围内的，而剩下的4.5%距离真实车道中心线超过5米。导致误差很 大的通常情况是当系统在车道边界的错误的一边生成中心线。这通常发生在当曲线顶端被 检测当做车道涂漆。
[0191] 事实上，在得到了车道中心线候选后，我们的系统会将这个信息传送到数据联合 环节，要么它与现有车道估计匹配，要么他被视作异常估计而被舍弃。我们的系统是通过拓 扑先验信息来确认车体附近是否有车道的存在，然后再用候选来改进几何估计。
[0192] (四）稳定性
[0193] 本文系统的产出结果是要被进一步用于高速的车辆运动规划中去的，所以我们希 望这些估计能相对稳定，即一旦系统产生了一个高置信度的估计，那么这个估计不会发生 显著的变化。我们通过稳定系数的计算来估计系统的稳定性。这个稳定系数统计的是高置 信度的估计随时间发生横向变化的比例。
[0194] 考虑一个以后轮中心当前位置为圆心，半径为r的圆。当前车前方的车道估计与圆 相交的点设为PQ。在车道估计进行下一次更新的时候(这里按IOHz的频率），同样的圆与新 的估计的交点Sp 1。我们将车道估计的稳定系数定义为：
[0195]
[0196] 其中，dv是该段时间内车辆行驶的距离。
[0197] 另外，我们还通过对全路程每次更新得出的稳定性系数进行平均算出特定半径r 下的平均稳定性系数。从最后结果中可以得出，平均稳定性系数很小且基本保持不变，但仍 然不为0,说明高置信度的车道估计在车辆行驶中，可以被认为是基本不漂移的。
[0198] 在图13所述的实施例中，展示了一种车道检测的装置，所述装置包括待检测区域 确定模块1300、车道标识检测模块1302、雷达优化模块1304、中心线位置模块1306、多车道 模块1308:
[0199] 所述待检测区域确定模块1300用于根据摄像机图像确定待检测区域；
[0200] 所述车道标识检测模块1302用于在所述待检测区域中检测车道标识得到检测结 果；
[0201] 所述雷达优化模块1304用于根据雷达数据优化检测结果；
[0202] 所述中心线位置模块1306用于根据所述检测结果及雷达检测的路缘信息计算车 道中心线的位置；
[0203]所述多车道模块1308用于对计算得到的车道中心线的位置合成得到多车道的位 置结果。
[0204]所述雷达优化模块1304具体用于，将雷达数据中的三维物体投射到摄像机图像对 应的二维坐标中，过滤掉所述摄像机图像中三维物体投射对应位置的车道检测结果。
[0205] 所述车道标识检测模块1302还用于基于匹配过滤的视觉检测，具体为：
[0206] 为摄像机图像的每一个横列设定一个宽度过滤器，所述宽度为车道涂漆投影到摄 像机图像每一横列后的预期宽度；
[0207] 对过滤结果计算局部极大值及梯度方向，根据所述梯度方向计算车道线方向。
[0208] 所述车道标识检测模块1302还用于基于对称等高线的视觉检测，具体为：
[0209] 对摄像机图像进行局部的低通滤波及导数算子运算得到初始的车道线，计算初始 车道线中边缘像素的空间梯度大小及方向；
[0210] 将多个局部的边缘像素空间梯度大小及方向通过迭代算法融合，得到车道线标识 检测结果。
[0211] 还包括估计追踪模块1310,所述估计追踪模块用于用现有的中心线数据进行抛物 线拟合，估计远处车道中心线的位置，并利用先验信息进行车道中心线追踪。
[0212] 区别于现有技术，上述装置通过摄像机进行二维图像中的车道标识识别，辅助雷 达数据进行过滤，达到了快速准确地检测车道标识的效果。还进行车道中心线的估计及追 踪，提高了车辆在动态识别车道线的能力，提升了无人车自动驾驶的安全性。
[0213]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实 体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存 在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在涵盖 非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些 要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终 端设备所固有的要素。在没有更多限制的情况下，由语句"包括……"或"包含……"限定的 要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此 外，在本文中，"大于"、"小于"、"超过"等理解为不包括本数；"以上"、"以下"、"以内"等理解 为包括本数。
[0214] 本领域内的技术人员应明白，上述各实施例可提供为方法、装置、或计算机程序产 品。这些实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例 的形式。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来 完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方 法所述的全部或部分步骤。所述计算机设备，包括但不限于:个人计算机、服务器、通用计算 机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式 智能设备、车载智能设备等;所述的存储介质，包括但不限于:RAM、R0M、磁碟、磁带、光盘、闪 存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。
[0215] 上述各实施例是参照根据实施例所述的方法、设备（系统）、和计算机程序产品的 流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每 一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机 程序指令到计算机设备的处理器以产生一个机器，使得通过计算机设备的处理器执行的指 令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的 功能的装置。
[0216] 这些计算机程序指令也可存储在能引导计算机设备以特定方式工作的计算机设 备可读存储器中，使得存储在该计算机设备可读存储器中的指令产生包括指令装置的制造 品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指 定的功能。
[0217] 这些计算机程序指令也可装载到计算机设备上，使得在计算机设备上执行一系列 操作步骤以产生计算机实现的处理，从而在计算机设备上执行的指令提供用于实现在流程 图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0218] 尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创 造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例， 并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构 或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利 保护范围之内。
【主权项】
1. 一种车道检测的方法，其特征在于，所述方法包括如下步骤:根据摄像机图像确定待 检测区域，在所述待检测区域中检测车道标识得到检测结果，根据雷达数据优化检测结果， 根据所述检测结果及雷达检测的路缘信息计算车道中心线的位置，对计算得到的车道中心 线的位置合成得到多车道的位置结果。2. 根据权利要求1所述的车道检测的方法，其特征在于，所述雷达数据优化检测结果包 括步骤，将雷达数据中的三维物体投射到摄像机图像对应的二维坐标中，过滤掉所述摄像 机图像中三维物体投射对应位置的车道检测结果。3. 根据权利要求1所述的车道检测的方法，其特征在于，所述检测车道标识包括步骤， 基于匹配过滤的视觉检测，具体为： 为摄像机图像的每一个横列设定一个宽度过滤器，所述宽度为车道涂漆投影到摄像机 图像每一横列后的预期宽度； 对过滤结果计算局部极大值及梯度方向，根据所述梯度方向计算车道线方向。4. 根据权利要求1所述的车道检测的方法，其特征在于，所述检测车道标识包括步骤， 基于对称等尚线的视觉检测，具体为： 对摄像机图像进行局部的低通滤波及导数算子运算得到初始的车道线，计算初始车道 线中边缘像素的空间梯度大小及方向； 将多个局部的边缘像素空间梯度大小及方向通过迭代算法融合，得到车道线标识检测 结果。5. 根据权利要求1所述的车道检测的方法，其特征在于，根据所述检测结果及雷达检测 的路缘信息计算车道中心线的位置后还包括步骤，用现有的中心线数据进行抛物线拟合， 估计远处车道中心线的位置，并利用先验信息进行车道中心线追踪。6. -种车道检测的装置，其特征在于，所述装置包括待检测区域确定模块、车道标识检 测模块、雷达优化模块、中心线位置模块、多车道模块： 所述待检测区域确定模块用于根据摄像机图像确定待检测区域； 所述车道标识检测模块用于在所述待检测区域中检测车道标识得到检测结果； 所述雷达优化模块用于根据雷达数据优化检测结果； 所述中心线位置模块用于根据所述检测结果及雷达检测的路缘信息计算车道中心线 的位置； 所述多车道模块用于对计算得到的车道中心线的位置合成得到多车道的位置结果。7. 根据权利要求6所述的车道检测的装置，其特征在于，所述雷达优化模块具体用于， 将雷达数据中的三维物体投射到摄像机图像对应的二维坐标中，过滤掉所述摄像机图像中 三维物体投射对应位置的车道检测结果。8. 根据权利要求6所述的车道检测的装置，其特征在于，所述车道标识检测模块还用于 基于匹配过滤的视觉检测，具体为： 为摄像机图像的每一个横列设定一个宽度过滤器，所述宽度为车道涂漆投影到摄像机 图像每一横列后的预期宽度； 对过滤结果计算局部极大值及梯度方向，根据所述梯度方向计算车道线方向。9. 根据权利要求6所述的车道检测的装置，其特征在于，所述车道标识检测模块还用于 基于对称等尚线的视觉检测，具体为： 对摄像机图像进行局部的低通滤波及导数算子运算得到初始的车道线，计算初始车道 线中边缘像素的空间梯度大小及方向； 将多个局部的边缘像素空间梯度大小及方向通过迭代算法融合，得到车道线标识检测 结果。10.根据权利要求6所述的车道检测的装置，其特征在于，还包括估计追踪模块，所述估 计追踪模块用于用现有的中心线数据进行抛物线拟合，估计远处车道中心线的位置，并利 用先验?目息进彳丁车道中心线追踪。
【专利摘要】车道检测的方法及装置，其中方法包括如下步骤：根据摄像机图像确定待检测区域，在所述待检测区域中检测车道标识得到检测结果，根据雷达数据优化检测结果，根据所述检测结果及雷达检测的路缘信息计算车道中心线的位置，对计算得到的车道中心线的位置合成得到多车道的位置结果。本发明通过摄像机进行二维图像中的车道标识识别，辅助雷达数据进行过滤，达到了快速准确地检测车道标识的效果。还进行车道中心线的估计及追踪，提高了车辆在动态识别车道线的能力，提升了无人车自动驾驶的安全性。
【IPC分类】B60W40/06, G06K9/00, G08G1/16
【公开号】CN105667518
【申请号】CN201610104432
【发明人】潘晨劲, 赵江宜
【申请人】福州华鹰重工机械有限公司
【公开日】2016年6月15日
【申请日】2016年2月25日