[发明专利]一种检测道路路标的方法和系统

说明书

本发明涉及一种检测道路路标的方法和系统。该检测道路路标的方法和系统，通过基于获取得到的车辆行驶在当前路段的源数据采用道路路标检测模型得到当前路段的道路路标检测结果，当车辆再次驶入当前路段时，采用预测‑回滚机制就可以对当前路段的道路路标进行预测，进而在降低标记处理复杂度的同时，提高路标检测效率。

技术领域

本发明涉及道路检测领域，特别是涉及一种检测道路路标的方法和系统。

背景技术

在实际的交通应用场景中，道路系统纷繁复杂，道路中的路标种类与数量较多，实现准确、实时的路标检测并不容易，这对快速检测道路路标有了一定的挑战。当前存在的方法：一是人工手动标记，由于交通道路具有多种复杂情形，人工标记不同路标的时间复杂度较高；二是基于图像的检测方法，该方法通过安装在道路上的摄像头，如路口的探头等来收集道路图像，然后再对图像分析处理，进而得到道路路标。在实际应用中，当图像中标记的路标特征因光照、天气影响等因素的影响可能会使图像产生阴影或丢失标记等问题，进而导致车道上的检测具有较低的准确性和较差的鲁棒性。

发明内容

本发明的目的是提供一种检测道路路标的方法和系统，以在降低标记处理复杂度的同时，提高路标检测效率。

为实现上述目的，本发明提供了如下方案：

一种检测道路路标的方法，包括：

获取车辆行驶在当前路段的源数据；所述源数据包括加速度数据和陀螺仪数据；

根据所述源数据确定特征数据；所述特征数据包括：减速带特征数据和转弯特征数据；

获取道路路标检测模型；所述道路路标检测模型为以特征数据为输入，以道路路标结果为输出的神经网络模型；

以所述特征数据为输入，采用所述道路路标检测模型确定道路路标检测结果并进行存储；所述道路路标包括：减速带和转弯；

当车辆再次驶入当前路段时，获取当前车辆的加速度数据和陀螺仪数据；

根据所述当前车辆的加速度数据和陀螺仪数据，采用预测和回滚机制得到道路路标预测结果。

优选的，所述根据所述源数据确定特征数据，具体包括：

对所述源数据进行降噪处理；

采用滑动窗口根据处理后的所述源数据确定所述特征数据。

优选的，在所述获取道路路标检测模型之前，还包括：

获取训练样本对和BP神经网络模型；所述训练样本对包括：训练源数据和与所述训练源数据相对应的道路路标检测结果；所述训练源数据包括：训练减速带特征数据和训练转弯特征数据；

采用所述训练样本对所述BP神经网络模型进行训练，得到训练好的BP神经网络模型；所述训练好的BP神经网络模型即为所述道路路标检测模型。

优选的，在所述获取训练样本对和BP神经网络模型之前，还包括：

获取道路路标为减速带时的加速度数据和陀螺仪数据，以及道路路标为转弯时的加速度数据和陀螺仪数据；

采用设定步长的时间窗口，沿重力方向提取道路路标为减速带时的加速度数据，得到训练减速带特征数据；

采用设定步长的时间窗口，沿重力方向提取道路路标为转弯时的陀螺仪数据，得到训练转弯特征数据。

优选的，所述设定步长为0.2秒。

一种检测道路路标的系统，包括：

源数据获取模块，用于获取车辆行驶在当前路段的源数据；所述源数据包括加速度数据和陀螺仪数据；