[发明专利]一种水面和水坑检测方法

权利要求书

1.一种水面和水坑检测方法，其特征在于，该方法为：

(1)通过两个前端设置有偏振片的彩色相机，分别获取一彩色图像，其中，所述两个彩色相机同高，且光轴相互平行，两个偏振片的偏振方向相互垂直；

(2)将其中一个彩色图像输入到预先训练的神经网络模型，得到语义分割图像Semantics，所述神经网络模型，通过以下方法预先训练得到：

从大型的语义分割数据集中获取训练数据集，包括m张彩色图像Color与其一一对应的m张标记图像Label，所述对应关系如下：标记图像Label中的像素单元与彩色图像Color中的像素单元一一对应，标记图像Label中的像素单元标记彩色图像Color中的像素单元的语义标号；m≥10000；所述像素单元为：来源于同一物体的所有像素点组成的单元，同一类别的物体用一语义标号进行标识；

以彩色图像Color为输入，标记图像Label为输出，对基于神经网络的语义分割模型进行训练，所述基于神经网络的语义分割模型中每一层网络如下表所示，得到预先训练的神经网络模型；

层号	类型	输出特征图的维数	输出特征图的分辨率
1	下采样层	16	320×240
2	下采样层	64	160×120
3-7	一维分解瓶颈层	64	160×120
8	下采样层	128	80×60
9	一维分解瓶颈层(扩张卷积率2)	128	80×60
10	一维分解瓶颈层(扩张卷积率4)	128	80×60
11	一维分解瓶颈层(扩张卷积率8)	128	80×60
12	一维分解瓶颈层(扩张卷积率16)	128	80×60
13	一维分解瓶颈层(扩张卷积率2)	128	80×60
14	一维分解瓶颈层(扩张卷积率4)	128	80×60
15	一维分解瓶颈层(扩张卷积率8)	128	80×60
16	一维分解瓶颈层(扩张卷积率2)	128	80×60
17a	第16层输出的原始特征图	128	80×60
17b	第16层输出的原始特征图的池化和卷积	32	80×60
17c	第16层输出的原始特征图的池化和卷积	32	40×30
17d	第16层输出的原始特征图的池化和卷积	32	20×15
17e	第16层输出的原始特征图的池化和卷积	32	10×8
17f	第17a-17e层的上采样和级联	256	80×60
18	卷积层	地形和目标类别数	80×60
19	上采样层	地形和目标类别数	640×480

将待检测的彩色图像Color输入神经网络模型后，第19层得到的输出特征图即为各个类别的概率图，通过argmax函数即可得到语义分割图像Semantics；

(3)对语义分割图像Semantics进行处理，获取被分割出的水面区域和路面可通行区域，对路面可通行区域中任一像素点(u,v)，计算该像素点在偏振差分图像Polarization中的偏振差分值polarization，若polarization大于阈值PolarizationThreshold，则该像素点为水坑；

所述偏振差分值polarization的计算方法如下：

(3.1)对两个彩色图像行双目立体匹配，获取一幅视差图像Disparity；

(3.2)从另一个彩色图像中找到对应于像素点(u,v)的对应点(u',v)，满足u-u'＝disparity，disparity为视差图像Disparity中像素点(u,v)的视差值；

(3.3)计算像素点(u,v)、(u',v)的亮度值，分别为V_L(u,v)，V_R(u',v)；偏振差分值polarization为|V_L(u,v)-V_R(u',v)|。