[发明专利]图像语义分割方法、装置及计算机设备

权利要求书

1.一种图像语义分割方法，其特征在于，应用于自动驾驶车辆，所述方法包括：

获取原始图像，所述原始图像为自动驾驶车辆通过图像传感器采集到的周围场景图像；

若所述原始图像不为亮度色度浓度YUV色彩空间的图像，将所述原始图像转换至所述YUV色彩空间，得到转换图像，所述YUV色彩空间包括Y通道、U通道和V通道，所述Y通道用于指示图像的亮度分量，所述U通道和所述V通道分别用于指示图像的色度分量和浓度分量；获取所述转换图像中的Y通道图像，以及其他通道图像；若所述原始图像为所述YUV色彩空间的图像，则直接获取所述原始图像中的Y通道图像，以及其他通道图像；

将所述Y通道图像分别输入至n种增强处理算法对应的增强网络，得到与所述Y通道图像对应的n个增强滤波器；采用所述n个增强滤波器分别对所述Y通道图像进行处理，得到n个增强后的Y通道图像；将每个增强后的Y通道图像与所述其他通道图像进行融合，得到n个融合图像；将所述n个融合图像转换至红绿蓝RGB色彩空间，得到与所述n种增强处理算法一一对应的n个增强图像，所述n为大于1的整数；

分别对每个所述增强图像进行语义分割，得到每个所述增强图像的初始分割结果，其中，每个所述增强图像的初始分割结果是所述原始图像包括的多个像素中每个像素属于不同类别的概率，所述不同类别的个数为M；

将获取到的多个初始分割结果中，每个像素属于同一类别的概率的平均值确定所述像素属于所述类别的综合概率，得到原始图像中每个像素属于不同类别的综合概率，所述多个初始分割结果包括n个增强图像的初始分割结果和所述原始图像的初始分割结果；

其中，每个像素属于同一类别的概率的平均值确定所述像素属于所述类别的综合概率，包括：

获取预先存储的n种增强处理算法的权重w₁至w_n，以及所述原始图像的权重为w_n+1；根据获取到权重w₁至w_n以及所述原始图像的权重为w_n+1，计算原始图像所包括的J个像素中第j个像素属于第m个类别的概率的加权平均值后，得到的所述第j个像素属于第m个类别的综合概率P_jm满足：

其中，w_i为w₁至w_n+1中第i个权重，i为不大于n+1的正整数；为第i个初始分割结果中，所述第j个像素属于第m个类别的概率，j为不大于J的正整数，m为不大于M的正整数；

对于所述原始图像中的每个像素，将所述综合概率最高的类别确定为所述像素所属的类别，根据确定出的所述原始图像中各像素所属的类别对各像素进行标注，得到目标分割结果，所述目标分割结果包括对所述周围场景图像中道路、行人、障碍物、信号灯和交通标志的语义分割结果，其中，当所述目标分割结果中包括信号灯或交通标志时，自动驾驶车辆根据识别出的信号灯或交通标志控制车辆的车速；当所述目标分割结果中包括道路时，自动驾驶车辆根据识别出的道路控制车辆的行驶方向；当所述目标分割结果中包括行人和障碍物时，自动驾驶车辆根据识别出的障碍物，以及其他传感器检测到的自动驾驶车辆与障碍物的距离，以及障碍物的移动速度，控制自动驾驶车辆的车速和行驶方向。

2.根据权利要求1所述的方法，其特征在于，所述n种增强处理算法对应的n种增强网络包括如下多种增强网络中的n种：

用于生成加权最小二乘列滤波器的增强网络；

用于生成引导滤波器的增强网络；

用于生成双边滤波器的增强网络；

用于生成直方图均衡化滤波器的增强网络；

用于生成图像锐化滤波器的增强网络。

3.根据权利要求1至2任一所述的方法，其特征在于，所述分别对每个所述增强图像进行语义分割，得到每个所述增强图像的初始分割结果，包括：

将每个所述增强图像分别输入至分割网络，得到每个所述增强图像的初始分割结果。