[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

说明书

本申请提供了一种雾天障碍物检测方法、装置、电子设备和存储介质，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；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。本申请通过合成无雾图像和大气光的方式得到有雾图像，模型判别时不仅通过判别器区分有雾和无雾图像，而且通过无雾图像的各通道像素性质来最终判别有雾和无雾图像；另外，由于雾的形成和大气光有关，去雾算法处理之后会对大气光有一定的调整，因此本申请对获得的无雾图像进行后处理。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种雾天障碍物检测方法、装置、电子设备和存储介质。

背景技术

在数字轨、车路协同、自动驾驶、环境感知、辅助驾驶等技术领域内，需要车辆对周围的环境数据进行收集，进而达到安全、有效的行驶目的。其中，特别需要对车辆行驶道路上的障碍物的信息进行收集分析。但是，如果车辆在雾霾中行驶，导致车辆的视野不够开阔、能见度较低，对于收集车辆行驶道路上的障碍物的信息造成了巨大的阻碍

为了能够在雾天也能实现自动驾驶，相关技术中提出了通过去雾算法对获取的有雾图像进行去雾处理，但是传统的去雾算法所得到的去雾图像容易造成障碍物部分缺失，特别是针对背景与雾霾颜色差距不大的图像处理效果不佳，无法准确的获取障碍物的信息。

发明内容

本申请提供一种雾天障碍物检测方法、装置、电子设备和存储介质，以解决上述技术问题。

本申请第一方面提供了一种雾天障碍物检测方法，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。

进一步地，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。

进一步地，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个通道中的像素最大值是否小于第二预设阈值；