[發(fā)明專利]基于人工智能技術(shù)的道路選擇方法、裝置及可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810982619.5
• 申請(qǐng)日: 2018-08-27
• 公開(kāi)（公告）號(hào): CN109241893B
• 公開(kāi)（公告）日: 2021-08-06
• 發(fā)明（設(shè)計(jì)）人: 黃文愷;余偉霖;黃俊鋒;王冬;陳杰勇;陳朝政;吳羽
• 申請(qǐng)（專利權(quán)）人: 廣州大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 顏希文;麥小嬋

1.一種基于人工智能技術(shù)的道路選擇方法，適于在計(jì)算設(shè)備中執(zhí)行，其特征在于，至少包括如下步驟：

采集當(dāng)前道路的待處理圖像，并對(duì)所述待處理圖像進(jìn)行預(yù)處理得到目標(biāo)圖像；

調(diào)用預(yù)先訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)圖像進(jìn)行特征提取，得到道路特征；

根據(jù)所述道路特征，判斷當(dāng)前道路是否出現(xiàn)道路分岔，若否，則重復(fù)執(zhí)行所述調(diào)用預(yù)先訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)圖像進(jìn)行特征提取，得到道路特征的步驟；若是，則執(zhí)行下一步驟；其中，根據(jù)實(shí)際路口所在區(qū)域與地圖中的路口所在區(qū)域判斷所述道路是否分岔，所在區(qū)域的參數(shù)包括經(jīng)緯度，路口的數(shù)目，路口的朝向，各個(gè)路口之間的距離與位置關(guān)系；

對(duì)所述目標(biāo)圖像中的每一個(gè)分岔路口進(jìn)行一次標(biāo)注，并計(jì)算每個(gè)一次標(biāo)注的分岔路口與地圖信息的匹配度；

若所述匹配度大于或等于第一閾值，則對(duì)該分岔路口進(jìn)行二次標(biāo)注；

若所述匹配度大于或等于第二閾值，且小于所述第一閾值，則調(diào)用所述深度神經(jīng)網(wǎng)絡(luò)對(duì)該分岔路口進(jìn)行分類(lèi)；若該分岔路口符合分類(lèi)標(biāo)準(zhǔn)，則對(duì)該分岔路口進(jìn)行二次標(biāo)注，若該分岔路口不符合分類(lèi)結(jié)果，則利用第一聲信號(hào)或第一光信號(hào)進(jìn)行提示該分岔路口與所述地圖信息不符；若所述匹配度小于所述第二閾值，則利用第二聲信號(hào)或第二光信號(hào)進(jìn)行提示該分岔路口與所述地圖信息不符。

2.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的道路選擇方法，其特征在于，所述對(duì)所述待處理圖像進(jìn)行預(yù)處理得到目標(biāo)圖像，具體為：

對(duì)所述待處理圖像進(jìn)行降噪處理，并對(duì)降噪處理后的待處理圖像進(jìn)行壓縮，以使該待處理圖像的大小適應(yīng)所述深度神經(jīng)網(wǎng)絡(luò)，從而得到目標(biāo)圖像。

3.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的道路選擇方法，其特征在于，所述道路特征包括道路的方向、分岔路口的數(shù)量，以及道路的經(jīng)緯度。

4.根據(jù)權(quán)利要求1所述的基于人工智能技術(shù)的道路選擇方法，其特征在于，所述深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練步驟如下：

對(duì)采集的道路視頻圖像進(jìn)行道路的分岔路口框選，得到若干樣本圖像，同時(shí)，獲取非分岔路口的負(fù)樣本圖像；

設(shè)定深度神經(jīng)網(wǎng)路的訓(xùn)練層數(shù)和訓(xùn)練函數(shù)；

分別將所述樣本圖像和所述負(fù)樣本圖像輸入所述深度神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到分岔路口的分類(lèi)標(biāo)準(zhǔn)。

5.一種基于人工智能技術(shù)的道路選擇裝置，其特征在于，包括：

預(yù)處理模塊，用于采集當(dāng)前道路的待處理圖像，并對(duì)所述待處理圖像進(jìn)行預(yù)處理得到目標(biāo)圖像；

特征提取模塊，用于調(diào)用預(yù)先訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)對(duì)所述目標(biāo)圖像進(jìn)行特征提取，得到道路特征；

分岔判斷模塊，用于根據(jù)所述道路特征，判斷當(dāng)前道路是否出現(xiàn)道路分岔，若否，則重復(fù)調(diào)用特征提取模塊；若是，則調(diào)用標(biāo)注模塊；其中，根據(jù)實(shí)際路口所在區(qū)域與地圖中的路口所在區(qū)域判斷所述道路是否分岔，所在區(qū)域的參數(shù)包括經(jīng)緯度，路口的數(shù)目，路口的朝向，各個(gè)路口之間的距離與位置關(guān)系；

標(biāo)注模塊，用于對(duì)所述目標(biāo)圖像中的每一個(gè)分岔路口進(jìn)行一次標(biāo)注，并計(jì)算每個(gè)一次標(biāo)注的分岔路口與地圖信息的匹配度；

所述標(biāo)注模塊，還用于若所述匹配度大于或等于第一閾值，則對(duì)該分岔路口進(jìn)行二次標(biāo)注；

所述標(biāo)注模塊，還用于若所述匹配度大于或等于第二閾值，且小于所述第一閾值，則調(diào)用所述深度神經(jīng)網(wǎng)絡(luò)對(duì)該分岔路口進(jìn)行分類(lèi)；若該分岔路口符合分類(lèi)標(biāo)準(zhǔn)，則對(duì)該分岔路口進(jìn)行二次標(biāo)注，若該分岔路口不符合分類(lèi)結(jié)果，則利用第一聲信號(hào)或第一光信號(hào)進(jìn)行提示該分岔路口與所述地圖信息不符；

所述標(biāo)注模塊，還用于若所述匹配度小于所述第二閾值，則利用第二聲信號(hào)或第二光信號(hào)進(jìn)行提示該分岔路口與所述地圖信息不符。

6.根據(jù)權(quán)利要求5所述的基于人工智能技術(shù)的道路選擇裝置，其特征在于，所述對(duì)所述待處理圖像進(jìn)行預(yù)處理得到目標(biāo)圖像，具體為：

對(duì)所述待處理圖像進(jìn)行降噪處理，并對(duì)降噪處理后的待處理圖像進(jìn)行壓縮，以使該待處理圖像的大小適應(yīng)所述深度神經(jīng)網(wǎng)絡(luò)，從而得到目標(biāo)圖像。

7.根據(jù)權(quán)利要求5所述的基于人工智能技術(shù)的道路選擇裝置，其特征在于，所述道路特征包括道路的方向、分岔路口的數(shù)量，以及道路的經(jīng)緯度。