从而输出原始图像对应的mask图；

根据车道线的灰度值标签从所述mask图中提取车道线的二值化图。

进一步的，步骤S2，包括采用OpenCV工具提取二值化图中车道线的轮廓点，设置距离阈值，将小于距离阈值的相邻轮廓点归集为同一个像素坐标集合，进而构建每条车道线的像素坐标集合。

进一步的，所述中轴线的提取方法包括：

对于任一车道线的像素坐标集合，根据纵坐标y是否相同，将所述像素坐标集合划分为N个子集合；

在每个子集合中对横坐标取平均值x’，得到子集合对应的中轴线上点的坐标(x'，y)，则N个子集合对应的坐标构成中轴线的点集。

进一步的，所述车道线中轴线根据中轴线的点集采用最小二乘法进行拟合。

另一方面，本发明还提供一种汇流场景下的车道线分离绘制装置，包括：