本发明专利技术提供的道路异常区域检测方法、装置、电子设备及存储介质，根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像；将所述通行区域图像输入第一机器学习模型，得到由所述第一机器学习模型输出的检测结果；检测结果中包括从所述通行区域图像中检测出的异常区域。通过训练的第一机器学习模型实现了对道路中异常区域的检测，第一机器学习模型使用多组第一数据通过机器学习进行训练得到，能够准确地对道路中的异常区域进行检测，基于检测结果有利于提高车辆行驶的安全性。结果有利于提高车辆行驶的安全性。结果有利于提高车辆行驶的安全性。
【技术实现步骤摘要】
道路异常区域检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及智能交通
，尤其涉及一种道路异常区域的检测方法、装置、电子设备及存储介质。
技术介绍
[0002]随着智能交通领域的快速发展，越来越多的汽车制造企业开始大力发展智能驾驶车辆。智能驾驶车辆通过车辆上的人工智能控制系统、监控装置、定位系统、雷达等协同工作，实现对车辆的精确控制，达到自动智能驾驶的目的。但是，现实中的道路情况复杂，怎么实现智能驾驶车辆对于道路上障碍物的识别与避让，成为了提高智能驾驶车辆安全性的重要部分。
[0003]目前，对于道路上的普通障碍物，例如车辆、人员、道路围栏等，智能驾驶车辆的识别方法为通过建立普通障碍物的识别模型并进行机器学习，可以使得智能驾驶车辆可以识别并避让道路上的普通障碍物，实现车辆的正常行驶。
[0004]智能驾驶车辆虽然可以识别出道路上的普通障碍物，但是对于道路上的异常区域（包括如树叶、石头等突出物，以及坑、洞等负障碍物）无法进行识别，而异常区域也可能影响到智能驾驶车辆的正常行驶，产生安全隐患。
技术实现思路
[0005]本专利技术提供一种道路异常区域的检测方法、装置、电子设备及存储介质，用以解决现有技术中的智能驾驶车辆虽然可以识别出道路上的普通障碍物，但是对于道路上的异常区域无法进行识别，而异常区域也可能影响到智能驾驶车辆的正常行驶，产生安全隐患的缺陷，实现对异常区域的识别，从而使得智能驾驶车辆可以对异常区域进行避让，减少安全隐患。
[0006]本专利技术提供一种道路异常区域检测方法，包括：根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像；其中，所述通行区域图像为从前方环境图像中去除道路中出现的影响车辆通行的实体后的图像；将所述通行区域图像输入第一机器学习模型，得到由所述第一机器学习模型输出的检测结果；其中，所述第一机器学习模型为使用多组第一数据通过机器学习训练得出的，多组第一数据中的每组第一数据均包括：所述通行区域图像和所述通行区域图像的异常区域类别标签，所述异常区域类别包括道路的路面上存在负障碍物的区域或者存在突出物的区域；根据所述检测结果，获得从所述通行区域图像中检测出的异常区域。
[0007]可选地，所述根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像，包括：将所述前方环境图像输入第二机器学习模型，得到由所述第二机器学习模型从所述前方环境图像中识别出的影响车辆通行的实体；
从所述前方环境图像中去除由所述第二机器学习模型识别的实体，得到所述通行区域图像；其中，所述第二机器学习模型为使用多组第二数据通过机器学习训练得出的，多组第二数据中的每组第二数据均包括：所述前方环境图像和所述前方环境图像中影响车辆通行的实体标签。
[0008]可选地，在根据所述检测结果，获得从所述通行区域图像中检测出的异常区域之后，还包括：对所述检测结果中标记出的异常区域，根据所述异常区域在路面的位置信息判断所述异常区域是否可避让；若所述异常区域可避让，则向所述车辆发出避让提示，否则，根据所述异常区域在路面上的覆盖面积，以及所述异常区域距路面的最高点或最低点生成危险提示。
[0009]可选地，所述根据所述异常区域在路面的位置信息判断所述异常区域是否可避让，包括：获取所述车辆所在车道的车道控制线，根据所述位置信息确定与所述异常区域较远的车道控制线，作为目标车道控制线；若所述异常区域中与所述目标车道控制线最近的点到所述异常区域的距离大于或等于通行要求距离，则所述异常区域可避让，否则，所述异常区域不可避让；其中，所述通行要求距离根据所述车辆的横向宽度确定。
[0010]可选地，所述根据所述异常区域在路面上的覆盖面积，以及所述异常区域距路面的最高点或最低点生成危险提示，包括：若所述异常区域为道路的路面上存在负障碍物的区域，则在所述覆盖面积大于第一面积阈值，且所述异常区域的最低点距路面的距离大于第一距离阈值时，发出所述危险提示；若所述异常区域为道路的路面上存在突出物的区域，则在所述异常区域的最高点距路面的距离大于第二距离阈值时，发出所述危险提示。
[0011]可选地，在所述异常区域不可避让时，还包括：若所述异常区域为道路的路面上存在负障碍物的区域，则在所述覆盖面积小于或等于所述第一面积阈值，或所述异常区域的最低点距路面的距离小于或等于所述第一距离阈值时，发出路面不平的提示信息；若所述异常区域为道路的路面上存在突出物的区域，则在所述异常区域的最高点距路面的距离小于或等于所述第二距离阈值时，发出所述提示信息。
[0012]可选地，在根据所述异常区域在路面的位置信息判断所述异常区域是否可避让之前，还包括：根据所述通行区域图像中任一参考物体在道路中的实际位置和所述异常区域相对于所述参考物体的位置，确定所述异常区域在路面的位置信息；其中，所述参考物体包括如下任一种：车辆、道路边的固定建筑物、道路信号灯。
[0013]本专利技术还提供一种道路异常区域检测装置，包括：获取模块，用于根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像；其中，所述通行区域图像为从前方环境图像中去除道路中出现的影响车辆通行的实体后的图像；
检测模块，用于将所述通行区域图像输入第一机器学习模型，得到由所述第一机器学习模型输出的检测结果；其中，所述第一机器学习模型为使用多组第一数据通过机器学习训练得出的，多组第一数据中的每组第一数据均包括：所述通行区域图像和所述通行区域图像的异常区域类别标签，所述异常区域类别包括道路的路面上存在负障碍物的区域或者存在突出物的区域；结果获得模块，用于根据所述检测结果，获得从所述通行区域图像中检测出的异常区域。
[0014]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述道路异常区域检测方法的步骤。
[0015]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述道路异常区域检测方法的步骤。
[0016]本专利技术提供的道路异常区域检测方法、装置、电子设备及存储介质，根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像；将所述通行区域图像输入第一机器学习模型，得到由所述第一机器学习模型输出的检测结果；检测结果中包括从所述通行区域图像中检测出的异常区域。通过训练的第一机器学习模型实现了对道路中异常区域的检测，第一机器学习模型使用多组第一数据通过机器学习进行训练得到，能够准确地对道路中的异常区域进行检测，基于检测结果有利于提高车辆行驶的安全性。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术提供的道路异常区域检测方法的流程示意图之一；图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种道路异常区域检测方法，其特征在于，包括：根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像；其中，所述通行区域图像为从前方环境图像中去除道路中出现的影响车辆通行的实体后的图像；将所述通行区域图像输入第一机器学习模型，得到由所述第一机器学习模型输出的检测结果；其中，所述第一机器学习模型为使用多组第一数据通过机器学习训练得出的，多组第一数据中的每组第一数据均包括：所述通行区域图像和所述通行区域图像的异常区域类别标签，所述异常区域类别包括道路的路面上存在负障碍物的区域或者存在突出物的区域；根据所述检测结果，获得从所述通行区域图像中检测出的异常区域。2.根据权利要求1所述的道路异常区域检测方法，其特征在于，所述根据车辆行驶过程中的前方环境图像，获取道路的通行区域图像，包括：将所述前方环境图像输入第二机器学习模型，得到由所述第二机器学习模型从所述前方环境图像中识别出的影响车辆通行的实体；从所述前方环境图像中去除由所述第二机器学习模型识别的实体，得到所述通行区域图像；其中，所述第二机器学习模型为使用多组第二数据通过机器学习训练得出的，多组第二数据中的每组第二数据均包括：所述前方环境图像和所述前方环境图像中影响车辆通行的实体标签。3.根据权利要求1所述的道路异常区域检测方法，其特征在于，在根据所述检测结果，获得从所述通行区域图像中检测出的异常区域之后，还包括：根据所述异常区域在路面的位置信息判断所述异常区域是否可避让；若所述异常区域可避让，则向所述车辆发出避让提示，否则，根据所述异常区域在路面上的覆盖面积，以及所述异常区域距路面的最高点或最低点生成危险提示。4.根据权利要求3所述的道路异常区域检测方法，其特征在于，所述根据所述异常区域在路面的位置信息判断所述异常区域是否可避让，包括：获取所述车辆所在车道的车道控制线，根据所述位置信息确定与所述异常区域较远的车道控制线，作为目标车道控制线；若所述异常区域中与所述目标车道控制线最近的点到所述异常区域的距离大于或等于通行要求距离，则所述异常区域可避让，否则，所述异常区域不可避让；其中，所述通行要求距离根据所述车辆车轮的横向距离确定。5.根据权利要求3所述的道路异常区域检测方法，其特征在于，所述根据所述异常区域在路面上的覆盖面积，以及所述异常区域距路面的最高点或最低点生成危险提示，包括：若所述异常...
【专利技术属性】
技术研发人员：李成军，朱磊，童柏琛，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。