[发明专利]一种针对图像的致盲场景检测方法及车载终端

说明书

本发明实施例公开了一种针对图像的致盲场景检测方法及车载终端。该方法包括：获取待检测图像；通过场景检测网络，确定待检测图像的致盲场景类别和致盲信息；其中，场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，标注信息包括标准致盲场景类别和标准致盲信息，样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；致盲信息包括标识所述待检测图像的致盲程度和/或致盲位置。应用本发明实施例提供的方案，能够提高对智能驾驶场景中采集的各种复杂图像进行致盲场景检测时的准确性。

技术领域

本发明涉及智能驾驶技术领域，具体而言，涉及一种针对图像的致盲场景检测方法及车载终端。

背景技术

在智能驾驶系统中，视觉感知在车辆定位、障碍物检测等方面的作用越来越重要。例如，相机设备采集的图像可以用于建立高精度地图，从图像中可以识别驾驶场景中的车道线、交通标识牌等道路标志。相机设备采集的图像中可能会存在致盲场景。该致盲场景包括雾、运动模糊和失焦模糊等类型。例如，实际采集的图像中可能存在雾区域，或者存在部分运动模糊区域。致盲场景的致盲程度也可能各不相同。

对图像中的致盲场景进行检测，在车辆定位数据和障碍物检测数据的修正以及图像感知结果的置信度确定方面，都有重要意义。相关技术中，可以通过对图像各个像素点像素值的直方图进行分析，通过与阈值的比较，确定图像是否存在致盲场景。这种通过与单一阈值进行比较的方法，对于智能驾驶场景中采集的各种复杂图像来说，准确性较低。

发明内容

本发明提供了一种针对图像的致盲场景检测方法及车载终端，以提高对智能驾驶场景中采集的各种复杂图像进行致盲场景检测时的准确性。具体的技术方案如下。

第一方面，本发明实施例公开了一种针对图像的致盲场景检测方法，包括：

获取待检测图像；

通过场景检测网络，确定所述待检测图像的致盲场景类别和致盲信息；

其中，所述场景检测网络为预先通过对包含致盲场景的样本图像和对应的标注信息进行训练得到，所述标注信息包括标准致盲场景类别和标准致盲信息，所述样本图像和对应的标注信息为：通过对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理后得到；所述致盲信息包括所述待检测图像的致盲程度和/或致盲位置。

可选的，所述标准致盲场景类别包括：雾场景、失焦模糊场景和运动模糊场景中的至少一种；

通过以下方式对不包含致盲场景的初始图像进行与标准致盲场景类别对应的致盲处理，得到所述样本图像和对应的标注信息：

当所述标准致盲场景类别为雾场景时，根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息；

当所述标准致盲场景类别为失焦模糊场景时，根据预设的近似分层遮挡模型对所述初始图像进行失焦模糊处理，得到包含失焦模糊场景的样本图像和对应的标注信息；

当所述标准致盲场景类别为运动模糊场景，且所述初始图像包含至少两个连续图像帧时，通过对至少两个连续图像帧进行插值，得到包含运动模糊场景的样本图像和对应的标注信息；

其中，所述初始图像包含深度信息。

可选的，所述根据预设的大气散射模型对所述初始图像进行雾场景致盲处理，得到包含雾场景的样本图像和对应的标注信息的步骤，包括：

根据以下预设的大气散射模型的公式对所述初始图像进行处理，得到包含雾场景的样本图像和对应的标注信息：

I(X)＝J(x)t(x)+A[1-t(x)]

t(x)＝e^-βd(x)