道路对象的识别方法、装置、设备和存储介质制造方法及图纸

本公开实施例提供一种道路对象的识别方法、装置、设备和存储介质。其中道路对象的识别方法包括：获取目标道路的道路图像，以及车辆经过目标道路时振动信号传感器输出的振动特征信号；基于道路图像和振动特征信号，确定目标道路中道路对象的特征信息，特征信息包括道路对象的类型和相对位置坐标，相对位置坐标为道路对象在车辆坐标系中的坐标。相比于现有仅采用道路图像确定道路对象的方法，本公开实施例获得的道路对象的类型和坐标更为精准，使得最终得到的道路地图标注信息更为准确。最终得到的道路地图标注信息更为准确。最终得到的道路地图标注信息更为准确。

【技术实现步骤摘要】
道路对象的识别方法、装置、设备和存储介质


[0001]本公开涉及车辆
，具体涉及一种道路对象的识别方法、装置、设备和存储介质。

技术介绍

[0002]为了能够根据目标道路中道路对象的特征信息，实现对车辆状态的主动调整，相关技术提出采用众包方式进行道对象特征信息的标注的方法构建道路地图。具体的，车辆在道路上行驶时采用车载摄像头拍摄前方道路形成道路图像，随后采用图像处理模型处理道路图像，得到道路图像中道路对象的特征信息，并基于道路对象的特征信息将道路对象标注到道路地图上。但是，因为天气能见度、路面中各种障碍物的颜色和图像处理模型识别能力等原因，前述方法对道路对象特征信息的识别准确率较低。

技术实现思路

[0003]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供一种道路对象的识别方法、装置、设备和存储介质。
[0004]一方面，本公开实施例提供一种道路对象的识别方法，包括：
[0005]获取目标道路的道路图像，以及车辆经过所述目标道路时振动信号传感器输出的振动特征信号；
[0006]基于所述道路图像和所述振动特征信号，确定所述目标道路中道路对象的特征信息，所述特征信息包括所述道路对象的类型和相对位置坐标，所述相对位置坐标为所述道路对象在车辆坐标系中的坐标。
[0007]可选地，所述基于所述道路图像和所述振动特征信号，确定所述目标道路中的道路对象的特征信息，包括：
[0008]采用融合处理模型，对所述道路图像和所述振动特征信号进行融合处理，确定所述道路对象的特征信息，所述融合处理模型基于样本道路图像、样本振动特征信号和对应的样本特征信息训练得到。
[0009]可选地，所述融合处理模型包括图像处理子模块、振动特征信号处理子模块和融合处理子模块；
[0010]所述采用融合处理模型，对所述道路图像和所述振动特征信号进行融合处理，确定所述道路对象的特征信息，包括：
[0011]采用所述图像处理子模块处理所述道路图像，得到第一特征向量；
[0012]采用所述振动特征信号处理子模块处理所述振动特征信号，得到第二特征向量；
[0013]采用所述融合处理子模块融合处理所述第一特征向量和所述第二特征向量，得到所述道路对象的特征信息。
[0014]可选地，所述基于所述道路图像和所述振动特征信号，确定所述目标道路中的道路对象的特征信息，包括：
[0015]采用图像处理模型处理所述道路图像，得到所述道路对象为各种类型的第一概率；
[0016]采用振动信号处理模型处理所述振动特征信号，得到所述道路对象为各种类型的第二概率；
[0017]基于第一概率和第二概率，计算所述道路对象为各种类型的第三概率；
[0018]选择最大的第三概率对应的类型作为所述道路对象的类型。
[0019]可选地，所述方法还包括：
[0020]获取目标道路的道路场景；
[0021]基于所述道路场景确定各个所述第一概率对应的第一权重，以及各个所述第二概率对应的第二权重；
[0022]所述基于第一概率和第二概率，计算所述道路对象为各种类型的第三概率，包括：
[0023]基于第一概率和所述第一权重计算第一修正概率，基于第二概率和所述第二权重计算第二修正概率；
[0024]计算所述第一修正概率和所述第二修正概率的平均值，作为所述道路对象为各种类型的第三概率。
[0025]可选地，所述基于所述道路图像和所述振动特征信号，确定所述目标道路中的道路对象的特征信息，包括：
[0026]采用图像处理模型处理所述道路图像，得到所述道路对象为各种类型的第一概率；
[0027]采用振动信号处理模型处理所述振动特征信号，得到所述道路对象为各种类型的第二概率；
[0028]选择第一概率和第二概率均超过设定概率阈值的类型作为所述道路对象的类型。
[0029]可选地，所述方法还包括：
[0030]获取所述车辆的实时定位信息；
[0031]基于所述实时定位信息和所述道路对象的相对位置坐标，计算所述道路对象的绝对位置坐标，所述绝对位置坐标为所述道路对象在世界坐标系中的坐标；
[0032]基于所述道路对象的类型和所述绝对位置坐标，将所述道路对象标注在道路地图中。
[0033]另一方面，本公开实施例提供一种道路对象的识别装置，包括：
[0034]数据获取单元，用于获取目标道路的道路图像，以及车辆经过所述目标道路时振动信号传感器输出的振动特征信号；
[0035]数据处理单元，用于基于所述道路图像和所述振动特征信号，确定所述目标道路中道路对象的特征信息，所述特征信息包括所述道路对象的类型和相对位置坐标，所述相对位置坐标为所述道路对象在车辆坐标系中的坐标。
[0036]再一方面，本公开实施例提供一种计算机设备，包括：存储器和处理器，其中，所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，实现如前所述的道路对象的识别方法。
[0037]再一方面，本公开实施例提供一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，实现如前所述的道路对象的识别方法。
[0038]本公开实施例提供的技术方案与现有技术相比具有如下优点：
[0039]本公开实施例提供的技术方案，首先获取目标道路的道路图像和车辆经过目标道路时振动传感器输出的振动特征信号，随后，基于道路图像和振动特征信号，确定目标道路中道路对象的特征信息。因为道路对象的特征信息是基于道路图像和对应的振动特征信号综合处理得到，相比于现有仅采用道路图像确定道路对象的特征信息的方法，本公开实施例获得的道路对象的特征信息更为精准。
附图说明
[0040]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0041]为了更清楚地说明本公开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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
[0042]图1是本公开一些实施例提供的道路对象的识别方法的流程图；
[0043]图2是本公开一些实施例提供的确定道路对象的类型的方法流程图；
[0044]图3是本公开一些实施例提供的确定道路对象的类型的方法流程图；
[0045]图4是本公开一些实施例提供的道路对象的识别装置的结构示意图；
[0046]图5是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0047]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路对象的识别方法，其特征在于，包括：获取目标道路的道路图像，以及车辆经过所述目标道路时振动信号传感器输出的振动特征信号；基于所述道路图像和所述振动特征信号，确定所述目标道路中道路对象的特征信息，所述特征信息包括所述道路对象的类型和相对位置坐标，所述相对位置坐标为所述道路对象在车辆坐标系中的坐标。2.根据权利要求1所述的方法，其特征在于，所述基于所述道路图像和所述振动特征信号，确定所述目标道路中的道路对象的特征信息，包括：采用融合处理模型，对所述道路图像和所述振动特征信号进行融合处理，确定所述道路对象的特征信息，所述融合处理模型基于样本道路图像、样本振动特征信号和对应的样本特征信息训练得到。3.根据权利要求2所述的方法，其特征在于，所述融合处理模型包括图像处理子模块、振动特征信号处理子模块和融合处理子模块；所述采用融合处理模型，对所述道路图像和所述振动特征信号进行融合处理，确定所述道路对象的特征信息，包括：采用所述图像处理子模块处理所述道路图像，得到第一特征向量；采用所述振动特征信号处理子模块处理所述振动特征信号，得到第二特征向量；采用所述融合处理子模块融合处理所述第一特征向量和所述第二特征向量，得到所述道路对象的特征信息。4.根据权利要求1所述的方法，其特征在于，所述基于所述道路图像和所述振动特征信号，确定所述目标道路中的道路对象的特征信息，包括：采用图像处理模型处理所述道路图像，得到所述道路对象为各种类型的第一概率；采用振动信号处理模型处理所述振动特征信号，得到所述道路对象为各种类型的第二概率；基于第一概率和第二概率，计算所述道路对象为各种类型的第三概率；选择最大的第三概率对应的类型作为所述道路对象的类型。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取目标道路的道路场景；基于所述道路场景确定各个所述第一概率对应的第一权重，以及各个所述第二概率对应的第二权重；所述基于第一概率和第二概率，计算所述...

【专利技术属性】
技术研发人员：仇彬，
申请(专利权)人：北京车和家信息技术有限公司，
类型：发明
国别省市：