一种车道级引导线提取方法及提取系统与流程

1.本发明涉及高精度地图制作领域，更具体地，涉及一种车道级引导线提取方法及提取系统。


背景技术：

2.目前众包高精度地图在自动驾驶领域的一个非常重要的运用便是为智驾车辆提供代表驾驶行为的车道引导线，辅助智驾车辆完成变道等场景下的自动驾驶。在众包模式下，采集车在感知道路面上印刷线和poi的过程中，同时会产生大量的轨迹，这些轨迹本身就是一个个驾驶行为的体现，而车道引导线就是从这些众包轨迹中提炼抽象出一个“老司机”的驾驶行为。
3.目前业界比较普遍的方式是直接以车道面的中心线作为车道引导线。但是在车道增减变化的场景下，中心线方式不能很好的表达车辆的变道行为，另外对于道路面最左或最右的外侧车道，附近存在绿化带或护栏时，车辆通常也不是行驶在车道的中央，而是会稍微偏向道路内侧方向行驶，与外侧边界留出一定的距离，比如大型卡车会担心绿化带中的树枝等对车辆造成损伤。在上述场景下，直接以车道中心线作为车道引导线明显是不合适的。


技术实现要素：

4.本发明针对现有技术中存在的技术问题，提供一种车道级引导线提取方法及提取系统，能够安全可靠地提取车道引导线。
5.根据本发明的第一方面，提供了一种车道级引导线提取方法，包括：获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理；根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹；对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线；对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。
6.在上述技术方案的基础上，本发明还可以作出如下改进。
7.可选的，所述对部分明显偏离道路面的轨迹进行过滤处理，包括：结合轨迹的线性特征和道路的行驶方向特性，通过frechet distance计算轨迹间的相似度，并通过mean shift聚类算法对轨迹进行聚类处理，过滤部分明显偏离道路面的孤立轨迹；以及，通过约束delaunay三角网，对外侧明显离群的轨迹进行剔除。
8.可选的，所述根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹，包括：通过轨迹宽度结合贝叶斯算法训练出车道数，根据车道边线数量或车道数变化状况，判断出车道数增减的变道区域；基于变道区域，将过滤后的轨迹进行初次打断；对于初次打断的轨迹中的较长轨迹，按照预设距离阈值进行再次打断，获取打断后的多个分段轨迹。
9.可选的，所述对多个分段轨迹进行聚类分组，获取分属于每一个车道内的轨迹，包括：根据车道边线或车道数，对多个分段轨迹进行聚类分组，将分段轨迹按照车道区分开来，获取分属于每一个车道内的分段轨迹；或者，根据轨迹自身体现的驾驶行为特性，对多个分段轨迹进行聚类分组。
10.可选的，所述对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线，包括：利用最小二乘法对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线。
11.可选的，所述对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线，包括：沿着道路行驶方向，对同一条车道内的每相邻两段车道分段引导线进行连通融合处理，得到每一条车道内的车道引导线。
12.可选的，所述对过滤后的轨迹进行分段，得到多个分段轨迹，包括：对于任一个分段轨迹，将所述任一个分段轨迹分别向前后延伸截取预设长度，形成每相邻两个分段轨迹之间的重叠长度区域。
13.可选的，所述沿着道路行驶方向，对同一条车道内的每相邻两段车道分段引导线进行连通融合处理，得到每一条车道内的车道引导线，包括：如果每相邻两段车道分段引导线的连通融合为直行连通，则将每相邻两段车道分段引导线直接拼接；如果每相邻两段车道分段引导线的连通融合为变道连通，基于每相邻两个分段轨迹之间的重叠长度区域，提取合适的变道位置点，基于所述变道位置点对相邻两段车道分段引导线进行融合。
14.根据本发明的第二方面，提供一种车道级引导线提取系统，包括：过滤模块，用于获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理；分段模块，用于根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹；聚类分组模块，用于对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；提取模块，用于对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线；融合模块，用于对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。
15.根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现车道级引导线提取方法的步骤。
16.根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现车道级引导线提取方法的步骤。
17.本发明提供的一种车道级引导线提取方法及提取系统，获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理；根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹；对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线；对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。本发明方案以众包轨迹为基础，历史轨迹表明了采集车如何安全的驶过车道，据此提取出来的车道引导线相较于车道中心线更加安全可靠。
附图说明
18.图1为本发明提供的一种车道级引导线提取方法流程图；
19.图2为本发明提供的一种车道级引导线提取方法的整体流程图；
20.图3为本发明提供的一种车道级引导线提取系统结构示意图；
21.图4为本发明提供的一种可能的电子设备的硬件结构示意图；
22.图5为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
23.下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
24.实施例一
25.一种车道级引导线提取方法，参见图1，该提取方法包括：
26.s1，获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理。
27.具体的，考虑到车道引导线是根据众包采集车的轨迹提取而来，为了避免一些偶然性的驾驶行为对车道引导线提取造成干扰，需要先对部分明显偏离道路面的轨迹进行过滤处理。办呢发明实施例结合轨迹的线性特征和道路的行驶方向特性，通过frechet distance计算轨迹间的相似度，并通过mean shift聚类算法实现对轨迹的聚类处理，过滤部分明显偏离道路面的孤立轨迹。此外，也可以通过约束delaunay三角网，对轨迹外侧明显离群的轨迹进行剔除。
28.比如，对于众包采集车采集的轨迹，计算轨迹间的相似性，以及对所有的轨迹进行聚类，对于那些孤立的轨迹进行过滤，剔除这些孤立的轨迹，滤除这些孤立轨迹点对车道引导线提取的干扰。
29.s2，根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹。
30.作为实施例，根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹，包括：通过轨迹宽度结合贝叶斯算法训练出车道数，根据车道边线数量或车道数变化状况，判断出车道数增减的变道区域；基于变道区域，将过滤后的轨迹进行初次打断；对于初次打断的轨迹中的较长轨迹，按照预设距离阈值进行再次打断，获取打断后的多个分段轨迹。
31.具体的，轨迹通常都是一段较长的连续时空数据，在一段路程中，可能会出现多种驾驶行为，比如直行车道间的加塞变道、道路增减的变道等。在这种情况下，很难去约束控制轨迹中间部分的变道行为。参考道路面上车道边线数量的变化(不需要很精确)，如果车道边线因缺失等原因不可用，可以通过轨迹宽度结合贝叶斯算法训练出车道数。
32.其中，通过轨迹宽度结合贝叶斯算法训练出车道数的大概原理为，在没有车道边线的情况下，以不同车道数的道路面上对应的轨迹覆盖宽度为特征，来判断当前道路段是几车道，比如单车道的轨迹集中在车道中间，大概0-2m；两车道的轨迹各自集中在两个车道的中间位置，整体从路左侧往右侧看，轨迹的宽度包含两个车道中心区域，大概3-5m，三车道，四车道也是类似。具体实施过程中，需要根据大量的数据去训练模型得到多宽的轨迹最大概率是几车道。
33.根据车道边线数量或车道数变化，大致可以判断出道路增减的变道区域，将轨迹
在这个区域中间位置初次打断；在轨迹初次打断的基础上，对于较长的轨迹，再按照一定的距离阈值l进行再次打断，距离阈值l可以取一次变道所需要的长度，可以根据城区和高速场景自适应，也可以取固定值，这样就可以很好地控制直行车道间的加塞变道轨迹，就可以得到打断后的很多段分段轨迹。
34.作为实施例，所述对过滤后的轨迹进行分段，得到多个分段轨迹，包括：对于任一个分段轨迹，将所述任一个分段轨迹分别向前后延伸截取预设长度，形成每相邻两个分段轨迹之间的重叠长度区域。
35.其中，在轨迹分段时，将分段轨迹分别向前后延伸截取一定距离k，该距离k为相邻两个分段轨迹的重叠长度区域，这段重叠区域就是融合直行车道或提取变道位置点的关键。
36.s3，对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；s4，对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线。
37.作为实施例，所述对多个分段轨迹进行聚类分组，获取分属于每一个车道内的轨迹，包括：根据车道边线或车道数，对多个分段轨迹进行聚类分组，将分段轨迹按照车道区分开来，获取分属于每一个车道内的分段轨迹；或者，根据轨迹自身体现的驾驶行为特性，对多个分段轨迹进行聚类分组。
38.具体的，对分段的轨迹分别进行聚合处理，可以直接根据车道边线或训练的车道数，对分段轨迹进行聚类分组，将轨迹按照车道区分开来，将分属于同一条车道内的轨迹分为一组。然后对分属每个车道内的轨迹进行拟合，或者再按需进行精细化的分组，提取出一条或多条车道引导线。本发明实施例中，默认一条车道内仅提取一条车道引导线，对分组内轨迹通过最小二乘法进行拟合处理。当然，分段轨迹也可以不依赖车道进行分组，而是直接根据轨迹自身体现的驾驶行为特性进行分组，比如从a点变道到b点，可以先变道再直行或先直行再变道，这就是两种驾驶行为，可以提取出两条车道引导线，各自体现了自身的驾驶行为。后续如果引入更多的驾驶行为特性，则可以提取出各种个性化的车道引导线。
39.s5，对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。
40.作为实施例，所述对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线，包括：沿着道路行驶方向，对同一条车道内的每相邻两段车道分段引导线进行连通融合处理，得到每一条车道内的车道引导线。
41.作为实施例，所述沿着道路行驶方向，对同一条车道内的每相邻两段车道分段引导线进行连通融合处理，得到每一条车道内的车道引导线，包括：如果每相邻两段车道分段引导线的连通融合为直行连通，则将每相邻两段车道分段引导线直接拼接；如果每相邻两段车道分段引导线的连通融合为变道连通，基于每相邻两个分段轨迹之间的重叠长度区域，提取合适的变道位置点，基于所述变道位置点对相邻两段车道分段引导线进行融合。
42.具体的，分段聚合的车道引导线是分段不连续的，本发明实施例中，沿着道路行驶方向，取前后相邻的两组分段车道引导线进行融合处理。首先对前后分段的车道引导线进行车道的接续性分类，也就是判断前一段的某条车道引导线与后一段的哪几条车道引导线是接续的，这就要依靠上述实施例轨迹分段时前后延伸的重叠距离k。一般情况下的基础车道连通关系包含直行连通1:1、分歧变道连通1:2或1:3、汇流变道连通2:1或3:1和孤立连通
1:0或0:1等，其他复杂的连通关系如2:3均可以再拆分为上述几类基础连通的组合。
43.在将相邻两段车道分段引导线进行连通融合时，如果是直行连通，则可以直接进行融合处理，如最小二乘拟合或分段拼接等。如果是变道连通，则需要提取出合适的变道位置点，这个需要参考高精度地图对变道的角度偏移的阈值约束，比如5
°
的偏移角度约束意味着沿着道路行驶方向长度为n的距离，横向偏移距离不超过n*tan(5
°
)，根据该阈值对重叠距离k内的多条车道引导线分歧或汇流的位置点分别向前或向后一定距离取点作为车道的变道点，并以该变道点融合并分别截取变道点前后的车道引导线，这样就可以得到每一条车道内的车道引导线。
44.实施例二
45.参见图2，示出了一种车道级引导线提取方法的整体流程图，首先对众包轨迹进行预处理，剔除明显偏离道路面的轨迹；然后将轨迹沿着道路行驶方向按照一定的间距l(60-100m，差不多是完成一次变道的长度)打断分组，避免轨迹过长的情况下，无法约束轨迹中间部分的变道行为，同时将分段轨迹分别向前后延伸一定距离k(30m左右)；基于分段的轨迹分别聚合车道引导线，此时分段前后的引导线会存在一个长度k的重叠区域，直行的车道引导线基本重合，可以直接融合处理，存在变道的车道引导线则会呈现明显的一变多或多变一的特征，该变化特征点也就是车道的变道点，再根据变道点融合并分别截取变道点前后的车道引导线。
46.实施例三
47.一种车道级引导线提取系统结构图，如图3所示，车道级引导线提取系统，包括获取模块过滤模块301、分段模块302、聚类分组模块303、提取模块304和融合模块305，其中：
48.过滤模块301，用于获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理；分段模块302，用于根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹；聚类分组模块303，用于对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；提取模块304，用于对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线；融合模块305，用于对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。
49.可以理解的是，本发明提供的一种车道级引导线提取系统与前述各实施例提供的车道级引导线提取方法相对应，车道级引导线提取系统的相关技术特征可参考车道级引导线提取方法的相关技术特征，在此不再赘述。
50.实施例四
51.请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现以下步骤：获取众包采集车采集的众包轨迹，对部分明显偏离道路面的轨迹进行过滤处理；根据车道边线数量或车道变化状况，对过滤后的轨迹进行分段，得到多个分段轨迹；对多个分段轨迹进行聚类分组，获取分属每一个车道内的轨迹；对分属于同一个车道内的分段轨迹进行拟合，提取出每一个车道内的车道分段引导线；对同一个车道内的多个车道分段引导线进行接续性融合处理，获取每一个车道内的车道引导线。
52.作为实施例，所述电子设备400中存储器410上存储的计算机程序411在被执行时
可以实现实施例一或实施例二中的方法。
53.实施例五
54.请参阅图5，图5为本发明提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序511，该计算机程序511被处理器执行时实现如下步骤：
55.作为实施例，所述计算机可读存储介质500上存储的计算机程序511在被执行时也可以实现实施例二中的方法。
56.本发明实施例提供的一种车道级引导线提取方法及提取系统，与现有技术相比，具有如下有益效果：
57.1、该方案以众包轨迹为基础，历史轨迹表明了采集车如何安全的驶过车道，据此提取出来的车道引导线相较于车道中心线更加安全可靠。
58.2、该方案中，轨迹变道特征点是众多轨迹变道行为的体现，表现了多数驾车者较为舒适的变道位置点，使得提取的车道引导线会更加舒适，符合很多驾车者的驾驶习惯。
59.3、该方案中，车道引导线易于个性化扩展，比如变道特征点，可以划分为保守变道点和激进变道点，前者是提前变好车道，然后保持直行，后者则是先直行，然后再变道；又比如在较宽的车道内，可以按需提取多条个性化车道引导线。
60.需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
61.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。
62.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。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、嵌入式计算机或者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。
63.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。
64.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。
65.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选
实施例以及落入本发明范围的所有变更和修改。
66.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。