[发明专利]一种雾天障碍物检测方法、装置、电子设备和存储介质

权利要求书

1.一种雾天障碍物检测方法，其特征在于，所述方法具体包括：

获取待检测路段的原始有雾图像；

将所述原始有雾图像输入去雾模型，对所述原始有雾图像进行去雾处理，得到初始去雾图像；其中，所述去雾模型是基于原始无雾样本图像对第一卷积神经网络进行训练得到的；

对所述初始去雾图像进行后处理，得到第一去雾图像；

将所述第一去雾图像输入障碍物检测模型，确定所述第一去雾图像中的障碍物的位置和轮廓；其中，所述障碍物检测模型是基于去雾样本图像对第二卷积神经网络进行训练得到的；

所述去雾模型是基于原始无雾样本图像对第一卷积神经网络进行训练得到的，包括：

基于所述原始无雾样本图像与合成有雾样本图像对所述第一卷积神经网络进行前向传播，并获得初代有雾样本图像；当所述初代有雾样本图像与所述原始无雾样本图像之间的差异不小于第一预设阈值时，根据所述差异进行反向传播；当初代去雾样本图像的RGB的3个通道中任一通道的像素最大值不小于第二预设阈值时，根据所述像素最大值进行反向传播，调整所述第一卷积神经网络的权重；当所述差异小于第一预设阈值，且，所述像素最大值小于第二预设阈值，完成所述去雾模型的构建。

2.根据权利要求1所述的方法，其特征在于，所述去雾模型是按照如下方式得到的：

根据所述原始无雾样本图像制作数据集；

根据所述数据集，构建去雾模型。

3.根据权利要求1所述的方法，其特征在于，所述去雾模型是按照如下方式得到的：

将所述原始无雾样本图像进行合成，获得合成有雾样本图像；

对第一卷积神经网络的权重进行初始化；

将所述原始无雾样本图像和所述合成有雾样本图像输入所述第一卷积神经网络进行前向传播，获得初代去雾样本图像；

将所述初代去雾样本图像和所述原始无雾样本图像输入判断器，获得第一输出阈值；所述第一输出阈值为：所述初代去雾样本图像和所述原始无雾样本图像之间的差异；

判断所述第一输出阈值是否小于第一预设阈值；

当所述第一输出阈值不小于第一预设阈值时，根据所述第一输出阈值进行反向传播，调整所述第一卷积神经网络的权重，直至获得的第一输出阈值小于第一预设阈值；

判断所述初代去雾样本图像的RGB的3个通道中任一通道的像素最大值是否小于第二预设阈值；

当所述初代去雾样本图像的RGB的3个通道中任一通道的像素最大值不小于第二预设阈值时，根据所述初代去雾样本图像的RGB的3个通道中任一通道的像素最大值进行反向传播，调整所述第一卷积神经网络的权重，直至获得的所述第一输出阈值小于第一预设阈值，且，所述初代去雾样本图像的RGB的3个通道中任一通道的像素最大值小于第二预设阈值；

停止所述第一卷积神经网络的训练，完成所述去雾模型的构建。

4.根据权利要求3所述的方法，其特征在于，将所述原始无雾样本图像进行合成，获得合成有雾样本图像，具体包括：

基于大气生成模型、大气光条件以及散射系数，通过随机采样将所述原始无雾样本图像获得合成有雾样本图像。

5.根据权利要求3所述的方法，其特征在于，停止所述第一卷积神经网络的训练，完成所述去雾模型的构建，具体包括：

停止所述第一卷积神经网络的训练，获得初始去雾模型；

将原始有雾样本图像输入所述初始去雾模型中，获得第一去雾样本图像；

判断所述第一去雾样本图像与所述原始无雾样本图像之间的误差是否小于等于第一期望阈值；

当所述第一去雾样本图像与所述原始无雾样本图像之间的误差不小于第一期望阈值时，根据所述第一去雾样本图像与所述原始无雾样本图像之间的误差进行反向传播，调整所述第一卷积神经网络的权重，直至通过初始去雾模型获得的第一去雾样本图像与原始无雾样本图像之间的误差小于等于第一期望阈值；

停止所述第一卷积神经网络的训练，将当前的初始去雾模型作为最终的去雾模型，完成所述去雾模型的构建。