【技術實現步驟摘要】
本申請涉及自動駕駛，具體而言，涉及一種車道線3d坐標生成方法及裝置。
技術介紹
1、目前，在自動駕駛和高級駕駛輔助系統領域，精確且高效地生成3d車道線信息是至關重要的。現有的3d車道線生成方法主要依賴于對多幀點云圖像與相機圖像的時空同步處理，將時空同步的多幀點云圖與圖像信息聯合建圖，生成rgb行車場景點云地圖，然后利用離線車道線大模型對rgb行車場景點云地圖內的車道線進行車道線預標注，并結合人工對車道線預標注進行調整和更新。然而，在實踐中發現，現有方法需要人工參與具體數據篩選和標注工作，投入人力、時間成本較大。
技術實現思路
1、本申請實施例的目的在于提供一種車道線3d坐標生成方法及裝置，能夠自動生成3d車道線坐標，不需要人工參與處理，節省了大量時間和人力成本。
2、本申請第一方面提供了一種車道線3d坐標生成方法，包括：
3、獲取待識別車道線2d圖像以及基于所述待識別車道線2d圖像進行預測得到的車道線預測坐標；
4、根據預先訓練的推理模型對所述待識別車道線2d圖像進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值；
5、根據所述滅點值建立路面坡度模型；
6、根據所述車道線預測坐標和所述路面坡度模型，計算車道線點的3d坐標。
7、在上述實現過程中，該方法可以先獲取待識別車道線2d圖像以及基于待識別車道線2d圖像進行預測得到的車道線預測坐標；然后，根據預先訓練的推理模型對待識別車道線2d圖像進行滅點值推理，得到圖
8、進一步地，所述獲取待識別車道線2d圖像以及基于所述待識別車道線2d圖像進行預測得到的車道線預測坐標，包括：
9、獲取待識別車道線2d圖像以及所述待識別車道線2d圖像的車道線標注數據；
10、根據所述車道線標注數據進行2d車道位置預測，得到車道線預測坐標。
11、進一步地，所述根據預先訓練的推理模型對所述待識別車道線2d圖像進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
12、對所述待識別車道線2d圖像中的有效路面部分進行分割提取，得到待識別有效路面圖像；
13、獲取所述待識別有效路面圖像中基于車輛坐標系的激光點云數據；
14、將所述激光點云數據從車輛坐標系轉換到圖像坐標系，得到有效路面位置點云坐標；
15、獲取預先訓練的推理模型；
16、根據所述有效路面位置點云坐標和所述推理模型進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值。
17、進一步地，所述根據所述有效路面位置點云坐標和所述推理模型進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
18、采用k臨近方法計算每個所述有效路面位置點云坐標對應的法向量；
19、在所述待識別車道線2d圖像中設置固定的目標矩形區域；
20、將所述目標矩形區域中的圖像劃分成多個小矩形區域；
21、根據所述小矩形區域和所述有效路面位置點云坐標，確定圖像坐標系下每個所述小矩形區域對應的中心最近點云坐標；
22、根據每個所述有效路面位置點云坐標對應的法向量獲取所述中心最近點云坐標對應的法向量；
23、根據所述中心最近點云坐標對應的法向量和所述推理模型進行滅點值推理，得到圖像坐標系下每個所述小矩形區域位置對應的滅點值；其中，所述每個所述小矩形區域位置對應的滅點值即為圖像坐標系下路面不同位置的滅點值。
24、進一步地，所述根據所述滅點值建立路面坡度模型，包括：
25、確定每個所述小矩形區域的區域下邊緣位置和區域上邊緣位置；
26、計算每個所述區域下邊緣位置對應的車輛坐標下的第一位置坐標；
27、將所述第一位置坐標從車輛坐標系轉換到相機坐標系，得到第二位置坐標；
28、根據每個所述小矩形區域位置對應的滅點值和所述第二位置坐標，依次計算每個所述區域上邊緣位置對應的相機坐標系下的第三位置坐標和坡度夾角；
29、根據每個所述區域上邊緣位置對應的相機坐標系下的第三位置坐標和坡度夾角，構建每個所述小矩形區域對應的路面坡度模型。
30、進一步地，所述根據所述車道線預測坐標和所述路面坡度模型，計算車道線點的3d坐標，包括：
31、根據所述車道線預測坐標獲取2d圖像坐標系下每個車道線位置點的車道線y坐標；
32、根據所述車道線y坐標確定每個所述車道線位置點在所述待識別車道線2d圖像中所在的目標小矩形區域；
33、根據所述車道線y坐標和所述目標小矩形區域對應的路面坡度模型計算每個所述車道線位置點在相機坐標系下的位置坐標；
34、將每個所述車道線位置點在相機坐標系下的位置坐標轉換到車輛坐標系下，得到每個所述車道線位置點的車道線3d坐標。
35、本申請第二方面提供了一種車道線3d坐標生成裝置，所述車道線3d坐標生成裝置包括：
36、獲取單元，用于獲取待識別車道線2d圖像以及基于所述待識別車道線2d圖像進行預測得到的車道線預測坐標；
37、推理單元，用于根據預先訓練的推理模型對所述待識別車道線2d圖像進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值；
38、模型建立單元，用于根據所述滅點值建立路面坡度模型；
39、計算單元，用于根據所述車道線預測坐標和所述路面坡度模型，計算車道線點的3d坐標。
40、進一步地，所述獲取單元包括：
41、第一獲取子單元，用于獲取待識別車道線2d圖像以及所述待識別車道線2d圖像的車道線標注數據；
42、預測子單元，用于根據所述車道線標注數據進行2d車道位置預測，得到車道線預測坐標。
43、進一步地，所述推理單元包括：
44、提取子單元，用于對所述待識別車道線2d圖像中的有效路面部分進行分割提取，得到待識別有效路面圖像；
45、第二獲取子單元，用于獲取所述待識別有效路面圖像中基于車輛坐標系的激光點云數據；
46、第一轉換子單元，用于將所述激光點云數據從車輛坐標系轉換到圖像坐標系，得到有效路面位置點云坐標；
47、第三獲取子單元，用于獲取預先訓練的推理模型；
48、推理子單元，用于根據所述有效路面位置點云坐標和所述推理模型進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值。
49、進一步地，所述推理子單元包括：
50、計算模塊，用于采用k臨近方法計算每個所述有效路面位置點云坐標對應的法向量；
51、設置模塊，用于在所述待識別車道線2d圖像中設本文檔來自技高網...
【技術保護點】
1.一種車道線3D坐標生成方法，其特征在于，包括：
2.根據權利要求1所述的車道線3D坐標生成方法，其特征在于，所述獲取待識別車道線2D圖像以及基于所述待識別車道線2D圖像進行預測得到的車道線預測坐標，包括：
3.根據權利要求1所述的車道線3D坐標生成方法，其特征在于，所述根據預先訓練的推理模型對所述待識別車道線2D圖像進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
4.根據權利要求3所述的車道線3D坐標生成方法，其特征在于，所述根據所述有效路面位置點云坐標和所述推理模型進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
5.根據權利要求4所述的車道線3D坐標生成方法，其特征在于，所述根據所述滅點值建立路面坡度模型，包括：
6.根據權利要求4所述的車道線3D坐標生成方法，其特征在于，所述根據所述車道線預測坐標和所述路面坡度模型，計算車道線點的3D坐標，包括：
7.一種車道線3D坐標生成裝置，其特征在于，所述車道線3D坐標生成裝置包括：
8.根據權利要求7所述的車道線3D坐標
9.一種電子設備，其特征在于，所述電子設備包括存儲器以及處理器，所述存儲器用于存儲計算機程序，所述處理器運行所述計算機程序以使所述電子設備執行權利要求1至6中任一項所述的車道線3D坐標生成方法。
10.一種可讀存儲介質，其特征在于，所述可讀存儲介質中存儲有計算機程序指令，所述計算機程序指令被一處理器讀取并運行時，執行權利要求1至6中任一項所述的車道線3D坐標生成方法。
...【技術特征摘要】
1.一種車道線3d坐標生成方法，其特征在于，包括：
2.根據權利要求1所述的車道線3d坐標生成方法，其特征在于，所述獲取待識別車道線2d圖像以及基于所述待識別車道線2d圖像進行預測得到的車道線預測坐標，包括：
3.根據權利要求1所述的車道線3d坐標生成方法，其特征在于，所述根據預先訓練的推理模型對所述待識別車道線2d圖像進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
4.根據權利要求3所述的車道線3d坐標生成方法，其特征在于，所述根據所述有效路面位置點云坐標和所述推理模型進行滅點值推理，得到圖像坐標系下路面不同位置的滅點值，包括：
5.根據權利要求4所述的車道線3d坐標生成方法，其特征在于，所述根據所述滅點值建立路面坡度模型，包括：
...
【專利技術屬性】
技術研發人員：甄玉珂，崔濤，方志杰，彭易錦，
申請(專利權)人：廣汽埃安新能源汽車股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。