路面导向标志的识别方法、装置及存储介质制造方法及图纸

本申请公开了一种路面导向标志的识别方法、装置及存储介质，属于图像处理技术领域。所述方法包括：获取车辆行驶道路前方的前视图像；确定前视图像中的每个像素点的像素类别；基于每个像素点的像素类别，从前视图像中获取导向标志区域图像，导向标志区域图像为前视图像中路面导向标志所在区域对应的最小区域图像；将导向标志区域图像输入至目标分类器中，输出路面导向标志的标志类型，目标分类器用于基于任一区域图像识别区域图像中的路面导向标志。本申请避免需要在车辆上安装3D激光扫描仪，节省了成本。

【技术实现步骤摘要】
路面导向标志的识别方法、装置及存储介质
本申请实施例涉及图像处理
，特别涉及一种路面导向标志的识别方法、装置及存储介质。
技术介绍
在车辆驾驶过程中，为了便于驾驶员提前获知车辆行驶道路前方的实时路况，通常可以对路面上设置的路面导向标志进行识别，以根据该路面导向标志来进行行驶导引提示。在相关技术中，可以在车辆上安装3D激光扫描仪，通过该3D激光扫描仪对待测路段进行数据采集，获取激光扫描点云数据，通过灰度值限定提取路面导向标志对应的数据，再通过对该数据的划分区块、多函数拟合处理，得出不同路面导向标志类型所表现出的函数特征值，之后，通过函数特征值在特征值库中的对应识别的计算，输出路面导向标志的识别结果。然而，上述提供的路面导向标志的识别方法中，由于需要在车辆上额外安装3D激光扫描仪，导致实现成本较高。
技术实现思路
本申请实施例提供了一种路面导向标志的识别方法、装置及存储介质，可以解决安装3D激光扫描仪导致实现成本较高的问题。所述技术方案如下：第一方面，提供了一种路面导向标志的识别方法，所述方法包括：获取车辆行驶道路前方的前视图像；确定所述前视图像中的每个像素点的像素类别；基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，所述导向标志区域图像为所述前视图像中路面导向标志所在区域对应的最小区域图像；将所述导向标志区域图像输入至目标分类器中，输出所述路面导向标志的标志类型，所述目标分类器用于基于任一区域图像识别所述区域图像中的路面导向标志。可选地，所述基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，包括：基于所述每个像素点的像素类别，从所述前视图像中确定像素类别属于所述路面导向标识对应的像素类别的像素点；确定包围所确定的像素点的最小外接矩形；将所述最小外接矩形对应的区域确定为所述导向标志区域图像。可选地，所述基于所述每个像素点的像素类别，识别所述前视图像中的路面导向标志之后，还包括：获取所述导向标志区域图像的四个顶点在所述前视图像中的第一位置坐标，以及获取所述前视图像的中心点的横坐标；根据获取的四个顶点的第一位置坐标，确定世界坐标系下所述四个顶点的第二位置坐标；基于所述四个顶点的第二位置坐标、所述前视图像的中心点的横坐标和所述路面导向标志的标志类型，进行行驶导引提示。可选地，所述基于所述四个顶点的第二位置坐标、所述前视图像的中心点的横坐标和所述路面导向标志的标志类型，进行行驶导行提示，包括：从所述四个顶点的第二位置坐标中确定最大横坐标和最小横坐标；基于所述最大横坐标和所述最小横坐标，确定世界坐标系下所述导向标志区域图像的中心点的横坐标；当所确定的横坐标与所述前视图像的中心点的横坐标之间的差值小于预设阈值时，基于所述路面导向标志的标志类型进行行驶导引提示。可选地，所述确定所述前视图像中的每个像素点的像素类别，包括：对所述前视图像进行预处理；调用目标网络模型，将预处理后的前视图像输入所述目标网络模型中，输出所述每个像素点的像素类别，所述目标网络模型用于基于任一图像确定所述图像中的每个像素点的像素类别。可选地，所述调用目标网络模型之前，还包括：获取多个图像样本和每个图像样本中的每个像素点的像素类别；将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练，得到所述目标网络模型。可选地，所述将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练之前，还包括：获取第一损失函数；对所述第一损失函数进行加权处理，得到第二损失函数；将所述第二损失函数确定为所述待训练的网络模型的损失函数。可选地，当所述第一损失函数为交叉熵函数时，所述对所述第一损失函数进行加权处理，包括：确定第一数值和第二数值，所述第一数值为所述多个图像样本中属于所述每种像素类别的像素点的个数，所述第二数值为所述多个图像样本中包括所述每种像素类别的图像样本中所有像素点的个数总和；确定所述第一数值与所述第二数值之间的比值，得到所述每种像素类别的类别概率；确定所述每种像素类别的类别概率的中位数与类别概率之间的比值，得到所述每种像素类别的权重；基于所述每种像素类别的权重，对所述每种像素类别对应的交叉熵函数进行加权处理。第二方面，提供了一种路面导向标志的识别装置，所述装置包括：第一获取模块，用于获取车辆行驶道路前方的前视图像；第一确定模块，用于确定所述前视图像中的每个像素点的像素类别；第二获取模块，用于基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，所述导向标志区域图像为所述前视图像中路面导向标志所在区域对应的最小区域图像；识别模块，用于将所述导向标志区域图像输入至目标分类器中，输出所述路面导向标志的标志类型，所述目标分类器用于基于任一区域图像识别所述区域图像中的路面导向标志。可选地，所述第二获取模块用于：基于所述每个像素点的像素类别，从所述前视图像中确定像素类别属于所述路面导向标识对应的像素类别的像素点；确定包围所确定的像素点的最小外接矩形；将所述最小外接矩形对应的区域确定为所述导向标志区域图像。可选地，所述装置还包括：第三获取模块，用于获取所述导向标志区域图像的四个顶点在所述前视图像中的第一位置坐标，以及获取所述前视图像的中心点的横坐标；第二确定模块，用于根据获取的四个顶点的第一位置坐标，确定世界坐标系下所述四个顶点的第二位置坐标；提示模块，用于基于所述四个顶点的第二位置坐标、所述前视图像的中心点的横坐标和所述路面导向标志的标志类型，进行行驶导引提示。可选地，所述提示模块用于：从所述四个顶点的第二位置坐标中确定最大横坐标和最小横坐标；基于所述最大横坐标和所述最小横坐标，确定世界坐标系下所述导向标志区域图像的中心点的横坐标；当所确定的横坐标与所述前视图像的中心点的横坐标之间的差值小于预设阈值时，基于所述路面导向标志的标志类型进行行驶导引提示。可选地，所述第一确定模块用于：对所述前视图像进行预处理；调用目标网络模型，将预处理后的前视图像输入所述目标网络模型中，输出所述每个像素点的像素类别，所述目标网络模型用于基于任一图像确定所述图像中的每个像素点的像素类别。可选地，所述装置还包括训练模块，所述训练模块用于：获取多个图像样本和每个图像样本中的每个像素点的像素类别；将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练，得到所述目标网络模型。可选地，所述训练模块还用于：获取第一损失函数；对所述第一损失函数进行加权处理，得到第二损失函数；将所述第二损失本文档来自技高网...

【技术保护点】
1.一种路面导向标志的识别方法，其特征在于，所述方法包括：/n获取车辆行驶道路前方的前视图像；/n确定所述前视图像中的每个像素点的像素类别；/n基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，所述导向标志区域图像为所述前视图像中路面导向标志所在区域对应的最小区域图像；/n将所述导向标志区域图像输入至目标分类器中，输出所述路面导向标志的标志类型，所述目标分类器用于基于任一区域图像识别所述区域图像中的路面导向标志。/n

【技术特征摘要】
1.一种路面导向标志的识别方法，其特征在于，所述方法包括：
获取车辆行驶道路前方的前视图像；
确定所述前视图像中的每个像素点的像素类别；
基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，所述导向标志区域图像为所述前视图像中路面导向标志所在区域对应的最小区域图像；
将所述导向标志区域图像输入至目标分类器中，输出所述路面导向标志的标志类型，所述目标分类器用于基于任一区域图像识别所述区域图像中的路面导向标志。


2.如权利要求1所述的方法，其特征在于，所述基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，包括：
基于所述每个像素点的像素类别，从所述前视图像中确定像素类别属于所述路面导向标识对应的像素类别的像素点；
确定包围所确定的像素点的最小外接矩形；
将所述最小外接矩形对应的区域确定为所述导向标志区域图像。


3.如权利要求1所述的方法，其特征在于，所述基于所述每个像素点的像素类别，识别所述前视图像中的路面导向标志之后，还包括：
获取所述导向标志区域图像的四个顶点在所述前视图像中的第一位置坐标，以及获取所述前视图像的中心点的横坐标；
根据获取的四个顶点的第一位置坐标，确定世界坐标系下所述四个顶点的第二位置坐标；
基于所述四个顶点的第二位置坐标、所述前视图像的中心点的横坐标和所述路面导向标志的标志类型，进行行驶导引提示。


4.如权利要求3所述的方法，其特征在于，所述基于所述四个顶点的第二位置坐标、所述前视图像的中心点的横坐标和所述路面导向标志的标志类型，进行行驶导行提示，包括：
从所述四个顶点的第二位置坐标中确定最大横坐标和最小横坐标；
基于所述最大横坐标和所述最小横坐标，确定世界坐标系下所述导向标志区域图像的中心点的横坐标；
当所确定的横坐标与所述前视图像的中心点的横坐标之间的差值小于预设阈值时，基于所述路面导向标志的标志类型进行行驶导引提示。


5.如权利要求1所述的方法，其特征在于，所述确定所述前视图像中的每个像素点的像素类别，包括：
对所述前视图像进行预处理；
调用目标网络模型，将预处理后的前视图像输入所述目标网络模型中，输出所述每个像素点的像素类别，所述目标网络模型用于基于任一图像确定所述图像中的每个像素点的像素类别。


6.如权利要求5所述的方法，其特征在于，所述调用目标网络模型之前，还包括：
获取多个图像样本和每个图像样本中的每个像素点的像素类别；
将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练，得到所述目标网络模型。


7.如权利要求6所述的方法，其特征在于，所述将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练之前，还包括：
获取第一损失函数；
对所述第一损失函数进行加权处理，得到第二损失函数；
将所述第二损失函数确定为所述待训练的网络模型的损失函数。


8.如权利要求7所述的方法，其特征在于，当所述第一损失函数为交叉熵函数时，所述对所述第一损失函数进行加权处理，包括：
确定第一数值和第二数值，所述第一数值为所述多个图像样本中属于所述每种像素类别的像素点的个数，所述第二数值为所述多个图像样本中包括所述每种像素类别的图像样本中所有像素点的个数总和；
确定所述第一数值与所述第二数值之间的比值，得到所述每种像素类别的类别概率；
确定所述每种像素类别的类别概率的中位数与类别概率之间的比值，得到所述每种像素类别的权重；
基于所述每种像素类别的权重，对所述每种像素类别对应的交叉熵函数进行加权处理。


9.一种路面导向标志的识别装置，其特征在于，所述装置包括：...

【专利技术属性】
技术研发人员：王劭杰，苏军，颜奉丽，刘有文，李铭书，温哲西，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江;33