[发明专利]车道线的检测方法、装置、设备及存储介质

说明书

本申请公开了一种车道线的检测方法、装置、设备及存储介质，通过获取车道的初始透视图，对初始透视图进行透视变换，得到第一鸟瞰图，并基于目标车道线方程，拟合第一鸟瞰图的自适应ROI矩阵，以解决手工设置ROI矩阵的局限性，使得自适应ROI矩阵更加贴合车道线，提高车道线检测准确度和降低算力负担；以及基于目标逆透视变换矩阵，将自适应ROI矩阵对应的目标ROI区域还原至初始透视图，得到目标透视图，并基于目标透视图的目标ROI区域，提取车道的第一车道线，降低车道线外侧噪声，增加大曲率弯道的适应性，进一步提高车道线检测准确度。

技术领域

本申请涉及智能驾驶技术领域，尤其涉及一种车道线的检测方法、装置、设备及存储介质。

背景技术

车道线检测是高级驾驶辅助系统实现智能驾驶的关键任务之一。目前，车道线检测主要有基于Udacity传统视觉的车道线检测和基于深度学习方法的车道线检测。其中基于Udacity传统视觉的车道线检测是在透视图中人工设定ROI（Region Of Interest，感兴趣区域），将设定ROI后的透视图转换到俯视鸟瞰图上，在鸟瞰图上提取车道线，最后将鸟瞰图提取到的车道线重新转换到原本的透视图上。

但是，人工设定ROI使得车道线的检测准确度较差。其中人工设定ROI过大，会造成算力负担，引入更多噪声影响车道线检测精度；人工设定ROI过小，则会导致车身靠近一侧车道线时，远端或者另一侧的车道线丢失，鲁棒性差；并且对于大曲率弯道的适应性和贴合度差，导致检测准确度差。

发明内容

本申请提供了一种车道线的检测方法、装置、设备及存储介质，以解决现有车道线检测方式存在检测准确度差的技术问题。

为了解决上述技术问题，第一方面，本申请实施例提供了一种车道线的检测方法，包括：

获取车道的初始透视图；

对初始透视图进行透视变换，得到第一鸟瞰图；

基于目标车道线方程，拟合第一鸟瞰图的自适应ROI矩阵；

基于目标逆透视变换矩阵，将自适应ROI矩阵对应的目标ROI区域还原至初始透视图，得到目标透视图，目标逆透视变换矩阵和目标车道线方程基于多帧车道线图像进行自调整测试得到；

基于目标透视图的目标ROI区域，提取车道的第一车道线。

本实施例通过获取车道的初始透视图，对初始透视图进行透视变换，得到第一鸟瞰图，并基于目标车道线方程，拟合第一鸟瞰图的自适应ROI矩阵，以解决手工设置ROI矩阵的局限性，使得自适应ROI矩阵更加贴合车道线，提高车道线检测准确度和降低算力负担；以及基于目标逆透视变换矩阵，将自适应ROI矩阵对应的目标ROI区域还原至初始透视图，得到目标透视图，并基于目标透视图的目标ROI区域，提取车道的第一车道线，降低车道线外侧噪声，增加大曲率弯道的适应性，进一步提高车道线检测准确度。

在一实施例中，基于目标车道线方程，拟合第一鸟瞰图的自适应ROI矩阵，包括：

基于目标车道线方程，初始化第一鸟瞰图的车道线x坐标和车道线y坐标；

对车道线x坐标自适应添加目标阈值；

对添加目标阈值后的车道线x坐标与车道线y坐标进行组合，得到第一鸟瞰图的自适应ROI矩阵。

本实施例通过目标车道线方程，初始化车道线坐标，以初步检测车道线，并对车道线x坐标自适应添加目标阈值，以自适应增大或缩小ROI区域，从而克服手工标定参数的局限性。

在一实施例中，基于目标车道线方程，拟合第一鸟瞰图的自适应ROI矩阵之前，还包括：

获取多帧车道线图像，车道线图像对应有预设ROI区域和预设扭转矩阵；