(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210840358.X (22)申请日 2022.07.18 (65)同一申请的已公布的文献号 申请公布号 CN 114973180 A (43)申请公布日 2022.08.30 (73)专利权人 福思 （杭州） 智能科技有限公司 地址 310000 浙江省杭州市滨江区西兴街 道阡陌路459号A 楼1602室 （自主申报） (72)发明人 孙雅鸽　吴孟　喻清舟　郭志伟　 崔晔　薛诺诺　高乐　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 苗芬芬 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/80(2022.01) G06V 10/84(2022.01)G06N 7/00(2006.01) (56)对比文件 CN 112487861 A,2021.0 3.12 CN 110503009 A,2019.1 1.26 CN 114241444 A,2022.03.25 CN 113011285 A,2021.0 6.22 CN 111731382 A,2020.10.02 CN 111241224 A,2020.0 6.05 US 2020019165 A1,2020.01.16 龙众鹏 等.基 于动态划分感兴趣区域的车 道线检测算法. 《电子制作》 .202 2, Wentao Du等.D SSF-net: Dual-Task Segmentati on and Self-supervised Fit ting Network for End-to- End Lane Mark Detection. 《 2020 IE EE/RSJ Internati onal Conference o n Intelligent Robots and Systems》 .2021, 审查员 李雯雯 (54)发明名称 一种车道线跟踪方法、 装置、 设备及存储介 质 (57)摘要 本申请公开了一种车道线跟踪方法、 装置、 设备及存储介质， 该车道线跟踪方法包括： 获取 当前车道线预测 信息和当前车道线信息， 对当前 车道线预测 信息分别进行一次拟合或多次拟合， 得到多个车道线模型各自对应的初始拟合信息， 根据当前车道线预测 信息和初始拟合信息， 确定 多个车道线模 型各自对应的当前输入 结果， 基于 多个车道线模 型， 对当前输入结果和当前车道线 信息进行处理， 得到多个车道线模 型各自对应的 当前概率和当前输出结果； 根据当前概率， 从多 个车道线模 型中确定出目标车道线模 型； 根据目 标车道线模 型对应的当前输出结果， 确定当前车 道线融合输出结果。 采用本申请的技术方案能够 提高车道线跟踪处理的自适应性、 精确性和稳定性。 权利要求书2页 说明书15页 附图8页 CN 114973180 B 2022.11.01 CN 114973180 B 1.一种车道线跟踪方法， 其特 征在于， 所述方法包括： 获取当前 车道线预测信息和当前 车道线信息； 所述当前车道线预测信 息为基于目标车辆在历史时刻采集的历史车道线信 息确定， 所 述当前车道线信息为所述目标 车辆在当前时刻采集的车道线信息； 获取多个车道线模型各自对应的转移概率、 各自在所述历史时刻的历史概率、 各自在 所述历史时刻的历史协方差以及各自在所述历史时刻的历史输出 结果； 基于所述历史输出结果、 所述转移概率、 所述历史概率和所述历史协方差， 确定预测 协 方差； 对所述当前车道线预测信 息分别进行一 次拟合或多次拟合， 得到多个车道线模型各自 对应的初始拟合信息； 根据所述当前车道线预测信 息和所述初始拟合信 息， 确定所述多个车道线模型各自对 应的当前输入结果； 基于所述多个车道线模型， 对所述多个车道线模型各自对应的当前输入结果、 所述预 测协方差和所述当前车道线信息进行 处理， 得到所述多个车道线模型各自对应的当前概率 和当前输出 结果； 根据所述多个车道线模型各自对应的当前概率， 从所述多个车道线模型中确定出目标 车道线模型； 根据所述目标 车道线模型对应的当前输出 结果， 确定当前 车道线融合输出 结果。 2.根据权利要求1所述的方法， 其特征在于， 所述获取当前车道线预测信息,包括： 获取 所述历史车道线信息、 所述目标车辆在所述历史时刻的历史行驶状态信息和所述目标车辆 在所述当前时刻的当前 行驶状态信息； 根据所述历史车道线信息、 所述历史行驶状态信息和所述当前行驶状态信息， 确定所 述当前车道线预测信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述历史行驶状态信 息包括历史位置信 息 和历史行驶方向信息， 所述当前 行驶状态信息包括当前位置信息和当前 行驶方向信息； 所述根据所述历史车道线信息、 所述历史行驶状态信息和所述当前行驶状态信息， 确 定所述当前 车道线预测信息， 包括： 根据所述历史位置信息和所述当前位置信息， 确定位置偏移信息； 根据所述历史行驶方向信息和所述当前 行驶方向信息， 确定行驶方向偏移信息； 基于所述位置偏移信息、 所述行驶方向偏移信息和所述历史车道线信息， 确定所述当 前车道线预测信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述历史输出结果、 所述转移概 率、 所述历史概 率和所述历史协方差， 确定预测协方差， 包括： 获取所述多个车道线模型各自在所述历史时刻的历史输出结果； 根据 所述转移概率和 所述历史概 率， 确定所述多个车道线模型 各自在所述当前时刻的混合 概率； 根据所述历史协方差、 所述历史输出结果和所述混合概率， 对所述多个车道线模型各 自在所述当前时刻的协方差进 行预测， 得到所述多个车道线模型各自对应的所述预测协方 差。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述多个车道线模型各自对应的权　利　要　求　书 1/2 页 2 CN 114973180 B 2当前概率， 从所述多个车道线模型中确定出目标 车道线模型， 包括： 将所述多个车道线模型各自对应的当前概率中， 满足预设条件的所述当前概率， 作为 目标概率； 将所述目标概 率对应的车道线模型确定为目标 车道线模型。 6.根据权利要求1所述的方法， 其特征在于， 所述根据所述目标车道线模型对应的当前 输出结果， 确定当前 车道线融合输出 结果， 包括： 根据所述目标 车道线模型对应的当前输出 结果， 确定目标拟合信息； 根据所述目标拟合信息， 确定所述当前 车道线融合输出 结果。 7.一种车道线跟踪装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取当前车道线预测信息和当前车道线信息； 所述当前车道线预测信 息为基于目标车辆在历史时刻 采集的历史车道线信息确定， 所述当前车道线信息为所述目 标车辆在当前时刻采集的车道线信息； 拟合模块， 用于对所述当前车道线预测信息分别进 行一次拟合或多次拟合， 得到多个车道线模型 各自对应的初始拟合信息； 、 第一确定模块， 用于根据所述当前车道线预测信息和所述初始拟合信息， 确定所述多 个车道线模型 各自对应的当前输入结果； 处理模块， 用于获取所述多个车道线模型各自对应的转移概率、 各自在所述历史时刻 的历史概率、 各自在所述历史时刻的历史协方差 以及各自在所述历史时刻的历史输出结 果； 基于所述历史输出结果、 所述转移概率、 所述历史概率和所述历史协方差， 确定预测协 方差； 基于所述多个车道线模型， 对所述多个车道线模型各自对应的当前输入结果、 所述预 测协方差和所述当前车道线信息进行 处理， 得到所述多个车道线模型各自对应的当前概率 和当前输出 结果； 第二确定模块， 用于根据所述多个车道线模型各自对应的当前概率， 从所述多个车道 线模型中确定出目标 车道线模型； 第三确定模块， 用于根据所述目标车道线模型对应的当前输出结果， 确定当前车道线 融合输出 结果。 8.一种车道线处理 的电子设备， 其特征在于， 所述设备包括处理器和存储器， 所述存储 器中存储有至少一条指令、 至少一段程序、 代码集或指令集， 所述至少一条指令、 所述至少 一段程序、 所述代码集或指 令集由所述处理器加载并执行以实现如权利要求 1至6任一所述 的车道线跟踪方法。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质中存储有至少一条指令、 至少 一段程序、 代码集或指令集， 所述至少一条指令、 所述至少一段程序、 所述代码集或指令集 由处理器加载并执 行以实现如权利要求1至 6任一所述的车道线跟踪方法。权　利　要　求　书 2/2 页 3 CN 114973180 B 3