本公开的实施例公开了用于识别分歧路口的方法和装置。该方法的一具体实施方式包括：获取车辆的位置和分歧路口的位置，并根据车辆的位置和分歧路口的位置判断车辆是否在分歧路口检测范围内；若在分歧路口检测范围内，则将实时获取的车辆前方的图像输入预先训练的检测模型，得到候选导流区域；将候选导流区域输入预先训练的后处理模型，得到分类结果和候选导流区域的关键点；若分类结果为导流区域，则根据候选导流区域的关键点拟合出车道线。该实施方式可以优化车道线识别与导航算法在分歧路口处的表现，提升导航系统的用户体验。提升导航系统的用户体验。提升导航系统的用户体验。
【技术实现步骤摘要】
用于识别分歧路口的方法和装置
[0001]本公开的实施例涉及计算机
，具体涉及用于识别分歧路口的方法和装置。
技术介绍
[0002]分歧路口，作为地图导航中的一个关键点位，常常需要AR导航算法在这里准确的绘制出车道线并做出正确的引导。
[0003]现有的车道线识别技术基于边缘检测和平行线检测等传统图像技术手段。
[0004]现有的技术方案主要有以下几点不足：
[0005]1)基于图像的边缘信息等基础特征和人为设定的规则，不能很好的适应真实驾驶场景中复杂的环境，容易受到干扰，在分歧路口处车道线识别结果不准。
[0006]2)没有针对分歧路口做优化，无法判断是否偏航，引导效果不够。
技术实现思路
[0007]本公开的实施例提出了用于识别分歧路口的方法和装置。
[0008]第一方面，本公开的实施例提供了一种用于识别分歧路口的方法，包括：获取车辆的位置和分歧路口的位置，并根据车辆的位置和分歧路口的位置判断车辆是否在分歧路口检测范围内；若在分歧路口检测范围内，则将实时获取的车辆前方的图像输入预先训练的检测模型，得到候选导流区域；将候选导流区域输入预先训练的后处理模型，得到分类结果和候选导流区域的关键点；若分类结果为导流区域，则根据候选导流区域的关键点拟合出车道线。
[0009]在一些实施例中，该方法还包括：获取导航信息；根据车辆的位置和车道线的位置确定车辆相对于车道线的相对位置；根据相对位置和导航信息，判断车辆是否偏航；若偏航，则输出变道提醒信息，否则输出直行提醒信息。
[0010]在一些实施例中，将实时获取的车辆前方的图像输入检测模型，得到候选导流区域，包括：将实时获取的车辆前方的图像输入检测模型，检测出候选区域和路牌；若车辆的位置与分歧路口的位置的距离大于预定值，则借助路牌的位置确定候选区域是否在容错范围内；若在容错范围内，则将候选区域确定为候选导流区域。
[0011]在一些实施例中，将实时获取的车辆前方的图像输入检测模型，得到候选导流区域，包括：在预定周期的起始帧将实时获取的车辆前方的图像输入检测模型，得到候选导流区域；以及将候选导流区域输入后处理模型，得到分类结果和候选导流区域的关键点，包括：若分类结果为导流区域，则记录导流区域左右车道各3个关键点坐标作为状态变量。
[0012]在一些实施例中，将候选导流区域输入后处理模型，得到分类结果和候选导流区域的关键点，包括：在每个预定周期内从起始帧的下一帧开始执行如下跟踪步骤：取上一帧记录的状态变量计算其外接矩形，将外接矩形扩展后作为本帧的搜索区域；将本帧的搜索区域输入后处理模型，得到本帧的分类结果和本帧的候选导流区域的关键点；若本帧的分
类结果为导流区域，则用本帧的候选导流区域的关键点更新状态变量，否则，停止跟踪。
[0013]在一些实施例中，检测模型采用yolov3架构，骨干网采用shufflenet_v2。
[0014]在一些实施例中，后处理模型采用shufflenet_v2网络，后处理模型包括分类和回归两条分支。
[0015]第二方面，本公开的实施例提供了一种用于识别分歧路口的装置，包括：获取单元，被配置成获取车辆的位置和分歧路口的位置，并根据车辆的位置和分歧路口的位置判断车辆是否在分歧路口检测范围内；检测单元，被配置成若在分歧路口检测范围内，则将实时获取的车辆前方的图像输入预先训练的检测模型，得到候选导流区域；处理单元，被配置成将候选导流区域输入预先训练的后处理模型，得到分类结果和候选导流区域的关键点；拟合单元，被配置成若分类结果为导流区域，则根据候选导流区域的关键点拟合出车道线。
[0016]在一些实施例中，该装置还包括导航单元，被配置成：获取导航信息；根据车辆的位置和车道线的位置确定车辆相对于车道线的相对位置；根据相对位置和导航信息，判断车辆是否偏航；若偏航，则输出变道提醒信息，否则输出直行提醒信息。
[0017]在一些实施例中，检测单元进一步被配置成：将实时获取的车辆前方的图像输入检测模型，检测出候选区域和路牌；若车辆的位置与分歧路口的位置的距离大于预定值，则借助路牌的位置确定候选区域是否在容错范围内；若在容错范围内，则将候选区域确定为候选导流区域。
[0018]在一些实施例中，检测单元进一步被配置成：在预定周期的起始帧将实时获取的车辆前方的图像输入检测模型，得到候选导流区域；以及处理单元进一步被配置成：若分类结果为导流区域，则记录导流区域左右车道各3个关键点坐标作为状态变量。
[0019]在一些实施例中，处理单元进一步被配置成：在每个预定周期内从起始帧的下一帧开始执行如下跟踪步骤：取上一帧记录的状态变量计算其外接矩形，将外接矩形扩展后作为本帧的搜索区域；将本帧的搜索区域输入后处理模型，得到本帧的分类结果和本帧的候选导流区域的关键点；若本帧的分类结果为导流区域，则用本帧的候选导流区域的关键点更新状态变量，否则，停止跟踪。
[0020]在一些实施例中，检测模型采用yolov3架构，骨干网采用shufflenet_v2。
[0021]在一些实施例中，后处理模型采用shufflenet_v2网络，后处理模型包括分类和回归两条分支。
[0022]第三方面，本公开的实施例提供了一种用于识别分歧路口的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
[0023]第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
[0024]本公开的实施例提供的用于识别分歧路口的方法和装置，提出了一种基于深度学习的可实时运行在车机环境的分歧路口车道线定位和拟合方法，通过定位分歧路口处的关键目标(路牌和导流带)与当前车辆的相对位置，可对当前车辆是否偏航做出相应判断和恰当的引导；通过拟合分歧路口处的左右车道线，可以为AR导航车道线绘制提供更准确的坐标形状。同时在行驶过程中结合GPS信息控制算法的调用，只在分歧路段有效范围内调用算法，避免计算资源的浪费。本公开的实施例能够适应真实驾驶场景中复杂的环境，在分歧路
口处带来更好的导航体验。
附图说明
[0025]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
[0026]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0027]图2是根据本公开的用于识别分歧路口的方法的一个实施例的流程图；
[0028]图3是根据本公开的用于识别分歧路口的方法的一个应用场景的示意图；
[0029]图4是根据本公开的用于识别分歧路口的方法的又一个实施例的流程图；
[0030]图5是根据本公开的用于识别分歧路口的装置的一个实施例的结构示意图；
[0031]图6是适于用来实现本公开的实施例的电本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于识别分歧路口的方法，包括：实时获取车辆的位置和分歧路口的位置；若所述车辆的位置距离所述分歧路口的位置小于预定第一距离，则开始调用检测算法，将实时获取的车辆前方的图像输入预先训练的检测模型，得到候选导流区域；将所述候选导流区域输入预先训练的后处理模型，得到分类结果和所述候选导流区域的关键点；若分类结果为导流区域，则根据所述候选导流区域的关键点拟合出车道线；若所述车辆的位置距离所述分歧路口的位置小于预定第二距离，则停止调用检测算法，其中，所述第二距离小于第一距离。2.根据权利要求1所述的方法，其中，所述方法还包括：获取导航信息；根据所述车辆的位置和所述车道线的位置确定所述车辆相对于车道线的相对位置；根据所述相对位置和所述导航信息，判断所述车辆是否偏航；若偏航，则输出变道提醒信息，否则输出直行提醒信息。3.根据权利要求1所述的方法，其中，所述将实时获取的车辆前方的图像输入检测模型，得到候选导流区域，包括：将实时获取的车辆前方的图像输入检测模型，检测出候选区域和路牌；若所述车辆的位置与所述分歧路口的位置的距离大于预定值，则借助所述路牌的位置确定所述候选区域是否在容错范围内；若在容错范围内，则将所述候选区域确定为候选导流区域。4.根据权利要求1所述的方法，其中，所述将实时获取的车辆前方的图像输入检测模型，得到候选导流区域，包括：在预定周期的起始帧将实时获取的车辆前方的图像输入检测模型，得到候选导流区域；以及所述将所述候选导流区域输入后处理模型，得到分类结果和所述候选导流区域的关键点，包括：若分类结果为导流区域，则记录导流区域左右车道各3个关键点坐标作为状态变量。5.根据权利要求4所述的方法，其中，所述将所述候选导流区域输入后处理模型，得到分类结果和所述候选导流区域的关键点，包括：在每个预定周期内从起始帧的下一帧开始执行如下跟踪步骤：取上一帧记录的状态变量计算其外接矩形，将所述外接矩形扩展后作为本帧的搜索区域；将本帧的搜索区域输入所述后处理模型，得到本帧的分类结果和本帧的候选导流区域的关键点；若本帧的分类结果为导流区域，则用本帧的候选导流区域的关键点更新状态变量，否则，停止跟踪。6.根据权利要求1
‑
5之一所述的方法，其中，所述检测模型采用yolov3架构，骨干网采用shufflenet_v2。7.根据权利要求6所述的方法，其中，所述后处理模型采用shufflenet_v2网络，所述后
处理模型包括分类和回归两条分支。8.一种用于识别分歧路口的装置，包括：获取单元，被配置成实时获取车辆的位置和分歧路口的位置；；检测单元，被配置成若所述车辆的位置距离所述分歧路口的位置小于...
【专利技术属性】
技术研发人员：何刚，
申请(专利权)人：阿波罗智联北京科技有限公司，
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。