[发明专利]高级辅助驾驶系统和方法

说明书

本发明涉及一种用于车辆的高级驾驶系统(100)，其中，所述高级辅助驾驶系统(100)用于检测所述车辆前方道路的透视图像中的车道标记。所述高级辅助驾驶系统(100)，包括特征提取器(101)，用于将所述道路的透视图像分成多个水平条纹，其中所述透视图像的每个水平条纹对应于距离所述车辆不同的平均距离处的不同的道路部分，其中所述特征提取器还用于使用多个内核从所述多个水平条纹中提取特征，每个内核与内核宽度相关联，其中所述提取是通过使用与第一内核宽度相关联的第一内核来处理对应于第一平均距离处的第一道路部分的第一水平条纹、使用与第二内核宽度相关联的第二内核来处理对应于第二平均距离处的第二道路部分的第二水平条纹以及使用与第三内核宽度相关联的第三内核来处理对应于第三平均距离处的第三道路部分的第三水平条纹来进行，所述第一平均距离小于所述第二平均距离，所述第二平均距离小于所述第三平均距离，其中所述第一内核宽度与所述第二内核宽度的比率大于所述第二内核宽度与所述第三内核宽度的比率。

技术领域

本发明涉及图像处理领域。更具体地，本发明涉及一种用于检测车道标记的高级辅助驾驶系统。

背景技术

无论是在危险情况下警告驾驶员还是积极参与驾驶，高级辅助驾驶系统(advanced driver assistance system，简称ADAS)都逐渐被嵌入到车辆中。在不久的将来，此类系统将变得越来越复杂，走向完全自主。开发这些系统的主要挑战之一是提供具有道路和车道感知能力的ADAS。

道路颜色和纹理、道路边界和车道标记是人类驾驶的主要感知提示。半自动和完全自动车辆有望与人类驾驶员共享道路，因此是最有可能和人类一样继续依赖于相同感知提示。虽然原则上可以针对人类驾驶员和车辆有不同的基础设施提示(例如，针对人类的车道标记和针对车辆的某种形式的车辆到基础设施通信)，但是期望构建和维护这种双重基础设施所需的巨大投资是不现实的，并且标记不匹配会带来相关风险。因此，通过传统提示的道路和车道感知仍然是通向自动驾驶的最可能途径。

道路和车道的理解包括在城市、乡村和高速公路场景中检测道路的范围、车道的数量和位置，合并、分割和终止车道和道路。尽管近年来取得了较大进展，但这种理解已经超出了当前感知系统的范围。

有几种用于道路和车道理解的感测方式，包括(即，一个摄像机)、立体声、LIDAR、从汽车里程表或惯性测量单元(Inertial Measurement Unit，简称IMU)获得的车辆动力信息以及使用全球定位系统(Global Positioning System，简称GPS)和数字地图获得的全球定位信息。视觉是车道和道路检测中最突出的研究领域，这是由于车道标记是为人类视觉而制作，而LIDAR和全球定位则是重要的补充。

通常，ADAS中的车道和道路检测包括从图像中提取低级特征(也称为“特征提取”)。针对道路检测，这些通常包括允许道路分割、道路补丁分类或路缘检测的颜色和纹理统计。针对车道检测，收集车道标记的证据。

基于视觉的特征提取方法依赖于滤波器的使用，滤波器通常基于内核，因此需要指定内核规模。许多传统方法，如J.McCall和M.Trivedi在2006年的《IEEE智能交通系统汇刊》第七卷第一期中公开的“基于视频的车道估计和跟踪进行驾驶辅助：调查、系统和评估”，选择在逆透视图像域或鸟瞰域(非失真域)中工作，以避免内核的大小发生变化。在此域中，以补偿透视失真的方式对原始图像(失真图像)进行变换。

其他传统方法，如Huang等人在2009年的《自主机器人》第二十六卷第103至122页公开的“利用视觉和LIDAR在城市道路网络中寻找多条车道”，采用在(透视)图像域中执行滤波的其它方法，其中透视失真通过使内核大小变化来补偿。Huang等人提出了一种用于提取特征的特定内核形状。

尽管上述传统方法提供了一些优点，但仍有改进的余地。因此，需要一种改进的高级辅助驾驶系统以及相应的方法。

发明内容

本发明的目的在于提供一种改进的高级辅助驾驶系统及相应的方法。