一种车道线检测方法、终端及存储介质与流程

技术特征：
1.一种车道线检测方法，其特征在于，包括：获取车道线点云数据，并根据所述车道线点云数据，对车道线点云进行过滤，确定目标点云；对所述目标点云进行栅格化处理，获取所述目标点云的栅格图及线段集；根据所述栅格图中的单元格的属性及所述线段集对所述目标点云进行聚类，获取同一车道线的点云数据；对所述同一车道线的点云数据进行拟合，输出车道线。2.如权利要求1所述的车道线检测方法，其特征在于，获取车道线点云数据，包括：获取车载激光雷达采集的原始点云数据；根据所述原始点云数据，通过深度学习网络对原始点云进行分类，得到所述车道线点云数据。3.如权利要求1所述的车道线检测方法，其特征在于，根据所述车道线点云数据，对车道线点云进行过滤，包括以下至少一项：若所述车道线点云中的任一点与车辆的距离不满足第一预设范围，则将对应的点从所述车道线点云中去除；若所述车道线点云中的任一点的反射强度值不满足第二预设范围，则将对应的点从所述车道线点云中去除；若所述车道线点云中的任一点到地面的距离不满足第三预设范围，则将对应的点从所述车道线点云中去除。4.如权利要求1所述的车道线检测方法，其特征在于，获取所述目标点云的线段集，包括：根据所述目标点云在所述栅格图中的各单元格的分布情况，获取所述目标点云的二值化鸟瞰图；对所述目标点云的二值化鸟瞰图进行霍夫变换，获取所述目标点云的线段集。5.如权利要求1所述的车道线检测方法，其特征在于，所述单元格的属性包括：所述单元格内的点云数量；所述单元格的方向；所述单元格内的点云的聚类情况。6.如权利要求5所述的车道线检测方法，其特征在于，根据所述栅格图中的单元格的属性及所述线段集对所述目标点云进行聚类，包括：以所述线段集中的线段的起点作为滑窗的初始中心点，在所述栅格图上建立预设尺寸的滑窗；对所述滑窗中包括的单元格按照预设顺序逐个进行点云聚类分析：在所述滑窗中的当前单元格内的点云数量大于零，且当前单元格内的点云未聚类时，获取所述当前单元格的方向与所述滑窗的中心点所在的线段的方向之间的第一夹角；若所述第一夹角小于第一阈值，则将所述当前单元格内的点云与所述滑窗的中心点所在的线段上的点云聚为一类；若所述第一夹角大于或等于所述第一阈值，则继续对所述滑窗中的下个单元格进行所述点云聚类分析；
在所述滑窗中的所有单元格的点云聚类分析完成后，控制所述滑窗以预设步长移动到下个位置，然后在所述下个位置继续执行所述对所述滑窗中的单元格按照预设顺序逐个进行点云聚类分析的步骤，直到所述滑窗移动到所述栅格图的外部。7.如权利要求6所述的车道线检测方法，其特征在于，控制所述滑窗以预设步长移动到下个位置，包括：获取所述滑窗的当前中心点的位置；在所述滑窗的当前中心点位于所述滑窗的当前中心点所在的当前线段与下个线段的交叉区域时，获取所述下个线段的方向与所述当前线段的方向之间的第二夹角；若所述第二夹角小于第二阈值，则根据所述滑窗的当前中心点的位置、所述预设步长及所述下个线段的函数方程，计算所述滑窗的下个中心点的位置；若所述第二夹角大于或等于所述第二阈值，则根据所述滑窗的当前中心点的位置、所述预设步长及所述当前线段的函数方程，计算所述滑窗的下个中心点的位置。8.如权利要求1所述的车道线检测方法，其特征在于，所述对所述同一车道线的点云数据进行拟合，输出车道线的步骤，包括：采用最小二乘法对所述同一车道线的点云数据进行三次多项式的拟合，确定所述车道线的函数方程；根据所述车道线的函数方程，输出所述车道线。9.一种终端，其特征在于，所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述车道线检测方法的步骤。10.一种存储介质，所述存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述车道线检测方法的步骤。

技术总结
本申请涉及一种车道线检测方法、终端及存储介质，其中，车道线检测方法包括：获取车道线点云数据，并根据车道线点云数据，对车道线点云进行过滤，确定目标点云；对目标点云进行栅格化处理，获取目标点云的栅格图及线段集；根据栅格图中的单元格的属性及线段集对目标点云进行聚类，获取同一车道线的点云数据；对同一车道线的点云数据进行拟合，输出车道线。本申请通过深度学习网络对车载激光雷达采集的原始点云数据进行分类，获取车道线点云，并对车道线点云进一步过滤，确定目标点云，提高车道线点云的检测准确性；另外，采用滑窗的方式，根据目标点云栅格图中的单元格属性及线段集，对目标点云进行聚类，提高车道线检测的准确性及效率。及效率。及效率。


技术研发人员：王文爽 张灿 潘奇 赵天坤
受保护的技术使用者：合众新能源汽车有限公司
技术研发日：2022.08.11
技术公布日：2022/11/15