双目立体数据处理方法、装置、智能驾驶设备及存储介质与流程

本发明涉及智能驾驶技术领域，尤其涉及一种双目立体数据处理方法、装置、智能驾驶设备及计算机存储介质。

背景技术

在智能驾驶领域中，基于相机的前方障碍物检测可以分为单目相机和多目相机方案。其中单目相机方案是指仅依靠一台相机采集信息，多目相机方案是指依靠两台以上的相机同时采集信息。相较于多目相机方案，由于普通单目相机不能获取深度信息，因此不适合高精度障碍物检测。

双目立体视觉是指使用不同方位的两台相机，或将同一台相机通过移动或者光学技巧虚拟出两台相机来拍摄同一个目标，模拟人眼的工作模式，相应获得两目视觉图像。由于双目立体视觉是模拟人眼的工作模式，通过对获得的两目视觉图像的数据进行处理，根据同一目标在两台相机中的位置差异可以还原目标在世界坐标系中的位置，如此，理论上可以获得智能驾驶场景高精度的三维信息。但是，由于视场中可能存在大量可行驶区域外的对象，比如树木、天空、建筑物、交通标志等，会影响匹配算法的精度，造成虚假目标，干扰障碍物的定位和测量。

技术实现要素：

为解决现有存在的技术问题，本发明实施例提供一种双目立体数据处理方法、装置、智能驾驶设备及计算机存储介质，能够最大程度准确剔除虚假目标点和非障碍物数据，提高障碍物检测精度。

为达到上述目的，本发明实施例的技术方案是这样实现的：

一种双目立体数据处理方法，包括：确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略；根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域；基于所述感兴趣区域以及将所述第一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据。

其中，所述确定当前视场内车道线信息是否符合设置条件，包括：获取所述当前视场对应的视觉图像，对所述视觉图像进行识别提取所述视觉图像中的车道线信息，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件。

其中，所述确定当前视场内车道线信息是否符合设置条件，包括：检测所述当前视场内的车道线信息；当检测到车道线信息时，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件；当未检测到车道线信息时，则确定所述当前视场内车道线信息不符合设置条件。

其中，所述车道线信息符合设置条件时，所述根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域，包括：获取一目视觉图像中目标车道对应两侧的车道线的端点，所述端点包括远离道路消失点的第一端点和靠近所述道路消失点的第二端点；基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域。

其中，所述基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域，包括：基于所述第一端点的连线、所述第二端点的连线和所述车道线所形成的区域确定初始的感兴趣区域；根据所述第一端点的位置以及所述第一端点处的斜率确定第一车道延长线，基于第一端点的连线和所述第一车道延长线所形成的区域确定第一邻近区域；根据所述第二端点的位置以及所述第二端点处的斜率确定第二车道延长线，基于所述第二端点的连线和所述第二车道延长线所形成的区域确定高度邻近区域，或，根据所述第二端点的位置确定相对于所述目标车道呈设置角度的高度延长线，基于所述第二端点的连线和所述高度延长线所形成的区域确定高度邻近区域；将所述第一邻近区域、所述高度邻近区域与所述初始的感兴趣区域合并确定感兴趣区域。

其中，所述车道线信息不符合设置条件时，所述根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域，包括：获取目标车辆的位置，于所述目标车辆的位置的行驶前方根据设置的车道宽度、车辆高度及有效检测距离确定世界坐标系下的感兴趣区域；获取图像采集装置的姿态数据；根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换，确定变换后的所述一目视觉图像对应的感兴趣区域。

其中，所述获取图像采集装置的姿态数据，包括：获取所述图像采集装置相对于所述世界坐标系的姿态数据，所述姿态数据包括俯仰角、翻滚角和偏航角；所述根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换，确定变换后的所述一目视觉图像对应的感兴趣区域，包括：根据所述俯仰角、翻滚角和偏航角确定旋转矩阵，根据所述世界坐标系下的感兴趣区域的顶点坐标与所述旋转矩阵的乘积，确定变换后的所述一目视觉图像对应的感兴趣区域。

一种双目立体数据处理装置，包括：策略选择模块，用于确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略；roi确定模块，用于根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域；立体匹配模块，用于基于所述感兴趣区域以及将所述一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据。

一种智能驾驶设备，所述智能驾驶设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中所述处理器用于运行所述计算机程序时，执行本申请任一实施例所述双目立体数据处理方法。

一种计算机存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本申请任一实施例所述的双目立体数据处理方法。

上述实施例所提供的双目立体数据处理方法中，通过确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略，根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域，基于所述感兴趣区域以及将所述一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据，这里，目标数据处理策略是根据当前视场内车道线信息是否符合设置条件而确定的，从而可以基于不同视场的实际情况针对性设置对应的数据处理策略，便于更加准确地确定与一目视觉图像对应的感兴趣区域；针对双目立体视觉所获得的双目视觉图像，根据目标数据处理策略所确定的一目视觉图像对应的感兴趣区域，以及所述一目视觉图像与另一目视觉图像进行立体匹配，这里，该另一目视觉图像的感兴趣区域可以由该一目视觉图像对应的感兴趣区域隐式确定或者以与该一目视觉图像相同的方式确定，通过感兴趣区域的合理确定可以大大减少计算量，通过立体匹配可以有效剔除虚假目标点和非障碍物数据，提高障碍物检测精度。

附图说明

图1为本发明一实施例中双目立体数据处理方法的应用环境图。

图2为本发明一实施例中双目立体数据处理方法的流程示意图。

图3为本发明一实施例中基于车道线信息确定感兴趣区域的示意图。

图4为本发明另一实施例中基于车道线信息确定感兴趣区域的示意图。

图5为本发明又一实施例中基于车道先验知识确定世界坐标系下的感兴趣区域的示意图。

图6为本发明一可选的具体实施例中双目立体数据处理方法的流程示意图。

图7为本发明一实施例中双目立体数据处理装置的结构示意图。

图8为本发明一实施例中智能驾驶设备的结构示意图。

具体实施方式

以下结合说明书附图及具体实施例对本发明技术方案做进一步的详细阐述。除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和／或”包括一个或多个相关的所列项目的任意的和所有的组合。

如图1所示，在一个实施例中，提供一种采用本发明实施例所提供的双目立体数据处理方法的应用环境图，包括车辆100、设置于车辆100上用于形成双目立体视觉的相机200以及设置于该车辆100上的智能驾驶设备300。该智能驾驶设备300可以是诸如车载计算机、车载控制器、车辆驾驶控制系统、移动终端等可运行双目立体数据处理方法的计算机程序的智能设备。车辆100在自动行驶的场景中，通过智能驾驶设备300实时确定在当前视场内车道线信息是否符合设置条件，相应于当前视场内车道线信息符合设置条件时，选择基于车道线信息为先验信息的数据处理策略作为目标数据处理策略；相应于该当前视场内车道线信息不符合设置条件时，选择基于车道先验知识结合相机姿态数据为先验信息的数据处理策略作为目标数据处理策略，根据所述目标数据处理策略，确定一目视觉图像，如左目视觉图像对应的感兴趣区域，基于所述所述感兴趣区域以及将所述一目视觉图像与另一目视觉图像进行立体匹配，如，将左目视觉图像与右目视觉图像进行立体匹配，并根据所述感兴趣区域对立体匹配得到的点云数据进行过滤，或者直接根据左目视觉图像的感兴趣区域与右目视觉图像进行立体匹配，其中该右目视觉图像中的感兴趣区域可以由该左目视觉图像中的感兴趣区域隐式确定，从而得到过滤后的双目立体数据，根据所述过滤后的双目立体数据实现准确高效地对当前视场内的障碍物检测。可以理解的，这里的一目视觉图像可以是指左目视觉图像或者右目视觉图像，相应的，当这里的一目视觉图像是指右目视觉图像时，另一目视觉图像则是指左目视觉图像，当这里的一目视觉图像是指左目视觉图像时，另一目视觉图像则是指右目视觉图像。

如图2所示，在一个实施例中，提供一种双目立体数据处理方法，该方法可以应用于图1中所示的智能驾驶设备，该方法包括：

步骤101，确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略；

车道线信息是指用于表征当前行驶的路面中所包含的车道位置、数量、形状等相关的信息。视场车辆在行驶场景下通过相机能够观测到的最大范围，通常是以角度来表示，通常视场越大，则观测范围越大。这里，确定当前视场内车道线信息是否符合设置条件是指，确定当前视场内能够获取到的车道线信息的置信度是否高于阈值。当车道线信息符合设置条件时，则表示可根据车道线确定当前视场内车辆当前行驶所在车道的位置、形状等。当车道线信息不符合设置条件时，则表示当前视场内车辆当前行驶所在道路为非结构化道路、或者无法获取能够识别车辆当前行驶所在车道的有效信息。

这里，根据确定结果选择匹配的目标数据处理策略，包括：相应于所述车道线信息符合设置条件时，选择基于车道线信息为先验信息对相应视觉图像做掩膜处理的数据处理策略作为目标数据处理策略；相应于所述车道线信息不符合设置条件时，选择基于车道先验知识结合相机姿态数据为先验信息对双目立体图像进行立体匹配后的点云数据做掩膜处理的数据处理策略作为目标数据处理策略。其中，先验信息是指用于确定数据处理策略所基于的经验或者历史数据。掩膜处理是指用选定的图像、图形或物体，对待处理的图像（全部或局部）进行遮挡，来控制待处理图像处理的区域或处理过程。

步骤103，根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域；

这里，感兴趣区域（regionofinterest，roi）是指从图像中选择的一个图像区域，将该图像区域作为图像分析所关注的重点。其中，一目视觉图像可以是指双目视觉图像的任意其中之一，如左目视觉图像。通过确定一目视觉图像对应的感兴趣区域后进行下一步处理，可以通过合理确定感兴趣区域来调整待处理图像的范围，减少处理时间，增加处理精度。目标数据处理策略是根据当前视场内车道线信息是否符合设置条件的确定结果相匹配的，当车道线信息符合设置条件时，可选择基于车道线信息为先验信息的目标数据处理策略；当车道线信息不符合设置条件时，可选择基于车道先验知识结合相机姿态数据为先验信息的目标数据处理策略，从而通过选择与车道线信息是否符合设置条件的确定结果匹配的目标数据处理策略，可以提升感兴趣区域的准确性，便于准确减少处理范围、且有效地剔除双目立体视觉图像中虚假目标点和非障碍物数据，提升障碍物检测精度。

步骤105，根据所述感兴趣区域以及将所述一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据。

这里，立体匹配（stereomatching）是指从不同视觉图像中找到匹配的对应点。智能驾驶设备通过基于感兴趣区域以及一目视觉图像与另一目视觉图像进行立体匹配，针对该一目视觉图像对应的感兴趣区域所确定的目标点在该另一目视觉图像中的匹配结果，可以识别出虚假目标点或非障碍物数据。这里，根据所述感兴趣区域以及将一目视觉图像与另一目视觉图像进行立体匹配可以是：先将一目视觉图像与另一目视觉图像进行立体匹配，根据所述感兴趣区域对立体匹配后得到的点云数据进行过滤；或者，根据该一目视觉图像对应的感兴趣区域与另一目视觉图像做立体匹配，其中该另一目视觉图像对应的感兴趣区域可以由该一目视觉图像的感兴趣区域隐式确定。通过根据所述感兴趣区域以及将一目视觉图像与另一目视觉图像进行立体匹配，可以根据该一目视觉图像对应的感兴趣区域的确定，节约另一目视觉图像对应的感兴趣区域的计算时间开销，减小计算量且确保障碍物检测精度。比如，基于左目视觉图像对应的感兴趣区域中的数据点a的位置、确定该右目视觉图像中是否存在与该数据点a匹配的数据点a’，若不存在，可以识别该数据点a为虚假目标点；若存在，可以进一步结合数据点a’与数据点a所共同限定的物体位置、形状，从而确定物体为障碍物或非障碍物。

上述实施例所提供的双目立体数据处理方法中，通过确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略，根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域，根据所述感兴趣区域以及所述一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据，这里，目标数据处理策略是根据当前视场内车道线信息是否符合设置条件而确定的，从而可以基于不同视场的实际情况针对性设置对应的数据处理策略，便于更加准确地确定视觉图像中的感兴趣区域；针对双目立体视觉所获得的双目视觉图像，根据目标数据处理策略所确定的一目视觉图像对应的感兴趣区域，以及将一目视觉图像与另一目视觉图像进行立体匹配，通过一目视觉图像对应的感兴趣区域的合理确定可以节约另一目视觉图像对应的感兴趣区域的计算时间开销，可以大大减少计算量，通过立体匹配可以有效剔除虚假目标点和非障碍物数据，提高障碍物检测精度。

在一个实施例中，在步骤101中，所述确定当前视场内车道线信息是否符合设置条件，包括：

获取所述当前视场对应的视觉图像，对所述视觉图像进行识别提取所述视觉图像中的车道线信息，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件。

这里，智能驾驶设备可以通过获取相机拍摄所获得的当前视场对应的视觉图像，通过图像识别来确定车道线信息。置信度是指对应参数的真实值一定概率落在测量结果的周围的程度，可用于表征被测量参数的测量值的可信程度或概率值。根据车道线信息的置信度确定当前视场内车道线信息是否符合设置条件，是指根据对当前视场对应的视觉图像进行识别，识别到车道线信息且车道线信息的置信度高于阈值时，则确定所述车道线信息符合设置条件；反之，如无法识别到有效的车道线信息或该车道线信息置信度小于阈值时，则确定所述车道线信息不符合设置条件。通过车道线信息置信度高于阈值相应确定车道线信息符合设置条件，可以确保当选择基于车道线信息为先验信息的数据处理策略时候，车道线信息准确且完整，确保后续数据处理的准确性。

在另一个实施例中，在步骤101中，所述确定当前视场内车道线信息是否符合设置条件，包括：

检测当前视场内的车道线信息；

当检测到车道线信息时，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件；

当未检测到车道线信息时，则确定所述当前视场内车道线信息不符合设置条件。

这里，智能驾驶设备可以于获取当前视场对应的视觉图像之前，检测当前视场内的车道线信息。置信度用于表征检测到的车道线信息的可信程度或落入真实值的概率值。当检测到车道线信息时，根据车道线信息置信度高于阈值时则确定当前视场内车道线信息符合设置条件；车道线信息的置信度小于阈值或者未检测到车道线信息时则确定当前视场内车道线信息不符合设置条件。通过检测车道线信息的置信度高于阈值而相应确定车道线信息符合设置条件，可以确保当选择基于车道线信息为先验信息的数据处理策略时候，车道线信息准确且完整，确保后续数据处理的准确性。而通过于获取视觉图像之前检测车道线信息，便于结合除图像识别之外的其它检测算法来进行车道线信息的检测，便于功能模块的独立维护和升级，实现方式更加灵活。

在一个实施例中，所述车道线信息符合设置条件时，所述步骤103，根据所述目标数据处理策略，确定一目视觉图像中的感兴趣区域，包括：

获取一目视觉图像中目标车道对应两侧的车道线的端点，所述端点包括远离道路消失点的第一端点和靠近所述道路消失点的第二端点；

基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域。

车道线信息符合设置条件时，相应选择基于车道线信息为先验信息的数据处理策略为目标数据处理策略。根据基于车道线信息为先验信息的数据处理策略确定一目视觉图像对应的感兴趣区域。目标车道是指车辆当前行驶车道。目标车道对应两侧的车道线的端点，可以根据视觉图像中目标车道的道路消失点进行确定，其中，目标车道于远离道路消失点的一端的端点为第一端点、于靠近道路消失点的一端的端点为第二端点。其中，道路消失点是指视觉图像中目标车道的两侧的车道线沿车辆行驶方向延伸的相交点。可以理解的，以车辆正向行驶为例，该第一端点和第二端点均位于车辆自身位置的前方。如图3所示，目标车道对应两侧的车道线分别用l1、l2表示，车道线的端点分别用第一端点a1、a2和第二端点b1、b2表示。根据所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线，可以确定车道及其邻近区域作为车辆行驶过程中需要对是否存在障碍物进行检测的区域，并将该区域确定为视觉图像中的感兴趣区域，如此，不仅能够确保障碍物检测的准确性、确保行驶安全，同时也能最大程度减少干扰信息、减少计算量、提高检测效率。

进一步的，所述基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域，包括：

基于所述第一端点的连线、所述第二端点的连线和所述车道线所形成的区域确定初始的感兴趣区域；

根据所述第一端点的位置以及所述第一端点处的斜率确定第一车道延长线，基于第一端点的连线和所述第一车道延长线所形成的区域确定第一邻近区域；

根据所述第二端点的位置以及所述第二端点处的斜率确定第二车道延长线，基于所述第二端点的连线和所述第二车道延长线所形成的区域确定高度邻近区域，或，根据所述第二端点的位置确定相对于所述目标车道呈设置角度的高度延长线，基于所述第二端点的连线和所述高度延长线所形成的区域确定高度邻近区域；

将所述第一邻近区域、所述高度邻近区域与所述初始的感兴趣区域合并确定感兴趣区域。

这里，根据位于目标车道的远离道路消失点的第一端点的位置及第一端点处的斜率，确定第一邻近区域作为感兴趣区域的一部分，可以提升障碍物检测的可靠性，行驶方向的前方的安全性可以进一步得到保障。根据位于目标车道的靠近道路消失点的第二端点的位置以相对于目标车道呈设置角度确定高度延长线，该设置角度通常为90度，确定高度邻近区域作为感兴趣区域的一部分，可以确保前方高度高于道路消失点的障碍物可以被全部检测到，提升检测精度及行驶的安全性。请再次参阅图3，根据所述第一端点a1、a2的位置以及所述第一端点a1、a2处的斜率确定的第一车道延长线分别用l3、l4表示，初始的感兴趣区域用区域1表示，第一邻近区域用区域2表示，高度延长线用l5、l6表示，高度邻近区域用区域3表示。可选的，请参阅图4，还可以根据所述第二端点b1、b2的位置以及所述第二端点b1、b2处的斜率确定第二车道延长线，通过第二车道延长线确定高度邻近区域。该第二车道延长线用l7、l8表示，通过基于第二车道延长线来确定高度邻近区域，图4中用区域4表示，可以在确保能够对高度高于道路消失点的前方障碍物进行检测的前提下，缩小感兴趣区域的范围，最大程度排除干扰信息，提高检测效率和准确率。

在一个实施例中，所述车道线信息不符合设置条件时，所述步骤103，根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域，包括：

获取目标车辆的位置，于所述目标车辆的位置的行驶前方根据设置的车道宽度、车辆高度及有效检测距离确定世界坐标系下的感兴趣区域；

获取图像采集装置的姿态数据；

根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换，确定变换后的所述一目视觉图像对应的感兴趣区域。

车道线信息不符合设置条件时，相应选择基于车道先验知识结合相机姿态数据为先验信息的数据处理策略为目标数据处理策略。根据基于车道先验知识结合相机姿态数据为先验信息的数据处理策略确定与一目视觉图像对应的感兴趣区域。目标车辆是指采用该智能驾驶设备的车辆。这里，车道先验知识包括设置的车道宽度w、车辆高度h及有效检测距离l。设置的车道宽度、车辆高度可以分别根据常规车道宽度和车辆高度确定。有效检测距离根据当前图像采集装置能够检测的最大检测距离确定，通常不大于当前图像采集装置的最大检测距离。根据目标车辆的位置确定车辆正前方即将驶入的区域，将该区域作为车辆行驶过程中需要对是否存在障碍物进行检测的区域，从而将该区域确定为视觉图像中的感兴趣区域，如此，针对无法提取有效的车道线信息的场景、无结构化道路的场景而言，均能够确保障碍物检测的准确性、确保行驶安全，同时也能最大程度减少干扰信息、减少计算量、提高检测效率。

图像采集装置是指获取双目视觉图像的装置，如相机。根据目标车辆的位置确定世界坐标系原点，分别以车道宽度、车辆高度及有效检测距离确定感兴趣区域在对应世界坐标系的坐标轴上的顶点坐标，将世界坐标系下所确定的感兴趣区域结合图像采集装置的姿态数据对其进行欧式变换，可以得到图像采集模式坐标系下的感兴趣区域，从而可以确定视觉图像对应的感兴趣区域。需要说明的是，本发明实施例中，双目立体视觉图像可以是由双目相机分别对应获得，也可以是指由单目相机获得其中一目视觉图像，并通过对该一目视觉图像进行转换处理得到另一目视觉图像，在此不做限制。针对图像采集装置是指双目相机而言，这里的一目相机相应与一目视觉图像对应。针对图像采集装置是指单目相机而言，这里得到图像采集坐标系下的感兴趣区域，则可以理解为该单目相机直接获取的视觉图像为左目视觉图像时，该相机坐标系下的感兴趣区域为左目视觉图像对应的感兴趣区域，或者该单目相机直接获取的视觉图像为右目视觉图像时，该相机坐标系下的感兴趣区域相应为右目视觉图像对应的感兴趣区域。

进一步的，所述获取图像采集装置的姿态数据，包括：

获取所述图像采集装置相对于所述世界坐标系的姿态数据，所述姿态数据包括俯仰角、翻滚角和偏航角；

所述根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换，确定变换后的所述一目视觉图像对应的感兴趣区域，包括：

根据所述俯仰角、翻滚角和偏航角确定旋转矩阵，根据所述世界坐标系下的感兴趣区域的顶点坐标与所述旋转矩阵的乘积，确定变换后的所述一目视觉图像对应的感兴趣区域。

请参阅图5，图像采集装置的姿态数据可以包括俯仰角、翻滚角和偏航角。在一个可选的具体实施例中，根据所述俯仰角、翻滚角和偏航角所确定的旋转矩阵用r表示如下：

根据所述世界坐标系下感兴趣区域的顶点坐标与所述旋转矩阵的乘积确定图像采集装置坐标系下的感兴趣区域，从而可以确定视觉图像对应的感兴趣区域，可以其中某个顶点为例，该顶点p进行欧式变换为，其中。通过将世界坐标系下的感兴趣区域中的任一点通过上述欧式变换的转换，可以得到其对应在图像采集模式坐标系下的坐标点，如此，可以根据世界坐标系下的感兴趣区域确定在图像采集模式坐标系下的感兴趣区域，也即，确定相应视觉图像中的感兴趣区域。

本发明实施例中，当车道线信息不符合设置条件时，表示车辆在当前视场下可能是在无结构化道路上行驶、或者是在结构化道路上行驶过程中却处于无法获取有效的车道线信息的状态，通过基于目标车辆当前位置，根据车辆即将驶入的区域来确定感兴趣区域，可以确保在不同道路环境下均能够对车辆前方是否存在障碍物进行准确地检测，通过创建世界坐标系确定立体的感兴趣区域，并基于图像采集装置的姿态数据进行欧式变换得到视觉图像中的感兴趣区域，可以提升感兴趣区域确定的准确性、尽量缩小感兴趣区域的范围、最大程度排除干扰信息，提高检测效率和准确率。

请参阅图6，下面以一可选的具体实施例为例，对本发明实施例所提供的双目立体数据处理方法的实现过程进行说明，该实施例中，图像采集装置具体为相机，该方法包括：

步骤s11，获取车道线信息；

步骤s13，确定是否成功获取到车道线信息；若是，则执行步骤s14；若否，则执行s25至s28；

步骤s14，确定车道线信息置信度是否高于阈值；若是，则执行步骤s15至s18；若否，则执行步骤s25至s28；

步骤s15，根据车道线信息生成初始的roi；

步骤s16，基于车道线于远离道路消失点的一端的端点的延伸，获得第一邻近区域合并至roi；

步骤s17，基于车道线于靠近道路消失点的一端的端点的延伸，获得高度邻近区域合并至roi；

步骤s18，通过一目视觉图像对应的roi与另一目视觉图像做立体匹配，获得过滤后的双目立体数据；

步骤s25，根据车道先验知识形成初始化的世界坐标系下的roi；

步骤s26，获取相机姿态数据，相机姿态数据包括俯仰角、翻滚角、偏航角；

步骤s27，根据相机姿态数据确定转换矩阵，并对世界坐标系下的roi进行转换得到相机坐标系下对应的roi；

步骤s28，对该一目视觉图像与另一目视觉图像做立体匹配，根据相机坐标系下的roi对匹配得到的双目立体点云数据做过滤，得到过滤后的双目立体数据。

本发明上述实施例中，根据车道线信息及其置信度，可以选择匹配的感兴趣区域roi的生成方式，从而针对车辆当前行驶场景下道路的不同实际情况或车道线信息采集的不同实际情况，均能够准确、高效的确定视觉图像中的感兴趣区域，在确保准确、高效的确定感兴趣区域的前提下，能够尽量缩小感兴趣区域的范围、最大程度排除干扰信息，提高检测效率和准确率。

如图7所示，在一个实施例中，提供一种双目立体数据处理装置，该装置包括策略选择模块11、roi确定模块13及立体匹配模块15。策略选择模块11，用于确定当前视场内车道线信息是否符合设置条件，根据确定结果选择匹配的目标数据处理策略。roi确定模块13，用于根据所述目标数据处理策略，确定一目视觉图像对应的感兴趣区域。立体匹配模块15，用于根据所述感兴趣区域以及所述一目视觉图像与另一目视觉图像进行立体匹配，得到过滤后的双目立体数据。

在一个实施例中，所述策略选择模块11，具体用于获取所述当前视场对应的视觉图像，对所述视觉图像进行识别提取所述视觉图像中的车道线信息，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件。

在另一个实施例中，所述策略选择模块11，具体用于检测所述当前视场内的车道线信息；当检测到车道线信息时，根据所述车道线信息的置信度确定所述当前视场内车道线信息是否符合设置条件；当未检测到车道线信息时，则确定所述当前视场内车道线信息不符合设置条件。

在一个实施例中，所述roi确定模块13包括端点单元及roi单元，所述车道线信息符合设置条件时，所述端点单元，用于获取一目视觉图像中目标车道对应两侧的车道线的端点，所述端点包括远离道路消失点的第一端点和靠近所述道路消失点的第二端点；所述roi单元，用于基于所述第一端点和所述第二端点的位置、所述第一端点和/或所述第二端点所在位置处的斜率、以及所述车道线确定感兴趣区域。

其中，所述roi单元包括初始化单元、第一邻近区域确定单元、第二邻近区域确定单元及合并单元。初始化单元，用于基于所述第一端点的连线、所述第二端点的连线和所述车道线所形成的区域确定初始的感兴趣区域；第一邻近区域确定单元，用于根据所述第一端点的位置以及所述第一端点处的斜率确定第一车道延长线，基于第一端点的连线和所述第一车道延长线所形成的区域确定第一邻近区域；第二邻近区域确定单元，用于根据所述第二端点的位置以及所述第二端点处的斜率确定第二车道延长线，基于所述第二端点的连线和所述第二车道延长线所形成的区域确定高度邻近区域，或，根据所述第二端点的位置确定相对于所述目标车道呈设置角度的高度延长线，基于所述第二端点的连线和所述高度延长线所形成的区域确定高度邻近区域；合并单元，用于将所述第二邻近区域、所述高度邻近区域与所述初始的感兴趣区域合并确定感兴趣区域。

在另一个实施例中，所述roi确定模块13包括第一roi单元、转换单元及第二roi单元。所述第一roi单元，用于获取目标车辆的位置，于所述目标车辆的位置的行驶前方根据设置的车道宽度、车辆高度及有效检测距离确定世界坐标系下的感兴趣区域。转换单元，用于获取图像采集装置的姿态数据。第二roi单元，用于根据所述姿态数据对所述世界坐标系下的感兴趣区域进行欧式变换，确定变换后的所述一目视觉图像对应的感兴趣区域。

其中，所述转换单元，具体用于获取所述图像采集装置相对于所述世界坐标系的姿态数据，所述姿态数据包括俯仰角、翻滚角和偏航角。所述第二roi单元，具体用于根据所述俯仰角、翻滚角和偏航角确定旋转矩阵，根据所述世界坐标系下的感兴趣区域的顶点坐标与所述旋转矩阵的乘积，确定变换后的所述一目视觉图像对应的感兴趣区域。

需要说明的是：上述实施例提供的双目立体数据处理装置在进行双目立体数据过滤时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述步骤分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的双目立体数据处理装置与双目立体数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本发明实施例还提供了一种智能驾驶设备，如可以为图1所示的装设于车辆上的车载设备，可以理解的，该智能驾驶设备也可以是指包括该相应车载设备的车辆等。请参阅图8，该智能驾驶设备包括处理器201以及用于存储能够在处理器201上运行的计算机程序的存储器202，其中，所述处理器201用于运行所述计算机程序时，执行本申请任一实施例所提供的双目立体数据处理方法的步骤。这里处理器201和存储器202并非指代对应的数量为一个，而是可以为一个或者多个。该智能驾驶设备还包括内存203、网络接口204、以及将内存203、网络接口204、处理器201和存储器202连接的系统总线205。存储器中存储有操作系统及用于实现本发明实施例所提供的双目立体数据处理方法的计算机程序对应的虚拟双目立体数据处理装置。处理器201用于支撑整个智能驾驶设备的运动。内存203可以用于为存储器202中的计算机程序的运行提供环境。网络接口204可以用于外部服务器设备、终端设备等进行网络通信，接收或发送数据，如获取用户输入的驾驶控制指令等。

本发明实施例还提供了一种计算机存储介质，例如包括存储有计算机程序的存储器，该计算机程序可以由处理器执行，以完成本发明任一实施例所提供的双目立体数据处理方法的步骤。该计算机存储介质可以是fram、rom、prom、eprom、eeprom、flashmemory、磁表面存储器、光盘、或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述权利要求的保护范围以准。