本发明专利技术公开了一种公路上的障碍物检测方法，方法包括：公路上的障碍物检测系统获取待检测公路的道路视频，分别输入至边缘检测算法分支与动态目标检测算法分支；边缘检测算法分支识别该公路的车道内存在的全部目标物的图像坐标；动态目标检测算法分支识别动态目标物；将全部目标物与动态目标物的图像坐标进行整合，得到待跟踪目标物的图像坐标；对待跟踪目标物的图像坐标进行目标跟踪确定待检测公路上存在的障碍物。本申请边缘检测算法分支是全量检测，识别检测物体的图像坐标，动态目标检测算法分支是部分检测，检测动态目标物类型及坐标，通过两通道检测结果的整合可得到待跟踪目标物，该双通道检测可以提升障碍物识别的精度。精度。精度。
【技术实现步骤摘要】
一种公路上的障碍物检测方法、系统、存储介质及终端
[0001]本专利技术涉及智慧交通
，特别涉及一种公路上的障碍物检测方法、系统、存储介质及终端。
技术介绍
[0002]随着公路车流量不断增长，因公路抛洒的障碍物所诱发的事故数量呈现激增趋势。这些障碍物大多为货车上未捆扎严实而掉下的货物，或者汽车故障掉落的碎片，或者因为天气原因造成的其他障碍物，这些障碍物对高速公路行车安全造成了极大的威胁。由于公路上的机动车、护栏、车道线等对象多样化，同时公路上障碍物的种类繁多，无法使用目标检测算法逐一将其检测出来。
技术实现思路
[0003]本申请实施例提供了一种公路上的障碍物检测方法、系统、存储介质及终端。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
[0004]第一方面，本申请实施例提供了一种公路上的障碍物检测方法，方法包括：
[0005]获取待检测公路上的道路视频，分别输入边缘检测算法分支与动态目标检测算法分支，其中，
[0006]所述边缘检测算法分支用于根据所述道路视频识别所述待检测公路的车道内存在的全部目标物的图像坐标；
[0007]所述动态目标检测算法分支用于根据所述道路视频识别所述待检测公路上的动态目标物的图像坐标；
[0008]将所述全部目标物的图像坐标与所述动态目标物的图像坐标进行整合，得到待跟踪目标物的图像坐标；
[0009]对所述待跟踪目标物的图像坐标进行目标跟踪确定所述待检测公路上存在的障碍物。
[0010]第二方面，本申请实施例提供了一种公路上的障碍物检测系统，系统包括：
[0011]道路视频获取模块，用于获取待检测公路上的道路视频，分别输入边缘检测算法分支与动态目标检测算法分支；
[0012]边缘检测算法分支模块，用于根据所述道路视频识别所述待检测公路的车道内存在的全部目标物的图像坐标；
[0013]动态目标检测算法分支模块，用于根据所述道路视频识别所述待检测公路上的动态目标物的图像坐标。
[0014]动态目标检测算法分支模块，用于在预先构建的动态目标检测算法分支上，将道路视频输入预先训练的动态目标检测模型中，输出动态目标物的图像坐标；
[0015]目标物整合模块，用于将全部目标物的图像坐标与动态目标物的图像坐标进行整合，得到待跟踪目标物的图像坐标；
[0016]障碍物确定模块，用于根据全部目标物的图像坐标与动态目标物的图像坐标，判定待检测公路上存在的障碍物。
[0017]第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
[0018]第四方面，本申请实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
[0019]本申请实施例提供的技术方案可以包括以下有益效果：
[0020]在本申请实施例中，公路上的障碍物检测系统获取待检测公路的道路视频，输入至边缘检测算法分支与动态目标检测算法分支；边缘检测算法分支根据该视频识别该公路的车道内存在的全部目标物的图像坐标；动态目标检测算法分支根据该视频输出动态目标物的图像坐标；将全部目标物与动态目标物的图像坐标进行整合，得到待跟踪目标物的图像坐标；对待跟踪目标物的图像坐标进行目标跟踪确定待检测公路上存在的障碍物。由于本申请边缘检测算法分支是通过边缘检测识别视频图像序列中的所有物体及车道，识别车道内存在的全部目标物体的图像轮廓及坐标；动态目标检测算法分支是部分检测，检测动态目标物类型及坐标，通过两通道检测结果的整合，可得到待跟踪目标物，该方式使得边缘检测算法分支可无需加载目标类型识别算法，节省了算力，该双通道检测可以提升障碍物识别的精度。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0023]图1是本申请实施例提供的一种公路上的障碍物检测方法的流程示意图；
[0024]图2是本申请实施例提供的一种公路上的障碍物检测流程的流程示意框图；
[0025]图3是本申请实施例提供的一种公路上的障碍物检测系统的结构示意图；
[0026]图4是本申请实施例提供的一种终端的结构示意图。
具体实施方式
[0027]以下描述和附图充分地示出本专利技术的具体实施方案，以使本领域的技术人员能够实践它们。
[0028]应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0029]下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本专利技术的一些方面相一致的系统和方法
的例子。
[0030]在本专利技术的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，在本专利技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
[0031]本申请提供了一种公路上的障碍物检测方法、系统、存储介质及终端，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请边缘检测算法分支是全量检测，仅识别检测物体的坐标，动态目标检测算法分支是部分检测，仅检测动态目标物类型及坐标，通过两通道检测结果的整合，可得到待跟踪目标物，该方式使得边缘检测算法分支可无需加载目标识别算法，节省了算力，该双通道检测可以提升障碍物识别的精度，下面采用示例性的实施例进行详细说明。
[0032]下面将结合附图1
‑
附图2，对本申请实施例提供的公路上的障碍物检测方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的公路上的障碍物检测系统上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。
[0033]请参见图1，为本申请实施例提供了一种公路上的障碍物检测方法的流程示意图。如图1所示，本申请实施例的方法可以包括以下步骤：
[0034]S101，获取待检测公路上的道路视频，分别输入至本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种公路上的障碍物检测方法，其特征在于，所述方法包括：获取待检测公路的道路视频，分别输入边缘检测算法分支与动态目标检测算法分支，其中，所述边缘检测算法分支用于根据所述道路视频识别所述待检测公路的车道内存在的全部目标物的图像坐标，所述动态目标检测算法分支用于根据所述道路视频识别所述待检测公路上的动态目标物的图像坐标；将所述全部目标物的图像坐标与所述动态目标物的图像坐标进行整合，得到待跟踪目标物的图像坐标；对所述待跟踪目标物的图像坐标进行目标跟踪确定所述待检测公路上存在的障碍物。2.根据权利要求1所述的方法，其特征在于，所述边缘检测算法分支预设有边缘检测模型，所述边缘检测算法分支用于根据所述道路视频识别所述待检测公路的车道内存在的全部目标物的图像坐标，包括：采用所述边缘检测模型对所述道路视频的图像序列逐一进行图像边缘检测，得到全量物体的图像坐标；识别所述道路视频的图像序列中的目标车道；从所述全量物体的图像坐标中确定出属于所述目标车道的物体的图像坐标，得到所述待检测公路的车道内存在的全部目标物的图像坐标。3.根据权利要求2所述的方法，其特征在于，所述采用所述边缘检测模型对所述道路视频的图像序列逐一进行图像边缘检测，得到全量物体的图像坐标，包括：使用高斯滤波器对所述道路视频的图像序列逐一进行滤波，得到多个滤波图像；计算第一滤波图像中每个像素点的梯度强度和梯度方向；其中，所述第一滤波图像为所述多个滤波图像中任意一个图像；根据每个像素点的梯度强度和梯度方向进行像素点增强，得到所述第一滤波图像对应的增强图像；根据预设梯度阈值对所述增强图像中的像素点进行像素点过滤，得到所述第一滤波图像对应的最终图像；检测所述最终图像中物体，得到全量检测物体。4.根据权利要求2所述的方法，其特征在于，所述识别所述道路视频的图像序列中的目标车道，包括：获取车道掩码；其中，所述车道掩码的车道区域的像素值均为1，除所述车道区域之外的像素值均为0；将所述车道掩码与所述道路视频的图像序列逐一进行叠加，以确定出所述图像序列的车道区域；对所述车道区域进行霍夫变换，得到霍夫变换的特征线段；根据所述霍夫变换的特征线段计算车道的左边界线和右边界线；根据车道的左边界线和右边界线，生成目标车道。5.根据权利要求4所述的方法，其特征在于，所述根据所述霍夫变换的特征线段计算车道的左边界线和右边界线，包...
【专利技术属性】
技术研发人员：黄大伟，曹硕，夏曙东，梁海鹄，
申请(专利权)人：北京千方科技股份有限公司，
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。