[发明专利]一种场景信息融合方法、系统、服务器及存储介质

说明书

本发明涉及一种场景信息融合方法、系统、服务器及可读存储介质，本发明通过在进行图像采集作业时，同步采集当前时刻、天气信息及定位信息，并通过后续处理得到道路类型及障碍物类型等数据，在图像标注完成后保存至单一文件，使得其作为深度学习的样本时，训练出来的模型能够根据天气及当前时刻信息准确还原现场的光照情况，并通过文件中的其它数据提高了深度学习的输入参数，解决了现有技术中由于数据参数不完整影响深度学习的准确率及学习效率的技术问题。

技术领域

本发明涉及深度学习技术领域，特别涉及一种场景信息融合方法、系统、服务器及存储介质。

背景技术

随着自动驾驶技术的发展，对车辆的自动化要求越来越高，而现有的自动驾驶技术大都运用到深度学习技术，然而随着深度学习训练的样本越来越多，扩大深度学习的样本数量带来的提升越来越不明显。

现有的深度学习训练的样本大都是通过图片样本及手工标注的信息进行训练，其图片样本采集质量较高，然而在实际的路况中，应用该训练结果的汽车面对天气变化及光线变化时实际采集到的图片质量非常差，通过在深度学习时引入不同天气及不同时刻场景下的样本图片能够一定程度上解决由于天气及光线造成的图片质量较差的问题。

然而随着深度学习样本数量的增加，被用在处理图像天气及光线信息等方面的算力越来越多，极大的影响了深度学习的效率，而且在一定程度上影响了深度学习训练结果的准确程度。

发明内容

本发明提供一种场景信息融合方法、系统、服务器及存储介质，在道路数据采集的过程中同时记录当前时刻、天气信息及定位信息并将其融合为单一的样本文件，提高单一样本的样本参数，以解决现有技术中存在的由于单一样本的样本参数不足，导致需要通过大量样本数量进行训练造成的算力浪费的技术问题，极大的提高了深度学习的效率，而且在一定程度上提高了深度学习训练结果的准确程度。

本发明解决上述技术问题，本发明提出一种场景信息融合方法，所述场景信息融合方法包括以下步骤：

响应于采集任务的启动，按照预设采集规则进行图像采集作业，在每次采集图像时同步采集当前时刻、天气信息及定位信息并保存至日志文件中；

使用特征提取算法提取采集的图片中的道路特征及障碍物特征，并根据所述道路特征及所述障碍物特征匹配对应的道路类型及障碍物类型，保存为临时文件；

将所述日志文件及所述临时文件融合为数据文件,响应于所述采集的图片标注完成，将所述标注完成的图片添加至所述数据文件中得到目标文件。

优选地，使用特征提取算法提取采集的图片中的道路特征及障碍物特征，并根据所述道路特征及所述障碍物特征匹配对应的道路类型及障碍物类型，保存为临时文件的步骤之前还包括：

根据所述当前时刻及所述天气信息对所述采集的图片进行曝光补偿及白平衡补偿。

优选地，使用特征提取算法提取采集的图片中的道路特征及障碍物特征，并根据所述道路特征及所述障碍物特征匹配对应的道路类型及障碍物类型，保存为临时文件的步骤具体包括：

使用特征提取算法提取采集的图片中的道路特征及障碍物特征；

根据所述定位信息获取所述采集的图片中的道路名称，并根据所述道路名称获取道路等级；

根据所述道路特征及所述道路等级匹配对应的道路类型，并根据所述障碍物特征匹配对应的障碍物类型；

将所述障碍物类型及所述道路类型保存为临时文件。

优选地，所述响应于采集任务的启动，按照预设采集规则进行图像采集作业，在每次采集图像时同步采集当前时刻、天气信息及定位信息并保存至日志文件中的步骤之后还包括：

所述采集的图像以所述当前时刻作为文件名进行保存。