[发明专利]能见度值的检测方法、装置、设备及存储介质

权利要求书

1.一种能见度值的检测方法，其特征在于，所述方法包括：

获取目标区域的图像；

通过预先训练的神经网络以及所述图像确定所述目标区域的能见度值；其中，所述神经网络基于以下方式训练得到：

获取样本图像；

基于所述样本图像的深度信息以及所述样本图像的导通率确定所述样本图像的标定能见度值，作为所述样本图像的标签；所述导通率与所述样本图像的深度信息以及所述样本图像中的空气中的介质含量相关；

通过携带所述标定能见度值标签的样本图像对预设的初始神经网络进行训练，得到所述神经网络。

2.根据权利要求1所述的方法，其特征在于，所述样本图像中包括目标对象，所述目标对象在三维空间中包括多个相对位置关系已知、共面且不共线的目标点；

所述样本图像的深度信息基于以下方式确定：

基于所述目标点标定采集所述样本图像的图像采集装置的内参数，以及所述图像采集装置的外参数；

根据所述内参数、所述外参数以及所述图像采集装置的高度确定所述样本图像中的像素点的深度信息。

3.根据权利要求2所述的方法，其特征在于，所述目标对象包括道路中的标识线，所述目标点包括所述标识线的端点；或

所述目标对象包括道路中的指示牌，所述目标点包括所述指示牌的顶点。

4.根据权利要求2或3所述的方法，其特征在于，基于所述样本图像的深度信息以及所述样本图像的导通率确定所述样本图像的标定能见度值，

从所述样本图像中确定目标像素点，所述目标像素点对应的三维点与所述目标点共面，且所述目标像素点的深度信息位于预设的深度范围；

基于所述目标像素点的深度信息以及所述目标像素点的导通率，确定所述目标像素点对应的能见度值；

将所述目标像素点对应的能见度值的平均值，作为所述样本图像的标定能见度值。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述导通率通过暗通道先验方法确定。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述通过携带所述标定能见度值标签的样本图像对预设的初始神经网络进行训练，包括：

通过主样本图像和辅助样本图像对所述初始神经网络进行训练，其中，所述主样本图像为携带标定能见度值标签的样本图像，所述辅助样本图像为携带标定能见度类别标签的样本图像，其中，不同的标定能见度类别对应不同的能见度值范围。

7.根据权利要求6所述的方法，其特征在于，通过所述主样本图像和辅助样本图像对所述初始神经网络进行训练，包括：

根据所述初始神经网络输出的所述主样本图像对应的预测能见度值与所述主样本图像对应的标定能见度值的差异确定第一损失；

根据所述初始神经网络输出的所述辅助样本图像所属的能见度类别的预测结果以及所述辅助样本图像的标定能见度类别确定第二损失；

基于所述第一损失和所述第二损失对所述初始神经网络进行训练。

8.根据权利要求7所述的方法，其特征在于，所述基于所述第一损失和所述第二损失对所述初始神经网络进行训练，包括：

基于所述第一损失和第二损失确定的目标损失对所述初始神经网络进行训练；或者，

基于所述第二损失对所述初始神经网络进行训练后，再基于所述第一损失对训练后的所述初始神经网络进行训练。

9.根据权利要求7所述的方法，其特征在于，所述第一损失基于以下方式确定：

根据所述主样本图像对应的预测能见度值与所述主样本图像对应的标定能见度值的平均绝对误差百分比，确定所述第一损失；和/或，

所述第二损失基于下方式确定：

根据所述神经网络确定所述辅助样本图像属于预先定义的各能见度类别的预测概率；

根据所述辅助图像的标定能见度类别确定所述辅助图像属于预先定义的各能见度类别的真实概率；

基于所述预测概率与所述真实概率的交叉损失确定所述第二损失。