[发明专利]逻辑推理式道面检测方法及系统

权利要求书

1.一种逻辑推理式道面检测方法，其特征在于，包括以下步骤：

接收输入图像，对所述输入图像进行预处理，以获得多个特征图；

分别将所述特征图与预设的知识库进行对比，得到多个相似度图；所述知识库用于学习多个道面固有结构子类和多个道面污染子类；

将输入图像对应的所有相似度图进行合并，得到合并相似度图；

根据预设的逻辑对合并相似度图进行分析，以获得检测图像；

其中检测图像包含输入图像中每个网格坐标的类型；所述类型包括道面固有结构、道面污染或道面异物；

所述逻辑包括当网格坐标的类型不属于道面固有结构和道面污染时，定义该网格坐标的类型为道面异物；

所述将输入图像对应的所有相似度图进行合并，得到合并相似度图具体包括：

将相似度图放大至与所述输入图像尺寸一致，并按照最近邻域法则进行插值，以获得放大相似度图；

将输入图像对应的所有放大相似度图进行合并，在每个网格坐标下，对相同子类的典型特征的相似度v_i取最大值，得到放大相似度图每个网格坐标的相似度由相似度构成相似度向量V^/；

由所有网格坐标对应的相似度向量V^/构成所述合并相似度图S^/；

所述根据预设的逻辑对合并相似度图进行分析，以获得检测图像具体包括：

当合并相似度图中所有相似度都低于判断阈值时，定义该网格坐标的类型为道面异物，否则定义该网格坐标的类型为最大相似度对应的子类。

2.根据权利要求1所述逻辑推理式道面检测方法，其特征在于，所述接收输入图像，对所述输入图像进行预处理，以获得多个特征图具体包括：

接收输入图像；所述输入图像为传感器信号网格化生成；

将输入图像按照等比例逐步进行缩小，以获得多个缩小尺度对应的预处理图像，将所有预处理图像传输给预设的卷积计算模块；

获取卷积计算模块输出的每个预处理图像对应的所述特征图。

3.根据权利要求2所述逻辑推理式道面检测方法，其特征在于，所述分别将所述特征图与预设的知识库进行对比，得到多个相似度图具体包括：

按照下式计算特征图中每个网格坐标的向量与预设的知识库中子类的典型特征的相似度v_i，得到由相似度v_i构成的相似度向量V；

其中，F(x,y)为特征图中网格坐标(x,y)的向量；E_i为知识库中子类的典型特征；

由特征图中所有网格坐标对应的相似度向量构成该特征图对应的相似度图S。

4.根据权利要求2～3中任一权利要求所述逻辑推理式道面检测方法，其特征在于，知识库和卷积计算模块的弱监督学习方法包括：

将仅包含道面固有结构的图像输入参数初始化卷积计算模块中的卷积神经网络和参数；

进行知识库和卷积计算模块的交替学习，修改卷积计算模块的参数和知识库的参数。

5.根据权利要求4所述逻辑推理式道面检测方法，其特征在于，所述将仅包含道面固有结构的图像输入参数初始化卷积计算模块中的卷积神经网络和参数具体包括：

将所述包含道面固有结构的图像依次通过卷积计算模块和反卷积计算模块初始化卷积神经网络；

其中初始化的过程包括：

重建损失函数训练输出图像与输入图像的差；

使用无监督方法初始化卷积计算模块参数，以最小化重建损失函数为目标，学习得到卷积计算模块的初始化参数。