[发明专利]一种路面水体检测方法

说明书

本发明公开了一种路面水体检测方法，包括：利用可见光相机采集道路场景图像并缩放至指定尺寸，利用标注的方法获得包含采集所得图像中水体位置信息的掩膜；构建结合了反射注意力单元的条件生成对抗网络，利用采集的道路场景图像及标注所得掩膜，训练结合了反射注意力单元的条件生成对抗网络；将待检测的图像缩放至指定尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络，获得条件生成对抗网络的生成器输出的用以表示水体检测结果的二值图像。本发明能够利用相机采集的路面图像准确高效地检测出地表水体区域，检测结果具有较高的准确率和召回率，可应用于无人驾驶领域与地表分类相关的任务中。

技术领域

本发明涉及图像分割、深度学习技术领域，具体涉及一种路面水体检测方法。

背景技术

无人驾驶领域中地表分类是一项关键又重要的任务，其中路面的水体往往意味着水坑，难以估计其深度信息，如果不加以检测并制定合适的避障策略，会对无人驾驶汽车带来难以预估的危险。由于路面水体的反射特性会带来一些迷惑性，传统的基于边缘检测和纹理检测的水体检测算法难以很好地识别路面水体，容易虚检或者漏检。同时，由于路面水体的数目和形状都具有随机性，因此路面水体检测问题应该被归于图像分割问题。随着深度学习和人工智能技术的发展，利用深度学习的方法进行目标识别和图像分割的例子已经不胜枚举，因而深度学习的方法应该是解决路面水体检测问题的重要途径。

条件生成对抗网络已经被证明广泛应用于图像分割领域之中并且常常取得很好的效果，因而使用条件生成对抗网络解决路面水体检测问题是一个重要思路。同时ECCV2018的论文《Single Image Water Hazard Detection using FCN with ReflectionAttention Units》中，作者针对路面水体检测问题，提出了一种网络结构，即反射注意力单元(Reflection Attention Units，RAU)，反射注意力单元的原理是基于水面倒影和真实物体的连线往往接近于垂直，因而可以水平切割检测过程中产生的特征图，垂直比较，以判别是否具有倒影关系，反射注意力单元被合理使用，可以针对路面水体检测问题，提升深度学习网络的效果。

但是上述方法漏检率仍然较高，效果仍受水面反射问题所影响，网络的训练受样本分布不均衡性的影响较大，仍具有较大改进空间。

发明内容

本发明的目的在于提供一种路面水体检测方法，能够获得较好的路面水体检测效果。

实现本发明目的的技术解决方案为：一种路面水体检测方法，包括以下步骤：

步骤1，利用可见光相机采集道路场景图像并缩放至指定尺寸，利用标注的方法获得包含采集所得图像中路面水体位置信息的掩膜；

步骤2，构建结合了反射注意力单元的条件生成对抗网络，所述结合了反射注意力单元的条件生成对抗网络，其生成器是全卷积网络，并将反射注意力单元放置在网络中卷积层之后；判别器是卷积神经网络；同时，利用反射注意力单元中的预处理函数对网络中生成器和判别器的输入图像进行预处理；

步骤3，利用采集的道路场景图像及标注所得掩膜，训练结合了反射注意力单元的条件生成对抗网络；

步骤4，将待检测的图像缩放至指定尺寸，输入训练好的结合了反射注意力单元的条件生成对抗网络，获得条件生成对抗网络的生成器输出的用以表示水体检测结果的二值图像。

与现有技术相比，本发明的显著优点为：(1)本发明通过构建条件生成对抗网络，以全卷积网络作为生成器，卷积神经网络作为判别器，同时将反射注意力单元中的预处理函数用以对生成器和判别器输入图像进行预处理，并将反射注意力单元加在生成器中的适当位置，使整体效果达到最优；(2)本发明对路面水体检测检测的效果受倒影影响较小，受样本分布不均衡问题影响较小，检测结果虚检率及漏检率较低，精确率和召回率较高，检测效果较好。

附图说明

图1是本发明提及的反射注意力单元的结构图。