[发明专利]一种细粒度道路区域识别方法、场景切换控制方法及装置

说明书

本发明公开一种细粒度道路区域识别方法、场景切换控制方法及装置，该识别方法步骤包括：S01.在车辆行驶过程中，获取车载图像采集设备采集的道路环境图像；S02.使用预先训练形成的道路类别识别模型，对采集到的所述道路环境图像进行识别，得到细粒度的道路分类信息；S03.根据所述道路分类信息对所述道路类别识别模型进行更新；该场景切换控制方法根据道路分类信息切换输出对应的道路场景信息。本发明能够实现道路区域细粒度的分类识别，且具有实现方法简单、识别效率以及精度高、鲁棒性强等优点。

技术领域

本发明涉及道路区域识别技术领域，尤其涉及一种细粒度道路区域识别方法、场景切换控制方法及装置。

背景技术

随着自动驾驶技术的发展，自动驾驶车辆已逐渐应用于各类应用场景中以替代人工驾驶，如在园区、景区等环境中应用自动驾驶车辆，可以极大的减少人工成本，提高车辆使用效率以及游客的体验度。在园区、景区等场景中应用自动驾驶车辆时，目前通常均是在车辆行驶过程中通过激光雷达采集车辆周围环境的点云数据，或者通过车载摄像头采集视频图像，然后基于视频语义分割从图像中识别出道路区域，按照识别出的道路区域控制车辆按照统一控制策略控制车辆行驶。但是上述方法中，仅能够实现道路区域的粗识别，即将道路区域作为一个整体进行识别，不区分不同类型的道路类型，而在园区、景区中会存在多种不同类型的道路区域，如沥青路面、水泥混泥土路面、砌块路面等，还会存在不同颜色的路面，如红色沥青路面、普通沥青路面等，不同类型路面的道路区域特征、摩擦力、车辆行驶速度要求等都是不同的，因而现有技术中上述方法会存在以下问题：

1、将各类道路区域归为一类进行识别，在训练识别模型时(如使用深度学习网络模型)，会导致模型训练不易收敛，采用传统如基于特征的视频语义分割方法对单一类型道路区域进行识别还会存在识别率较低，极易产生误检、漏检等问题。

2、无法区分不同的道路场景，所有的道路场景按照统一控制策略控制车辆行驶，而不同路面的摩擦力不同，车辆在不同摩擦力的路面行驶时所适用的控制策略也是不同的，统一控制策略就无法满足车辆在不同道路类型上行驶的控制需求。

因此亟需能够在车辆行驶过程中实时识别出道路具体类型，实现细粒度的道路区域识别，以能够依据不同路面类型来控制自动驾驶车辆使用不同的行驶控制策略。

若直接在现有技术方案的基础上考虑实现细粒度识别，由于点云本身不具备颜色等信息，且点云数据具有不规则性、稀疏性，使得不利于进行细粒度识别，因而无法直接使用传统基于点云的方法实现道路区域细粒度的识别；而传统基于视频语义分割从图像中识别出道路区域的方式中，由于提取特征信息通常较为简单，且需要依赖于人工设计特征，而不同类别特征之间的差异性有限，直接进行更细粒度的识别会造成识别精度不高等问题。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、识别效率以及精度高、鲁棒性强的细粒度道路区域识别方法、场景切换控制方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种细粒度道路区域识别方法，步骤包括：

S01.在车辆行驶过程中，获取车载图像采集设备采集的道路环境图像；

S02.使用预先训练形成的道路类别识别模型，对采集到的所述道路环境图像进行识别，得到细粒度的道路分类信息；

S03.根据所述道路分类信息对所述道路类别识别模型进行更新。

进一步的，所述道路类别识别模型使用深度学习网络模型训练得到。

进一步的，所述道路类别识别模型使用深度学习网络模型训练的步骤包括：

S201.使用包含有不同细粒度道路类别的数据集对深度学习网络模型进行训练，得到初始道路类别识别模型；