车道线存在判断方法、系统和存储介质与流程

1.本发明涉及汽车领域，特别是涉及一种用于智能驾驶或先进驾驶辅助的车道线存在判断方法和系统。


背景技术：

2.在智能驾驶或先进驾驶辅助系统中，智能车辆需要对所处的道路环境进行识别，其中一个重要任务即判断自车相邻车道是否存在。现有车道信息识别方法分为两大类，第一类是基于车载传感器对道路范围内的车道线、道路边沿等进行识别进而处理得到车道信息，第二类是基于预先采集的高精度地图数据根据自车的实时定位位置与地图匹配得到车道信息。由于目前高精度地图覆盖范围较少，第一类基于车载传感器的方法更为常用。基于车载传感器的车道信息获取方法通常直接使用传感器感知结果判断自车相邻车道存在性，例如通过是否识别到车道左右侧边线以及车道宽度是否合理来判断车道是否存在，此类方法未考虑传感器感知结果的不确定性，在传感器识别误差较大时易产生错误判断。在此基础上，有方法采用车道线识别的置信度描述传感器感知的不确定性，但此类方法仍然需要采用确定的置信度阈值判断传感器感知结果是否有效，判断过程仍是确定性的。本发明提出了一种基于朴素贝叶斯算法的车道存在性判断方法，通过概率描述替代确定性判断，能够很好的应对传感器感知的不确定性。


技术实现要素：

3.在发明内容部分中引入了一系列简化形式的概念,该简化形式的概念均为本领域现有技术简化，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
4.本发明要解决的技术问题是提供一种能避免环境感知不确定性对车道线存在准确性产生影响的车道线存在判断方法。以及一种用于存储程序的计算机可读存储介质，所述程序被执行时实现所述车道线存在判断方法中的步骤。
5.本发明还提供了一种能避免环境感知不确定性对车道线存在准确性产生影响的车道线存在判断系统。
6.为解决上述技术问题，本发明提供的车道线存在判断方法，其基于环境感知数据，包括以下步骤：
7.s1，获取环境感知数据；
8.s2，在具有车道边界线类型特征和车道存在或不存在标签的数据中通过机器学习算法得到不同分类下的特征概率分布和
9.是观测特征fl条件下待判断车道存在概率，是观测特征f
l
条件下内侧车道存在概率
10.s3，将感知车道线与现有车道边界进行匹配；
11.s4，根据是否存在外侧车道条件下边界类型特征概率分布判断逐条判断车道边界类型；
12.s5，根据车道线和车道线类型计算得到各车道存在的概率，若概率大于指定阈值则判断车道线存在。
13.其中，所述的车道线存在判断方法，所述机器学习算法是朴素贝叶斯算法。
14.可选择的，所述的车道线存在判断方法，实施步骤s3，采用以下方式；
15.根据车道宽度设置的车道边界，根据感知车道线距离车道边界的距离选择最近的车道边界作为匹配。
16.可选择的，所述的车道线存在判断方法，车道边界类型分为可穿越车道线、不可穿越线、道路边沿和未知类型。
17.其中，车道存在的概率采用以下公式计算；
[0018][0019]fl
＝{b
inner
，b
outer
}|
[0020][0021][0022][0023][0024]
是已知待判断车道和内侧车道存在条件下观测特征f
l
的分布概率，是内侧车道存在但待判断车道不存在条件下观测特征f
l
的分布概率，binner是车道内边界，b
outer
是车道外边界，是内侧车道存在且待判断车道存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待判断车道存在条件下外侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下外侧边界类型特征的概率分布，是待判断车道存在且外侧车道存在条件下外边界类型特征的概率分布，是待判断车道存在且外侧车道不存在条件下外边界类型特征的概率分布，是待判断车道不存在且外侧车道不存在条件下外边界类型特征的概率分布。
[0025]
可选择的，所述的车道线存在判断方法，所述指定阈值范围为0.6～0.8，优选为0.7。
[0026]
为解决上述技术问题，本发明提供一种计算机可读存储介质，其内部存储有一程
序，所述程序被执行时，实现上述任意一项所述车道线存在判断方法中的步骤。
[0027]
为解决上述技术问题，本发明提供一种车道线存在判断系统，其基于环境感知数据，包括：
[0028]
接收模块，其用于接收环境感知数据；
[0029]
学习模块，其具有车道边界线类型特征和车道存在或不存在标签的数据中通过机器学习算法得到不同分类下的特征概率分布和
[0030]
是观测特征f
l
条件下待判断车道存在概率，是观测特征f
l
条件下内侧车道存在概率
[0031]
匹配模块，其用于将感知车道线与现有车道边界进行匹配；
[0032]
第一判断模块，其根据是否存在外侧车道条件下边界类型特征概率分布判断逐条判断车道边界类型；
[0033]
第二判断模块，其根据车道线和车道线类型计算得到各车道存在的概率，若概率大于指定阈值则判断车道线存在。
[0034]
其中，所述机器学习算法是朴素贝叶斯算法。
[0035]
可选择的，所述的车道线存在判断系统，匹配模块采用以下方式将感知车道线与现有车道边界进行匹配；
[0036]
根据车道宽度设置的车道边界，根据感知车道线距离车道边界的距离选择最近的车道边界作为匹配。
[0037]
可选择的，所述的车道线存在判断系统，车道边界类型分为可穿越车道线、不可穿越线、道路边沿和未知类型。
[0038]
其中，第二判断模块采用以下公式计算车道存在的概率；
[0039][0040]fl
＝{b
inner
，b
outer
}|
[0041][0042][0043][0044][0045]
是已知待判断车道和内侧车道存在条件下观测特征f
l
的分布概率，是内侧车道存在但待判断车道不存在条件下观测特征f
l
的分布概率，b
inner
是车道内边界，b
outer
是车道外边界，是内侧车道存在且待判断车道存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待
判断车道存在条件下外侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下外侧边界类型特征的概率分布，是待判断车道存在且外侧车道存在条件下外边界类型特征的概率分布，是待判断车道存在且外侧车道不存在条件下外边界类型特征的概率分布，是待判断车道不存在且外侧车道不存在条件下外边界类型特征的概率分布。
[0046]
对本发明设计原理进一步说明如下：
[0047]
本发明将车道存在性判断问题表达为朴素贝叶斯分类问题，对于某一待判断的车道，其分类包括车道存在和车道不存在两类，而观测特征为车道左右侧边线的类型，边线类型分为可穿越车道线、不可穿越线、道路边沿和未知类型。
[0048]
朴素贝叶斯算法是一种机器学习算法，常用于解决分类问题，朴素贝叶斯算法的通用形式如下：
[0049][0050]
式中p(c|f1，f2...fn)表示在观测特征f1，f2...fn条件下样本所属分类c的概率分布，p(c)为样本分类的先验概率分布，通常由经验知识获得，p(fi|c)，i＝1，2...n为已知样本分类条件下特征fi的概率分布，通常经过机器学习过程在大量样本数据中得到，p(f1，f2...fn)为特征出现概率。
[0051]
本发明将车道存在性判断问题表达为朴素贝叶斯分类问题，对于某一待判断的车道，其分类包括车道存在和车道不存在两类，而观测特征为车道左右侧边线的类型，边线类型分为可穿越车道线、不可穿越线、道路边沿和未知类型。
[0052]
假设自车所在车道一定存在，且道路上车道是连续存在的，因此对于其他车道，待判断车道存在的前提是内侧相邻车道存在，对于五车道场景，待判断车道的内侧车道和外侧车道对应关系如下表所示。
[0053]
表1内侧车道和外侧车道对应关系
[0054]
待判断车道左左车道左车道右车道右右车道内侧车道左车道自车道自车道右车道外侧车道无左左车道右右车道无
[0055]
根据全概率公式，可以把待判断车道存在问题转换为内侧车道存在和不存在条件下待判断车道存在概率的问题，即：
[0056][0057]
式中为观测特征f
l
条件下待判断车道存在概率，为观测特征f
l
条件下内侧车道存在概率，为内侧车道存在条件下待判断车道存在的概率，为内侧车道不存在条件下待判断车道存在的概率，为观测特征f
l
条件下内侧车道不存在概率。
[0058]
根据假设，待判断车道存在的前提是内侧相邻车道存在，因此将
代入(2)得到：
[0059][0060]
由于自车所在车道是左右侧相邻车道的内侧车道，而左左、右右车道的内侧车道分别为左侧和右侧车道，因此内侧车道存在概率可以递推计算。根据表1，对于左车道和右车道，其内侧车道为自车道，一定存在，所以有：
[0061][0062]
进一步计算可得到左车道和右车道存在概率和对于左左车道和右右车道，其内侧车道分别为左车道和右车道，因此有：
[0063][0064]
对于内侧车道存在条件下车道存在的概率通过贝叶斯公式转换为：
[0065][0066]
其中为已知待判断车道和内侧车道存在条件下观测特征f
l
的分布概率，为没有观测特征时内侧车道存在条件下待判断车道存在的概率，为观测特征f
l
和内侧车道存在的联合概率分布。
[0067]
根据全概率公式，观测特征f
l
和内侧车道线存在的联合概率分布表示为：
[0068][0069]
其中为内侧车道存在但待判断车道不存在条件下观测特征f
l
的分布概率，为无观测特征时内侧车道存在但待判断车道不存在的概率。
[0070]
假设无观测特征时内侧车道存在条件下待判断车道是否存在概率相等，即：
[0071][0072]
带入式(6)(7)得到
[0073][0074]
对于待判断车道，其特征包括内侧边界的类型和外侧边界类型：f
l
＝{b
inner
，b
outer
}即内侧边界b
inner
和外侧边界b
outer
，朴素贝叶斯假设特征之间相互独立，因此有：
[0075][0076][0077]
其中和分别为内侧车道存在和待判断车道存在和不存在条件下内侧边界类型特征的概率分布，可以通过数据中统计得到。
[0078]
和分别为内侧车道存在和待判断车道存在和不存在条件下外侧边界类型特征的概率分布，因为外侧边界的两侧车道分别是待判断车道和外侧车道，可以通过全概率公式计算：
[0079][0080]
其中分别表示外侧车道存在和外侧车道不存在，为待判断车道内侧车道和外侧车道存在条件下外侧边界b
outer
的概率分布，为待判断车道内侧车道存在但外侧车道不存在条件下外侧边界b
outer
的概率分布，和分别为待判断车道和内侧车道存在条件下外侧车道存在和不存在的概率，假设无观测特征时外侧车道存在和不存在概率相等：
[0081][0082]
代入式(12)计算得到：
[0083][0084]
因为边界线的分布只与两侧车道存在性有关，因此：
[0085][0086][0087]
代入得到：
[0088][0089]
同样的，对于可计算得到：
[0090][0091]
其中和分别为待判断车道存在外侧车道存在条件下外边界类型特征的概率分布、待判断车道存在外侧车道不存在条件下外边界类型特征的概率分布和待判断车道不存在外侧车道不存在条件下外边界类型特征的概率分布，可通过数据统计得到。
[0092]
如下表所示，从已知特征和标签的数据中统计得到不同两侧车道存在性条件下边界线的概率分布，从表中数据可知，当内侧车道和待判断车道同时存在时，两车道间的边线类型更大概率是可穿越车道线，如虚线、虚实线等，而道路边沿的概率极低。当内侧车道存在而待判断车道不存在时，两车道间的边线类型大概率是不可穿越车道线，如实线、双实线等，也有可能是道路边沿，很小概率是可穿越车道线。通过数据得到的特征概率分布与人类对实际道路的观测经验是一致的。
[0093]
表2车道线特征概率分布
[0094]
[0095]
感知得到车道线和车道线类型后，根据公式(3)-(5)，(9)-(11)，(17)-(18)即可递推计算得到各车道存在的概率，概率大于阈值则认为车道存在。
[0096]
本发明通过朴素贝叶斯算法将车道存在性转换为概率描述，通过大量道路数据测试表明，本发明能够解决感知数据不确定性条件下的车道存在准确性的判断问题，避免发生误判和漏判。
附图说明
[0097]
本发明附图旨在示出根据本发明的特定示例性实施例中所使用的方法、结构和/或材料的一般特性，对说明书中的描述进行补充。然而，本发明附图是未按比例绘制的示意图，因而可能未能够准确反映任何所给出的实施例的精确结构或性能特点，本发明附图不应当被解释为限定或限制由根据本发明的示例性实施例所涵盖的数值或属性的范围。下面结合附图与具体实施方式对本发明作进一步详细的说明：
[0098]
图1是本发明流程示意图。
[0099]
图2是车道线与车道匹配示意图，
[0100]
附图标记说明
[0101]
we，w
l
，w
ll
，wr，w
rr
表示车道宽度。
具体实施方式
[0102]
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容充分地了解本发明的其他优点与技术效果。本发明还可以通过不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点加以应用，在没有背离发明总的设计思路下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本发明下述示例性实施例可以多种不同的形式来实施，并且不应当被解释为只限于这里所阐述的具体实施例。应当理解的是，提供这些实施例是为了使得本发明的公开彻底且完整，并且将这些示例性具体实施例的技术方案充分传达给本领域技术人员。
[0103]
第一实施例；
[0104]
本发明提供一种车道线存在判断方法，其基于环境感知数据，包括以下步骤：
[0105]
s1，获取环境感知数据；
[0106]
s2，在具有车道边界线类型特征和车道存在或不存在标签的数据中通过朴素贝叶斯算法得到不同分类下的特征概率分布和参考前述表2；
[0107]
是观测特征f
l
条件下待判断车道存在概率，是观测特征f
l
条件下内侧车道存在概率
[0108]
s3，根据车道宽度设置的车道边界，根据感知车道线距离车道边界的距离选择最近的车道边界作为匹配，参考图2所示；
[0109]
s4，根据是否存在外侧车道条件下边界类型特征概率分布判断逐条判断车道边界类型，，包括可穿越车道线、不可穿越线、道路边沿和未知类型；参考图2中，虚线为可穿越车道线实线为不可穿越车道线；
[0110]
s5，根据车道线和车道线类型计算得到各车道存在的概率，若概率大于指定阈值
则判断车道线存在。
[0111]
根据前述公式(3)-(5)，(9)-(11)，(17)-(18)，递推计算得到各车道存在的概率。已知自车道一定存在，即自车道存在概率对于左侧车道，其与内侧车道边界线为可穿越车道线，根据前述表2得到：
[0112][0113]
外侧车道边界为不可穿越线，根据表2和公式(17)(18)得到：
[0114][0115][0116]
带入式(10)(11)得到：
[0117][0118][0119]
代入式(9)(3)得到左车道存在概率
[0120]
优选指定阈值为0.7，车道存在概率大于0.7判断左侧车道存在。
[0121]
第二实施例；
[0122]
本发明提供一种计算机可读存储介质(包括半导体、磁芯、磁鼓、磁带、激光盘等)，其内部存储有一程序，所述程序被执行时，实现第一实施例所述车道线存在判断方法中的步骤。
[0123]
第二实施例；
[0124]
本发明提供一种车道线存在判断系统，其基于环境感知数据，能通过计算机编程技术利用现有硬件实现，包括：
[0125]
接收模块，其用于接收环境感知数据；
[0126]
学习模块，其具有车道边界线类型特征和车道存在或不存在标签的数据中通过朴素贝叶斯算法得到不同分类下的特征概率分布和
[0127]
是观测特征f
l
条件下待判断车道存在概率，是观测特征f
l
条件下内侧车道存在概率
[0128]
匹配模块，根据车道宽度设置的车道边界，根据感知车道线距离车道边界的距离选择最近的车道边界作为匹配；
[0129]
第一判断模块，其根据是否存在外侧车道条件下边界类型特征概率分布判断逐条判断车道边界类型，车道边界类型分为可穿越车道线、不可穿越线、道路边沿和未知类型；
[0130]
第二判断模块，其根据车道线和车道线类型计算得到各车道存在的概率，若概率大于指定阈值则判断车道线存在；
[0131]
第二判断模块采用以下公式计算车道存在的概率；
[0132][0133]fl
＝{b
inner
，b
outer
}|
[0134]
[0135][0136][0137][0138]
是已知待判断车道和内侧车道存在条件下观测特征f
l
的分布概率，是内侧车道存在但待判断车道不存在条件下观测特征f
l
的分布概率，b
inner
是车道内边界，b
outer
是车道外边界，是内侧车道存在且待判断车道存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下内侧边界类型特征的概率分布，是内侧车道存在且待判断车道存在条件下外侧边界类型特征的概率分布，是内侧车道存在且待判断车道不存在条件下外侧边界类型特征的概率分布，是待判断车道存在且外侧车道存在条件下外边界类型特征的概率分布，是待判断车道存在且外侧车道不存在条件下外边界类型特征的概率分布，是待判断车道不存在且外侧车道不存在条件下外边界类型特征的概率分布。
[0139]
除非另有定义，否则这里所使用的全部术语(包括技术术语和科学术语)都具有与本发明所属领域的普通技术人员通常理解的意思相同的意思。还将理解的是，除非这里明确定义，否则诸如在通用字典中定义的术语这类术语应当被解释为具有与它们在相关领域语境中的意思相一致的意思，而不以理想的或过于正式的含义加以解释。
[0140]
以上通过具体实施方式和实施例对本发明进行了详细的说明，但这些并非构成对本发明的限制。在不脱离本发明原理的情况下，本领域的技术人员还可做出许多变形和改进，这些也应视为本发明的保护范围。