应用于安全驾驶的道路异常识别方法和系统及存储介质技术方案

本发明专利技术提供一种应用于安全驾驶的道路异常识别方法和系统及存储介质，该方法包括：S1：利用深度学习进行检测网络模型和分类网络模型的数据训练，检测网络模型用于识别当前图片的异常位置和类别，分类网络模型用于识别异常的危害程度；S2：将步骤S1中训练好的检测网络模型和分类网络模型部署在车端，并进行车端离线检测异常及人工复查，以将模型识别的异常信息与驾驶员记录的异常信息融合进地图；S3：将步骤S2中融合后的地图进行共享。本发明专利技术能够检测识别道路上绝大多数影响驾驶的异常情况、准确定位异常位置并给出操作建议；通过深度学习技术和人工实际经验结合，能够真正部署在生产环境；并且以低成本获取了大面积的城市道路异常分布信息。

【技术实现步骤摘要】

本专利技术涉及自动驾驶安全，尤其涉及一种应用于安全驾驶的道路异常识别方法和系统及存储介质。

技术介绍

1、目前为了对道路异常进行识别，现有技术一(“道路异常智能识别模型训练、道路异常识别的方法及系统”，山东理工大学，陈建达)通过依据异常特征对车辆驾驶位特征的影响相关性进行模型训练，能够依据车辆密度分布信息、车辆驾驶方位信息的细节差异性表征识别出道路异常的具体情况。

2、该现有技术一具有如下缺点：仅针对比较明显的道路异常，如道路拥堵、道路施工、交通事故等；利用车辆密度分布来识别异常，特征相关性不高，且容易受限于城市、道路的不同分布；识别定位范围较大。

3、现有技术二(“道路异常检测设备、道路异常检测方法和计算机可读介质”，丰田自动车株式会社，竹村和晃、松下真人、杉村多惠、长谷川英男、梅木智光)通过将包括在当前道路图像中的所有道路设施和预先准备的正确性信息进行比较，来判定所述道路设施中是否存在异常。

4、该现有技术二具有如下缺点：只能识别较大的场景变化；只应用了传统技术，识别率受限条件较多，其中严重受限于拍摄时道路场景与正确本文档来自技高网...

【技术保护点】

1.一种应用于安全驾驶的道路异常识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤S1具体包括：

3.根据权利要求2所述的方法，其特征在于，步骤S2具体包括：

4.根据权利要求3所述的方法，其特征在于，在步骤S22中，车辆在运行过程中，收集车载相机行驶中的实时画面数据和位置信息，并且驾驶员在观察到道路异常后，进行相应操作，并通过按钮记录当时的相机画面和车辆位置，保存在另外的固定存储器中。

5.根据权利要求4所述的方法，其特征在于，在步骤S23中，在车辆每日正常运行结束后，部署的模型对行驶中收集的图片进行推理...

【技术特征摘要】

1.一种应用于安全驾驶的道路异常识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，步骤s1具体包括：

3.根据权利要求2所述的方法，其特征在于，步骤s2具体包括：

4.根据权利要求3所述的方法，其特征在于，在步骤s22中，车辆在运行过程中，收集车载相机行驶中的实时画面数据和位置信息，并且驾驶员在观察到道路异常后，进行相应操作，并通过按钮记录当时的相机画面和车辆位置，保存在另外的固定存储器中。

5.根据权利要求4所述的方法，其特征在于，在步骤s23中，在车辆每日正常运行结束后，部署的模型对行驶中收集的图片进行推理，得到当前画面是否有异常、异...

【专利技术属性】
技术研发人员：何弢，廖文龙，周海进，彭湃，
申请(专利权)人：酷哇科技有限公司，
类型：发明
国别省市：