[发明专利]车道线识别方法、装置及计算机可读存储介质

权利要求书

1.一种车道线识别方法，其特征在于，所述车道线识别方法包括以下步骤：

在获取到车道线图像的边缘点集对应的边缘强度和方向时，基于所述边缘强度确定起始点；

基于所述起始点确定车道线图像上所有成对的第一点集和第二点集，并计算每一对第一点集和第二点集的相似度；

对相似度进行排序，确定目标车道线；

所述对相似度进行排序，确定目标车道线的步骤包括：

在获取到每一对第一点集和第二点集的相似度时，将所述相似度分为左右两侧，按照相似度由高到低进行排序，依次进行配对，组成车道线点集；

选取符合车道宽度的所述车道线点集作为目标车道线。

2.如权利要求1所述的车道线识别方法，其特征在于，所述在获取到车道线图像的边缘点集对应的边缘强度和方向时，基于所述边缘强度确定起始点的步骤之前，所述方法还包括：

通过对车道线图像进行标定，得到边缘点集、相机内参数、相机外参数、径向畸变系数和图像坐标系内车道宽度。

3.如权利要求1所述的车道线识别方法，其特征在于，所述在获取到车道线图像的边缘点集对应的边缘强度和方向时，基于所述边缘强度确定起始点的步骤包括：

利用梯度算子对车道线图像进行水平方向和垂直方向的检测，得到边缘点集对应的边缘强度和方向；

将所述边缘强度进行弱排序，按照第一预设规则确定起始点；

所述将所述边缘强度进行弱排序，按照第一预设规则确定起始点的步骤包括：

将所述边缘强度按照强度大小由高到低进行弱排序，分为预设个数个组；

在边缘强度最强的组中随机确定一个点作为起始点，确定所述起始点的方向是否符合方向约束；

在所述起始点的方向符合方向约束时，标记为已使用状态。

4.如权利要求3所述的车道线识别方法，其特征在于，所述在边缘强度最强的组中随机确定一个点作为起始点，确定所述起始点的方向是否符合方向约束的步骤之后，所述方法还包括：

在所述起始点的方向不符合方向约束时，在所述边缘强度最强的组中再随机寻找其他点，将符合方向约束的第一个点确定为起始点。

5.如权利要求1所述的车道线识别方法，其特征在于，所述基于所述起始点确定车道线图像上所有成对的第一点集和第二点集，并计算每一对第一点集和第二点集的相似度的步骤包括：

在获取到起始点时，基于邻域获取起始点对应的第一点集，基于车道线对称性获取起始点对应的第二点集，标记所述第一点集和所述第二点集中的点为已使用状态；

按照第二预设规则依次获取未使用状态的点对应的第一点集和第二点集，直到所有边缘点都被标记为已使用状态；

所述按照第二预设规则依次获取未使用状态的点对应的第一点集和第二点集，直到所有边缘点都被标记为已使用状态的步骤，具体包括：

在获取到起始点对应的第一点集和第二点集时，将点集中的所有点标记为已使用状态，之后在边缘点集中，按照边缘强度的弱排序确定下一个起始点，所述下一个起始点是在边缘强度最强的组中随机确定的一个点，计算得到所述下一个起始点对应的第一点集和第二点集，对所有被加入第一点集或第二点集中的点标记为已使用状态，之后再按照上述步骤获取到所有的第一点集和第二点集，直到所有边缘点都为已使用状态为止。

6.如权利要求5所述的车道线识别方法，其特征在于，所述在获取到起始点时，基于邻域获取起始点对应的第一点集，基于车道线对称性获取起始点对应的第二点集，标记所述第一点集和所述第二点集中的点为已使用状态的步骤包括：

通过径向畸变模型计算所述起始点的八邻域像素梯度方向的预测值，在所述八邻域内寻找所有匹配点，加入所述起始点对应的第一点集，并标记所述第一点集的点为已使用状态；

基于所述起始点确定一条射线，在预设范围内确定所述射线与梯度边缘图像的所有交点，将所述所有交点加入所述起始点对应的第二点集，并标记所述第二点集的点为已使用状态。