【技术实现步骤摘要】
本申请涉及车辆辅助驾驶预警，尤其涉及一种高速公路自动驾驶预警方法、系统、设备及存储介质。
技术介绍
1、自动辅助驾驶技术是当前车企的研究热点问题，其主要依靠全景驾驶感知系统，从相机拍摄的图像中提取视觉信息，通常包括障碍物的位置、标识信息、是否可行驶道路的判断、车道位置等。这些视觉信息成为自动驾驶汽车控制自身运动的主要决策依据。相比于城市道路场景或园区场景，高速公路场景中，路面与车道线规格统一，车辆均为同向行驶且交通标识与地面标识种类较少，这对感知系统提取信息是有利的。然而由于是高速行驶，车距拉大视野开阔，场景变换迅速，感知系统检测时小目标物体比重大，检测频率高。小目标检测比重高，增加了检测难度，检测频率高则对检测实时性提出了高要求。
2、自动驾驶汽车感知技术的研究虽然已经有了很多的优秀方法，但是这些方法大多只是完成交通目标检测、可驾驶区域识别、车道线识别中之一的任务，在实车部署时仍需要与其他方法配合，导致计算资源的浪费并增加了计算时长。现有的多任务感知方法虽然能够同时实现上述三大感知任务，但在检测精度方面仍有不足，特别是在高速公路场景中，对小目标检测的能力不足的问题尤其严峻。
技术实现思路
1、本申请提供了一种高速公路自动驾驶预警方法、系统、设备及存储介质，用以解决现有的高速公路自动驾驶技术对于小目标检测能力不足的技术问题。
2、一方面，本申请提供了一种高速公路自动驾驶预警方法，所述方法包括以下步骤：步骤s1：获取高速公路道路行驶图像；步骤s2：基于改进的e
3、在本申请的一种实现方式中，所述步骤s2，具体包括：步骤s21：输入通道数为2c的所述高速公路道路行驶图像；步骤s22：分两路进行卷积核为1*1的cbs操作；其中，所述cbs操作包括：卷积操作、正则化操作以及激活函数操作；步骤s23：两路中的一路继续进行3*3的cbs操作四次；步骤s24：分别将特征层1，2，3，4和特征层1，2，4，6的输出结果并联进行1*1的cbs操作；步骤s25：将得到的输出结果继续并联进行1*1的cbs操作得到最终通道数为c的输出特征。
4、在本申请的一种实现方式中，所述步骤s3中，检测高速公路行驶隐患目标的过程，是基于路径聚合网络pan的结构与fpn的结构进行检测，且在使用pan 结构中的多尺度融合特征图进行检测之前添加了simam注意力机制。
5、在本申请的一种实现方式中，检测的过程，具体为：通过三个不同长宽比的先验锚点在多尺度融合特征图的每个网格中预测位置偏移和宽高比缩放，以及每个类别对应的概率和置信度。
6、在本申请的一种实现方式中，在所述步骤s1之后，所述方法还包括：对采集到的所述高速公路道路行驶图像进行数据融合；将来自不同传感器的数据进行整合，消除数据之间的冗余和误差。
7、在本申请的一种实现方式中，所述步骤s5，具体为：提取车道线特征数据，并判断当前车辆车身是否位于当前行驶车道的中间位置，若车身偏离，则进行车道偏离预警，并计算方向盘偏度进行车身居中调整；预测当前是否具备超车条件，若具备超车条件则调整油门踏板偏度以及方向盘偏度进行超车。
8、其次，本申请还提供了一种高速公路自动驾驶预警系统，所述系统包括：图像获取模块，用于获取高速公路道路行驶图像；特征提取模块，用于基于改进的elan算法处理所述高速公路道路行驶图像，获得特征信息；其中，所述elan算法的改进包括：基于simsppf进行优化特征提取，并且增加simam注意力机制以增强小目标检测能力；隐患检测模块，用于基于所述特征信息，检测高速公路行驶隐患目标；其中，所述隐患目标包括：车辆、交通标识、地面标识以及车道线；预警模块，用于基于yolop算法对所述隐患目标进行预测，排除不影响驾驶的隐患目标，并对影响驾驶的隐患目标进行车内预警；执行模块，用于将预警消息发送至车辆执行机构，进行避障或加速变道。
9、在本申请的一种实现方式中，所述图像获取模块包括：图像预处理模块，用于基于自动色彩均衡算法，对图像进行逆光改善、黑暗亮化以及水雾消除。
10、再其次，本申请还提供了一种高速公路自动驾驶预警设备，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够完成前述的高速公路自动驾驶预警方法。
11、最后，本申请提供了一种高速公路自动驾驶预警的非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行前述的高速公路自动驾驶预警方法。
12、本申请提供的一种高速公路自动驾驶预警方法、系统、设备及存储介质，提供了优化了elan模块结构，提升其特征提取的能力，提高了多任务模型检测的精度，通过对车辆周围环境的实时监测和分析，提前预警驾驶员可能出现的危险情况，从而提高高速公路行车安全性，采用simsppf优化特征提取，增加了simam注意力机制，增强了高速公路自动驾驶的小目标检测能力。
本文档来自技高网...【技术保护点】
1.一种高速公路自动驾驶预警方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，所述步骤S2，具体包括：
3.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，所述步骤S3中，检测高速公路行驶隐患目标的过程，是基于路径聚合网络PAN的结构与FPN的结构进行检测，且在使用PAN 结构中的多尺度融合特征图进行检测之前添加了SimAM注意力机制。
4.根据权利要求3所述的高速公路自动驾驶预警方法，其特征在于，检测的过程，具体为：通过三个不同长宽比的先验锚点在多尺度融合特征图的每个网格中预测位置偏移和宽高比缩放，以及每个类别对应的概率和置信度。
5.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，在所述步骤S1之后，所述方法还包括：
6.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，所述步骤S5，具体为：
7.一种高速公路自动驾驶预警系统，其特征在于，所述系统包括：
8.根据权利要求7所述的高速公路自动驾驶预警系统，其特征在
9.一种高速公路自动驾驶预警设备，其特征在于，所述设备包括：
10.一种高速公路自动驾驶预警的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令用于执行权利要求1-6任意一项所述的高速公路自动驾驶预警方法。
...【技术特征摘要】
1.一种高速公路自动驾驶预警方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，所述步骤s2，具体包括：
3.根据权利要求1所述的高速公路自动驾驶预警方法，其特征在于，所述步骤s3中，检测高速公路行驶隐患目标的过程，是基于路径聚合网络pan的结构与fpn的结构进行检测，且在使用pan 结构中的多尺度融合特征图进行检测之前添加了simam注意力机制。
4.根据权利要求3所述的高速公路自动驾驶预警方法，其特征在于，检测的过程，具体为：通过三个不同长宽比的先验锚点在多尺度融合特征图的每个网格中预测位置偏移和宽高比缩放，以及每个类别对应的概率和置信度。
5.根据权利要求1所述的高速公路...
【专利技术属性】
技术研发人员：陈雪梅，徐泽源，田奕宏，刘跃泽，董宪元，杨宏伟，姚诚达，高丛政，
申请(专利权)人：北京理工大学前沿技术研究院，
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。