[发明专利]车辆车道偏移的测量方法

说明书

本发明公开了一种车辆车道偏移的测量方法，涉及智能交通技术领域，解决了现有技术中车辆车道定位的成本高且精度低的技术问题，其技术方案要点是采用基于数字图像的车道线检测和车辆车道定位的方法，关键帧的视频帧会调用全卷积神经网络进行语义分割处理生成关键帧对应的车道线结果，不是关键帧的视频帧不通过语义分割，因而可以利用关键帧判别算法减少调用复杂的全卷积神经网络的次数。对硬件平台的要求较低，方法可实施性高；同时具备较好的鲁棒性，提高了车辆车道定位精度，在提高驾驶者行驶安全性的同时，也在一定程度上降低了驾驶者的劳动强度。

技术领域

本公开涉及智能交通技术领域，尤其涉及一种车辆车道偏移的测量方法。

背景技术

对于现有的ADAS(Advanced Driving Assistance System，高级驾驶辅助系统)和智能驾驶汽车，车道线检测和车辆车道定位是车辆环境感知能力中的关键任务。车辆车道定位方法包括两个部分，一是对车道线的检测，二是对车辆相对车道的位置进行定位。

车道线的检测方法有很多种，可以从传感器获取到的信息的角度分为：基于数字图像的车道线识别方法和基于激光点云数据的车道线识别方法，前者是利用数字图像处理技术或深度学习技术对道路样张进行处理，以获取车道线信息；后者是利用激光雷达生成的点云数据进行处理，以获取车道区域信息。一般来说，车道信息的三维特征不甚明显，且使用激光雷达设备的成本较高，设备可靠性相对不足，因此主要用于特殊的道路环境，在车道线检测和车道定位上应用不多。

基于数字图像处理技术的车道线检测是车道线检测领域的主流手段，常见的处理方法包括：利用Sobel、Canny算子进行卷积获取边缘特征、利用霍夫变换识别图像内直线、利用RANSAC算法提取图像内特征点等。如刘兰馨等做了基于机器视觉的车道线检测和交通标志识别的研究，针对公路模型中的直线车道线利用基于极角、极径约束的改进霍夫变换实现了较好的直线识别效果；江苏大学蔡英凤等提出的一种基于形态学特征的车道线识别方法，定义图像中的脊度量反应车道线的特征，再利用聚类方法筛选出表征车道线的点，最后利用霍夫变换确定车道线，方法对于虚线型车道线也具有识别的能力；吉林大学的曲峰提出一种区分远、近视场，分别利用极坐标聚类和双曲线模型拟合的车道线识别方法。

也有学者开始应用深度学习技术对相机采集的样张进行处理以实现道路识别的工作。如华南理工大学的姜立标等面对当前在复杂场景下车道线检测存在精度不高、鲁棒性较差等问题，提出一种基于VGG-16卷积神经网络实现的利用实例分割方法完成复杂场景下车道线检测。算法首先对道路图像进行二值化语义分割，得到离散的车道线像素点，再利用Mean-shift聚类方法确定属于同一条车道线的像素点，形成相应的车道线实例；电子科技大学的罗森在实现了基于全卷积神经网络的车道线分割网络的基础上增加了基于条件随机场的后处理方法，有效实现了车道线的像素级分割任务。

在车辆车道定位领域，目前的技术还相对比较复杂，一是依赖全球定位系统，其精度和定位成本成反比；二是利用智能交通系统，通过高精度地图实现车辆定位，此方法难度大成本高，技术推广还需要很长时间。三是利用地图信息、全球定位和车载传感器的组合定位方法，这种方式相对前两者有更好的实现条件和定位效果。

因此，如何利用车辆感知技术的车辆车道定位以降低车道定位的成本并提高定位精度是亟需解决的问题。

发明内容

本公开提供了一种车辆车道偏移的测量方法，其技术目的是降低车辆车道定位的成本并提高定位的精度。

本公开的上述技术目的是通过以下技术方案得以实现的：

一种车辆车道偏移的测量方法，包括：

S1:通过车载相机采集车辆行驶前方的道路样张，获取第一关键帧和当前帧；其中，关键帧表示一段时间内画面特点的视频帧；

S2:将当前帧和第一关键帧输入到光流估计网络，得到特征图F1，通过所述特征图F1获得从第一关键帧变化到当前帧的光流估计矩阵M1；