本發(fā)明涉及車輛，尤其涉及一種積水深度確定方法、裝置、電子設備及存儲介質。

背景技術：

1、在車輛駕駛過程中，路面的實際情況可能會導致駕駛員在駕駛過程中發(fā)生意外。例如，在車輛經(jīng)過時，其經(jīng)過的路面積水過深，駕駛員未及時得知積水深度，從而引發(fā)交通事故。

2、現(xiàn)有的積水檢測，通常依賴于部署在路面上方的固定攝像頭監(jiān)控畫面或者當前車輛自身配置的攝像頭的監(jiān)控畫面進行。然而，若路面積水附近的監(jiān)控處于盲區(qū)，或者當前車輛自身配置的攝像頭無法完整拍攝整個積水區(qū)域，則會導致積水深度檢測的估計誤差。因此，亟需提出一種新的方法來解決上述問題。

技術實現(xiàn)思路

1、本發(fā)明提供了一種積水深度確定方法、裝置、電子設備及存儲介質。本發(fā)明可以減少因實際拍攝過程中，由于拍攝條件或環(huán)境因素不同導致的檢測結果產生較大誤差的問題，提高了積水深度確定的準確性與可靠性。

2、根據(jù)本發(fā)明的一方面，提供了一種積水深度確定方法，該方法包括：

3、獲取待測積水位置的目標圖像；

4、分別確定目標圖像與樣本集中每個樣本圖像的匹配度，并將匹配度最高的樣本圖像作為目標樣本；

5、根據(jù)目標圖像的特征矩陣、目標樣本的特征矩陣與預先設置的深度預測模型，確定待測積水位置的目標積水深度，其中，深度預測模型為利用樣本集對卷積神經(jīng)網(wǎng)絡模型進行訓練后得到的用于確定積水深度的模型。

6、根據(jù)本發(fā)明的另一方面，提供了一種積水深度確定裝置，該裝置包括：

7、獲取模塊，用于獲取待測積水位置的目標圖像；

8、選擇模塊，用于分別確定目標圖像與樣本集中每個樣本圖像的匹配度，并將匹配度最高的樣本圖像作為目標樣本；

9、確定模塊，用于根據(jù)目標圖像的特征矩陣、目標樣本的特征矩陣與預先設置的深度預測模型，確定待測積水位置的目標積水深度，其中，深度預測模型為利用樣本集對卷積神經(jīng)網(wǎng)絡模型進行訓練后得到的用于確定積水深度的模型。

10、根據(jù)本發(fā)明的另一方面，提供了一種電子設備，所述電子設備包括：

11、至少一個處理器；以及

12、與所述至少一個處理器通信連接的存儲器；其中，

13、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實施例所述的積水深度確定方法。

14、根據(jù)本發(fā)明的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)本發(fā)明任一實施例所述的積水深度確定方法。

15、本發(fā)明實施例提供的積水深度確定方法，獲取待測積水位置的目標圖像；分別確定目標圖像與樣本集中每個樣本圖像的匹配度，并將匹配度最高的樣本圖像作為目標樣本；根據(jù)目標圖像的特征矩陣、目標樣本的特征矩陣與預先設置的深度預測模型，確定待測積水位置的目標積水深度。上述技術方案中，一方面，通過計算目標圖像與樣本集中的每個樣本圖像的匹配度，確定與目標圖像匹配度最高的樣本圖像作為目標樣本，為之后根據(jù)目標樣本與目標圖像確定待測積水位置的積水深度提供了準確的圖像基礎。另一方面，不僅僅基于目標圖像的特征矩陣確定目標積水深度，而是根據(jù)目標圖像的特征矩陣、與目標圖像匹配度最高的目標樣本的特征矩陣確定目標積水深度，實現(xiàn)了確定待測積水位置的目標積水深度的同時，利用樣本集中與目標圖像的拍攝環(huán)境雖然不同，但匹配度最高的圖像作為參考圖像確定目標積水深度，減少因實際拍攝過程中，由于拍攝條件或環(huán)境因素不同導致的僅根據(jù)目標圖像確定目標積水深度會產生較大的計算誤差，提高了積水深度確定的準確性與可靠性。

16、應當理解，本部分所描述的內容并非旨在標識本發(fā)明的實施例的關鍵或重要特征，也不用于限制本發(fā)明的范圍。本發(fā)明的其它特征將通過以下的說明書而變得容易理解。

技術特征：

1.一種積水深度確定方法，其特征在于，所述方法包括：

2.根據(jù)權利要求1所述的積水深度確定方法，其特征在于，所述獲取待測積水位置的目標圖像，包括：

3.根據(jù)權利要求1或2所述的積水深度確定方法，其特征在于，在獲取待測積水位置的目標圖像后，還包括：

4.根據(jù)權利要求1所述的積水深度確定方法，其特征在于，對于所述樣本集中的任意一個樣本圖像，所述確定所述目標圖像與所述樣本圖像的匹配度，包括：

5.根據(jù)權利要求1所述的積水深度確定方法，其特征在于，所述樣本集中的一個樣本圖像對應一個標準積水深度；

6.根據(jù)權利要求5所述的積水深度確定方法，其特征在于，所述根據(jù)所述目標圖像的特征矩陣、所述目標樣本的特征矩陣與預先設置的深度預測模型，確定深度差值，包括：

7.根據(jù)權利要求1所述的積水深度確定方法，其特征在于，訓練所述深度預測模型的方法，包括：

8.一種積水深度確定裝置，其特征在于，包括：

9.一種電子設備，其特征在于，包括：

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執(zhí)行時實現(xiàn)權利要求1-7中任一項所述的積水深度確定方法。

技術總結
本發(fā)明公開了一種積水深度確定方法、裝置、電子設備及存儲介質。該方法包括：獲取待測積水位置的目標圖像；分別確定目標圖像與樣本集中每個樣本圖像的匹配度，并將匹配度最高的樣本圖像作為目標樣本；根據(jù)目標圖像的特征矩陣、目標樣本的特征矩陣與預先設置的深度預測模型，確定待測積水位置的目標積水深度，其中，深度預測模型為利用樣本集對卷積神經(jīng)網(wǎng)絡模型進行訓練后得到的用于確定積水深度的模型。本發(fā)明提供的方法能減少因實際拍攝過程中，由于拍攝條件或環(huán)境因素不同導致的檢測結果產生較大誤差的問題，提高了積水深度確定的準確性與可靠性。

技術研發(fā)人員：袁魯峰,趙興科,付振,何金鑫,張俊,劉相超,侯睿,吳紅心,王明月,孫建蕾
受保護的技術使用者：中國第一汽車股份有限公司
技術研發(fā)日：
技術公布日：2025/1/2