[发明专利]车道线的聚合方法和装置

说明书

本发明提供一种车道线的聚合方法和装置，该方法包括：获取道路的众包数据，并对众包数据中每张车道线图像进行车道线的提取得到包含多条初始车道线的目标图像；对目标图像中的每条初始车道线进行膨胀处理，得到多条膨胀车道线；确定每相邻的两条膨胀车道线之间的相交面积；根据相交面积大于预设面积的各条膨胀车道线，确定目标图像中道路的实际车道线。本发明的方法，通过对众包数据所提取的车道线进行膨胀处理，再计算相邻的膨胀车道线之间的相交面积，并基于相交面积的大小表征车道线是否异常，从而根据相交面积较大的车道线得到道路车道线，剔除了相交面积较小的异常车道线，提高了道路车道线的聚类精度。

技术领域

本发明涉及道路地图技术，尤其涉及一种车道线的聚合方法和装置。

背景技术

随着自动驾驶技术的发展，高精度地图在智能汽车的应用上起着举足轻重的作用。在高精度地图的制作中，路面车道线是高精度地图制作中较为复杂的一种要素，在L3及以上的自动驾驶级别中是不可或缺的。然而，基于专业采集车绘制的高精度地图具有较多显著的缺点，例如制图成本高，往往需要依靠昂贵的传感器设备。

为了弥补以上不足，基于众包模式下的高精度地图制图方案应运而生。相比于专业采集设备，众包采集设备所使用的传感器成本低很多，更适合广泛的部署在不同的采集车上，使得数据来源更加丰富和具有更好的实时性。对众包数据进行融合，可以满足高鲜度和高丰富度的地图需求。

但众包模式产生的数据大多是图像数据，存在较明显的异常值，导致聚类出的道路车道线精度较低。

发明内容

本发明提供一种车道线的聚合方法和装置，用以解决道路车道线的聚类精度较低的问题。

一方面，本发明提供一种车道线的聚合方法，包括：

获取道路的众包数据，并对所述众包数据中每张车道线图像进行车道线的提取得到包含多条初始车道线的目标图像；

对所述目标图像中的每条所述初始车道线进行膨胀处理，得到多条膨胀车道线；

确定每相邻的两条所述膨胀车道线之间的相交面积；

根据相交面积大于预设面积的各条所述膨胀车道线，确定所述目标图像中道路的实际车道线。

在一实施例中，所述根据相交面积大于预设面积的各条所述膨胀车道线，确定所述目标图像中道路的实际车道线的步骤包括：

对相交面积大于预设面积的各条所述膨胀车道线进行聚类得到多个第一集合，其中，每个所述第一集合由一条或者多条所述膨胀车道线构成，且所述第一集合中相邻的两条所述膨胀车道线之间的相交面积大于预设面积；

确定每相邻的两个所述第一集合之间的目标距离，并根据所述目标距离对各个所述第一集合进行聚类得到多个第二集合，其中，所述第二集合包含多个所述第一集合，所述第二集合中相邻的两个所述第一集合之间的目标距离小于预设距离；

根据每个所述第二集合包含的各条所述膨胀车道线，确定每个所述第二集合在所述目标图像中道路上的一条实际车道线。

在一实施例中，所述根据每个所述第二集合包含的各条所述膨胀车道线，确定每个所述第二集合在所述目标图像中道路上的一条实际车道线的步骤包括：

根据每个所述第一集合包含的各条所述膨胀车道线，确定每个所述第一集合对应的分段车道线；

将每个所述第二集合中的各条所述分段车道线进行首尾拼接，得到每个所述第二集合在所述目标图像中道路上的第一实际车道线。