自动驾驶系列（三）——环境感知之车道线检测技术

自动驾驶汽车需要感知不同颜色以及在不同的光照条件下的车道线，依靠车道线检测技术能够指导车辆在正确的区域进行行驶，为自动驾驶汽车的自动巡航、车道保持、车道超车等行为提供依据，当车辆偏离车道时可为驾驶员提供预警，有助于汽车安全驾驶。

• 什么是自动驾驶车道线检测技术？

车道线检测技术是自动驾驶的重要组成部分，车道线由实线、虚线、网格线等组成，颜色包括黄色和白色，特征比较单一，车道线检测时没有综合的特征可以采用，因此很难凭借单一的模型实现车道线的准确检测。

• 车道线检测的难点

车道线的形态有很多不确定性，车道线检测往往会受到阴影，眩光，遮挡，磨损，道路颜色的细微变化，周围建筑物和车辆的遮挡和线条的轻微障碍物等影响。

• 车道线数据标注的主要类型和标注规则

车道线检测是监督学习任务，模型训练需要车道线在图像中的分类和位置信息，首先对路面车道线信息进行标注，然后用标注信息训练目标检测模型。

1. 主要类型

1. 白色实线white_line_solid
2. 白色双实线white_double_line_solid
3. 白色虚线white_line_dash
4. 白色双虚线white_double_line_dash
5. 黄色实线yellow_line_solid
6. 黄色虚线yellow_line_dash
7. 虚实线virtual_line_solid
8. 实虚线 dotted_line_solid
9. 锯齿实线serrated_line_solid
10. 路沿（地面部分）road_curb
11. 压线ball_line
12. 网格线grid_line
13. 无车道线no_line_lane

1. 标注规则

2D拉框：

1. 同一条车道线用线标注车道中心点，用多边形框出车道线。
2. 同一实例车道线用一条线标注（比如虚线要连起来标注）。
3. 双实线、双虚线、实虚、虚实等双线要标注双线中心。
4. 车道线起点位置需要从图片边缘开始标注。
5. 破损缝隙要注意，不要多标（需要加破损道路标签）。
6. 被遮挡部分需要脑补标注。
7. 城区的路沿/隔离栏下都要画/脑补车道线，且一律按照实线处理。
8. 优先判断压线，再去判断网格线。
9. 当车辆压线，车道定义中优先选择压线。
10. 遇到停止线，车道线只标注到停止线，停止线外的车道线不标注。
11. 在高速公路上分叉口处呈倒人字形的路沿两边的路沿要分开标。
12. 收费站处的车道线比较混乱，只需要标自车道/邻车道的车道线，不画路沿。
13. 横向车道线不需要标。 

 

3D拉框：

1. 目标本身须全部被3D框包围，不漏点且不包含噪点。
2. 若目标物体边界清晰，则3D框边界距离目标主体真实边界最多不能大于10cm。

1. 要注意三视图是否贴合；注意正前方方向是否正确。
2. 所有地面上的目标物体其3D标注框底部须贴合地面，不能高于地面或低于地面。
3. 若目标物体距离过远导致目标所在区域点云稀少或者难以确定3D框下底面高度的情况时，可参考最近的地面点云线的高度和点云中距离最近的3D框来确定大致高度。

1. 注意事项

2D框：

1. 不漏标，不误标，不多标。
2. 正常路面场景中的车道线被损毁导致完全不可见，或者图中没有需要标注属性的线，不做任何标注。
3. 弯道处尽可能多打点。

3D框：

1. 不遗漏框，不误标框，不多标框，残影和杂点不需要标注。
2. 标注方向需正确。
3. 框要求紧密贴合点云，不可漏标点，外围边界不超过清晰点云边界的10cm位置，标注准确率在99%以上。

 景联文科技｜AI基础数据服务｜数据采集｜数据标注｜假指纹制作｜指纹防伪算法

助力人工智能技术加速数字经济相关产业质量变革，赋能传统产业智能化转型升级

著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。