[发明专利]一种用于智能驾驶汽车提高车道线检测准确率的方法

说明书

本发明提供了一种用于智能驾驶汽车提高车道线检测准确率的方法，包括以下步骤：S1、获取车载端设备采集的车道视频数据；S2、通过车道线检测方法输入步骤S1中的车道视频数据，获得车道线坐标值；S3、针对车道线坐标点个数进行筛选，剔除检测出的坐标点较少的车道线，应用ransac对每条车道线点集进行拟合，保留有用的车道线坐标值，剔除远离车道线异常的坐标值；S4、将筛选后的车道线坐标值的车道线像素坐标转换为世界坐标系下的车道线，同时生成对应的车道线的世界坐标值。本发明有益效果：应用多种车道坐标值筛选方式，增加程序鲁棒性，使检测结果更加准确；将计算出的真实世界车道线坐标系数与车辆在车道中的位置建立联系，去除非车道线部分的干扰。

技术领域

本发明属于车辆驾驶系统领域，尤其是涉及一种用于智能驾驶汽车提高车道线检测准确率的方法。

背景技术

随着机器视觉的发展及应用，高级辅助驾驶系统(ADAS)已经被广泛研究及应用，车道线作为自动驾驶中重要的环节,在车辆辅助驾驶安全方面起着至关重要的作用，车道线检测不仅可以让车辆定位自己在车道线中的位置，还可以为车辆控制决策及路径规划提供重要信息。车道线检测的关键在于提取车道线特征，准确拟合出车道线。由于道路环境复杂对于出现严重遮挡，磨损的车道线检测效果不好，检测出的车道线存在误检的情况，使算法适应复杂的道路环境，拟合出准确的车道线显得尤为重要。

发明内容

有鉴于此，本发明旨在提出一种用于智能驾驶汽车提高车道线检测准确率的方法，以至少解决背景技术中的至少一个问题。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面本方案公开了一种用于智能驾驶汽车提高车道线检测准确率的方法，包括以下步骤：

S1、获取车载端设备采集的车道视频数据；

S2、通过车道线检测方法输入步骤S1中的车道视频数据，获得车道线坐标值；

S3、针对车道线坐标点个数进行筛选，剔除检测出的坐标点较少的车道线，应用ransac对每条车道线点集进行拟合，保留有用的车道线坐标值，剔除远离车道线异常的坐标值；

S4、将筛选后的车道线坐标值的车道线像素坐标转换为世界坐标系下的车道线，同时生成对应的车道线的世界坐标值；

S5、针对步骤S4中的车道线的世界坐标值设置筛选范围，选取范围内的车道线；

S6、针对步骤S4中的车道线的世界坐标值，依据实际道路与车辆的几何关系设置筛选范围，选取范围内的车道线。

进一步的，在步骤S3中，针对车道线坐标值进行筛选包括：

对步骤S2检测出的每条车道线点的个数进行统计，根据车道线点筛选标准对车道线点的个数低于车道线点筛选标准的数据进行剔除，形成初步筛选后的车道线坐标值。

进一步的，车道线点筛选标准包括：一条车道线点的个数少于4个。

进一步的，在步骤S3中，针对车道线坐标值进行筛选包括：

获取初步筛选后的车道线坐标值，采用二阶ransac对每条车道线上的点集进行拟合，去除车道线中异常的离散点，形成去除异常离散点的车道线坐标值；

将去除异常离散点的车道线坐标值中的纵向坐标值带入ransac曲线中，获取车道线对应的横向坐标值。

进一步的，在步骤S4中，应用基于脚点的相似三角形转换方式，将车道线像素坐标值转换为车道线世界坐标值。

进一步的，在步骤S5中，应用步骤S4中的车道线的世界坐标值，采用最小二乘法拟合三次二项式的系数，同时根据系数的物理含义，以及车辆和道路的几何参数模型，保留车道线起始点与摄像头横向距离在设定范围内的车道线坐标值。