当前位置：首页 > news >正文

无人驾驶-202411-智能驾驶-视觉感知后处理04-车道线检测及后处理04：车道线与辅助驾驶功能

news 2026/3/27 3:18:06

4.4 车道线与辅助驾驶功能

4.4.1 C-NCAP2021与车道线

C-NCAP2021标准对与车道线相关的功能（如LKA、LDW）做了具体的要求。LKA和LDW测试场景可以分为向左向右偏离虚车道线和向左向右偏离实车道线测试。在这些测试过程中，车辆会以0.2 m / s 0.2\mathrm{m / s}0.2m/s、0.3 m / s 0.3\mathrm{m / s}0.3m/s、0.4 m / s 0.4\mathrm{m / s}0.4m/s、0.5 m / s 0.5\mathrm{m / s}0.5m/s的横向速度分别在左右两侧偏离车道线，如图4-37、图4-38所示。

图4-37 在左右两侧偏离虚车道线场景

图4-38 在左右两侧偏离实车道线场景

对于LKA功能测试，评估指标是轮胎最外侧边缘到车道线外侧的距离。在测试过程

中，测试车辆向车道的左侧（或右侧）逐渐偏离，测试通过的标准是轮胎的最外侧边缘不应超过车道线外侧0.2 m 0.2\mathrm{m}0.2m。每个测试点按组进行试验，每组需重复开展3次试验，如果三次试验均通过则判定该测试点通过。而且每个测试点最多开展两组试验。以“实线-左侧-80-0.2”测试点得分率进行举例说明，该点测试得分率= 1 × ( 1 / 8 ) × ( 8 / 16 ) = 1 \times (1/8) \times (8/16)=1×(1/8)×(8/16)。所以，LKA功能得分可以表示为

L K A 功能得分 = 所有测试点得分率之和 × 3 \text {L K A 功能得分} = \text {所有测试点得分率之和} \times 3L K A 功能得分=所有测试点得分率之和×3

对于LDW功能测试，每个测试点按组进行试验，每组重复开展3次试验，如果3次试验均通过则判定该测试点通过。而且每个测试点最多开展两组试验。以“实线-左侧-80-0.6”测试点得分率进行举例说明，该点测试得分率= 1 × ( 1 / 4 ) = 1 \times (1 / 4)=1×(1/4)。所以，LDW功能得分可以表示为

L D W 功能得分 = 所有测试点得分率之和 × 2 \mathrm {L D W} \text {功能得分} = \text {所有测试点得分率之和} \times 2LDW功能得分=所有测试点得分率之和×2

4.4.2 车道线偏离预警

不管是LKA还是LDW等功能，它们都是用来对车道线偏离进行预警的功能，这里将介绍车道线偏离预警模型。大多数车道线偏离预警模型是通过从图像中获取车道线检测信息，并将其转换到世界坐标系下，然后基于建立的车道线跟踪模型进行分析。车道线偏离预警包含3种不同的方法：基于车辆在道路图像中当前位置的方法、基于未来偏离量差异的方法和基于车辆横越车道时间的方法。

1. 基于车辆在道路图像中当前位置的方法

基于车辆在道路图像当前位置（Car’s Current Position，CCP）的方法形象直观，其基本原理是利用车辆相对于道路图像中车道线的位置，计算得到车辆相对车道线中心线的距离，以此来识别车辆是否偏离车道线行驶。假设汽车的行驶轨迹平行于车道线方向，车辆中心轴线与车道中心线之间的距离为a aa，车辆宽度为b bb，车道线之间宽度为y yy，可以求得车辆所在位置相对于左右车道线的距离。

{ Δ y l e f t = y 2 − ( a + b 2 ) Δ y r i g h t = y 2 + ( a + b 2 ) \left\{ \begin{array}{l} \Delta y _ {\text {l e f t}} = \frac {y}{2} - \left(a + \frac {b}{2}\right) \\ \Delta y _ {\text {r i g h t}} = \frac {y}{2} + \left(a + \frac {b}{2}\right) \end{array} \right.{Δyl e f t=2y−(a+2b)Δyr i g h t=2y+(a+2b)