[发明专利]车道路面数字颜色识别方法、限速信息识别方法及系统

说明书

本发明实施例提供一种车道路面数字颜色识别方法、限速信息识别方法及系统，方法包括：将待识别RGB图输入训练后的目标检测模型，以输出携带有矩形框的待识别RGB图，矩形框用来标记路面数字在RGB图中的位置；将输出的矩形框从待识别RGB图中剪切，将剪切得到的矩形图像分别输入第一颜色识别模型和第二颜色识别模型，分别输出第一颜色识别结果和第二颜色识别结果；根据第一颜色识别结果和第二颜色识别结果，确定待识别RGB图中路面数字的颜色。本发明通过上述的方法可以精确地识别到车道路面上数字的颜色，进而解析出车道的限速信息，弥补了高精度地图领域缺乏道路限速信息的短板。

技术领域

本发明涉及颜色识别领域，更具体地，涉及一种车道路面数字颜色识别方法、限速信息识别方法及系统。

背景技术

在高精度地图制作领域，为了地图制作的准确性，需要高度还原道路的真实情况，而路面印刷的数字则代表着该车道的限速情况，一般情况下，黄色代表最高限速，白色代表最低限速，

目前，对于高精度地图制作，通常只是从图像中识别出车道线，对于车道上代表速度的数字并没有处理，因此，准确识别路面数字的颜色可以高度的还原限速信息，便于自动驾驶车辆合理的控制速度。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的一种车道路面数字颜色识别方法、限速信息识别方法及系统。

基于本发明实施例的第一方面，提供了一种车道路面数字颜色识别方法，包括：

将待识别RGB图输入训练后的目标检测模型，以输出携带有矩形框的待识别RGB图，其中，所述待识别RGB图中包括车道路面数字，所述目标检测模型为根据包括多张RGB图和对应的携带有矩形框的RGB图的训练集训练而来，所述矩形框用来标记路面数字在RGB图中的位置；

将输出的矩形框从待识别RGB图中剪切，得到标记路面数字的矩形图像；

将所述矩形图像分别输入第一颜色识别模型和第二颜色识别模型，分别输出第一颜色识别结果和第二颜色识别结果；

根据第一颜色识别结果和第二颜色识别结果，确定待识别RGB图中路面数字的颜色。

在上述技术方案的基础上，本发明实施例还可以作出如下改进。

进一步的，所述目标检测模型为一阶网络模型，所述将待识别RGB图输入训练后的目标检测模型之前还包括：

获取多张包括车道路面数字的RGB图，对每一张RGB图以矩形框的形式标记路面数字在其中的位置；

将每一张RGB图和携带有矩形框的RGB图形成训练集；

利用训练集对所述目标检测模型进行训练。

进一步的，所述第一颜色识别模型为深度学习卷积神经网络，所述将所述矩形图像分别输入第一颜色识别模型和第二颜色识别模型，分别输出第一颜色识别结果和第二颜色识别结果包括：

将所述矩形图像输入训练后的深度学习卷积神经网络，以输出所述矩形图像中路面数字的第一颜色识别结果；

将所述矩形图像输入第二颜色识别模型，基于阈值分割的方式得到矩形图像中路面数字的第二颜色识别结果。

进一步的，所述将所述矩形图像输入训练后的深度学习卷积神经网络之前还包括：

获取多张矩形图像，并为每张矩形图像标记颜色标签；

将多张矩形图图像和对应的颜色标签形成训练集；

利用训练集对深度学习卷积神经网络进行训练。

进一步的，所述将所述矩形图像输入第二颜色识别模型，基于阈值分割的方式得到矩形图像中路面数字的第二颜色识别结果：