[发明专利]轨旁障碍物检测方法、装置和存储介质

权利要求书

1.一种轨旁障碍物检测方法，其特征在于，所述方法包括：

获取轨道图像数据集；

根据预先构建的残差神经网络模型对所述轨道图像数据集中的第一轨道图像进行分析，识别并标注出所述第一轨道图像中的轨道区域，得到第二轨道图像；

基于目标检测算法，检测所述轨道区域中存在的第一障碍物；

控制激光雷达传感器探测实际轨道区域和枕间区域，以检测第二障碍物，其中所述实际轨道区域与所述轨道区域相对应。

2.如权利要求1所述的方法，其特征在于，构建残差神经网络模型，包括：

获取已标注出轨道区域的轨道图像样本；

基于所述轨道图像样本，采用深度学习算法训练残差神经网络模型。

3.如权利要求1所述的方法，其特征在于，根据预先构建的残差神经网络模型对所述轨道图像数据集中的第一轨道图像进行分析，识别并标注出所述第一轨道图像中的轨道区域，得到第二轨道图像之后，包括：

采用空洞空间卷积池化金字塔算法再次识别所述轨道区域。

4.如权利要求3所述的方法，其特征在于，采用空洞空间卷积池化金字塔算法再次识别所述轨道区域，包括：

使用预设尺寸的空洞卷积层和池化层对所述第一轨道图像或所述第二轨道图像进行再次识别；

获取所述残差神经网络模型的所有通道对应的特征；

通过预设大小的卷积核降低所述残差神经网络模型的通道数量，使所有特征结合，获得再次识别的轨道区域。

5.如权利要求1所述的方法，其特征在于，根据预先构建的残差神经网络模型对所述轨道图像数据集中的第一轨道图像进行分析，识别并标注出所述第一轨道图像中的轨道区域，得到第二轨道图像之后，所述方法还包括：

采用稠密连接网络算法和条件随机场算法，对所述残差神经网络模型识别的所述轨道区域进行后处理。

6.如权利要求5所述的方法，其特征在于，采用深度全连接条件随机场，对所述残差神经网络模型识别的所述轨道区域进行后处理，包括：

为所述残差神经网络模型识别出的所述轨道区域中的各像素点建立关系，以构建全连接像素分布图；

计算所述各像素点间的相似度，以确定各像素是否为同一类别。

7.如权利要求1所述的方法，其特征在于，所述残差神经网络模型包括五级网络层，且每级网络层均包括输入通道和输出通道；

根据预先构建的残差神经网络模型对所述轨道图像数据集中的第一轨道图像进行分析，识别并标注出所述第一轨道图像中的轨道区域，得到第二轨道图像，包括：

当所述每级网络层的输入输出通道的数量均相同时，采用对所述残差神经网络模型识别的所述轨道区域进行后处理；

当所述每级网络层的输入输出通道的数量不同时，则对所述每层网络的输入通道的数量和步长进行调整，以使得所述每层网络的输入输出通道的数量均相同；

其中所述每级网络层均包含10个网络层。

8.如权利要求1所述的方法，其特征在于，基于目标检测算法，检测所述轨道区域中存在的第一障碍物，包括：

对所述第二轨道图像进行预处理，以初步识别所述轨道区域中是否存在第一障碍物；

当初步识别结果显示所述轨道区域中存在障碍物时，激光雷达传感器探测实际轨道区域和枕间区域存在的第二障碍物；

当初步识别结果显示所述轨道区域中不存在障碍物时，根据所述第二轨道图像，构建目标检测模型，以将所述第二轨道图像输入所述目标检测模型，获得所述目标检测模型的检测结果，其中所述目标检测模型的检测结果指示所述轨道区域中是否存在第一障碍物。

9.如权利要求8所述的方法，其特征在于，对所述第二轨道图像进行预处理，包括：

获取所述轨道图像数据集中的轨道图像的直方图；

在预设间隔时间内检测所述直方图是否存在变化；

如果存在变化，则确定所述轨道区域中存在第一障碍物。