[发明专利]一种路标识别方法、系统及装置

权利要求书

1.一种路标识别方法，其特征在于，包括：

采集路标在不同环境下的图片，将图片存储至数据集；

利用所述数据集创建卷积神经网络模型；

利用所述卷积神经网络模型提取数据集内的路标图片的特征向量，将提取的特征向量存储至特征向量集合；

利用特征向量集合训练极速学习机模型；

将所述卷积神经网络模型和所述极速学习机模型作为组合模型对待识别路标图片进行识别。

2.根据权利要求1所述的方法，其特征在于，在所述将图片存储至数据集之前，所述方法还包括：

将所述图片的大小设置为64*64；

根据所述图片所述路标类别对所述图片进行标记；

将具有相同标记的图片划分至同一标记组；

将所述图片转化为python中的numpy类型。

3.根据权利要求1所述的方法，其特征在于，所述利用数据集创建卷积神经网络模型，包括：

设置所述卷积神经网络模型的卷积和池化层的数量为三个；

设置所述卷积神经网络模型的卷积核大小为5*5；

设置所述卷积神经网络模型的池化方法为最大池化方法，并设置两个全连接层；

设置所述卷积神经网络模型的各层激活函数为relu函数；

设置所述卷积神经网络模型的输出层为softmax函数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取导航系统的接口调用授权；

调用导航系统的数据接口；

通过所述数据接口将路标识别图片识别结果导入所述导航系统。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

通过双目立体相机采集的路标图片计算路标距离车辆的距离；

将路标识别结果和所述距离利用语音提示器转化为声音提示信息输出。

6.一种路标识别系统，其特征在于，包括：

数据准备单元，配置用于采集路标在不同环境下的图片，将图片存储至数据集；

第一创建单元，配置用于利用所述数据集创建卷积神经网络模型；

特征提取单元，配置用于利用所述卷积神经网络模型提取数据集内的路标图片的特征向量，将提取的特征向量存储至特征向量集合；

第二创建单元，配置用于利用特征向量集合训练极速学习机模型；

识别应用单元，配置用于将所述卷积神经网络模型和所述极速学习机模型作为组合模型对待识别路标图片进行识别。

7.根据权利要求6所述的系统，其特征在于，所述系统还包括：

授权获取单元，配置用于获取导航系统的接口调用授权；

接口调用单元，配置用于调用导航系统的数据接口；

结果导入单元，配置用于通过所述数据接口将路标识别图片识别结果导入所述导航系统。

8.根据权利要求6所述的系统，其特征在于，所述系统还包括：

距离计算单元，配置用于通过双目立体相机采集的路标图片计算路标距离车辆的距离；

语音播报单元，配置用于将路标识别结果和所述距离利用语音提示器转化为声音提示信息输出。

9.一种路标识别装置，其特征在于，包括：

图像采集器、处理器和语音提示器，所述图像采集装置设置在汽车车身上，且所述图像采集装置的视野方向与汽车驾驶视野方向一致；所述语音提升器设置在汽车驾驶表盘基座上；所述图像采集器与所述语音提示器均与所述处理器电连接；所述图像采集器为双目立体相机；所示处理器执行权利要求1-5任一项所述的方法。

10.根据权利要求1所述的装置，其特征在于，所述装置还包括导航终端，所述导航终端与所述处理器无线通信连接。