[发明专利]车道线预测方法、装置及电子设备、计算机可读存储介质

说明书

本申请公开了一种车道线预测方法、装置及电子设备、计算机可读存储介质，其中，所述方法包括：获取当前时刻的车道线图像和前一时刻的车道线图像；对所述当前时刻的车道线图像和所述前一时刻的车道线图像进行特征匹配，得到特征对集合；根据所述特征对集合确定所述前一时刻的车道线图像与所述当前时刻的车道线图像之间的图像平移信息；根据所述图像平移信息，预测所述前一时刻的车道线在当前时刻的位置信息。本申请实施例的车道线预测方法基于相邻两帧图像之间的图像平移信息，实现对后续短时间内无法识别到的缺失车道线信息的预测，提高了车道线遮挡等场景下车道线预测的准确性和稳定性。

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种车道线预测方法、装置及电子设备、计算机可读存储介质。

背景技术

随着自动驾驶技术的发展，车道线识别技术的应用也越来越广，如车道线定位、车道保持等功能都会用到车道线信息。因此，对于图像中车道线识别的精度要求也越来越高。

目前车道线识别技术主要有两大类，一类是传统的基于Hough变换（霍夫变换）的车道线识别方法，另一类是基于深度学习的车道线识别模型的车道线识别方法。

然而，上述车道线识别方法都是针对当前时刻图像中可视的车道线进行识别。在实际场景下，由于车辆等物体的遮挡、雨雪天气的影响或者由于常年使用而造成的车道线磨损等，会造成识别到的图像中的车道线信息不完整，或者在车辆换道等情况下，车道线信息不连续也会导致识别不准确。

发明内容

本申请实施例提供了一种车道线预测方法、装置及电子设备、计算机可读存储介质，以提高短时间内车道线预测的准确性和稳定性。

本申请实施例采用下述技术方案：

第一方面，本申请实施例提供一种车道线预测方法，其中，所述方法包括：

获取当前时刻的车道线图像和前一时刻的车道线图像；

对所述当前时刻的车道线图像和所述前一时刻的车道线图像进行特征匹配，得到特征对集合；

根据所述特征对集合确定所述前一时刻的车道线图像与所述当前时刻的车道线图像之间的图像平移信息；

根据所述图像平移信息，预测所述前一时刻的车道线在当前时刻的位置信息。

可选地，所述获取当前时刻的车道线图像和前一时刻的车道线图像包括：

根据预设车道线识别算法对所述当前时刻的车道线图像进行识别，得到车道线识别结果；

确定所述车道线识别结果中是否包含当前路段完整的车道线信息；

若是，则确定所述当前时刻的车道线图像不满足预设车道线预测条件，并直接使用所述车道线识别结果；

若不是，则确定所述当前时刻的车道线图像满足预设车道线预测条件，并获取所述前一时刻的车道线图像。

可选地，所述对所述当前时刻的车道线图像和所述前一时刻的车道线图像进行特征匹配，得到特征对集合包括：

对所述前一时刻的车道线图像和所述当前时刻的车道线图像分别进行逆透视变换处理，得到前一时刻的处理后的车道线图像和当前时刻的处理后的车道线图像；

利用预设特征提取算子对所述前一时刻的处理后的车道线图像和所述当前时刻的处理后的车道线图像分别进行特征提取，得到前一时刻的图像特征和后一时刻的图像特征；

将所述前一时刻的图像特征和所述后一时刻的图像特征进行匹配，得到匹配后的特征对集合。

可选地，所述根据所述特征对集合确定所述前一时刻的车道线图像与所述当前时刻的车道线图像之间的图像平移信息包括：

获取前一时刻的惯性测量单元的定位信息；