[发明专利]一种鱼眼图像遮挡类别的判别方法及装置

说明书

本申请公开了一种鱼眼图像遮挡类别的判别方法及装置，方法包括：将鱼眼图像鱼眼图像遮挡类别判别模型，输出得到目标鱼眼图像，鱼眼图像遮挡类别判别模型的建立过程为：获取若干鱼眼拍摄图像，并标签处理和像素化处理，得到若干鱼眼标签图像，构建BN网络层并引入至原始U_Net网络结构，得到批量归一化U_Net网络结构，以鱼眼拍摄图像作为训练样本，鱼眼标签图像作为样本标签，通过批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型。可见，鱼眼图像遮挡类别判别模型能够辅助识别出与天空区域对应的直射卫星信号，与建筑物区域对应的反射卫星信号，以及与树木区域对应的衍射卫星信号，提供更多卫星精确定位的条件。

技术领域

本申请涉及障碍物识别领域，更具体的说，是涉及一种鱼眼图像遮挡类别的判别方法及装置。

背景技术

目前全球卫星导航系统能够为配有卫星通信装备的用户提供实时详细的定位信息，在公路、高速公路、野外郊区等卫星信号接收良好的定位效果较好，但在城市地区的定位表现大有不同。由于城市内环境密集，如城市峡谷、城市森林等多径环境下，由于城市建筑和树木对卫星信号的遮挡，导致卫星定位发生严重偏移。

如今，可以使用支持向量机或者其他语义分割算法对包含建筑遮挡和树木遮挡的天空鱼眼图像进行二分类分割（天空区域和非天空区域），以将非天空区域对应的非直射卫星信号作为遮挡信号剔除。但是，非直射信号分为反射信号和衍射信号，若对衍射信号进行降权和伪距修改操作，仍可变为有用的卫星信号。

因此，在环境密集的城市地带中，对天空鱼眼图像进行遮挡类别的区域分类，挖掘卫星信号中具有参考价值的衍射信号，提供更多卫星精确定位的条件，是需要关注的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种鱼眼图像遮挡类别的判别方法及装置，挖掘卫星信号中具有参考价值的衍射信号，提供更多卫星精确定位的条件。

为了实现上述目的，现提出具体方案如下：

一种鱼眼图像遮挡类别的判别方法，包括：

将鱼眼图像输入预先建立的鱼眼图像遮挡类别判别模型，输出得到带有遮挡分类信息的目标鱼眼图像；

所述鱼眼图像遮挡类别判别模型的建立过程，包括：

获取若干鱼眼拍摄图像，并对若干所述鱼眼拍摄图像进行标签处理和像素化处理，得到若干鱼眼标签图像，每一鱼眼标签图像中包含天空标签、建筑物标签和树木标签中的至少一种标签；

构建用于插入原始U_Net网络结构中的批量归一化BN网络层；

在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构；

以所述若干鱼眼拍摄图像作为训练样本，将与每一鱼眼拍摄图像对应的鱼眼标签图像作为该鱼眼拍摄图像的样本标签，通过所述批量归一化U_Net网络结构训练得到鱼眼图像遮挡类别判别模型。

可选的，所述构建用于插入原始U_Net网络结构中的批量归一化BN网络，包括：

利用下式构建用于插入原始U_Net网络结构中的批量归一化BN网络：

；

其中，为批量归一化BN网络所接受的第k维输入特征的回归值，为所述第k维输入特征的平均值，为所述第k维输入特征的均方误差，为所述第k维输入特征的输出特征y。

可选的，所述在所述原始U_Net网络结构中插入所述BN网络层，得到批量归一化U_Net网络结构，包括：

将所述原始U_Net网络结构中所进行下采样的特征通道的数量，增加一倍，得到第一U_Net网络结构；

将所述第一U_Net网络结构中所进行上采样的特征通道的数量，缩减一半，得到第二U_Net网络结构；

在所述第二U_Net网络结构中的每一卷积层后插入所述BN网络层，得到批量归一化U_Net网络结构。