[发明专利]一种基于自动驾驶的车道线识别方法及系统

说明书

本发明实施例公开了一种基于自动驾驶的车道线识别方法及系统，所述方法包括：获取图像信息；获取车辆实时的定位信息和行驶参数，并将所述定位信息与获取的图像信息进行关联；将关联后的图像送入到预先接入的地图库中进行基于图像平均灰度值的计算，以得到该定位点清晰的待识别图像；将所述待识别图像送入预先构造的车道线识别模型中进行识别，以得到车道线识别结果；所述车道线识别模型基于车道和道路标记基准训练所得，所述基准包括多个车道、道路标记类别以及多种不同的恶劣环境场景；其有益效果是：使得在实际应用的场景中具有良好的鲁棒性，进而提高对车道线检测的准确率。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种基于自动驾驶的车道线识别方法及系统。

背景技术

目前，车道线检测是自动驾驶中的一个基础功能，在自动驾驶过程中，车辆需要对道路中的车道线进行检测。但是，对于车道线识别而言，传统的检测方法一般采用边缘检测+霍夫变换的方式，在图像清晰，车道线没有被遮挡的情况下适用；但在实际的应用场景中，车道线检测所面对的场景又存在多样化的特点，在恶劣环境干扰和周边障碍物的影响下，会造成识别可靠性的下降，从而带来检测准确率不高的缺陷。

发明内容

针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种基于自动驾驶的车道线识别方法及系统，以提高对车道线检测的准确率。

为实现上述目的，第一方面，本发明实施例提供了一种基于自动驾驶的车道线识别方法，所述方法包括：

获取图像信息；其中，所述图像信息包括通过部署在车辆上的感知层检测所得；

获取车辆实时的定位信息和行驶参数，并将所述定位信息与获取的图像信息进行关联；

将关联后的图像送入到预先接入的地图库中进行基于图像平均灰度值的计算，以得到该定位点清晰的待识别图像；

将所述待识别图像送入预先构造的车道线识别模型中进行识别，以得到车道线识别结果；其中，所述车道线识别模型基于车道和道路标记基准训练所得，所述基准包括多个车道、道路标记类别以及多种不同的恶劣环境场景。

优选地，所述方法还包括：

获取车辆的操作信号，并结合获取的行驶参数构造出车辆的实际行驶轨迹；

基于所述行驶参数和车道线识别结果分析出车辆的预测行驶轨迹；

再将所述预测行驶轨迹与实际行驶轨迹进行匹配，以判断出两者的轨迹是否在预设的偏差范围内；

若超出偏差范围，则将对应的车道线识别结果作为训练数据以优化所述车道线识别模型。

优选地，所述车道线识别模型在训练时，将每个车道都作为自身的实例进行训练，并进行基于图像的学习视角变换，以实现车道变化的识别。

优选地，所述方法还包括：

基于道路结构和获取图像信息的角度建立车道形状模型；

识别时，再将所述车道形状模型输出的车道参数传入至车道线识别模型中，以实现车道线的准确定位。

第二方面，本发明实施例还提供了一种基于自动驾驶的车道线识别系统，包括：

图像获取模块，用于获取图像信息；其中，所述图像信息包括通过部署在车辆上的感知层检测所得；

信息关联模块，用于获取车辆实时的定位信息和行驶参数，并将所述定位信息与获取的图像信息进行关联；

预处理模块，用于将关联后的图像送入到预先接入的地图库中进行基于图像平均灰度值的计算，以得到该定位点清晰的待识别图像；