一种确定车道线方向的方法及装置实用新型专利

专利名称：一种确定车道线方向的方法及装置

专利类型：实用新型专利

专利申请号：CN202010967447.1

专利申请（专利权）人：北京三快在线科技有限公司
权利人地址：北京市海淀区北四环西路9号2106-030

专利发明（设计）人：杨立荣

专利摘要：本说明书公开了一种确定车道线方向的方法及装置，获取采集设备采集的道路点云数据以及该采集设备采集道路点云数据所基于的行驶轨迹，进而根据道路点云数据，生成道路图像，并确定道路图像中包含的各车道线。进一步的，可以针对确定出的每条车道线，确定行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹。而后，可以根据采集设备位于目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将该车道线方向更新在预设的电子地图中。相比于现有技术，提高了确定车道线方向的效率。

主权利要求：
1.一种确定车道线方向的方法，其特征在于，包括：
获取采集设备采集的道路点云数据以及所述采集设备采集所述道路点云数据所基于的行驶轨迹，其中，所述行驶轨迹由所述采集设备上安装的定位装置获取；
根据所述道路点云数据，生成道路图像，并确定所述道路图像中包含的各车道线；
针对确定出的每条车道线，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹；
根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将所述车道线方向更新在预设的电子地图中；
其中，根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，具体包括：将该车道线在所述道路图像中的图像坐标点按照预设排序方式进行排序，得到排序结果，并根据所述排序结果，确定该车道线的参考方向；
根据所述采集设备位于所述目标轨迹上的行驶方向，以及确定出的所述参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。
2.如权利要求1所述的方法，其特征在于，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹，具体包括：确定所述行驶轨迹中的各轨迹点；
针对该车道线的每个图像坐标点，确定所述各轨迹点中与该图像坐标点距离最近的轨迹点，作为该图像坐标点对应的轨迹点；
将该车道线的各图像坐标点对应的轨迹点所组成的行驶轨迹，作为目标轨迹。
3.如权利要求1所述的方法，其特征在于，根据所述采集设备位于所述目标轨迹上的行驶方向，以及确定出的所述参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，具体包括：判断所述参考方向与所述行驶方向是否相匹配；
若确定所述参考方向与所述行驶方向相匹配，将所述参考方向作为该车道线对应的车道线方向，否则，根据所述行驶方向，调整所述参考方向，并根据调整后的参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。
4.如权利要求1所述的方法，其特征在于，确定所述道路图像包含中的各车道线，具体包括：将所述道路图像输入到预先训练的车道线识别模型中，以确定出所述道路图像中包含的各车道线。
5.如权利要求4所述的方法，其特征在于，训练所述车道线识别模型，具体包括：获取各样本图像；
针对每个样本图像，将该样本图像输入到所述车道线识别模型中，得到识别出的车道线；
以识别出的车道线与在该样本图像中标注出的车道线之间的差异最小为优化目标，对所述车道线识别模型进行训练。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：针对每条车道线，确定该车道线的相邻车道线的车道线方向，该车道线与所述相邻车道线属于同一车道的同侧车道线；
判断所述相邻车道线的车道线方向与该车道线的车道线方向是否一致；
若确定所述相邻车道线的车道线方向与该车道线的车道线方向不一致，根据所述相邻车道线的车道线方向，对该车道线的车道线方向进行修正。
7.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1～6任一项所述的方法。
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1～6任一项所述的方法。 说明书 : 一种确定车道线方向的方法及装置技术领域[0001] 本说明书涉及无人驾驶技术领域，尤其涉及一种确定车道线方向的方法及装置。背景技术[0002] 当前，无人驾驶设备在行驶过程中可以利用高精地图为自身进行导航，以保证自身的行驶安全。[0003] 在实际应用中，需要在高精地图中标注出道路中各车道线的车道线方向，以更好的为无人驾驶设备进行导航。在现有技术中，可以通过人工的方式将高精地图中的车道线方向标注出来，但是这一方式不仅耗费人工成本，标注车道线方向的效率也很低。[0004] 所以，如何提高确定高精地图中的车道线方向的效率并降低确定车道线方向的成本，则是一个亟待解决的问题。发明内容[0005] 本说明书提供一种确定车道线方向的方法及装置，以部分的解决现有技术存在的上述问题。[0006] 本说明书采用下述技术方案：[0007] 本说明书提供了一种确定车道线方向的方法，包括：[0008] 获取采集设备采集的道路点云数据以及所述采集设备采集所述道路点云数据所基于的行驶轨迹；[0009] 根据所述道路点云数据，生成道路图像，并确定所述道路图像中包含的各车道线；[0010] 针对确定出的每条车道线，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹；[0011] 根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将所述车道线方向更新在预设的电子地图中。[0012] 可选地，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹，具体包括：[0013] 确定所述行驶轨迹中的各轨迹点；[0014] 针对该车道线的每个图像坐标点，确定所述各轨迹点中与该图像坐标点距离最近的轨迹点，作为该图像坐标点对应的轨迹点；[0015] 将该车道线的各图像坐标点对应的轨迹点所组成的行驶轨迹，作为目标轨迹。[0016] 可选地，根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，具体包括：[0017] 将该车道线在所述道路图像中的图像坐标点按照预设排序方式进行排序，得到排序结果，并根据所述排序结果，确定该车道线的参考方向；[0018] 根据所述采集设备位于所述目标轨迹上的行驶方向以及确定出的所述参考方向，确定该车道线位于道路的行车方向，作为该车道线对应的车道线方向。[0019] 可选地，根据所述采集设备位于所述目标轨迹上所对应的行驶方向，以及确定出的所述参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，具体包括：[0020] 判断所述参考方向与所述行驶方向是否相匹配；[0021] 若确定所述参考方向与所述行驶方向相匹配，将所述参考方向作为该车道线对应的车道线方向，否则，根据所述行驶方向，调整所述参考方向，并根据调整后的参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。[0022] 可选地，确定所述道路图像包含中的各车道线，具体包括：[0023] 将所述道路图像输入到预先训练的车道线识别模型中，以确定出所述道路图像中包含的各车道线。[0024] 可选地，训练所述车道线识别模型，具体包括：[0025] 获取各样本图像；[0026] 针对每个样本图像，将该样本图像输入到所述车道线识别模型中，得到识别出的车道线；[0027] 以识别出的车道线与在该样本图像中标注出的车道线之间的差异最小为优化目标，对所述车道线识别模型进行训练。[0028] 可选地，所述方法还包括：[0029] 针对每条车道线，确定该车道线的相邻车道线的车道线方向，该车道线与所述相邻车道线属于同一车道的同侧车道线；[0030] 判断所述相邻车道线的车道线方向与该车道线的车道线方向是否一致；[0031] 若确定所述相邻车道线的车道线方向与该车道线的车道线方向不一致，根据所述相邻车道线的车道线方向，对该车道线的车道线方向进行修正。[0032] 本说明书提供了一种确定车道线方向的装置，包括：[0033] 获取模块，用于获取采集设备采集的道路点云数据以及所述采集设备采集所述道路点云数据所基于的行驶轨迹；[0034] 车道线确定模块，用于根据所述道路点云数据，生成道路图像，并确定所述道路图像中包含的各车道线；[0035] 轨迹确定模块，用于针对确定出的每条车道线，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹；[0036] 方向确定模块，用于根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将所述车道线方向更新在预设的电子地图中。[0037] 本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述确定车道线方向的方法。[0038] 本说明书提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述确定车道线方向的方法。[0039] 本说明书采用的上述至少一个技术方案能够达到以下有益效果：[0040] 在本说明书提供的确定车道线方向的方法中，获取采集设备采集的道路点云数据以及该采集设备采集道路点云数据所基于的行驶轨迹，进而根据道路点云数据，生成道路图像，并确定道路图像中包含的各车道线。进一步的，可以针对确定出的每条车道线，确定行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹。而后，根据该采集设备位于目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将该车道线方向更新在预设的电子地图中。[0041] 从上述方法中可以看出，本方法可以通过采集设备采集的道路点云数据，得到较为完整的包含有车道线的道路图像，得到道路图像后，可以根据采集设备行驶轨迹的方向，确定道路图像中车道线的方向。相比于现有技术中需要人工确定车道线方向的方式，本方法能够自动确定出车道线的方向，因此提高了确定车道线方向的效率，并且降低了成本。附图说明[0042] 此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：[0043] 图1为本说明书中一种确定车道线方向的方法的流程示意图；[0044] 图2为本说明书提供的一种道路图像的示意图；[0045] 图3为本说明书提供的一种确定出的道路图像中的车道线的示意图；[0046] 图4为本说明书提供的一种行驶方向与参考方向的示意图；[0047] 图5A、5B为本说明书提供的一种确定出的车道线方向出现错误的示意图；[0048] 图6为本说明书提供的一种相邻车道线的示意图；[0049] 图7为本说明书提供的一种确定车道线方向的装置的示意图；[0050] 图8为本说明书提供的对应于图1的电子设备示意图。具体实施方式[0051] 为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本说明书保护的范围。[0052] 以下结合附图，详细说明本说明书各实施例提供的技术方案。[0053] 图1为本说明书中一种确定车道线方向的方法的流程示意图，具体包括以下步骤：[0054] S101：获取采集设备采集的道路点云数据以及所述采集设备采集所述道路点云数据所基于的行驶轨迹。[0055] 在实际应用中，服务平台需要确定出电子地图中的车道线的车道线方向，确定出的电子地图中的车道线方向不但能够利于无人驾驶设备或普通车辆在行驶过程中对自身的导航，还能够便于服务平台根据车道线方向在电子地图中对道路以及车道进行划分、对车道的方向进行确定、对车道的连通关系进行确定等。[0056] 基于此，服务平台可以获取到采集设备采集的道路点云数据以及采集设备采集道路点云数据所基于的行驶轨迹。其中，这里提到的道路点云数据可以是指采集设备在道路上行驶所采集的点云数据。这里提到的采集设备可以是指用于采集点云数据的普通车辆、无人车、无人机等。服务平台可以通过采集设备上安装的定位装置获取到采集设备采集道路点云数据所基于的行驶轨迹，这里提到的定位装置具体可以采用如全球定位系统(GlobalPositioningSystem，GPS)、基站定位等常规的定位方式，在此不进行限定。[0057] 上述提到的无人驾驶设备可以是指无人车、机器人、自动配送设备等能够实现自动驾驶的设备。基于此，本方法可以应用于确定电子地图中的车道线方向，无人驾驶设备在自动驾驶过程中可以使用该电子地图进行导航，以保证无人驾驶设备可以通过该电子地图执行配送领域的配送任务，如，使用无人驾驶设备进行快递、物流、外卖等配送的业务场景。[0058] 本说明书提供的确定车道线方向的执行主体可以是大型的服务平台、服务器，也可以是笔记本电脑、台式电脑等。为了便于描述，下面仅以服务平台是执行主体为例，对本说明书提供的确定车道线方向的方法进行说明。[0059] S102：根据所述道路点云数据，生成道路图像，并确定所述道路图像中包含的各车道线。[0060] 服务平台获取到道路点云数据后，可以通过该道路点云数据，生成道路图像。其中，服务平台可以将道路点云数据中低于设定高度的点云数据，作为用于确定道路图像的点云数据。这里提到的设定高度可以根据实际需求进行设定。服务平台选取出设定高度的点云数据，能够在一定程度上将道路中的一些车辆、树木等无用的点云数据筛去，留下有利于得到车道线图像的点云数据。而后，服务平台根据该点云数据的激光反射率将点云数据投影到图像中，可以得到如图2所示的道路图像。[0061] 图2为本说明书提供的一种道路图像的示意图。[0062] 从图2中可以看出，道路图像中的网格部分为道路中的隔离带，图2中的白色直线为道路中的车道线，白色指向箭头为道路中的导向箭头。这一道路图像是服务平台通过将点云数据的激光反射率转换成灰度值形成的，激光反射率越高，灰度值越高。由于车道线所对应的激光反射率相比于路面的激光反射率较高，因此，道路图像中灰度值较高的区域，即，道路图像中偏白的区域较为可能是车道线。从这里可以看出，本说明书中提到的道路图像是指根据激光反射率，将采集的道路点云数据转换成的图像，而不是直接通过相机等装置拍摄得到的图像。[0063] 在本说明书中，服务平台确定出道路图像后，可以确定道路图像中的车道线，其中，服务平台可以将道路图像输入到预先训练的车道线识别模型中，以确定出道路图像中的车道线，确定出的车道线具体可以如图3所示。[0064] 图3为本说明书提供的一种确定出的道路图像中的车道线的示意图。[0065] 图3与图2相对应，若服务平台通过车道线识别模型对图2道路图像中的车道线进行识别，可以得出如图3中的车道线，从图3中可以看出，车道线识别模型可以将图2中的道路图像中的车道线识别出来，识别出的车道线以线的形式呈现在了图3中。[0066] 在本说明书中，上述提到的车道线识别模型可以通过有监督学习的方式预先进行训练。服务平台需要获取用于训练模型的各样本图像，各样本图像具备有标注出的车道线，服务平台可以针对每个样本图像，将该样本图像输入到车道线识别模型中，车道线识别模型针对该样本图像识别出车道线后，服务平台可以将识别出的车道线与标注出的车道线之间的差异作为训练目标对该车道线识别模型进行训练。其中，车道线识别模型所使用到的算法可以有多种，如，神经网络、支持向量机(SupportVectorMachine,SVM)等，在此不进行限定。[0067] S103：针对确定出的每条车道线，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹。[0068] 服务平台确定出道路图像中的车道线后，可以针对确定出的每条车道线，确定行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹。也就是说，服务平台可以针对每条车道线，确定行驶轨迹中与该车道线相距较近的一部分行驶轨迹，作为与该车道线相匹配的目标轨迹，在后续过程中，服务平台可以根据该目标轨迹所对应的行驶方向，确定该车道线的车道线方向。[0069] 其中，服务平台确定该车道线的目标轨迹时，可以确定出行驶轨迹中的各轨迹点，并针对该车道线的每个图像坐标点，确定与该图像坐标点距离最近的轨迹点，作为该图像坐标点对应的轨迹点。而后，服务平台可以将该车道线的各图像坐标点对应的轨迹点所组成的行驶轨迹，作为目标轨迹。[0070] 也就是说，这一方式是针对该车道线的每个图像坐标点，确定出与该车道线的图像坐标点一一对应的距离最近的轨迹点，这样一来，由轨迹点组成了一段与该车道线相匹配的目标轨迹。这里提到的图像坐标点表示车道线在图像中的坐标，而轨迹点表示采集设备在真实世界中的地理位置。因此，对于一个图像坐标点来说，服务平台可以先将图像坐标点转换为世界坐标系下的坐标点，再根据世界坐标系下的坐标点确定出与该图像坐标点距离最近的轨迹点，当然，服务平台也可以将各轨迹点转换为图像坐标系下的坐标点，进而确定出距离图像坐标点最近的轨迹点。[0071] 除上述方式之外，服务平台还可以有多种方式确定与该车道线相匹配的目标轨迹。例如，服务平台可以针对每个轨迹点，确定出该轨迹点与该车道线之间的距离。服务平台可以按照确定出的距离对各轨迹点排序，得到设定排位前的轨迹点，并将设定排位前的轨迹点所组成的行驶轨迹，作为目标轨迹。可以看出，这一目标轨迹是距离该车道线较近的轨迹点所组成的行驶轨迹。这里提到的设定排位可以根据实际需求进行设定。[0072] S104：根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将所述车道线方向更新在预设的电子地图中。[0073] 服务平台针对该车道线确定出目标轨迹后，可以根据采集设备位于该目标轨迹上的行驶方向，确定出该车道线所处道路的行车方向，作为该车道线对应的车道线方向。服务平台确定出该车道线对应的车道线方向后，可以将车道线方向更新在预设的电子地图中，其中，电子地图的形式可以有多种，如高精地图、导航地图等。[0074] 由于该目标轨迹距离车道线很近，并且采集设备是按照交通规则在道路上行驶，因此，采集设备在目标轨迹上的行驶方向，可以表明车道线所处道路的行车方向。所以，服务平台可以通过该采集设备在目标轨迹上的行驶方向，确定出车道线所处道路的行车方向。而车道线对应的车道线方向应与该车道线所位于的道路的行车方向相同，因此，服务平台可以将确定出的车道线所处道路的行车方向，作为该车道线对应的车道线方向。[0075] 需要说明的是，若车道线所处的道路为单行道，则这里提到的车道线所处道路的行车方向即是该车道线所处的道路的道路方向，而若该车道线所处的道路包含有双向车道，则该车道线所处道路的行车方向是指该车道线所在车道的行车方向。[0076] 进一步地，在本说明书中，服务平台也可以先确定出该车道线的参考方向。该参考方向为服务平台确定出的该车道线在道路图像中的一个初始方向，后续服务平台可以在该参考方向的基础上，结合确定出的该采集设备在目标轨迹上的行驶方向，确定出该车道线实际的车道线方向。[0077] 其中，服务平台可以将该车道线在道路图像中的图像坐标点按照预设排序方式进行排序，并根据得到的排序结果，确定该车道线的参考方向。这里提到的预设排序方式可以有多种。如，服务平台可以对该车道线的各图像坐标点按照纵坐标从大到小的顺序进行排序，也可以对该车道线的各图像坐标点按照横坐标从小到大的顺序进行排序。具体的，服务平台可以根据该车道线在道路图像中的倾斜程度选取合适的排序方式。例如，若该车道线在道路图像中为竖直状的，则可以按照纵坐标对该车道线的各图像坐标点进行排序；再例如，若该车道线在道路图像中与横轴之间的夹角为较小，则可以按照横坐标对该车道线的各图像坐标点进行排序。[0078] 从上述过程中可以看出，参考方向只是服务平台顺着该车道线的图像坐标点为该车道线确定出的一个初始方向，而该车道线实际的车道线方向可能与该参考方向一致，也可能与该参考方向相反。基于此，服务平台可以确定上述参考方向与采集设备在目标轨迹上的行驶方向是否相匹配，若确定参考方向与该行驶方向相匹配，则服务平台可以将参考方向作为该车道线的车道线方向。否则，服务平台可以根据该行驶方向，调整参考方向，并根据调整后的参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。其中，这里提到的参考方向与行驶方向相匹配可以是指参考方向与行驶方向一致，也可以是指参考方向与该行驶方向之间的夹角不超过90°。[0079] 例如，假设服务平台根据S103中举出的确定目标轨迹的方式来确定目标轨迹，即，目标轨迹中的轨迹点与该车道线的各图像坐标点一一对应，服务平台可以根据目标轨迹中各轨迹点的顺序确定目标轨迹对应的行驶方向。在上述过程中已经对各图像坐标点进行了排序，并且根据排序结果得到该车道线的参考方向，因此，该行驶方向与该参考方向要么相反(或是指该行驶方向与该参考方向之间的夹角大于90°)，要么相同(或是指该行驶方向与该参考方向之间的夹角小于90°)，如图4所示。[0080] 图4为本说明书提供的一种行驶方向与参考方向的示意图。[0081] 从图4中可以看出，车道线A包含有图像坐标点1、2、3、4、5，图像坐标点1与轨迹点1相对应，图像坐标点2与轨迹点2相对应，以此类推，图像坐标点5与轨迹点5相对应，轨迹点1、2、3、4、5组成了车道线A所对应的目标轨迹。服务平台根据该目标轨迹中的各轨迹点所对应的采集时间确定出了该目标轨迹的行驶方向为从轨迹点5、4、3、2到轨迹点1的方向，而服务平台确定参考方向时是按照横坐标将图像坐标点从小到大进行排序，因此参考方向为从图像坐标点1、2、3、4到图像坐标点5的方向。可以看出，参考方向与行驶方向相反，因此，服务平台可以根据该行驶方向将参考方向调整为相反的方向(即调整为与目标轨迹的行驶方向相同的方向)，并将调整后的参考方向作为确定出的该车道线的车道线方向。[0082] 再例如，服务平台可以确定出目标轨迹所对应的行驶方向与该车道线的参考方向之间的夹角，若该夹角小于90°，则可以确定该车道线的车道线方向为参考方向，若该夹角大于90°，则可以将参考方向调整为相反的方向，服务平台可以将调整后的参考方向作为该车道线的车道线方向。[0083] 需要说明的是，在实际应用中，可能会出现采集设备的定位装置的定位结果出现误差而导致服务平台获取到的行驶轨迹与实际的行驶轨迹存在较大偏差的情况，或者，可能会出现确定出的目标轨迹所对应的行驶方向与该车道线实际的车道线方向不一致等情况，则当出现这些情况时可能会导致确定出的车道线方向出现错误。[0084] 下面举例说明车道线方向可能会出现错误的情况，如图5A、5B所示。[0085] 图5A、5B为本说明书提供的一种确定出的车道线方向出现错误的示意图。[0086] 在图5A中，实线表示确定出的车道线，虚线表示服务平台获取到的行驶轨迹，从图5A中可以看出，在实际中车道线A应与行驶轨迹1相匹配，但是由于采集设备在行驶轨迹1处采集道路点云数据时在道路外侧行驶，导致行驶轨迹1与车道线A相距较远，使得服务平台确定车道线A的目标轨迹时，将该车道线A的目标轨迹确定为行驶轨迹2。而行驶轨迹2实际是采集设备位于与该车道线A反向的车道中的行驶轨迹，因此，该车道线A的车道线方向将被误识别为与行驶轨迹2一致的方向，但是实际上该车道线A的车道线方向应为与行驶轨迹1一致的方向，因此，确定出的该车道线A的车道线发生了错误。[0087] 在图5B中依然由虚线表示行驶轨迹，由实线表示车道线。其中，由于采集设备定位出现了错误，行驶轨迹3中的部分轨迹与采集设备实际的行驶轨迹发生了较大的偏差。因此，服务平台在确定车道线B的目标轨迹时，将行驶轨迹4中的部分轨迹作为了该车道线B的目标轨迹，使得该车道线B的车道线方向被误识别为与行驶轨迹4一致的方向。[0088] 因此，服务平台可以对确定出的车道线方向进行验证并修正。具体的，服务平台可以针对每条车道线，确定该车道线的相邻车道线的车道线方向，其中，该车道线与相邻车道线属于同一车道的同侧车道线，因此，相邻车道线与该车道线在实际道路中应是同向的车道线，或是同一整条的车道线，如图6所示。[0089] 图6为本说明书提供的一种相邻车道线的示意图。[0090] 图6中的车道线a、b均属于车道Z的车道线，可以看出，车道线a以及车道线b均位于车道Z的同一侧，车道线a的相邻车道线为车道线b，服务平台确定出各车道线的车道线方向后，车道线方向的大致形式可以是图6中标注出的形式，可以看出车道线a与同一方向车道上的车道线的车道线方向均不相同，则有可能车道线a的车道线方向出现了错误。[0091] 服务平台确定出该车道线的相邻车道线的车道线方向后，可以判断该车道线的相邻车道线的车道线方向与该车道线的车道线方向是否一致，若确定相邻车道线的车道线方向与该车道线的车道线方向不一致，则可以根据该车道线的相邻车道线的车道线方向对该车道线的车道线方向进行修正。[0092] 具体的，当服务平台针对某个车道线，确定出该车道线的车道线方向与相邻车道线的车道线方向不同时，则该车道线的车道线方向有可能出现了错误，当然，也有可能是相邻车道线的车道线方向出现了错误。因此，服务平台可以进一步地对该车道线的车道线方向进行验证，并确定是否对该车道线方向进行修正。服务平台可以通过该车道线所属车道的各车道线的车道线方向对该车道线的车道线方向进行进一步地验证。若该车道线所属车道中小于设定比例的车道线的车道线方向与该车道线的车道线方向一致，说明该车道线的车道线方向出现了错误，则服务平台可以根据相邻车道线的车道线方向，对该车道线的车道线方向进行修正，使得该车道线的车道线方向与相邻车道线的车道线方向同向。其中，设定比例可以根据实际需求设定。[0093] 若该车道线所属车道中不小于设定比例车道线的车道线方向与该车道线的车道线方向一致，则说明该车道线的车道线方向未出错，服务平台不需要根据相邻车道线的车道线方向，对该车道线的车道线方向进行修正。并且，服务平台还可以根据该车道线所属车道中的大部分车道线的车道线方向对该车道线的相邻车道线的车道线方向进行修正。[0094] 依然以图6为例，服务平台可以先对车道线a的车道线方向进行验证，由于车道线b的车道线方向与车道线a的车道线方向不一致，则服务平台可以通过属于车道Z的车道线的车道线方向进一步地对车道线a的车道线方向进行验证。可以看出，属于车道Z的大部分车道线的车道线方向与该车道线a的车道线方向不一致，因此，服务平台可以根据车道线b的车道线方向对该车道线a的车道线方向进行修正，从而得到正确的车道线a的车道线方向。[0095] 从上述方法中可以看出，本方法可以通过采集设备采集的道路点云数据，得到较为完整的包含有车道线的道路图像，得到道路图像后，可以根据采集设备采集时基于的行驶轨迹的方向，确定道路图像中车道线的方向。并且，本方法在确定出车道线的车道线方向后，还可以根据该车道线的相邻车道线的车道线方向对确定出的车道线方向进行验证并修正。因此，相比于现有技术中人工确定车道线方向的方式，本方法能够在保证确定出的车道线方向准确性的基础上，提高确定车道线方向的效率，并降低成本。[0096] 需要说明的是，服务平台还可以获取到多个采集设备经过车道线所属车道上的各条行驶轨迹，或是将位于车道线所属车道邻域范围内的行驶轨迹，并针对每个行驶轨迹，确定出与该车道线相匹配的部分行驶轨迹，作为该行驶轨迹中与该车道线相匹配的目标轨迹。服务平台确定出各目标轨迹后，可以确定出各目标轨迹与该车道线之间的距离。服务平台可以针对每个目标轨迹，根据该目标轨迹与该车道线之间的距离，确定该目标轨迹对该车道线的车道线方向的影响程度。其中，该目标轨迹与该车道线之间的距离越近，该目标轨迹对该车道线的车道线方向的影响程度越高。而后，服务平台可以根据各目标轨迹对该车道线的车道线方向的影响程度，以及各目标轨迹所对应的行驶方向，确定该车道线的车道线方向。[0097] 在本说明书中，服务平台确定出各车道线的车道线方向并将各车道线的车道线方向更新在电子地图中后，无人驾驶设备可以利用电子地图中的车道线方向为自身的行驶进行路径规划，以保证自身在道路中的行驶安全。[0098] 以上为本说明书的一个或多个实施例提供的确定车道线方向的方法，基于同样的思路，本说明书还提供了相应的确定车道线方向的装置，如图7所示。[0099] 图7为本说明书提供的一种确定车道线方向的装置示意图，具体包括：[0100] 获取模块701，用于获取采集设备采集的道路点云数据以及所述采集设备采集所述道路点云数据所基于的行驶轨迹；[0101] 车道线确定模块702，用于根据所述道路点云数据，生成道路图像，并确定所述道路图像中包含的各车道线；[0102] 轨迹确定模块703，用于针对确定出的每条车道线，确定所述行驶轨迹中与该车道线相匹配的部分行驶轨迹，作为目标轨迹；[0103] 方向确定模块704，用于根据所述采集设备位于所述目标轨迹上的行驶方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向，并将所述车道线方向更新在预设的电子地图中。[0104] 可选地，所述轨迹确定模块703具体用于，确定所述行驶轨迹中的各轨迹点；针对该车道线的每个图像坐标点，确定所述各轨迹点中与该图像坐标点距离最近的轨迹点，作为该图像坐标点对应的轨迹点；将该车道线的各图像坐标点对应的轨迹点所组成的行驶轨迹，作为目标轨迹。[0105] 可选地，所述方向确定模块704具体用于，将该车道线在所述道路图像中的图像坐标点按照预设排序方式进行排序，得到排序结果，并根据所述排序结果，确定该车道线的参考方向；根据所述采集设备位于所述目标轨迹上的行驶方向以及确定出的所述参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。[0106] 可选地，所述方向确定模块704具体用于，判断所述参考方向与所述行驶方向是否相匹配；若确定所述参考方向与所述行驶方向相匹配，将所述参考方向作为该车道线对应的车道线方向，否则，根据所述行驶方向，调整所述参考方向，并根据调整后的参考方向，确定该车道线所处道路的行车方向，作为该车道线对应的车道线方向。[0107] 可选地，所述车道线确定模块702具体用于，将所述道路图像输入到预先训练的车道线识别模型中，以确定出所述道路图像中包含的各车道线。[0108] 可选地，所述装置还包括：[0109] 训练模块705，用于获取各样本图像；针对每个样本图像，将该样本图像输入到所述车道线识别模型中，得到识别出的车道线；以识别出的车道线与在该样本图像中标注出的车道线之间的差异最小为优化目标，对所述车道线识别模型进行训练；[0110] 修正模块706，用于针对每条车道线，确定该车道线的相邻车道线的车道线方向，该车道线与所述相邻车道线属于同一车道的同侧车道线；判断所述相邻车道线的车道线方向与该车道线的车道线方向是否一致；若确定所述相邻车道线的车道线方向与该车道线的车道线方向不一致，根据所述相邻车道线的车道线方向，对该车道线的车道线方向进行修正。[0111] 本说明书还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1所示的确定车道线方向的方法。[0112] 本说明书还提供了图8所示的电子设备的示意结构图。如图8所述，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所述的确定车道线方向的方法。当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。[0113] 在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(ProgrammableLogicDevice,PLD)(例如现场可编程门阵列(FieldProgrammableGateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(HardwareDescriptionLanguage，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(AdvancedBooleanExpressionLanguage)、AHDL(AlteraHardwareDescriptionLanguage)、Confluence、CUPL(CornellUniversityProgrammingLanguage)、HDCal、JHDL(JavaHardwareDescriptionLanguage)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardwareDescriptionLanguage)等，目前最普遍使用的是VHDL(Very‑High‑SpeedIntegratedCircuitHardwareDescriptionLanguage)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。[0114] 控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC625D、AtmelAT91SAM、MicrochipPIC18F26K20以及SiliconeLabsC8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。[0115] 上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。[0116] 为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。[0117] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0118] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。[0119] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。[0120] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。[0121] 在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。[0122] 内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。[0123] 计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD‑ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。[0124] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。[0125] 本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。[0126] 本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。[0127] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。[0128] 以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

专利地区：北京

专利申请日期：2020-09-15

专利公开日期：2024-07-26

专利公告号：CN112163475B