一种车辆自适应导航方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种车辆自适应导航方法、装置、电子设备及存储介质。包括：获取车辆的行驶环境图像；基于预先设置的目标检测模型对行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；基于多个类型的检测对象的检测结果确定车辆的高架行驶检测结果；根据高架行驶检测结果对车辆进行导航处理。通过对车辆行驶环境图像进行处理，构建训练数据集，采用深度学习算法处理道路行驶环境图像，确定目标检测模型，根据目标检测模型确定高架行驶检测结果，并对车辆进行自适应导航，解决了车辆导航由于不能精确定位处于高架行驶场景而无法自动判断道路的问题，实现了自动实时动态路径规划，提高了车辆导航的准确性以及车辆行驶的安全性。全性。全性。

【技术实现步骤摘要】
一种车辆自适应导航方法、装置、电子设备及存储介质


[0001]本专利技术涉及车辆控制
，尤其涉及一种车辆自适应导航方法、装置、电子设备及存储介质。

技术介绍

[0002]随着经济的发展，公路交通建设发展迅速，城乡之间的公路数量越来越多，车辆行驶环境越来越复杂，对于车辆导航的要求越来越高。
[0003]车辆导航技术是智能交通系统的重要组成部分，一般借助于电子地图实时提供车辆位置、速度、方向以及周围地理环境等导航信息，从而指导驾车者快速、准确和安全地到达目的地。在车辆导航系统中，为了能够精确完成导航，需要准确判断车辆是否处于高架区域。对于确定车辆是否处于高架区域，常利用采集公路环境图像信息确定高架入口标识和匝道信息完成判断。基于上述的现有技术方案，采集的数据信息比较局限，使得对于车辆是否处于高架区域的判断的准确性低。

技术实现思路

[0004]本专利技术实施例提供了一种车辆自适应导航方法、装置、电子设备及存储介质，以解决当前车机系统由于单一导航软件不能很好感知高度信息而无法自动判断道路的问题。
[0005]根据本专利技术的一方面，提供了一种车辆自适应导航方法，包括：
[0006]获取车辆的行驶环境图像；
[0007]基于预先设置的目标检测模型对行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；
[0008]基于多个类型的检测对象的检测结果确定车辆的高架行驶检测结果；
[0009]根据高架行驶检测结果对车辆进行导航处理。
[0010]可选的，基于预先设置的目标检测模型对行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果，包括：
[0011]基于特征提取网络模块对行驶环境图像进行特征提取，得到多层图像特征信息；
[0012]基于颈部网络模块对多层图像特征信息进行特征融合处理，得到融合特征信息；
[0013]基于各类型检测对象的检测网络模块对融合特征信息进行检测处理，得到多个类型的检测对象的检测结果。
[0014]可选的，基于特征提取网络模块对行驶环境图像进行特征提取，得到多层图像特征信息之后，还包括：
[0015]将当前时刻的多层图像特征信息与前一时刻的多层图像特征信息进行对应特征信息的融合处理，得到更新后的多层图像特征信息；
[0016]相应的，基于颈部网络模块对多层图像特征信息进行特征融合处理，得到融合特征信息，包括：
[0017]基于颈部网络模块对更新后的多层图像特征信息进行特征融合处理，得到融合特
征信息。
[0018]可选的，目标检测模型包括多个并列子模型，任一子模型包括依次连接的特征提取网络模块、颈部网络模块和一个类型检测对象的检测网络模块；
[0019]或者，
[0020]目标检测模型包括特征提取网络模块、颈部网络模块和多个类型检测对象的检测网络模块，多个类型检测对象的检测网络模块分别与颈部网络模块连接。
[0021]可选的，检测对象包括车辆、行人、车道线和指示灯；
[0022]基于多个类型的检测对象的检测结果确定车辆的高架行驶检测结果，包括：
[0023]基于车辆、行人、车道线和指示灯分别对应的检测结果，确定高架行驶场景置信度；
[0024]基于高架行驶场景置信度确定车辆的高架行驶检测结果。
[0025]可选的，目标检测模型的训练方法包括：
[0026]获取样本图像，样本图像中包括多个类型检测对象的标记信息；
[0027]迭代执行以下训练步骤，直到满足训练结束条件，得到训练好的目标检测模型；
[0028]将样本图像输入至待训练的目标检测模型中，得到多个类型检测对象训练检测结果；
[0029]基于训练检测结果和标记信息得到损失值，基于损失值调节目标检测模型的模型参数。
[0030]可选的，多个类型检测对象的标记信息包括各检测对象的标记类型和标记位置信息；
[0031]任一类型的检测对象的检测结果包括检测对象的检测类型和检测位置信息；
[0032]基于训练检测结果和标记信息得到损失值，包括：
[0033]基于标记信息中各检测对象的标记类型和训练检测结果中检测对象的检测类型得到类型损失项；
[0034]基于标记信息中各检测对象的标记位置信息和训练检测结果中检测对象的检测位置信息得到位置损失项；
[0035]基于类型损失项和位置损失项得到损失值。
[0036]根据本专利技术的另一方面，提供了一种车辆自适应导航装置，包括：
[0037]行驶环境图像获取模块，用于获取车辆的行驶环境图像；
[0038]检测结果确定模块，用于基于预先设置的目标检测模型对行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；
[0039]高架行驶检测结果确定模块，用于基于多个类型的检测对象的检测结果确定车辆的高架行驶检测结果；
[0040]导航处理模块，用于根据高架行驶检测结果对车辆进行导航处理。
[0041]根据本专利技术的另一方面，提供了一种电子设备，电子设备包括：
[0042]至少一个处理器；以及
[0043]与至少一个处理器通信连接的存储器；其中，
[0044]存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本专利技术任一实施例的车辆自适应导航方法。
[0045]根据本专利技术的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本专利技术任一实施例的车辆自适应导航方法。
[0046]本专利技术实施例的技术方案，通过对车辆行驶环境图像进行处理，构建训练数据集，采用深度学习算法处理道路行驶环境图像，确定目标检测模型，根据目标检测模型确定高架行驶检测结果，并对车辆进行自适应导航，解决了车辆导航由于不能精确定位处于高架行驶场景而无法自动判断道路的问题，实现了自动实时动态路径规划，提高了车辆导航的准确性以及车辆行驶的安全性。
[0047]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0048]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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。
[0049]图1是本专利技术实施例一提供的一种车辆自适应导航方法的流程图；
[0050]图2是本专利技术实施例的目标检测模型的结构示意图；
[0051]图3是本专利技术实施例的一种检测模型特征提取和特征融合的示意图；
[0052]图4是本专利技术实施例的一种目标检测模型的示意图；
[0053]图5是本专利技术实施例的一种目标检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆自适应导航方法，其特征在于，包括：获取车辆的行驶环境图像；基于预先设置的目标检测模型对所述行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；基于所述多个类型的检测对象的检测结果确定所述车辆的高架行驶检测结果；根据所述高架行驶检测结果对所述车辆进行导航处理。2.根据权利要求1所述的方法，其特征在于，基于预先设置的目标检测模型对所述行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果，包括：基于特征提取网络模块对所述行驶环境图像进行特征提取，得到多层图像特征信息；基于颈部网络模块对所述多层图像特征信息进行特征融合处理，得到融合特征信息；基于各类型检测对象的检测网络模块对所述融合特征信息进行检测处理，得到所述多个类型的检测对象的检测结果。3.根据权利要求2所述的方法，其特征在于，所述基于特征提取网络模块对所述行驶环境图像进行特征提取，得到多层图像特征信息之后，还包括：将当前时刻的所述多层图像特征信息与前一时刻的所述多层图像特征信息进行对应特征信息的融合处理，得到更新后的多层图像特征信息；相应的，基于颈部网络模块对所述多层图像特征信息进行特征融合处理，得到融合特征信息，包括：基于所述颈部网络模块对所述更新后的多层图像特征信息进行特征融合处理，得到融合特征信息。4.根据权利要求2所述的方法，其特征在于，所述目标检测模型包括多个并列子模型，任一所述子模型包括依次连接的特征提取网络模块、颈部网络模块和一个类型检测对象的检测网络模块；或者，所述目标检测模型包括特征提取网络模块、颈部网络模块和多个类型检测对象的检测网络模块，所述多个类型检测对象的检测网络模块分别与所述颈部网络模块连接。5.根据权利要求1所述的方法，其特征在于，所述检测对象包括车辆、行人、车道线和指示灯；所述基于所述多个类型的检测对象的检测结果确定所述车辆的高架行驶检测结果，包括：基于所述车辆、所述行人、所述车道线和所述指示灯分别对应的检测结果，确定高架行驶场景置信度；基于所述高架行驶场景置信度确定所述车辆的高架行驶检测结果。6.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：张宏宇，冯革楠，徐志明，陶训强，
申请(专利权)人：芯砺智能科技上海有限公司，
类型：发明
国别省市：