道路分类方法与设备技术

本公开涉及一种道路分类方法与装置，所述方法包括：捕获当前道路的至少一个图像帧；处理所述图像帧以标识出所述图像帧内多个视觉特征；将所述视觉特征与预先确定的预定数量的候选聚类簇进行匹配以确定所述图像帧所属的目标聚类簇；从所述多个视觉特征中选取由所确定的目标聚类簇指定的属性特征；利用与所确定的目标聚类簇对应的道路分类模型处理所述属性特征以对所述当前道路分类。性特征以对所述当前道路分类。性特征以对所述当前道路分类。

【技术实现步骤摘要】
道路分类方法与设备


[0001]本专利技术涉及自动驾驶，尤其是涉及用于自动驾驶的道路识别。

技术介绍

[0002]目前随着网络通信技术、人工智能的发展，汽车可以实现智能网联，车辆的自动驾驶系统(ADS)自动化水平越来越高，由此自动驾驶已经逐步变为现实。而在自动驾驶中应用的一个重要的技术是地理围栏技术。地理围栏技术是指一个地理区域，在此区域内，智能网联汽车在哪进入、其速度以及燃料使用情况都受到电子监控，并且由此实现智能汽车与智能网联交通系统等控制中心的通信。而在地理围栏技术中，对汽车当前行驶道路的了解则是必须要解决的一个重要因素，ADS需要了解当前行驶道路是高速路、城市路还是普通乡村公路等。
[0003]目前，地理围栏技术的实现主要采用GPS信号或在经过收费站时收到ETC信号。显然，对于在高速公路行驶的车辆，在经过隧道、沙漠等特殊环境时GPS信号变坏或没有，或者在远离收费站时也不会收到ETC信号，因此车辆不会知道它是否还在高速公路。因此基于GPS或ETC的地理围栏技术受到很大限制。

技术实现思路

[0004]本专利技术提出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路分类方法，包括：捕获当前道路的至少一个图像帧；处理所述图像帧以标识出所述图像帧内多个视觉特征；将所述视觉特征与预先确定的预定数量的候选聚类簇进行匹配以确定所述图像帧所属的目标聚类簇；从所述多个视觉特征中选取由所确定的目标聚类簇指定的属性特征；利用与所确定的目标聚类簇对应的道路分类模型处理所述属性特征以对所述当前道路分类。2.如权利要求1的方法，其中，所述预定数量的候选聚类簇包括利用不同聚类算法训练的多组聚类簇，每组聚类簇包括利用同一算法生成的多个候选聚类簇；其中，确定所述图像帧所属的目标聚类簇包括：针对每一组聚类簇，确定所述图像帧所属的该组聚类簇中的一个目标聚类簇；其中，与所确定的目标聚类簇对应的所述道路分类模型包括利用不同机器学习方法针对所述目标聚类簇训练得到的多种道路分类模型，其中，所述利用与所确定的目标聚类簇对应的道路分类模型处理所述属性特征以对所述当前道路分类进一步包括：利用所述多种道路分类模型中分别处理所述属性特征以产生多个候选分类结果，对所述多个候选分类结果进行投票以确定所述当前道路的分类。3.如权利要求2的方法，其中对所述多个候选分类结果进行投票以确定所述当前道路的分类包括：选择所述多个候选分类结果中指示同一分类结果的数量最多的分类结果作为所述当前道路分类。4.如权利要求2的方法，其中对所述多个候选分类结果进行投票以确定所述当前道路的分类包括：对不同种道路分类模型产生的候选分类结果进行加权，并累积指示相同分类结果的经过加权的候选结果，选择具有最大加权和的候选结果作为当前道路的分类。5.如权利要求1-4之一的方法，其中处理所述图像帧以标识出所述图像帧内多个视觉特征包括：利用针对所述多个视觉特征中每一个视觉特征而训练的特征检测模型来分别检测所述多个视觉特征中的每一个视觉特征，其中每一个视觉特征由置信度来表示。6.如权利要求1-4之一的方法，其中将所述视觉特征与预先确定的预定数量的候选聚类簇进行匹配包括：利用在预先确定所述预定数量的候选聚类簇时所采用的聚类算法，重新计算所述多个视觉特征与所述预先确定的预定数量的候选聚类簇中每一个簇的聚类条件，以确定所述图像帧所属的目标聚类簇。7.如权利要求6的方法，其中处理所述图像帧以标识出所述图像帧内多个视觉特征进一步包括：获取每个视觉特征在所述图像帧中的相对位置；以及其中，利用与所确定的目标聚类簇对应的道路分类模型处理所述属性特征包括：基于所述属性特征的置信度与相对位置构建所述道路分类模型的输入。8.一种道路分类模型的训练方法，包括：获取多个图像帧，每个图像帧包括所述道路的视觉特征；处理每一帧图像以标识出所述图像帧内包含的多个视觉特征；
基于所述视觉特征，对所述多个图像帧进行聚类处理以确定每个图像帧所属的聚类簇，以形成多个聚类簇；从同一聚类簇下的图像帧中的视觉特征中选择与该聚类簇最相关的多个视觉特征，作为该聚类簇的属性特征；利用同一聚类簇下每个图像帧中的所述多个属性特征形成训练样本，用于训练与该聚类簇匹配的道路分类模型。9.如权利要求8的方法，其中，对所述多个图像帧进行聚类处理以确定每个图像帧所属的聚类簇包括利用不同聚类算法处理所述多个图像帧以生成多组聚类簇，每组聚类簇包括利用同一聚类算法生成的多个聚类簇；其中，利用同一聚类簇下每个图像帧中的所述多个属性特征形成训练样本，用于训练与该聚类簇匹配的道路分类模型包括：利用不同机器学习方法来学习每一组聚类簇下图像帧的属性特征，从而产生用于每一组聚类簇下每个聚类簇的多个道路分类模型；其中对利用所述多个道路分类模型分别处理所述属性特征而产生的多个候选分类结果的投票结果，作为所述当前道路的分类。10.如权利要求9的方法，其中所述投票结果是所述多个候选分类结果中指示同一分类结果的数量最多的分类结果。11.如权利要求9的方法，其中所述投票包括：对不同种道路分类模型产生的候选分类结果进行加权，并累积指示相同分类结果的经过加权的候选结果，选择具有最大加权和的候选结果作为当前道路的分类。12.如权利要求8-11之一的方法，处理每一帧图像以标识出所述图像帧内包含的多个视觉特征包括：利用针对所述多个视觉特征中每一个视觉特征而训练的特征检测模型来分别检测所述多个视觉特征中的每一个视觉特征，其中每一个视觉特征由置信度来表示。13.如权利要求8-11之一的方法，其中处理每一帧图像以标识出所述图像帧内包含的多个视觉特征进一步包括：获取每个视觉特征在所述图像帧中的相对位置；以及其中基于所述属性特征的置信度与相对位置构建所...

【专利技术属性】
技术研发人员：金圣韬，
申请(专利权)人：罗伯特，
类型：发明
国别省市：