[发明专利]为自动驾驶安全导航确定可行驶道路区域的方法和系统

说明书

本发明公开了为自动驾驶安全导航确定可行驶道路区域的方法和系统。该道路区域确定系统从图像传感器接收该自动驾驶车辆所行驶道路的实时图像。然后，以预先训练的道路分割模型将所述道路的每一实时图像分割为多边形区域和走向线，以获得该道路的多个关联特征。随后，根据均匀分布于走向线上的前后相继的中间点之间测得的倾斜度，将所述实时图像中的道路走向识别为线性走向和非线性走向中的一种。在所述道路区域确定系统根据所述道路走向完成所述中间点在所述走向线上的重新分布后，从重新分布于所述走向线上的所述中间点当中识别成对点，其中，通过以水平线连接所述成对点而为所述自动驾驶车辆确定可行驶道路区域。

技术领域

本发明总体涉及图像处理和图像分割，尤其但不仅涉及为自动驾驶车辆的安全导航确定可行驶道路区域的方法和系统。

背景技术

近年来，随着汽车工业的快速发展，道路安全已变得十分重要。昼夜照明条件下的道路区域检测对于车辆的安全导航至关重要。通常情况下，在日间照明条件下，利用输入的彩色图像，可较好地实现道路区域的检测。然而，由于夜间照明条件下的检测还取决于全球定位系统(GPS)支持的导航包、光学雷达传感器以及用于各项预测的其他传感器等其他子系统的其他输入，因此变得难以实施。

目前，在现有系统中，自动驾驶车辆通过集成和运用摄像头、光学雷达以及声纳等多种不同子系统进行道沿检测和道路导航。然而，由于各子系统的数据格式不同，将所有子系统集成于一起成为一项巨大的难题。此外，由于每一子系统均相互依存，因此一旦某一子系统发生故障，则整个系统存在无法为自动驾驶车辆提供导航的风险。此外，在夜间照明条件下，从各图像的小的关注区域中识别出道路区域是一项非常艰难的工作。图像中的这些小的关注区域用于提供极为精确的信息，如左侧道沿、右侧道沿、车道信息、道路弯曲角度等道路相关特征。通常，在夜间照明条件下，红外(IR)摄像头图像可用于道路区域的检测。由于红外摄像头将信息存储于单通道(如灰度或单维图像)数据中，因此红外摄像头不具有深度和渐变信息。这些数据使得机器学习技术更加难以学习道路区域特征。因此，红外图像的使用会导致极低的道路区域预测准确度。此外，在道路的红外图像中，当考察某个小的固定关注区域时，由于在连续多帧下的摄像头视场中，道路区域与当前道路之间仅存在非常细微的差异，因此使得各幅图像之间的比例缺少变化。

本背景技术部分公开的信息仅用于促进对本发明一般背景的理解，不应视为承认或以任何形式暗示该信息形成本领域技术人员已知的现有技术。

发明内容

在一种实施方式中，本发明可涉及一种为自动驾驶车辆的安全导航确定可行驶道路区域的方法。该方法包括从与所述自动驾驶车辆相关联的一个或多个图像传感器接收该自动驾驶车辆所行驶道路的实时图像。然后，以预先训练的道路分割模型将所述道路的每一实时图像分割为多边形区域和走向线，以获得该道路的多个关联特征。其中，所述道路分割模型通过机器学习技术，并以标有道路特征、多边形区域以及走向线的多幅训练图像进行训练。该方法还包括根据均匀分布于所述走向线上的前后相继的中间点之间测得的倾斜度，将所述实时图像中的道路走向识别为线性走向和非线性走向当中的一者。此外，该方法还包括根据所述道路走向，完成所述中间点在所述走向线上的重新分布，随后，该方法还包括从重新分布于所述走向线上的所述中间点当中识别成对点。其中，通过以水平线连接所述成对点而为所述自动驾驶车辆确定可行驶道路区域。