申请/专利权人：百度(美国)有限责任公司

申请日：2019-01-15

公开（公告）日：2024-04-12

公开（公告）号：CN110390240B

主分类号：G06V10/44

分类号：G06V10/44;G06V20/56;G05D1/43

优先权：["20180418 US 15/956,431"]

专利状态码：有效-授权

法律状态：2024.04.12#授权;2019.11.22#实质审查的生效;2019.10.29#公开

摘要：在本公开的一个实施方式中提供了车道处理方法和系统。所述系统基于图像来识别交通车道。图像可转换为车道标记，其中，车道标记基于经识别的车道的内边缘。车道标记可用于转向、导航、控制和驾驶自动驾驶车辆ADV。在图形空间中，标记可彼此相关联以构成车道线。诸如空间信息和语义信息的附加信息可与每个车道相关联以进一步改善ADV规划和控制。

主权项：1.用于确定自动驾驶车辆的车道的计算机实施的方法，所述方法包括：将由所述自动驾驶车辆的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，所述二值图像的像素值包括第一像素值和第二像素值，其中像素值为所述第一像素值的像素与车道相关联，并且像素值为所述第二像素值的像素与车道不相关；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；沿所述内边缘生成车道标记；利用边缘连接所述车道标记，从而生成以边缘连接的标记的图形，其中每个车道标记连接到每个其他车道标记；以及计算每个边缘的代价，所述代价为属于相同的车道线的车道标记的配合度的度量；以及将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。

全文数据：自动驾驶车辆中的车道后处理技术领域本公开实施方式总体涉及操作自动驾驶车辆。更具体地，本公开的实施方式涉及处理图像以识别驾驶车道及其配置。背景技术以自主模式运行例如，无人驾驶的车辆可以将乘员、尤其是驾驶员从一些驾驶相关的职责中解放出来。当以自主模式运行时，车辆可以使用车载传感器导航到各种位置，从而允许车辆在最少人机交互的情况下或在一些没有任何乘客的情况下行驶。运动规划和控制是自动驾驶的关键操作。自动驾驶车辆ADV可以利用包括2D摄像机的不同的传感器和摄像机来确定车道的车道配置，包括确定车道的车道线或车道宽度。车道线检测和处理是基于摄像机的自动驾驶方案的核心问题，并且在自动驾驶中起着至关重要的作用。然而对于车道线的检测，一直以来缺乏有效的方法。发明内容在本公开的一实施方式中，提供了用于确定自动驾驶车辆的车道的计算机实施的方法，所述方法包括：将由所述自动驾驶车辆ADV的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；以及将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。在本公开的另一实施方式中，提供了非暂时性机器可读介质，所述非暂时性机器可读介质中存储有指令，所述指令在由处理器执行时使得所述处理器执行操作，所述操作包括：将由自动驾驶车辆ADV的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；以及将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。在本公开的又一实施方式中，提供了数据处理系统，包括：处理器；以及存储器，所述存储器与所述处理器联接并且存储指令，所述指令在由所述处理器执行时使得所述处理器执行操作，所述操作包括：将由自动驾驶车辆ADV的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。附图说明本发明实施方式在附图的各图中以举例而非限制的方式示出，附图中的相同参考数字指示类似元件。应注意，本公开中对本发明的“一”或“一个”实施方式的引用并不必须是指相同的实施方式，并且它们意味着至少一个。而且，为了简明和减少附图的总数，可使用给定附图来说明本发明的多于一个实施方式的特征，并且对于给定的实施方式，可能不需要附图中的所有元件。图1是示出根据一个实施方式的网络系统的框图。图2是示出根据一个实施方式的自动驾驶车辆的示例的框图。图3A至图3C是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。图4A至图4C是示出根据一个实施方式的对车道的2D图像进行后处理的方法的示例的流程图。图5A至图5C示出了根据一个实施方式的车道标签图图像的视图。图6示出了根据一个实施方式的轮廓分析和车道标记的视图。图7示出了根据一个实施方式的边缘连接标记的图形的视图。图8A和图8B示出了根据一个实施方式的车道对象。图9是示出根据一个实施方式的确定用于自动驾驶的车道的车道线的处理的流程图。图10是示出根据一个实施方式的数据处理系统的框图。具体实施方式以下将参考所讨论的细节来描述本公开各种实施方式和方面，附图将示出所述各种实施方式。以下描述和附图是对本公开的说明，而不应被解释为限制本公开。许多具体细节被描述以提供对本公开的各种实施方式的透彻理解。然而，在某些情况下，公知的或传统的细节未被描述以提供对本公开的实施方式的简要讨论。本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本公开的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部是指同一实施方式。根据一些实施方式，描述了确定用于自动驾驶车辆的车道的计算机实施方法。该方法可包括：将由自动驾驶车辆的摄像机拍摄的图像转换为图像空间内的二值图像，其中，每个像素在该像素与车道相关联时具有第一像素值，并且在该像素与车道不相关时具有第二像素值，从而生成车道标签图图像；对车道标签图图像执行连接分量分析以连接具有相同的像素值的相邻像素，从而生成表示一个或多个车道的连接像素；对于一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括限定车道的轮廓、基于车道的轮廓和车辆的位置来检测车道的内边缘、以及沿内边缘生成车道标记；以及将车道标记从图像空间映射到车辆地面空间。车辆地面空间上的经映射的车道标记被用于确定用于驾驶ADV的车道配置。如本文中所使用的措辞“图像空间”是指具有二维像素映射例如，具有x坐标和y坐标的数字摄像机图像。根据一些实施方式，该方法还包括：连接车道标记与边缘，其中，每个车道标记连接到每个其他标记，从而生成边缘连接标记的图形；计算每个边缘的代价，所述代价为属于相同的车道线的车道标记的配合度的度量；以及对边缘和车道标记进行选择和分组，从而生成由所选择的标记和所选择的边缘形成的车道线。根据一些实施方式，具有一个或多个计算装置的、用于确定自动驾驶车辆的车道的系统，所述系统配置成：将由自动驾驶车辆ADV的摄像机拍摄的图像转换为图像空间内的二值图像，其中，每个像素在该像素与车道相关联时具有第一像素值，并且在该像素与车道不相关时具有第二像素值，从而生成车道标签图图像；对车道标签图图像执行连接分量分析以连接具有相同的像素值的相邻像素，从而生成表示一个或多个车道的连接像素；对于一个或多个车道中的每个，执行轮廓分析，包括限定车道的轮廓、基于车道的轮廓和车辆的位置来检测车道的内边缘、以及沿内边缘生成车道标记；以及将车道标记从图像空间映射到车辆地面空间，其中，车辆地面空间上的经映射的车道标记被用于确定用于驾驶ADV的车道配置。如本文中所使用的，车辆地面空间是指表示车辆正在行驶的地面的三维表面。图1是示出根据本公开一个实施方式的自动驾驶车辆网络配置的框图。参照图1，配置100包括可以通过网络102通信地联接到一个或多个服务器103至104的自动驾驶车辆101。尽管示出一个自动驾驶车辆，但多个自动驾驶车辆可以通过网络102联接到彼此和或联接到服务器103至104。网络102可以是任何类型的网络，例如，有线或无线的局域网LAN、诸如互联网、蜂窝网络、卫星网络的广域网WAN或其组合。服务器103至104可以是任何类型的服务器或服务器群集，诸如，网络或云服务器、应用服务器、后端服务器或其组合。服务器103至104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点MPOI服务器或者位置服务器等。自动驾驶车辆是指可以被配置成处于自主模式下的车辆，在所述自主模式下车辆在极少或没有来自驾驶员的输入的情况下导航通过环境。这种自动驾驶车辆可以包括传感器系统，所述传感器系统具有被配置成检测与车辆运行环境有关的信息的一个或多个传感器。所述车辆和其相关联的控制器使用所检测的信息来导航通过所述环境。自动驾驶车辆101可以在手动模式下、在全自主模式下或者在部分自主模式下运行。在一个实施方式中，自动驾驶车辆101包括，但不限于，感知与规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、信息娱乐系统114和传感器系统115。自动驾驶车辆101还可以包括普通车辆中包括的某些常用部件，诸如：发动机、车轮、方向盘、变速器等，所述部件可以由车辆控制系统111和或感知与规划系统110使用多种通信信号和或命令进行控制，例如，加速度信号或命令、减速度信号或命令、转向信号或命令、制动信号或命令等。部件110至115可以经由互连件、总线、网络或其组合通信地联接到彼此。例如，部件110至115可以经由控域网CAN总线通信地联接到彼此。CAN总线是被设计成允许微控制器和装置在没有主机的应用中与彼此通信的车辆总线标准。它是基于消息的协议，最初是为汽车内的多路电线设计的，但也用于许多其他环境。现在参照图2，在一个实施方式中，传感器系统115包括但不限于一个或多个摄像机211、全球定位系统GPS单元212、惯性测量单元IMU213、雷达RADAR单元214以及光探测和测距LIDAR单元215。GPS系统212可以包括收发器，所述收发器可操作以提供关于自动驾驶车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自动驾驶车辆的位置和定向变化。雷达单元214可以表示利用无线电信号来感测自动驾驶车辆的本地环境内的对象的系统。在一些实施方式中，除感测对象之外，雷达单元214可以附加地感测对象的速度和或前进方向。LIDAR单元215可以使用激光器来感测自动驾驶车辆所处环境中的对象。除其他系统部件之外，LIDAR单元215还可以包括一个或多个激光源、激光扫描器以及一个或多个检测器。摄像机211可以包括用来拍摄自动驾驶车辆周围环境的图像的一个或多个装置。摄像机211可以是静物摄像机和或视频摄像机。摄像机可以是可机械地移动的，例如，通过将摄像机安装在旋转和或倾斜平台上。传感器系统115还可以包括其他传感器，诸如：声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器以及音频传感器例如，麦克风。音频传感器可以被配置成从自动驾驶车辆周围的环境中拍摄声音。转向传感器可以被配置成感测方向盘、车辆的车轮或其组合的转向角度。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情形下，油门传感器和制动传感器可以集成为集成式油门制动传感器。在一个实施方式中，车辆控制系统111包括但不限于转向单元201、油门单元202也被称为加速度单元和制动单元203。转向单元201用来调整车辆的方向或前进方向。油门单元202用来控制电动机或发动机的速度，电动机或发动机的速度转而控制车辆的速度和加速度。制动单元203通过提供摩擦使车辆的车轮或轮胎减慢而使车辆减速。应注意，如图2所示的部件可以在硬件、软件或其组合中实施。回到图1，无线通信系统112允许自动驾驶车辆101与诸如装置、传感器、其他车辆等外部系统之间的通信。例如，无线通信系统112可以与一个或多个装置直接无线通信，或者经由通信网络进行无线通信，诸如，通过网络102与服务器103至104通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网WLAN，例如，使用WiFi，以与另一部件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等与装置例如，乘客的移动装置、显示装置、车辆101内的扬声器直接通信。用户接口系统113可以是在车辆101内实施的外围装置的部分，包括例如关键词、触摸屏显示装置、麦克风和扬声器等。自动驾驶车辆101的功能中的一些或全部可以由感知与规划系统110控制或管理，尤其当在自动驾驶模式下操作时。感知与规划系统110包括必要的硬件例如，处理器、存储器、存储装置和软件例如，操作系统、规划和安排路线程序，以从传感器系统115、控制系统111、无线通信系统112和或用户接口系统113接收信息，处理所接收的信息，规划从起始点到目的地点的路线或路径，随后基于规划和控制信息来驾驶车辆101。替代地，感知与规划系统110可以与车辆控制系统111集成在一起。例如，作为乘客的用户可以例如经由用户接口来指定行程的起始位置和目的地。感知与规划系统110获得行程相关数据。例如，感知与规划系统110可以从MPOI服务器中获得位置和路线信息，所述MPOI服务器可以是服务器103至104的一部分。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI。替代地，此类本地和MPOI信息可以本地高速缓存在感知与规划系统110的永久性存储装置中。当自动驾驶车辆101沿路线移动时，感知与规划系统110也可以从交通信息系统或服务器TIS获得实时交通信息。应注意，服务器103至104可以由第三方实体进行操作。替代地，服务器103至104的功能可以与感知与规划系统110集成在一起。基于实时交通信息、MPOI信息和位置信息以及由传感器系统115检测或感测的实时本地环境数据例如，障碍物、对象、附近车辆，感知与规划系统110可以规划最佳路线并且根据所规划的路线例如经由控制系统111来驾驶车辆101，以安全有效地到达指定目的地。服务器103可以是用于为各种客户端执行数据分析服务的数据分析系统。在一个实施方式中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121收集来自各种车辆自动驾驶车辆或由驾驶员驾驶的常规车辆的驾驶统计信息123。驾驶统计信息123包括指示在不同时间点由车辆的传感器捕获的驾驶命令例如，油门、制动、转向命令和车辆响应例如，速度、加速度、减速度、方向的信息。驾驶统计信息123还可以包括描述不同时间点处的驾驶环境的信息，诸如例如路线包括起始地和目的地、MPOI、道路状况、天气状况等。基于驾驶统计信息123，机器学习引擎122出于各种目的生成或训练规则、算法和或预测模型124的集合。算法124可包括车道后处理算法以基于车道的二值图像来标记车道或确定车道配置。然后，算法124可被上传到ADV上，以用于在实时自动驾驶期间识别和确定车道配置。图3A和图3B是示出根据一个实施方式的与自动驾驶车辆一起使用的感知与规划系统的示例的框图。系统300可以被实施为图1的自动驾驶车辆101的一部分，包括但不限于感知与规划系统110、控制系统111和传感器系统115。参照图3A至图3B，感知与规划系统110包括但不限于定位模块301、感知模块302、预测模块303、决定模块304、规划模块305、控制模块306和路线选择模块307。模块301至307中的一些或全部可以以软件、硬件或其组合来实施。例如，这些模块可以安装在永久性存储装置352中、加载到存储器351中，并且由一个或多个处理器未示出执行。应注意，这些模块中的一些或全部可以通信地联接到图2的车辆控制系统111的一些或全部模块或者与它们集成在一起。模块301至307及它们的子部件中的一些可以一起集成为集成模块。定位模块301例如，借助GPS单元212确定自动驾驶车辆300的当前位置并且管理与用户的行程或路线有关的任何数据。定位模块301也被称为地图与路线选择模块管理与用户的行程或路线相关的任何数据。用户可以例如经由用户接口登录并且指定行程的起始位置和目的地。定位模块301与自动驾驶车辆300的其他部件通信，诸如地图和路线信息311，以获得行程相关数据。例如，定位模块301可以从位置服务器和地图与POIMPOI服务器获得位置和路线信息。位置服务器提供位置服务，并且MPOI服务器提供地图服务和某些位置的POI，从而可以作为地图和路线信息311的一部分高速缓存。当自动驾驶车辆300沿路线移动时，定位模块301也可以从交通信息系统或服务器获得实时交通信息。基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，感知模块302确定周围环境的感知。感知信息可以表示普通驾驶员在驾驶员正驾驶的车辆周围将感知到的东西。感知可以包括车道配置例如，直线车道或弯曲车道、交通灯信号、另一车辆的相对位置、行人、建筑物、人行横道或例如采用对象形式的其他交通相关标志例如，停止标志、让路标志等。感知模块302可以包括计算机视觉系统或计算机视觉系统的功能，以处理并分析由一个或多个摄像机拍摄的图像，以便识别自动驾驶车辆环境中的对象和或特征。所述对象可以包括交通信号、道路边界、行车道、其他车辆、行人和或障碍物等。计算机视觉系统可以使用对象识别算法、视频跟踪以及其他计算机视觉技术。在一些实施方式中，计算机视觉系统可以绘制环境地图，跟踪对象，以及估算对象的速度等。感知模块302也可以基于由诸如RADAR和或LIDAR的其他传感器提供的其他传感器数据来检测对象。针对感知模块302的附加模块和功能，另参见图3C。对于对象中的每个，预测模块303预测对象在各种状况下将做出何种行为。预测是根据地图路线信息311和交通规则312的集合、基于在时间点处感知驾驶环境所得的感知数据来执行的。例如，如果对象是相反方向上的车辆并且当前驾驶环境包括交叉点，则预测模块303将预测车辆是否可能直线向前移动或转弯。如果感知数据指示交叉路口处没有交通信号灯，则预测模块303可以预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前处于仅左转车道或仅右转车道，则预测模块303可以预测车辆将更可能分别进行左转或右转。针对每个对象，决定模块304作出关于如何处理对象的决定。例如，针对特定对象例如，交叉路线中的另一车辆以及描述该对象的元数据例如，速度、方向、转弯角度，决定模块304决定如何遇到所述对象例如，超车、让行、停止、超过。决定模块304可以根据诸如交通规则或驾驶规则312的规则集合来作出此类决定，所述规则可以存储在永久性存储装置352中。路线选择模块307配置成提供从起始点到目的地点的一个或多个路线或路径。对于例如从用户接收到的从起始地到目的地的给定行程，路线选择模块307获得路线和地图信息311并确定从起始地到达目的地的所有可能的路线或路径。针对其所确定的从起始地到达目的地的每个路线，路线选择模块307可以以地形图的形式生成参考线。参考线是指不受来自诸如其他车辆、障碍物或交通状况等的任何干扰的理想路线或路径。也就是说，如果道路上没有其他车辆、行人或障碍物，ADV应完全或紧密遵循参考线。然后，地形图被提供给决策模块304和或规划模块305。决策模块304和或规划模块305检查所有可能的路线以结合由其他模块提供的其他数据诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况来选择和修改最佳路线中的一个。用于控制ADV的实际路径或路线可以与根据该时间点处的特定驾驶环境由路线选择模块307提供的参考线接近或不同。基于针对所感知到的对象中的每个的决策，规划模块305使用由路线选择模块307提供的参考线作为基准为自动驾驶车辆规划路径或路线以及驾驶参数例如，距离、速度和或转弯角度。换言之，针对给定的对象，决定模块304决定对该对象做什么，而规划模块305确定如何去做。例如，针对给定的对象，决定模块304可以决定超过所述对象，而规划模块305可以确定在所述对象的左侧还是右侧超过。规划和控制数据由规划模块305生成，包括描述车辆300在下一移动循环例如，下一路线路径段中将如何移动的信息。例如，规划和控制数据可以指示车辆300以30英里每小时mph的速度移动10米，随后以25mph的速度变到右侧车道。基于规划和控制数据，控制模块306根据由规划和控制数据限定的路线或路径通过将适当的命令或信号发送到车辆控制系统111来控制并驾驶自动驾驶车辆。所述规划和控制数据包括足够的信息，以沿路径或路线在不同的时间点使用适当的车辆设置或驾驶参数例如，油门、制动和转弯命令将车辆从路线或路径的第一点驾驶到第二点。在一个实施方式中，规划阶段以多个规划循环也被称为命令循环执行，例如，以100毫秒ms的每个时间间隔执行。对于规划循环或命令循环中的每个，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块305规划下一个路线段或路径段，例如，包括目标位置和ADV到达目标位置所需的时间。替代地，规划模块305还可以指定特定速度、方向和或转向角度等。在一个实施方式中，规划模块305规划用于下一个预定时间周期如5秒的路线段或路径段。对于每个规划循环，规划模块305基于在前一循环中规划的目标位置来规划当前循环例如，接下来的5秒的目标位置。然后，控制模块306基于当前循环的规划和控制数据来生成一个或多个控制命令例如，油门、制动、转向控制命令。应注意，决定模块304和规划模块305可以集成为集成模块。决定模块304规划模块305可以包括导航系统或导航系统的功能，以确定自动驾驶车辆的驾驶路径。例如，导航系统可以确定用于实现自动驾驶车辆沿以下路径移动的一系列速度和定向前进方向：所述路径在使自动驾驶车辆大致沿着通往最终目的地的基于车行道的路径前进的同时，基本上避免感知到的障碍物。目的地可以根据经由用户接口系统113进行的用户输入来设定。导航系统可以在自动驾驶车辆处于操作中的同时动态地更新驾驶路径。导航系统可以将来自GPS系统和一个或多个地图的数据合并，以确定用于自动驾驶车辆的驾驶路径。决定模块304规划模块305还可以包括防撞系统或防撞系统的功能，以识别、评估并且避免或以其他方式越过自动驾驶车辆的环境中的潜在障碍物。例如，防撞系统可以通过以下方式实现自动驾驶车辆的导航中的变化：操作控制系统111中的一个或多个子系统来采取转向操纵、转弯操纵、制动操纵等。防撞系统可以基于周围的交通模式、道路状况等自动确定可行的障碍物回避操纵。防撞系统可以配置成使得当其他传感器系统检测到位于自动驾驶车辆将转向进入的相邻区域中的车辆、建筑障碍物等时不采取转向操纵。防撞系统可以自动选择既可用又使得自动驾驶车辆乘员的安全性最大化的操纵。防撞系统可以选择所预测的避开操纵以使得自动驾驶车辆的乘客舱中出现最小量的加速度。车道线检测和处理是基于摄像机的自动驾驶车辆的核心问题。ADV必须具有交通车道的准确表示以控制、转向和导航车辆。然而，如本文中所认识到的，车道线检测和处理的已知方法具有缺陷。因此，本文中描述了车道线检测的得到改善的方法。图3C示出了感知模块302和各种子部件的实施方式。图3C并不意味着感知模块302的模块和功能的穷举式图示，而是未示出其他模块和功能。参照图3C，车道图图像生成器3020可配置成将由ADV的摄像机拍摄的图像转换为图像空间内的二值图像，其中，对于二值图像的每个像素，例如如果该像素与车道相关联，则具有第一像素值，如“1”的第一逻辑值，并且如果该像素与车道不相关，则具有如“0”的第二逻辑值，从而生成车道标签图图像。连接分量分析器3021可配置成对来自车道标签图图像的像素进行连接或分组以识别车道。例如，连接分量分析器可连接具有值1或相同的像素值的相邻像素。经连接经分组的像素识别或表示一个或多个车道。连接分量分析器可例如通过在车道像素被识别为属于线的像素上执行合并查找union-find或并集查找union-find来对像素进行连接分组。轮廓分析器3022可配置成基于连接像素来确定车道的轮廓。车道标记生成器3023可配置成确定轮廓的内边缘并且沿车道的内边缘生成车道标记。有利地，基于车道的内边缘的车辆控制提供对ADV的更严格的控制并且降低车辆偏离到车道外的风险。车辆地面空间转换器3024可配置成将车道标记从图像空间映射到车辆地面空间。例如，车辆地面空间转换器3024可对图像空间执行单应转换homographictransform以将车道标记映射到车辆地面空间。现在参照图7，标记关联引擎3025可配置成通过边缘702将车道标记602与其他车道标记进行连接，计算每个边缘的代价704，并且对边缘和车道标记进行选择和分组，从而生成由所选择的标记形成的车道。返回参照图3C，车道对象生成器3026可配置成将根据标记形成的车道线与车道对象进行关联，确定车道对象的空间标签和车道对象的语义标签，下文中对此进行进一步详细描述。图4A示出了表示根据一个实施方式的确定自动驾驶车辆的车道的过程的流程图。如图4A中所示的过程可由处理逻辑执行，其中，处理逻辑可包括软件、硬件或其组合。一旦系统通过摄像机拍摄2D图像，在操作402中，系统可将图像转换为图像空间中的二值图像。图像的每个像素可在该像素与车道相关联时具有第一逻辑值，或者可在该像素与车道不相关时具有第二逻辑值参见例如图5C，像素504。如图5B中所示，这种图像可被描述为车道标签图图像，其中，以黑色示出的像素502表示与行车道相关联的像素，而白色空间表示与行车道不相关的像素。有利地，由于车道信息被压缩例如，其他图像数据从文件中被剥离，因此将车道表示为图像空间中的二值像素提供了供处理器更快速地进行分析的文件。然后，如图5A中所示，在操作404中，系统可对车道标签图图像执行连接分量分析，以对与车道相关联的所有像素进行连接或分组，例如，通过对相邻的车道像素进行连接或分组来实现。这将产生表示一个或多个车道的经连接或经分组的像素。像素可通过使用已知的并集查找算法或本领域已知的其他等效算法来连接和分组。对于车道中的每个，系统可执行轮廓分析。例如，如图6中所示，在操作406中，系统可基于先前连接的像素来确定车道600的轮廓。接下来，在操作408中，系统可检测车道的内边缘。例如，如果ADV位置已知为处于两个车道之间，则系统可将两个车道的内边缘识别为相对于车辆在近侧即，内侧的边缘。参见图6，其中示出了从车道轮廓600检测内边缘604。有利地，由于ADV位置可定位成位于所检测到的交通车道之间，而不是在车道的顶部上，因此通过检测车道轮廓的内边缘，能够改善车辆控制。接下来，在操作410中，系统可沿车道的内边缘生成车道标记。此时，车道标记仍在图像空间中。如图6中所示，车道标记602为沿车道轮廓600的所检测到的内边缘604的标记。然后，在操作412中，系统可将车道标记从图像空间映射到车辆地面空间，并且利用车辆地面空间上的经映射的车道标记来确定用于ADV的转向、导航和驾驶的车道配置。例如，系统可对图像空间中的车道标记执行单应转换，以将它们映射到车辆地面空间。从图像空间到车辆地面空间的映射可以是处理器密集型的；然而，通过利用标记而不是整个图像，节省了宝贵的处理器资源。当车道标记在车辆地面空间中时，在操作420中，系统可对车道标记执行标记关联。例如，如图4B中所示，在操作422中，系统可利用边缘连接车道标记。每个标记可通过边缘连接到每个其他标记。接下来，在操作424中，可针对每个边缘计算代价，其中，代价是属于相同的车道线的车道标记的配合度的度量。例如，系统可基于连接的节点之间的距离例如，边缘的长度来分配代价。然后，在操作426中，系统可对以边缘连接的车道标记进行选择和分组，从而生成由所选择的标记和所选择的边缘形成的车道线。该选择可基于边缘代价，该边缘代价可取决于车辆地面空间中的边缘的两个节点标记之间的欧几里德距离、偏离角度和或相对定向或其组合。欧几里德距离可以是欧几里德空间中两点之间的距离，偏离角度可以是所选择的边缘相比于先前选择的边缘所偏离的角度，并且相对定向可以是所选择的边缘相对于先前选择的边缘的位置和或方向。例如，图7示出了车辆地面空间中的、由边缘702连接的车道标记706。标记中的每个具有通往每个其他标记的边缘。针对每个边缘，计算边缘代价704。通过这种方式，有利地确定每个标记对组合之间的代价，而这有助于边缘和标记的选择和分组。例如，边缘可通过贪婪算法greedyalgorithm来选择。虽然通常已知为在查找总体组合最短距离方面是次优的，但是由于速度、简单性、局部优化并且由于车道标记之间的总体组合最短距离在使车道标记相关联时不是特别有价值，贪婪算法在这种情况下可以是有利的。为了切断标记簇，系统可设置阈值并且基于代价是否达到或超过阈值来进行边缘选择。如果边缘选择超过特定代价，则不选择该边缘，从而将一个连续连接的簇与另一个簇切断。系统可将车道线转换为车道线的多项式函数表示。在这种情况下，车道线以图表形式表示。有利地，通过这种方式构成的车道线比其他方法更可靠，因为车道线是基于图形的。相反，其他方法如霍夫变换利用投票程序。然而，基于霍夫变换的车道检测由于依赖于相对定向和偏离并且在参数空间中执行，因此可能是不可靠的。另外，基于图形的车道线能够更好地检测何时车道为虚线或点线，而不是实线。在形成车道线之后，返回参照图4A，在操作430中，系统可基于由所选择的标记和所选择的边缘形成的车道线来生成车道对象。例如，在操作432中，系统可将车道线与车道对象进行关联。在操作434中，系统可确定车道对象的空间标签，并且在操作436中，确定车道对象的语义标签。空间标签可包括识别与车辆相关的车道位置的名称分类。例如，现在参照图8A至图8B，对于车道实例802，空间标签804可以是“L0”以指示该车道为车辆左侧的第一车道，而具有“L1”空间标签的车道对象可指示该车道为车辆左侧的第二车道，并且“R1”可指示该车道为车辆右侧的第二车道。也可利用字段806来指示车道实例是具有实车道线还是虚线。系统也可确定车道对象的语义标签。例如，基于与车道对象相关联的车道线的车道标记，系统可确定车道的类型，例如，点划线、短划线、实线、转弯、双实线、双短划线等。因此，语义标签可将车道对象和相关联的车道标记与一种类型的车道进行关联。有利地，与每个车道对象相关的空间标签可改善车辆控制，在检测到若干车道实例的情况下尤其如此。类似地，语义标签可通过向规划与控制系统提供关于车道类型的更多信息来改善车辆控制，使得ADV能够在做驾驶决策期间考虑车道类型。图9是示出根据一个实施方式的确定用于自动驾驶的车道的车道线的过程的流程图。过程900可以通过处理逻辑来执行，所述处理逻辑可包括软件、硬件或其组合。例如，过程900可以由感知模块302执行。参照图9，在操作901中，处理逻辑将由ADV的摄像机拍摄的图像转换为图像空间内的二值图像，从而生成车道标签图图像。在转换期间，可执行图像滤波操作以修改与一个或多个车道无关的某些像素的像素值。二值图像中的每个像素可在该像素与车道相关联时具有第一逻辑值例如，逻辑值1或TRUE，或者可在该像素与车道不相关时具有第二逻辑值例如，逻辑值0或FALSE。在操作902中，处理逻辑对车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，以生成表示一个或多个车道的经分组的像素。在操作903中，对于车道中的每个，处理逻辑执行轮廓分析以确定车道的形状，其中，轮廓分析包括确定车道的轮廓和内边缘、生成车道标记。在操作904中，处理逻辑将车道标记从图像空间映射到车辆地面空间。车辆地面空间中的经映射的车道标记可被用于确定车道的车道配置以沿所述车道驾驶ADV。应注意，如上文示出和描述的部件中的一些或全部可以以软件、硬件或其组合中实现。例如，此类部件可以实施为安装并存储在永久性存储装置中的软件，所述软件可以通过处理器未示出加载在存储器中并在存储器中执行以实施贯穿本申请所述的过程或操作。替代地，此类部件可以实施为编程或嵌入到专用硬件诸如，集成电路例如，专用集成电路或ASIC、数字信号处理器DSP或现场可编程门阵列FPGA中的可执行代码，所述可执行代码可以经由来自应用的相应驱动程序和或操作系统来访问。此外，此类部件可以实施为处理器或处理器内核中的特定硬件逻辑，作为可由软件部件通过一个或多个特定指令访问的指令集的一部分。图10是示出可以与本公开的一个实施方式一起使用的数据处理系统的示例的框图。例如，系统1500可以表示以上所述的执行上述过程或方法中的任一个的任何数据处理系统，例如，图1的感知与规划系统110或者服务器103至104中的任一个。系统1500可以包括许多不同的部件。这些部件可以实施为集成电路IC、集成电路的部分、分立电子装置或适用于电路板的其他模块诸如，计算机系统的主板或插入卡或者实施为以其他方式并入计算机系统的底盘内的部件。还应注意，系统1500旨在示出计算机系统的许多部件的高级视图。然而，应当理解的是，某些实施方式中可以具有附加的部件，此外，其他实施方式中可以具有所示部件的不同配置。系统1500可以表示台式计算机、膝上型计算机、平板计算机、服务器、移动电话、媒体播放器、个人数字助理PDA、智能手表、个人通信器、游戏装置、网络路由器或集线器、无线接入点AP或中继器、机顶盒或其组合。此外，虽然仅示出了单个机器或系统，但是术语“机器”或“系统”还应当被理解为包括单独地或共同地执行一个或多个指令集以执行本文所讨论的任何一种或多种方法的机器或系统的任何集合。在一个实施方式中，系统1500包括经由总线或互连件1510连接的处理器1501、存储器1503以及装置1505至1508。处理器1501可以表示其中包括单个处理器内核或多个处理器内核的单个处理器或多个处理器。处理器1501可以表示一个或多个通用处理器，诸如，微处理器、中央处理单元CPU等。更具体地，处理器1501可以是复杂指令集计算CISC微处理器、精简指令集计算RISC微处理器、超长指令字VLIW微处理器、或实施其他指令集的处理器、或实施指令集组合的处理器。处理器1501还可以是一个或多个专用处理器，诸如，专用集成电路ASIC、蜂窝或基带处理器、现场可编程门阵列FPGA、数字信号处理器DSP、网络处理器、图形处理器、通信处理器、加密处理器、协同处理器、嵌入式处理器，或者能够处理指令的任何其他类型的逻辑。处理器1501其可以是低功率多核处理器插座，诸如超低电压处理器可以充当用于与所述系统的各种部件通信的主处理单元和中央集线器。这种处理器可以实施为片上系统SoC。处理器1501被配置成执行用于执行本文所讨论的操作和步骤的指令。系统1500还可以包括与可选的图形子系统1504通信的图形接口，图形子系统1504可以包括显示控制器、图形处理器和或显示装置。处理器1501可以与存储器1503通信，存储器1503在一个实施方式中可以经由多个存储器装置实施以提供给定量的系统存储器。存储器1503可以包括一个或多个易失性存储或存储器装置，诸如，随机存取存储器RAM、动态RAMDRAM、同步DRAMSDRAM、静态RAMSRAM或者其他类型的存储装置。存储器1503可以存储包括由处理器1501或任何其他装置执行的指令序列的信息。例如，各种操作系统、装置驱动程序、固件例如，输入输出基本系统或BIOS和或应用的可执行代码和或数据可以加载到存储器1503中并由处理器1501执行。操作系统可以是任何类型的操作系统，例如，机器人操作系统ROS、来自公司的操作系统、来自苹果公司的Mac来自公司的LINUX、UNIX，或者其他实时或嵌入式操作系统。系统1500还可以包括IO装置，诸如装置1505至1508，包括网络接口装置1505、可选的输入装置1506，以及其他可选的IO装置1507。网络接口装置1505可以包括无线收发器和或网络接口卡NIC。所述无线收发器可以是WiFi收发器、红外收发器、蓝牙收发器、WiMax收发器、无线蜂窝电话收发器、卫星收发器例如，全球定位系统GPS收发器或其他射频RF收发器或者它们的组合。NIC可以是以太网卡。输入装置1506可以包括鼠标、触摸板、触敏屏幕其可以与显示装置1504集成在一起、指针装置诸如，触摸笔和或键盘例如，物理键盘或作为触敏屏幕的一部分显示的虚拟键盘。例如，输入装置1506可以包括联接到触摸屏的触摸屏控制器。触摸屏和触摸屏控制器例如可以使用多种触敏技术包括但不限于电容、电阻、红外和表面声波技术中的任一种，以及用于确定与触摸屏接触的一个或多个接触点的其他接近传感器阵列或其他元件来检测其接触和移动或间断。IO装置1507可以包括音频装置。音频装置可以包括扬声器和或麦克风，以促进支持语音的功能，诸如语音识别、语音复制、数字记录和或电话功能。其他IO装置1507还可以包括通用串行总线USB端口、并行端口、串行端口、打印机、网络接口、总线桥例如，PCI-PCI桥、传感器例如，运动传感器，诸如加速度计、陀螺仪、磁强计、光传感器、罗盘、接近传感器等或者它们的组合。装置1507还可以包括成像处理子系统例如，摄像机，所述成像处理子系统可以包括用于促进摄像机功能诸如，记录照片和视频片段的光学传感器，诸如电荷耦合装置CCD或互补金属氧化物半导体CMOS光学传感器。某些传感器可以经由传感器集线器未示出联接到互连件1510，而诸如键盘或热传感器的其他装置可以由嵌入式控制器未示出控制，这取决于系统1500的具体配置或设计。为了提供诸如数据、应用、一个或多个操作系统等信息的永久性存储，大容量存储装置未示出也可以联接到处理器1501。在各种实施方式中，为了实现更薄且更轻的系统设计并且改进系统响应性，这种大容量存储装置可以经由固态装置SSD来实施。然而，在其他实施方式中，大容量存储装置可以主要使用硬盘驱动器HDD来实施，其中较小量的SSD存储装置充当SSD高速缓存以在断电事件期间实现上下文状态以及其他此类信息的非易失性存储，从而使得在系统活动重新启动时能够实现快速通电。另外，闪存装置可以例如经由串行外围接口SPI联接到处理器1501。这种闪存装置可以提供系统软件的非易失性存储，所述系统软件包括所述系统的BIOS以及其他固件。存储装置1508可以包括计算机可访问的存储介质1509也被称为机器可读存储介质或计算机可读介质，其上存储有体现本文所述的任何一种或多种方法或功能的一个或多个指令集或软件例如，模块、单元和或逻辑1528。处理模块单元逻辑1528可以表示上述的部件和与车道处理有关的子部件中的任一种，部件例如规划模块305、控制模块306、感知模块302，并且子部件例如车道图图像生成器3020、连接分量分析器3021、轮廓分析器3022、车道标记生成器3023、车辆地面空间转换器3024、标记关联引擎3025和车道对象生成器3026。处理模块单元逻辑1528还可以在其由数据处理系统1500、存储器1503和处理器1501执行期间完全地或至少部分地驻留在存储器1503内和或处理器1501内，数据处理系统1500、存储器1503和处理器1501也构成机器可访问的存储介质。处理模块单元逻辑1528还可以通过网络经由网络接口装置1505进行传输或接收。计算机可读存储介质1509也可以用来永久性地存储以上描述的一些软件功能。虽然计算机可读存储介质1509在示例性实施方式中被示为单个介质，但是术语“计算机可读存储介质”应当被认为包括存储所述一个或多个指令集的单个介质或多个介质例如，集中式或分布式数据库和或相关联的高速缓存和服务器。术语“计算机可读存储介质”还应当被认为包括能够存储或编码指令集的任何介质，所述指令集用于由机器执行并且使得所述机器执行本公开的任何一种或多种方法。因此，术语“计算机可读存储介质”应当被认为包括但不限于固态存储器以及光学介质和磁性介质，或者任何其他非暂时性机器可读介质。本文所述的处理模块单元逻辑1528、部件以及其他特征可以实施为分立硬件部件或集成在硬件部件诸如，ASIC、FPGA、DSP或类似装置的功能中。此外，处理模块单元逻辑1528可以实施为硬件装置内的固件或功能电路。此外，处理模块单元逻辑1528可以以硬件装置和软件部件的任何组合来实施。应注意，虽然系统1500被示出为具有数据处理系统的各种部件，但是并不旨在表示使部件互连的任何特定架构或方式；因为此类细节和本公开的实施方式没有密切关系。还应当认识到，具有更少部件或可能具有更多部件的网络计算机、手持计算机、移动电话、服务器和或其他数据处理系统也可以与本公开的实施方式一起使用。前述详细描述中的一些部分已经根据在计算机存储器内对数据位的运算的算法和符号表示而呈现。这些算法描述和表示是数据处理领域中的技术人员所使用的方式，以将他们的工作实质最有效地传达给本领域中的其他技术人员。本文中，算法通常被认为是导致所期望结果的自洽操作序列。这些操作是指需要对物理量进行物理操控的操作。然而，应当牢记，所有这些和类似的术语均旨在与适当的物理量关联，并且仅仅是应用于这些量的方便标记。除非在以上讨论中以其他方式明确地指出，否则应当了解，在整个说明书中，利用术语诸如所附权利要求书中所阐述的术语进行的讨论是指计算机系统或类似电子计算装置的动作和处理，所述计算机系统或电子计算装置操控计算机系统的寄存器和存储器内的表示为物理电子量的数据，并将所述数据变换成计算机系统存储器或寄存器或者其他此类信息存储装置、传输或显示装置内类似地表示为物理量的其他数据。本公开的实施方式还涉及用于执行本文中的操作的设备。这种计算机程序被存储在非暂时性计算机可读介质中。机器可读介质包括用于以机器例如，计算机可读的形式存储信息的任何机构。例如，机器可读例如，计算机可读介质包括机器例如，计算机可读存储介质例如，只读存储器“ROM”、随机存取存储器“RAM”、磁盘存储介质、光存储介质、闪存存储器装置。前述附图中所描绘的过程或方法可以由处理逻辑来执行，所述处理逻辑包括硬件例如，电路、专用逻辑等、软件例如，体现在非暂时性计算机可读介质上或两者的组合。尽管所述过程或方法在上文是依据一些顺序操作来描述的，但是应当了解，所述操作中的一些可以按不同的顺序执行。此外，一些操作可以并行地执行而不是顺序地执行。本公开的实施方式并未参考任何特定的编程语言进行描述。应认识到，可以使用多种编程语言来实施如本文描述的本公开的实施方式的教导。在以上的说明书中，已经参考本公开的具体示例性实施方式对本发明的实施方式进行了描述。将显而易见的是，在不脱离所附权利要求书中阐述的本公开的更宽泛精神和范围的情况下，可以对本公开做出各种修改。因此，应当在说明性意义而不是限制性意义上来理解本说明书和附图。

权利要求：1.用于确定自动驾驶车辆的车道的计算机实施的方法，所述方法包括：将由所述自动驾驶车辆的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；以及将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。2.根据权利要求1所述的方法，还包括：利用边缘连接所述车道标记，从而生成以边缘连接的标记的图形，其中，每个车道标记连接到每个其他车道标记；计算每个边缘的代价，所述代价为属于相同的车道线的车道标记的配合度的度量；以及对所述边缘和所述车道标记进行选择和分组，从而生成由所选择的车道标记和所选择的边缘形成的车道线。3.根据权利要求2所述的方法，还包括：将一个或多个所述车道线与对应的车道对象进行关联。4.根据权利要求2所述的方法，还包括：基于每个车道对象的车道实例，将一个或多个所述车道线与对应的车道对象进行关联。5.根据权利要求3所述的方法，还包括：根据所述车道对象相对于所述自动驾驶车辆的位置所处的位置，确定所述车道对象的空间标签。6.根据权利要求3所述的方法，还包括：基于与所述车道对象相关联的所述车道线的车道标记，确定所述车道对象的语义标签，其中，所述语义标签包括点线车道和虚线车道。7.根据权利要求2所述的方法，其中，对所述边缘的选择和分组通过贪婪算法来执行。8.根据权利要求2所述的方法，其中，基于以所述边缘连接的两个车道标记之间的距离来给每个所述边缘的代价赋值。9.根据权利要求2所述的方法，其中，所述车道标记存储在图形空间中，从而形成多项式函数。10.非暂时性机器可读介质，所述非暂时性机器可读介质中存储有指令，所述指令在由处理器执行时使得所述处理器执行操作，所述操作包括：将由自动驾驶车辆的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；以及将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。11.根据权利要求10所述的非暂时性机器可读介质，其中，所述操作还包括：利用边缘连接所述车道标记，从而生成以边缘连接的标记的图形，其中，每个车道标记连接到每个其他车道标记；计算每个边缘的代价，所述代价为属于相同的车道线的车道标记的配合度的度量；以及对所述边缘和所述车道标记进行选择和分组，从而生成由所选择的车道标记和所选择的边缘形成的车道线。12.根据权利要求11所述的非暂时性机器可读介质，其中，所述操作还包括：将一个或多个所述车道线与对应的车道对象进行关联。13.根据权利要求11所述的非暂时性机器可读介质，其中，所述操作还包括：基于每个车道对象的车道实例，将一个或多个所述车道线与对应的车道对象进行关联。14.根据权利要求12所述的非暂时性机器可读介质，其中，所述操作还包括：根据所述车道对象相对于所述自动驾驶车辆的位置所处的位置，确定所述车道对象的空间标签。15.根据权利要求12所述的非暂时性机器可读介质，其中，所述操作还包括：基于与所述车道对象相关联的所述车道线的车道标记，确定所述车道对象的语义标签，其中，所述语义标签包括点线车道和虚线车道。16.根据权利要求11所述的非暂时性机器可读介质，其中，对所述边缘的选择和分组通过贪婪算法来执行。17.根据权利要求11所述的非暂时性机器可读介质，其中，基于以所述边缘连接的两个车道标记之间的距离来给每个所述边缘的代价赋值。18.根据权利要求11所述的非暂时性机器可读介质，其中，所述车道标记存储在图形空间中，从而形成多项式函数。19.数据处理系统，包括：处理器；以及存储器，所述存储器与所述处理器联接并且存储指令，所述指令在由所述处理器执行时使得所述处理器执行操作，所述操作包括：将由自动驾驶车辆的摄像机拍摄的图像转换为图像空间内的二值图像从而生成车道标签图图像，其中，在所述二值图像中，每个像素在所述像素与车道相关联时具有第一像素值，并且在所述像素与车道不相关时具有第二像素值；对所述车道标签图图像执行连接分量分析以对相邻的车道像素进行分组，从而生成表示一个或多个车道的经分组的像素；对于所述一个或多个车道中的每个，执行轮廓分析，所述轮廓分析包括：确定所述车道的轮廓；检测所述车道的内边缘；以及沿所述内边缘生成车道标记；将所述车道标记从所述图像空间映射到车辆地面空间，其中，所述车辆地面空间上的经映射的车道标记被用于确定用于驾驶所述自动驾驶车辆的车道配置。20.根据权利要求19所述的数据处理系统，其中，所述操作还包括：利用边缘连接所述车道标记，从而生成以边缘连接的标记的图形，其中，每个车道标记连接到每个其他车道标记；计算每个边缘的代价，所述代价为属于相同的车道线的车道标记的配合度的度量；以及对所述边缘和所述车道标记进行选择和分组，从而生成由所选择的车道标记和所选择的边缘形成的车道线。

百度查询： 百度(美国)有限责任公司 自动驾驶车辆中的车道后处理

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD