[發(fā)明專利]道路異常區(qū)域檢測方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011553861.4
• 申請日: 2020-12-25
• 公開（公告）號: CN112287910B
• 公開（公告）日: 2021-10-08
• 發(fā)明（設(shè)計）人: 李成軍;朱磊;童柏琛
• 申請（專利權(quán)）人: 智道網(wǎng)聯(lián)科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N20/00
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王治東

本發(fā)明提供的道路異常區(qū)域檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，根據(jù)車輛行駛過程中的前方環(huán)境圖像，獲取道路的通行區(qū)域圖像；將所述通行區(qū)域圖像輸入第一機器學(xué)習(xí)模型，得到由所述第一機器學(xué)習(xí)模型輸出的檢測結(jié)果；檢測結(jié)果中包括從所述通行區(qū)域圖像中檢測出的異常區(qū)域。通過訓(xùn)練的第一機器學(xué)習(xí)模型實現(xiàn)了對道路中異常區(qū)域的檢測，第一機器學(xué)習(xí)模型使用多組第一數(shù)據(jù)通過機器學(xué)習(xí)進(jìn)行訓(xùn)練得到，能夠準(zhǔn)確地對道路中的異常區(qū)域進(jìn)行檢測，基于檢測結(jié)果有利于提高車輛行駛的安全性。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通技術(shù)領(lǐng)域，尤其涉及一種道路異常區(qū)域的檢測方法、裝置、電子設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著智能交通領(lǐng)域的快速發(fā)展，越來越多的汽車制造企業(yè)開始大力發(fā)展智能駕駛車輛。智能駕駛車輛通過車輛上的人工智能控制系統(tǒng)、監(jiān)控裝置、定位系統(tǒng)、雷達(dá)等協(xié)同工作，實現(xiàn)對車輛的精確控制，達(dá)到自動智能駕駛的目的。但是，現(xiàn)實中的道路情況復(fù)雜，怎么實現(xiàn)智能駕駛車輛對于道路上障礙物的識別與避讓，成為了提高智能駕駛車輛安全性的重要部分。

目前，對于道路上的普通障礙物，例如車輛、人員、道路圍欄等，智能駕駛車輛的識別方法為通過建立普通障礙物的識別模型并進(jìn)行機器學(xué)習(xí)，可以使得智能駕駛車輛可以識別并避讓道路上的普通障礙物，實現(xiàn)車輛的正常行駛。

智能駕駛車輛雖然可以識別出道路上的普通障礙物，但是對于道路上的異常區(qū)域（包括如樹葉、石頭等突出物，以及坑、洞等負(fù)障礙物）無法進(jìn)行識別，而異常區(qū)域也可能影響到智能駕駛車輛的正常行駛，產(chǎn)生安全隱患。

發(fā)明內(nèi)容

本發(fā)明提供一種道路異常區(qū)域的檢測方法、裝置、電子設(shè)備及存儲介質(zhì)，用以解決現(xiàn)有技術(shù)中的智能駕駛車輛雖然可以識別出道路上的普通障礙物，但是對于道路上的異常區(qū)域無法進(jìn)行識別，而異常區(qū)域也可能影響到智能駕駛車輛的正常行駛，產(chǎn)生安全隱患的缺陷，實現(xiàn)對異常區(qū)域的識別，從而使得智能駕駛車輛可以對異常區(qū)域進(jìn)行避讓，減少安全隱患。

本發(fā)明提供一種道路異常區(qū)域檢測方法，包括：

根據(jù)車輛行駛過程中的前方環(huán)境圖像，獲取道路的通行區(qū)域圖像；其中，所述通行區(qū)域圖像為從前方環(huán)境圖像中去除道路中出現(xiàn)的影響車輛通行的實體后的圖像；

將所述通行區(qū)域圖像輸入第一機器學(xué)習(xí)模型，得到由所述第一機器學(xué)習(xí)模型輸出的檢測結(jié)果；其中，所述第一機器學(xué)習(xí)模型為使用多組第一數(shù)據(jù)通過機器學(xué)習(xí)訓(xùn)練得出的，多組第一數(shù)據(jù)中的每組第一數(shù)據(jù)均包括：所述通行區(qū)域圖像和所述通行區(qū)域圖像的異常區(qū)域類別標(biāo)簽，所述異常區(qū)域類別包括道路的路面上存在負(fù)障礙物的區(qū)域或者存在突出物的區(qū)域；

根據(jù)所述檢測結(jié)果，獲得從所述通行區(qū)域圖像中檢測出的異常區(qū)域。

可選地，所述根據(jù)車輛行駛過程中的前方環(huán)境圖像，獲取道路的通行區(qū)域圖像，包括：

將所述前方環(huán)境圖像輸入第二機器學(xué)習(xí)模型，得到由所述第二機器學(xué)習(xí)模型從所述前方環(huán)境圖像中識別出的影響車輛通行的實體；

從所述前方環(huán)境圖像中去除由所述第二機器學(xué)習(xí)模型識別的實體，得到所述通行區(qū)域圖像；

其中，所述第二機器學(xué)習(xí)模型為使用多組第二數(shù)據(jù)通過機器學(xué)習(xí)訓(xùn)練得出的，多組第二數(shù)據(jù)中的每組第二數(shù)據(jù)均包括：所述前方環(huán)境圖像和所述前方環(huán)境圖像中影響車輛通行的實體標(biāo)簽。

可選地，在根據(jù)所述檢測結(jié)果，獲得從所述通行區(qū)域圖像中檢測出的異常區(qū)域之后，還包括：

對所述檢測結(jié)果中標(biāo)記出的異常區(qū)域，根據(jù)所述異常區(qū)域在路面的位置信息判斷所述異常區(qū)域是否可避讓；

若所述異常區(qū)域可避讓，則向所述車輛發(fā)出避讓提示，否則，根據(jù)所述異常區(qū)域在路面上的覆蓋面積，以及所述異常區(qū)域距路面的最高點或最低點生成危險提示。

可選地，所述根據(jù)所述異常區(qū)域在路面的位置信息判斷所述異常區(qū)域是否可避讓，包括：