[发明专利]分岔点检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种分岔点检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：从获取的待监测车道图像中聚类得到车道点集合，将车道点集合剖分成不均匀的三角形网格并计算组成三角形网格的边缘线的权重值，通过与每一车道点相连接的边缘线的权值来确定每一车道点的子节点，然后根据子节点来确定候选边缘线，通过候选边缘线来确定联通域，在连通域中通过判断是否存在一个连通域中是否存在另一个联通域的子节点来确定分岔点，该方法中通过边缘线的权值来确定车道点的子节点，也就是通过车道点之间的关系来确定分岔点，充分地利用了车道点之间的拓扑信息，可以使车辆在复杂的路况中准确地识别出道路的分岔点。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种分岔点检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着自动驾驶技术的发展，对车道的检测和识别是自动驾驶系统的一个重要的功能，已经得到了广泛的研究。利用视觉算法的车道线检测解决方案是一种较为常见的解决方案。视觉检测方案主要是基于图像算法，检测出图像中车道线区域，将不同的车道线分为不同的类别，以供车辆在行驶中自动辨别车道等信息。

在现有技术中，车道线识别方法多使用基于深度学习的车道检测算法，该算法的性能很大程度上依赖于标记数据的数量和多样性，然而现有的开放车道数据集大多是在一般场景下收集的，在复杂拓扑(如车道合并和分岔)下收集的数据很少，并且拓扑信息通常不包括在标签中，因此现有的车道线识别方法更适用于训练和评估平行和规则的车道线，但不足以满足道路情况更复杂的驾驶需求。

发明内容

基于此，有必要针对上述技术问题，提供一种分岔点检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种分岔点检测方法。所述方法包括：获取待检测车道图像；从所述待检测车道图像中提取出车道点集合；所述车道点集合由各簇类中心点组成；将所述车道点集合剖分成不均匀的三角形网格，所述三角形网格由以车道点为端点的边缘线组成；根据每一所述边缘线的两个端点所在簇确定每一所述边缘线的权重值；根据所述权重值选取每一车道点的子节点，当两个车道点互为对方的子节点并且以所述两个车道点为端点的边缘线的权重值小于第一阈值时，则将所述两个车道点为端点的边缘线确定为候选边缘线；根据所述候选边缘线组成多个连通域，若第一连通域中存在第一车道点是第二连通域中第二车道点的子节点，且以第一车道点和第二车道点为端点的边缘线的权值小于第二阈值时，则将所述第一车道点判定为分岔点，其中，所述第二阈值小于所述第一阈值。

在其中一个实施例中，所述从所述待检测车道图像中提取出车道点集合，包括：从所述待检测车道图像中采样提取第一车道点；所述第一车道点均分布在第一网格的网格节点上；在所述第一网格上插入第二网格，并在第二网格中找到距离第一车道点最近的网格节点作为初始簇中心，对所述第一车道点进行聚类运算得到第一点集；所述第一点集包含各簇聚类中心；所述第二网格的尺度大于所述第一网格的尺度；对所述第一点集进行WARD聚类运算，得到第二点集；在所述第二点集中找出距离第一车道点最近的点作为初始簇中心，对第一车道点进行聚类运算得到第三点集，将所述第三点集作为车道点集合。

在其中一个实施例中，所述对所述第一点集进行WARD聚类运算，得到第二点集，包括：利用WARD聚类算法对所述第一点集进行聚类运算，得到聚类点集；所述聚类点集中散点的数量小于所述第一点集中点的数量；重复上述聚类运算步骤，直至所述聚类点集中散点的数量等于预设值，则将所述聚类点集作为第二点集。

在其中一个实施例中，所述根据每一所述边缘线的两个端点所在簇确定每一所述边缘线的权重值，包括：分别获取每一所述边缘线的两个端点所在簇的散点分布信息；根据所述散点分布信息计算出两个端点所在簇的协方差矩阵，从所述协方差矩阵中确定出特征向量的倾斜角度；根据所述倾斜角度以及每一所述边缘线的两个端点的坐标计算出每一边缘线的权重值。