一种道路识别方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种道路识别方法、装置、设备和存储介质，通过获得第一车辆的摄像头采集到的当前路面的第一图像；将第一图像输入至预先训练好的道路类型识别模型中，从而获得道路类型识别模型输出的第一图像的各像素点的预测结果；根据各像素点的预测结果，将各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；根据像素点的数量符合预设条件的一组像素点的预测结果，确定当前路面的道路类型；根据道路类型，确定第一车辆与所述当前路面之间的当前附着系数。本发明专利技术可以实现精确识别任何路面的道路类型以及路面与车辆之间的附着系数，识别精度较高、鲁棒性较好，从而提高车辆智能驾驶系统的安全性。

【技术实现步骤摘要】
一种道路识别方法、装置、设备和存储介质
本专利技术涉及图像处理
，特别是涉及一种道路识别方法、装置、设备和存储介质。
技术介绍
在车辆智能驾驶系统中，识别当前道路类型以及对应路面的附着系数能够有效提高系统的安全性，但是目前存在的道路类型识别方法多依赖于声学或者振动传感器，相对成本较高、精度低、鲁棒性差，从而导致系统安全性不高。
技术实现思路
本专利技术实施例的目的在于提供一种道路识别方法、装置、设备和存储介质，以实现精确识别任何路面的道路类型以及路面与车辆之间的附着系数，识别精度较高、鲁棒性较好，从而提高了车辆智能驾驶系统的安全性。具体技术方案如下：一种道路识别方法，包括：获得第一车辆的摄像头采集到的当前路面的第一图像；将所述第一图像输入至预先训练好的道路类型识别模型中，从而获得所述道路类型识别模型输出的所述第一图像的各像素点的预测结果；根据所述各像素点的预测结果，将所述各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；根据像素点的数量符合预设条件的一组像素点的预测结果，确定所述当前路面的道路类型；根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数。可选的，所述根据所述道路类型，确定所述第一车辆与所述当前路面的当前附着系数，包括：根据所述道路类型，查找预先建立的系数表，从而确定所述第一车辆与所述当前路面之间的当前附着系数，其中，所述道路类型为湿沥青道路、干沥青道路、湿混凝土道路、干混凝土道路、湿土路、干土路、雪地道路、冰面道路和砾石道路中的一种。可选的，所述方法还包括：获得第一参数组，其中，所述第一参数组包括当前天气状况、所述当前路面的湿度和所述第一车辆的轮胎型号中的至少一个；所述根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数，包括：根据所述道路类型和所述第一参数组，查找预先建立的系数表，从而确定所述第一车辆与所述当前路面之间的当前附着系数，其中，所述道路类型为湿沥青道路、干沥青道路、湿混凝土道路、干混凝土道路、湿土路、干土路、雪地道路、冰面道路和砾石道路中的一种。可选的，所述道路类型识别模型为语义分割模型；所述语义分割模型通过如下方式训练得到：获得训练用的标准训练数据集；将所述标准训练数据集裁剪为输入集，其中，所述输入集的尺寸符合待训练语义分割模型的输入要求；将所述输入集输入至所述待训练语义分割模型，从而对所述待训练语义分割模型进行训练，得到所述语义分割模型。可选的，所述将所述输入集输入至所述待训练语义分割模型，从而对所述待训练语义分割模型进行训练，得到所述语义分割模型，包括：将所述输入集输入至所述待训练语义分割模型，得到所述待训练语义分割模型的输出结果；根据所述输出结果、训练过程的损失值和结果精度，确定训练次数；根据所述训练次数调整模型参数，直到所述待训练语义分割模型的输出结果符合要求；将输出结果符合要求的待训练语义分割模型的权重文件固化在所述符合要求的待训练语义分割模型中，得到所述语义分割模型。可选的，所述第一图像为从图像组中获得的符合预设图像条件的图像，其中，所述图像组包括所述摄像头采集到的当前路面的多张图像。可选的，所述预设图像条件为：图像的大小符合所述道路类型识别模型的输入要求且图像的清晰度最高；或，所述预设图像条件为：图像的大小符合所述道路类型识别模型的输入要求且所述当前路面在图像中的占幅最大。一种道路识别装置，包括：图像获得单元、预测结果获得单元、分组单元、道路类型确定单元和附着系数确定单元；所述图像获得单元，被配置为执行获得第一车辆的摄像头采集到的当前路面的第一图像；所述预测结果获得单元，被配置为执行将所述第一图像输入至预先训练好的道路类型识别模型中，从而获得所述道路类型识别模型输出的所述第一图像的各像素点的预测结果；所述分组单元，被配置为执行根据所述各像素点的预测结果，将所述各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；所述道路类型确定单元，被配置为执行根据像素点的数量符合预设条件的一组像素点的预测结果，确定所述当前路面的道路类型；所述附着系数确定单元，被配置为执行根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数。一种存储介质，所述存储介质用于存储程序，所述程序被处理器执行时实现上述任一种道路识别方法。一种道路识别设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序，所述程序至少用于实现上述任一种道路识别方法。本专利技术实施例提供的一种道路识别方法、装置、设备和存储介质，通过获得第一车辆的摄像头采集到的当前路面的第一图像；将所述第一图像输入至预先训练好的道路类型识别模型中，从而获得所述道路类型识别模型输出的所述第一图像的各像素点的预测结果；根据所述各像素点的预测结果，将所述各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；根据像素点的数量符合预设条件的一组像素点的预测结果，确定所述当前路面的道路类型；根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数。由此可以看出，本专利技术可以精确识别任何路面的道路类型以及路面与车辆之间的附着系数，识别精度较高、鲁棒性较好，从而提高了车辆智能驾驶系统的安全性。当然，实施本专利技术的任一产品或方法必不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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。图1为本专利技术实施例提供的一种道路识别方法的流程图；图2为本专利技术实施例提供的一种道路识别装置的结构示意图；图3为本专利技术实施例提供的一种道路识别设备的结构示意图。具体实施方式在雨雪等恶劣天气条件下，路面附着系数急剧下降，交通事故频发，严重影响司乘人员的生命财产安全。为了降低事故发生率，智能驾驶系统孕育而生。经本方案专利技术人研究发现，在智能驾驶系统中，识别当前道路类型以及对应路面的附着系数能够有效提高系统的安全性能，但是目前存在的道路类型识别方法多依赖于声学或者振动传感器，相对成本较高、精度低、鲁棒性差，从而导致系统的安全系不足。或者，在特殊路段，为了提高行车安全，路政人员需要定期查看并发布道路类型，传统的人工查看，时效性低，同时费时费力。为解决上述问题，本方案专利技术人提出了一种道路识别方法、装置、设备和存储介质。本方案无需在车辆上增加大量类似传感本文档来自技高网...

【技术保护点】
1.一种道路识别方法，其特征在于，包括：/n获得第一车辆的摄像头采集到的当前路面的第一图像；/n将所述第一图像输入至预先训练好的道路类型识别模型中，从而获得所述道路类型识别模型输出的所述第一图像的各像素点的预测结果；/n根据所述各像素点的预测结果，将所述各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；/n根据像素点的数量符合预设条件的一组像素点的预测结果，确定所述当前路面的道路类型；/n根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数。/n

【技术特征摘要】
1.一种道路识别方法，其特征在于，包括：
获得第一车辆的摄像头采集到的当前路面的第一图像；
将所述第一图像输入至预先训练好的道路类型识别模型中，从而获得所述道路类型识别模型输出的所述第一图像的各像素点的预测结果；
根据所述各像素点的预测结果，将所述各像素点划分为多组，其中，同一组的各像素点的预测结果相同，不同组的各像素点的预测结果不同；
根据像素点的数量符合预设条件的一组像素点的预测结果，确定所述当前路面的道路类型；
根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数。


2.根据权利要求1所述的方法，其特征在于，所述根据所述道路类型，确定所述第一车辆与所述当前路面的当前附着系数，包括：
根据所述道路类型，查找预先建立的系数表，从而确定所述第一车辆与所述当前路面之间的当前附着系数，其中，所述道路类型为湿沥青道路、干沥青道路、湿混凝土道路、干混凝土道路、湿土路、干土路、雪地道路、冰面道路和砾石道路中的一种。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获得第一参数组，其中，所述第一参数组包括当前天气状况、所述当前路面的湿度和所述第一车辆的轮胎型号中的至少一个；
所述根据所述道路类型，确定所述第一车辆与所述当前路面之间的当前附着系数，包括：
根据所述道路类型和所述第一参数组，查找预先建立的系数表，从而确定所述第一车辆与所述当前路面之间的当前附着系数，其中，所述道路类型为湿沥青道路、干沥青道路、湿混凝土道路、干混凝土道路、湿土路、干土路、雪地道路、冰面道路和砾石道路中的一种。


4.根据权利要求1所述的方法，其特征在于，所述道路类型识别模型为语义分割模型；
所述语义分割模型通过如下方式训练得到：
获得训练用的标准训练数据集；
将所述标准训练数据集裁剪为输入集，其中，所述输入集的尺寸符合待训练语义分割模型的输入要求；
将所述输入集输入至所述待训练语义分割模型，从而对所述待训练语义分割模型进行训练，得到所述语义分割模型。


5.根据权利要求4所述的方法，其特征在于，所述将所述输入集输入至所述待训练语义分割模型，从而对所述待训练语义分割模型进行训练，得到所述语义分割模型，包括：
将所述输入...

【专利技术属性】
技术研发人员：王少博，孙凯信，武志鹏，王学鹏，
申请(专利权)人：潍柴动力股份有限公司，
类型：发明
国别省市：山东;37