[发明专利]路面导向标志的识别方法、装置及存储介质

权利要求书

1.一种路面导向标志的识别方法，其特征在于，所述方法包括：

获取车辆行驶道路前方的前视图像；

确定所述前视图像中的每个像素点的像素类别，不同像素类别的像素点对应不同的景物；

基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，所述导向标志区域图像为所述前视图像中路面导向标志所在区域对应的最小区域图像；

将所述导向标志区域图像输入至目标分类器中，输出所述路面导向标志的标志类型，所述目标分类器用于基于任一区域图像识别所述区域图像中的路面导向标志；

获取所述导向标志区域图像的四个顶点在所述前视图像中的第一位置坐标，以及获取所述前视图像的中心点的横坐标；

根据获取的四个顶点的第一位置坐标，确定世界坐标系下所述四个顶点的第二位置坐标；

从所述四个顶点的第二位置坐标中确定最大横坐标和最小横坐标；

基于所述最大横坐标和所述最小横坐标，确定世界坐标系下所述导向标志区域图像的中心点的横坐标；

当所确定的横坐标与所述前视图像的中心点的横坐标之间的差值小于预设阈值时，基于所述路面导向标志的标志类型进行行驶导引提示。

2.如权利要求1所述的方法，其特征在于，所述基于所述每个像素点的像素类别，从所述前视图像中获取导向标志区域图像，包括：

基于所述每个像素点的像素类别，从所述前视图像中确定像素类别属于所述路面导向标志对应的像素类别的像素点；

确定包围所确定的像素点的最小外接矩形；

将所述最小外接矩形对应的区域确定为所述导向标志区域图像。

3.如权利要求1所述的方法，其特征在于，所述确定所述前视图像中的每个像素点的像素类别，包括：

对所述前视图像进行预处理；

调用目标网络模型，将预处理后的前视图像输入所述目标网络模型中，输出所述每个像素点的像素类别，所述目标网络模型用于基于任一图像确定所述图像中的每个像素点的像素类别。

4.如权利要求3所述的方法，其特征在于，所述调用目标网络模型之前，还包括：

获取多个图像样本和每个图像样本中的每个像素点的像素类别；

将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练，得到所述目标网络模型。

5.如权利要求4所述的方法，其特征在于，所述将所述多个图像样本和所述每个图像样本中的每个像素点的像素类别输入至待训练的网络模型中进行训练之前，还包括：

获取第一损失函数；

对所述第一损失函数进行加权处理，得到第二损失函数；

将所述第二损失函数确定为所述待训练的网络模型的损失函数。

6.如权利要求5所述的方法，其特征在于，当所述第一损失函数为交叉熵函数时，所述对所述第一损失函数进行加权处理，包括：

确定第一数值和第二数值，所述第一数值为所述多个图像样本中属于每种像素类别的像素点的个数，所述第二数值为所述多个图像样本中包括所述每种像素类别的图像样本中所有像素点的个数总和；

确定所述第一数值与所述第二数值之间的比值，得到所述每种像素类别的类别概率；

确定所述每种像素类别的类别概率的中位数与类别概率之间的比值，得到所述每种像素类别的权重；

基于所述每种像素类别的权重，对所述每种像素类别对应的交叉熵函数进行加权处理。