一种轨道列车驾驶辅助的方法、装置及系统与流程

本申请涉及车辆驾驶技术领域，尤其是涉及一种轨道列车驾驶辅助的方法、装置及系统。

背景技术：

伴随网络的快速发展，一般通过网络对信号进行传输，在驾驶车辆行驶的过程中，通过接收关于前方行驶路线反馈的信号，从而使得驾驶员更好的了解前方行驶路线的路况，并作出是否继续在当前路线继续行驶的决定。

但是只根据信号传输的信息，确定驾驶员的驾驶情况，使得在网络出现问题、或者信号较弱的情况下，不能及时接收到前方行驶路线反馈的信号，或者接收不到前方行驶路线反馈的信号，因此需要在网络出现问题、或者信号较弱时，可以辅助车辆驾驶的方法，提高车辆驾驶的安全。

技术实现要素：

有鉴于此，本申请的目的在于提供一种轨道列车驾驶辅助的方法、装置及系统，以辅助车辆驾驶，提高车辆驾驶的安全。

第一方面，本申请实施例提供了一种轨道列车驾驶辅助的系统，包括：处理模块、以及辅助模块；

所述处理模块，用于获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至所述辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；

所述辅助模块，用于接收所述目标检测数据和所述检测结果，并基于所述目标检测数据、以及所述检测结果，生成提示信息。

本申请的一实施例中，所述检测数据包括：基于图像获取设备获取的检测图像、和/或基于雷达获取的点云数据；

所述系统还包括：第一设备节点、和/或第二设备节点；

所述第一设备节点，用于接收多个图像获取设备在不同角度对所述目标空间进行曝光后获取的所述检测图像，并将多个图像获取设备获取的所述检测图像进行同步后，发送至所述处理模块；

所述第二设备节点，用于接收雷达对所述目标空间进行检测获取的所述点云数据，并将所述点云数据发送至所述处理模块。

本申请的一实施例中，针对所述检测数据包括检测图像，且所述检测结果包括轨道检测结果的情况，所述处理模块用于采用下述方式得到轨道检测结果：

对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置；

基于所述轨道位置，生成所述轨道检测结果。

本申请的一实施例中，所述对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置，包括：

将所述检测图像输入至预先训练的第一语义分割模型中，得到与所述检测图像中每一个像素点对应的语义分割结果；任一像素点的语义分割结果包括：轨道、非轨道任一种；

基于所述语义分割结果，从所述检测图像中确定所述轨道位置。

本申请的一实施例中，针对所述检测数据包括点云数据，且所述检测结果包括障碍物检测结果的情况，所述处理模块用于采用下述方式得到障碍物检测结果：

将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果；任一位置点对应的语义分割结果包括：障碍物点与非障碍物点中的一种；

基于所述语义分割结果，从所述点云数据中确定与各个障碍物点分别对应的所述障碍物点数据，并利用所述障碍物点数据构建与所述目标空间对应的特征矩阵；所述特征矩阵用于表征所述目标空间的空间状态；

将所述特征矩阵输入至预先训练好的障碍物检测模型中，得到与所述目标空间对应的障碍物检测结果。

本申请的一实施例中，所述点云数据包括所述目标空间中各个位置点分别对应的检测结果；所述目标空间中的位置点包括障碍物点与非障碍物点；

所述处理模块在将所述点云数据输入至预先训练好的第二语义分割模型中之前，还用于：

根据所述点云数据包括的各个位置点分别对应的检测结果，生成多张二维图像；

其中，所述二维图像中的像素点与各个所述位置点一一对应；且属于同一二维图像中的各个像素点对应的位置点位于同一平面；

所述将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果，包括：

将各张所述二维图像依次输入至预先训练好的所述第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果。

本申请的一实施例中，所述处理模块用于采用下述方式利用所述障碍物点数据构建与所述目标空间对应的特征矩阵：

将所述目标空间划分为多个子空间；

针对每个所述子空间：从各个所述障碍物点中，确定属于该子空间的目标障碍物点，并对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点；将所述采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到所述子空间对应的子特征向量；

基于所有所述子空间中分别对应的子特征向量，得到所述特征矩阵。

本申请的一实施例中，所述处理模块用于采用下述方式对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点：

将该子空间中任一目标障碍物点作为基准障碍物点，并从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点；

将确定的所述采样障碍物点作为新的基准障碍物点，并返回至从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点的步骤，直至确定的所述采样障碍物点的数量达到预设数量。

本申请的一实施例中，所述处理模块用于采用下述方式将所述目标检测数据、以及所述检测结果发送至所述辅助模块：

将所述目标检测数据、以及所述检测结果根据预设规则进行压缩，并按照预设命名规则进行命名，形成压缩数据，并将所述压缩数据发送至所述辅助模块。

第二方面，本申请实施例还提供一种轨道列车驾驶辅助的方法，包括：

获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；

基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；所述目标检测数据、以及所述检测结果用于所述辅助模块生成提示信息。

第三方面，本申请实施例还提供一种轨道列车驾驶辅助的装置，包括：

获取模块，用于获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；

确定模块，用于基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；所述目标检测数据、以及所述检测结果用于所述辅助模块生成提示信息。

第四方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第二方面的实施方式中的步骤。

第五方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第二方面的实施方式中的步骤。

本申请实施例提供的一种轨道列车驾驶辅助的方法、装置及系统，通过处理模块获取多个检测设备对目标空间进行检测得到的检测数据，确定目标空间的检测结果；检测结果包括：障碍物检测结果和/或轨道检测结果；并基于检测结果在检测数据中确定目标检测数据，将目标检测数据、检测结果发送至辅助模块，在辅助模块中生成提示信息进行提示，从而辅助车辆驾驶，提高车辆驾驶的安全。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本申请实施例所提供的一种轨道列车驾驶辅助的系统的结构图；

图2示出了本申请实施例所提供的一种轨道列车驾驶辅助的方法的流程图；

图3示出了本申请实施例所提供的一种轨道列车驾驶辅助的装置的结构示意图；

图4示出了本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

在驾驶车辆行驶的过程中，通过接收关于前方行驶路线反馈的信号，从而使得驾驶员更好的了解前方行驶路线的路况，并作出是否继续在当前路线继续行驶的决定，但是只根据信号传输的信息，确定驾驶员的驾驶情况，在网络出现问题、或者信号较弱时，不能及时接收到前方行驶路线反馈的信号，或者接收不到前方行驶路线反馈的信号，因此需要在网络出现问题、或者信号较弱时，可以辅助车辆驾驶，基于此，本申请实施例提供了一种轨道列车驾驶辅助的方法、装置及系统，下面通过实施例进行描述。

为便于对本实施例进行理解，首先对本申请实施例所公开的一种轨道列车驾驶辅助的系统进行详细介绍。

实施例一

参见图1所示，示出了本申请实施例所提供的一种轨道列车驾驶辅助的系统的结构图，具体包括：处理模块101、以及辅助模块102。

处理模块101，用于获取多个检测设备对目标空间进行检测得到的检测数据，并根据检测数据确定目标空间的检测结果；基于检测结果从检测数据中确定目标检测数据，并将目标检测数据、以及检测结果发送至辅助模块；其中，检测结果包括：障碍物检测结果和/或轨道检测结果。

这里，检测设备可以包括摄像机、激光雷达、毫米波雷达中的一种或多种，通过检测设备对目标空间进行检测得到检测数据，根据检测数据确定目标空间的检测结果的具体步骤在后面详细描述，在此不再赘述，根据检测结果确定目标空间中距离最小的目标检测结果，目标检测结果可以只通过摄像机检测设备确定，也可以通过摄像机和激光雷达两种检测设备结合确定。

辅助模块102，用于接收目标检测数据和检测结果，并基于目标检测数据、以及检测结果，生成提示信息。

可选的，提示信息可以是声音提示，也可以是信号闪烁提示，在此不限定具体的提示方法。

本申请的一具体应用场景中，检测数据包括：基于图像获取设备获取的检测图像、和/或基于雷达获取的点云数据；系统还包括：第一设备节点、和/或第二设备节点。

第一设备节点，用于接收多个图像获取设备在不同角度对目标空间进行曝光后获取的检测图像，并将多个图像获取设备获取的检测图像进行同步后，发送至处理模块。

第二设备节点，用于接收雷达对目标空间进行检测获取的点云数据，并将点云数据发送至处理模块。

具体的，通过设置图像获取设备的参数、以及设置图像获取设备的数量确定第一设备节点接收到的检测图像，并且还可以设置获取的检测图像为图片格式或者为视频格式，以及检测图像为图像获取设备实时传输的图像或者历史存储的图像。

并且，在第一设备节点中对多个图像获取设备获取到的检测图像进行编号存储，当图像获取设备实时传输图像时，存储实时传输过程中图像帧与帧之间的间隔时间，通过设置采集频率，获取检测图像，例如采集频率设置为3时，即为每收到3张图像，保存1张图像。

示例性的，当图像获取设备为两台摄像机，通过设置摄像机的参数使得两台摄像机分别采集目标空间的近焦、远焦的图像，分别将近焦、远焦采集的图像发送至第一设备节点，若第一设备节点接收到近焦摄像机采集的图像后，在预设时间内接收到远焦摄像机采集的图像，那么将近焦、远焦摄像机采集的图像设置为时间同步，若预设时间内未接收到远焦摄像机采集的图像，那么只将近焦摄像机采集的图像发送至处理模块，预设时间可根据实际应用场景进行调整。

这里，第二设备节点接收雷达对目标空间进行检测获取的点云数据为雷达实时检测后传输到第二设备节点中，可以在第二设备节点中设置为保存点云数据，也可以设置为不保存点云数据，当设置为保存点云数据时，在第二设备节点中对雷达获取到的点云数据进行编号存储，并将点云数据发送至处理模块。

处理模块根据检测数据确定目标空间的检测结果，检测结果包括：障碍物检测结果和/或轨道检测结果，具体包括以下两种情况：

一、针对检测数据包括检测图像，且检测结果包括轨道检测结果的情况，处理模块用于采用下述方式得到轨道检测结果：

对检测图像进行语义分割处理，从检测图像中确定轨道位置；基于轨道位置，生成轨道检测结果。

具体的，将检测图像输入至预先训练的第一语义分割模型中，得到与检测图像中每一个像素点对应的语义分割结果；任一像素点的语义分割结果包括：轨道、非轨道任一种；基于语义分割结果，从检测图像中确定轨道位置。

二、针对检测数据包括点云数据，且检测结果包括障碍物检测结果的情况，处理模块用于采用下述方式得到障碍物检测结果：

从点云数据中，确定与各个障碍物点分别对应的障碍物点数据，并利用障碍物点数据构建与目标空间对应的特征矩阵；特征矩阵用于表征目标空间的空间状态；将特征矩阵输入至预先训练好的障碍物检测模型中，得到与目标空间对应的障碍物检测结果。

具体的，将点云数据输入至预先训练好的第二语义分割模型中，获取点云数据中各个位置点分别对应的语义分割结果；任一位置点对应的语义分割结果包括：障碍物点与非障碍物点中的一种；基于语义分割结果，从点云数据中确定与各个障碍物点分别对应的障碍物点数据。

例如，第二语义分割模型包括第一卷积模块、第二卷积模块、第一池化层、以及分类器；第一卷积模块包括多个第一卷积层；第二卷积模块包括至少一个第二卷积层。

采用下述方式训练得到第二语义分割模型：

获取多组样本点云数据，每组样本点云数据包括：多个样本位置点分别对应的样本点数据，以及每个样本位置点是否为障碍物点的标识；

针对每组样本点云数据，执行下述处理过程：

将样本点云数据输入至第二语义分割模型的第一卷积模块进行多次卷积处理，获取样本点云数据对应的第一样本特征向量，以及第一卷积模块中目标第一卷积层输出的中间样本特征向量；目标第一卷积层为除最后一层第一卷积层以外的任一第一卷积层；将第一样本特征向量输入至第一池化层进行池化处理，得到第二样本特征向量；将第二样本特征向量与中间样本特征向量进行拼接，得到第三样本特征向量，并将第三样本特征向量输入至第二卷积模块进行至少一次卷积处理，获取第二卷积模块输出的样本特征向量。

将样本特征向量输入至分类器，得到与该组样本点云数据对应的语义分割结果；基于各组样本点云数据分别对应的语义分割结果以及标识，对第一卷积模块、第二卷积模块、第一池化层、分类器进行本轮训练；并经过多轮训练后，得到第二语义分割模型。

可选的，点云数据包括目标空间中各个位置点分别对应的检测结果；目标空间中的位置点包括障碍物点与非障碍物点；处理模块在将点云数据输入至预先训练好的第二语义分割模型中之前，还用于：

根据点云数据包括的各个位置点分别对应的检测结果，生成多张二维图像；其中，二维图像中的像素点与各个位置点一一对应；且属于同一二维图像中的各个像素点对应的位置点位于同一平面。

然后将各张二维图像依次输入至预先训练好的第二语义分割模型中，获取点云数据中各个位置点分别对应的语义分割结果。

本申请的一具体应用场景中，处理模块采用下述方式利用障碍物点数据构建与目标空间对应的特征矩阵：将目标空间划分为多个子空间。

针对每个子空间：从各个障碍物点中，确定属于该子空间的目标障碍物点，并对目标障碍物点进行采样，获取与该子空间对应的采样障碍物点；将采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到子空间对应的子特征向量，基于所有子空间中分别对应的子特征向量，得到特征矩阵。

这里，将该子空间中任一目标障碍物点作为基准障碍物点，并从该子空间内除基准障碍物点外的其他目标障碍物点中，确定与基准障碍物点距离最远的目标障碍物点作为采样障碍物点。

将确定的采样障碍物点作为新的基准障碍物点，并返回至从该子空间内除基准障碍物点外的其他目标障碍物点中，确定与基准障碍物点距离最远的目标障碍物点作为采样障碍物点的步骤，直至确定的采样障碍物点的数量达到预设数量。

具体的，特征向量提取模型包括：线性模块、卷积层、第二池化层、以及第三池化层；将采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到子空间对应的子特征向量，包括：

将该子空间中各个采样障碍物点分别对应的障碍物点数据输入至线性模块进行线性变换处理，得到第一线性特征向量，并将第一线性特征向量输入至第二池化层进行最大池化处理，得到第二线性特征向量；以及，将该子空间中各个采样障碍物点分别对应的障碍物点数据输入至卷积层进行卷积处理，得到第一卷积特征向量。

将第二线性特征向量与第一卷积特征向量进行连接，得到第一连接特征向量；将第一连接特征向量输入至第三池化层进行池化处理，得到子空间对应的子特征向量。

本申请的一具体应用场景中，处理模块101用于采用下述方式将目标检测数据、以及检测结果发送至辅助模块102：

将目标检测数据、以及检测结果根据预设规则进行压缩，并按照预设命名规则进行命名，形成压缩数据，并将压缩数据发送至辅助模块102。

本申请实施例提供的一种轨道列车驾驶辅助的系统，包括：处理模块、以及辅助模块，通过处理模块获取多个检测设备对目标空间进行检测得到的检测数据，确定目标空间的检测结果；检测结果包括：障碍物检测结果和/或轨道检测结果；并基于检测结果在检测数据中确定目标检测数据，将目标检测数据、检测结果发送至辅助模块，在辅助模块中生成提示信息进行提示，从而在轨道列车通过网络信号传输、以及通过轨道列车中的检测设备等多种方式获取行驶路线状况时，即使出现网络中断或者信号较弱的情况，还可以通过轨道列车中的检测设备获取行驶路线状况，进而辅助车辆驾驶，提高车辆驾驶的安全。

实施例二

参见图2所示，示出了本申请实施例所提供的一种轨道列车驾驶辅助的方法的流程图，具体包括以下步骤：

s201：获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；

s202：基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；所述目标检测数据、以及所述检测结果用于所述辅助模块生成提示信息。

本申请一实施例中，所述检测数据包括：基于图像获取设备获取的检测图像、和/或基于雷达获取的点云数据；针对所述检测数据包括检测图像，且所述检测结果包括轨道检测结果的情况，采用下述方式得到轨道检测结果：

对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置；

基于所述轨道位置，生成所述轨道检测结果。

本申请一实施例中，所述对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置，包括：

将所述检测图像输入至预先训练的第一语义分割模型中，得到与所述检测图像中每一个像素点对应的语义分割结果；任一像素点的语义分割结果包括：轨道、非轨道任一种；

基于所述语义分割结果，从所述检测图像中确定所述轨道位置。

本申请一实施例中，针对所述检测数据包括点云数据，且所述检测结果包括障碍物检测结果的情况，采用下述方式得到障碍物检测结果：

将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果；任一位置点对应的语义分割结果包括：障碍物点与非障碍物点中的一种；

基于所述语义分割结果，从所述点云数据中确定与各个障碍物点分别对应的所述障碍物点数据，并利用所述障碍物点数据构建与所述目标空间对应的特征矩阵；所述特征矩阵用于表征所述目标空间的空间状态；

将所述特征矩阵输入至预先训练好的障碍物检测模型中，得到与所述目标空间对应的障碍物检测结果。

本申请一实施例中，所述点云数据包括所述目标空间中各个位置点分别对应的检测结果；所述目标空间中的位置点包括障碍物点与非障碍物点；

将所述点云数据输入至预先训练好的第二语义分割模型中之前，还包括：

根据所述点云数据包括的各个位置点分别对应的检测结果，生成多张二维图像；

其中，所述二维图像中的像素点与各个所述位置点一一对应；且属于同一二维图像中的各个像素点对应的位置点位于同一平面；

所述将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果，包括：

将各张所述二维图像依次输入至预先训练好的所述第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果。

本申请一实施例中，采用下述方式利用所述障碍物点数据构建与所述目标空间对应的特征矩阵：

将所述目标空间划分为多个子空间；

针对每个所述子空间：从各个所述障碍物点中，确定属于该子空间的目标障碍物点，并对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点；将所述采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到所述子空间对应的子特征向量；

基于所有所述子空间中分别对应的子特征向量，得到所述特征矩阵。

本申请一实施例中，采用下述方式对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点：

将该子空间中任一目标障碍物点作为基准障碍物点，并从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点；

将确定的所述采样障碍物点作为新的基准障碍物点，并返回至从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点的步骤，直至确定的所述采样障碍物点的数量达到预设数量。

本申请一实施例中，采用下述方式将所述目标检测数据、以及所述检测结果发送至辅助模块：

将所述目标检测数据、以及所述检测结果根据预设规则进行压缩，并按照预设命名规则进行命名，形成压缩数据，并将所述压缩数据发送至所述辅助模块。

实施例三

参见图3所示，示出了本申请实施例所提供的一种轨道列车驾驶辅助的装置的结构图，包括：获取模块301、确定模块302，具体的：

获取模块301，用于获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；

确定模块302，用于基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；所述目标检测数据、以及所述检测结果用于所述辅助模块生成提示信息。

本申请一实施例中，所述检测数据包括：基于图像获取设备获取的检测图像、和/或基于雷达获取的点云数据；所述获取模块301中，针对所述检测数据包括检测图像，且所述检测结果包括轨道检测结果的情况，采用下述方式得到轨道检测结果：

对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置；

基于所述轨道位置，生成所述轨道检测结果。

本申请一实施例中，所述获取模块301中，对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置，包括：

将所述检测图像输入至预先训练的第一语义分割模型中，得到与所述检测图像中每一个像素点对应的语义分割结果；任一像素点的语义分割结果包括：轨道、非轨道任一种；

基于所述语义分割结果，从所述检测图像中确定所述轨道位置。

本申请一实施例中，所述获取模块301中，针对所述检测数据包括点云数据，且所述检测结果包括障碍物检测结果的情况，采用下述方式得到障碍物检测结果：

将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果；任一位置点对应的语义分割结果包括：障碍物点与非障碍物点中的一种；

基于所述语义分割结果，从所述点云数据中确定与各个障碍物点分别对应的所述障碍物点数据，并利用所述障碍物点数据构建与所述目标空间对应的特征矩阵；所述特征矩阵用于表征所述目标空间的空间状态；

将所述特征矩阵输入至预先训练好的障碍物检测模型中，得到与所述目标空间对应的障碍物检测结果。

本申请一实施例中，所述点云数据包括所述目标空间中各个位置点分别对应的检测结果；所述目标空间中的位置点包括障碍物点与非障碍物点；

所述获取模块301中，将所述点云数据输入至预先训练好的第二语义分割模型中之前，还包括：

根据所述点云数据包括的各个位置点分别对应的检测结果，生成多张二维图像；

其中，所述二维图像中的像素点与各个所述位置点一一对应；且属于同一二维图像中的各个像素点对应的位置点位于同一平面；

所述将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果，包括：

将各张所述二维图像依次输入至预先训练好的所述第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果。

本申请一实施例中，所述获取模块301中，采用下述方式利用所述障碍物点数据构建与所述目标空间对应的特征矩阵：

将所述目标空间划分为多个子空间；

针对每个所述子空间：从各个所述障碍物点中，确定属于该子空间的目标障碍物点，并对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点；将所述采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到所述子空间对应的子特征向量；

基于所有所述子空间中分别对应的子特征向量，得到所述特征矩阵。

本申请一实施例中，所述获取模块301中，采用下述方式对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点：

将该子空间中任一目标障碍物点作为基准障碍物点，并从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点；

将确定的所述采样障碍物点作为新的基准障碍物点，并返回至从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点的步骤，直至确定的所述采样障碍物点的数量达到预设数量。

本申请一实施例中，所述确定模块302中，采用下述方式将所述目标检测数据、以及所述检测结果发送至辅助模块：

将所述目标检测数据、以及所述检测结果根据预设规则进行压缩，并按照预设命名规则进行命名，形成压缩数据，并将所述压缩数据发送至所述辅助模块。

实施例四

基于同一技术构思，本申请实施例还提供了一种电子设备。参照图4所示，为本申请实施例提供的电子设备400的结构示意图，包括处理器401、存储器402、和总线403。其中，存储器402用于存储执行指令，包括内存4021和外部存储器4022；这里的内存4021也称内存储器，用于暂时存放处理器401中的运算数据，以及与硬盘等外部存储器4022交换的数据，处理器401通过内存4021与外部存储器4022进行数据交换，当电子设备400运行时，处理器401与存储器402之间通过总线403通信，使得处理器401在执行以下指令：

获取多个检测设备对目标空间进行检测得到的检测数据，并根据所述检测数据确定所述目标空间的检测结果；

基于所述检测结果从所述检测数据中确定目标检测数据，并将所述目标检测数据、以及所述检测结果发送至辅助模块；其中，所述检测结果包括：障碍物检测结果和/或轨道检测结果；所述目标检测数据、以及所述检测结果用于所述辅助模块生成提示信息。

一种可能的设计中，处理器401执行的处理中，所述检测数据包括：基于图像获取设备获取的检测图像、和/或基于雷达获取的点云数据；针对所述检测数据包括检测图像，且所述检测结果包括轨道检测结果的情况，采用下述方式得到轨道检测结果：

对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置；

基于所述轨道位置，生成所述轨道检测结果。

一种可能的设计中，处理器401执行的处理中，所述对所述检测图像进行语义分割处理，从所述检测图像中确定轨道位置，包括：

将所述检测图像输入至预先训练的第一语义分割模型中，得到与所述检测图像中每一个像素点对应的语义分割结果；任一像素点的语义分割结果包括：轨道、非轨道任一种；

基于所述语义分割结果，从所述检测图像中确定所述轨道位置。

一种可能的设计中，处理器401执行的处理中，针对所述检测数据包括点云数据，且所述检测结果包括障碍物检测结果的情况，采用下述方式得到障碍物检测结果：

将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果；任一位置点对应的语义分割结果包括：障碍物点与非障碍物点中的一种；

基于所述语义分割结果，从所述点云数据中确定与各个障碍物点分别对应的所述障碍物点数据，并利用所述障碍物点数据构建与所述目标空间对应的特征矩阵；所述特征矩阵用于表征所述目标空间的空间状态；

将所述特征矩阵输入至预先训练好的障碍物检测模型中，得到与所述目标空间对应的障碍物检测结果。

一种可能的设计中，处理器401执行的处理中，所述点云数据包括所述目标空间中各个位置点分别对应的检测结果；所述目标空间中的位置点包括障碍物点与非障碍物点；

将所述点云数据输入至预先训练好的第二语义分割模型中之前，还包括：

根据所述点云数据包括的各个位置点分别对应的检测结果，生成多张二维图像；

其中，所述二维图像中的像素点与各个所述位置点一一对应；且属于同一二维图像中的各个像素点对应的位置点位于同一平面；

所述将所述点云数据输入至预先训练好的第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果，包括：

将各张所述二维图像依次输入至预先训练好的所述第二语义分割模型中，获取所述点云数据中各个位置点分别对应的语义分割结果。

一种可能的设计中，处理器401执行的处理中，采用下述方式利用所述障碍物点数据构建与所述目标空间对应的特征矩阵：

将所述目标空间划分为多个子空间；

针对每个所述子空间：从各个所述障碍物点中，确定属于该子空间的目标障碍物点，并对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点；将所述采样障碍物点对应的障碍物点数据，输入至预先训练好的特征向量提取模型中，得到所述子空间对应的子特征向量；

基于所有所述子空间中分别对应的子特征向量，得到所述特征矩阵。

一种可能的设计中，处理器401执行的处理中，采用下述方式对所述目标障碍物点进行采样，获取与该子空间对应的采样障碍物点：

将该子空间中任一目标障碍物点作为基准障碍物点，并从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点；

将确定的所述采样障碍物点作为新的基准障碍物点，并返回至从该子空间内除所述基准障碍物点外的其他目标障碍物点中，确定与所述基准障碍物点距离最远的目标障碍物点作为采样障碍物点的步骤，直至确定的所述采样障碍物点的数量达到预设数量。

一种可能的设计中，处理器401执行的处理中，采用下述方式将所述目标检测数据、以及所述检测结果发送至辅助模块：

将所述目标检测数据、以及所述检测结果根据预设规则进行压缩，并按照预设命名规则进行命名，形成压缩数据，并将所述压缩数据发送至所述辅助模块。

实施例五

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任一实施例中所述的轨道列车驾驶辅助的方法的步骤。

具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述轨道列车驾驶辅助的方法的步骤，以辅助车辆驾驶，提高车辆驾驶的安全。

本申请实施例所提供的进行轨道列车驾驶辅助的方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。