[发明专利]一种水面和水坑检测方法

摘要

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。

主权项

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VL(u,v)，VR(u',v)；偏振差分值polarization为|VL(u,v)‑VR(u',v)|。