[发明专利]一种车道线识别方法、装置及电子设备

说明书

本申请公开了一种车道线识别方法、装置及电子设备，该方法包括：获取当前时刻的车道线图像，利用预设车道线识别模型对车道线图像进行识别，得到当前时刻的车道线识别结果，具体包括当前时刻的车道线；对当前时刻的车道线进行均匀采样，得到当前时刻的车道线对应的多个采样点；获取历史时刻的车道线识别结果，具体包括历史时刻的车道线颜色和类型；根据当前时刻的车道线对应的多个采样点以及历史时刻的车道线识别结果，确定当前时刻的车道线颜色和车道线类型。本申请通过对车道线均匀采样的方式，结合历史车道线识别信息识别当前时刻的车道线颜色和类型，为其他自动驾驶模块提供更全面、更准确的车道线信息，丰富了车道线识别结果的使用场景。

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识别方法、装置及电子设备。

背景技术

车道线识别已经成为自动驾驶车辆不可缺少的一项技术，无论是车道级别的定位技术，还是基于交通规则的避障以及局部规划，都对车道线识别的精度有很高的要求。

目前主流的车道线识别方法有两种，一种是传统的车道线识别方法，例如基于霍夫变换的车道线识别以及基于IPM(Inverse Perspective Mapping，逆透视变换)的车道线识别。另一种是基于深度学习模型的车道线识别，例如基于SCNN(Spatial ConvolutionalNeural Network，空间卷积神经网络)和LaneNet等的车道线识别。

然而传统的车道线识别方法虽然计算速度快，但是识别精度仍有待提高，深度学习模型的方法虽然精度高，但是需要GPU(Graphics Processing Unit，图形处理器)的支持，实时性也会差一些。且两种方法都缺少对于车道线颜色以及车道线类型的识别，导致实际应用具有一定局限性。

发明内容

本申请实施例提供了一种车道线识别方法、装置及电子设备，以实现车道线颜色和车道线类型的准确识别。

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识别方法，其中，所述方法包括：

获取当前时刻的车道线图像，并利用预设车道线识别模型对所述当前时刻的车道线图像进行识别，得到当前时刻的车道线识别结果，所述当前时刻的车道线识别结果包括当前时刻的车道线；

对所述当前时刻的车道线进行均匀采样，得到所述当前时刻的车道线对应的多个采样点；

获取历史时刻的车道线识别结果，所述历史时刻的车道线识别结果包括历史时刻的车道线颜色和车道线类型；

根据所述当前时刻的车道线对应的多个采样点以及所述历史时刻的车道线识别结果，确定当前时刻的车道线颜色和车道线类型。

可选地，所述当前时刻的车道线识别结果还包括所述当前时刻的车道线对应的车道线拟合方程以及车道线起止点信息，所述对所述当前时刻的车道线进行均匀采样，得到所述当前时刻的车道线对应的多个采样点包括：

对于当前时刻的任意一条车道线，根据所述车道线对应的车道线拟合方程以及所述车道线起止点信息，对所述当前时刻的车道线进行均匀采样，得到所述当前时刻的车道线对应的多个采样点。

可选地，所述根据所述当前时刻的车道线对应的多个采样点以及所述历史时刻的车道线识别结果，确定当前时刻的车道线颜色和车道线类型包括：

利用HSV颜色空间下的饱和度信息和色调信息建立多维特征向量；

基于所述当前时刻的车道线对应的多个采样点建立车道线像素点集合，并将所述车道线像素点集合内所有车道线像素点的RGB颜色转换到HSV颜色空间下；

根据所述多维特征向量，对所述车道线像素点集合中的所有车道线像素点进行归类，并将归类后的多维特征向量进行归一化处理，得到归一化结果；