一种行驶道路的检测方法及相关装置与流程

本技术涉及导航，尤其涉及一种行驶道路的检测方法及相关装置。

背景技术：

1、随着全球定位系统（global positioning system，gps）和北斗卫星导航系统（beidounavigation satellite system，bds）等全球导航卫星系统（global navigationsatellite system，gnss）技术的广泛应用，导航软件为出行带来显著的便捷性，导航软件日益成为不可或缺的常用工具。驾驶对象可以通过装有导航软件的移动终端进行导航。

2、现有的导航技术，主要通过驾驶对象人工辅助确定的方式（如，手动选择和语音选择等方式），确定车辆当前的行驶道路是否是高架桥上道路。

3、但采用上述方式，驾驶对象注意力分散，会为行车安全带来一定的隐患，并且由于人工辅助确定存在主观性和不及时性，会导致行驶道路的检测结果不准确和检测效率低，例如，若驾驶对象未进行人工辅助确定，则没有检测结果，导致检测失误。

技术实现思路

1、本技术实施例提供一种行驶道路的检测方法及相关装置，以提高行驶道路检测的准确度和检测效率。

2、本技术实施例提供的具体技术方案如下：

3、第一方面，本技术实施例提供了一种行驶道路的检测方法，方法包括：

4、获取目标车辆行驶对应的多种传感器数据，其中，多种传感器数据包括：磁场矢量数据，多种传感器数据还包括以下至少其中之一：角加速度矢量数据、加速度矢量数据、磁场矢量与加速度矢量的夹角数据；

5、对多种传感器数据分别进行特征提取，构建道路特征图；

6、对道路特征图进行道路检测，获得目标车辆的行驶道路类型。

7、第二方面，本技术实施例还提供了一种终端设备，终端设备包括：磁传感器、陀螺仪、加速度传感器、以及处理器；其中，

8、磁传感器用于获取目标车辆行驶对应的磁场矢量数据，并将磁场矢量数据发送给处理器；

9、陀螺仪用于获取目标车辆行驶对应的角加速度矢量数据，并将角加速度矢量数据发送给处理器；

10、加速度传感器用于获取目标车辆行驶对应的加速度矢量数据，并将加速度矢量数据发送给处理器；

11、处理器用于基于磁场矢量数据和加速度矢量数据，获取磁场矢量与加速度矢量的夹角数据，并对多种传感器数据分别进行特征提取，构建道路特征图，以及对道路特征图进行道路检测，获得目标车辆的行驶道路类型，其中，多种传感器数据包括：磁场矢量数据，多种传感器数据还包括以下至少其中之一：角加速度矢量数据、加速度矢量数据、夹角数据。

12、可选的，所述处理器具体用于：

13、获得多种传感器数据各自对应的时间序列，并将各时间序列转换为各子道路特征图；

14、将各子道路特征图进行合并，获得道路特征图。

15、可选的，所述处理器具体用于：

16、对多种传感器数据各自对应的时间序列进行数值变换，获得更新后的各时间序列；

17、将更新后的各时间序列转换为各子道路特征图。

18、可选的，所述处理器具体用于：

19、对磁场矢量数据对应的磁场时间序列中的低频数据进行删除，获得更新后的磁场时间序列；

20、当多种传感器数据包括角加速度矢量数据时，对角加速度矢量数据对应的角加速度时间序列进行归一化，获得更新后的角加速度时间序列；

21、当多种传感器数据包括加速度矢量数据时，对加速度矢量数据对应的加速度时间序列进行归一化，获得更新后的加速度时间序列；

22、当多种传感器数据包括夹角数据时，对夹角数据对应的夹角时间序列进行归一化，获得更新后的夹角时间序列。

23、可选的，所述处理器具体用于：

24、根据更新后的各时间序列各自包含的各序列元素对，获得各特征图矩阵，其中，每个序列元素对由第一序列元素和第二序列元素组成；

25、基于各特征图矩阵，生成各子道路特征图。

26、可选的，所述处理器具体用于：

27、计算更新后的磁场时间序列中包含的各序列元素对的夹角的余弦值，获得一个特征图矩阵；

28、当多种传感器数据包括角加速度矢量数据时，计算更新后的角加速度时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵；

29、当多种传感器数据包括加速度矢量数据时，计算更新后的加速度时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵；

30、当多种传感器数据包括夹角数据时，计算夹角数据对应的夹角时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵。

31、可选的，所述处理器还用于：

32、获取训练样本集，其中，训练样本集中每一训练样本至少包括：样本车辆对应的多种样本传感器数据；

33、对训练样本集进行特征提取，获得各样本道路特征图，并确定各样本道路特征图的类别标识；

34、基于各样本道路特征图和各样本道路特征图各自的类别标识，对待训练的检测模型进行迭代训练，获得目标检测模型。

35、可选的，所述处理器具体用于：

36、针对各样本道路特征图，分别执行以下操作：基于预设的分类标准，确定一个样本道路特征图对应的样本行驶道路类型，并将样本行驶道路类型对应的类别标识作为一个样本道路特征图的类别标识。

37、第三方面，本技术实施例还提供了一种行驶道路的检测装置，装置包括：

38、获取模块，用于获取目标车辆行驶对应的多种传感器数据，其中，多种传感器数据包括：磁场矢量数据，多种传感器数据还包括以下至少其中之一：角加速度矢量数据、加速度矢量数据、磁场矢量与加速度矢量的夹角数据；

39、生成模块，用于对多种传感器数据分别进行特征提取，构建道路特征图；

40、检测模块，用于对道路特征图进行道路检测，获得目标车辆的行驶道路类型。

41、可选的，对多种传感器数据分别进行特征提取，构建道路特征图时，生成模块还用于：

42、获得多种传感器数据各自对应的时间序列，并将各时间序列转换为各子道路特征图；

43、将各子道路特征图进行合并，获得道路特征图。

44、可选的，获得多种传感器数据各自对应的时间序列，并将各时间序列转换为各子道路特征图时，生成模块还用于：

45、对多种传感器数据各自对应的时间序列进行数值变换，获得更新后的各时间序列；

46、将更新后的各时间序列转换为各子道路特征图。

47、可选的，对多种传感器数据各自对应的时间序列进行数值变换，获得更新后的各时间序列时，生成模块还用于：

48、对磁场矢量数据对应的磁场时间序列中的低频数据进行删除，获得更新后的磁场时间序列；

49、当多种传感器数据包括角加速度矢量数据时，对角加速度矢量数据对应的角加速度时间序列进行归一化，获得更新后的角加速度时间序列；

50、当多种传感器数据包括加速度矢量数据时，对加速度矢量数据对应的加速度时间序列进行归一化，获得更新后的加速度时间序列；

51、当多种传感器数据包括夹角数据时，对夹角数据对应的夹角时间序列进行归一化，获得更新后的夹角时间序列。

52、可选的，将更新后的各时间序列转换为各子道路特征图时，生成模块还用于：

53、根据更新后的各时间序列各自包含的各序列元素对，获得各特征图矩阵，其中，每个序列元素对由第一序列元素和第二序列元素组成；

54、基于各特征图矩阵，生成各子道路特征图。

55、可选的，根据更新后的各时间序列各自包含的各序列元素对，获得各特征图矩阵时，生成模块还用于：

56、计算更新后的磁场时间序列中包含的各序列元素对的夹角的余弦值，获得一个特征图矩阵；

57、当多种传感器数据包括角加速度矢量数据时，计算更新后的角加速度时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵；

58、当多种传感器数据包括加速度矢量数据时，计算更新后的加速度时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵；

59、当多种传感器数据包括夹角数据时，计算夹角数据对应的夹角时间序列中包含的各序列元素对的和或者差的余弦值，获得一个特征图矩阵。

60、可选的，行驶道路类型为：在高架桥上高速行驶、在高架桥下高速行驶、或者低速行驶或静止。

61、可选的，行驶道路类型是通过将道路特征图，输入目标检测模型获得的，装置还包括训练模块，训练模块用于：

62、获取训练样本集，其中，训练样本集中每一训练样本至少包括：样本车辆对应的多种样本传感器数据；

63、对训练样本集进行特征提取，获得各样本道路特征图，并确定各样本道路特征图的类别标识；

64、基于各样本道路特征图和各样本道路特征图各自的类别标识，对待训练的检测模型进行迭代训练，获得目标检测模型。

65、可选的，确定各样本道路特征图的类别标识时，训练模块还用于：

66、针对各样本道路特征图，分别执行以下操作：基于预设的分类标准，确定一个样本道路特征图对应的样本行驶道路类型，并将样本行驶道路类型对应的类别标识作为一个样本道路特征图的类别标识。

67、第四方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述第一方面任一项方法的步骤。

68、第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项方法的步骤。

69、第六方面，本技术提供了一种计算机程序产品，所述计算机程序产品在被计算机调用时，使得所述计算机执行如第一方面任一项所述方法的步骤。

70、本技术实施例中，获取目标车辆行驶对应的多种传感器数据，其中，多种传感器数据包括：磁场矢量数据，多种传感器数据还包括以下至少其中之一：角加速度矢量数据、加速度矢量数据、磁场矢量与加速度矢量的夹角数据，然后对多种传感器数据分别进行特征提取，构建道路特征图，最后对道路特征图进行道路检测，获得目标车辆的行驶道路类型。这样，避免驾驶对象人工辅助确定，消除注意力分散带来的安全隐患，提高检测效率和用户的体验感，同时，由于高架桥上道路的磁场畸变和高架桥下道路的磁场畸变显著不同，采用磁场矢量数据检测目标车辆的行驶道路，能够提高检测准确度，另外，基于多种传感器数据，综合对目标车辆的行驶道路类型进行检测，能够进一步提高检测的准确度。

71、此外，本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

技术特征：

1.一种行驶道路的检测方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述对所述多种传感器数据分别进行特征提取，构建道路特征图，包括：

3.如权利要求2所述的方法，其特征在于，所述获得所述多种传感器数据各自对应的时间序列，并将各时间序列转换为各子道路特征图，包括：

4.如权利要求3所述的方法，其特征在于，所述对所述多种传感器数据各自对应的时间序列进行数值变换，获得更新后的各时间序列，包括：

5.如权利要求3所述的方法，其特征在于，所述将所述更新后的各时间序列转换为各子道路特征图，包括：

6.如权利要求5所述的方法，其特征在于，所述根据所述更新后的各时间序列各自包含的各序列元素对，获得各特征图矩阵，包括：

7.如权利要求1所述的方法，其特征在于，所述行驶道路类型为：在高架桥上高速行驶、在高架桥下高速行驶、或者低速行驶或静止。

8.如权利要求1-7任一项所述的方法，其特征在于，所述行驶道路类型是通过将所述道路特征图，输入目标检测模型获得的，其中，所述目标检测模型是采用以下方式训练获得的：

9.如权利要求8所述的方法，其特征在于，所述确定所述各样本道路特征图的类别标识，包括：

10.一种终端设备，其特征在于，包括：磁传感器、陀螺仪、加速度传感器、以及处理器；其中，

11.如权利要求10所述的终端设备，其特征在于，所述处理器具体用于：

12.如权利要求11所述的终端设备，其特征在于，所述处理器具体用于：

13.如权利要求12所述的终端设备，其特征在于，所述处理器具体用于：

14.如权利要求10-13任一项所述的终端设备，其特征在于，所述处理器还用于：

15.如权利要求14所述的终端设备，其特征在于，所述处理器具体用于：

16.一种行驶道路的检测装置，其特征在于，包括：

17.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1~9任一项所述方法的步骤。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1~9任一项所述方法的步骤。

技术总结
本申请涉及导航技术领域，尤其涉及一种行驶道路的检测方法及相关装置。其中，方法包括：获取目标车辆行驶对应的多种传感器数据，其中，多种传感器数据包括：磁场矢量数据，多种传感器数据还包括以下至少其中之一：角加速度矢量数据、加速度矢量数据、磁场矢量与加速度矢量的夹角数据；对多种传感器数据分别进行特征提取，构建道路特征图；对道路特征图进行道路检测，获得目标车辆的行驶道路类型。这样，避免驾驶对象人工辅助确定，消除注意力分散带来的安全隐患，提高了检测效率，同时，综合磁场矢量数据与其他传感器数据，能够提高行驶道路检测准确度。

技术研发人员：张锐,师晨光,徐晓帆
受保护的技术使用者：上海卫星互联网研究院有限公司
技术研发日：
技术公布日：2024/9/23