一种用于自动识别道路交通指示牌信息的智能驾驶系统技术方案

本发明专利技术公开了一种用于自动识别道路交通指示牌信息的智能驾驶系统，包括：图像获取模块、数据集构建模块、信息识别模块以及驾驶路径规划模块；所述图像获取模块，用于获取道路交通指示牌图像；所述数据集构建模块，用于预处理所述指示牌图像，构建指示牌数据集；所述信息识别模块，用于构建指示牌信息识别模型，识别所述指示牌数据集的指示牌信息，获得信息识别结果；所述驾驶路径规划模块，用于基于所述信息识别结果，为驾驶员提供交通指示牌语音提示并进行驾驶路径规划，实现用于自动识别道路交通指示牌信息的智能驾驶。通过对交通指示牌信息的识别，帮助驾驶员安全合法的驾驶，降低违规驾驶的可能。低违规驾驶的可能。低违规驾驶的可能。

【技术实现步骤摘要】
一种用于自动识别道路交通指示牌信息的智能驾驶系统


[0001]本专利技术属于智能驾驶
，具体涉及一种用于自动识别道路交通指示牌信息的智能驾驶系统。

技术介绍

[0002]目前，智能驾驶系统在我国发展迅速，驾驶安全问题、城市交通堵塞问题、运输效率问题都有望通过对车辆信息化和智能化的改造获得改善。基于图像检测与处理技术的交通标志识别系统作为智能驾驶系统的一个重要的子系统，已逐渐成为目前智能驾驶系统国内外研究的热点。

技术实现思路

[0003]本专利技术旨在解决现有技术的不足，提出一种用于自动识别道路交通指示牌信息的智能驾驶系统，通过对道路交通指示牌的智能识别，实现智能驾驶。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种用于自动识别道路交通指示牌信息的智能驾驶系统，包括：图像获取模块、数据集构建模块、信息识别模块以及驾驶路径规划模块；
[0006]所述图像获取模块，用于获取道路交通指示牌图像；
[0007]所述数据集构建模块，用于预处理所述指示牌图像，构建指示牌数据集；
[0008]所述信息识别模块，用于构建指示牌信息识别模型，识别所述指示牌数据集的指示牌信息，获得信息识别结果；
[0009]所述驾驶路径规划模块，用于基于所述信息识别结果，为驾驶员提供交通指示牌语音提示并进行驾驶路径规划，实现用于自动识别道路交通指示牌信息的智能驾驶。
[0010]优选的，所述数据集构建模块包括数据清洗单元以及图像增强单元；
[0011]所述数据清洗单元，用于对获取的所述指示牌图像，进行数据清洗，剔除无效图像；
[0012]所述图像增强单元，用于对数据清洗后的所述指示牌图像，进行图像增强，获得指示牌数据集。
[0013]优选的，所述图像增强的过程为：
[0014]采用仿射变换，预设旋转角度，将数据清洗后的二维指示牌图像的坐标原点进行旋转；
[0015]基于缩放因子，将原点旋转后的所述二维指示牌图像，进行缩放；
[0016]将缩放后的所述二维指示牌图像，进行平移，获得仿射变换后的所述二维指示牌图像；
[0017]采用Mosaic方法，拼接所述二维指示牌图像，实现数据增广，获得所述指示牌数据集。
[0018]优选的，所述信息识别模块包括：特征提取单元、特征融合单元、多级特征融合单
元以及识别单元；
[0019]所述特征提取单元，用于基于全卷积目标检测算法以及改进的ResNet
‑
50网络，对所述指示牌数据集的图像进行特征提取；
[0020]所述特征融合单元，用于基于特征金字塔网络，对提取的图像特征进行融合加强；
[0021]所述多级特征融合单元，用于将融合加强后的图像特征，进行多级特征融合，获得多级特征信息；
[0022]所述识别单元，用于基于多级特征信息，进行回归和分类，构建指示牌信息识别模型，获得信息识别结果。
[0023]优选的，ResNet
‑
50网络的改进过程为：
[0024]去除ResNet
‑
50网络的平均池化层以及全连接层，并将混合扩张卷积模块融入所述ResNet
‑
50网络，设置空洞率；
[0025]将空间
‑
通道注意力机制模块融入所述ResNet
‑
50网络的预设层数，提取每层的特征，并对提取的特征进行卷积处理，实现所述ResNet
‑
50网络的改进。
[0026]优选的，所述特征金字塔网络包括有效特征层以及高语义特征层。
[0027]优选的，所述驾驶路径规划模块包括：语音提示单元、路径规划单元以及人机交互单元；
[0028]所述语音提示单元，用于基于所述信息识别结果，提示驾驶员当前路段交通信息；
[0029]所述路径规划单元，用于基于所述信息识别结果、当前路况以及全球卫星定位系统，自动规划驾驶路径；
[0030]所述人机交互单元，用于驾驶员与智能驾驶系统进行语音交流。
[0031]优选的，自动规划驾驶路径的过程为：
[0032]获取当前车辆前后方道路视频流数据，并进行抽帧处理，获得帧图像；
[0033]基于深度残差网络对所述帧图像进出深度估计运算，获得深度图；
[0034]基于所述深度图，获得以车辆自身为中心的3D云图；
[0035]对所述帧图像进行场景语义分割，分割出当前路段的其他车辆、障碍物、行人、指示牌以及道路线；
[0036]基于所述3D云图，计算所述其他车辆、所述障碍物、所述行人、所述指示牌以及所述道路线与车辆自身的距离，获得当前路况
[0037]基于所述全球卫星定位系统，获得当前路段卫星地图；
[0038]基于所述当前路况、指示牌的所述信息识别结果以及所述卫星地图，调整行车路线，实现路径的自动规划。
[0039]与现有技术相比，本专利技术的有益效果为：构建指示牌数据集，采用了图像增强的方法，扩充了数据集，提高模型识别的准确性以及鲁棒性；基于全卷积目标检测算法以及改进的ResNet
‑
50网络，对指示牌数据集的图像进行特征提取，提高特征提取的效率；驾驶路径规划模块，为驾驶员提供交通指示牌语音提示并进行驾驶路径规划，实现用于自动识别道路交通指示牌信息的智能驾驶，不仅为驾驶员提供便利，促进了安全驾驶，减少违规，更进一步减少交通事故的发生。
附图说明
[0040]为了更清楚地说明本专利技术的技术方案，下面对实施例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性的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本专利技术实施例一用于自动识别道路交通指示牌信息的智能驾驶系统的结构示意图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，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做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0044]实施例一
[0045]如图1所示，一种用于自动识别道路交通指示牌信息的智能驾驶系统，包括：图像获取模块、数据集构建模块、信息识别模块以及驾驶路径规划模块；
[0046]图像获取模块，用于获取道路交通指示牌图像；例如警告标志图像、禁令标志图像、指示标志图像、指路标志图像以及道路施工安全标志图像等。
[0047]数据集构建模块，用于预处理指示牌图像，构建指示牌数据集；
[0048]具体的，数据集构建模块包括数据清洗单元以及图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动识别道路交通指示牌信息的智能驾驶系统，其特征在于，包括：图像获取模块、数据集构建模块、信息识别模块以及驾驶路径规划模块；所述图像获取模块，用于获取道路交通指示牌图像；所述数据集构建模块，用于预处理所述指示牌图像，构建指示牌数据集；所述信息识别模块，用于构建指示牌信息识别模型，识别所述指示牌数据集的指示牌信息，获得信息识别结果；所述驾驶路径规划模块，用于基于所述信息识别结果，为驾驶员提供交通指示牌语音提示并进行驾驶路径规划，实现用于自动识别道路交通指示牌信息的智能驾驶。2.根据权利要求1所述的用于自动识别道路交通指示牌信息的智能驾驶系统，其特征在于，所述数据集构建模块包括数据清洗单元以及图像增强单元；所述数据清洗单元，用于对获取的所述指示牌图像，进行数据清洗，剔除无效图像；所述图像增强单元，用于对数据清洗后的所述指示牌图像，进行图像增强，获得指示牌数据集。3.根据权利要求2所述的用于自动识别道路交通指示牌信息的智能驾驶系统，其特征在于，所述图像增强的过程为：采用仿射变换，预设旋转角度，将数据清洗后的二维指示牌图像的坐标原点进行旋转；基于缩放因子，将原点旋转后的所述二维指示牌图像，进行缩放；将缩放后的所述二维指示牌图像，进行平移，获得仿射变换后的所述二维指示牌图像；采用Mosaic方法，拼接所述二维指示牌图像，实现数据增广，获得所述指示牌数据集。4.根据权利要求1所述的用于自动识别道路交通指示牌信息的智能驾驶系统，其特征在于，所述信息识别模块包括：特征提取单元、特征融合单元、多级特征融合单元以及识别单元；所述特征提取单元，用于基于全卷积目标检测算法以及改进的ResNet
‑
50网络，对所述指示牌数据集的图像进行特征提取；所述特征融合单元，用于基于特征金字塔网络，对提取的图像特征进行融合加强；所述多级特征融合单元，用于将融合加强后的图像特征，进行多级特征融合，获得多级特征信息；所述识别单元，用于基于多级特征信息，进行回归和分类，构建指示牌信息识别模型，获...

【专利技术属性】
技术研发人员：张友兵，孙海明，张伟，
申请(专利权)人：湖北中程科技产业技术研究院有限公司，
类型：发明
国别省市：