[发明专利]一种基于图像分割的局部路面附着系数估计方法

权利要求书

1.一种基于图像分割的局部路面附着系数估计方法，其特征在于，包括如下步骤：

步骤1：离线预训练图像分割网络模型，具体包括：

1.1.采集不同天气状况的路面图像，

1.2.对采集的不同天气状况的路面图像进行局部标注，形成局部路面附着系数估计的数据集，

1.3.搭建图像分割的深度学习网络模型，

1.4.利用局部路面附着系数估计的数据集对图像分割的深度学习算法网络框架进行端到端的训练；

步骤2：获取实时路面图像，对路面局部附着系数实时估计，具体包括：

2.1.采集路面图像，

2.2.用预训练好的图像分割网络模型对实时获取的图像进行分类并定位不同类别，形成实时路况图，

2.3.根据路面类型对实时路况图进行局部路面附着系数估计。

2.根据权利要求1所述的一种基于图像分割的局部路面附着系数估计方法，其特征在于，所述1.1中，采集不同天气状况的路面图像，所使用的采集工具为CARLA模拟软件，采集的图像包括路面局部积水图像，路面局部积雪图像，路面局部结冰图像及正常沥青路面。

3.根据权利要求1所述的一种基于图像分割的局部路面附着系数估计方法，其特征在于，所述1.3中，所述图像分割的深度学习网络模型包括利用残差结构搭建的基础网络结构，在基础网络上加上高度驱动的注意力模块，将此语义分割神经网络模型命名为H-ResNet模型，其中H代表高度驱动的注意力模块，ResNet代表由残差结构搭建的基础网络结构。

4.根据权利要求3所述的一种基于图像分割的局部路面附着系数估计方法，其特征在于，所述H-ResNet模型中每个ResNet stage代表一个残差结构，H代表高度驱动的注意力模块；采用4个ResNet stage，3个高度驱动注意力模块，每个高度驱动注意力模块，插入在两个残差模块之间，每次经过残差模块后都获得一次垂直位置的先验信息，经过多次获得垂直位置的先验信息后更能准确的获得路面的状态信息。

5.根据权利要求4所述的一种基于图像分割的局部路面附着系数估计方法，其特征在于，所述残差单元包括：快捷连接和恒等映射；设X代表特征输入，通过快捷连接、恒等映射到输出；weight layer代表卷积权重层，relu表示激活函数，F(X)表示X经过卷积权重层所学习到的特征表示的残差，H(X)表示输入X最终学习到的特征，将需要学习的特征等价为F(X)＝H(X)-X；

所述激活函数采用ReLU非线性激活函数：当横坐标x小于等于0的时候函数为0，当x大于0的时候，函数值等于x：

所述卷积层的操作公式：

其中w(x,y)代表大小为m×n的卷积核，f(x,y)为一幅图像，·代表卷积运算。

6.根据权利要求4所述的一种基于图像分割的局部路面附着系数估计方法，其特征在于，所述高度驱动的注意力模块是针对实际城市场景图像中单帧图像在不同高度层次中不同景象类别所占的像素不同而设计的，具体是把单帧图像分为上中下三个高度层次，在上层次中占据图像主导像素为天空，在中间层次中占据图像主导像素为车辆，行人，建筑等，而在下层次中占据图像主导像素为路面，既感兴趣区域。

该高度驱动的注意力模块包括宽度池化、下采样、计算高度驱动注意力特征图、插入特征位置编码；其中，宽度池化操作是为了获得图像宽度方向的特征图，采用的池化方式是平均池化；经过宽度池化操作活得的特征地图并不是都是必须的，通过下采样去除不必要的特征地图，对下采样的特征地图计算是利用卷积操作，如公式1，获得其相邻位置关系，最后的插入特征位置编码操作能够获得特定物体的垂直位置的先验信息，位置编码通过不同频率的正弦，余弦函数生成，然后和对应的位置的特征向量进行逐元素相加。