[发明专利]一种基于深度学习的道路不规则区域检测网络

说明书

本发明公开了一种基于深度学习的道路不规则区域检测网络，包括编码部分和解码部分，所述编码部分采用FPN作为主干网络，主干网络中卷积操作采用可变性卷积以适应不规则目标的结构，并设计Deformable OctConv对目标的高低频进行分解，还设计DOSEnet结构实现自动监督的注意力机制，提升关键目标的学习权重；所述解码部分分为三个分支，分别为前景分支、背景分支和区域候选网络分支，采用DUpsample结构。本发明基于深度学习的道路不规则区域检测网络，为自动驾驶或者高级辅助驾驶提供安全可靠的预警信息；本发明网络的设计针对不规则目标，较普通网络对不规则目标更具有适应性，训练后的模型精度更高；本发明在网络检测精度的前提下，设计方案中采用多种优化手段提升计算速度。

技术领域

本发明涉及智能汽车电子领域，特别涉及一种基于深度学习的道路不规则区域检测网络。

背景技术

近年来自动驾驶技术快速发展，在国外自动驾驶研究领域呈现出从解决交通拥堵问题到重视交通安全性能变化的趋势。在实际生活中，路面凸起、水井盖丢失、凹坑、积水等不规则区域给自动驾驶带来了挑战。基于上述考虑，除了常规的可行驶区域检测之外，业界、学术界还需要深入研究极端路面状态的细粒度检测。Ren J.提出一种基于机器学习的凹坑检测系统，该系统利用基本阈值算法对路面状况进行检测，缩短了道路维修人员识别路面不良状况时间，便于路面坑洼检测和状态维护。Ghadge M.提出一种坑点检测系统，基于智能手机的加速度计进行坑洞探测，利用GPS在Google地图上绘制坑洞位置图，进而提高道路行驶安全性。Limkar S.设计了一种基于Arduino传感模块和Android智能手机的坑洞检测方法，不仅可以探测路面坑洞，还能告知坑洞修复时间。Adewole K.基于机器学习技术，研发出一种能够实时、自动探测坑洞和监测道路交通状况的系统，通过智能手机加速度计和K-均值聚类方法采集尼日利亚路面数据，使道路交通可视化，提高交通安全性。

曹小曙认为，缓解交通拥堵、提高居民出行效率、减少碳排放是我国智慧交通发展面临的关键问题，提出基于智慧交通可达性与碳排放的理论框架，并以广州为案例，研究了居民出行碳排放的特征及影响机理。黄大荣设计了一种新的路网交通拥堵状态刻画模型，通过改进Dempster组合规则实现交通信息融合，以此推导出交通拥堵状态的准确值，最后对重庆市道路进行仿真分析，验证了该方法的实际应用价值。王宗尧建立了一套分布式的智慧交通网络控制系统，该系统采用Multi-Agent技术构建城市交通预警机制和控制机制，并利用拉普拉斯矩阵对各条道路的交通流量进行均衡计算，以缓解交通资源分配不合理造成的交通拥堵。

据英国媒体2017年2月17日报道，福特宣布其正在研发新型道路坑洼预警系统，能够检测路面的坑洼处，并提示附近的其他福特车辆有效躲避。在行驶途中，车上搭载的摄像头能够实时扫描路况，并把关于坑洼的数据反馈到车主的仪表盘。目前，该技术在福特德国Aachen研发中心正处于测试中。杜伦大学的计算机视觉专家Toby Breckon表示，坑洼感应技术已研发多年，我深信这项技术的优越性，即使在遇到雨雪和结冰的状况下，路面检测可能会存在问题。捷豹路虎在2015年曾宣布其正在攻克一项通过车身配备的传感器，来自动收集坑洞信息。英国诺丁汉特伦特大学也在研发关于此的智能系统。另外，2017年初，约克市议会宣布将配备坑洞检测摄像头以收集路面信息，并对受损目标进行维护。目前，福特的一些车型已使用传感器检测坑洼，并调整车身悬架系统以减少对车辆的损伤。一家汽车供应商——CarVi正在为其旗舰售后服务车道偏离和碰撞警告装置加装车载人工智能系统，该系统名为“坑洼探测(Pothole Detection)”，有望帮助减少车辆在道路上的损坏。该系统在车辆的前挡风玻璃上安装前视摄像头，该摄像头配备了9轴传感器，可以检测道路的情况，识别出现在已经存在的坑洼和刚刚开始裂开的坑洼。该公司表示，这是通过先进的转移学习和深度学习技术实现的。

发明内容