车辆车道边界检测的制作方法

本公开涉及车辆中的高级驾驶员辅助系统。

背景技术：

1、可在不同的自主模式或半自主模式下操作的车辆可包括诸如自适应巡航控制等系统，所述系统可控制车辆的速度，包括通过使车辆的速度适应一个或多个其他车辆；车道居中，其中控制车辆转向以将车辆的横向位置维持在行进车道的中心；以及变道，其中可控制车辆转向、加速和/或制动以使车辆从一个行进车道移动到另一个行进车道。此类系统可被称为高级驾驶员辅助系统(adas)。在一些示例中，adas系统可提供对车道偏离、脱手驾驶(hands-free driving)的指示，并且可控制转向，以不仅将车辆维持在道路的车道中，而且还改变车道。

技术实现思路

1、真实世界环境条件可能会对高级驾驶员辅助系统(adas)特征的性能产生负面影响。覆盖道路的要素(诸如，雨、泥、沙、雾、雪等)可能使车道检测更加困难。本说明书公开了用于确定车道边界信息的系统和方法。当图像数据不包含足够的车道标记特征来确定车道边界时，可使用机器学习模型来预测车道边界。机器学习模型可使用非车道标记特征(诸如，车道宽度、轨迹边缘、轮胎边缘、尾灯边缘等)来预测车道边界。来自后向相机的图像数据可用于确认预测的车道边界，并基于预测的车道边界的位置准确度而更新机器学习模型。

2、在整个描述中，参考图1至图5c。当参看附图时，通篇示出的相同结构和元件用相同的附图标记来指示。

3、在一个示例性配置中，公开了一种用于确定道路的车道信息的系统。所述道路包括用于车辆的行驶车道。所述系统包括处理器和存储器，所述存储器存储可由所述处理器执行的指令。所述指令致使所述处理器从所述车辆的前向相机接收所述道路的前向图像数据。

4、确定指令基于所述前向图像数据中的车道标记特征而确定所述行驶车道的可见车道边界。所述前向图像数据包括足够的车道标记特征以确定所述可见车道边界。所述指令可包括用于从车辆的激光雷达传感器接收激光雷达数据的指令，并且可见车道边界可至少部分地基于激光雷达数据。

5、另一确定指令至少部分地基于所述前向图像数据中的前向特征而确定所述行驶车道的预测的车道边界。所述前向图像数据包括不足够的车道标记特征以确定所述预测的车道边界。在一种配置中，所述前向特征包括所述行驶车道的车道宽度。所述指令可包括用于从所述前向图像数据中的所述车道标记检测车道标记边缘的指令，并且所述前向特征可包括所述车道标记边缘。所述指令可包括用于检测所述前向图像数据中的车辆轨迹的轨迹边缘的指令，并且所述前向特征可包括所述轨迹边缘。所述指令可包括用于检测所述前向图像数据中的车辆轮胎的轮胎边缘的指令，并且所述前向特征可包括所述轮胎边缘。所述指令可包括用于检测所述前向图像数据中的车辆尾灯的尾灯边缘的指令，并且所述前向特征可包括所述尾灯边缘。

6、在一种配置中，预测的车道边界可位于道路上的可见车道边界的前向，并且用于确定预测的车道边界的指令可包括用于通过前向预测模型来确定预测的车道边界的指令。所述指令可致使所述处理器接收所述道路的后向图像数据，基于至少部分地来自所述后向图像数据的后向特征而确定所述预测的车道边界的位置准确度，并且基于所述预测的车道边界的位置准确度而更新所述前向预测模型。

7、在一种配置中，预测的车道边界可位于道路上的可见车道边界之间，并且用于确定预测的车道边界的指令可包括用于通过中间预测模型(in-between predicting model)来确定预测的车道边界的指令。所述指令可致使所述处理器接收所述道路的后向图像数据，基于至少部分地来自所述后向图像数据的后向特征而确定所述预测的车道边界的位置准确度，并且基于所述预测的车道边界的位置准确度而更新所述中间预测模型。

8、所述指令可包括用于通过所述可见车道边界和所述预测的车道边界确定所述车辆的行驶路径的指令。所述指令可包括用于进行以下操作的指令：当所述车辆在所述道路中的位置偏离所述行驶路径时确定所述车辆的车道偏离，并且当所述车辆在所述道路中的所述位置偏离所述行驶路径时提供对车道偏离的指示。在一种配置中，所述指令包括用于基于所述行驶路径而致动所述车辆的指令。

9、另一种示例性配置是一种用于确定车道信息的方法。所述方法包括从车辆的前向相机接收道路的前向图像数据。所述道路包括用于车辆的行驶车道。确定步骤基于所述前向图像数据中的车道标记特征而确定所述行驶车道的可见车道边界。所述前向图像数据包括足够的车道标记特征以确定所述可见车道边界。

10、确定步骤至少部分地基于所述前向图像数据中的前向特征而确定所述行驶车道的预测的车道边界。所述前向图像数据包括不足够的车道标记特征以确定所述预测的车道边界。在一种配置中，检测步骤检测所述前向图像数据中的车辆轨迹的轨迹边缘，并且所述前向特征包括所述轨迹边缘。

11、预测的车道边界可位于道路上的可见车道边界的前向，并且确定预测的车道边界可包括通过前向预测模型来确定预测的车道边界。在一种配置中，接收步骤接收所述道路的后向图像数据，并且确定步骤基于至少部分地来自所述后向图像数据的后向特征而确定所述预测的车道边界的位置准确度。可基于预测的车道边界的位置准确度而更新前向预测模型。

12、预测的车道边界可位于道路上的可见车道边界之间，并且确定预测的车道边界可包括通过中间预测模型来确定预测的车道边界。在一种配置中，接收步骤接收所述道路的后向图像数据，并且确定步骤基于至少部分地来自所述后向图像数据的后向特征而确定所述预测的车道边界的位置准确度。可基于预测的车道边界的位置准确度而更新中间预测模型。

13、所述方法可包括用于通过所述可见车道边界和所述预测的车道边界确定所述车辆的行驶路径的确定步骤。

14、另一实现方式可包括一种用于确定车道信息的计算机程序产品。所述计算机程序产品包括具有计算机可读程序代码的非暂时性计算机可读存储介质，所述计算机可读程序代码被配置成从车辆的前向相机接收道路的前向图像数据，基于所述前向图像数据中的车道标记特征而确定所述行驶车道的可见车道边界，至少部分地基于所述前向图像数据中的前向特征而确定所述行驶车道的预测的车道边界，并且通过所述可见车道边界和所述预测的车道边界确定所述车辆的行驶路径。前向图像数据包括足够的车道标记特征来确定可见车道边界，而前向图像数据包括不足够的车道标记特征来确定预测的车道边界。

技术特征：

1.一种方法，其包括：

2.如权利要求1所述的方法，其还包括：

3.如权利要求2所述的方法，其还包括：

4.如权利要求3所述的方法，其还包括：

5.如权利要求4所述的方法，其还包括：

6.如权利要求1所述的方法，其还包括：

7.如权利要求1所述的方法，其还包括：

8.如权利要求1所述的方法，其还包括：

9.如权利要求1所述的方法，其还包括：

10.如权利要求1所述的方法，其中所述前向特征包括所述行驶车道的车道宽度。

11.如权利要求1所述的方法，其还包括：

12.如权利要求1所述的方法，其还包括：

13.如权利要求1所述的方法，其还包括基于所述行驶路径而致动所述车辆。

14.一种计算机，其被编程以实施如权利要求1至13中任一项所述的方法。

技术总结本公开提供“车辆车道边界检测”。一种用于确定车道信息的系统。存储可由处理器执行的指令的存储器包括用于进行以下操作的指令：从车辆的前向相机接收道路的前向图像数据，基于所述前向图像数据中的车道标记特征而确定行驶车道的可见车道边界，至少部分地基于所述前向图像数据中的前向特征而确定所述行驶车道的预测的车道边界，以及确定所述车辆通过所述可见车道边界和所述预测的车道边界的行驶路径。技术研发人员：C·韦格纳,马哈茂德·尤瑟夫·加纳姆,B·S·邦迪,M·哈姆丹受保护的技术使用者：福特全球技术公司技术研发日：技术公布日：2024/7/9