[發明專利]基于人工智能技術的道路選擇方法、裝置及可讀存儲介質

有效

• 申請號: 201810982619.5
• 申請日: 2018-08-27
• 公開（公告）號: CN109241893B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 黃文愷;余偉霖;黃俊鋒;王冬;陳杰勇;陳朝政;吳羽
• 申請（專利權）人: 廣州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發明公開了基于人工智能技術的道路選擇方法、裝置及可讀存儲介質，包括：采集道路圖像，對圖像處理得目標圖像；調用神經網絡對目標圖像進行特征提取，得到道路特征；根據道路特征，判斷道路是否分岔，若否，重復上述步驟，若是，執行下一步驟；對目標圖像中的岔口一次標注，計算一次標注岔口與地圖信息的匹配度；若匹配度大于或等于第一閾值，對該岔口二次標注；若所述匹配度大于或等于第二閾值，且小于所述第一閾值，則調用神經網絡對岔口分類；若岔口符合分類標準，對該岔口二次標注，若岔口不符分類結果，提示岔口與地圖不符。本發明基于深度神經網絡的車輛輔助駕駛系統通過結合地圖信息與現實的環境信息，實現了準確識別道路分岔的目的。

技術領域

本發明涉及神經網絡領域，尤其涉及基于人工智能技術的道路選擇方法、裝置及可讀存儲介質。

背景技術

卷積神經網絡是神經網絡技術的一個分支，是一種前饋神經網絡，其特點是通過模擬單個神經元對視覺刺激的反應，響應一部分范圍內的像素，因而對大型圖像處理有出色表現。通過對神經網絡的訓練，可以讓神經網絡識別道路，區域等。由于近年來神經網絡技術的發展，對物體與區域識別準確率逐漸增高。

道路識別，是指駕駛人使用終端設備，通過對道路的識別，檢測自己是不是在道路上。當前，現有的道路識別方法一般為利用攝像頭或者定位系統對駕駛者所在的道路進行識別。但是，在對現有技術的研究和實踐過程中，本發明的發明人發現，現有的利用道路識別問題的技術，存在道路識別率低與道路識別錯誤，不能根據已有的地圖信息選擇或判斷相對應的道路的問題。

發明內容

本發明所要解決的技術問題在于，提供基于人工智能技術的道路選擇方法、裝置及可讀存儲介質，通過結合地圖信息與現實的環境信息，實現準確識別道路分岔的目的。

為了解決上述技術問題，一方面，本發明的一個實施例提供了一種基于人工智能技術的道路選擇方法、裝置及可讀存儲介質，適于在計算設備中執行，至少包括如下步驟：

采集當前道路的待處理圖像，并對所述待處理圖像進行預處理得到目標圖像。

調用預先訓練的深度神經網絡對所述目標圖像進行特征提取，得到道路特征。

根據所述道路特征，判斷當前道路是否出現道路分岔，若否，則重復執行上述步驟，若是，則執行下一步驟。

對所述目標圖像中的每一個分岔路口進行一次標注，并計算每個一次標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，則對該分岔路口進行二次標注。

若所述匹配度大于或等于第二閾值，且小于所述第一閾值，則調用所述深度神經網絡對該分岔路口進行分類。若該分岔路口符合分類標準，則對該分岔路口進行二次標注，若該分岔路口不符合分類結果，則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，則提示該分岔路口與所述地圖信息不符。

進一步地，所述對所述待處理圖像進行預處理得到目標圖像，具體為：

對所述待處理圖像進行降噪處理，并對降噪處理后的待處理圖像進行壓縮，以使該待處理圖像的大小適應所述深度神經網絡，從而得到目標圖像。

進一步地，所述道路特征包括道路的方向、分岔路口的數量，以及道路的經緯度。

進一步地，所述深度神經網絡的訓練步驟如下：

對采集的道路視頻圖像進行道路的分岔路口框選，得到若干樣本圖像，同時，獲取非分岔路口的負樣本圖像。

設定深度神經網路的訓練層數和訓練函數。

分別將所述樣本圖像和所述負樣本圖像輸入所述深度神經網絡進行訓練，得到分岔路口的分類標準。