[发明专利]一种水面和水坑检测方法

说明书

本发明公开了一种水面和水坑检测方法。该方法利用两个彩色相机和两个线偏振片采集图像，利用小型处理器对采集的图像进行处理，输出图像中水面的区域。该方法能够同时检测大型水面和小型路面水坑，具有统一性高，实时性高，不需要特定假设的优点，可以很好地满足视障人士在出行中避开水面和水坑的要求。

技术领域

本发明属于偏振成像技术、立体视觉技术、模式识别技术、图像处理技术、计算机视觉技术领域，涉及一种水面和水坑检测方法。

背景技术

视觉信息是人类识别周围环境的最重要信息来源，人类获得的信息80％左右是从视觉系统输入的。根据世界卫生组织统计，全世界有2.53亿视觉障碍人士。视障人士损失了正常的视觉，对颜色、形状的理解很困难。现在，他们中的许多人使用白手杖或导盲犬协助自己的日常生活。白手杖不足以在旅行期间解决所有的困难。导盲犬可以引导视障人士以避免在道路上行走时的危险，但是因为训练导盲犬需要很大的成本，它们不能用于所有视觉障碍者。因此，手杖、导盲犬等传统工具无法为他们出行提供充分的协助。自从各种电子出行辅助(ETA)设备开发以来，已被视为一种辅助视障者在不同情况下出行的有效的方法。为了帮助用户找到通路，许多辅助系统部署深度相机来检测可及的路径和障碍，也有很多辅助系统针对盲人辅助实现了楼梯检测、行人检测、车辆检测等。但是并没有方法帮助盲人在出行中避开水面或水坑的危险区域。因此，一个能够将水面和水坑检测统一在一个框架下同时完成检测，并且能够实现实时运行和快速输出的方法被迫切需要。

发明内容

本发明的目的在于针对先有技术的不足，提供一种水面和水坑检测方法。

本发明的目的是通过以下技术方案实现的：一种水面和水坑检测方法，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。