Nothing Special   »   [go: up one dir, main page]

CN111738207A - 车道线检测方法、装置、电子设备及可读存储介质 - Google Patents

车道线检测方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN111738207A
CN111738207A CN202010671017.5A CN202010671017A CN111738207A CN 111738207 A CN111738207 A CN 111738207A CN 202010671017 A CN202010671017 A CN 202010671017A CN 111738207 A CN111738207 A CN 111738207A
Authority
CN
China
Prior art keywords
lane
vehicle
road
obtaining
center line
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.)
Granted
Application number
CN202010671017.5A
Other languages
English (en)
Other versions
CN111738207B (zh
Inventor
钱祥隽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010671017.5A priority Critical patent/CN111738207B/zh
Publication of CN111738207A publication Critical patent/CN111738207A/zh
Application granted granted Critical
Publication of CN111738207B publication Critical patent/CN111738207B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请实施例提供了一种车道线检测方法、装置、电子设备及可读存储介质。该方法包括：获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；基于各车道的车道中心线，得到各车道的车道边线。在本申请实施例中，即使在无法观测车道线的情况下，也可以获取到道路的各车道信息，可以有效减少因无法检测到车道线，而导致自动驾驶失效，出现安全事故的问题。

Description

车道线检测方法、装置、电子设备及可读存储介质
技术领域
本申请涉及自动驾驶技术领域，具体而言，本申请涉及一种车道线检测方法、装置、电子设备及可读存储介质。
背景技术
作为人工智能的一个重要应用，自动驾驶技术得到了巨大的发展。自动驾驶的终极目标是实现汽车在无人状态下自主沿道路行进，在尽快到达目标点的同时保证本车的安全，亦保证不对其它交通参与者的安全造成直接或者间接的威胁。
现阶段自动驾驶技术主要是自动驾驶车辆通过车道检测系统检测道路上的车道线，判断车辆所处的车道；然后通过车道保持系统和自适应巡航系统使车辆沿着当前车道行驶，或者变更车道行驶。但是此方法在恶劣天气条件、车道线磨损导致无法辨识或极端拥堵导致其他车辆遮挡车道线等情况下，可能会存在无法检测到车道线的情况，容易导致安全事故。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一。
一方面，本申请实施例提供了一种车道线检测方法，该方法包括：
获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；
基于各车道的车道中心线，得到各车道的车道边线。
可选的，根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道，包括：
确定当前道路的各车道的车道信息；
根据本车和各周围车辆中每个车辆的当前位置信息，以及各车道信息，确定每个车辆所属的车道。
可选的，对于一个车道，若属于该车道的车辆数量小于设定值，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，包括：
根据其他车道中至少一个车道的车道中心线，确定该车道的车道中心线。
可选的，对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，包括：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线；
获取基于本车的车道传感器检测得到的该车道的第二车道中心线；其中，车道中心线包括第一车道中心线和第二车道中心线；
基于各车道的车道中心线，得到各车道的车道边线，包括：
基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线。
可选的，该方法还包括：
对于一个车道，确定该车道的第一车道中心线对应的第一置信度，以及该第二车道中心线对应的第二置信度；
根据第一置信度和/或第二置信度，生成提示信息和/或控制本车的行驶状态。
另一方面，本申请实施例提供了一种车道线检测装置，该装置包括：
位置信息获取模块，用于获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
道路趋势确定模块，用于根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
车辆划分模块，用于根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
车道中心线确定模块，用于对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；
车道边线确定模块，用于基于各车道的车道中心线，得到各车道的车道边线。
另一方面，本申请实施例提供了一种电子设备，包括处理器以及存储器：存储器被配置用于存储计算机程序，计算机程序在由处理器执行时，使得处理器第一方面中的方法。
另一方面，本申请实施例提供了一种机动车，该机动车包括车载终端，其中，该车载终端用于：
获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；
基于各车道的车道中心线，得到各车道的车道边线。
再一方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，当计算机程序在计算机上运行时，使得计算机可以执行上述第一方面中的方法。
本申请实施例提供的技术方案带来的有益效果是：
基于本申请实施例所提供的方案，可以实现间接车道线(车道中心线、车道边线)检测时，即可以根据本车以及周围车辆的轨迹来估计当前道路的车道线信息，在这个过程中可以不需要检测道路中实际标记的车道线，这样即使在无车道线、车道线磨损严重、无法观测车道线的情况下，也可以获取到道路的各车道信息，可以有效减少因无法检测到车道线，而导致自动驾驶失效，出现安全事故的问题，为自动驾驶提供了更可靠的技术支持。当然，本申请实施例所提供的车道线检测方法可以与现有的车道线检测方式结合使用，例如，可以将该间接车道检测方式与现有的直接车道检测方式结合使用，在正常情况(如道路标线清晰、天气良好、道路车流量较少的)下可以以直接车道检测为主，间接车道检测用于增强直接车道检测的准确和可信度；在直接车道检测失效的情况下，以间接车道检测来保证车辆不失控，同时提醒驾驶员车道特征不明显，提高警惕。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种车道线检测方法的流程示意图；
图2为本申请实施例提供的一种车辆的历史轨迹的示意图；
图3a为本申请实施例提供的一种车道中心线和车道边线的示意图；
图3b为本申请实施例提供的一种确定道路趋势的示意图；
图4为本申请实施例提供的一种车道分组的示意图；
图5为本申请实施例提供的一种第三车道中心线的示意图；
图6为本申请实施例提供的一种车道线检测方法的原理流程图；
图7为本申请实施例提供的一种确定第三车道中心线的原理示意图；
图8为本申请实施例提供的一种车道线检测装置的结构示意图；
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。
随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。其中，自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，自定驾驶技术有着广泛的应用前景。
作为人工智能的一个重要应用，自动驾驶技术在近年来得到了巨大的发展。现阶段自动驾驶主要方向是封闭道路的L3级自动驾驶(可以简称为L3自动驾驶)，自动驾驶车辆通过车道检测系统检测道路上的车道线，判断自车(即执行自动驾驶的车辆)所处的车道；然后通过车道保持系统和自适应巡航(Adaptive Cruise Control，ACC)系统使自车沿着当前车道行驶，或者变更车道行驶。
车道检测是L3自动驾驶的一个重要模块，车道检测的准确性和稳定性直接关系到自动驾驶车辆的行驶安全。目前，车道检测主要使用计算机视觉技术，从车载前置摄像头中获取前方场景的图像，然后在图像中使用图像分割或者深度学习方法识别出车道线，然后通过摄像头外参将图像空间中的车道线投影到系统使用的坐标系中。还有一些自动驾驶技术是使用激光雷达来获取道路的车道线特征。
随着自动驾驶技术的发展，车道线检测技术已经渐趋成熟，能够在大部分时间稳定的获取车道线信息，目前，基于现有的车道检测方式，车道检测问题在道路标线清晰、天气良好、道路车流量较少的情况下基本上已经解决，但是在恶劣天气条件、道路标线模糊、车道线磨损导致无法辨识或道路拥堵导致其他车辆遮挡车道线等情况下，可能会无法检测到车道线，汽车在自动驾驶中如果突然遇到车道线检测失败的情况，会给车辆安全带来极大的风险，容易导致安全事故。
此外，车道线信息也可以从高精度地图中获取，该方法依赖高精度全局定位找到自车位置，然后在高精度地图中可以查找到周围的车道线，但是高精度定位价格高昂，且也有可能失效，并且高精度地图采集制作成本较高，且覆盖全国所有区域也有实际困难，另外，如果因为修路等导致车道改变，高精度地图需要能够快速更新，此时若使用未更新地图亦会有安全风险。
基于此，本申请实施例提供一种车道线检测方法，用以解决上述中描述的部分或全部的技术问题。为了更好的理解及说明本申请实施例所提供的方案，下面首先对本申请涉及的几个名词进行介绍和解释：
自动驾驶：自动驾驶功能是指自动驾驶车辆，在无测试驾驶员执行物理性驾驶操作的情况下，能够对车辆行驶任务进行指导与决策，并代替测试驾驶员操控行为使车辆完成安全行驶的功能。
封闭道路：无人车混行、可以激活自动驾驶功能的道路，例如城市快速路或城际高速公路。
直接车道检测：使用车载的传感器，如摄像头或者激光雷达等去直接识别封闭道路上的车道线特征，进而计算出车道，并以车载计算机系统能够理解的方式表示出来的过程。
间接车道检测：基于本申请实施例所提供的方案实现车道线检测的方法，该方法在无车道线、车道线磨损严重、无法观测车道线等情况下，可以使用周围车辆的轨迹来估计行车道的位置，并以车载计算机系统能够理解的方式表示出来。
自车/本车：需要进行车道线检测的车辆或者是需要将检测出的车道线提供给的目标车辆，可以是任一自动驾驶车辆，该自动驾驶车辆在自动驾驶过程中需要进行车道线检测，基于检测结果控制车辆的运行，或者是后台服务器根据获取的相关信息进行车道线检测，并将检测结果反馈给该自动假设车辆，以使车辆根据检测结果控制车辆的运行。
周围车辆：即本车周围的其他车辆，也就是本车一定范围内的其他车辆，也可以称为相邻(直接或间接相邻)车辆或者关联车辆，本申请实施例对周围车辆的具体定义方式不做限定，例如，周围车辆可以是以本车为中心的设定范围内的车辆，也可以是本车的障碍物检测系统的检测范围内的车辆。
车辆的历史轨迹：用于表征车辆的历史位置变化的信息，历史轨迹可以是车辆的一段时间内的位置信息，即可以是多个离散的历史位置信息点(即历史位置信息)，如以当前时刻为起点(可以包括也可以不包括当前时刻)的设定历史时段的位置信息，也可以是基于该车辆的一段时间内的位置信息得到的移动轨迹曲线，如基于多个离散的历史位置信息拟合得到的平滑曲线。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。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中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1示出了本申请实施例中所提供的一种车道线检测方法的流程示意图，该方法可以由任一电子设备执行，如终端设备(如车载终端)或服务器执行，也可以由存在通信连接的终端设备与服务器进行交互以执行本申请实施例所提供的方法，如服务器可以从车载终端获取相关的信息(如周围车辆的相关信息)，服务器在基于本申请实施例所提供的方法确定各车道的车道边线后发送给车载终端。其中，服务器包括但不限于物理服务器、云端服务器、或者服务器集群等。
可选的，本申请实施例所提供的该方法的执行主体可以自动驾驶车辆，具体可以是自动驾驶车辆的车载终端，如图1所示，本申请实施例中所提供的该方法可以包括：
步骤S101，获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹。
其中，本车为自动驾驶车辆，周围车辆以以本车为中心的设定范围内的车辆为例进行说明，例如，该设定范围可以是本车前后(以车辆的行驶方向为基准)30米、左右5米，则本车该范围内的车辆即为本车的周围车辆。其中，为了描述方便，下文中将本车以及本车的各周围车辆中的每个车辆称之为每个关联车辆。
对于一个车辆，当前位置信息指的是该车辆当前所处的位置信息，即当前时刻所处的位置信息，其中，历史位置信息则是指当前时刻之前的车辆所处的位置信息，本申请实施例中，历史位置信息可以是以当前时刻为起点、位于当前时刻之前的设定时长内车辆的位置信息。
其中，对于车辆的位置信息(当前位置信息和历史位置信息)的表示方式本申请实施例不做限定，如可以通过坐标的方式表示。具体的，例如，可以以本车的前进方向的方向作为X轴，以垂直本车前进方向的方向为Y轴建立坐标，车辆的位置信息则可以通过车辆在X轴和Y轴方向的坐标点(x，y)表示。
在实际应用中，本车的当前位置信息和历史位置信息可以通过本车的定位系统来获取，周围车辆的当前位置信息和历史位置信息可以通过本车的障碍物检测系统来获取，障碍物检测系统不仅能够提供周围车辆的当前状态(如当前位置信息、当前行驶方向等)，也能够记录周围车辆的历史轨迹。对于自动驾驶车辆而言，障碍物检测(包括车辆检测)系统是L3自动驾驶系统的标配，其可以检测周围障碍物(包括车辆)的位置、速度、行驶方向等物理量，此时L3自动驾驶系统可以根据检测到的物理量实现对前方车辆的自适应跟随(ACC)，也可以在紧急的情况下自动制动或转向，以保证安全。本申请实施例，通过利用已有的障碍物检测系统所检测到的障碍物(车辆)的信息作为间接车道检测方法的输入信息，可以无需额外的软硬件安装，在节约成本的基础上实现车道线检测。
由前文描述可知，车辆的历史轨迹可以是多个离散的历史位置信息点(也可以包括当前位置信息)，也可以是历史轨迹曲线。后文中将以历史轨迹曲线作为车辆的历史轨迹进行说明。
在实际应用中，由于车辆检测噪声的存在，直接基于障碍物检测系统获取到的车辆的历史位置信息得到的历史轨迹曲线会不够平滑，有毛刺存在，因此，可以基于车辆的多个历史位置信息进行曲线拟合及平滑处理，得到平滑的轨迹曲线，其中，曲线拟合及平滑处理的方式本申请实施例不做限定，如可以采用二次多项式拟合得到平滑的轨迹。
具体的，可以以自车前进方向的方向为X轴，以垂直自车前进方向的方向为Y轴建立平面直角坐标系，给定二次多项式y＝ax2+bx+c，以及一组车辆历史轨迹点(即历史位置信息)，假设共n个历史轨迹点，X轴的坐标点可以表示为xi,(i＝0,…,n)，基于这n个历史轨迹点，使用最小二乘法(least square method)可获得二次多项式的参数a，b和c，以及历史轨迹的取值范围[xmin，xmax]，此取值范围代表轨迹的长度，即xmin表示历史轨迹的X轴方向的起点，xmax表示历史轨迹的X轴方向的终点。得到参数a，b和c之后的二次多项式y＝ax2+bx+c则代表了车辆平滑后的轨迹曲线，此时可以采用该方式可以得到本车以及各周围车辆的历史轨迹曲线。
在一示例中，如图2所示，对于一车辆，假设该车(图2中黑色矩形所示)的前进方向为自左向右(图2中箭头所示)，获取到了该车辆的6个历史位置信息(即图2中的6个×)，采用上述确定历史轨迹曲线的方式，基于这6个历史位置信息则可以确定出该车辆的历史轨迹，具体如图2中的曲线所示。
步骤S102，根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势。
其中，道路趋势用于表征道路的整体趋势，即道路固有的曲线形态，如直道、弯道等。由于本车和各周围车辆都是在当前道路上行驶的车辆，因此，可以根据本车和各周围车辆的历史轨迹(可以表征车辆运行的轨迹和趋势)来推断得到道路整体的趋势。
步骤S103，根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道。
在实际应用中，车辆会大概率沿着它们当前车道行驶(除了变道的情况)，而一条道路可能会有数条车道，基于此，本申请实施例中，可以根据获取到的每个车辆的当前位置信息，确定每个车辆所属于的车道，即将本车和各周围车辆基于车辆所属的车道进行分组，一组车辆对应一个车道。
步骤S104，对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线。
步骤S105，基于各车道的车道中心线，得到各车道的车道边线。
其中，对于一个车道而言，车道中心线是指用于表征该车道的中心位置的曲线，车道边线是车道的边缘线。如图3a所示的一车道的示意图，图中的实线A和实现B即为该车道的车道边线，虚线C为该车道的车道中心线。
可以理解的是，在实际应用中，每个车道可以存在车道中心线(如图3a中虚线所示)、以及车道的车道边线(如图3a中实线所示)，也可能只存在车道边线，基于本申请实施例所提供的方案所确定出的车道中心线是用于确定车道边线的参考线，即可以基于中心点确定出车道的边线，如可以根据确定出的车道中心线和车道的宽度得到车道边缘线。
由于道路整体趋势(即当前道路的道路趋势)只能反应道路弯曲率，道路中各车道具体的分布(指的是每个车道的车道中心线和车道边线的位置分布)仍然需要进一步确定。在实际应用中，对于本车而言，由于其周围车辆在行驶时都是大致沿着车道行驶的，因此对于每个车道，可以根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，然后可以根据各车道的车道中心线，得到各车道的车道边线。
本申请的可选实施例中，基于各车道的车道中心线信息，得到各车道的车道边线信息，可以包括：
根据相邻的两个车道的车道中心线，得到相邻的两个车道之间的车道边线。
在实际应用中，在一条道路中，两条相邻车道通常是共用一条车道边线的，即使不是共用，相邻两条车道的相邻的两个车道边线也基本是重叠的，且道路的各车道的宽度通常也是相同的，因此，可以基于这两条车道的中心线来确定两者之间的车道边线，如可以将这两条车道线的车道中心线的平均即两条车道中心线的中心线，作为这两条车道之间相邻的车道边线。
可以理解是，在实际应用中，若车道为道路最边上的车道，基于该车道的车道中心线、以及与其相邻的一条车道的车道中心线，可以确定出该车道靠近道路中心的车道边线，而靠近道路边缘的另一条车道边线则可以是基于已确定出的一条车道边线和该车道的车道宽度来确定出，或者是根据已确定出的车道边线和该车道的车道中心线确定出。具体的，若已知车道的宽度信息，则可以将已确定出的一条车道边线按照车道宽度向道路边缘平移确定出该车道的另一个车道边线；或者，可以根据该车道的车道中心线与已确定出的一个车道边线的距离，将车道中心线按照该距离向车道边缘平移确定出另一车道边线。
基于本申请实施例所提供的方案，可以实现间接车道线(车道中心线、车道边线)检测时，即可以根据本车以及周围车辆的轨迹来估计当前道路的车道线信息，在这个过程中可以不需要检测道路中实际标记的车道线，这样即使在无车道线、车道线磨损严重、无法观测车道线的情况下，也可以获取到道路的各车道信息，可以有效减少因无法检测到车道线，而导致自动驾驶失效，出现安全事故的问题，为自动驾驶提供了更可靠的技术支持。当然，本申请实施例所提供的车道线检测方法可以与现有的车道线检测方式结合使用，例如，可以将该间接车道检测方式与现有的直接车道检测方式结合使用，在正常情况(如道路标线清晰、天气良好、道路车流量较少的)下可以以直接车道检测为主，间接车道检测用于增强直接车道检测的准确和可信度；在直接车道检测失效的情况下，以间接车道检测来保证车辆不失控，同时提醒驾驶员车道特征不明显，提高警惕。
在本申请可选的实施例中，上述根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势，包括：
对于本车和各周围车辆中的每个车辆，根据该车辆与参考点在设定方向上的距离，将该车辆的历史轨迹在设定方向上向参考点进行平移，得到平移后的历史轨迹，其中，设定方向为本车的前进方向的垂直方向；
根据本车和各周围车辆中每个车辆平移后的历史轨迹，确定当前道路的道路趋势。
其中，参考点指的是对各车辆的历史轨迹进行平移的基准点，该参考点的设置方式可以预先配置，本申请实施例不限定。例如可以选择将本车或周围车辆中的任一车辆的当前位置信息作为参考点，而当以本车的当前位置信息作为参考点时，本车的前进方向的垂直方向即为设定方向，如当以本车的当前位置信息为零点(即原点)建立坐标系时，以前进方向的反向作为X轴，前进方向的垂直方向作为Y轴，此时该Y轴方向即为设定方向。
在实际应用中，对于本车和各周围车辆中的每个车辆，可以确定该车辆与参考点在设定方向上的距离，然后根据确定的距离，将该车辆的历史轨迹在设定方向上向参考点进行平移，得到平移后的历史轨迹，并根据本车和各周围车辆中每个车辆(即每个关联车辆)平移后的历史轨迹，确定当前道路的道路趋势。可以理解是，每个关联车辆平移后的历史轨迹(或者轨迹的延长线)均会通过参考点，并且大致重合在一起，此时平移后的历史轨迹的集合即可表示道路的道路趋势，如可以将平移后的各关联车辆的历史轨迹融合(如拼接)得到道路的整体趋势线。其中，当以本车的当前位置信息作为参考点时，此时本车的历史轨迹的平移距离为零。
在一示例中，如图3b所示，假设设置本车周围前后30m，左右5m的范围内(如图3中虚线框所包括的范围)的车辆为周围车辆(本车和周围车辆在图3中通过矩形框体现)，此时包括周围车辆1～周围车辆3，并通过前述方法确定了每个关联车辆(即周围车辆)的历史轨迹(即图3中与每个车辆连接的实线)为y＝ax2+bx+c(可以理解是，不同关联车辆的历史轨迹中的参数a、b和c的取值可能相同，也可以不相同)；并选取本车的当前位置信息作为参考点建立坐标系，此时本车的当前位置即为零点的位置，本车的前进方向的方向为X轴，前进方向的垂直方向为Y轴，并将该Y轴的方向作为设定方向。此时对于每个关联车辆，该关联车辆的历史轨迹y＝ax2+bx+c中的参数c即代表了该关联车辆与参考点在y轴方向上的距离，进一步的可以将每个关联车辆的历史轨迹沿y轴向零点平移|c|个单位(各历史轨迹的移动方向如图中的箭头方式所示)，以使平移后的历史轨迹(图3中的虚线所示)通过零点。其中，由于是以本车的当前位置信息作为参考点，因此本车的历史轨迹的平移距离为零。相应的，在将每个关联车辆的历史轨迹平移后，此时所有关联车辆平移后的历史轨迹都会通过零点，并且大致重合在一起，此平移后的历史轨迹的集合即可表示道路的道路趋势。
可选的，为了获取道路趋势的唯一表示，此时可以设置道路趋势的参数方程为y＝Ax2+Bx，在基于每个关联车辆平移后的历史轨迹，确定当前道路的道路趋势时，可以使用最小二乘法将y＝Ax2+Bx与所有关联车辆平移后的历史轨迹的平方和最小化，从而获得参数A和B的取值，此时该参数方程y＝Ax2+Bx(图3b标识为A的曲线)即代表当前道路的道路趋势。
在本申请可选的实施例中，根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道，包括：
确定当前道路的各车道的车道信息；
根据本车和各周围车辆中每个车辆的当前位置信息，以及各车道信息，确定每个车辆所属的车道。
其中，各车道的车道信息可以包括每个车道的宽度信息，以及每个车道所处于位置信息，此时可以基于每个车道的宽度信息以及每个车道所处于位置信息，得到每个车道的区域范围。相应的，对于每个关联车辆，获取该车辆的当前位置信息，并确定当前位置信息处于哪一个车道区域范围内，在当前位置信息处于某一个车道的区域范围内时，该车道即为该关联车辆所属的车道。其中，每个车道的宽度信息可以设为直接车道检测失效前的车道宽度，也可以设置为中国封闭道路或高速公路标准车道宽度3.75米等，本申请实施例对此不限定。
在一示例中，如图4所示，假设以本车的当前位置信息为参考点并建立坐标系，此时将前进方向的方向作为X轴，前进方向的垂直方向作为Y轴，虚线表示车道边线，实线表示车道中心线，lw为车道宽度，每个车道的宽度相同，本车的当前位置处于所属车道的车道中心线上，此时本车所属于车道的范围为Y轴坐标[-lw/2,lw/2]范围内，然后根据每个车道的宽度信息，可以确定本车所属车道(图中的当前车道分组)的左侧车道(图中的左侧分组)的车道范围应分布于Y轴坐标[0.5*lw,1.5*lw]范围内，而本车所属车道的右侧车道(图中的右侧分组)的车道范围应分布于Y轴坐标[-1.5*lw,-0.5*lw]范围内；对一个车辆，假设它当前位置信息的坐标为(x1，y1),那么根据y1的取值、以及每个车道在Y轴方向上的取值范围即可以判断该车道所属的车道，具体如图4所示，图中所示的各矩形代表各个车辆，基于各车辆的当前位置信息以及各车道的位置信息，可以确定出各车所属的车道。
在本申请可选的实施例中，对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，包括：
对于属于该车道的每个车辆，根据属于该车辆的历史轨迹和道路趋势，确定该车辆在设定方向上相对于道路趋势的第一位移；
根据属于该车道的每个车辆所对应的第一位移，确定该车道在设定方向上相对于道路趋势的第二位移；
基于第二位移、以及道路趋势，得到该车道的车道中心线。
其中，关于设定方向的说明已在前文描述，具体可参见前文，在此就不再赘述。
在实际应用中，对于一个车道上的一个车辆，在确定属于该车辆在设定方向上相对于道路趋势的第一位移时，可以基于该车辆的历史轨迹确定出该车辆在设定方向上相对于道路整体趋势的位移。具体的，如前文中描述，历史轨迹可以是多个离散的历史位置信息，也可以是由多个历史位置信息拟合得到的平滑曲线，此时可以确定该车辆的多个历史位置信息相对于道路趋势的位移，然后将多个历史位置信息相对于道路趋势的位移的平均位移作为该车辆在设定方向上相对于道路趋势的第一位移。可选的，对于该车辆，也可以从多个历史位置信息中等间隔(如等时间段)采样多个历史位置信息，然后可以确定该车辆的每个采样的历史位置信息相对于道路趋势的位移，并所有采样的历史位置信息相对于道路趋势的位移的平均位移作为该车辆在设定方向上相对于道路趋势的第一位移。
可选的，对于每个车道，可以根据属于该车道的每个车辆所对应的第一位移，确定该车道在设定方向上相对于道路趋势的第二位移，然后基于确定的第二位移和道路趋势，得到该车道的第一车道中心线。其中，在根据属于该车道的每个车辆所对应的第一位移，确定该车道在设定方向上相对于道路趋势的第二位移时，可以对属于该车道的所有车辆所对应的第一位移再次进行平均得到平均位移，并将得到的平均位移作为该车道在设定方向上相对于道路趋势的第二位移。
延续上一示例，如图4所示，假设得到当前道路的道路趋势可以通过参数方程y＝Ax2+Bx(已知参数A和B的具体取值)表示，设定方向为Y轴的方向，已确定本车和各周围车辆中每个车辆所属的车道(图4中包括左侧车道分组、右侧车道分组和当前车道分组)，此时可以确定每个车道的车道中心线。例如，对于右侧车道分组，属于该车道的每个车辆的历史轨迹可通过y＝ax2+bx+c(不同车辆的参数a、b和c的具体取值情况可能相同，也可能不同)表示，且每个车辆的历史轨迹的取值范围为[xmin，xmax]；对于属于右车道分组的每一个车辆，此时可以等时间间隔从该车辆的[xmin，xmax]中采样n个历史轨迹点，X轴的坐标点可以表示为xi,(i＝0,…,n)，并基于该车辆对应的历史轨迹y＝ax2+bx+c确定对应于每个xi的yi，将每个xi分别代入道路趋势y＝Ax2+Bx，并确定每个xi在Y轴方向上相对于道路趋势的位移(即dyi＝yi-(Axi2+Bxi)，然后确定得到的位移的平均位移(即对得到的dyi进行取平均运算)，并将其作为该车辆在Y轴方向上相对于道路趋势的第一位移；相应的，在得到右侧车道分组中的每个车辆在Y轴方向上相对于道路趋势的第一位移后，可以将右侧车道分组中所有车辆的第一位移再次平均，得到右侧车道在设定方向上相对于道路趋势的第二位移，并用C代表此位移，此时右侧车道的第一车道中心线参数方程即为y＝Ax2+Bx+C；同理，基于同样的方法可以得到左侧车道的第一车道中心线和当前车道的第一车道中心线(具体如图4中的实线所示)，在此就不再赘述。
在本申请可选的实施例中，对于一个车道，若属于该车道的车辆数量小于设定值，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，包括：
根据其他车道中至少一个车道的车道中心线，确定该车道的车道中心线。
在实际应用中，可能会出现车辆较为稀疏、某个车道内的车辆数量可能小于设定值的情况，如在当前车道和左侧车道均无车辆的情况时，可能只有右侧车道能够得到车道中心线。基于此，在本申请实施例中，对于出现该情况的车道，可以根据该车道之外的其他车道中至少一个车道的车道中心线，确定出该车道的车道中心线。
例如，假设每个车道的车道宽度均为lw，能够得到当前车道的右侧车道的车道中心线，当前车道和左侧车道内的车辆数量小于设定值，此时可以将右侧车道的车道中心线中分别平移1个lw和2个lw得到当前车道的车道中心线和左侧车道的车道中心线。
在实际应用中，若本车的周围车辆较少，可能存在有的车道没有车辆的情况，而当车辆较少时，单个车辆检测的扰动会对中心线车道中心线的估计带来影响，为了提升预测的车道中心线的准确度，在本申请可选的实施例中，对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线，包括：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线；
获取基于本车的车道传感器检测得到的该车道的第二车道中心线；其中，所述车道中心线包括所述第一车道中心线和所述第二车道中心线；
基于各车道的车道中心线，得到各车道的车道边线，包括：
基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线。
其中，每个车道的第一车道中心线即为前文中根据属于该车道的每个车辆的历史轨迹以及道路趋势，所得到车道中心线，而每个车道的第二车道中心线可以基于本车的车道传感器检测得到，如可以采用前文中描述的直接车道检测技术获取得到。在实际应用中，在确定每个车道的车道边线时，可以分别获取到对于每个车道的第一车道中心线和第二车道中心线，然后基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线。
在本申请可选的实施例中，基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线，包括：
对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线；
根据每个车道的第三车道中心线，得到各车道的车道边线。
在实际应用中，可以分别获取每个车道的第一车道中心线和第二车道中心线，对于每个车道，可以将对于该车道的第一车道中心线和第二车道中心线进行融合，得到该车道的第三车道中心线，并将该第三车道中心线作为该车道最终的车道中心线。进一步，在得到每个车道的第三车道中心线后，可以根据每个车道的第三车道中心线，得到各车道的车道边线。其中，根据每个车道的第三车道中心线，得到各车道的车道边线的实现方式与根据每个车道的第一车道中心线，得到各车道的车道边线的实现方式相同，具体可参见前文描述，在此就不再赘述。
在本申请可选的实施例中，对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线，包括：
获取该车道的第一车道中心线对应的第一权重，以及该车道的第二车道中心线对应的第二权重；
根据第一权重和第二权重，将第一车道中心线和第二车道中心线进行融合，得到该车道的第三车道中心线。
在实际应用中，对于每个车道，若可以通过两种方式检测得到该车道的车道中心线(即第一车道中心线和第二车道中心线)，但是在实际应用中两种方式所获取到的车到中线的可靠性不同，为了保证最终获取到的车道中心线的准确性，提高可靠度，可以根据可考靠性分别对两种方式检测得的车道中心线分配对应的权重，然后通过权重的方式将两种方式检测得车道中心线(即第一车道中心线和第二车道中心线)进行融合，得到该车道的第三车道中心线(即最终的车道中心线)。
在一示例中，如图5所示，假设某个车道的第一车道中心线通过y＝a1x2+b1x+c1(即图5中的A线)表示，第二车道中心线通过参数方程y＝a2x2+b2x2+c2(即图5中的B线)；相应的，在获取该车道的第一车道中心线对应的第一权重，以及该车道的第二车道中心线对应的第二权重后，可以基于第一权重进而第二权重将y＝a1x2+b1x+c1和y＝a2x2+b2x+c2进行融合，得到该车道的第三车道中心线y＝a3x2+b3x+c3(即图5中的实线)。
可选的，在根据可考靠性分别对两种方式检测得车道中心线分配对应的权重时，可以直接将基于直接车道检测得到的车道中心线(即第二车道中心线)分配较大的权重，将基于间接车道检测得到的车道中心线(即第一车道中心线)分配较小的权重，本申请实施例对此不限定。作为一种可选的方式，本申请实施例提供了一种确定第一权重和第二区权重的实现方式，具体如下所示。
在本申请可选的实施例中，获取该车道的第一车道中心线对应的第一权重，包括：
根据本车以及各周围车辆的车辆数量或每个车道所包括的车辆数量中的至少一项，确定该车道的第一车道中心线对应的第一置信度；
根据第一置信度、以及置信度与权重的第一映射关系，确定该车道的第一车道中心线对应的第一权重。
在实际应用中，在确定第一车道中心线的第一权重时，可以先确定第一车道中心线对应的第一置信度，然后基于置信度与权重的第一映射关系，确定该第一置信度对应的权重，并将该权重作为第一车道中心线对应的权重(即第一权重)。
其中，在确定第一车道中心线对应的第一置信度时，可以统计本车以及各周围车辆的车辆数量、以及每个车道所包括的车辆数量，然后基于本车以及各周围车辆的车辆数量或每个车道所包括的车辆数量中的至少一项，确定该车道的第一车道中心线对应的第一置信度。
例如，若第一置信度是基于本车以及各周围车辆的车辆数量和每个车道所包括的车辆数量确定的，此时可以确定当本车以及各周围车辆的车辆数量和每个车道所包括的车辆数量为不同情况时，其与置信度对应的映射关系。假设在本示例中，置信度包括4个等级，并通过GOOD_FIABILITY(表示第一等级)、NORMAL_FIABILITY(表示第二等级)、LOW_FIABILITY(表示第三等级)和NO_FIABILITY(表示第四等级)来分别表示该4个等级，此时当各周围车辆的车辆数量和每个车道所包括的车辆数量为不同时，其与置信度对应的映射关系具体可以如表1所示。
表1
CarNum≥6、且每个车道分组内车辆数量≥2 GOOD_FIABILITY
CarNum≥3 NORMAL_FIABILITY
CarNUM<3、且有一个车道分组内车辆数量≥2 LOW_FIABILITY
其它 NO_FIABILITY
其中，CarNum表示本车以及各周围车辆的总车辆数量；基于该表1可知，在本车以及各周围车辆的车辆数量≥6、且每个车道分组内车辆数量≥2时，所对应于的置信度为GOOD_FIABILITY(即第一等级)；在本车以及各周围车辆的车辆数量≥3时，所对应于的置信度为NORMAL_FIABILITY(即第二等级)；在本车以及各周围车辆的车辆数量<3、且每个车道分组内车辆数量≥2时，所对应于的置信度为LOW_FIABILITY(即第三等级)，而当本车以及各周围车辆的车辆数量和每个车道所包括的车辆数量的情况为除上述情况之外的其它情况时(即表中的其它)，所对应的置信度均为NO_FIABILITY(即第四等级)。
可选的，在确定第一车道中心线对应的第一权重时，可以确定本车以及各周围车辆的车辆数量和每个车道所包括的车辆数量，并基于表1确定其对应的置信度即为第一置信度，然后可以基于置信度与权重的第一映射关系，得到该第一置信度对应的权重，并将该权重作为第一车道中心线对应的权重(即第一权重)。
在一示例中，假设置信度包括GOOD_FIABILITY、NORMAL_FIABILITY、LOW_FIABILITY和NO_FIABILITY，此时每种置信度与权重的第一映射关系可以如表2所示。
表2
GOOD_FIABILITY 1.0
NORMAL_FIABILITY 0.8
LOW_FIABILITY 0.3
NO_FIABILITY 0.0
基于该表2可知，当第一置信度为NO_FIABILITY时，其所对应的第一权重为0.0，并且结合表1可知，在本申请实施例中，当本车的周围车辆的车辆数量至少有2辆时才可以得到第一车道中心线，进而减小被单一车辆的不确定行为或检测问题导致车道中心线估计出错的几率。
在本申请可选的实施例中，获取该车道的第二车道中心线对应的第二权重，包括：
获取该第二车道中心线对应的第二置信度；
根据第二置信度、以及置信度与权重的第二映射关系，确定该车道的第二车道中心线对应的第二权重。
在实际应用中，对于每个车道，在获取到该车道的第二车道中心线的同时，可以获取到该车道对应的一个检测结果(用于表示第二车道中心线的检测是否成功)，此时可以基于检测结果与第二置信度的映射关系，确定出检测结果对应的第二置信度，并将其作为第二车道中心线对应的第二置信度。
可以理解的是，第二置信度可以与第一置信度采用相同的方式表示，如置信度包括GOOD_FIABILITY，NORMAL_FIABILITY、LOW_FIABILITY和NO_FIABILITY，此时可以预先确定在获取到的检测结果在不同情况时，其与GOOD_FIABILITY、NORMAL_FIABILITY、LOW_FIABILITY和NO_FIABILITY的映射关系；相应的，在获取到检测结果后，可以根据该映射关系确定其所对应的第二置信度为GOOD_FIABILITY、NORMAL_FIABILITY、LOW_FIABILITY和NO_FIABILITY中的哪一个。
可选的，在得到第二车道中心线对应的第二置信度后，可以基于置信度与权重的第二映射关系，确定该第二置信度对应的权重，并将该权重作为第二车道中心线对应的权重(即第二权重)。其中，第二映射关系与第一映射关系可以是相同的映射关系，也可以为不同的映射关系，本申请实施例不限定。例如，当第二置信度与第一置信度采用相同的方式表示、且置信度包括GOOD_FIABILITY，NORMAL_FIABILITY、LOW_FIABILITY和NO_FIABILITY时，可以将表2中的第一映射关系作为第二映射关系。
在一示例中，假设第一映射关系与第二映射关系相同，某车道的第二车道中心线的检测结果所对应于的第二置信度为GOOD_FIABILITY，此时根据表2中所示的第二映射关系，可以确定GOOD_FIABILITY对应的权重为1.0，此时即可确定该车道的第二车道中心线对应的权重为1.0。
在本申请可选的实施例中，该方法还可以包括：
对于一个车道，确定该车道的第一车道中心线对应的第一置信度，以及该第二车道中心线对应的第二置信度；
根据第一置信度和/或第二置信度，生成提示信息和/或控制本车的行驶状态。
在实际应用中，还可以根据第一置信度和/或第二置信度的不同变化，生成不同的提示信息以提醒用户，以使用户可以根据提示信息及时控制本车行驶状态，进而有效的避免出现安全事故。其中，关于第一置信度和第二置信度的说明可参照前文描述，在此不再赘述。
例如，若第一置信度和第二置信度均为NO_FIABILITY，说明当前无法检测到车道中心线，此时可以不再获取每个车道的第二车道中心线，并生成提醒用户接管本车的提示信息，又或者若第一置信度和第二置信度皆不高于LOW_FIABILITY、且至少有一个为LOW_FIABILITY，此时可以生成提醒用户提高警惕的提示信息，并在获取到用户的回应之前不间断的生成该提示信息，以保证用户可以接收到该提示信息。
可选的，在实际应用中，还可能存在用户不知晓提示信息的情况，为了提升安全系数，有效避免在存在危险时，因用户没有接收到提示信息而没有及时控制本车导致的安全事故，还可以根据第一置信度和/或第二置信度，自动控制本车的行驶状态。例如，在第一置信度和第二置信度均为NO_FIABILITY时，将本车减速行驶。
为了更好的理解本申请实施例所提供的方法，如图6所示，本申请实施例提供一方法的原理流程图，具体可以包括：
步骤S601、车辆历史轨迹平滑，即前文中获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史位置信息，并根据每个车辆的各历史位置信息确定每个车辆的历史轨迹；
步骤S602、道路趋势估计(即确定道路趋势)；
其中，在进行道路趋势估计时，可以根据各周围车辆的历史轨迹，得到当前道路的道路趋势。
步骤S603、车道分组估计车道中心线(即确定每个车道的第一车道中心线)；
具体的，可以根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；相应的，对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线。
步骤S604、间接车道估计可靠性评估(即得到每个车道的第三车道中心线)。
具体的，可以基于本车的车道传感器检测得到各车道的第二车道中心线，然后将每个车道的第一车道中心线和第二车道中心线进行融合，得到每个车道的第三车道中心线。
其中，将每个车道的第一车道中心线和第二车道中心线进行融合，得到每个车道的第三车道中心线的原理如图7所示，具体可以包括：
对于每个车道，获取该车道的第一车道中心线和第二车道中心线，然后分别确定第一车道中心线对应的第一置信度、以及第二车道中心线对应的第二置信度；进一步的，分别确定第一置信度对应的第一权重和第二置信度对应的第二权重，然后基于确定的第一权重和第二权重，将第一车道中心线和第二车道中心线进行融合(即图7中的车道融合)，得到该车道的第三车道中心线。相应的，可以根据每个车道的第三车道中心线，得到各车道的车道边线。
本申请实施例提供了一种车道线检测装置，如图8所示，该车道线检测装置70可以包括：位置信息获取模块701、道路趋势确定模块702、车辆划分模块703、车道中心线确定模块704以及车道边线确定模块705，其中，
位置信息获取模块701，用于获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
道路趋势确定模块702，用于根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
车辆划分模块703，用于根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
车道中心线确定模块704，用于对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；
车道边线确定模块705，用于基于各车道的车道中心线，得到各车道的车道边线。
可选的，车道边线确定模块在基于各车道的车道中心线信息，得到各车道的车道边线信息时，具体用于：
根据相邻的两个车道的车道中心线，得到相邻的两个车道之间的车道边线。
可选的，车道边线确定模块在根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势时，具体用于：
对于本车和各周围车辆中的每个车辆，根据该车辆与参考点在设定方向上的距离，将该车辆的历史轨迹在设定方向上向参考点进行平移，得到平移后的历史轨迹，其中，设定方向为本车的前进方向的垂直方向；
根据本车和各周围车辆中每个车辆平移后的历史轨迹，确定当前道路的道路趋势。
可选的，车辆划分模块在根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道时，具体用于：
确定当前道路的各车道的车道信息；
根据本车和各周围车辆中每个车辆的当前位置信息，以及各车道信息，确定每个车辆所属的车道。
可选的，车道中心线确定模块在对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线时，具体用于：
对于属于该车道的每个车辆，根据该车辆的历史轨迹和道路趋势，确定该车辆在设定方向上相对于道路趋势的第一位移；
根据属于该车道的每个车辆所对应的第一位移，确定该车道在设定方向上相对于道路趋势的第二位移；
基于第二位移、以及道路趋势，得到该车道的车道中心线。
可选的，对于一个车道，若属于该车道的车辆数量小于设定值，车道中心线确定模块在根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线时，具体用于：
根据其他车道中至少一个车道的车道中心线，确定该车道的车道中心线。
可选的，车道中心线确定模块在对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线时，具体用于：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线；
获取基于本车的车道传感器检测得到的各该车道的第二车道中心线；其中，车道中心线包括第一车道中心线和第二车道中心线；
车道边线确定模块在基于各车道的车道中心线，得到各车道的车道边线时，具体用于：
基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线。
可选的，车道边线确定模块在基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线时，具体用于：
对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线；
根据每个车道的第三车道中心线，得到各车道的车道边线。
可选的，车道边线确定模块在在对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线时，具体用于：
获取该车道的第一车道中心线对应的第一权重，以及该车道的第二车道中心线对应的第二权重；
根据第一权重和第二权重，将第一车道中心线和第二车道中心线进行融合，得到该车道的第三车道中心线。
可选的，车道边线确定模块在获取该车道的第一车道中心线对应的第一权重时，具体用于：
根据本车以及各周围车辆的车辆数量或每个车道所包括的车辆数量中的至少一项，确定该车道的第一车道中心线对应的第一置信度；
根据第一置信度、以及置信度与权重的第一映射关系，确定该车道的第一车道中心线对应的第一权重。
可选的，车道边线确定模块在获取该车道的第二车道中心线对应的第二权重时，具体用于：
获取该第二车道中心线对应的第二置信度；
根据第二置信度、以及置信度与权重的第二映射关系，确定该车道的第二车道中心线对应的第二权重。
可选的，该装置还提示模块，具体用于：
对于一个车道，确定该车道的第一车道中心线对应的第一置信度，以及该第二车道中心线对应的第二置信度；
根据第一置信度和/或第二置信度，生成提示信息和/或控制本车的行驶状态。
本申请实施例的车道线检测装置可执行本申请实施例提供的一种车道线检测方法，其实现原理相类似，此处不再赘述。
本申请实施例提供了一种电子设备，如图9所示，图9所示的电子设备2000包括：处理器2001和存储器2003。其中，处理器2001和存储器2003相连，如通过总线2002相连。可选地，电子设备2000还可以包括收发器2004。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。
其中，处理器2001应用于本申请实施例中，用于实现图8所示的各模块的功能。
处理器2001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI总线或EISA总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM或可存储静态信息和计算机程序的其他类型的静态存储设备，RAM或者可存储信息和计算机程序的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储或以数据结构形式的期望的计算机程序并能够由计算机存取的任何其他介质，但不限于此。
存储器2003用于存储执行本申请方案的应用程序的计算机程序，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序的计算机程序，以实现图8所示实施例提供的车道线检测装置的动作。
本申请实施例提供了一种电子设备，包括处理器以及存储器：存储器被配置用于存储计算机程序，计算机程序在由处理器执行时，使得处理器上述实施例中的任一项方法。可选的，在本申请实施例中该电子设备可以为车载终端。
本申请实施例提供了一种机动车，该机动车包括车载终端，其中，该车载终端用于：
获取本车以及本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
根据本车和各周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
根据本车和各周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线；
基于各车道的车道中心线，得到各车道的车道边线。
可选的，该机动车还包括与车载终端通信连接的车道传感器，该车载终端通在对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的车道中心线时，具体用于：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及道路趋势，得到该车道的第一车道中心线；
获取基于本车的车道传感器检测得到的该车道的第二车道中心线；其中，车道中心线包括第一车道中心线和第二车道中心线；
该车载终端在基于各车道的车道中心线，得到各车道的车道边线时，具体用于：
基于各车道的第一车道中心线、以及各车道的第二车道中心线，得到各车道的车道边线。
本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，当计算机程序在计算机上运行时，使得计算机可以执行上述实施例中的任一项方法。
本申请中的一种计算机可读存储介质所涉及的名词及实现原理具体可以参照本申请实施例中的一种车道线检测方法，在此不再赘述。
根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各种可选实现方式中提供的方法。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (15)

1.一种车道线检测方法，其特征在于，包括：
获取本车以及所述本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
根据所述本车和各所述周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
根据所述本车和各所述周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的车道中心线；
基于各所述车道的车道中心线，得到各所述车道的车道边线。
2.根据权利要求1所述方法，其特征在于，所述基于各所述车道的车道中心线信息，得到各所述车道的车道边线信息，包括：
根据相邻的两个车道的车道中心线，得到所述相邻的两个车道之间的车道边线。
3.根据权利要求2所述方法，其特征在于，所述根据所述本车和各所述周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势，包括：
对于所述本车和各所述周围车辆中的每个车辆，根据该车辆与参考点在设定方向上的距离，将该车辆的历史轨迹在所述设定方向上向参考点进行平移，得到平移后的历史轨迹，其中，所述设定方向为所述本车的前进方向的垂直方向；
根据所述本车和各所述周围车辆中每个车辆平移后的历史轨迹，确定当前道路的道路趋势。
4.根据权利要求3所述方法，其特征在于，所述对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的道中心线，包括：
对于属于该车道的每个车辆，根据该车辆的历史轨迹和所述道路趋势，确定该车辆在所述设定方向上相对于所述道路趋势的第一位移；
根据属于该车道的每个车辆所对应的第一位移，确定该车道在所述设定方向上相对于所述道路趋势的第二位移；
基于所述第二位移、以及所述道路趋势，得到该车道的车道中心线。
5.根据权利要求1至4任一项所述方法，其特征在于，所述对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的车道中心线，包括：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的第一车道中心线；
获取基于所述本车的车道传感器检测得到的该车道的第二车道中心线；其中，所述车道中心线包括所述第一车道中心线和所述第二车道中心线；
所述基于各所述车道的车道中心线，得到各车道的车道边线，包括：
基于各所述车道的第一车道中心线、以及各所述车道的第二车道中心线，得到各车道的车道边线。
6.根据权利要求5所述方法，其特征在于，所述基于各所述车道的第一车道中心线、以及各所述车道的第二车道中心线，得到各车道的车道边线，包括：
对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线；
根据所述每个车道的第三车道中心线，得到各车道的车道边线。
7.根据权利要求6所述方法，其特征在于，所述对于每个车道，将该车道的第一车道中心线和该车道的第二车道中心线进行融合，得到该车道的第三车道中心线，包括：
获取该车道的第一车道中心线对应的第一权重，以及该车道的第二车道中心线对应的第二权重；
根据所述第一权重和所述第二权重，将所述第一车道中心线和所述第二车道中心线进行融合，得到该车道的第三车道中心线。
8.根据权利要求7所述方法，其特征在于，所述获取该车道的第一车道中心线对应的第一权重，包括：
根据所述本车以及各所述周围车辆的车辆数量或每个车道所包括的车辆数量中的至少一项，确定该车道的第一车道中心线对应的第一置信度；
根据所述第一置信度、以及置信度与权重的第一映射关系，确定该车道的第一车道中心线对应的第一权重。
9.根据权利要求7所述方法，其特征在于，所述获取该车道的第二车道中心线对应的第二权重，包括：
获取该第二车道中心线对应的第二置信度；
根据所述第二置信度、以及置信度与权重的第二映射关系，确定该车道的第二车道中心线对应的第二权重。
10.一种车道线检测装置，其特征在于，包括：
位置信息获取模块，用于获取本车以及所述本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
道路趋势确定模块，用于根据所述本车和各所述周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
车辆划分模块，用于根据所述本车和各所述周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
车道中心线确定模块，用于对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的车道中心线；
车道边线确定模块，用于基于各所述车道的车道中心线，得到各所述车道的车道边线。
11.一种电子设备，其特征在于，包括处理器以及存储器：
所述存储器被配置用于存储计算机程序，所述计算机程序在由所述处理器执行时，使得所述处理器执行权利要求1-9任一项所述的方法。
12.根据权利要11所述的电子设备，其特征在于，所述电子设备为车载终端。
13.一种机动车，其特征在于，所述机动车包括车载终端，其中，所述车载终端用于：
获取本车以及所述本车的各周围车辆中每个车辆的当前位置信息和历史轨迹；
根据所述本车和各所述周围车辆中每个车辆的历史轨迹，确定当前道路的道路趋势；
根据所述本车和各所述周围车辆中每个车辆的当前位置信息，确定每个车辆所属的车道；
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的车道中心线；
基于各所述车道的车道中心线，得到各所述车道的车道边线。
14.根据权利要13所述的机动车，其特征在于，所述机动车还包括与所述车载终端通信连接的车道传感器，所述车载终端通在对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的车道中心线时，具体用于：
对于每个车道，根据属于该车道的每个车辆的历史轨迹以及所述道路趋势，得到该车道的第一车道中心线；
获取基于所述本车的车道传感器检测得到的该车道的第二车道中心线；其中，所述车道中心线包括所述第一车道中心线和所述第二车道中心线；
所述车载终端在基于各所述车道的车道中心线，得到各所述车道的车道边线时，具体用于：
基于各所述车道的第一车道中心线、以及各所述车道的第二车道中心线，得到各所述车道的车道边线。
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，当所述计算机程序在计算机上运行时，使得计算机可以执行上述权利要求1-9中任一项所述的方法。
CN202010671017.5A 2020-07-13 2020-07-13 车道线检测方法、装置、电子设备及可读存储介质 Active CN111738207B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010671017.5A CN111738207B (zh) 2020-07-13 2020-07-13 车道线检测方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010671017.5A CN111738207B (zh) 2020-07-13 2020-07-13 车道线检测方法、装置、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN111738207A true CN111738207A (zh) 2020-10-02
CN111738207B CN111738207B (zh) 2022-11-08

Family

ID=72654482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010671017.5A Active CN111738207B (zh) 2020-07-13 2020-07-13 车道线检测方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN111738207B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215882A (zh) * 2020-12-10 2021-01-12 中智行科技有限公司 一种中心线的处理方法及装置
CN112530159A (zh) * 2020-11-13 2021-03-19 鹏城实验室 一种自标定式多车道级交通流量检测方法及电子设备
CN112567439A (zh) * 2020-11-09 2021-03-26 驭势（上海）汽车科技有限公司 一种交通流信息的确定方法、装置、电子设备和存储介质
CN112639907A (zh) * 2020-10-14 2021-04-09 驭势（上海）汽车科技有限公司 一种交通拥堵感知方法、装置、电子设备及存储介质
CN112763231A (zh) * 2021-01-19 2021-05-07 北京罗克维尔斯科技有限公司 车道保持辅助系统功能测评方法、装置及终端与存储介质
CN113591618A (zh) * 2021-07-14 2021-11-02 重庆长安汽车股份有限公司 前方道路形状估算方法、系统、车辆及存储介质
CN113804214A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 车辆定位方法、装置及电子设备、计算机可读存储介质
CN113928336A (zh) * 2021-09-24 2022-01-14 上海时代之光照明电器检测有限公司 一种汽车自动驾驶辅助方法及系统
CN114537393A (zh) * 2022-04-25 2022-05-27 北京主线科技有限公司 车辆控制方法、装置、设备及存储介质
CN115195790A (zh) * 2022-09-15 2022-10-18 毫末智行科技有限公司 一种预测车辆轨迹的方法、装置、电子设备及存储介质
CN119268724A (zh) * 2024-12-10 2025-01-07 福瑞泰克智能系统有限公司 车辆导航方法、装置、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015018447A (ja) * 2013-07-11 2015-01-29 カヤバ工業株式会社 車線境界線推定装置
CN105488485A (zh) * 2015-12-07 2016-04-13 北京航空航天大学 基于车辆轨迹的车道线自动提取方法
CN109460739A (zh) * 2018-11-13 2019-03-12 广州小鹏汽车科技有限公司 车道线检测方法及装置
DE102019114527A1 (de) * 2018-08-21 2020-02-27 GM Global Technology Operations LLC Intelligente fahrzeugnavigationssysteme, verfahren und steuerlogik zur mehrspurtrennung und trajektorienextraktion von fahrbahnsegmenten
CN111325187A (zh) * 2020-03-23 2020-06-23 北京经纬恒润科技有限公司 一种车道位置的识别方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015018447A (ja) * 2013-07-11 2015-01-29 カヤバ工業株式会社 車線境界線推定装置
CN105488485A (zh) * 2015-12-07 2016-04-13 北京航空航天大学 基于车辆轨迹的车道线自动提取方法
DE102019114527A1 (de) * 2018-08-21 2020-02-27 GM Global Technology Operations LLC Intelligente fahrzeugnavigationssysteme, verfahren und steuerlogik zur mehrspurtrennung und trajektorienextraktion von fahrbahnsegmenten
CN109460739A (zh) * 2018-11-13 2019-03-12 广州小鹏汽车科技有限公司 车道线检测方法及装置
CN111325187A (zh) * 2020-03-23 2020-06-23 北京经纬恒润科技有限公司 一种车道位置的识别方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SUI JING ET AL: "Fast lane detection based on piecewise switching model", 《COMPUTER APPLICATIONS AND SOFTWARE》 *
殷妍等: "基于车道映射矩阵的多车道车辆计数系统", 《计算机工程与设计》 *

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112639907A (zh) * 2020-10-14 2021-04-09 驭势（上海）汽车科技有限公司 一种交通拥堵感知方法、装置、电子设备及存储介质
CN112639907B (zh) * 2020-10-14 2024-04-02 驭势（上海）汽车科技有限公司 一种交通拥堵感知方法、装置、电子设备及存储介质
EP4227924A4 (en) * 2020-10-14 2023-12-06 UISEE (Shanghai) Automotive Technologies Ltd. Traffic congestion sensing method and apparatus, electronic device and storage medium
KR20230098633A (ko) * 2020-11-09 2023-07-04 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
CN112567439A (zh) * 2020-11-09 2021-03-26 驭势（上海）汽车科技有限公司 一种交通流信息的确定方法、装置、电子设备和存储介质
JP7580155B2 (ja) 2020-11-09 2024-11-11 馭勢（上海）汽車科技有限公司 交通流情報の決定方法、装置、電子機器及び記憶媒体
WO2022095023A1 (zh) * 2020-11-09 2022-05-12 驭势（上海）汽车科技有限公司 一种交通流信息的确定方法、装置、电子设备和存储介质
KR102620325B1 (ko) 2020-11-09 2024-01-03 우이시 (상하이) 오토모티브 테크놀로지스 리미티드 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체
CN112530159A (zh) * 2020-11-13 2021-03-19 鹏城实验室 一种自标定式多车道级交通流量检测方法及电子设备
CN112215882A (zh) * 2020-12-10 2021-01-12 中智行科技有限公司 一种中心线的处理方法及装置
CN112763231A (zh) * 2021-01-19 2021-05-07 北京罗克维尔斯科技有限公司 车道保持辅助系统功能测评方法、装置及终端与存储介质
CN113591618A (zh) * 2021-07-14 2021-11-02 重庆长安汽车股份有限公司 前方道路形状估算方法、系统、车辆及存储介质
CN113591618B (zh) * 2021-07-14 2024-02-20 重庆长安汽车股份有限公司 前方道路形状估算方法、系统、车辆及存储介质
CN113928336B (zh) * 2021-09-24 2023-09-01 上海时代之光照明电器检测有限公司 一种汽车自动驾驶辅助方法及系统
CN113928336A (zh) * 2021-09-24 2022-01-14 上海时代之光照明电器检测有限公司 一种汽车自动驾驶辅助方法及系统
CN113804214A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 车辆定位方法、装置及电子设备、计算机可读存储介质
CN114537393A (zh) * 2022-04-25 2022-05-27 北京主线科技有限公司 车辆控制方法、装置、设备及存储介质
CN115195790B (zh) * 2022-09-15 2022-11-29 毫末智行科技有限公司 一种预测车辆轨迹的方法、装置、电子设备及存储介质
CN115195790A (zh) * 2022-09-15 2022-10-18 毫末智行科技有限公司 一种预测车辆轨迹的方法、装置、电子设备及存储介质
CN119268724A (zh) * 2024-12-10 2025-01-07 福瑞泰克智能系统有限公司 车辆导航方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111738207B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN111738207B (zh) 车道线检测方法、装置、电子设备及可读存储介质
US11353553B2 (en) Multisensor data fusion method and apparatus to obtain static and dynamic environment features
US11921510B1 (en) Approach for consolidating observed vehicle trajectories into a single representative trajectory
EP3647728B1 (en) Map information system
US11619516B2 (en) Method for detecting map error information, apparatus, device, vehicle and storage medium
CN107451521B (zh) 车辆车道图估算
US9460622B1 (en) Approach for estimating the geometry of roads and lanes by using vehicle trajectories
CN111301427B (zh) 用于确定车道的方法和驾驶员辅助系统以及车辆
CN107646114A (zh) 用于估计车道的方法
CN112154455A (zh) 数据处理方法、设备和可移动平台
CN109739230B (zh) 驾驶轨迹生成方法、装置及存储介质
CN112046481B (zh) 自动驾驶装置和方法
CN110867132A (zh) 环境感知的方法、装置、电子设备和计算机可读存储介质
CN109815555A (zh) 自动驾驶车辆的环境建模能力评估方法及系统
US20210089791A1 (en) Vehicle lane mapping
JP2021082286A (ja) 車線変更の検出を改良するためのシステム、非一時的コンピュータ可読媒体および方法
CN115195773A (zh) 用于控制车辆驾驶的装置和方法及记录介质
CN114396958B (zh) 基于多车道多传感器的车道定位方法、系统及车辆
CN116071714A (zh) 车道偏离检测方法、系统、电子设备及可读存储介质
CN118358573B (zh) 基于车队的智能驾驶方法、装置、电子设备和存储介质
CN111951552A (zh) 一种自动驾驶中风险管理的方法以及相关装置
CN117949004A (zh) 一种导航方法及装置
CN116279428A (zh) 一种自动泊车停车避障的方法及系统
CN115454085A (zh) 基于导航地图的自动驾驶控制方法及自动驾驶控制装置
Zhang et al. IQ-VIO: adaptive visual inertial odometry via interference quantization under dynamic environments

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
GR01 Patent grant
GR01 Patent grant