[发明专利]基于深度学习的路面状况识别方法

权利要求书

1.基于深度学习的路面状况识别方法，其特征在于，具体路面状况识别方法步骤如下：

步骤一、采集不同道路面各种裂缝、凸起、凹坑和脱皮状况图片，建立路面状况大数据库；

步骤二、根据现有卫星导航路线识别技术建立地图数据库；

步骤三、利用云端服务器将路面状况大数据库与地图数据库相整合；

步骤四、检测车辆或驾驶车辆利用摄像头和探测雷达对路面进行巡航识别；

步骤五、巡航识别的图像数据上传至云端服务器，建立实时路况数据库；

步骤六、将步骤五中生成的实时路况数据库，匹配对应位置的地图数据库，并在地图数据库中的对应路面建立语音提醒系统；

步骤七、将步骤六中建立的语音提醒系统保留对该路面路况预设一段时间的提醒机制，预设时间周期根据需要进行人为设置，超过预设时间后自动删除，以待后续车辆巡航时再次生成实时路况数据库和建立新的语音提醒系统；

步骤八、进一步完善对路面状况的深入识别，建立路面状况驾驶预警系统。

2.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤一中建立的路面状况大数据库根据实际情况可在后续人工补充道路面各种类型的裂缝、凸起、凹坑和脱皮状况图片以适应后续对路面状况的分析匹配。

3.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤二和步骤三中提及的地图数据库的建立，可直接参照现有终端上的各类地图APP对道路面的路线识别方法，步骤三中，将路面状况大数据库与地图数据库相整合的目的在于对地图数据库中的某一或更多路线的道路面与该道路面实时存在的路面状况进行整合匹配。

4.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤四中对道路面的巡航识别除了采用摄像头和探测雷达对路面进行数据采集的方式外，还可根据实际需要加装检测汽车震动颠簸程度的传感器，所需电能均通过车内蓄电池进行供电即可。

5.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤五中，实时路况数据库的建立是利用AI技术对大数据库中采集的不同道路面各种裂缝、凸起、凹坑和脱皮状况图片进行深度学习与识别，并对上传的路面状况图像进行大数据匹配，分析并判断出路面存在的裂缝、凸起、凹坑或脱皮状况，进而生成实时路况数据库。

6.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤六和步骤七中提及的语音提醒系统建立在实时路状数据库和地图数据库上，利用AI技术对该路面采集的路况图像信息进行智能分析后，匹配路面状况大数据库识别出该路面存在的裂缝、凸起、凹坑或脱皮状况，并在匹配完成后，将该路面状况存在的问题进行上传至云端服务器，进而对后续车辆行驶至即将该路面时进行语音提醒。

7.根据权利要求1所述的基于深度学习的路面状况识别方法，其特征在于：所述步骤八中路面状况驾驶预警系统是指除去对路面上存在的裂缝、凸起、凹坑或脱皮问题，增加在雨雪天气下路况信息的采集，如采集道路面在雨雪天的积水和积雪结冰状况，根据车辆在巡航状态下在某一道路面是否出现打滑现象进行分析识别，并对分析识别的数据上传至云端服务器，进而生成路面状况驾驶预警系统，在雨雪天气时车辆行驶到某一已经采集过信息的道路面进行预警提醒，提高行车安全。