[发明专利]车载摄像头俯仰角及世界坐标系中的车道线方程估计方法

说明书

本发明公开了一种车载摄像头俯仰角及世界坐标系中的车道线方程估计方法，包括以下步骤：步骤一，获取车载摄像头拍摄的图像；步骤二，利用神经网络提取各条车道线像素点；步骤三，像素点畸变矫正；步骤四，直道/弯道判断；步骤五，车道线平行判断与摄像头俯仰角估计；步骤六，计算世界坐标系中的车道线方程。本发明解决了摄像头俯仰角变化造成的世界坐标系中车道线检测不准确的问题；同时，本发明充分利用了画面中的多个车道线像素点信息，避免了复杂的透射变换的同时，可以获得对车载摄像机俯仰角的准确、鲁棒估计。

技术领域

本发明涉及一种车载摄像头俯仰角及世界坐标系中的车道线方程估计方法。

背景技术

动驾驶系统通常需要通过放置在车辆前方的车载摄像头检测当前位置的车道线信息。该车道线信息一般通过世界坐标系中的多项式来表示。随着深度神经网络技术的应用，车载摄像头画面中的车道线像素点通常能够被准确的检测出来。为了获得世界坐标系中的车道线方程，典型的做法是先通过逆透射变换，计算车道线像素点对应的位于世界坐标系中的物理坐标点，然后对这些点进行曲线拟合。上述逆透射变换的精度非常依赖摄像头相对世界坐标系的姿态参数的精度；这些姿态参数可以参考车辆出厂前的标定参数。但是，当车辆在道路上正常行驶时，道路表面的起伏和车辆自身油门、刹车、载重等状态的变化都容易造成摄像头俯仰角的快速变化。如果不对车身俯仰角进行实时且准确的补偿，逆透射变换得到的世界坐标系中的车道线坐标会出现明显的偏差，并最终导致车道线信息的检测错误，影响后续的车辆控制功能。通过对车载摄像头俯仰角与世界坐标系中车道线方程的联合估计，可提供对车道线的准确检测，同时获得的俯仰角信息也可以用于车载摄像头的其他功能，比如障碍物检测等。

目前本领域技术人员所采用的方法及缺点为：1、采用其他姿态测量或者估计方法，比如高精度陀螺仪，该方法成本高昂，不便于实际量产部署；2、基于多帧图像信息的姿态估计算法，然后利用估计出来的俯仰角计算车道线在世界坐标系中的方程，该方法需要较大的计算量，也不便于实际量产部署；3、采用单帧图像中的车道线点来估计俯仰角的方法，可以通过搜索俯仰角，将车道线像素点进行多次逆投射变换计算，然后利用世界坐标系中车道线平行的约束找到使车道线平行的最优俯仰角，当车道线像素点很多时，为了获得较高的精度，需要以较小的间隔对摄像头俯仰角进行搜索，这时多次反复的多点逆透射变换计算量很大；如果只选择少部分像素点进行类似处理，由于检测出的像素点本身位置也可能存在误差，无法充分利用所有像素点的信息，俯仰角估计的准确度和鲁棒性有可能受到影响。

发明内容

本发明的目的是提供一种便于部署的车载摄像头俯仰角及世界坐标系中的车道线方程的联合快速估计方法，解决摄像头俯仰角变化造成的世界坐标系中车道线检测不准确的问题。

实现本发明目的的技术方案是：车载摄像头俯仰角及世界坐标系中的车道线方程估计方法，包括以下步骤：

步骤一，获取车载摄像头拍摄的图像；

步骤二，利用神经网络提取各条车道线像素点；

步骤三，像素点畸变矫正；

步骤四，直道/弯道判断；

步骤五，车道线平行判断与摄像头俯仰角估计；

步骤六，计算世界坐标系中的车道线方程。

进一步地，所述步骤二具体为：深度神经网络用于提取车道线的语义信息，识别图像中属于各条车道线的像素点坐标。

进一步地，所述步骤三具体为：利用镜头自身的畸变系数，对画面中的像素点坐标进行矫正，去除镜头畸变的影响。

进一步地，所述步骤四采用基于曲线拟合的方法判断车道线是直道还是弯道。

进一步地，所述基于曲线拟合的方法具体为：