1.本发明涉及自动驾驶感知决策技术领域，具体涉及一种结合字符定位的交通标志识别方法及系统。
背景技术：2.tsr(traffic sign recognition，交通标志识别)是通过前视摄像头识别道路上的交通标志牌，在车辆通过标志牌所在路段时通过仪表提前显示交通标志信息，引导驾驶员规范驾驶行为。
3.近年来，自动驾驶技术快速发展，越来越多的车辆开始配备交通标志识别提醒功能，但传统的交通标志识别只能对交通标志进行分类，针对中国复杂多变的交通标志组合难以进行准确提醒。比如，禁止左转标志就会出现分时段禁止左转或大型车辆禁止左转等等此类的组合，目前只能识别禁止左转，无法有效结合标识牌上的字符进行分类提醒。而且还经常会遇到误识别带有文字说明的标识牌情况。
技术实现要素：4.本发明针对现有技术中存在的技术问题，提供一种结合字符定位的交通标志识别及导航决策方法和系统，来对复杂多变的交通标志组合进行分类，并能够结合地图导航信息来提醒驾驶员安全驾驶。
5.本发明解决上述技术问题的技术方案如下：
6.第一方面，本发明提供一种结合字符定位的交通标志识别及导航决策方法，包括：
7.采集车辆前方道路行驶环境图像，并对所述图像进行预处理；
8.将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别ocr检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；
9.根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。
10.本发明的有益效果是：在本发明中，交通标志类别检测模块负责对交通标志类别进行检测，输出交通标志类别信息；道路检测模块负责输出车辆前方车道线检测结果，为场景决策模块提供辅助参考信息；字符检测模块负责对交通标志周围的字符进行检测，输出文字字符的检测结果。结合交通标志类别检测和字符识别可精准识别交通指示标志，结合自车定位信息、车道线信息和导航信息来综合决策输出提醒策略，能够有效提醒驾驶员安全驾驶。
11.进一步的，所述的采集车辆前方道路行驶环境图像，并对所述图像进行预处理，包括：
12.通过前视广角摄像头完成图像采集，进而对图像进行畸变矫正和图像resize缩放后，生成满足算法模型输入要求的图像。
13.广角摄像头的特点是焦距较短，视角较大，其因光学原理产生的变形也就越强烈。
因此需要对前视广角摄像头采集的图像进行畸变矫正。同时每一种用于图像检测的算法模型其输入均有明确的要求，如果尺寸不合适，就无法得到想要的检测结果，甚至算法无法运行。因此需要改变畸变矫正后的图像的尺寸，以生成满足算法模型输入要求的图像。
14.进一步的，所述交通标志类别检测模块包括特征金字塔模型和交通标志检测模型；经过预处理的图像分别输入特征金字塔模型和交通标志检测模型中，结合特征金字塔模型的输出对交通标志检测模型的输出进行二次分类，得到交通标志类别结果。
15.特征金字塔模型主要负责不同大小尺度的标识牌进行检测，提升远距离小目标和近距离大目标的检测分类结果。交通标志检测模型输出带有丰富语义信息的交通标志检测分类结果，进而结合特征金字塔模型输出的检测分类结果来进行二次分类，输出更加精准的交通标志类别信息。
16.进一步的，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒，包括：
17.根据所述交通标志类别结果、车道线检测结果、字字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略并对驾驶员进行语音、文字或图像提醒。
18.进一步的，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，包括：
19.若不存在交通标志牌检测结果，则不输出提醒信息；
20.若存在交通标志牌检测结果且不存在字符检测识别结果，则执行提醒策略1；
21.若存在交通标志牌检测结果且存在字符检测识别结果，此时需要结合行驶场景或导航信息来综合判断提醒策略，若存在导航信息，则执行提醒策略2，否则执行提醒策略3；
22.所述提醒策略1为根据输出的交通标志牌信息在仪表上显示检测结果；
23.所述提醒策略2为根据交通标识牌字符信息和导航信息来进行综合决策，若导航信息和标识识别结果信息一致，则在仪表直接显示检测结果，否则进行语音提醒驾驶员；
24.所述提醒策略3为根据交通标识牌字符信息、车道线信息、自车所在车道位置以及车身信号状态来进行综合决策，进行语音提醒驾驶员。
25.进一步的，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，还包括：若存在交通标志牌检测结果且存在字符检测识别结果时进行标识牌识别结果一致性判断。
26.进一步的，所述标识牌识别结果一致性判断为，根据标识牌检测类别和字符检测识别结果进行综合决策判断，若字符检测识别结果是对标识牌类型的解释，则按照不存在字符输出提醒；若字符检测识别结果是对标识牌类型的补充，则根据字符检测识别结果和标识牌类型输出提醒。
27.第二方面，本发明还提供一种结合字符定位的交通标志识别及导航决策系统，包括：
28.图像采集及预处理模块，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；
29.检测识别模块，包括交通标志类别检测模块、道路检测模块和光学字符识别ocr检测模块，用于对预处理后的图像进行检测识别，得到交通标志类别结果、车道线检测结果、字符检测识别结果；
30.决策提醒模块，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。
31.第三方面，本发明提供一种电子设备，包括：
32.存储器，用于存储计算机软件程序；
33.处理器，用于读取并执行所述计算机软件程序，进而实现本发明第一方面所述的一种结合字符定位的交通标志识别及导航决策方法。
34.第四方面，本发明提供一种非暂态计算机可读存储介质，所述存储介质中存储有用于实现本发明第一方面所述的一种结合字符定位的交通标志识别及导航决策方法的计算机软件程序。
附图说明
35.图1为本发明实施例提供的一种结合字符定位的交通标志识别及导航决策方法流程示意图；
36.图2为本发明实施例提供的决策提醒策略的流程示意图；
37.图3为本发明实施例提供的一种结合字符定位的交通标志识别及导航决策系统结构示意图；
38.图4为本发明实施例提供的电子设备的实施例示意图；
39.图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
40.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
41.实施例一
42.图1为本发明实施例提供的一种结合字符定位的交通标志识别及导航决策方法流程示意图，如图1所示，所述的一种结合字符定位的交通标志识别及导航决策方法，包括以下步骤：
43.s1，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；
44.s2，将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别ocr检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；
45.s3，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。
46.交通标志牌检测类别包含停车让行、禁止驶入、禁止超车、解除禁止超车、禁止左转、禁止右转、禁止直行、禁止掉头、禁止停车、禁止临时停车、禁止鸣笛、禁止机动车、注意施工、注意上坡、注意下坡、注意易滑、注意危险、注意行人、学校区域等18种。字符识别包含时间类、文字类、字母类等3种。
47.在该实施例中，交通标志类别检测模块负责对交通标志类别进行检测，输出交通标志类别信息；道路检测模块负责输出车辆前方车道线检测结果，为场景决策模块提供辅助参考信息；字符检测模块负责对交通标志周围的字符进行检测，输出文字字符的检测结果。经过交通标志牌字符识别，可更精准的输出检测结果，同时结合自车定位信息、车道线
信息和导航信息来综合决策输出提醒策略。结合字符识别可精准识别交通指示标志。结合定位和导航信息来决策输出提醒策略。
48.在上述实施例的基础上，本发明还提供一种优选实施例：
49.优选的，所述交通标志类别检测模块包括特征金字塔模型和交通标志检测模型；经过预处理的图像分别输入特征金字塔模型和交通标志检测模型中，结合特征金字塔模型的输出对交通标志检测模型的输出进行二次分类，得到交通标志类别结果。
50.特征金字塔是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有非常好的表现。不同大小的交通标识都经过了相同的降采样比例后会出现较大的语义代沟，最常见的表现就是小尺寸的交通标识检测精度比较低。特征金字塔具有在不同尺度下有不同分辨率的特点，不同大小的交通标识都可以在相应的尺度下拥有合适的特征表示，通过融合多尺度信息，在不同尺度下对不同大小的交通标识进行预测，从而很好地提升了模型的性能。在本方案中，特征金字塔模型主要负责不同大小尺度的标识牌进行检测，提升远距离小目标和近距离大目标的检测分类结果。
51.交通标志检测模型采用卷积神经网络cnn实现。卷积神经网络(convolutional neural networks,cnn)是一类包含卷积计算且具有深度结构的前馈神经网络(feedforward neural networks)，是深度学习(deep learning)的代表算法之一。交通标志检测模型输出带有丰富语义信息的交通标志检测分类结果，进而结合特征金字塔模型输出的检测分类结果来进行二次分类，输出更加精准的交通标志类别信息。
52.作为一个优选实施例，所述的采集车辆前方道路行驶环境图像，并对所述图像进行预处理，包括：
53.通过前视广角摄像头完成图像采集，进而对图像进行畸变矫正和图像resize缩放后，生成满足算法模型输入要求的图像。
54.单目相机一直被称为自动驾驶的“眼睛”，其可提供的丰富感知细节信息、适中的价格，稳定的性能，在自动驾驶感知领域被寄予开疆拓土的重托。自动驾驶车辆的前视相机一般均采用广角摄像头实现。而广角摄像头的特点是焦距较短，视角较大，其因光学原理产生的变形也就越强烈。因此需要对前视广角摄像头采集的图像进行畸变矫正。同时每一种用于图像检测的算法模型其输入均有明确的要求，如果尺寸不合适，就无法得到想要的检测结果，甚至算法无法运行。因此需要改变畸变矫正后的图像的尺寸，以生成满足算法模型输入要求的图像。
55.作为一个优选实施例，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒，包括：
56.根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略并对驾驶员进行语音、文字或图像提醒。
57.作为一个优选实施例，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，如图2所示，包括：
58.若不存在交通标志牌检测结果，则不输出提醒信息；
59.若存在交通标志牌检测结果且不存在字符检测识别结果，则执行提醒策略1；
60.若存在交通标志牌检测结果且存在字符检测识别结果，此时需要结合行驶场景或导航信息来综合判断提醒策略，若存在导航信息，则执行提醒策略2，否则执行提醒策略3；
61.所述提醒策略1为根据输出的交通标志牌信息在仪表上显示检测结果；
62.所述提醒策略2为根据交通标识牌字符信息和导航信息来进行综合决策，若导航信息和标识识别结果信息一致，则在仪表直接显示检测结果，否则进行语音提醒驾驶员；(所识别的字符包含时间、文字等。比如若禁止右转标识牌附件有时间字符且该时间内导航信息规划右转路径，则进行语音提示驾驶员，否则直接在仪表显示交通标识牌信息。)
63.所述提醒策略3为根据交通标识牌字符信息、车道线信息(无导航规划信息)、自车所在车道位置以及车身信号状态来进行综合决策，进行语音提醒驾驶员。
64.作为一个优选实施例，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，还包括：若存在交通标志牌检测结果且存在字符检测识别结果时进行标识牌识别结果一致性判断。
65.作为一个优选实施例，所述标识牌识别结果一致性判断为，根据标识牌检测类别和字符检测识别结果进行综合决策判断，若字符检测识别结果是对标识牌类型的解释，则按照不存在字符输出提醒；若字符检测识别结果是对标识牌类型的补充，则根据字符检测识别结果和标识牌类型输出提醒。
66.实施例二
67.图3为本发明实施例提供的一种结合字符定位的交通标志识别及导航决策系统结构示意图。如图3所示，所述的一种结合字符定位的交通标志识别及导航决策系统，包括：图像采集及预处理模块、检测识别模块和决策提醒模块。
68.所述的图像采集及预处理模块，采集车辆前方道路行驶环境图像，并对所述图像进行预处理。
69.图像采集可以通过前视广角摄像头完成图像采集。自动驾驶车辆的前视相机一般均采用广角摄像头实现。而广角摄像头的特点是焦距较短，视角较大，其因光学原理产生的变形也就越强烈。因此需要对前视广角摄像头采集的图像进行畸变矫正。同时每一种用于图像检测的算法模型其输入均有明确的要求，如果尺寸不合适，就无法得到想要的检测结果，甚至算法无法运行。因此需要改变畸变矫正后的图像的尺寸，以生成满足算法模型输入要求的图像。
70.所述的检测识别模块，包括交通标志类别检测模块、道路检测模块和光学字符识别ocr检测模块，用于对预处理后的图像进行检测识别，得到交通标志类别结果、车道线检测结果、字符检测识别结果。
71.交通标志牌检测类别包含停车让行、禁止驶入、禁止超车、解除禁止超车、禁止左转、禁止右转、禁止直行、禁止掉头、禁止停车、禁止临时停车、禁止鸣笛、禁止机动车、注意施工、注意上坡、注意下坡、注意易滑、注意危险、注意行人、学校区域等18种。字符识别包含时间类、文字类、字母类等3种。
72.所述交通标志类别检测模块包括特征金字塔模型和交通标志检测模型；经过预处理的图像分别输入特征金字塔模型和交通标志检测模型中，结合特征金字塔模型的输出对交通标志检测模型的输出进行二次分类，得到交通标志类别结果。
73.特征金字塔是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分，对于提高模型性能具有非常好的表现。不同大小的交通标识都经过了相同的降采样比例后会出现较大的语义代沟，最常见的表现就是小尺寸的交通标识检测精度比较低。特征
金字塔具有在不同尺度下有不同分辨率的特点，不同大小的交通标识都可以在相应的尺度下拥有合适的特征表示，通过融合多尺度信息，在不同尺度下对不同大小的交通标识进行预测，从而很好地提升了模型的性能。在本方案中，特征金字塔模型主要负责不同大小尺度的标识牌进行检测，提升远距离小目标和近距离大目标的检测分类结果。
74.交通标志检测模型采用卷积神经网络cnn实现。卷积神经网络(convolutional neural networks,cnn)是一类包含卷积计算且具有深度结构的前馈神经网络(feedforward neural networks)，是深度学习(deep learning)的代表算法之一。交通标志检测模型输出带有丰富语义信息的交通标志检测分类结果，进而结合特征金字塔模型输出的检测分类结果来进行二次分类，输出更加精准的交通标志类别信息。
75.所述的决策提醒模块，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略并对驾驶员进行语音、文字或图像提醒。其中对驾驶员进行语音、文字或图像提醒可以依赖于车载多媒体系统或车载智能仪表实现。
76.具体的，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略并对驾驶员进行语音、文字或图像提醒，包括以下内容：
77.若不存在交通标志牌检测结果，则不输出提醒信息；
78.若存在交通标志牌检测结果且不存在字符检测识别结果，则执行提醒策略1；
79.若存在交通标志牌检测结果且存在字符检测识别结果，此时需要结合行驶场景或导航信息来综合判断提醒策略，若存在导航信息，则执行提醒策略2，否则执行提醒策略3；
80.所述提醒策略1为根据输出的交通标志牌信息在仪表上显示检测结果；
81.所述提醒策略2为根据交通标识牌字符信息和导航信息来进行综合决策，若导航信息和标识识别结果信息一致，则在仪表直接显示检测结果，否则进行语音提醒驾驶员；(所识别的字符包含时间、文字等。比如若禁止右转标识牌附件有时间字符且该时间内导航信息规划右转路径，则进行语音提示驾驶员，否则直接在仪表显示交通标识牌信息。)
82.所述提醒策略3为根据交通标识牌字符信息、车道线信息(无导航规划信息)、自车所在车道位置以及车身信号状态来进行综合决策，进行语音提醒驾驶员。
83.作为一个优选实施例，若存在交通标志牌检测结果且存在字符检测识别结果时进行标识牌识别结果一致性判断。所述标识牌识别结果一致性判断为，根据标识牌检测类别和字符检测识别结果进行综合决策判断，若字符检测识别结果是对标识牌类型的解释，则按照不存在字符输出提醒；若字符检测识别结果是对标识牌类型的补充，则根据字符检测识别结果和标识牌类型输出提醒。
84.在该实施例中，特征金字塔模型主要负责不同大小尺度的标识牌进行检测，提升远距离小目标和近距离大目标的检测分类结果；交通标志检测模型不经过图像特征金字塔处理，输出带有丰富语义信息的交通标志检测分类结果，进而结合特征金字塔模型输出的检测分类结果来进行二次分类，输出更加精准的交通标志类别信息；道路检测模块负责输出车辆前方车道线检测结果，为场景决策模块提供辅助参考信息；字符检测模块负责对交通标志周围的字符进行检测，输出文字字符的检测结果。经过交通标志牌字符识别，可更精准的输出检测结果，同时结合自车定位信息、车道线信息和导航信息来综合决策输出提醒
策略。结合字符识别可精准识别交通指示标志。结合定位和导航信息来决策输出提醒策略。
85.请参阅图4，图4为本发明实施例提供的电子设备的实施例示意图。如图4所示，本发明实施例提了一种电子设备500，包括存储器510、处理器520及存储在存储器520上并可在处理器520上运行的计算机程序511，处理器520执行计算机程序511时实现以下步骤：
86.s1，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；
87.s2，将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别ocr检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；
88.s3，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。
89.请参阅图5，图5为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图5所示，本实施例提供了一种计算机可读存储介质600，其上存储有计算机程序611，该计算机程序611被处理器执行时实现如下步骤：
90.s1，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；
91.s2，将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别ocr检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；
92.s3，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。
93.需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
94.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
95.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
96.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
97.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
98.尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造
概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
99.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。
技术特征：1.一种结合字符定位的交通标志识别及导航决策方法，其特征在于，包括：采集车辆前方道路行驶环境图像，并对所述图像进行预处理；将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别ocr检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。2.根据权利要求1所述的方法，其特征在于，所述的采集车辆前方道路行驶环境图像，并对所述图像进行预处理，包括：通过前视广角摄像头完成图像采集，进而对图像进行畸变矫正和图像resize缩放后，生成满足算法模型输入要求的图像。3.根据权利要求1所述的方法，其特征在于，所述交通标志类别检测模块包括特征金字塔模型和交通标志检测模型；经过预处理的图像分别输入特征金字塔模型和交通标志检测模型中，结合特征金字塔模型的输出对交通标志检测模型的输出进行二次分类，得到交通标志类别结果。4.根据权利要求1所述的方法，其特征在于，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒，包括：根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略并对驾驶员进行语音、文字或图像提醒。5.根据权利要求4所述的方法，其特征在于，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，包括：若不存在交通标志牌检测结果，则不输出提醒信息；若存在交通标志牌检测结果且不存在字符检测识别结果，则执行提醒策略1；若存在交通标志牌检测结果且存在字符检测识别结果，此时需要结合行驶场景或导航信息来综合判断提醒策略，若存在导航信息，则执行提醒策略2，否则执行提醒策略3；所述提醒策略1为根据输出的交通标志牌信息在仪表上显示检测结果；所述提醒策略2为根据交通标识牌字符信息和导航信息来进行综合决策，若导航信息和标识识别结果信息一致，则在仪表直接显示检测结果，否则进行语音提醒驾驶员；所述提醒策略3为根据交通标识牌字符信息、车道线信息、自车所在车道位置以及车身信号状态来进行综合决策，进行语音提醒驾驶员。6.根据权利要求5所述的方法，其特征在于，所述的根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，结合自车导航信息和定位信息来综合决策提醒策略，还包括：若存在交通标志牌检测结果且存在字符检测识别结果时进行标识牌识别结果一致性判断。7.根据权利要求6所述的方法，其特征在于，所述标识牌识别结果一致性判断为，根据标识牌检测类别和字符检测识别结果进行综合决策判断，若字符检测识别结果是对标识牌类型的解释，则按照不存在字符输出提醒；若字符检测识别结果是对标识牌类型的补充，则根据字符检测识别结果和标识牌类型输出提醒。8.一种结合字符定位的交通标志识别及导航决策系统，其特征在于，包括：
图像采集及预处理模块，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；检测识别模块，包括交通标志类别检测模块、道路检测模块和光学字符识别ocr检测模块，用于对预处理后的图像进行检测识别，得到交通标志类别结果、车道线检测结果、字符检测识别结果；决策提醒模块，根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，决策提醒策略并对驾驶员进行提醒。9.一种电子设备，其特征在于，包括：存储器，用于存储计算机软件程序；处理器，用于读取并执行所述计算机软件程序，进而实现权利要求1-7任一项所述的一种结合字符定位的交通标志识别及导航决策方法。10.一种非暂态计算机可读存储介质，其特征在于，所述存储介质中存储有用于实现权利要求1-7任一项所述的一种结合字符定位的交通标志识别及导航决策方法的计算机软件程序。
技术总结本发明涉及一种结合字符定位的交通标志识别及导航决策方法和系统，采集车辆前方道路行驶环境图像，并对所述图像进行预处理；将预处理后的图像分别输入交通标志类别检测模块、道路检测模块、光学字符识别OCR检测模块，得到交通标志类别结果、车道线检测结果、字符检测识别结果；根据所述交通标志类别结果、车道线检测结果、字符检测识别结果，场景决策模块根据交通标志类别检测和字符检测识别结果，结合自车定位信息、车道线信息和导航信息来综合决策输出提醒策略，能够精准识别交通指示标志并有效提醒驾驶员安全驾驶。有效提醒驾驶员安全驾驶。有效提醒驾驶员安全驾驶。
技术研发人员：任聪 钟小凡 沈忱 付斌
受保护的技术使用者：岚图汽车科技有限公司
技术研发日：2022.07.14
技术公布日：2022/11/1
