[发明专利]光学车道识别

说明书

光学车道识别。用于在输入图像（1）中识别至少一个线状对象（2、3）的方法（100），具有步骤：•将输入图像（1）和/或输入图像（1）的片段输送给图像分类器（4）（110），图像分类器分别将输入图像（1）或片段的预先给定的区域（1a）至少分类成o一方面相关的区域（1a+），其中心位于至少一个至少部分地穿过所述区域（1a+）伸展的线状对象（2、3）的中心（2c、3c）的较近周围环境中，和o另一方面背景区域（1a‑），在所述背景区域中情况并非如此；•由回归器（5）对于相关的区域（1a+）获得坐标（2a、3a）（120），所述坐标说明线状对象（2、3）在相应的相关的区域（1a+）中的至少一个局部走向；•从这些坐标（2a、3a）中评估线状对象（2、3）在整个输入图像（1）中的走向（2b、3b）（130）。

技术领域

本发明涉及根据输入图像识别线状对象，所述线状对象可以界定车辆的车道。

背景技术

在道路交通中驾驶车辆时的基本任务之一是将车辆移动到所划线的车道中。对此的前提是车辆能够现场识别该所划线的车道。在此情况下，必要时也必须识别由于施工现场而引起的短期临时变化，所述短期临时变化被保持在另一颜色（例如黄色）并且使其他颜色（例如白色）的已经存在的划线失效。

从DE 103 45 802 A1中已知一种用于进行车道识别的方法，该方法尤其从对自身车辆的周围环境中的其他交通参与者的识别中推导出存在的车道的数量以及由自身车辆当前行驶在的车道。

发明内容

在本发明的范围中，开发了一种用于在输入图像中识别至少一个线状对象的方法。所述线状对象尤其是例如可以包括

•在行车道上以彩色方式和/或作为钉行划线的机动车道界线（Fahrstreifenbegrenzung）、行车道界线（Fahrbahnbegrenzung）或车道线（Leitlinie）；和/或

•行车道的结构界线；和/或

•停车指示牌或交通信号灯前的停车线。因此，要识别的线状对象不仅仅限于在行车道上沿着车辆的行驶方向伸展的对象。

在该方法的范围中，将输入图像和/或所述输入图像的片段输送给图像分类器。所述图像分类器将所述输入图像或片段的预先给定的区域、如例如以规则的网格布置的单元格至少分类成

o一方面相关的区域，所述相关的区域的中心位于至少一个至少部分地穿过该区域伸展的线状对象的中心的较近周围环境中，和

o另一方面背景区域，在所述背景区域中情况并非如此。

在此情况下，线状对象的中心指的是该对象在输入图像中的整个走向的中心，而不仅仅指的是该走向的穿越恰好所考虑的区域的分量的中心。

由回归器对于所述相关的区域获得坐标，所述坐标说明所述线状对象在相应的相关的区域中的至少一个局部走向。从这些坐标中评估所述线状对象在整个输入图像中的走向。

已经认识到，与回归器单独相比，由图像分类器和回归器组成的总体可以更好地鉴于线状对象的识别被训练。

在无附加的图像分类器的情况下，必须由回归器也对于不包含线状对象的分量的图像区域以额定坐标的形式进行某种预设，回归器应该输出所述预设。为此在任何情况下均将会可以激发一组零坐标。因此，输入图像的大的分量必须应该被映射成零坐标作为额定坐标，并且仅输入图像的小分量必须应该被映射成线状对象伸展所穿过的实际坐标。这有点自相矛盾，这使回归器的训练变得困难。尤其是，有利于回归器将假象引入所确定的坐标中，以便“以某种方式”使这对于训练数据的两种矛盾的模式是“合意的”。

在该方法的范围中上游的图像分类器现在引起：只有当输入图像的区域已经证明是相关的时才根本必须咨询回归器。这些同时是以下区域，在所述区域中可以毫无问题地训练回归器以提供有意义的坐标值。相反，这意味着回归器仅仍必须被训练用于为这些图像区域输出有意义的坐标。