【第4期-智能驾驶汽车系列术语概念解析】第1节：基于车道线方程的曲率计算

目录

前言

一、利用三次多项式曲线对车道线建模

二、三次多项式系数的物理释义

三、MATLAB代码

---

---

前言

        车道线检测和识别是自动驾驶汽车前端环境感知的组成部分，检测结果为后端的规划和决策板块提供重要的信息参考，LDW（车道偏离预警）、LKA（车道保持辅助）、ACC（自适应巡航控制）等功能模块都依赖于连续稳定的车道线检测。
        如下图1（来源于网络，侵删）所示，智能汽车首先利用摄像头采集到视觉图像，然后通过二值化等数学处理，最后可以提取结构化道路下的清晰车道线。

图1 基于视觉图像的车道线提取

        车道线检测结果在向后端规控板块进行数据流传递的过程中，若直接将检测到的车道线用若干密集散点进行输出，一方面会增加系统的运算成本，另一方面也会导致检测结果失真。
        因此，可以通过建立车道线函数模型，该模型的待定系数根据本周期的检测结果散点进行函数拟合得到。如此一来，车道线检测结果只需向后端传递较少的几个函数模型的参数，后端接收到参数再通过函数模型还原为车道线。
        三次多项式曲线拟合车道中心线线不仅拟合精度较高，拟合结果的几个待定系数也具有一定的物理属性。

一、利用三次多项式曲线对车道线建模

        关于车道线函数模型，首先需要基于本车建立车体坐标系，坐标系原点设为车辆质心。如下图2所示为利用MATLAB的自动驾驶工具箱函数生成的一条模拟路段，蓝车为主车，其余车辆为交通车。

图2 同向三车道弯道场景

        左右侧车道线的数学模型可以利用三次多项式进行描述（MATLAB的自动驾驶工具箱库函数提供了三次方车道边界模型函数，cubicLaneBoudary），如下式所示：

 式中，ai和bi 分别表示左侧车道线和右侧车道线的待定系数。

        为了求解式上式的待定系数，可以基于蓝车所在的中间车道的双侧车道线离散点，利用MATLAB的poliyfit函数进行多项式拟合，拟合结果如下所示：