CN109671286A - 一种道路信息和道路交通信息的处理方法和装置 - Google Patents

Abstract

本申请公开了一种道路信息和道路交通信息的处理方法和装置，该方法包括：利用道路识别算法获得待识别图像中的各个道路信息，其中，待识别图像为车载图像采集设备采集道路相关的图像；利用道路交通识别算法获得待识别图像中的道路交通信息；确定各个道路信息和道路交通信息的对应关系；向车辆控制器发送各个道路信息和对应的道路交通信息。可见，除了识别采集的道路相关的图像中的各个道路信息，还识别该图像中的道路交通信息并确定其与各个道路信息的对应关系，对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

Description

一种道路信息和道路交通信息的处理方法和装置

技术领域

本申请涉及车辆驾驶技术领域，尤其涉及一种道路信息和道路交通信息的处理方法和装置。

背景技术

目前，车辆在日常生活、工作中越来越普及，越来越多的用户选择车辆出行，随着智能技术的快速发展，逐渐生成自动驾驶技术。实现自动驾驶技术的前提是应该明确车辆需要驾驶的道路信息等，以便车辆控制器基于该道路信息控制自动驾驶。

现有技术中，车辆装载车载图像采集设备对车辆周围的道路相关的图像进行采集，发送至服务器以便进行道路识别得到准确的道路信息，在车辆自动驾驶过程中避开非道路或者障碍物等，在可行驶的道路上安全驾驶。

但是，发明人经过研究发现，上述现有技术中对于车载图像采集设备发送的图像仅仅识别其中的可行驶的道路信息，实际应用中道路信息与道路交通信息之间息息相关，只明确道路信息并不能精准辅助车辆驾驶，可能出现违反交通规则的情况，从而降低车辆驾驶的安全性。

发明内容

本申请所要解决的技术问题是，提供一种道路信息和道路交通信息的处理方法和装置，现具有道路交通信息的道路信息的显示，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

第一方面，本申请实施例提供了一种道路信息和道路交通信息的处理方法，该方法包括：

利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像；

利用道路交通识别算法获得所述待识别图像中的道路交通信息；

确定所述各个道路信息和所述道路交通信息的对应关系；

向车辆控制器发送所述各个道路信息和对应的道路交通信息。

可选的，所述道路交通识别算法包括车道线识别算法和/或道路标志识别算法。

可选的，所述利用道路交通识别算法获得所述待识别图像中的道路交通信息，包括；

利用车道线识别算法获得所述待识别图像中的车道线信息；或，

利用道路标志识别算法获得所述待识别图像中的道路标志；或，

利用车道线识别算法和道路标志识别算法获得所述待识别图像中的车道线和道路标志。

可选的，所述车道线识别算法是基于SLT算法得到的；所述道路标志识别算法包括基于道路标志训练样本采用深度神经网络进行训练得到的道路标志识别模型。

可选的，还包括：

确定所述道路标志对应的道路交通提示信息；

对应所述各个道路信息提示所述道路交通提示信息。

可选的，所述道路标志包括车道类型标志和/或车道限速标志。

可选的，所述道路识别算法包括基于道路训练样本采用卷积神经网络和循环神经网络进行训练得到的道路识别模型。

第二方面，本申请实施例提供了一种道路信息和道路交通信息的处理装置，该装置包括：

第一获得单元，用于利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像；

第二获得单元，用于利用道路交通识别算法获得所述待识别图像中的道路交通信息；

确定单元，用于确定所述各个道路信息和所述道路交通信息的对应关系；

显示单元，用于向车辆控制器发送所述各个道路信息和对应的道路交通信息。

第三方面，本申请实施例提供了一种终端设备，该终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述第一方面任一项所述的显示道路信息和道路交通信息方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面任一项所述的显示道路信息和道路交通信息方法。

与现有技术相比，本申请至少具有以下优点：

采用本申请实施例的技术方案，首先，利用道路识别算法获得待识别图像中的各个道路信息，其中，待识别图像为车载图像采集设备采集道路相关的图像；其次，利用道路交通识别算法获得待识别图像中的道路交通信息；然后，确定各个道路信息和道路交通信息的对应关系；最后，向车辆控制器发送各个道路信息和对应的道路交通信息。由此可见，除了识别采集的道路相关的图像中的各个道路信息之外，新增识别该图像中的道路交通信息并确定其与各个道路信息的对应关系，将道路交通信息与各个道路信息对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述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仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种应用场景所涉及的系统框架示意图；

图2为本申请实施例提供的一种道路信息和道路交通信息的处理方法的流程示意图；

图3为本申请实施例提供的另一种道路信息和道路交通信息的处理方法的流程示意图；

图4为本申请实施例提供的一种道路信息和道路交通信息的处理装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

一般地，车辆装载车载图像采集设备采集车辆周围的道路相关的图像发送至服务器，服务器对该图像进行道路识别得到道路信息，以便控制车辆驾驶过程中避开非道路或者障碍物等，在可行驶的道路上安全驾驶。但是，发明人经过研究发现，实际应用中道路信息与道路交通信息之间息息相关，现有技术只通过道路识别明确道路信息并不能精准辅助车辆驾驶，可能出现违反交通规则的情况，从而降低车辆驾驶的安全性。

为了解决这一问题，在本申请实施例中，首先，利用道路识别算法获得待识别图像中的各个道路信息，其中，待识别图像为车载图像采集设备采集道路相关的图像；其次，利用道路交通识别算法获得待识别图像中的道路交通信息；然后，确定各个道路信息和道路交通信息的对应关系；最后，向车辆控制器发送各个道路信息和对应的道路交通信息。由此可见，除了识别采集的道路相关的图像中的各个道路信息之外，新增识别该图像中的道路交通信息并确定其与各个道路信息的对应关系，将道路交通信息与各个道路信息对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

举例来说，本申请实施例的场景之一，可以是应用到如图1所示的场景中，该场景包括服务器101、车辆102、车辆控制器103和车载图像采集设备104其中，车辆控制器103和车载图像采集设备104和装载在车辆102上，例如，可以为车载摄像头。车辆102上的车载图像采集设备104采集车辆102周围的道路相关的图像作为待识别图像发送至服务器101。服务器101利用道路识别算法获得待识别图像中的各个道路信息；服务器101利用道路交通识别算法获得待识别图像中的道路交通信息；服务器101确定各个道路信息和道路交通信息的对应关系；服务器101向车辆控制器103发送各个道路信息和对应的道路交通信息。车辆控制器103基于各个道路信息和对应的道路交通信息控制车辆102自动驾驶。

可以理解的是，在上述应用场景中，虽然将本申请实施方式的动作描述由服务器101执行，但是，本申请在执行主体方面不受限制，只要执行了本申请实施方式所公开的动作即可。

可以理解的是，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。

下面结合附图，通过实施例来详细说明本申请实施例中道路信息和道路交通信息的处理方法和装置的具体实现方式。

示例性方法

参见图2，示出了本申请实施例中一种道路信息和道路交通信息的处理方法的流程示意图。在本实施例中，所述方法例如可以包括以下步骤：

步骤201：利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像。

可以理解的是，装载在车辆上车载图像采集设备采集道路相关的图像，例如，车载摄像头拍摄道路相关的图像，将其作为待识别图像发送至服务器，服务器在获得待识别图像，首先需要识别其中的各个道路信息，以便明确可行驶的道路，具体需要利用道路识别算法对待识别图像进行道路信息识别。

其中，道路识别算法可以是各种各样的道路识别算法，只要能够准确识别待识别图像中的各个道路信息即可。基于目前神经网络的快速发展，以及其应用的准确性，则可以预先基于大量的道路训练样本，采用卷积神经网络和循环神经网络相结合的方式进行学习训练，最终得到用于识别道路信息的道路识别模型作为道路识别算法。因此，在本申请实施例的一些实施方式中，所述道路识别算法包括基于道路训练样本采用卷积神经网络和循环神经网络进行训练得到的道路识别模型。

步骤202：利用道路交通识别算法获得所述待识别图像中的道路交通信息。

可以理解的是，由于现有技术中仅仅是通过道路识别算法识别各个道路信息，并不能识别与道路信息具有密切关联的道路交通信息，导致辅助车辆驾驶的信息不够精确，可能出现车辆驾驶违反交通规则的情况，影响车辆驾驶的安全性。因此，在本申请实施例中，还需要采用识别待识别图像中的道路交通信息，具体需要利用道路交通识别算法对待识别图像进行道路交通信息识别。

需要说明的是，由于与道路信息关联度较高的道路交通信息可以是车道线信息和/或道路标志，其中，车道线信息需要利用车道线识别算法进行识别，而道路标志需要道路标志识别算法进行识别。因此，在本申请实施例的一些实施方式中，所述道路交通识别算法包括车道线识别算法和/或道路标志识别算法。

对应上述说明，可以理解的是，当需要识别的道路交通信息为车道线信息时，对应的道路交通识别算法为车道线识别算法；当需要识别的道路交通信息为道路标志时，对应的道路交通识别算法为道路标志识别算法；当需要识别的道路交通信息为车道线信息和道路标志时，对应的道路交通识别算法为车道线识别算法和道路标志识别算法。因此，在本申请实施例的一些实施方式中，所述步骤202例如具体可以为以下三种情况实施方式：

第一种情况实施方式，利用车道线识别算法获得所述待识别图像中的车道线信息；

第二种情况实施方式，利用道路标志识别算法获得所述待识别图像中的道路标志；

第三种情况实施方式，利用车道线识别算法和道路标志识别算法获得所述待识别图像中的车道线和道路标志。

其中，需要说明的是，车道线识别算法可以是各种各样的车道线识别算法，考虑到识别准确性、便捷性和高效率性，可以采用SLT算法得到一个车道线识别算法用于识别车道线。因此，在本申请实施例的一些实施方式中，所述车道线识别算法是基于SLT算法得到的。

其中，还需要说明的是，道路标志识别算法可以是各种各样的道路识别算法，只要能够准确识别待识别图像中的道路标志即可。基于目前神经网络的快速发展，以及其应用的准确性，则可以预先基于大量的道路标志训练样本，采用深度神经网络进行学习训练，最终得到用于识别道路标志的道路标志识别模型作为道路标志识别算法。因此，在本申请实施例的一些实施方式中，所述道路标志识别算法包括基于道路标志训练样本采用深度神经网络进行训练得到的道路标志识别模型。

步骤203：确定所述各个道路信息和所述道路交通信息的对应关系。

可以理解的是，由于道路与道路交通信息之间存在对应关系，因此，在步骤201获得各个道路信息和步骤202获得道路交通信息之后，需要明确它们之间的对应关系。

步骤204：向车辆控制器发送所述各个道路信息和对应的道路交通信息。

可以理解的是，在步骤203确定各个道路信息和道路交通信息的对应关系之后，需要将其对应发送至车辆控制器，以便车辆控制器获得具有道路交通信息的道路信息，在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

需要说明的是，当道路交通信息包括到道路标志时，由于道路标志实际上表征道路交通规则，则可以基于道路标志获得表征道路交通规则的道路交通提示信息，将其对应各个道路信息进行提示，以便可以直截了当地明确各个道路信息对应的交通规则，其中，提示的方式可以是各种各样的，在本申请实施例中并不做任何限定。因此，在本申请实施例的一些实施方式中，例如还可以包括以下步骤：

步骤A：确定所述道路标志对应的道路交通提示信息；

步骤B：对应所述各个道路信息提示所述道路交通提示信息。

需要说明的是，道路标志各种各样，其中，与车辆安全驾驶最为相关的可以是车道类型标志和/或车道限速标志等。车道类型标志例如包括直行车道标志、左转车道标志、右转车道标志、直行和有转合用车道标志、机动车车道标志和公交线路专用车道等等。车道限速标志例如可以包括车道限速60km/h标志、车道限速90km/h标志、车道限速1100km/h标志和车道限速120km/h标志等等。因此，在本申请实施例的一些实施方式中，所述道路标志包括车道类型标志和/或车道限速标志。

通过本实施例提供的各种实施方式，首先，利用道路识别算法获得待识别图像中的各个道路信息，其中，待识别图像为车载图像采集设备采集道路相关的图像；其次，利用道路交通识别算法获得待识别图像中的道路交通信息；然后，确定各个道路信息和道路交通信息的对应关系；最后，向车辆控制器发送各个道路信息和对应的道路交通信息。由此可见，除了识别采集的道路相关的图像中的各个道路信息之外，新增识别该图像中的道路交通信息并确定其与各个道路信息的对应关系，将道路交通信息与各个道路信息对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

基于上述方法实施例，下面结合附图3，以需要识别的道路交通信息包括车道线信息和道路标志，道路标志包括车道类型标志和/或车道限速标志为例，通过又一实施例来详细说明本申请实施例中道路信息和道路交通信息的处理方法的具体实现方式。

参见图3，示出了本申请实施例中另一种道路信息和道路交通信息的处理方法的流程示意图。在本实施例中，所述方法例如可以包括以下步骤：

步骤301：利用道路识别模型获得待识别图像中的各个道路信息。

步骤302：利用车道线识别算法获得待识别图像中的车道线信息。

步骤303：利用道路标志识别模型获得待识别图像中的道路标志。

步骤304：确定各个道路信息与车道线和道路标志的对应关系。

步骤305：向车辆控制器发送各个道路信息和对应的车道线和道路标志，所述道路标志包括车道类型标志和/或车道限速标志。

步骤306：确定道路标志对应的道路交通提示信息。

步骤307：对应各个道路信息提示车道类型标志和/或车道限速标志。

通过本实施例提供的各种实施方式，首先，利用道路识别算法获得待识别图像中的各个道路信息，其中，待识别图像为车载图像采集设备采集道路相关的图像；其次，利用车道线识别算法获得待识别图像中的车道线信息，并利用道路标志识别模型获得待识别图像中的道路标志；然后，确定各个道路信息和道路交通信息的对应关系；以便向车辆控制器发送各个道路信息和对应的道路交通信息，最后，确定道路标志对应的道路交通提示信息对应各个道路信息进行提示。由此可见，除了识别采集的道路相关的图像中的各个道路信息之外，新增识别该图像中的车道线信息和道路标志，并确定其与各个道路信息的对应关系，将道路交通信息与各个道路信息对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，且直接了当地提示道路标志对应的道路交通提示信息，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

示例性装置

参见图4，示出了本申请实施例中一种道路信息和道路交通信息的处理装置的结构示意图。在本实施例中，所述装置例如具体可以包括：

第一获得单元401，用于利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像；

第二获得单元402，用于利用道路交通识别算法获得所述待识别图像中的道路交通信息；

第一确定单元403，用于确定所述各个道路信息和所述道路交通信息的对应关系；

显示单元404，用于向车辆控制器发送所述各个道路信息和对应的道路交通信息。

在本申请实施例一种可选的方式中，所述道路交通识别算法包括车道线识别算法和/或道路标志识别算法。

在本申请实施例一种可选的方式中，所述第二获得单元402具体用于；

利用车道线识别算法获得所述待识别图像中的车道线信息；或，

利用道路标志识别算法获得所述待识别图像中的道路标志；或，

利用车道线识别算法和道路标志识别算法获得所述待识别图像中的车道线和道路标志。

在本申请实施例一种可选的方式中，所述车道线识别算法是基于SLT算法得到的；所述道路标志识别算法包括基于道路标志训练样本采用深度神经网络进行训练得到的道路标志识别模型。

在本申请实施例一种可选的方式中，所述装置还包括：

第二确定单元，用于确定所述道路标志对应的道路交通提示信息；

提示单元，用于对应所述各个道路信息提示所述道路交通提示信息。

在本申请实施例一种可选的方式中，所述道路标志包括车道类型标志和/或车道限速标志。

在本申请实施例一种可选的方式中，所述道路识别算法包括基于道路训练样本采用卷积神经网络和循环神经网络进行训练得到的道路识别模型。

通过本实施例提供的各种实施方式，第一获得单元用于利用道路识别算法获得待识别图像中的各个道路信息，待识别图像为车载图像采集设备采集道路相关的图像；第二获得单元用于利用道路交通识别算法获得待识别图像中的道路交通信息；第一确定单元用于确定各个道路信息和道路交通信息的对应关系；显示单元用于显示各个道路信息和对应的道路交通信息。由此可见，除了识别采集的道路相关的图像中的各个道路信息之外，新增识别该图像中的道路交通信息并确定其与各个道路信息的对应关系，将道路交通信息与各个道路信息对应发送至车辆控制器，实现具有道路交通信息的道路信息的推荐，从而在明确各个道路的基础上，进一步明确其对应的交通规则，能够精确辅助车辆驾驶，有效保障车辆行驶安全。

另外，本申请实施例还提供了一种终端设备，其特征在于，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的道路信息和道路交通信息的处理任一种实施方法。

此外，本申请实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的道路信息和道路交通信息的处理任一种实施方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。

Claims (10)

1.一种道路信息和道路交通信息的处理方法，其特征在于，包括：

利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像；

利用道路交通识别算法获得所述待识别图像中的道路交通信息；

确定所述各个道路信息和所述道路交通信息的对应关系；

向车辆控制器发送所述各个道路信息和对应的道路交通信息。

2.根据权利要求1所述的方法，其特征在于，所述道路交通识别算法包括车道线识别算法和/或道路标志识别算法。

3.根据权利要求2所述的方法，其特征在于，所述利用道路交通识别算法获得所述待识别图像中的道路交通信息，包括；

利用车道线识别算法获得所述待识别图像中的车道线信息；或，

利用道路标志识别算法获得所述待识别图像中的道路标志；或，

利用车道线识别算法和道路标志识别算法获得所述待识别图像中的车道线和道路标志。

4.根据权利要求2所述的方法，其特征在于，所述车道线识别算法是基于SLT算法得到的；所述道路标志识别算法包括基于道路标志训练样本采用深度神经网络进行训练得到的道路标志识别模型。

5.根据权利要求3所述的方法，其特征在于，还包括：

确定所述道路标志对应的道路交通提示信息；

对应所述各个道路信息提示所述道路交通提示信息。

6.根据权利要求3-5任一项所述的方法，其特征在于，所述道路标志包括车道类型标志和/或车道限速标志。

7.根据权利要求1所述的方法，其特征在于，所述道路识别算法包括基于道路训练样本采用卷积神经网络和循环神经网络进行训练得到的道路识别模型。

8.一种道路信息和道路交通信息的处理装置，其特征在于，包括：

第一获得单元，用于利用道路识别算法获得待识别图像中的各个道路信息，所述待识别图像为车载图像采集设备采集道路相关的图像；

第二获得单元，用于利用道路交通识别算法获得所述待识别图像中的道路交通信息；

确定单元，用于确定所述各个道路信息和所述道路交通信息的对应关系；

显示单元，用于向车辆控制器发送所述各个道路信息和对应的道路交通信息。

9.一种终端设备，其特征在于，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的显示道路信息和道路交通信息方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的显示道路信息和道路交通信息方法。