车道线建模方法、装置、电子设备及自动驾驶车辆与流程

1.本公开涉及计算机技术领域，尤其涉及智能交通和自动驾驶技术领域，具体涉及一种车道线建模方法、装置、电子设备及自动驾驶车辆。


背景技术：

2.在自动驾驶领域，车辆需要根据周围的车道线信息来控制车辆完成自适应巡航。为了确保下游控制规划的稳定性，车辆需要根据车道线观测信息对车道线进行建模。车道线观测的来源通常包括感知车道线和高精车道线两种，目前对于车道线的建模方法通常是将所有车道线的所有观测不加区分地放在一起进行建模，但是实际场景中感知观测或高精观测都可能会存在较大噪声。


技术实现要素：

3.本公开提供了一种车道线建模方法、装置、电子设备及自动驾驶车辆。
4.根据本公开的第一方面，提供了一种车道线建模方法，包括：
5.获取当前帧车道线观测中的目标车道线；
6.获取所述目标车道线的观测结果，基于所述观测结果确定所述目标车道线的目标建模方式，所述观测结果用于确定所述目标车道线是否存在高精车道线观测和/或感知车道线观测；
7.基于所述目标建模方式对所述目标车道线进行建模。
8.根据本公开的第二方面，提供了一种车道线建模装置，包括：
9.获取模块，用于获取当前帧车道线观测中的目标车道线；
10.确定模块，用于获取所述目标车道线的观测结果，基于所述观测结果确定所述目标车道线的目标建模方式，所述观测结果用于确定所述目标车道线是否存在高精车道线观测和/或感知车道线观测；
11.建模模块，用于基于所述目标建模方式对所述目标车道线进行建模。
12.根据本公开的第三方面，提供了一种电子设备，包括：
13.至少一个处理器；以及
14.与所述至少一个处理器通信连接的存储器；其中，
15.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。
16.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如第一方面所述的方法。
17.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如第一方面所述的方法。
18.根据本公开的第六方面，提供了一种自动驾驶车辆，被配置为执行如第一方面所述的方法。
19.本公开实施例中，在获取到目标车道线后，获取所述目标车道线的观测结果，所述观测结果包括是否存在高精车道线观测和/或感知车道线观测，基于所述观测结果确定目标建模方式，然后基于所述目标建模方式对所述目标车道线进行建模。这样，也就需要基于车道线的观测结果来确定对应的目标建模方式，使得对于车道线建模的方式更加灵活。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1是本公开实施例提供的一种车道线建模方法的流程示意图之一；
23.图2是本公开实施例提供的一种车道线建模方法的流程示意图之二；
24.图3是本公开实施例提供的一种车道线建模装置的结构示意图；
25.图4是用来实现本公开实施例的车道线建模方法的电子设备的框图。
具体实施方式
26.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
27.为更好地理解，以下对本公开实施例中可能的涉及的相关概念进行解释说明。
28.感知车道线建模：感知车道线测距范围较短，一般在车辆前方100m以内，并且高速路上车道线曲率一般较小，因此使用一条三次曲线即可对感知车道线观测完成拟合。
29.高精车道线建模：与感知车道线不同，高精车道线不受范围限制，一般由用户根据需要选择观测范围，比如车辆前方300m，在拟合时一般选择分段曲线拟合的方式，以降低拟合误差。
30.以下结合附图，通过具体的实施例对本公开实施例提供的车道线建模方法进行详细说明。
31.请参照图1，图1是本公开实施例提供的一种车道线建模方法的流程示意图之一，如图1所示，所述方法包括以下步骤：
32.步骤s101、获取当前帧车道线观测中的目标车道线。
33.需要说明地，本公开实施例提供的车道线建模方法可以是应用于电子设备，如计算机、手机、平板电脑、车载终端等。本公开所提供的车道线建模方法可以是应用于自动驾驶领域，例如所述方法的执行主体可以是自动驾驶车辆上的车载终端，车载终端通过车道线观测来对车道线进行建模，进而以更好地实现自动驾驶车辆的自适应巡航。为更好地理解，后续实施例中将以电子设备作为所述车道线建模方法的执行主体对本公开提供的技术方案进行解释说明。
34.该步骤中，电子设备获取当前帧车道线观测，例如可以是基于电子设备的摄像头来获取当前帧车道线观测，或者是基于电子设备的特定地图类应用程序中的高精地图来获取当前帧车道线观测等。可以理解地，所述当前帧车道线观测中可以是包括至少一条车道
线，目标车道线可以是所述至少一条车道线中的任意一条车道线。并且，需要说明地是，本公开中的对于目标车道线的建模方式可以是适用于当前帧车道线观测中任意一条车道线或者是所有车道线；例如，当前帧车道线观测中包括两条车道线，则其中一条车道线可以是基于后续的第一建模方式进行车道线建模，另一条车道线可以是基于第三建模方式进行建模。也即是说，本公开实施例中的针对目标车道线的建模方式并不限定于是对具体某条车道线进行建模。
35.步骤s102、获取所述目标车道线的观测结果，基于所述观测结果确定所述目标车道线的目标建模方式，所述观测结果用于确定所述目标车道线是否存在高精车道线观测和/或感知车道线观测。
36.可以理解地，电子设备在获取到所述目标车道线后，获取所述目标车道线的观测结果，也即确定目标车道线是否存在高精车道线观测和/或感知车道线观测。例如，基于所述观测结果确定目标车道线仅包括高精车道线观测或者仅包括感知车道线观测，或者还可以是同时包括高精车道线观测和感知车道线观测。
37.需要说明地，高精车道线观测可以是基于预设的高精地图来获取，感知车道线观测可以是电子设备基于摄像头拍摄车道线获得。本公开实施例中，电子设备在获取到目标车道线后，可以是判断预设的高精地图中是否包括对目标车道线的高精车道线观测，以及是否能够获取到摄像头拍摄得到的感知车道线观测，进而以确定目标车道线的观测结果。
38.进一步地，基于所述观测结果确定所述目标车道线的目标建模方式。例如，若所述观测结果确定为目标车道线仅包括感知车道线观测，则确定其目标建模方式为基于感知车道线观测来进行车道线建模；若所述观测结果确定为目标车道线包括高精车道线观测，则基于高精车道线观测来进行车道线建模；若所述观测结果确定为目标车道线包括感知车道线观测和高精车道线观测，则基于所述感知车道线观测和高精车道线观测融合建模。
39.步骤s103、基于所述目标建模方式对所述目标车道线进行建模。
40.示例性地，若所述观测结果为目标车道线仅包括感知车道线观测，则可以是基于感知车道线观测来对目标车道线进行建模。例如，可以是基于感知车道线观测数据，如多个观测点数据，基于观测点数据构建车道线模型的三次曲线y＝c3x3 c2x2 c1x c0，通过优化三次曲线的系数c＝[c0，c1，c2，c3]
t
，例如采用莱文贝格-马夸特(levenberg-marquardt)方法进行迭代直到收敛，进而以求解得到优化后的三次曲线，基于该优化后的三次曲线进行车道线建模。当然，所述目标车道线的建模方式还可以是其他的可能形式，后续实施例中会具体介绍，此处不做赘述。
[0041]
本公开实施例中，在获取到目标车道线后，获取所述目标车道线的观测结果，所述观测结果用于确定所述目标车道线是否存在高精车道线观测和/或感知车道线观测，基于所述观测结果确定目标建模方式，然后基于所述目标建模方式对所述目标车道线进行建模。这样，也就需要基于车道线的观测结果来确定对应的目标建模方式，使得对于车道线建模的方式更加灵活。
[0042]
可选地，所述步骤s102可以包括：
[0043]
判断所述目标车道线是否存在高精车道线观测；
[0044]
在所述目标车道线不存在高精车道线观测的情况下，判断所述目标车道线是否为单边车道的车道线；
[0045]
在所述目标车道线为单边车道的车道线的情况下，确定所述目标车道线的目标建模方式为第一建模方式，所述第一建模方式为基于感知车道线约束对所述目标车道线进行建模的方式。
[0046]
本公开实施例中，在获取到目标车道线后，判断所述目标车道线是否存在高精车道线观测，若否，则进一步判断所述目标车道线是否为单边车道的车道线。需要说明地，如果一条车道的左右两条车道线都有观测(高精车道线观测和/或感知车道线观测)，则该车道为双边车道，如果车道的左右两条车道线中仅有一侧的车道线有观测，则该车道为单边车道，那么该车道的车道线也即属于单边车道的车道线。若所述目标车道线为单边车道的车道线，则确定所述目标车道线对应的目标建模方式为第一建模方式。
[0047]
其中，所述第一建模方式为基于感知车道线约束对所述目标车道线进行建模的方式。可以理解地，基于上述判断也即能够确定目标车道线仅包括感知车道线观测，且该车道线为单边车道的车道线，无需考虑车道的影响，这种情况下，也就可以仅使用感知车道线观测对目标车道线模型进行优化建模。
[0048]
本公开实施例中，在目标车道线不存在高精车道线观测的情况下，进一步判断目标车道线是否为单边车道的车道线，若是，则确定目标车道线对应的目标建模方式为基于感知车道线约束的第一建模方式。进而，通过多级判断来确定目标车道线的建模方式，从而使得对于车道线建模方式的确定更加灵活多样。
[0049]
可选地，在这种情况下，所述步骤s103可以包括：
[0050]
获取所述目标车道线在感知车道线观测中的观测点至所述目标车道线的第一距离，基于所述第一距离获取第一约束；
[0051]
基于感知车道线观测获取所述目标车道线的方向一致性约束及曲率一致性约束；
[0052]
基于所述第一约束、所述方向一致性约束及所述曲率一致性约束构建感知车道线约束；
[0053]
基于所述感知车道线约束对所述目标车道线进行建模。
[0054]
具体地，在确定所述目标车道线的目标建模方式为第一建模方式后，获取所述目标车道线在感知车道线观测中观测点至所述目标车道线的第一距离。
[0055]
需要说明地，感知车道线观测的特点是距离车辆越远则观测精度越差，近处为厘米级、远处为米级，并且容易受到光照变化、外参精度、路边颠簸等的影响，导致单帧观测可信度较低。本公开实施例中，可以采用滑窗优化的策略，以提升感知车道线观测建模的精度。根据感知车道线观测在不同位置的特点，对于车辆后方车道线(也即车辆行驶过的区域)和近处区域车道线上的多个观测点，获取这些观测点至目标车道线的第一距离，也即会得到多个第一距离，基于这些第一距离构建第一约束。对于车辆前方远处区域车道线上的观测点，基于这些观测点构建目标车道线的方向一致性约束和曲率一致性约束，基于上述第一约束、方向一致性约束及曲率一致性约束构建感知车道线约束，进而通过所述感知车道线约束对所述目标车道线进行建模。
[0056]
可选地，所述感知车道线约束的公式如下：
[0057][0058]
其中，m为感知车道线观测上的观测点数量，ck为第k条车道线模型(也即目标车道
线对应的车道线模型)，为第i个观测点的第一约束，为第i个观测点的方向一致性约束，为第i个观测点的曲率一致性约束，ω1、ω2、ω3均为权重系数。
[0059]
进一步地，可以是对上述公式进行迭代优化，例如可以是采用莱文贝格-马夸特(levenberg-marquardt)方法进行迭代直至收敛，从而基于优化后的上述感知车道线约束对目标车道线进行建模。需要说明的是，基于约束方程式对车道线进行建模的具体实现原理可以是参照相关技术，本公开对此不做过多解释。
[0060]
本公开实施例中，在确定目标建模方式为第一建模方式的情况下，通过与距离相关的第一约束以及方向一致性约束及曲率一致性约束来构建感知车道线约束，这样也就综合考虑了感知车道线观测中观测点至车道线的距离、目标车道线的方向以及曲率，从而使得基于感知车道线约束的建模方式得到的车道线模型精度更高，更有助于车道线模型在车辆驾驶中提供更准确的车道线定位，以辅助车辆驾驶。
[0061]
可选地，所述判断所述目标车道线是否为单边车道的车道线之后，所述方法还包括：
[0062]
在所述目标车道线不为单边车道的车道线的情况下，确定所述目标车道线的目标建模方式为第二建模方式，所述第二建模方式为基于感知车道级约束对所述目标车道线进行建模的方式。
[0063]
本公开实施例中，在确定目标车道线不存在高精车道线观测的情况下，若目标车道线也不为单边车道的车道线，例如所述目标车道线所属的车道的左右两侧的车道线都有观测，则确定目标车道线的建模方式为基于感知车道级约束进行建模的第二建模方式。这样，也就能够对于单边车道的车道线和非单边车道的车道线分别采用不同的建模方式来进行建模，使得对于车道线的建模更为灵活多样。
[0064]
可选地，这种情况下，所述基于所述目标建模方式对所述目标车道线进行建模，包括：
[0065]
获取非单边车道的车道线对应的车道宽度线性变化约束；
[0066]
基于所述感知车道线约束及所述车道宽度线性变化约束构建感知车道级约束；
[0067]
基于所述感知车道级约束对所述目标车道线进行建模。
[0068]
需要说明地，车道线建模不仅要保证单根车道线的建模精度，还需要考虑车道线构成的车道宽度是否与实际的车道宽度吻合，基于车道宽度一般满足线性变化的特点，进而对于非单边车道的车道线的建模，可以将车道宽度变化模型加入到车道线建模的状态量中，进一步提升建模精度。
[0069]
本公开实施例中，对于非单边车道的车道线，当相邻两条车道线构成的车道宽度具备线性变化特点时，可以构造车道宽度线性变化约束，由于相邻车道线存在共用的车道线，因此需要把这些共用车道线的车道一起进行优化。可选地，获取非单边车道的车道线对应的车道宽度线性变化约束，基于所述车道宽度线性变化约束以及上述感知车道线约束构建感知车道级约束，然后通过感知车道级约束对目标车道线进行建模。
[0070]
可选地，所述感知车道级约束对应的公式如下：
[0071]
[0072]
其中，n为车道线数量，q为车道数量，m为感知车道线观测上的观测点数量，p为车道宽度观测采样点数，ck为第k条车道线模型，w
l
为第l条车道宽度变化模型，为第i个观测点的车道宽度线性变化约束，为第i个观测点的第一约束，为第i个观测点的方向一致性约束，为第i个观测点的曲率一致性约束，ω1、ω2、ω3、ω4均为权重系数。
[0073]
进一步地，可以是对上述公式进行迭代优化，例如可以是采用levenberg-marquardt方法进行迭代优化，如果优化在设定的迭代次数中收敛，接着判断车道宽度变化模型是否符合线性假设，如果是，则建模成功(上述优化结果也即建模结果)；如果不符合线性假设，则将该目标车道线基于第一建模方式进行建模。
[0074]
本公开实施例中，对于非单边车道的车道线的目标车道线，其建模方式中不仅考虑了车道线因素(也即感知车道线约束)，还考虑了车道因素(也即车道宽度线性变化约束)，从而有效提升了建模精度。
[0075]
可选地，所述判断所述目标车道线是否存在高精车道线观测之后，所述方法还包括：
[0076]
在所述目标车道线存在高精车道线观测的情况下，判断所述目标车道线是否存在感知车道线观测；
[0077]
在所述目标车道线存在感知车道线观测的情况下，确定所述目标车道线的目标建模方式为第三建模方式，所述第三建模方式为基于高精车道级约束对所述目标车道线进行建模的方式。
[0078]
本公开实施例中，若目标车道线存在高精车道线观测，且也存在感知车道线观测的情况下，则确定目标车道线的目标建模方式为基于高精车道级约束的第三建模方式。这样，也就能够同时融合高精车道线观测和感知车道线观测来对车道线进行建模，以使得对于车道线的建模方式更为灵活。
[0079]
可选地，在这种情况下，所述基于所述目标建模方式对所述目标车道线进行建模，包括：
[0080]
基于所述目标车道线的高精车道线观测及感知车道线观测获取高精观测坐标系与感知观测坐标系之间的相对变换；
[0081]
基于所述相对变换获取所述目标车道线的高精车道线观测中观测点至所述目标车道线的第二距离，基于所述第二距离构建第二约束；
[0082]
基于所述第二约束及所述感知车道线约束构建高精车道级约束；
[0083]
基于所述高精车道级约束对所述目标车道线进行建模。
[0084]
需要说明地，相比于感知车道线观测，高精观测几何属性不受影响，在约束的构造上不用像感知车道线观测那样复杂，仅需使用一根高精车道线即可。考虑到高精车道线观测是通过全局定位取出来的，当全局定位存在误差时，会导致取出来的高精车道线观测所在的坐标系与实际车体坐标系(以车辆后轮连线的中点作为原点)不重合，且这一坐标系的差异还是一个时变量，因此本公开实施例中将高精观测坐标系与感知观测坐标系的相对变换加入到车道线建模的状态量中，进而以提高建模精度。
[0085]
具体地，若目标车道线存在高精车道线观测，则获取高精观测坐标系与感知观测坐标系之间的相对变换，其中所述感知观测坐标系与车体坐标系重合；基于所述相对变换获取目标车道线的高精车道线观测中多个观测点至目标车道线的第二距离，也即会获得每
个观测点对应的第二距离，并基于这些第二距离构建第二约束，然后基于所述第二约束和上述感知车道线约束构建高精车道级约束，然后基于所述高精车道级约束对所述目标车道线进行建模。
[0086]
可选地，所述高精车道级约束对应的公式如下：
[0087][0088]
其中，r为高精车道线观测上的观测点的数量，n为车道线数量，m为感知车道线观测上的观测点的数量，ck为第k条车道线模型，t
bh
为所述高精观测坐标系与感知观测坐标系之间的相对变换，为第i个观测点的第二约束，为第i个观测点的第一约束，为第i个观测点的方向一致性约束，为第i个观测点的曲率一致性约束，ω1、ω2、ω3、ω5均为权重系数。
[0089]
进一步地，可以是对上述公式进行迭代优化，例如可以是采用levenberg-marquardt方法进行迭代优化，如果优化在设定的迭代次数中收敛，接着判断计算出来的相对变换t
bh
是否在预设的信任区间内，如果是，继续判断优化出来的曲线与原始的高精观测曲线的曲率匹配度，若匹配度满足预设阈值，则建模成功(上述优化出来的曲线也即建模结果)；如果优化失败，则将该目标车道线基于上述第一建模方式或上述第二建模方式进行建模。
[0090]
可选地，所述在所述目标车道线存在高精车道线观测的情况下，判断所述目标车道线是否存在感知车道线观测之后，所述方法还包括：
[0091]
在所述目标车道线不存在感知车道线观测的情况下，确定所述目标车道线的目标建模方式为第四建模方式，所述第四建模方式为基于转换至感知观测坐标系下的坐标对所述目标车道线进行建模的方式；
[0092]
所述基于所述目标建模方式对所述目标车道线进行建模，包括：
[0093]
基于所述第三建模方式获取高精观测坐标系与感知观测坐标系之间的相对变换；
[0094]
基于所述相对变换将所述目标车道线对应的高精观测坐标转换至感知观测坐标系下的坐标；
[0095]
基于所述转换至感知观测坐标系下的坐标对所述目标车道线进行建模。
[0096]
本公开实施例中，若所述目标车道线存在高精车道线观测但不存在感知车道线观测，则确定所述目标车道线的目标建模方式为基于转换至感知观测坐标系下的坐标进行建模的第四建模方式。
[0097]
需要说明地，高精地图中存储的车道线为静态数据，不管何时从高精地图中取出的高精车道线的几何属性是固定不变的，因此高精车道线在建模时虽然无需进行优化，但是车道线的位置会受到高精定位的影响，因此需要根据高精观测坐标系与感知观测坐标系之间的相对变换，对高精车道线进行转化，得到其在感知坐标系下的表达，基于转化后的感知观测坐标系下的坐标来进行车道线建模。
[0098]
本公开实施例中，获取高精观测坐标系与感知观测坐标系之间的相对变换，基于该相对变换也就能够将目标车道线对应的高精观测坐标转换到感知观测坐标系下的感知观测坐标，然后基于转换到感知观测坐标系下的感知观测坐标来对目标车道线进行建模，
以保障车道线模型的精度。
[0099]
请参照图2，图2是本公开实施例提供的一种车道线建模方法的流程示意图之二，如图2所示，所述方法包括以下步骤：
[0100]
步骤s201、对当前帧车道线中的目标车道线进行观测；
[0101]
步骤s202、将目标车道线与历史车道线关联；
[0102]
步骤s203、判断目标车道线是否有高精观测；
[0103]
步骤s204、若否，判断目标车道线是否为单边车道；
[0104]
步骤s211、若是，对目标车道线进行感知车道线级优化；
[0105]
该步骤中，也即上述实施例中的构建感知车道线约束。
[0106]
步骤s212、判断是否优化成功；
[0107]
该步骤中，也即判断构建的感知车道线约束方程是否在预设次数内迭代收敛，若是，则认为优化成功。
[0108]
步骤s213、若优化成功，基于感知车道线约束对目标车道线进行建模；
[0109]
步骤s221、若目标车道线不为单边车道的车道线，将有公共车道线的车道构成一组；
[0110]
步骤s222、感知车道级分组优化；
[0111]
如步骤s221中所述，若目标车道线不为单边车道的车道线，则将有公共车道线的车道构成一组，所述分组优化也即对构成一组的车道对应的车道线进行优化，这种情况下，需考虑车道宽度线性变化约束，则基于车道宽度线性变化约束和感知车道线约束来构建感知车道级约束，具体可参照上述实施例中感知车道级约束的构建过程，此处不再赘述。
[0112]
步骤s223、判断是否优化成功；
[0113]
该步骤中，也即判断构建的感知车道级约束方程是否在预设次数内迭代收敛，若是，则认为优化成功；若否，则进入步骤s211，也即进入感知车道线级优化。
[0114]
步骤s224、若优化成功，基于感知车道级约束对目标车道线进行建模；
[0115]
步骤s231、若目标车道线有高精观测，判断是否同时有感知观测；
[0116]
步骤s232、若同时有感知观测，将高精观测与感知观测联立优化；
[0117]
该步骤中，也即上述实施例中的构建高精车道级约束。
[0118]
步骤s233、判断是否优化成功；
[0119]
该步骤中，也即判断构建的高精车道级约束方程是否在预设次数内迭代收敛，若是，则认为优化成功；若否，则进入步骤s204，也即进入感知车道级建模方式或者是感知车道线级建模方式。
[0120]
步骤s234、若优化成功，基于高精车道级约束对目标车道线进行建模；
[0121]
步骤s241、若目标车道线有高精观测，但同时无感知观测，则获取高精观测坐标与感知观测坐标的相对变换；
[0122]
步骤s242、转换至感知观测坐标系下的坐标；
[0123]
该步骤中，也即将目标车道线对应的高精观测坐标转换至感知观测坐标系下的坐标。
[0124]
步骤s243、基于转换至感知观测坐标系下的坐标对目标车道线进行建模。
[0125]
需要说明地，本公开实施例中所涉及的相关概念及具体实现流程可以是参照上述
图1所述实施例中的具体描述，本公开实施例同样能够达到上述实施例中的有益效果，为避免重复，此处不再赘述。
[0126]
本公开实施例提供的车道线建模方法为一种基于以感知为主的三级优化建模方案，第一级是感知车道线与高精车道线融合优化(也即步骤s231至步骤s234)，虽然高精观测可以提高车道线建模范围和精度，但是高精观测会存在与实际不符的情形，导致融合失败，此时需要剔除高精观测，进入纯感知车道线建模环节(也即步骤s233至步骤s204以及之后的步骤)。第二级是感知车道级优化(也即步骤s221至步骤s224)，由于该级优化需要车道宽度线性变化的前置条件，如果优化结果与前置条件不符，则认为求解失败(也即步骤s223至步骤s211以及之后的步骤)。第三级是感知车道线级优化(也即步骤s211至步骤s213)，由于这一级优化将优化量和观测量压缩到最少，所以不存在失败的情况，因此将其作为车道线建模的最后一道保障。车道线建模精度虽然按照级别执行先后顺序依次递减，但是成功率却依次上升，所以车道线在某一级优化中建模成功，则无需参与下一级的优化。
[0127]
其中，车道线建模分为下列四种类型：
[0128]
(1)感知车道线级建模(也即上述图1实施例中的第一建模方式)，仅使用感知观测对单根车道线模型进行优化；
[0129]
(2)感知车道级建模(也即上述图1实施例中的第二建模方式)，仅使用感知观测对多条车道线模型联立优化；
[0130]
(3)高精车道线级建模(也即上述图1实施例中的第四建模方式)，用于处理仅有高精观测的车道线建模；
[0131]
(4)高精车道级建模(也即上述图1实施例中的第三建模方式)，用于对同时有高精观测和感知观测的车道线融合建模。
[0132]
需要说明地，以上各建模方式的实现流程可具体参照图1所述实施例中的具体描述，为避免重复，此处不再赘述。
[0133]
本公开实施例提供的车道线建模方法，针对不同类型的车道线观测做了差异化处理，充分利用了高精车道线观测的优势，极大提升了车道线建模的长度和精度，并提供了一套高精观测异常的识别策略，及时剔除高精观测对融合的影响。针对纯感知车道线建模，充分利用了道路的先验特征，提升了只有感知观测时的建模精度。此外，本方案采取以感知观测为主的原则，保障了车道线建模的鲁棒性，能够为车道线建模后端优化提供重要支持，保障车辆控制规划的稳定性。
[0134]
请参照图3，图3是本公开实施例提供的一种车道线建模装置的结构示意图，如图3所示，车道线建模装置300包括：
[0135]
获取模块301，用于获取当前帧车道线观测中的目标车道线；
[0136]
确定模块302，用于获取所述目标车道线的观测结果，基于所述观测结果确定所述目标车道线的目标建模方式，所述观测结果用于确定所述目标车道线是否存在高精车道线观测和/或感知车道线观测；
[0137]
建模模块303，用于基于所述目标建模方式对所述目标车道线进行建模。
[0138]
可选地，所述确定模块302还用于：
[0139]
判断所述目标车道线是否存在高精车道线观测；
[0140]
在所述目标车道线不存在高精车道线观测的情况下，判断所述目标车道线是否为
单边车道的车道线；
[0141]
在所述目标车道线为单边车道的车道线的情况下，确定所述目标车道线的目标建模方式为第一建模方式，所述第一建模方式为基于感知车道线约束对所述目标车道线进行建模的方式。
[0142]
可选地，所述建模模块303还用于：
[0143]
获取所述目标车道线在感知车道线观测中的观测点至所述目标车道线的第一距离，基于所述第一距离获取第一约束；
[0144]
基于感知车道线观测获取所述目标车道线的方向一致性约束及曲率一致性约束；
[0145]
基于所述第一约束、所述方向一致性约束及所述曲率一致性约束构建感知车道线约束；
[0146]
基于所述感知车道线约束对所述目标车道线进行建模。
[0147]
可选地，所述确定模块302还用于：
[0148]
在所述目标车道线不为单边车道的车道线的情况下，确定所述目标车道线的目标建模方式为第二建模方式，所述第二建模方式为基于感知车道级约束对所述目标车道线进行建模的方式。
[0149]
可选地，所述建模模块303还用于：
[0150]
获取非单边车道的车道线对应的车道宽度线性变化约束；
[0151]
基于所述感知车道线约束及所述车道宽度线性变化约束构建感知车道级约束；
[0152]
基于所述感知车道级约束对所述目标车道线进行建模。
[0153]
可选地，所述确定模块302还用于：
[0154]
在所述目标车道线存在高精车道线观测的情况下，判断所述目标车道线是否存在感知车道线观测；
[0155]
在所述目标车道线存在感知车道线观测的情况下，确定所述目标车道线的目标建模方式为第三建模方式，所述第三建模方式为基于高精车道级约束对所述目标车道线进行建模的方式。
[0156]
可选地，所述建模模块303还用于：
[0157]
基于所述目标车道线的高精车道线观测及感知车道线观测获取高精观测坐标系与感知观测坐标系之间的相对变换；
[0158]
基于所述相对变换获取所述目标车道线的高精车道线观测中观测点至所述目标车道线的第二距离，基于所述第二距离构建第二约束；
[0159]
基于所述第二约束及所述感知车道线约束构建高精车道级约束；
[0160]
基于所述高精车道级约束对所述目标车道线进行建模。
[0161]
可选地，所述确定模块302还用于：
[0162]
在所述目标车道线不存在感知车道线观测的情况下，确定所述目标车道线的目标建模方式为第四建模方式，所述第四建模方式为基于转换到感知观测坐标系下的坐标对所述目标车道线进行建模的方式；
[0163]
所述建模模块303还用于：
[0164]
基于所述第三建模方式获取高精观测坐标系与感知观测坐标系之间的所述相对变换；
[0165]
基于所述相对变换将所述目标车道线对应的高精观测坐标转换至感知观测坐标系下的坐标；
[0166]
基于所述转换至感知观测坐标系下的坐标对所述目标车道线进行建模。
[0167]
本公开实施例中，所述装置能够基于车道线的观测结果来确定对应的目标建模方式，使得对于车道线建模的方式更加灵活。
[0168]
需要说明的是，本公开实施例中所提供的所述装置能够实现上述图1所述方法实施例中的全部过程，并能达到相同的技术效果，为避免重复，此处不再赘述。
[0169]
本公开实施例还提供了一种自动驾驶车辆，被配置为执行实现上述图1所述方法实施例中的全部过程，并能达到相同的技术效果，为避免重复，此处不再赘述。
[0170]
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
[0171]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
[0172]
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0173]
如图4所示，电子设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储电子设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0174]
电子设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0175]
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如车道线建模方法。例如，在一些实施例中，车道线建模方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的车道线建模方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车道线建模方法。
[0176]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电
路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0177]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0178]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0179]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0180]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0181]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0182]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只
要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0183]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。