一种基于逆向车辆的智能导航方法和装置与流程

1.本发明涉及智能驾驶领域，特别涉及一种基于逆向车辆的智能导航方法和装置。


背景技术：

2.目前，车辆在驾驶时获取的路况信息主要是来源于驾驶系统，而驾驶系统主要是通过前方车主上传的交通信息，当前方发生拥堵，或者是车祸时，车辆接收这个信息具有一定的延迟，无法进行及时的规避，导致交通进一步发生堵塞，给车主带来不好的驾驶体验。


技术实现要素：

3.本发明的主要目的为提供一种基于逆向车辆的智能导航方法和装置，旨在解决前方发生拥堵或者是车祸时，车辆接收信息具有一定的延迟性，导致车辆无法提前进行规避的问题。
4.本发明提供了一种基于逆向车辆的智能导航方法，包括：获取第一车辆的第一预测行驶路径和所述第二车辆的第二预测行驶路径；将所述第一预测行驶路径拆分为多个第一路段，以及将所述第二预测行驶路径拆分为多个第二路段；所述第一车辆基于实时通过的第一路段生成第一通过路径指纹，所述第二车辆基于实时通过的第二路段生成第二通过路径指纹；其中，实时通过的第一路段为第一车辆最近通过的第一路段，实时通过的第二路段为第一车辆最近通过的第二路段；基于所述第一预测行驶路径得到第一车辆的预测行驶的目标第一路段，并生成第一目标路径指纹，以及基于所述第二预测行驶路径得到第二车辆的预测行驶的目标第二路段，并生成第二目标路径指纹；所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播；当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息；其中所述路段信息为所述第一车辆和第二车辆实时采集的路段信息；所述第一车辆和/或所述第二车辆基于接收的路段信息判断是否需要绕开预测行驶的路段；若是，所述第一车辆和/或所述第二车辆则向导航系统发出绕路的指令，并接收导航系统发出的新的导航路径继续行驶。
5.进一步地，所述第一车辆和所述第二车辆在靠近相向行驶的车身上设置有摄像头，所述当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信
息的步骤之前，还包括：所述第一车辆和所述第二车辆通过各自设置在车身上的摄像头拍摄多张相向车道的行驶图片；所述第一车辆或第二车辆计算拍摄的各张行驶图片的视觉分数；其中计算视觉分数的公式为，，表示坐标为i，j处的像素点的像素值，表示与坐标为i，j处的像素点第o个相邻像素点的像素值，p为相邻像素点的个数，表示亮度变化值，m和n分别表示行驶图片的宽度和高度，表示视觉分数；判断所述视觉分数达到预设值的行驶照片是否大于预设数量；若大于预设数量，则基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅标签训练而成。
6.进一步地，所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播的步骤之后，还包括：判断是否具有第三车辆满足第三车辆的第三通过路径指纹与第一车辆的第一目标路径指纹相匹配；若是，则计算第三车辆拍摄的行驶图片的视觉分数；判断第三车辆拍摄的行驶图片的视觉分数是否大于第二车辆拍摄的行驶图片视觉分数；若是，则选取第三车辆的路段信息发送给第一车辆。
7.进一步地，所述当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息的步骤，包括：当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时；所述第一车辆接收所述第二车辆传输第二车辆的第二身份信息和/或所述第二车辆接收第一车辆传输第一车辆第一身份信息；所述第一车辆将所述第二身份信息和实时通过的第一路段的路段信息打包上传至导航系统，和/或所述第二车辆将所述第一身份信息和实时通过的第二路段的路段信息打包上传至导航系统；通过所述导航系统将所述第二车辆传输的实时通过的第二路段的路段信息发送给第一车辆，和/或通过所述导航系统将所述第一车辆传输的实时通过的第一路段的路段信息发送给第二车辆。
8.进一步地，所述基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息的步骤，包括：通过车祸识别模型识别行驶照片，并判断其中是否发生了车祸事件；
若是，则基于所述车祸事件所发生的地点进行标记，并结合交通通畅度模型识别的通畅度形成所述路段信息。
9.本发明还提供了一种基于逆向车辆的智能导航装置，包括：获取模块，用于获取第一车辆的第一预测行驶路径和所述第二车辆的第二预测行驶路径；拆分模块，用于将所述第一预测行驶路径拆分为多个第一路段，以及将所述第二预测行驶路径拆分为多个第二路段；第一生成模块，用于所述第一车辆基于实时通过的第一路段生成第一通过路径指纹，所述第二车辆基于实时通过的第二路段生成第二通过路径指纹；其中，实时通过的第一路段为第一车辆最近通过的第一路段，实时通过的第二路段为第一车辆最近通过的第二路段；第二生成模块，用于基于所述第一预测行驶路径得到第一车辆的预测行驶的目标第一路段，并生成第一目标路径指纹，以及基于所述第二预测行驶路径得到第二车辆的预测行驶的目标第二路段，并生成第二目标路径指纹；广播模块，用于所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播；接收模块，用于当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息；其中所述路段信息为所述第一车辆和第二车辆实时采集的路段信息；判断模块，用于所述第一车辆和/或所述第二车辆基于接收的路段信息判断是否需要绕开预测行驶的路段；绕路模块，用于若是，所述第一车辆和/或所述第二车辆则向导航系统发出绕路的指令，并接收导航系统发出的新的导航路径继续行驶。
10.进一步地，所述基于逆向车辆的智能导航装置，还包括：设置模块，用于所述第一车辆和所述第二车辆通过各自设置在车身上的摄像头拍摄多张相向车道的行驶图片；计算模块，用于所述第一车辆或第二车辆计算拍摄的各张行驶图片的视觉分数；其中计算视觉分数的公式为，，表示坐标为i，j处的像素点的像素值，表示与坐标为i，j处的像素点第o个相邻像素点的像素值，p为相邻像素点的个数，表示亮度变化值，m和n分别表示行驶图片的宽度和高度，表示视觉分数；分数判断模块，用于判断所述视觉分数达到预设值的行驶照片是否大于预设数量；输入模块，用于若大于预设数量，则基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅
标签训练而成。
11.进一步地，基于逆向车辆的智能导航装置，还包括：匹配模块，用于判断是否具有第三车辆满足第三车辆的第三通过路径指纹与第一车辆的第一目标路径指纹相匹配；分数计算模块，用于若是，则计算第三车辆拍摄的行驶图片的视觉分数；分数判断模块，用于判断第三车辆拍摄的行驶图片的视觉分数是否大于第二车辆拍摄的行驶图片视觉分数；信息发送模块，用于若是，则选取第三车辆的路段信息发送给第一车辆。
12.进一步地，所述接收模块，包括：匹配子模块，用于当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时；接收子模块，用于所述第一车辆接收所述第二车辆传输第二车辆的第二身份信息和/或所述第二车辆接收第一车辆传输第一车辆第一身份信息；上传子模块，用于所述第一车辆将所述第二身份信息和实时通过的第一路段的路段信息打包上传至导航系统，和/或所述第二车辆将所述第一身份信息和实时通过的第二路段的路段信息打包上传至导航系统；发送子模块，用于通过所述导航系统将所述第二车辆传输的实时通过的第二路段的路段信息发送给第一车辆，和/或通过所述导航系统将所述第一车辆传输的实时通过的第一路段的路段信息发送给第二车辆。
13.进一步地，所述输入模块，包括：识别子模块，用于通过车祸识别模型识别行驶照片，并判断其中是否发生了车祸事件；标记子模块，用于若是，则基于所述车祸事件所发生的地点进行标记，并结合交通通畅度模型识别的通畅度形成所述路段信息。
14.本发明的有益效果：通过获取第一车辆和第二车辆的预测行驶路径，并拆分为多个路段，利用相向行驶的第一车辆和第二车辆判断是否需要绕开预测行驶的路段，实现了根据逆向车辆来确定前方是否发生了拥堵或车祸，可以获取到实时的信息，给车主更好的驾驶体验。
附图说明
15.图1 是本发明一实施例的一种基于逆向车辆的智能导航方法的流程示意图；图2 是本发明一实施例的一种基于逆向车辆的智能导航装置的结构示意框图。
16.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后等）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变，所述的连接可以是直接连接，也可以是间接连接。
19.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
20.另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
21.参照图1，本发明提出一种基于逆向车辆的智能导航方法，包括：s1：获取第一车辆的第一预测行驶路径和所述第二车辆的第二预测行驶路径；s2：将所述第一预测行驶路径拆分为多个第一路段，以及将所述第二预测行驶路径拆分为多个第二路段；s3：过路径指纹，所述第二车辆基于实时通过的第二路段生成第二通过所述第一车辆基于实时通过的第一路段生成第一通路径指纹；其中，实时通过的第一路段为第一车辆最近通过的第一路段，实时通过的第二路段为第一车辆最近通过的第二路段；s4：基于所述第一预测行驶路径得到第一车辆的预测行驶的目标第一路段，并生成第一目标路径指纹，以及基于所述第二预测行驶路径得到第二车辆的预测行驶的目标第二路段，并生成第二目标路径指纹；s5：所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播；s6：当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息；其中所述路段信息为所述第一车辆和第二车辆实时采集的路段信息；s7：所述第一车辆和/或所述第二车辆基于接收的路段信息判断是否需要绕开预测行驶的路段；s8：若是，所述第一车辆和/或所述第二车辆则向导航系统发出绕路的指令，并接收导航系统发出的新的导航路径继续行驶。
22.如上述步骤s1所述，获取第一车辆的第一预测行驶路径和所述第二车辆的第二预测行驶路径。其中，第一车辆和第二车辆为行驶在公路上的车辆，其第一预测行驶路径和第二预测行驶路径是导航系统根据其输入的起点和终点所智能规划的路径，因此，可以直接进行获取，另外，获取的终端可以是导航系统，也可以是第一车辆获取到第一预测行驶路径，第二车辆获取第二车辆的第二预测行驶路径。
23.如上述步骤s2所述，将所述第一预测行驶路径拆分为多个第一路段，以及将所述第二预测行驶路径拆分为多个第二路段，其中，拆分的方式不作限定，需要说明的是，拆分
的路段之间可以包括一些十字路口，拆分后的路段不宜太长，否则后续进行第一车辆和第二车辆的匹配时，会具有一些困难，当然也不宜太短，容易造成第一车辆与多个车辆进行匹配，并且由于第一车辆和第二车辆的实时性，其数据一般不会发生特别多的变化，因此，在保证可以具有车辆匹配的情况下，可以适当延长路段的距离，在一些实施例中，为了保证第一车辆和第二车辆拆分后的路段是相同的同一路段，即对于相同的路径只有一种拆分方式，可以理解为预先对各个路段进行了拆分，在输入了行驶路径后，根据该拆分的情况，获取到各个路段即可，从而避免了第一车辆和第二车辆拆分的路段不相匹配。
24.如上述步骤s3所述，所述第一车辆基于实时通过的第一路段生成第一通过路径指纹，所述第二车辆基于实时通过的第二路段生成第二通过路径指纹；其中，实时通过的第一路段为第一车辆最近通过的第一路段，实时通过的第二路段为第一车辆最近通过的第二路段。其中，第一通过路径指纹和第二通过路径指纹是指车辆根据通过的第二路段生成的一种密钥，具体地，该第一通过路径指纹和我第二通过路径指纹的具体形成是根据其实时通过的路段的起点和终点生成，在匹配时，只需要判断第一车辆的第一通过路径指纹与第二目标路径指纹的首尾是否刚好相反即可，该实时通过的路段是指车辆刚刚行驶通过的第一路段，假设车辆行驶具有abc三个路段，当车辆通过了a路段时，行驶在b路段，马上要到达c路段，那么该车辆的通过路径指纹则是以a路段的起点和终点生成的，a路段的起点和终点的确定是根据车辆的行驶方向所确定的。
25.如上述步骤s4所述，基于所述第一预测行驶路径得到第一车辆的预测行驶的目标第一路段，并生成第一目标路径指纹，以及基于所述第二预测行驶路径得到第二车辆的预测行驶的目标第二路段，并生成第二目标路径指纹，同理，假设车辆行驶具有abc三个路段，当车辆通过了a路段时，行驶在b路段，马上要到达c路段，那么该车辆的目标路径指纹则是以c路段的起点和终点生成的，c路段的起点和终点的确定是根据车辆的行驶方向所确定的。在匹配时，只需要判断第一车辆的第一通过路径指纹与第二目标路径指纹的首尾是否刚好相反即可。
26.如上述步骤s5所述，所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播，其中广播的方式可以是通过第一车辆与第二车辆的无线通信设备进行通信，例如：例如wifi，zigbee，蓝牙，z-wave等。也可以是在路段中间设置一个基站进行信息的传递，通过智能网关进行转发，广播是为了便于智能网关或者是其他车辆进行接收相关的信息。
27.如上述步骤s6所述，当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息；其中所述路段信息为所述第一车辆和第二车辆实时采集的路段信息，其中匹配只需要判断第一车辆的第一通过路径指纹与第二目标路径指纹的首尾是否刚好相反，或者是第二车辆的第一通过路径指纹与第一目标路径指纹的首尾是否刚好相反即可。当匹配了之后，可以建立第一车辆和第二车辆的数据连接，也可以是建立车辆与智能网关之间的连接，从而可以便于获取到对应的路段信息。
28.如上述步骤s7-s8所述，所述第一车辆和/或所述第二车辆基于接收的路段信息判断是否需要绕开预测行驶的路段，当需要绕开该路段时，所述第一车辆和/或所述第二车辆
则向导航系统发出绕路的指令，并接收导航系统发出的新的导航路径继续行驶，其中可以在导航系统上标注该条路段不通过，故而导航系统可以基于此设置新的导航路径，并发送给车辆，当然，确定新的导航路线后还可以发给客户进行确定，绕路的距离和路径等，从而便于用户进行选择，从而可以实现根据逆向车辆来确定前方是否发生了拥堵或车祸，可以获取到实时的信息，给车主更好的驾驶体验。
29.在一个实施例中，所述第一车辆和所述第二车辆在靠近相向行驶的车身上设置有摄像头，所述当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息的步骤s6之前，还包括：s501：所述第一车辆和所述第二车辆通过各自设置在车身上的摄像头拍摄多张相向车道的行驶图片；s502：所述第一车辆或第二车辆计算拍摄的各张行驶图片的视觉分数；其中计算视觉分数的公式为，，表示坐标为i，j处的像素点的像素值，表示与坐标为i，j处的像素点第o个相邻像素点的像素值，p为相邻像素点的个数，表示亮度变化值，m和n分别表示行驶图片的宽度和高度，表示视觉分数；s503：判断所述视觉分数达到预设值的行驶照片是否大于预设数量；s504：若大于预设数量，则基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅标签训练而成。
30.如上述步骤s501所述，所述第一车辆和所述第二车辆在靠近相向行驶的车身上设置有摄像头，在中国而言，道路一般是行走靠右的，该摄像头设置在车辆的左侧，可以向逆向行驶的车道拍摄图片即可，拍摄的方式可以是采用间隔的拍摄方法，例如每隔5s拍摄一次，从而对于同一路段可以获取到多张行驶图片，在一些实施例中，也可以根据行车记录仪的拍摄画面得到拍摄图片。
31.如上述步骤s502所述，所述第一车辆或第二车辆计算拍摄的各张行驶图片的视觉分数，由于车辆在行驶的过程中，且车辆不一定靠近最内侧的车道行驶，因此，获取到行驶图片可能不具有道路的数据，因此采用公式为，，当车辆拍摄的视野较少时，一般认为被遮挡了，遮挡的物体可以是其他车辆，也可以是路边的遮挡物，但是在被遮挡后，由于视野较少，其像素点的变化量相对来说也会小一些，因此，采用相邻视觉差，即亮度变化值来体现，当这个值足够大时，可以认为具有一定的视野，需要说明的是，本技术中的像素点并非是指传统意义上的像素点，其可以是多个像素点的平均值，避免了因局部的原因，导致像素点与周围像素点的像素值相差不大造成误差。
32.如上述步骤s503-s504所述，判断所述视觉分数达到预设值的行驶照片是否大于预设数量；若大于预设数量，则基于所述行驶照片输入预设的交通通畅度模型中，得到对应
的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅标签训练而成。需要说明的是，该预设值为研究人员根据实际情况所设置的具体值，大于该值时可以认为该行驶照片具有分析价值，若不大于，则认为没有分析价值，当然，在行驶的过程中不可避免的会有一些遮挡情况，因此，只需要保证至少有预设数量的行驶照片大于预设值即可，然后输入预设的交通通畅度模型中，得到对应的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅标签训练而成，该交通通畅度模型为神经网络模型。
33.在一个实施例中，所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播的步骤s5之后，还包括：s601：判断是否具有第三车辆满足第三车辆的第三通过路径指纹与第一车辆的第一目标路径指纹相匹配；s602：若是，则计算第三车辆拍摄的行驶图片的视觉分数；s603：判断第三车辆拍摄的行驶图片的视觉分数是否大于第二车辆拍摄的行驶图片视觉分数；s604：若是，则选取第三车辆的路段信息发送给第一车辆。
34.如上述步骤s601-s604所述，在实际情况中，符合要求不一定只有一个第二车辆，同时还可能具有第三车辆，当第三车辆的视野更好时，即第三车辆的摄像头拍摄的角度更好，或者第三车辆为大车，例如货车时，其拍摄的信息更具有分析价值，而判断的方式则是计算视觉分数，当第三车辆拍摄的视觉分数大于第二车辆拍摄的行驶图片视觉分数时，就可以选取第三车辆的路段信息发送给第一车辆，需要说明的是，第三车辆与第二车辆为同向行驶的车辆，此外，各个车辆还可以将拍摄的视觉分数以广播的形式进行广播，从而便于第一车辆进行筛选。
35.在一个实施例中，所述当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息的步骤s6，包括：s611：当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时；s612：所述第一车辆接收所述第二车辆传输第二车辆的第二身份信息和/或所述第二车辆接收第一车辆传输第一车辆第一身份信息；s613：所述第一车辆将所述第二身份信息和实时通过的第一路段的路段信息打包上传至导航系统，和/或所述第二车辆将所述第一身份信息和实时通过的第二路段的路段信息打包上传至导航系统；s614：通过所述导航系统将所述第二车辆传输的实时通过的第二路段的路段信息发送给第一车辆，和/或通过所述导航系统将所述第一车辆传输的实时通过的第一路段的路段信息发送给第二车辆。
36.如上述步骤s611-s614所述，通过导航系统来实现路段信息，当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时；所述第一车辆接收所述第二车辆传输第二车辆的第二身份信息和/或所述第二车辆
接收第一车辆传输第一车辆第一身份信息，其中，第一身份信息为第一车辆的唯一标识性信息，同理，第二身份信息为第二车辆的唯一标识性信息，其具体可以是第一车辆在导航系统上的账号，所述第一车辆将所述第二身份信息和实时通过的第一路段的路段信息打包上传至导航系统，和/或所述第二车辆将所述第一身份信息和实时通过的第二路段的路段信息打包上传至导航系统，通过所述导航系统将所述第二车辆传输的实时通过的第二路段的路段信息发送给第一车辆，和/或通过所述导航系统将所述第一车辆传输的实时通过的第一路段的路段信息发送给第二车辆。
37.在一个实施例中，所述基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息的步骤s504，包括：s5041：通过车祸识别模型识别行驶照片，并判断其中是否发生了车祸事件；s5042：若是，则基于所述车祸事件所发生的地点进行标记，并结合交通通畅度模型识别的通畅度形成所述路段信息。
38.如上述步骤s5041-s5042所述，实现了对车祸事件的判断并预防，即通过车祸识别模型识别行驶照片，该车祸识别模型是通过大量的行驶照片以及对应的标签训练而成，在发生了车祸事件后，可以进行标记，便于预防。
39.参照图2，本发明还提供了一种基于逆向车辆的智能导航装置，包括：获取模块10，用于获取第一车辆的第一预测行驶路径和所述第二车辆的第二预测行驶路径；拆分模块20，用于将所述第一预测行驶路径拆分为多个第一路段，以及将所述第二预测行驶路径拆分为多个第二路段；第一生成模块30，用于所述第一车辆基于实时通过的第一路段生成第一通过路径指纹，所述第二车辆基于实时通过的第二路段生成第二通过路径指纹；其中，实时通过的第一路段为第一车辆最近通过的第一路段，实时通过的第二路段为第一车辆最近通过的第二路段；第二生成模块40，用于基于所述第一预测行驶路径得到第一车辆的预测行驶的目标第一路段，并生成第一目标路径指纹，以及基于所述第二预测行驶路径得到第二车辆的预测行驶的目标第二路段，并生成第二目标路径指纹；广播模块50，用于所述第一车辆基于所述第一目标路径指纹和所述第一通过路径指纹进行广播，所述第二车辆基于所述第二目标路径指纹和所述第二通过路径指纹进行广播；接收模块60，用于当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时，所述第一车辆接收所述第二车辆传输的实时通过的第二路段的路段信息和/或所述第二车辆接收第一车辆传输的实时通过的第一路段的路段信息；其中所述路段信息为所述第一车辆和第二车辆实时采集的路段信息；判断模块70，用于所述第一车辆和/或所述第二车辆基于接收的路段信息判断是否需要绕开预测行驶的路段；绕路模块80，用于若是，所述第一车辆和/或所述第二车辆则向导航系统发出绕路的指令，并接收导航系统发出的新的导航路径继续行驶。
40.在一个实施例中，所述基于逆向车辆的智能导航装置，还包括：设置模块，用于所述第一车辆和所述第二车辆通过各自设置在车身上的摄像头拍摄多张相向车道的行驶图片；计算模块，用于所述第一车辆或第二车辆计算拍摄的各张行驶图片的视觉分数；其中计算视觉分数的公式为，，表示坐标为i，j处的像素点的像素值，表示与坐标为i，j处的像素点第o个相邻像素点的像素值，p为相邻像素点的个数，表示亮度变化值，m和n分别表示行驶图片的宽度和高度，表示视觉分数；分数判断模块，用于判断所述视觉分数达到预设值的行驶照片是否大于预设数量；输入模块，用于若大于预设数量，则基于所述行驶照片输入预设的交通通畅度模型中，得到对应的路段信息；其中所述交通通畅度模型根据各种行驶图片以及对应的通畅标签训练而成。
41.在一个实施例中，基于逆向车辆的智能导航装置，还包括：匹配模块，用于判断是否具有第三车辆满足第三车辆的第三通过路径指纹与第一车辆的第一目标路径指纹相匹配；分数计算模块，用于若是，则计算第三车辆拍摄的行驶图片的视觉分数；分数判断模块，用于判断第三车辆拍摄的行驶图片的视觉分数是否大于第二车辆拍摄的行驶图片视觉分数；信息发送模块，用于若是，则选取第三车辆的路段信息发送给第一车辆。
42.在一个实施例中，所述接收模块，包括：匹配子模块，用于当所述第一目标路径指纹与所述第二通过路径指纹和/或所述第二目标路径指纹与所述第一通过路径指纹相匹配时；接收子模块，用于所述第一车辆接收所述第二车辆传输第二车辆的第二身份信息和/或所述第二车辆接收第一车辆传输第一车辆第一身份信息；上传子模块，用于所述第一车辆将所述第二身份信息和实时通过的第一路段的路段信息打包上传至导航系统，和/或所述第二车辆将所述第一身份信息和实时通过的第二路段的路段信息打包上传至导航系统；发送子模块，用于通过所述导航系统将所述第二车辆传输的实时通过的第二路段的路段信息发送给第一车辆，和/或通过所述导航系统将所述第一车辆传输的实时通过的第一路段的路段信息发送给第二车辆。
43.在一个实施例中，所述输入模块，包括：识别子模块，用于通过车祸识别模型识别行驶照片，并判断其中是否发生了车祸事件；标记子模块，用于若是，则基于所述车祸事件所发生的地点进行标记，并结合交通通畅度模型识别的通畅度形成所述路段信息。
44.本发明的有益效果：通过获取第一车辆和第二车辆的预测行驶路径，并拆分为多
个路段，利用相向行驶的第一车辆和第二车辆判断是否需要绕开预测行驶的路段，实现了根据逆向车辆来确定前方是否发生了拥堵或车祸，可以获取到实时的信息，给车主更好的驾驶体验。
45.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
46.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
47.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。