一种地理围栏的生成方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种地理围栏的生成方法、装置、计算机设备和存储介质。该方法包括：获取目标图像，其中，所述目标图像中包含车辆的目标路况规则；将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果；当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。通过该技术方案，计算机设备可以直接通过训练好的围栏生成模型预测目标图像的分类结果，并基于分类结果自动生成车辆的地理围栏，不需要人为进行设计，降低了人工成本。同时，计算机设备还可以针对包含任意一种目标路况规则的目标图像进行分类，即可以穷举所有路况规则，从而扩展了地理围栏的应用范围，进而提升了自动驾驶功能的扩展性。

【技术实现步骤摘要】
一种地理围栏的生成方法、装置、计算机设备和存储介质
本申请涉及自动驾驶
，特别是涉及一种地理围栏的生成方法、装置、计算机设备和存储介质。
技术介绍
地理围栏是车辆开启自动驾驶功能的前提条件，是保障自动驾驶安全的核心条件之一。通常，在地理围栏内，车辆的传感器可以正常工作，以保证识别、定位的精度和鲁棒性，从而保障自动驾驶的安全性；而在地理围栏外，车辆的传感器有可能无法正常工作，因此，车辆无法开启或者禁用自动驾驶功能，由驾驶员来操控车辆，从而保障用户的安全性。传统技术中，地理围栏通常都是由人为设计生成的。具体的，工程师根据车辆的各个传感器的性能指标和实际参数，确定每个传感器能够正常工作的阈值范围，然后根据每个传感器正常工作的阈值范围，设计能够使得所有传感器正常工作的条件规则，将该条件规则作为车辆的地理围栏。但是，传统方式需要人为设计，人工成本较高，且难以穷举所有规则，限制了自动驾驶功能的应用范围。
技术实现思路
基于此，有必要针对传统地理围栏生成方式的人工成本较高，且难以穷举所有规则，限制了自动驾驶功能的应用范围的技术问题，提供一种地理围栏的生成方法、装置、计算机设备和存储介质。第一方面，本申请实施例提供一种地理围栏的生成方法，包括：获取目标图像，其中，所述目标图像中包含车辆的目标路况规则；将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果；当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。>第二方面，本申请实施例提供一种地理围栏的生成装置，包括：第一获取模块，用于获取目标图像，其中，所述目标图像中包含车辆的目标路况规则；分类模块，用于将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果；确定模块，用于当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。第三方面，本申请实施例提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例第一方面提供的地理围栏的生成方法。第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例第一方面提供的地理围栏的生成方法。本申请实施例提供的地理围栏的生成方法、装置、计算机设备和存储介质，获取目标图像，将该目标图像输入至训练好的围栏生成模型中，得到该目标图像的分类结果，当得到的分类结果为允许开启自动驾驶功能时，将该目标图像中包含的目标路况规则确定为车辆的地理围栏。通过该技术方案，计算机设备可以直接通过训练好的围栏生成模型预测目标图像的分类结果，并基于分类结果自动生成车辆的地理围栏，不需要人为进行设计，降低了人工成本。同时，计算机设备还可以针对包含任意一种目标路况规则的目标图像进行分类，即可以穷举所有路况规则，从而扩展了地理围栏的应用范围，进而提升了自动驾驶功能的扩展性。附图说明图1为本申请实施例提供的地理围栏的生成方法的一种流程示意图；图2为本申请实施例提供的地理围栏的生成方法的另一种流程示意图；图3为本申请实施例提供的地理围栏的生成方法的又一种流程示意图；图4为本申请实施例提供的一种地理围栏的生成装置结构示意图；图5为本申请实施例提供的一种计算机设备的结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，通过下述实施例并结合附图，对本申请实施例中的技术方案进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。需要说明的是，下述方法实施例的执行主体可以是地理围栏的生成装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。可选的，该计算机设备可以为独立的服务器，也可以为多个服务器组成的服务器集群，当然，该计算机设备也可以为个人计算机PC(personalcomputer)、移动终端、便携式设备等具有数据处理功能、且可以与外部设备或者用户交互的电子设备，本实施例对计算机设备的具体形式并不做限定。下述方法实施例以执行主体是计算机设备为例进行说明。图1为本申请实施例提供的地理围栏的生成方法的一种流程示意图。本实施例涉及的是计算机设备如何自动生成地理围栏的具体过程。如图1所示，该方法可以包括：S101、获取目标图像。具体的，目标图像为需要获得地理围栏的图像，其可以是拍摄的照片，也可以是拍摄的视频。其中，地理围栏是指车辆开启自动驾驶功能的一系列规则条件，同时，该目标图像中包含车辆的目标路况规则，即目标图像包含车辆的驾驶场景，不同的目标图像包含车辆不同的驾驶场景。可选的，目标路况规则可以包括车辆预期行驶路径的曲率、坡度、地理条件、天气情况以及光照情况中的至少一种。其中，上述地理条件可以为地形位置情况(如经纬度以及海拔高度等)，天气情况主要为晴天、阴雨、雪、风以及霜等天气，光照情况主要为光照充足、光照不足以及空气温度等情况。计算机设备可以通过高分辨率的摄像装置拍摄车辆的驾驶场景，从而得到目标图像。当然，目标图像也可以预先存储在计算机设备的相册中，当需要生成地理围栏时，计算机设备可以从相册中选取需要获得地理围栏的目标图像。当然，计算机设备还可以从其它外部设备中获取该目标图像。比如，将车辆的的目标图像存储在云端，当需要生成地理围栏时，计算机设备可以从云端获取需要获得地理围栏的目标图像，本实施例对目标图像的获取方式不做限定。S102、将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果。具体的，围栏生成模型可以为深度学习模型。当然，该围栏生成模型也可以为其它机器学习模型，如可以为随机森林模型等。该围栏生成模型的参数可以基于鱼群算法优化得到，即计算机设备可以通过鱼群算法优化该围栏生成模型的参数，使得计算机设备能够在有效时间内训练出围栏生成模型的最优参数，不仅提高了围栏生成模型的训练效率，而且提高了围栏生成模型所预测的分类结果的准确性。在获取到目标图像之后，计算机设备将目标图像输入至训练好的围栏生成模型中，通过该围栏生成模型对该目标图像进行分类，得到该目标图像的分类结果。其中，该分类结果为允许开启自动驾驶功能或者禁用自动驾驶功能。可选的，当该围栏生成模型为随机森林模型时，在该步骤中，计算机设备将目标图像输入至训练好的随机森林模型中，随机森林模型中的各个决策树均会对该目标图像进行分类，得到各个决策树的分类结果，然后对各个分类结果进行简单多数投票，根据投票选定最终的分类结果。其中，最终的分类结果包括在目标图像所包含的驾驶场景下允许开启自动驾驶功能或者在该驾驶场景下禁用自动驾驶功能。S103、当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。具体的，在得到目标图像的分类结果之后，当计算机设备确定该分类结果为允许开启自动驾驶功本文档来自技高网...

【技术保护点】
1.一种地理围栏的生成方法，其特征在于，包括：/n获取目标图像，其中，所述目标图像中包含车辆的目标路况规则；/n将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果；/n当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。/n

【技术特征摘要】
1.一种地理围栏的生成方法，其特征在于，包括：
获取目标图像，其中，所述目标图像中包含车辆的目标路况规则；
将所述目标图像输入至训练好的围栏生成模型中，得到所述目标图像的分类结果；
当所述分类结果为允许开启自动驾驶功能时，将所述目标路况规则确定为所述车辆的地理围栏。


2.根据权利要求1所述的方法，其特征在于，在所述获取目标图像之前，还包括：
获取原始数据集，其中，所述原始数据集包括训练图像和所述训练图像的标注标签，所述标注标签用于表示所述车辆能否开启自动驾驶功能；
采用所述原始数据集对预设的初始模型进行模型训练，得到所述围栏生成模型，其中，所述初始模型与所述围栏生成模型的模型结构相同。


3.根据权利要求2所述的方法，其特征在于，所述采用所述原始数据集对预设的初始模型进行模型训练，得到所述围栏生成模型，包括：
将所述原始数据集按照预设比例划分为训练数据集和验证数据集；
将所述训练数据集输入至所述初始模型，确定所述初始模型的各层参数的实际值；
将所述各层参数的初始值更新为所述实际值，得到初始生成模型；
将所述验证数据集输入至所述初始生成模型，确定所述初始生成模型的分类准确率；
根据所述分类准确率对所述初始生成模型的参数值进行调整，得到所述围栏生成模型。


4.根据权利要求3所述的方法，其特征在于，所述将所述训练数据集输入至所述初始模型，确定所述初始模型的各层参数的实际值，包括：
将所述训练数据集输入至所述初始模型中，得到所述训练图像...

【专利技术属性】
技术研发人员：姜云鹏，刘洋，宋林桓，于小洲，孙连明，崔茂源，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：吉林;22