[發明專利]異常路況檢測方法及裝置

有效

• 申請號: 201810799435.5
• 申請日: 2018-07-19
• 公開（公告）號: CN110738081B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 朱江;鄺宏武
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06K9/62;G06T7/62
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 林祥

1.一種異常路況檢測方法，其特征在于，所述方法包括：

從車載攝像機采集的道路圖像中確定非路面區域和所述車載攝像機所在的車輛進行安全行駛的安全行駛區域，所述安全行駛區域與所述非路面區域之間存在第一交集區域；

基于已訓練的神經網絡，由所述道路圖像中非路面區域確定障礙物區域；

確定所述第一交集區域與所述障礙物區域之間的表示已檢測到的障礙物的區域交集的第二交集區域，并從所述第一交集區域中確定除所述第二交集區域之外表示未知障礙物的區域的剩余區域的面積；

依據所述剩余區域的面積與所述安全行駛區域的面積確定所述道路圖像中的路面是否存在異常。

2.根據權利要求1所述的方法，其特征在于，依據所述剩余區域的面積與所述安全行駛區域的面積確定所述道路圖像中的路面是否存在異常，包括：

確定所述剩余區域的面積與所述安全行駛區域的面積的比值；

若所述比值超過預設占比閾值，則確定所述道路圖像中的路面存在異常；

若所述比值未超過預設占比閾值，則確定所述道路圖像中的路面正常。

3.根據權利要求1所述的方法，其特征在于，從車載攝像機采集的道路圖像中確定非路面區域，包括：

將所述道路圖像輸入預先訓練得到的第一神經網絡中，通過所述第一神經網絡包含的卷積網絡、反卷積網絡以及目標檢測網絡，從所述道路圖像中確定非路面區域。

4.根據權利要求3所述的方法，其特征在于，采用如下方式預先訓練第一神經網絡：

分別獲取第一類圖像、第二類圖像和第三類圖像，在所述第一類圖像中標記目標框，對所述第二類圖像的每個像素標記路面與非路面，對所述第三類圖像的每個像素標記路面與非路面，并在所述第三類圖像中標記目標框；

利用標記后的第一類圖像對所述卷積網絡和所述目標檢測網絡進行訓練，利用標記后的第二類圖像繼續對所述卷積網絡和所述反卷積網絡進行訓練；

依據所述第一類圖像的數量與所述第二類圖像的數量確定權重；

利用標記后的第三類圖像對所述卷積網絡、所述反卷積網絡和所述目標檢測網絡繼續進行訓練，直至所述第一神經網絡的損失值低于預設閾值或訓練次數達到預設次數，停止訓練；

其中，所述第一神經網絡的損失值由所述反卷積網絡的損失值、所述目標檢測網絡的損失值以及所述權重確定。

5.根據權利要求1所述的方法，其特征在于，所述基于已訓練的神經網絡，由所述道路圖像中確定障礙物區域，包括：

將所述道路圖像輸入第二神經網絡中，由所述第二神經網絡從所述道路圖像中確定障礙物區域；或者，

從所述道路圖像中截取所述非路面區域對應的子圖像；將所述子圖像輸入第三神經網絡中，由所述第三神經網絡從所述子圖像中確定障礙物區域。

6.根據權利要求1所述的方法，其特征在于，從所述道路圖像中確定所述車載攝像機所在的車輛進行安全行駛的安全行駛區域，包括：

利用所述車輛的當前行駛速度確定剎車距離；

利用所述車輛的當前前輪轉角和前后輪的軸距確定轉彎半徑；

依據所述剎車距離和所述轉彎半徑確定所述車輛進行安全行駛的安全行駛區域。

7.一種異常路況檢測裝置，其特征在于，所述裝置包括：

區域確定模塊，用于從車載攝像機采集的道路圖像中確定非路面區域和所述車載攝像機所在的車輛進行安全行駛的安全行駛區域，所述安全行駛區域與所述非路面區域之間存在第一交集區域；

障礙物確定模塊，用于基于已訓練的神經網絡，由所述道路圖像中非路面區域確定障礙物區域；

面積確定模塊，用于確定所述第一交集區域與所述障礙物區域之間的表示已檢測到的障礙物的區域交集的第二交集區域，并從所述第一交集區域中確定除所述第二交集區域之外剩余區域的面積；

異常確定模塊，用于確定所述第一交集區域與所述障礙物區域之間的第二交集區域，并從所述第一交集區域中確定除所述第二交集區域之外表示未知障礙物的區域的剩余區域的面積。