[发明专利]车道线检测方法、装置及计算机可读存储介质

说明书

本发明公开了一种车道线检测方法、装置及计算机可读存储介质，车道线检测方法包括：获取多帧点云数据，对所述多帧点云数据进行位姿优化后得到所有帧点云的位置；基于所述多帧点云数据进行云局部建图得到局部地图；将所述局部地图的格式转换为图像格式；在图像格式的局部地图中检测车道线，得到车道线数据。本发明由于采用的是激光测量原理得到多帧点云数据实现检测车道线，可以避免单帧图像或单帧点云检测车道线时的视野盲区，检测到更大范围的车道线数据，且算法比较简单。

技术领域

本发明涉及车道线检测技术领域，尤其涉及车道线检测方法、装置及计算机可读存储介质。

背景技术

无人智能驾驶汽车是一个复杂的智能控制系统，包含机械控制、路径规划、路径决策以及环境感知等多个模块。车道线检测是环境感知模块中的重要部分，可以为车辆行驶偏离进行预警、为车道变道提供决策信息。

无人驾驶技术近些年发展迅速。无人车若想实现自动驾驶，从视觉的角度上讲其要先学会观察道路，具体来说，就是检测车道线。包括识别车道线与车的位置关系，是实线还是虚线等。

传统的无人车自动驾驶行驶时，经常需要检测车道线并进行拟合来确定可行驶区域。然而，目前的车道线检测常用单帧图像或单帧点云来检测，检测范围较小，且误检率较高。

发明内容

本发明的主要目的在于提供一种车道线检测方法、装置及计算机可读存储介质，旨在解决现有技术中车道线检测方法检测范围小的技术问题。

为实现上述目的，本发明提供一种车道线检测方法，所述车道线检测方法包括：

获取多帧点云数据，对所述多帧点云数据进行位姿优化后得到所有帧点云的位置；

基于所述多帧点云数据进行云局部建图得到局部地图；

将所述局部地图的格式转换为图像格式；

在图像格式的局部地图中检测车道线，得到车道线数据。

优选地，所述获取多帧点云数据的步骤包括：

获取缓存区存储的历史多帧激光雷达数据；

基于所述历史多帧激光雷达数据获取多帧点云数据。

优选地，所述对所述多帧点云数据进行位姿优化得到优化结果的步骤包括：

通过激光雷达SLAM算法对所述多帧点云数据中每一帧点云的位置信息和姿态角进行优化，得到所有帧点云的位置。

优选地，所述基于所述多帧点云数据进行云局部建图得到局部地图的步骤包括：

过滤所述多帧点云数据得到第一多帧点云数据，其中，所述第一多帧点云数据为所述优化结果中落在地面上的点云数据；

对所述第一多帧点云数据投影到XY平面上，再进行栅格化处理得到每个栅格的反射强度均值；

根据所述反射强度均值得到局部地图。

优选地，所述过滤所述多帧点云数据得到第一多帧点云数据的步骤包括：

剔除所述多帧点云数据中的第二多帧点云数据，其中，所述第二多帧点云数据为所述多帧点云数据中未落在地面上的点云数据。

优选地，所述根据所述反射强度均值得到局部地图的步骤包括：

对每个栅格的反射强度均值进行加权平均得到反射强度值，基于所述反射强度值得到局部地图。

优选地，所述在图像格式的局部地图中检测车道线，得到车道线数据的步骤包括：

对所述图像格式的局部地图进行图像噪声过滤得到地图图像；