【技术实现步骤摘要】
重型汽车路面状态检测模型训练方法、检测方法和装置
[0001]本申请涉及智能驾驶
，特别涉及一种重型汽车路面状态检测模型训练方法、检测方法和装置。
技术介绍
[0002]在不同的天气下，路面会呈现出不同状态。例如，在晴天时，路面的状态可以为干燥状态，在雨雪天气下，路面的状态可以为潮湿、积水、积雪等状态。
[0003]车辆在不同状态的路面下行驶时，需要采取不同的驾驶策略，例如，车辆在潮湿路面行驶时，相比于干燥路面需要保持更远的制动距离。因此，在智能驾驶时，通过对路面状态的识别，根据不同的路面状态采用不同的驾驶策略，可以有效提升车辆的行驶安全性。
[0004]目前，对于路面状态的识别方法主要通过基于光学传感器获取路面像素点的亮度特征进行检测分类，来获取路面的状态，但是，该方法容易受到光照变化和环境噪声的影响，稳定性较差。
技术实现思路
[0005]本申请实施例提供一种重型汽车路面状态检测模型训练方法、检测方法和装置，可以提升路面状态检测能力的准确性和稳定性，进而提升车辆的行驶安全性。>[0006]第一方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种重型汽车路面状态检测模型训练方法，其特征在于，包括：获取多个样本图像和每个所述样本图像的语义标注结果，所述语义标注结果用于指示所述样本图像中路面状态的类型、每个路面状态对应的面积和路面状态的类型的数量，所述路面状态的类型包括干燥状态、潮湿状态、积水状态、积雪状态和结冰状态；根据各所述样本图像中路面状态的类型的数量，获取初始重型汽车路面状态检测模型，其中，所述初始重型汽车路面状态检测模型的检测类型的数量大于等于各所述样本图像中所述路面状态的类型的最大数量；利用各所述样本图像，以及，各所述样本图像的语义标注结果，对所述初始重型汽车路面状态检测模型进行训练，得到训练完成的重型汽车路面状态检测模型，所述训练完成的重型汽车路面状态检测模型用于检测路面图像中路面状态的类型、每个路面状态对应的面积。2.根据权利要求1所述的方法，其特征在于，所述获取多个样本图像，包括：获取多个不同路段下拍摄的多个原始图像，对各所述原始图像进行过滤和筛选，得到第一候选图像；对各所述第一候选图像进行分割处理，得到各所述第一候选图像对应的多个大小相同第二候选图像；对各所述第二候选图像进行数据增强处理，得到所述多个样本图像，其中，所述样本图像的数量大于所述第二候选图像的数量，所述数据增强处理包括图像翻转、图像扭曲、色彩增强中至少一项。3.根据权利要求2所述的方法，其特征在于，所述初始重型汽车路面状态检测模型包括多个路面状态检测子模型；所述利用各所述样本图像，以及，各所述样本图像的语义标注结果，对各所述样本图像对应的初始重型汽车路面状态检测模型进行训练，得到训练完成的重型汽车路面状态检测模型，包括：将各所述样本图像分别输入至所述初始重型汽车路面状态检测模型中的每个所述路面状态检测子模型，得到每个所述路面状态检测子模型输出的各所述样本图像的候选检测结果；根据每个所述路面状态检测子模型的权重，对各所述样本图像的多个所述候选检测结果进行加权处理，得到各所述样本图像的目标检测结果；根据各所述样本图像的目标检测结果和语义标注结果，对所述初始重型汽车路面状态检测模型的参数进行更新，直至得到训练完成的重型汽车路面状态检测模型。4.根据权利要求3所述的方法，其特征在于，所述根据各所述样本图像的目标检测结果和语义标注结果，对所述初始重型汽车路面状态检测模型的参数进行更新，包括：将各所述样本图像的目标检测结果和语义标注结果中相同类型的面积的比值作为第一损失函数值，将类型数量的比值作为第二损失函数值；判断所述第一损失函数值和第二损失函数值是否均小于对应的阈值；若否，根据所述第一损失函数值和所述第二损失函数值对所述初始重型汽车路面状态检测模型的参数进行更新；若是，则确定所述重型汽车路面状态检测模型训练完...
【专利技术属性】
技术研发人员：孙心洁，田磊，赵玉超，刘阳，
申请(专利权)人：中国重汽集团济南动力有限公司，
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。