确定道路类别的方法、装置及终端设备制造方法及图纸

本申请提供的一种确定道路类别的方法，包括：将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标识识别结果；将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；根据所述第二识别结果，确定所述第一图像中的道路类别。通过上述方法，可以较为准确地判断道路的类型。

【技术实现步骤摘要】
确定道路类别的方法、装置及终端设备
本申请属于智能识别
，尤其涉及确定道路类别的方法、装置、终端设备及计算机可读存储介质。
技术介绍
目前，车辆在行驶过程中，通常是使用导航设备来确定当前所行驶的道路的类型，例如，确定当前所在的道路是主路还是辅路。然而由于全球定位系统(GlobalPositioningSystem，GPS)等导航系统可能存在跳点、精度不够等问题，导致对车辆所行驶的道路的类型的判断的精度较低，可信度低。
技术实现思路
本申请实施例提供了确定道路类别的方法、确定道路类别的装置、终端设备及计算机可读存储介质，可以较为准确地判断道路的类型。第一方面，本申请实施例提供了一种确定道路类别的方法，包括：将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标识识别结果；将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；根据所述第二识别结果，确定所述第一图像中的道路类别。第二方面，本申请实施例提供了一种确定道路类别的装置，包括：第一识别模块，用于将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标识识别结果；第二识别模块，用于将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；确定模块，用于根据所述第二识别结果，确定所述第一图像中的道路类别。第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如第一方面所述的确定道路类别的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如第一方面所述的确定道路类别的方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中所述的确定道路类别的方法。本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，可以通过第一深度学习模型获得针对所述第一图像的第一识别结果，从而可以识别得到所述第一图像中的道路情况以及标识情况，从而通过所述第一深度学习模型实现对所述第一图像中的道路以及相关环境的初步感知。然后，将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；此时，可以结合所述第一深度学习模型对所述第一图像中的道路以及相关环境的初步感知情况，通过所述第二深度学习模型在所述第一图像中的道路的类别进行较为精确地识别，获得第二识别结果，从而可以根据所述第二识别结果，较为准确地确定所述第一图像中的道路类别。附图说明为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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是本申请一实施例提供的一种确定道路类别的方法的流程示意图；图2是本申请一实施例提供的路面识别结果的一种示例性示意图；图3是本申请一实施例提供的标识识别结果的一种示例性示意图；图4是本申请一实施例提供的一种确定道路类别的装置的结构示意图；图5是本申请一实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。具体地，图1示出了本申请实施例提供的一种确定道路类别的方法的流程图，该确定道路类别的方法可以应用于终端设备。示例性的，所述终端设备可以为服务器、台式电脑、手机、平板电脑、可穿戴设备、车载设备、增强现实(augmentedreality，AR)/虚拟现实(virtualreality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer，UMPC)、上网本、个人数字助理(personaldigitalassistant，PDA)等，本申请实施例对终端设备的具体类型不作任何限制。在一种实施例中，所述终端设备可以部署于指定车辆上，从而能够方便地向指定车辆的驾驶员提示当前的道路类别，以使得驾驶员能够行驶在正确的道路上。而在另一种实施例中，所述终端设备也可以为云端服务器。此时，所述终端设备的计算能力相较于部署于指定车辆上的设备更高，从而可以进行更复杂精确的计算。在具体场景中，云端服务器可以通过特定的信息传输方式获取到指定车辆上的摄像头采集的第一图像，从而执行本申请实施例。在云端服务器确定所述第一图像中的道路类别之后，可以将该识别结果发送至所述指定车辆的车载设备中。具体的，如图1所示，该确定道路类别的方法可以包括：步骤S101，将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标本文档来自技高网...

【技术保护点】
1.一种确定道路类别的方法，其特征在于，包括：/n将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标识识别结果；/n将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；/n根据所述第二识别结果，确定所述第一图像中的道路类别。/n

【技术特征摘要】
1.一种确定道路类别的方法，其特征在于，包括：
将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，所述第一识别结果包括所述第一图像中的道路识别结果以及标识识别结果；
将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，所述第二识别结果包含所述第一图像中识别到的道路的类别的置信度；
根据所述第二识别结果，确定所述第一图像中的道路类别。


2.如权利要求1所述的方法，其特征在于，所述道路类别包括主路和辅路，所述标识识别结果包括对道路线的识别结果，以及对主路和辅路之间的非道路特征的识别结果。


3.如权利要求1所述的方法，其特征在于，所述第一深度学习模型包括第一深度学习子模型和第二深度学习子模型；
所述将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果，包括：
将所述第一图像输入所述第一深度学习子模型，获得针对所述第一图像中的路面识别结果；
将所述路面识别结果和所述第一图像输入所述第二深度学习子模型，获得针对所述第一图像的第一识别结果。


4.如权利要求1所述的方法，其特征在于，所述第二深度学习模型包括第三深度学习子模型和第四深度学习子模型；
所述将所述第一识别结果和所述第一图像输入第二深度学习模型，获得第二识别结果，包括：
将所述第一识别结果和所述第一图像输入所述第三深度学习子模型，获得第一识别子结果，所述第一识别子结果包含所述第一图像中属于第一类别的道路的置信度；
将所述第一识别结果和所述第一图像输入所述第四深度学习子模型，获得第二识别子结果，所述第二识别子结果包含所述第一图像中属于第二类别的道路的置信度，所述第二识别结果包含所述第一识别子结果和所述第二识别子结果。


5.如权利要求1所述的方法，其特征在于，在将第一图像输入第一深度学习模型，获得针对所述第一图像的第一识别结果之前，还包括：
获取指定车辆上的摄像头采集得到的目标视频；...

【专利技术属性】
技术研发人员：李明亮，
申请(专利权)人：南京云计趟信息技术有限公司，
类型：发明
国别省市：江苏;32