CN106647743A - 一种电子设备的控制方法及电子设备 - Google Patents

Abstract

本发明公开了一种电子设备的控制方法及电子设备，该方法包括：对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；对所述道路图像进行道路类型识别，获得相应的道路类型信息；根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。本发明提供的方法及装置，用以解决现有技术中的人工智能设备在行驶过程中，遇见特殊路面环境时，存在的安全性低的技术问题。实现了提高行驶全程的安全性的技术效果。

Description

一种电子设备的控制方法及电子设备

技术领域

本发明涉及人工智能技术领域，尤其涉及一种电子设备的控制方法及电子设备。

背景技术

随着人力成本的提高及传感器等技术的发展，机器人或智能平衡车等人工智能设备的使用量逐日提升。而行驶功能是人工智能设备极为重要的基础功能之一。

然而，当前的人工智能设备在载人、遥控或跟踪模式的行驶过程中，主要是按照控制人员的现场操作或按照预先路线设置来行驶，在遇见雨雪、盲道等特殊情况时，容易出现打滑、剧烈抖动等突发危险情况，造成人员伤亡或设备损害。

也就是说，现有技术中的人工智能设备在行驶过程中，遇见特殊路面环境时，存在安全性低的技术问题。

发明内容

本发明通过提供一种电子设备的控制方法及电子设备，解决了现有技术中的人工智能设备在行驶过程中，遇见特殊路面环境时，存在安全性低的技术问题。

一方面，为解决上述技术问题，本发明提供了如下技术方案：

一种电子设备的控制方法，包括：

对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；

对所述道路图像进行道路类型识别，获得相应的道路类型信息；

根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

可选的，所述对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像，包括：基于预设的道路特征信息，从所述电子设备的图像采集模块采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

可选的，所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：按预设提取规则，提取所述道路图像中的特征信息；基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

可选的，所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：按预设提取规则，提取所述道路图像中的特征信息；将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

可选的，所述根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，包括以下一种或多种的组合：基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；或基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；或基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；或基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

可选的，所述生成对应的控制指令，以使所述电子设备执行所述控制指令之后，还包括：检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；判断所述行驶状态参数是否满足预设要求；如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

可选的，所述生成对应的控制指令之前，还包括：检测所述电子设备当前的运行模式，获得当前模式信息；所述根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，包括：当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。

另一方面，提供一种电子设备，包括：

图像采集模块；

道路提取模块，用于对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；

类型识别模块，用于对所述道路图像进行道路类型识别，获得相应的道路类型信息；

控制模块，用于根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

可选的，所述道路提取模块还用于：基于预设的道路特征信息，从所述电子设备的图像采集模块采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

可选的，所述类型识别模块还包括：第一提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；第一确定单元，用于基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

可选的，所述类型识别模块还包括：第二提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；第二确定单元，用于将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

可选的，所述控制模块还用于：基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；或基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；或基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；或基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

可选的，所述的电子设备还包括：检测模块，用于检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；调节模块，用于判断所述行驶状态参数是否满足预设要求；如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

可选的，所述电子设备还包括：模式模块，用于检测所述电子设备当前的运行模式，获得当前模式信息；所述控制模块包括：骑行单元，用于当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；非骑行单元，用于当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法及电子设备，在行驶过程中，采集当前行驶道路的道路图像，并实时分析图像以识别出当前的道路类型信息，并根据所述道路类型信息来针对性的控制电子设备的行驶状态，使得电子设备能根据不同的道路情况执行不同的控制指令，针对性的采取不同的行驶状态来有效提高了行驶全程的安全性。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例中电子设备的控制方法的流程图；

图2为本申请实施例中电子设备的结构示意图。

具体实施方式

本申请实施例通过提供一种电子设备的控制方法及电子设备，解决了现有技术中的人工智能设备在行驶过程中，遇见特殊路面环境时，存在的安全性低的技术问题。实现了提高行驶全程的安全性的技术效果。

为解决上述技术问题，本申请实施例提供技术方案的总体思路如下：

电子设备行驶时，对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；再对所述道路图像进行道路类型识别，获得相应的道路类型信息；再根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

本申请提供的方案通过在行驶过程中，采集当前行驶道路的道路图像，并实时分析图像以识别出当前的道路类型信息，并根据所述道路类型信息来针对性的控制电子设备的行驶状态，使得电子设备能根据不同的道路情况执行不同的控制指令，针对性的采取不同的行驶状态来有效提高了行驶全程的安全性。

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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。

实施例一

在本实施例中提供一种电子设备的控制方法，请参考图1，如图1所示，所述方法包括：

步骤S101，对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；

步骤S102，对所述道路图像进行道路类型识别，获得相应的道路类型信息；

步骤S103，根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

所述方法可以应用于具有行驶或飞行功能的电子设备，举例来说，该电子设备例如为：机器人、平衡车或飞行器等，在此不再一一列举。

下面，结合图1对本申请提供的电子设备的控制方法进行详细介绍：

首先，执行步骤S101，对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像。

在具体实施过程中，所述图像采集模块可以是深度相机、视觉传感器、红外图像采集模块或激光图像采集模块，在此不作限制；所述图像采集模块的数量可以为一个或多个，在此也不做限制。

需要说明的是，所述图像采集模块可以是在电子设备运动的过程中实时的进行图像采集来分析获得道路图像，也可以是按预设时长来间断的进行图像采集来分析获得道路图像，还可以是按照预先获得的卫星全景图片来在预设地理位置针对性进行图像采集，在本申请中不作限制。

在具体实施过程中，对所述图像数据进行道路特征分析，获得道路图像的方法可以有多种，下面列举两种为例：

第一种，匹配道路特征，获得道路图像。

即所述对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像，包括：

基于预设的道路特征信息，从所述电子设备的图像采集模块采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

具体来讲，可以预先设置道路特征信息存储在电子设备中或存储在云端，比如：直线条、盲道线条、斑马线线条、转弯箭头、路沿阶梯等几何特征，还比如：草地的绿色、马路的石灰色、雪地的白色等颜色特征，在此不再一一列举。

然后，再采用图像匹配算法或图像提取算法，分析所述图像数据中是否存在与预先设置的所述道路特征信息匹配的图像特征，如果存在，则以所述图像特征所在的区域作为所述道路图像。

第二种，排除非道路特征，获得道路图像。

具体来讲，可以预先设置非道路特征信息存储在电子设备中或存储在云端，比如：大树线条、行人线条、台阶、房屋线条、路灯线条等几何特征，还比如：路灯的亮色、红绿灯的闪烁等颜色特征，在此不再一一列举。

然后，再采用图像匹配算法或图像提取算法，分析所述图像数据中是否存在与预先设置的所述非道路特征信息匹配的图像特征，如果存在，排除所述图像特征所在的区域，以剩下的图像区域作为所述道路图像。

当然，在具体实施过程中，获得道路图像不限于以上几种方法，基于不同的需求可以确定出不同的获得方法，对此本发明实施例不再详细列举，并且不作限制。

接下来，执行步骤S102，对所述道路图像进行道路类型识别，获得相应的道路类型信息。

在具体实施过程中，对所述道路图像进行道路类型识别，获得相应的道路类型信息的方法可以有多种，下面列举两种为例：

第一种，采用特征分析的方法识别道路类型。

基于特征分析的方法主要是提取路面的纹理特征，边缘特征，线特征等，构成特征向量，通过训练好的分类器或者一些条件规则，对输入的特征向量进行分类判断，完成对道路的识别。

即所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：

按预设提取规则，提取所述道路图像中的特征信息；

基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

具体来讲，可以预先在电子设备中或云端存储道路特征与道路类型的对应关系，例如：盲道类型对应有短平行线条和线条略微凸出的道路特征；斑马线对应有白色的平行线条和线条为平面状的道路特征；雪地对应有大片白色的道路特征；草地对应有绿色和草轮廓线条的道路特征；水洼对应有高反光度的道路特征；坑洼路面对应有凹陷的道路特征；减速带对应有凸出线条和黄黑相间色的道路特征，在此不再一一列举；

然后，按照上述道路特征对所述道路图像进行针对性提取；再确定提取出的所述特征信息与预设的哪个道路特征匹配，再根据匹配出的道路特征对应的道路类型确定出所述道路类型信息。例如，如果在所述道路图像中提取出绿色的特征信息，则根据预存的草地对应有绿色和草轮廓线条的道路特征，可以确定所述道路图像对应的道路类型为草地；如果在所述道路图像中提取出短平行线条和线条略微凸出的特征信息，则根据预存的盲道类型对应有短平行线条和线条略微凸出的道路特征，可以确定所述道路图像对应的道路类型为盲道。

第二种，采用神经网络的方法识别道路类型。

基于神经网络的方法需要构建较大的训练样本，直接将样本输入神经网络进行训练，得到训练好的模型，利用该模型，完成对特定目标的识别。

即，所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：

按预设提取规则，提取所述道路图像中的特征信息；

将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；

其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

具体来讲，预先在电子设备或云端存储大量的训练样本，即存储大量的道路图像样本，并预先对每个道路图像均确定对应的道路类型；神经网络对大量的道路图像及对应的图像类型样本进行训练，得到所述机器学习模型，所述机器学习模型以特征信息为入口，以道路类型为出口。

在需要识别道路类型时，电子设备提取道路图像中的颜色、线条、凹凸度、反光度等特征信息，再将所述特征信息带入预先获得的所述机器学习模型，从而计算出所述道路类型信息。

在每次计算完成后，可以基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

当然，在具体实施过程中，确定道路类型信息不限于以上几种方法，基于不同的需求可以确定出不同的确定方法，对此本发明实施例不再详细列举，并且不作限制。

接下来，执行步骤S103，根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

本方法不限制识别的道路种类和对应的控制指令，识别的道路种类可以进行预先定义，而对应的控制指令可以是向外发出信号提示或者自动改变机器人自身状态或者将该状态传入机器人的其他模块，下面列举几种根据所述道路类型信息控制电子设备的方法：

基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；所述第一道路类型信息可以是水坑、坑洼地、沙地、减速带、人行道、雪地等；或

基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；所述第二道路类型信息可以是障碍物地面、水坑、坑洼地等；或

基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；所述第三道路类型信息可以是障碍物地面、坑洼地等。

举例来讲，以所述电子设备为机器人为例，可以是当识别为冰雪路况或者积水路况时，机器人将限制最大的行进速度，以保证用户使用的安全；当识别为盲道后，机器人向外发出信号，提醒用户驶离盲道或者减小速度，以保证自身或者残障人士的安全，该功能也可以特殊设定，设定机器人只在盲道上行驶，为眼盲人士提供指引功能；当识别到减速带时，机器人向外发出信号提示用户减速或者自动缓慢的降低速度；识别到其他障碍物时，对外发出信号提示或者自动减速停止。

在具体实施过程中，还可以基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

具体来讲，考虑到在不同类型的道路上行驶时，会有不同的抖动情况，为了保证机器人等电子设备在不同类型道路上均能稳定行驶，可以根据不同的道路类型来调整设备的扭力输出，扭力输出越大时，机器人等电子设备的姿态控制越稳定，不容易摔倒。例如，当所述道路类型为雪地时，为了防止电子设备侧倾可以生成增强扭力指令，以增强输出的扭力，提高设备行驶稳定性；当所述道路类型变为水泥路面时，可以生成降低扭力指令，以降低输出的扭力，在保持设备行驶稳定性的基础上，实现节能。

进一步，为了保证电子设备在执行所述控制指令后的行驶状态能够满足要求或处于安全状态，可以设置所述生成对应的控制指令，以使所述电子设备执行所述控制指令之后，还包括：

检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；

判断所述行驶状态参数是否满足预设要求；

如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；

如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

举例来讲，可以在所述电子设备执行所述控制指令后，检测获得所述电子设备的行驶速度、抖动频率和幅度、运动加速度或侧偏度数等行驶状态参数；

当行驶速度超出预设速度要求时，生成减速调节指令来调节行驶速度到安全范围；或者，当抖动频率和幅度超出预设范围要求时，认为存在设备损坏危险和设备翻转危险，故生成减速调节指令来调节行驶速度，以将抖动控制在安全范围；或者，当运动加速度超出预设范围要求时，认为存在设备翻转危险，故生成加速度调节指令来调节行驶加速度，以将行驶控制在安全范围；或者，当电子设备侧偏度数超出预设范围时，生成报警、减速或停止调节指令，以防止设备侧翻。

当然，在具体实施过程中，还可以检测更多行驶状态参数，来保证电子设备的行驶状态处于安全范围，在此不再一一列举。

进一步，考虑到一种电子设备可以具有多种运行模式，在不同的运行模式时，对不同的道路类型会需要生成不同的控制指令，故可以设置在所述生成对应的控制指令之前，还包括：检测所述电子设备当前的运行模式，获得当前模式信息；

所述根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，包括：

当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；

当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。

具体来讲，电子设备常见的运行模式有骑行模式、跟踪模式和遥控模式，可以设置跟踪模式、遥控模式均未非骑行模式。在骑行模式下主要需要考虑人的骑行舒适度和安全性，在非骑行模式下主要考虑对设备的保护，故在不同运行模式下，即使是同一道路类型，对应的电子设备生成的控制指令也可以不相同。例如：

在确定道路类型为坑洼地面时，如果当前模式信息表明所述电子设备为骑行状态，则，为了保证骑行舒适度，可以生成减速至第一速度的第一减速指令；如果当前模式信息表明所述电子设备为非骑行状态，则，为了保护设备，可以生成减速至第二速度的第二减速指令，其中，第一速度小于第二速度；

在确定道路类型为盲道时，如果当前模式信息表明所述电子设备为骑行状态，则，生成报警指令提醒用户，以根据用户的进一步操作来确定是否在盲道行驶；如果当前模式信息表明所述电子设备为非骑行状态，则，为了避免干扰残障人士，可以生成转向指令，绕开盲道行驶；

在确定道路类型为雪地时，如果当前模式信息表明所述电子设备为骑行状态，则为了用户安全，生成减速指令，以防止设备打滑出现意外；如果当前模式信息表明所述电子设备为非骑行状态，则可以生成节能指令，减少供电单元的能量输出，以使设备直接利用雪地的低摩擦力滑行，达到节能的效果。

当然，在具体实施过程中，对不同运行模式生成的控制指令均可以根据需要设置，不限于上述几种，在此不再一一列举。

基于同一发明构思，本发明实施例还提供了实施例一中方法对应的电子设备，见实施例二。

实施例二

本实施例提供了一种电子设备，请参考图2，所述电子设备包括：

图像采集模块201；

道路提取模块202，用于对所述电子设备的图像采集模块201采集获得的图像数据进行道路特征分析，获得道路图像；

类型识别模块203，用于对所述道路图像进行道路类型识别，获得相应的道路类型信息；

控制模块204，用于根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

所述电子设备具体为具有行驶或飞行功能的电子设备，举例来说，该电子设备例如为：机器人、平衡车或飞行器等，在此不再一一列举。

在本申请实施例中，所述道路提取模块202还用于：

基于预设的道路特征信息，从所述电子设备的图像采集模块201采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

在本申请实施例中，所述类型识别模块203还包括：

第一提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；

第一确定单元，用于基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

在本申请实施例中，所述类型识别模块203还包括：

第二提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；

第二确定单元，用于将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；

其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

在本申请实施例中，所述控制模块204还用于：

基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；或

基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；或

基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；或

基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

在本申请实施例中，所述电子设备还包括：

检测模块，用于检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；

调节模块，用于判断所述行驶状态参数是否满足预设要求；如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

在本申请实施例中，所述电子设备还包括：模式模块，用于检测所述电子设备当前的运行模式，获得当前模式信息；

所述控制模块204包括：

骑行单元，用于当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；

非骑行单元，用于当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。

由于本发明实施例二所介绍的电子设备，为实施本发明实施例一的电子设备的控制方法所采用的电子设备，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该设备的具体结构及变形，故而在此不再赘述。凡是本发明实施例一的方法所采用的设备都属于本发明所欲保护的范围。

本申请实施例中提供的技术方案，至少具有如下技术效果或优点：

本申请实施例提供的方法及电子设备，在行驶过程中，采集当前行驶道路的道路图像，并实时分析图像以识别出当前的道路类型信息，并根据所述道路类型信息来针对性的控制电子设备的行驶状态，使得电子设备能根据不同的道路情况执行不同的控制指令，针对性的采取不同的行驶状态来有效提高了行驶全程的安全性。

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。

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/或方框图来描述的。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、嵌入式处理机或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。

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。

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。

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性概念，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。

显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例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，则本发明也意图包含这些改动和变型在内。

Claims (14)

1.一种电子设备的控制方法，其特征在于，所述方法包括：

对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；

对所述道路图像进行道路类型识别，获得相应的道路类型信息；

根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

2.如权利要求1所述的方法，其特征在于，所述对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像，包括：

基于预设的道路特征信息，从所述电子设备的图像采集模块采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

3.如权利要求1所述的方法，其特征在于，所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：

按预设提取规则，提取所述道路图像中的特征信息；

基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

4.如权利要求1所述的方法，其特征在于，所述对所述道路图像进行道路类型识别，获得相应的道路类型信息，包括：

按预设提取规则，提取所述道路图像中的特征信息；

将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；

其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

5.如权利要求1所述的方法，其特征在于，所述根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，包括以下一种或多种的组合：

基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；或

基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；或

基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；或

基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

6.如权利要求1至5任一项所述的方法，其特征在于，所述生成对应的控制指令，以使所述电子设备执行所述控制指令之后，还包括：

检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；

判断所述行驶状态参数是否满足预设要求；

如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；

如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

7.如权利要求1至5任一项所述的方法，其特征在于：

所述生成对应的控制指令之前，还包括：检测所述电子设备当前的运行模式，获得当前模式信息；

所述根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，包括：

当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；

当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。

8.一种电子设备，其特征在于，包括：

图像采集模块；

道路提取模块，用于对所述电子设备的图像采集模块采集获得的图像数据进行道路特征分析，获得道路图像；

类型识别模块，用于对所述道路图像进行道路类型识别，获得相应的道路类型信息；

控制模块，用于根据获得的所述道路类型信息，并基于预设的控制策略，生成对应的控制指令，以使所述电子设备执行所述控制指令。

9.如权利要求8所述的电子设备，其特征在于，所述道路提取模块还用于：

基于预设的道路特征信息，从所述电子设备的图像采集模块采集获得的图像数据中，分析出与所述道路特征信息匹配的图像区域，以所述图像区域作为所述道路图像。

10.如权利要求8所述的电子设备，其特征在于，所述类型识别模块还包括：

第一提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；

第一确定单元，用于基于所述特征信息和预设的道路特征与道路类型的对应关系，确定出所述道路图像对应的道路类型信息。

11.如权利要求8所述的电子设备，其特征在于，所述类型识别模块还包括：

第二提取单元，用于按预设提取规则，提取所述道路图像中的特征信息；

第二确定单元，用于将所述特征信息带入预设的机器学习模型，从而确定出所述道路图像对应的道路类型信息；

其中，基于所述道路类型信息和用户输入的道路类型修正信息的比对结果，生成修正指令，以使所述电子设备能基于所述修正指令修正所述机器学习模型。

12.如权利要求8所述的电子设备，其特征在于，所述控制模块还用于：

基于表征所述道路类型为第一道路类型信息，生成减速控制指令，以控制所述电子设备的运动速度小于预设速度阈值；或

基于表征所述道路类型为第二道路类型信息，生成转向控制指令，以控制所述电子设备转向；或

基于表征所述道路类型为第三道路类型信息，生成报警指令，以控制所述电子设备输出报警信号提示用户；或

基于表征所述道路类型为第四道路类型信息，生成扭力调整指令，以控制所述电子设备的扭力输出。

13.如权利要求8至12任一项所述的电子设备，其特征在于，还包括：

检测模块，用于检测所述电子设备在执行所述控制指令后的行驶状态，获取行驶状态参数；

调节模块，用于判断所述行驶状态参数是否满足预设要求；如果所述行驶状态参数满足预设要求，则控制所述电子设备保持所述行驶状态；如果所述行驶状态参数不满足预设要求，则基于所述行驶状态参数生成调节指令，以使所述电子设备执行所述调节指令，以调节行驶状态。

14.如权利要求8至12任一项所述的电子设备，其特征在于：

所述电子设备还包括：模式模块，用于检测所述电子设备当前的运行模式，获得当前模式信息；

所述控制模块包括：

骑行单元，用于当所述当前模式信息表明所述电子设备为骑行状态时，根据获得的所述道路类型信息，并基于预设的骑行控制策略，生成对应的第一控制指令；

非骑行单元，用于当所述当前模式信息表明所述电子设备为非骑行状态时，根据获得的所述道路类型信息，并基于预设的非骑行控制策略，生成对应的第二控制指令。