(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211058851.2 (22)申请日 2022.08.30 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 杨秋红　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 梁风霞 (51)Int.Cl. G06V 20/56(2022.01) G06T 7/73(2017.01) G06T 7/246(2017.01) G06V 10/25(2022.01) G01C 21/20(2006.01) G01C 21/34(2006.01)G01C 1/00(2006.01) (54)发明名称 路沿线拟合预测方法、 装置、 系统、 设备及存 储介质 (57)摘要 本申请提供一种路沿线拟合预测方法、 装 置、 系统、 设备及存储介质， 该方法通过 获取当前 可行驶区域中多个 路沿线点的图像位置， 根据图 像位置和车身图像映射参数确定路沿线点的车 身位置， 得到各路沿线点的车身位置， 基于各路 沿线点的车身位置拟合得到两条初始拟合路沿 线， 确定当前时刻可行驶区域中的消失点位置， 根据消失点位置和当前道路图像的图像分辨率 确定车身俯仰角和车身偏航角， 将各路沿线点的 车身位置作为观测量， 将消失点位置、 车身俯仰 角和车身偏航角作为控制变量， 通过扩展卡尔曼 滤波模型对两条初始拟合路沿线进行跟踪预测， 得到两条预测拟合路沿线， 提升了上下坡路段的 路沿线坐标信息的准确性， 预测自车的行车状态 和路面真实情况 更准确。 权利要求书4页 说明书15页 附图5页 CN 115424227 A 2022.12.02 CN 115424227 A 1.一种路沿线拟合预测方法， 其特 征在于， 所述路沿线拟合预测方法包括： 获取当前可行驶 区域中多个路沿线点的图像位置， 所述当前可行驶区域基于当前道路 图像确定； 根据所述图像位置和车身图像映射参数确定所述路沿线点的车身位置， 得到各所述路 沿线点的车身位置， 所述车身图像映射参数用于表示图像的图像位置与车身的车身位置之 间的位置映射关系； 基于各所述路沿线点的车身位置拟合得到两条初始拟合路沿线， 确定所述当前时刻可 行驶区域中的消失点 位置； 根据所述消失点位置和所述当前道路图像的图像分辨率确定车身俯仰角和车身偏航 角； 将各所述路沿线点的车身位置作为观测量， 将所述消失点位置、 所述车身俯仰角和所 述车身偏航角作为控制变量， 通过扩展卡尔曼滤波模型对两条所述初始拟合路沿线进 行预 测， 得到两条预测拟合路沿线。 2.如权利要求1所述的路沿线拟合预测方法， 其特征在于， 获取当前可行驶区域中多个 路沿线点的图像位置之前， 所述路沿线拟合预测方法包括： 将所述当前道路图像输入预设可行驶 区域检测模型， 以确定所述当前道路图像中的当 前可行驶区域， 并确定所述当前可行驶区域中多个图像点的图像标签， 所述图像标签包括 静态边界标签和动态边界标签； 通过三阶贝塞尔曲线函数对所述图像标签包括静态边界标签的所述图像点进行插值 处理， 得到插值 点； 将所述插值 点和所述图像点确定为路沿线点。 3.如权利要求2所述的路沿线拟合预测方法， 其特征在于， 通过三阶贝塞尔曲线函数对 所述图像标签包括静态边界标签的所述图像点进 行插值处理之前， 所述路沿线拟合预测方 法包括： 对所述当前可行驶区域中的感兴趣区域从底部向上部逐行扫描， 过滤所述图像标签为 动态边界标签的所述图像点， 保留所述图像标签包括静态边界标签的所述图像点。 4.如权利要求3所述的路沿线拟合预测方法， 其特征在于， 所述感兴趣区域的确定方式 包括： A＝rows–a， B＝rows/b1–b2； 其中， A为所述感兴趣区域的扫描起始像素行， B为所述感兴趣区域的扫描终止像素行， rows为所述当前道路图像的图像像素总行数， a为预设第一阈值， b1为预设第二阈值， b2为 预设第三阈值， 0＜A＜B＜ro ws。 5.如权利要求2 ‑4任一项所述的路沿线拟合预测方法， 其特征在于， 通过三阶贝塞尔曲 线函数对所述图像标签包括静态边界标签的所述图像点进行插值处 理包括： 获取所述图像标签包括静态边界标签的所述图像点的图像点数量； 若所述图像点数量大于4， 且所述图像点数量为偶数， 通过三阶贝塞尔曲线函数对所述 图像标签包括静态边界标签的所述图像点进行插值处 理。 6.如权利要求1所述的路沿线拟合预测方法， 其特征在于， 基于各路沿线点的车身位置 拟合得到一条初始拟合路沿线包括：权　利　要　求　书 1/4 页 2 CN 115424227 A 2根据位于车身一侧的各所述路沿线点的车身位置信 息构造第 一矩阵和第 二矩阵， 基于 所述第一矩阵和第二矩阵确定拟合 参数矩阵， 以得到拟合 参数； 根据所述拟合 参数生成一条初始拟合路沿线。 7.如权利要求6所述的路沿线拟合预测方法， 其特 征在于， 所述第一矩阵包括： X＝[N P0.y+P1.y+..+PN ‑1.y (P0.y)^2+(P1.y)^2+..+(PN ‑1y)^2 (P0.y)^3+(P1.y)^3 +..+(PN‑1.y)^3 P0.y+P1.y+..+PN ‑1.y (p0.y)^2+(P1.y)^2+..+(PN ‑1.y)^2 (P0.y)^3+ (P1.y)^3+..+(PN ‑1.y)^3 (p0.y)^4+(P 1.y)^4+..+(PN ‑1.y)^4 (P0.y)^2+(P1.y)^2+..+ (PN‑1.y)^2 (P0.y)^3+(P1.y)^3+..+(PN ‑1.y)^3 (P0.y)^4+(P1.y)^4+..+(PN ‑1.y)^4 (p0.y)^5+(P1.y)^5+..+( PN‑1.y)^5 (p0.y)^3+(P1.y)^3+..+( PN‑1.y)^3 (P0.y)^4+ (P1.y)^4+..+(PN ‑1.y)^4 (P0.y)^5+(P 1.y)^5+..+(PN ‑1.y)^5 (P0.y)^6+(P1.y)^6+..+ (PN‑1.y)^6] 其中， X为第一矩阵， N为路沿线点的数量， P0.y为P0路沿线点的车身侧方坐标值， P1.y 为P1路沿线点的车身侧方坐标值， PN ‑1.y为P N ‑1路沿线点的车身侧方坐标值。 8.如权利要求6所述的路沿线拟合预测方法， 其特 征在于， 所述第二矩阵包括： Y＝[P0.x+P1.x+...+PN ‑1.x P0.y*P0.x+P1.y*P1.x+...+PN ‑1.y*PN‑1.x (P0y)^2*P0.x +(P1.y)^2*P1.x+..+(PN ‑1.y)^2*PN ‑1.x (P0.y)^3*P0.x+(P1.y)^3*P1.x+..+(PN ‑1.y)^3* PN‑1.x] 其中， Y为第二矩阵， P0.x为P0路沿线点的车身前方坐标值， P1.x为P1路沿线点的车身 前方坐标值， PN ‑1.x为P N ‑1路沿线点的车身前方坐标值， P0.y为P0 路沿线点的车身侧方坐 标值， P1.y为P1路沿线点的车身侧方坐标值， PN ‑1.y为PN‑1路沿线点的车身侧方坐标值。 9.如权利要求6所述的路沿线拟合预测方法， 其特征在于， 基于所述第 一矩阵和第 二矩 阵确定拟合 参数矩阵包括： AX＝Y， 其中， X为第一矩阵， Y为第二矩阵， A为拟合 参数矩阵。 10.如权利要求6 ‑9任一项所述的路沿线拟合预测方法， 其特征在于， 拟合参数包括沿 线近端相对车身中心的横向偏移 参数、 路线朝向参数、 路沿线曲率参数和曲率变化率参数， 所述初始拟合路沿线包括： x＝c0+c1y+c2y2+c3y3， 其中， c0为路沿线近端相对车身中心的横向偏移参数， c1为路线朝向参数， c2为路沿线 曲率参数， c3为曲率变化率参数， x为车身坐标系下的车身 前方坐标， y为车身坐标系下的车 身侧方坐标。 11.如权利要求10所述的路沿线拟合预测方法， 其特征在于， 所述拟合参数的确定方式 包括： c0＝A(0， 0)； c1＝A(1， 0)； c2＝A(2， 0)； c3＝A(3， 0)； 其中， c0为路沿线近端相对车身中心的横向偏移参数， c1为路线朝向参数， c2为路沿线 曲率参数， c3为曲率变化 率参数， A为拟合 参数矩阵。权　利　要　求　书 2/4 页 3 CN 115424227 A 3