一种车辆自适应导航方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115995075A(43)申请公布日2023.04.21(21)申请号202310091682.0G06V10/774(2022.01)(22)申请日2023.02.03G06V10/80(2022.01)G06V10/82(2022.01)(71)申请人芯砺智能科技（上海）有限公司地址201306上海市浦东新区中国(上海)自由贸易试验区临港新片区环湖西二路888号C楼(72)发明人张宏宇冯革楠徐志明陶训强(74)专利代理机构北京品源专利代理有限公司11332专利代理师骆文欣(51)Int.Cl.G06V20/58(2022.01)G01C21/26(2006.01)G06V20/56(2022.01)G06V10/25(2022.01)权利要求书2页说明书11页附图6页(54)发明名称一种车辆自适应导航方法、装置、电子设备及存储介质(57)摘要本发明公开了一种车辆自适应导航方法、装置、电子设备及存储介质。包括：获取车辆的行驶环境图像；基于预先设置的目标检测模型对行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；基于多个类型的检测对象的检测结果确定车辆的高架行驶检测结果；根据高架行驶检测结果对车辆进行导航处理。通过对车辆行驶环境图像进行处理，构建训练数据集，采用深度学习算法处理道路行驶环境图像，确定目标检测模型，根据目标检测模型确定高架行驶检测结果，并对车辆进行自适应导航，解决了车辆导航由于不能精确定位处于高架行驶场景而无法自动判断道路的问题，实现了自动实时动态路径规划，提高了车辆导航的准确性以及车辆行驶的安全性。CN115995075ACN115995075A权利要求书1/2页1.一种车辆自适应导航方法，其特征在于，包括：获取车辆的行驶环境图像；基于预先设置的目标检测模型对所述行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果；基于所述多个类型的检测对象的检测结果确定所述车辆的高架行驶检测结果；根据所述高架行驶检测结果对所述车辆进行导航处理。2.根据权利要求1所述的方法，其特征在于，基于预先设置的目标检测模型对所述行驶环境图像进行目标检测，得到多个类型的检测对象的检测结果，包括：基于特征提取网络模块对所述行驶环境图像进行特征提取，得到多层图像特征信息；基于颈部网络模块对所述多层图像特征信息进行特征融合处理，得到融合特征信息；基于各类型检测对象的检测网络模块对所述融合特征信息进行检测处理，得到所述多个类型的检测对象的检测结果。3.根据权利要求2所述的方法，其特征在于，所述基于特征提取网络模块对所述行驶环境图像进行特征提取，得到多层图像特征信息之后，还包括：将当前时刻的所述多层图像特征信息与前一时刻的所述多层图像特征信息进行对应特征信息的融合处理，得到更新后的多层图像特征信息；相应的，基于颈部网络模块对所述多层图像特征信息进行特征融合处理，得到融合特征信息，包括：基于所述颈部网络模块对所述更新后的多层图像特征信息进行特征融合处理，得到融合特征信息。4.根据权利要求2所述的方法，其特征在于，所述目标检测模型包括多个并列子模型，任一所述子模型包括依次连接的特征提取网络模块、颈部网络模块和一个类型检测对象的检测网络模块；或者，所述目标检测模型包括特征提取网络模块、颈部网络模块和多个类型检测对象的检测网络模块，所述多个类型检测对象的检测网络模块分别与所述颈部网络模块连接。5.根据权利要求1所述的方法，其特征在于，所述检测对象包括车辆、行人、车道线和指示灯；所述基于所述多个类型的检测对象的检测结果确定所述车辆的高架行驶检测结果，包括：基于所述车辆、所述行人、所述车道线和所述指示灯分别对应的检测结果，确定高架行驶场景置信度；基于所述高架行驶场景置信度确定所述车辆的高架行驶检测结果。6.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练方法包括：获取样本图像，所述样本图像中包括多个类型检测对象的标记信息；迭代执行以下训练步骤，直到满足训练结束条件，得到训练好的目标检测模型；将所述样本图像输入至待训练的目标检测模型中，得到所述多个类型检测对象训练检测结果；基于所述训练检测结果和所述标记信息得到损失值，基于所述损失值调节所述目标检2CN115995075A权利要求书2/2页测模型的模型参数。7.根据权利要求6所述的方法，其特征在于，包括：多个类型检测对象的标记信息包括各所述检测对象的标记类型和标记位置信息；任一类型的检测对象的检测结果包括所述检测对象的检测类型和检测位置信息；所述基于所述训练检测结果和所述标记信息得到损失值，包括：基于所述标记信息中各所述检测对象的标记类型和所述训练检测结果中所述检测对象的检测类型得到类型损失项；基于所述标记信息中各所述检