CN114565905A - 车道线的提取方法、装置和电子设备 - Google Patents
车道线的提取方法、装置和电子设备 Download PDFInfo
- Publication number
- CN114565905A CN114565905A CN202210204914.4A CN202210204914A CN114565905A CN 114565905 A CN114565905 A CN 114565905A CN 202210204914 A CN202210204914 A CN 202210204914A CN 114565905 A CN114565905 A CN 114565905A
- Authority
- CN
- China
- Prior art keywords
- lane line
- clustering
- line points
- points
- positions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 17
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种车道线的提取方法、装置和电子设备,涉及高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域。具体方案为:在进行车道线提取时,获取待提取的目标车道线对应的多个第一车道线点;根据多个第一车道线点的位置,对多个第一车道线点进行聚类;根据得到的第一聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,第二车道线点属于多个第一车道线点;再根据再次聚类得到的多个第二聚类结果,提取目标车道线。这样通过对第一聚类结果进行再次聚类,可以有效地将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,使得根据多个第二聚类结果可以准确地提取出分歧的车道线,提高了提取结果的准确度。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域,具体涉及一种车道线的提取方法、装置和电子设备。
背景技术
车道线作为高精地图中的一个重要组成部分,是自动驾驶场景中必不可少的基本要素。通常情况下,在自动驾驶场景中,车辆需要先获取所在道路的道路图像,并从道路图像中提取出车道线,再基于提取出的车道线进行安全行驶。
因此,如何准确地进行车道线提取,以提高提取结果的准确度是本领域技术人员亟待解决的问题。
发明内容
本公开提供了一种车道线的提取方法、装置和电子设备,可以准确地提取出车道线,提高了提取结果的准确度。
根据本公开的第一方面,提供了一种车道线的提取方法,该车道线的提取方法可以包括:
获取待提取的目标车道线对应的多个第一车道线点。
根据所述多个第一车道线点的位置,对所述多个第一车道线点进行聚类,得到多个第一聚类结果;其中,所述第一聚类结果包括多个第二车道线点,且所述第二车道线点属于所述多个第一车道线点。
根据所述第一聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到多个第二聚类结果。
根据所述多个第二聚类结果,提取所述目标车道线。
根据本公开的第二方面,提供了一种车道线的提取装置,该车道线的提取装置可以包括:
获取单元,用于获取待提取的目标车道线对应的多个第一车道线点。
第一聚类单元,用于根据所述多个第一车道线点的位置,对所述多个第一车道线点进行聚类,得到多个第一聚类结果;其中,所述第一聚类结果包括多个第二车道线点,且所述第二车道线点属于所述多个第一车道线点。
第二聚类单元,用于根据所述第一聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到多个第二聚类结果。
提取单元,用于根据所述多个第二聚类结果,提取所述目标车道线。
根据本公开的第三方面,提供了一种电子设备,该电子设备可以包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述第一方面所述的车道线的提取方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述第一方面所述的车道线的提取方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的车道线的提取方法。
根据本公开的技术方案,可以准确地提取出车道线,提高了提取结果的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例提供的一种基于现有的聚类结果进行车道线提取的示意图;
图2是本公开实施例提供的一种应用框架示意图;
图3是根据本公开第一实施例提供的车道线的提取方法的流程示意图;
图4是本公开实施例提供的一种进行两次聚类得到的多个第二聚类结果的示意图;
图5是根据本公开第二实施例提供的对多个车道线点进行聚类的方法的流程示意图;
图6是本公开实施例提供的一种满足同心圆形式的3个第一聚类结果的分布的示意图;
图7是本公开实施例提供的一种对第一聚类结果进行再次聚类的聚类结果示意图;
图8是根据本公开第三实施例提供的根据多个第二聚类结果,提取目标车道线的方法的流程示意图;
图9是本公开实施例提供的一种连接情况示意图;
图10是本公开实施例提供的一种提取出的目标车道线的示意图;
图11是根据本公开第四实施例提供的一种车道线的提取装置的结构示意图;
图12是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开的实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的访问关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。在本公开的文字描述中,字符“/”一般表示前后关联对象是一种“或”的关系。此外,在本公开实施例中,“第一”、“第二”、“第三”、“第四”、“第五”以及“第六”只是为了区分不同对象的内容而已,并无其它特殊含义。
本公开实施例提供的技术方案可以应用于高精地图、自动驾驶、车联网、智能座舱等人工智能技术领域。车道线作为地图的一个重要组成部分,是自动驾驶场景中必不可少的基本要素,准确地从道路图像中提取出车道线,对于自动驾驶车辆行驶的安全性是至关重要的。
在实际道路场景中,通常会存在一条车道线分成两条车道线的情况,示例的,可参见图1所示,图1是本公开实施例提供的一种基于现有的聚类结果进行车道线提取的示意图,其中,图1中的黑色实心点表示提取出的车道线的多个车道线点,虚线表示基于现有算法对车道线点进行聚类拟合,得到的车道线。在进行车道线提取时,会先对车道线对应的多个车道线点进行聚类,在聚类过程中,由于这种车道线是联通的,因此,聚类方法会将分歧的车道线点聚类至同一个聚类结果中,得到三个聚类结果。其中,一个聚类结果包括最左上角的五个距离较近的车道线点和最左下角的五个距离较近的车道线点;一个聚类结果包括虚线上部中间的五个距离较近的车道线点和虚线下部中间的五个距离较近的车道线点;一个聚类结果包括最右侧的五个距离较近的车道线点;再对这三个聚类结果中的车道线点进行拟合,得到一条最终的车道线,即图1所示的虚线的车道线。
显然,采用这种方法提取出的一条车道线与实际道路场景中分出的两条车道线不匹配,因此,采用现有的方法,在进行车道线提取时,会导致提取结果的准确度较差。
为了提高提取结果的准确度,在本公开实施例中,可以考虑在对待提取的车道线进行聚类,使得多个聚类结果后,继续对该多个聚类结果进行再次聚类,这样可以通过再次聚类将分歧的车道线对应的车道线点聚类至不同的聚类结果中,再根据再次聚类得到的聚类结果进行车道线提取,可以准确地提取出分歧的车道线,从而可以有效地提高提取结果的准确度。
示例的,可参见图2所示,图2是本公开实施例提供的一种应用框架示意图,用于实现技术方案的电子设备可以为车载设备,也可以为其它电子设备,具体可以根据实际需要进行设置。以车载设备为例,示例的,该车载设备可以包括三个模块,分别为同心圆指配模块、聚类模块以及车道线提取模块。
其中,同心圆指配模块,主要用于获取待提取的目标车道线对应的多个车道线点,为了区分,可记为第一车道线点。其中,车道线点,是指用于描述车道线的点。
聚类模块,主要用于根据多个第一车道线点的位置,对多个第一车道线点进行聚类,得到多个第一聚类结果;并对第一聚类结果中包括的多个第二车道线点进行再次聚类,得到多个第二聚类结果。
车道线提取模块,主要用于根据再次聚类得到的多个第二聚类结果,提取目标车道线。
如上所述,在对待提取的多个第一车道线点进行聚类,得到多个第一聚类结果后,继续对该多个第一聚类结果进行再次聚类,这样可以通过再次聚类将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,再根据再次聚类得到的第二聚类结果进行车道线提取,可以准确地提取出分歧的车道线,从而有效地提高了提取结果的准确度。
下面,将通过具体的实施例对本公开提供的车道线的提取方法进行详细地说明。可以理解的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
实施例一
图3是根据本公开第一实施例提供的车道线的提取方法的流程示意图,该车道线的提取方法可以由软件和/或硬件装置执行,例如,该硬件装置可以为终端或者服务器。示例的,请参见图3所示,该车道线的提取方法可以包括:
S301、获取待提取的目标车道线对应的多个第一车道线点。
示例的,在获取目标车道线对应的多个第一车道线点时,可以直接从包括目标车道线的道路图像中提取该目标车道线对应的多个第一车道线点;也可以从本地存储中查找获取该目标车道线对应的多个第一车道线点;也可以接收其他电子设备发送的该目标车道线对应的多个第一车道线点等,具体可以根据实际需要进行设置,在此,本公开实施例只是以这三种获取方式为例进行说明,但并不代表本公开实施例仅局限于此。
在获取到多个第一车道线点后,为了可以基于获取到的多个第一车道线点准确地提取出目标车道线,因此,可以根据多个第一车道线点的位置,对多个第一车道线点进行聚类,得到多个第一聚类结果,并继续对该多个第一聚类结果进行再次聚类,这样可以将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,即执行下述S302:
S302、根据多个第一车道线点的位置,对多个第一车道线点进行聚类,得到多个第一聚类结果。其中,第一聚类结果包括多个第二车道线点,且第二车道线点属于多个第一车道线点。
示例的,根据多个第一车道线点的位置,对多个第一车道线点进行聚类,通常是基于聚类算法,将距离较近的多个第一车道线点划分至一个聚类结果中,从而得到多个第一聚类结果。其中,第一聚类结果中的包括的多个第二车道线点是从多个第一车道线点进行聚类得到的,属于多个第一车道线点,且每一个第一车道线点只能聚类至一个第一聚类结果中。
示例的,在本公开实施例中,采用的聚类算法可以为现有的一些聚类算法,例如K-Means的聚类算法,或者基于密度的聚类方法等,具体可以根据实际需要进行设置。
S303、根据第一聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,得到多个第二聚类结果。
示例的,根据第一聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类时,通常是基于聚类算法,将第一聚类结果中包括的多个第二车道线点中,距离较近的多个第二车道线点划分至一个聚类结果中,从而得到多个第二聚类结果。
其中,第二聚类结果中包括多个第三车道线点,且第三车道线点属于多个第二车道线点,且每一个第三车道线点只能聚类至一个第二聚类结果中。
示例的,可结合上述图1所示的三个聚类结果,可记为3个第一聚类结果。在本公开实施例中,为了可以准确地将分歧的车道线对应的车道线点聚类至不同的聚类结果中,可以根据3个第一聚类结果中包括的多个第二车道线点的位置,对该多个第二车道线点进行再次聚类,得到5第二聚类结果,示例的,可参见图4所示,图4是本公开实施例提供的一种进行两次聚类得到的多个第二聚类结果的示意图,其中,5个第二聚类结果中,一个第二聚类结果包括最左上角的五个距离较近的车道线点、一个第二聚类结果包括最左下角的五个距离较近的车道线点、一个第二聚类结果包括虚线上部中间的五个距离较近的车道线点、一个第二聚类结果中包括虚线下部中间的五个距离较近的车道线点;一个第二聚类结果包括最右侧的五个距离较近的车道线点,可以看出,通过多个第二聚类结果,将分歧的车道线的车道线点聚类至不同的聚类结果中。
在得到多个第二聚类结果后,就可以根据多个第二聚类结果,提取目标车道线,即执行下述S304:
S304、根据多个第二聚类结果,提取目标车道线。
可以看出,本公开实施例中,在进行车道线提取时,先获取待提取的目标车道线对应的多个第一车道线点;并根据多个第一车道线点的位置,对多个第一车道线点进行聚类,得到多个第一聚类结果;再根据第一聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,第二车道线点属于多个第一车道线点;再根据再次聚类得到的多个第二聚类结果,提取目标车道线。这样通过对第一聚类结果进行再次聚类,可以有效地将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,使得再根据多个第二聚类结果可以准确地提取出分歧的车道线,从而有效地提高了提取结果的准确度。
基于上述图3所示的实施例,为了便于理解在上述S302中,如何对多个第一车道线点进行聚类,得到多个第一聚类结果;并对第一聚类结果中包括的多个第二车道线点进行再次聚类,得到多个第二聚类结果,下面,将通过下述图5所示的实施例二进行详细描述。
实施例二
图5是根据本公开第二实施例提供的对多个车道线点进行聚类的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行。示例的,请参见图5所示,该方法可以包括:
S501、根据多个第一车道线点的位置,从多个第一车道线点中确定中心点。
其中,中心点是基于多个第一车道线点的位置确定的。
示例的,根据多个第一车道线点的位置,从多个第一车道线点中确定中心点时,可以先根据多个第一车道线点的位置,确定多个第一车道线点对应的第二平均位置;并将多个第一车道线点中,与第二平均位置距离最近的第一车道线点确定为中心点。
可以理解的是,若多个第一车道线点中,与第二平均位置距离最近的第一车道线点的数量为多个,则可以将该最近的多个第一车道线点中的任一个车道线点确定为中心点。
示例的,假设多个第一车道线点的数量为3个,该3个第一车道线点分别包括第一车道线点a、第一车道线点b以及第一车道线点c;其中,第一车道线点a的位置坐标为(x1,y1),第一车道线点b的位置坐标为(x2,y2),第一车道线点c的位置坐标为(x3,y3),则该3个第一车道线点对应的第二平均位置的坐标为((x1+x2+x3)/3,(y1+y2+y3)/3),再分别确定第一车道线点a与第二平均位置之间的距离、第一车道线点b与第二平均位置之间的距离、以及第一车道线点c与第二平均位置之间的距离,并将与第二平均位置距离最近的第一车道线点确定为中心点,这样就可以从3个第一车道线点中确定出中心点。
S502、根据多个第一车道线点的位置和中心点,对多个第一车道线点进行聚类,得到多个第一聚类结果。
示例的,根据多个第一车道线点的位置和中心点,对多个第一车道线点进行聚类时,可以分别确定多个第一车道线点中各第一车道线点的位置与中心点之间的距离,对多个第一车道线点进行聚类。例如,可以预设一个距离阈值s,将距离小于一个s的第一车道线点聚类至一个聚类中,将距离等于或等于一个s,且小于2个s的第一车道线点聚类至一个聚类中,将距离等于或等于2个s,且小于3个s的第一车道线点聚类至一个聚类中,以此类推,可以根据距离阈值s,对多个第一车道线点进行聚类,得到多个第一聚类结果。其中,距离阈值s的取值可以设置为1米,也可以设置为0.9米,也可以设置为1.1米等,具体可以根据实际需要进行设置。
结合上述描述,通过距离阈值s对多个第一车道线点进行聚类后,得到的多个第一聚类结果的分布满足同心圆的形式,且同心圆的圆心为中心点。示例的,继续结合上述图1所示的车道线点,可记为第一车道线点,通过距离阈值s在对图1所示的多个第一车道线点进行聚类后,得到的第一聚类结果的分布满足同心圆的形式,示例的,可参见图6所示,图6是本公开实施例提供的一种满足同心圆形式的3个第一聚类结果的分布的示意图,可以看出,3个第一聚类结果中,距离最近的1个第一聚类结果处于同心圆的中心圆区域中,距离次近的1个第一聚类结果处于中心圆和其相邻的圆构成的环形区域中,距离最远的1个第一聚类结果处理由内向外第2个圆和第3个圆构成的环形区域中。
为了可以准确地提取出分歧的车道线,在得到满足同心圆形式的多个第一聚类结果的基础上,可以进一步对多个第一聚类结果进行再次聚类,这样通过再次聚类,可以将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,再根据再次聚类得到的第二聚类结果进行车道线提取,可以准确地提取出分歧的车道线。
示例的,在对多个第一聚类结果进行再次聚类之前,可以先判断处于同心圆的中心圆区域的第一聚类结果中包括的第二车道线点的数量,是否大于或等于预设的数量阈值;若中心圆区域的第一聚类结果中包括的第二车道线点的数量小于数量阈值,则说明中心点的选择存在误差,可以重新确定中心点,并再次对待提取的目标车道线对应的多个第二车道线点进行聚类,以得到新的第一聚类结果;相反的,若中心圆区域的第一聚类结果中包括的第二车道线点的数量大于或等于数量阈值,则可以直接对多个第一聚类结果进行再次聚类。
示例的,在对多个第一聚类结果进行再次聚类时,为了减少需要再次聚类的数据量,考虑到处于中心圆区域的第一聚类结果中包括的第二车道线点的距离较近,因此,可以无需对该中心圆区域的第一聚类结果中包括的第二车道线点进行再次聚类;而仅对处于同心圆相邻两个圆构成的环形区域中第一聚类结果包括的第二车道线点进行再次聚类即可,这样不仅可以实现再次聚类,而且可以减少再次聚类的数据量。可以理解的是,若不考虑减少需要再次聚类的数据量,也可以对处于中心圆区域的第一聚类结果中包括的第二车道线点进行再次聚类,其再次聚类得到的第二聚类结果仍为其本身,即与其第一聚类结果相同。
示例的,在本公开实施例中,以仅对处于同心圆相邻两个圆构成的环形区域中第一聚类结果包括的第二车道线点进行再次聚类为例,在对其进行再次聚类时,需要先根据第一聚类结果中包括的多个第二车道线点的位置,从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第一聚类结果,即执行下述S503。
S503、根据第一聚类结果中包括的多个第二车道线点的位置,从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第三聚类结果。
其中,第三聚类结果中包括的多个第二车道线点与中心点的距离大于同心圆的中心圆的半径。
可以理解的是,为了区分处于同心圆相邻两个圆构成的环形区域中的第一聚类结果和对目标车道线对应的车道线点进行首次聚类得到的多个第一聚类结果,在本公开实施例中,可将处于同心圆相邻两个圆构成的环形区域中的第一聚类结果记为第三聚类结果,该第三聚类结果为多个第一聚类结果的子集。
示例的,从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第三聚类结果时,可以先从多个第一聚类结果中,确定与中心点距离最近的第一聚类结果,并将多个第一聚类结果中,除与中心点距离最近的第一聚类结果之外的其他第一聚类结果确定为第三聚类结果,从而确定出第三聚类结果。
示例的,在确定第一聚类结果与中心点之间的距离时,可以包括下述至少两种可能的实现方法:
在一种可能的实现方式中,可以先根据第一聚类结果中每一个第二车道线点的位置,计算第一聚类结果中每一个第二车道线点与中心点之前的距离,得到多个距离;再计算多个距离的平均值,将平均值确定为第一聚类结果与中心点之间的距离。
在另一种可能的实现方式中,可以先根据第一聚类结果中每一个第二车道线点的位置,计算第一聚类结果对应的平均位置,并将平均位置与中心点之间的距离,确定为第一聚类结果与中心点之间的距离。
可以理解的是,在该种可能的实现方式中,根据第一聚类结果中每一个第二车道线点的位置,计算第一聚类结果对应的平均位置的方法,与上述确定第二平均位置的方法类似,可参见上述确定第二平均位置的相关描述,在此,本公开实施例不再进行赘述。
在从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第三聚类结果后,就可以仅对第三聚类结果中包括的多个第二车道线点进行再次聚类,即执行下述S504:
S504、根据第三聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,得到多个第二聚类结果。
示例的,根据第三聚类结果中包括的多个第二车道线点的位置,对该多个车道线点进行聚类时,通常是基于聚类算法,将第三聚类结果中包括的多个车道线点中,距离较近的多个车道线点划分至一个聚类结果中,从而得到多个第二聚类结果。
示例的,在本公开实施例中,采用的聚类算法可以为现有的一些聚类算法,例如K-Means的聚类算法,或者基于密度的聚类方法等,具体可以根据实际需要进行设置。
示例的,示例的,结合上述图6所示的3个第一聚类结果,假设仅对处于同心圆相邻两个圆构成的环形区域中第一聚类结果包括的第二车道线点进行再次聚类,则可以对图6中处于中心圆和其相邻的圆构成的环形区域中的第一聚类结果,即距离次近的第一聚类结果;以及处于同心圆中,由内向外第2个圆和第3个圆构成的环形区域中的第一聚类结果,即距离最远的第一聚类结果分别进行再次聚类,示例的,可参见图7所示,图7是本公开实施例提供的一种对第一聚类结果进行再次聚类的聚类结果示意图,可以得到距离次近的第一聚类结果对应的2个第二聚类结果,以及距离最远的第一聚类结果对应的2个第二聚类结果。
可以看出,本公开实施例中,在对多个车道线点进行聚类时,可以先根据多个第一车道线点的位置,从多个第一车道线点中确定中心点;并根据多个第一车道线点的位置和中心点,对多个第一车道线点进行聚类,得到多个第一聚类结果;并从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第三聚类结果;再根据第三聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,得到多个第二聚类结果。这样可以通过再次聚类,可以将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,使得后续再根据再次聚类得到的第二聚类结果进行车道线提取时,可以准确地提取出分歧的车道线。
在得到多个第二聚类结果后,就可以根据多个第二聚类结果,提取目标车道线,即执行上述S203。为了便于理解在上述S203中,如何根据多个第二聚类结果,提取目标车道线,下面,将通过下述图8所示的实施例三进行详细描述。
实施例三
图8是根据本公开第三实施例提供的根据多个第二聚类结果,提取目标车道线的方法的流程示意图,该方法同样可以由软件和/或硬件装置执行。示例的,请参见图8所示,该方法可以包括:
S801、根据第二聚类结果包括的多个第三车道线点的位置,从多个第三车道线点中确定目标车道线点;其中,第三车道线点属于多个第二车道线点。
示例的,根据第二聚类结果包括的多个第三车道线点的位置,从多个第三车道线点中确定目标车道线点时,可以先根据第二聚类结果包括的多个第三车道线点的位置,确定第一平均位置;并根据第一平均位置,从第二聚类结果包括的多个第三车道线点中确定目标车道线点。
可以理解的是,在该种可能的实现方式中,根据第二聚类结果包括的多个第三车道线点的位置,确定第一平均位置的方法,与上述确定第二平均位置的方法类似,可参见上述确定第二平均位置的相关描述,在此,本公开实施例不再进行赘述。
示例的,根据第一平均位置,从多个第三车道线点中确定目标车道线点时,可以先从多个第三车道线点中,确定与第一平均位置距离最近的第三车道线点;并将与第一平均位置距离最近的第三车道线点,确定为目标车道线点。
可以理解的是,若第二聚类结果包括的多个第三车道线点中,与第一平均位置距离最近的第三车道线点的数量为多个,则可以将该最近的多个第三车道线点中的任一个第三车道线点确定为目标车道线点。
在从第二聚类结果包括的多个第三车道线点中确定目标车道线点后,该目标车道线点表征该第二聚类结果,再连接多个第二聚类结果对应的目标车道线点,就可以提取出目标车道线。示例的,在连接多个第二聚类结果对应的目标车道线点时,可以执行下述S802:
S802、从中心点开始,按照同心圆由内往外的顺序,依次连接第二聚类结果对应的目标车道线点,确定多个初始车道线;其中,每个环形区域中仅有一个目标车道线点处于初始车道线中。
示例的,从中心点开始,按照同心圆由内往外的顺序,依次连接第二聚类结果对应的目标车道线点时,可以采用例如Hungarian算法,确定相邻两个环形区域中第二聚类结果对应的目标车道线点的所有可能的连接方案,这样就可以基于所有可能的连接方案,就可以对应得到多个初始车道线。
示例的,可结合图7所示的4个第二聚类结果,可以分别确定4个第二聚类结果对应的目标车道线点。假设4个目标车道线点分别为目标车道线点1、目标车道线点2、目标车道线点3、以及目标车道线点4,则采用例如Hungarian算法,确定相邻两个环形区域中第二聚类结果对应的目标车道线点的所有可能的连接方案时,可以得到两种可能的连接方案。
其中,一种可能的连接方案,可记为连接方案1为:中心点分别连接目标车道线点1和目标车道线点2,目标车道线点1再连接目标车道线点3,目标车道线点2再连接目标车道线点4。另一种可能的连接方案,可记为连接方案2为:中心点分别连接目标车道线点1和目标车道线点2,目标车道线点1再连接目标车道线点4,目标车道线点2再连接目标车道线点3。
在分别确定出连接方案1和连接方案2后,就可以基于连接方案1连接得到一个初始车道线,可记为初始车道线1;基于连接方案2连接得到另一个初始车道线,可记为初始车道线2,从而得到两个初始车道线。
可以理解的是,上述在连接得到多个初始车道线时,只是以从中心点开始,按照同心圆由内往外的顺序,依次连接第二聚类结果对应的目标车道线点为例进行说明,也可以按照同心圆由外往内的顺序,依次连接第二聚类结果对应的目标车道线点和中心点等,具体可以根据实际需要进行设置。
示例的,连接目标车道线点时,通常会包括五种情况,可参见图9所示,图9是本公开实施例提供的一种连接情况示意图,该五种情况可以包括无后继的情况,即目标车道线点再无后续可连接的目标车道线点,可参见图9中的9a;无前驱的情况,即目标车道线点之前无可连接的目标车道线点,可参见图9中的9b;一对一的情况,即一个目标车道线点连接一个目标车道线点,即目标车道线点一一连接,可参见图9中的9c;分岔的情况,即一个目标车道线点分岔,对应连接两个目标车道线点,可参见图9中的9d;合并的情况,即两个目标车道线点均连接至一个目标车道线点上,可参见图9中的9e。在确定出多个初始车道线后,就可以从多个初始车道线中,确定目标车道线,即执行下述S803:
S803、从多个初始车道线中,确定目标车道线。
示例的,从多个初始车道线中,确定目标车道线时,可以先分别确定多个初始车道线的长度;并将多个初始车道线中,长度最短的初始车道线确定为目标车道线。
示例的,同样可结合图7所示的4个第二聚类结果,假设4个第二聚类结果对应的4个目标车道线点分别为目标车道线点1、目标车道线点2、目标车道线点3、以及目标车道线点4,且确定出的初始车道线包括初始车道线1和初始车道线2。显然,初始车道线1的长度小于初始车道线2的长度,则可以将初始车道线1确定为最终提取出的目标车道线,示例的,请参见图10所示,图10是本公开实施例提供的一种提取出的目标车道线的示意图,该目标车道线为分歧的车道线。
可以看出,在本公开实施例中,在进行车道线提取时,先从再次聚类得到的第二聚类结果包括的多个第三车道线点中确定目标车道线点;并从中心点开始,按照同心圆由内往外的顺序,依次连接第二聚类结果对应的目标车道线点,确定多个初始车道线;再从多个初始车道线中,确定目标车道线。鉴于对第一聚类结果进行再次聚类,可以有效地将分歧的车道线对应的车道线点聚类至不同的第二聚类结果中,使得再根据第二聚类结果对应的目标车道线点,可以准确地提取出分歧的车道线,从而有效地提高了提取结果的准确度。
实施例四
图11是根据本公开第四实施例提供的一种车道线的提取装置110的结构示意图,示例的,请参见图11所示,该车道线的提取装置110可以包括:
获取单元1101,用于获取待提取的目标车道线对应的多个第一车道线点。
第一聚类单元1102,用于根据多个第一车道线点的位置,对多个第一车道线点进行聚类,得到多个第一聚类结果;其中,第一聚类结果包括多个第二车道线点,且第二车道线点属于多个第一车道线点。
第二聚类单元1103,用于根据第一聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,得到多个第二聚类结果。
提取单元1104,用于根据多个第二聚类结果,提取目标车道线。
可选的,第一聚类单元1102包括第一聚类模块和第二聚类模块。
第一聚类模块,用于根据多个第一车道线点的位置,从多个第一车道线点中确定中心点。
第二聚类模块,用于根据多个第一车道线点的位置和中心点,对多个第一车道线点进行聚类,得到多个第一聚类结果。
可选的,多个第一聚类结果的分布满足同心圆的形式,且同心圆的圆心为中心点;其中,第二聚类单元1103包括第三聚类模块和第四聚类模块。
第三聚类模块,用于根据第一聚类结果中包括的多个第二车道线点的位置,从多个第一聚类结果中,确定处于同心圆相邻两个圆构成的环形区域中的第三聚类结果;其中,第三聚类结果中包括的多个第二车道线点与中心点的距离大于同心圆的中心圆的半径。
第四聚类模块,用于根据第三聚类结果中包括的多个第二车道线点的位置,对多个第二车道线点进行再次聚类,得到多个第二聚类结果。
可选的,提取单元1104包括第一提取模块、第二提取模块以及第三提取模块。
第一提取模块,用于根据第二聚类结果包括的多个第三车道线点的位置,从多个第三车道线点中确定目标车道线点;其中,第三车道线点属于多个第二车道线点。
第二提取模块,用于从中心点开始,按照同心圆由内往外的顺序,依次连接第二聚类结果对应的目标车道线点,确定多个初始车道线;其中,每个环形区域中仅有一个目标车道线点处于初始车道线中。
第三提取模块,用于从多个初始车道线中,确定目标车道线。
可选的,第三提取模块包括第一提取子模块和第二提取子模块。
第一提取子模块,用于分别确定多个初始车道线的长度。
第二提取子模块,用于将多个初始车道线中,长度最短的初始车道线确定为目标车道线。
可选的,第一提取模块包括第一提取子模块和第二提取子模块。
第一提取子模块,用于根据第二聚类结果包括的多个第三车道线点的位置,确定第二聚类结果对应的第一平均位置。
第二提取子模块,用于根据第一平均位置,从多个第三车道线点中确定目标车道线点。
可选的,第二提取子模块,具体用于从多个第三车道线点中,确定与第一平均位置距离最近的第三车道线点;将与第一平均位置距离最近的第三车道线点,确定为目标车道线点。
可选的,第一聚类模块包括第一聚类子模块和第二聚类子模块。
第一聚类子模块,用于根据多个第一车道线点的位置,确定多个第一车道线点对应的第二平均位置。
第二聚类子模块,用于将多个第一车道线点中,与第二平均位置距离最近的第一车道线点确定为中心点。
本公开实施例提供的车道线的提取装置110,可以执行上述任一实施例所示的车道线的提取方法的技术方案,其实现原理以及有益效果与车道线的提取方法的实现原理及有益效果类似,可参见车道线的提取方法的实现原理及有益效果,此处不再进行赘述。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图12是本公开实施例提供的一种电子设备120的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备120包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备120操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备120中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备120通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1201可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1201的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1201执行上文所描述的各个方法和处理,例如车道线的提取方法。例如,在一些实施例中,车道线的提取方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备120上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的车道线的提取方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行车道线的提取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种车道线的提取方法,包括:
获取待提取的目标车道线对应的多个第一车道线点;
根据所述多个第一车道线点的位置,对所述多个第一车道线点进行聚类,得到多个第一聚类结果;其中,所述第一聚类结果包括多个第二车道线点,且所述第二车道线点属于所述多个第一车道线点;
根据所述第一聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到多个第二聚类结果;
根据所述多个第二聚类结果,提取所述目标车道线。
2.根据权利要求1所述的方法,其中,所述根据所述多个第一车道线点的位置,对所述多个第一车道线点进行聚类,得到多个第一聚类结果,包括:
根据所述多个第一车道线点的位置,从所述多个第一车道线点中确定中心点;
根据所述多个第一车道线点的位置和所述中心点,对所述多个第一车道线点进行聚类,得到多个第一聚类结果。
3.根据权利要求2所述的方法,所述多个第一聚类结果的分布满足同心圆的形式,且所述同心圆的圆心为所述中心点;
其中,所述根据所述第一聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到多个第二聚类结果,包括:
根据所述第一聚类结果中包括的多个第二车道线点的位置,从所述多个第一聚类结果中,确定处于所述同心圆相邻两个圆构成的环形区域中的第三聚类结果;其中,所述第三聚类结果中包括的多个第二车道线点与所述中心点的距离大于所述同心圆的中心圆的半径;
根据所述第三聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到所述多个第二聚类结果。
4.根据权利要求3所述的方法,其中,所述根据所述多个第二聚类结果,提取所述目标车道线,包括:
根据所述第二聚类结果包括的多个第三车道线点的位置,从所述多个第三车道线点中确定目标车道线点;其中,所述第三车道线点属于所述多个第二车道线点;
从所述中心点开始,按照所述同心圆由内往外的顺序,依次连接所述第二聚类结果对应的目标车道线点,确定多个初始车道线;其中,每个环形区域中仅有一个目标车道线点处于所述初始车道线中;
从所述多个初始车道线中,确定所述目标车道线。
5.根据权利要求4所述的方法,其中,所述从所述多个初始车道线中,确定所述目标车道线,包括:
分别确定所述多个初始车道线的长度;
将所述多个初始车道线中,长度最短的初始车道线确定为所述目标车道线。
6.根据权利要求4或5所述的方法,其中,所述根据所述第二聚类结果包括的多个第三车道线点的位置,从所述多个第三车道线点中确定目标车道线点,包括:
根据所述第二聚类结果包括的多个第三车道线点的位置,确定所述第二聚类结果对应的第一平均位置;
根据所述第一平均位置,从所述多个第三车道线点中确定所述目标车道线点。
7.根据权利要求6所述的方法,其中,所述根据所述第一平均位置,从所述多个第三车道线点中确定所述目标车道线点,包括:
从所述多个第三车道线点中,确定与所述第一平均位置距离最近的第三车道线点;
将与所述第一平均位置距离最近的第三车道线点,确定为所述目标车道线点。
8.根据权利要求2-7任一项所述的方法,其中,所述根据所述多个第一车道线点的位置,从所述多个第一车道线点中确定中心点,包括:
根据所述多个第一车道线点的位置,确定所述多个第一车道线点对应的第二平均位置;
将所述多个第一车道线点中,与所述第二平均位置距离最近的第一车道线点确定为所述中心点。
9.一种车道线的提取装置,包括:
获取单元,用于获取待提取的目标车道线对应的多个第一车道线点;
第一聚类单元,用于根据所述多个第一车道线点的位置,对所述多个第一车道线点进行聚类,得到多个第一聚类结果;其中,所述第一聚类结果包括多个第二车道线点,且所述第二车道线点属于所述多个第一车道线点;
第二聚类单元,用于根据所述第一聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到多个第二聚类结果;
提取单元,用于根据所述多个第二聚类结果,提取所述目标车道线。
10.根据权利要求9所述的装置,其中,所述第一聚类单元包括第一聚类模块和第二聚类模块;
所述第一聚类模块,用于根据所述多个第一车道线点的位置,从所述多个第一车道线点中确定中心点;
所述第二聚类模块,用于根据所述多个第一车道线点的位置和所述中心点,对所述多个第一车道线点进行聚类,得到多个第一聚类结果。
11.根据权利要求10所述的装置,所述多个第一聚类结果的分布满足同心圆的形式,且所述同心圆的圆心为所述中心点;
其中,所述第二聚类单元包括第三聚类模块和第四聚类模块;
所述第三聚类模块,用于根据所述第一聚类结果中包括的多个第二车道线点的位置,从所述多个第一聚类结果中,确定处于所述同心圆相邻两个圆构成的环形区域中的第三聚类结果;其中,所述第三聚类结果中包括的多个第二车道线点与所述中心点的距离大于所述同心圆的中心圆的半径;
所述第四聚类模块,用于根据所述第三聚类结果中包括的多个第二车道线点的位置,对所述多个第二车道线点进行再次聚类,得到所述多个第二聚类结果。
12.根据权利要求11所述的装置,其中,所述提取单元包括第一提取模块、第二提取模块以及第三提取模块;
所述第一提取模块,用于根据所述第二聚类结果包括的多个第三车道线点的位置,从所述多个第三车道线点中确定目标车道线点;其中,所述第三车道线点属于所述多个第二车道线点;
所述第二提取模块,用于从所述中心点开始,按照所述同心圆由内往外的顺序,依次连接所述第二聚类结果对应的目标车道线点,确定多个初始车道线;其中,每个环形区域中仅有一个目标车道线点处于所述初始车道线中;
所述第三提取模块,用于从所述多个初始车道线中,确定所述目标车道线。
13.根据权利要求12所述的装置,其中,所述第三提取模块包括第一提取子模块和第二提取子模块;
所述第一提取子模块,用于分别确定所述多个初始车道线的长度;
所述第二提取子模块,用于将所述多个初始车道线中,长度最短的初始车道线确定为所述目标车道线。
14.根据权利要求12或13所述的装置,其中,所述第一提取模块包括第一提取子模块和第二提取子模块;
所述第一提取子模块,用于根据所述第二聚类结果包括的多个第三车道线点的位置,确定所述第二聚类结果对应的第一平均位置;
所述第二提取子模块,用于根据所述第一平均位置,从所述多个第三车道线点中确定所述目标车道线点。
15.根据权利要求14所述的装置,其中,
所述第二提取子模块,具体用于从所述多个第三车道线点中,确定与所述第一平均位置距离最近的第三车道线点;将与所述第一平均位置距离最近的第三车道线点,确定为所述目标车道线点。
16.根据权利要求10-15任一项所述的装置,其中,所述第一聚类模块包括第一聚类子模块和第二聚类子模块;
所述第一聚类子模块,用于根据所述多个第一车道线点的位置,确定所述多个第一车道线点对应的第二平均位置;
所述第二聚类子模块,用于将所述多个第一车道线点中,与所述第二平均位置距离最近的第一车道线点确定为所述中心点。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的车道线的提取方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的车道线的提取方法。
19.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-8中任一项所述车道线的提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210204914.4A CN114565905A (zh) | 2022-03-02 | 2022-03-02 | 车道线的提取方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210204914.4A CN114565905A (zh) | 2022-03-02 | 2022-03-02 | 车道线的提取方法、装置和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114565905A true CN114565905A (zh) | 2022-05-31 |
Family
ID=81718371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210204914.4A Pending CN114565905A (zh) | 2022-03-02 | 2022-03-02 | 车道线的提取方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565905A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108831146A (zh) * | 2018-04-27 | 2018-11-16 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图交叉路口行车线的半自动点云方法 |
CN111695389A (zh) * | 2019-03-15 | 2020-09-22 | 北京四维图新科技股份有限公司 | 一种车道线聚类方法及装置 |
US20210001877A1 (en) * | 2019-07-02 | 2021-01-07 | DeepMap Inc. | Determination of lane connectivity at traffic intersections for high definition maps |
CN113534170A (zh) * | 2020-04-20 | 2021-10-22 | 上海禾赛科技有限公司 | 车道线检测方法、数据处理单元以及车载激光雷达系统 |
-
2022
- 2022-03-02 CN CN202210204914.4A patent/CN114565905A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108831146A (zh) * | 2018-04-27 | 2018-11-16 | 厦门维斯云景信息科技有限公司 | 生成三维高清道路图交叉路口行车线的半自动点云方法 |
CN111695389A (zh) * | 2019-03-15 | 2020-09-22 | 北京四维图新科技股份有限公司 | 一种车道线聚类方法及装置 |
US20210001877A1 (en) * | 2019-07-02 | 2021-01-07 | DeepMap Inc. | Determination of lane connectivity at traffic intersections for high definition maps |
CN113534170A (zh) * | 2020-04-20 | 2021-10-22 | 上海禾赛科技有限公司 | 车道线检测方法、数据处理单元以及车载激光雷达系统 |
Non-Patent Citations (2)
Title |
---|
JIANQIANG REN等: "Lane Detection in Video-Based Intelligent Transportation Monitoring via Fast Extracting and Clustering of Vehicle Motion Trajectories", 《MATHEMATICAL PROBLEMS IN ENGINEERING》, 10 July 2014 (2014-07-10), pages 1 - 12, XP055861690, DOI: 10.1155/2014/156296 * |
唐涛: "航拍视频高速公路车道线检测技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》, no. 2018, 15 April 2018 (2018-04-15), pages 034 - 865 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113390407A (zh) | 车道级导航地图的构建方法、装置、设备以及存储介质 | |
CN113792061B (zh) | 地图数据的更新方法、装置及电子设备 | |
CN113971723B (zh) | 高精地图中三维地图的构建方法、装置、设备和存储介质 | |
CN114677570B (zh) | 道路信息更新方法、装置、电子设备以及存储介质 | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
CN113762397B (zh) | 检测模型训练、高精度地图更新方法、设备、介质及产品 | |
CN114676178A (zh) | 事故检测方法、装置及电子设备 | |
CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
CN114724113B (zh) | 道路标牌识别方法、自动驾驶方法、装置和设备 | |
CN113723405B (zh) | 区域轮廓的确定方法、装置和电子设备 | |
CN113447013B (zh) | 施工道路识别方法、装置、设备、存储介质和程序产品 | |
CN114565905A (zh) | 车道线的提取方法、装置和电子设备 | |
CN114202625A (zh) | 路肩线的提取方法、装置及电子设备 | |
CN114140813A (zh) | 高精地图标注方法、装置、设备及存储介质 | |
CN112527673A (zh) | 站点测试方法、装置、电子设备及可读存储介质 | |
CN114490909B (zh) | 对象关联方法、装置和电子设备 | |
CN113865611B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
CN112966606B (zh) | 图像识别方法、相关装置及计算机程序产品 | |
CN117198040A (zh) | 路口通行信息的获取方法、装置、电子设备与可读存储介质 | |
KR20220119167A (ko) | 차량의 차선 이탈 식별 방법 및 장치,전자 기기, 및 저장매체 | |
CN116434166A (zh) | 目标区域的识别方法、装置、设备和存储介质 | |
CN117853614A (zh) | 高精地图元素变更情况的检测方法、装置和车辆 | |
CN114359513A (zh) | 障碍物位置的确定方法、装置和电子设备 | |
CN116342861A (zh) | 定位目标的关联方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |