CN110458815A - 有雾场景检测的方法及装置 - Google Patents
有雾场景检测的方法及装置 Download PDFInfo
- Publication number
- CN110458815A CN110458815A CN201910706438.4A CN201910706438A CN110458815A CN 110458815 A CN110458815 A CN 110458815A CN 201910706438 A CN201910706438 A CN 201910706438A CN 110458815 A CN110458815 A CN 110458815A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- image
- scene
- sky
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000003595 mist Substances 0.000 title abstract 5
- 238000012545 processing Methods 0.000 claims abstract description 75
- 230000011218 segmentation Effects 0.000 claims abstract description 50
- 230000000873 masking effect Effects 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 19
- 238000007499 fusion processing Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 6
- 239000003550 marker Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种有雾场景检测的方法及装置,涉及自动驾驶领域,具体实现方案为:对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像。对检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像。根据第一处理图像和第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像。根据第三处理图像的像素点信息,确定检测图像对应的场景是否为有雾场景,其中,像素点信息用于指示第三处理图像中像素点的各通道值。本实施例通过第一处理图像和第二处理图像进行融合处理,以得到剔除第三天空区域的第三处理图像,通过第三天空区域的像素点信息实现有雾场景的检测,从而能够保证有雾场景检测的准确性。
Description
技术领域
本申请实施例涉及计算机技术中的自动驾驶,尤其涉及一种有雾场景检测的方法及装置。
背景技术
随着驾驶领域的快速发展,当车辆在道路上行驶时,不可避免的会遇到一些极端天气条件,因此对有雾场景检测就显得尤为重要。
目前,传统的有雾场景检测的过程通常是:预先标识道路上的典型标记物,如建筑、桥梁等,通过车辆上的视觉传感器获取对道路的拍摄图片,然后对拍摄图片中的典型标记物的轮廓进行检测,通过判断轮廓是否清晰以确定当前场景是否为有雾场景。
然而,典型标记物的标识主观性过强,若典型标记物选择不恰当或者无法找到典型标记物,则会导致有雾场景检测的准确性较低。
发明内容
本申请实施例提供一种有雾场景检测的方法及装置,以克服有雾场景检测的准确性较低的问题。
第一方面,本申请实施例提供一种有雾场景检测的方法,包括:
对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像;
对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像;
根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,所述第三天空区域为所述第一天空区域和所述第二天空区域的交集;
根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,其中,所述像素点信息用于指示所述第三处理图像中像素点的各通道值。
通过根据剔除第一天空区域的第一处理图像和剔除第二天空区域的第二处理图像进行融合处理,以得到剔除第三天空区域的第三处理图像,从而能够保证准确的剔除检测图像中的天空区域,并且通过第三天空区域的像素点信息,针对性的实现有雾场景的检测,从而能够保证有雾场景检测的准确性。
在一种可能的设计中,所述根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,包括:
根据所述第一处理图像,获取所述第一天空区域对应的第一像素点,以及根据所述第二处理图像,获取所述第二天空区域对应的第二像素点;
根据所述第一像素点和所述第二像素点,获取第三像素点,其中,所述第三像素点为所述第一像素点和所述第二像素点的交集;
根据所述第三像素点,将所述检测图像中所述第三像素点对应的第三天空区域剔除,得到第三处理图像。
通过第一处理图像中的第一像素点以及第二处理图像中的像素点取其交集,得到第三像素点,从而能够以像素点为单位精确的得到第三天空区域,其次将第三天空区域进行剔除,从而保证剔除天空区域的正确性。
在一种可能的设计中,所述根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,包括:
针对所述第三处理图像中的任一第四像素点,获取与所述第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,所述像素点信息包括R通道的值、G通道的值、B通道的值;
针对任一第五像素点,获取所述第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合;
将所述最小值集合中的最小值作为第四像素点的目标像素值;
根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景。
通过获取第三处理图像中的与第四像素点的距离小于预设距离的各第五像素点的通道值的最小值,从而能够确定各第四像素点的目标像素值,其中目标像素值能够反映第四像素点的暗通道,从而能够有效的实现有雾场景的检测。
在一种可能的设计中,所述根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景,包括:
根据多个所述第四像素点各自对应的目标像素值,获取目标像素值的均值;
判断所述目标像素值的均值是否大于预设阈值;
若是,则确定所述检测图像对应的场景是有雾场景;
若否,则确定所述检测图像对应的场景不是有雾场景。
通过根据目标像素值的均值与预设阈值的大小进行比较从而确定是否为有雾场景,能够有效提升有雾场景检测的全面性。
在一种可能的设计中,所述对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像,包括:
根据所述车载相机的内部参数,得到所述检测图像与实际场景对应的比例关系,以及根据所述车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系;
根据所述检测图像与实际场景对应的比例关系和所述世界坐标系和相机坐标系的对应关系,得到预设天空范围;
根据所述预设天空范围进行掩膜操作,在所述检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
通过根据车载相机的内部参数和外部参数确定预设天空范围,能够提升根据预设天空范围得到的第一天空区域的准确率。
在一种可能的设计中,所述对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像,包括:
对所述检测图像进行语义分割处理,得到语义分割结果,其中,所述语义分割结果中标识有第二天空区域;
根据所述语义分割结果,在所述检测图像中剔除所述第二天空区域,得到第二处理图像。
通过对检测图像进行语义分割处理以在检测图像中确定第二天空区域,能够有效保证第二天空区域指示的天空区域的准确性,从而保证后续能够正确的剔除天空区域,以提升有雾场景检测的效率。
第二方面,本申请实施例提供一种有雾场景检测的装置,包括:
剔除模块,用于对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像;
所述剔除模块,还用于对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像;
融合模块,用于根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,所述第三天空区域为所述第一天空区域和所述第二天空区域的交集;
确定模块,用于根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,其中,所述像素点信息用于指示所述第三处理图像中像素点的各通道值。
在一种可能的设计中,所述剔除模块具体用于:
根据所述第一处理图像,获取所述第一天空区域对应的第一像素点,以及根据所述第二处理图像,获取所述第二天空区域对应的第二像素点;
根据所述第一像素点和所述第二像素点,获取第三像素点,其中,所述第三像素点为所述第一像素点和所述第二像素点的交集;
根据所述第三像素点,将所述检测图像中所述第三像素点对应的第三天空区域剔除,得到第三处理图像。
在一种可能的设计中,所述确定模块具体用于:
针对所述第三处理图像中的任一第四像素点,获取与所述第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,所述像素点信息包括R通道的值、G通道的值、B通道的值;
针对任一第五像素点,获取所述第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合;
将所述最小值集合中的最小值作为第四像素点的目标像素值;
根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景。
在一种可能的设计中,所述确定模块具体用于:
根据多个所述第四像素点各自对应的目标像素值,获取目标像素值的均值;
判断所述目标像素值的均值是否大于预设阈值;
若是,则确定所述检测图像对应的场景是有雾场景;
若否,则确定所述检测图像对应的场景不是有雾场景。
在一种可能的设计中,所述剔除模块具体用于:
根据所述车载相机的内部参数,得到所述检测图像与实际场景对应的比例关系,以及根据所述车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系;
根据所述检测图像与实际场景对应的比例关系和所述世界坐标系和相机坐标系的对应关系,得到预设天空范围;
根据所述预设天空范围进行掩膜操作,在所述检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
在一种可能的设计中,所述剔除模块具体用于:
对所述检测图像进行语义分割处理,得到语义分割结果,其中,所述语义分割结果中标识有第二天空区域;
根据所述语义分割结果,在所述检测图像中剔除所述第二天空区域,得到第二处理图像。
第三方面,本申请实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
第四方面,本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行如上第一方面以及第一方面各种可能的设计中任一所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:针对性的实现有雾场景的检测,从而能够保证有雾场景检测的准确性。因为采用将掩膜操作得到的第一处理图像和根据语义分割处理得到的第二处理图像进行融合处理,以得到正确剔除天空区域的第三处理图像,并根据第三处理图像的像素点信息进行有雾场景检测的技术手段,所以克服了根据典型标记物的轮廓识别进行雾检测导致的准确性较低的技术问题,进而达到提升有误场景检测的准确性的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是可以实现本申请实施例的系统示意图;
图2是根据本申请第一实施例的示意图;
图3是根据本申请第二实施例的示意图;
图4是可以实现本申请第二实施例的场景示意图一;
图5是可以实现本申请第二实施例的场景示意图二;
图6是可以实现本申请第二实施例的场景示意图三;
图7是可以实现本申请实施例的有雾场景检测的装置的结构示意图;
图8是用来实现本申请实施例的有雾场景检测的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是可以实现本申请实施例的系统示意图,如图1所示,车辆上安装有车载相机,用于对车辆前方的道路情况进行拍摄,其中,车载相机例如可以为行车记录仪,或者还可以为车辆内置的相机、无人驾驶车辆的视觉传感器等,本领域技术人员可以理解,只要车载相机能对车辆前方的道路情况进行拍摄即可,本实施例对车载相机的具体实现方式不做限定。
具体的,本实施例根据车载相机拍摄得到的检测图像进行有雾场景的检测,其中检测图像的拍摄例如可以为按照预设周期定时拍摄的图像,或者还可以为车载相机实时拍摄的视频,通过对视频进行分帧处理,从而得到检测图像,本实施例对此不做限定。
本领域技术人员可以理解,本实施例中的车辆例如可以为无人驾驶的车辆、自动驾驶的车辆或者任意型号的有人驾驶车辆,只要是能够行驶在道路上并且设置有车载相机的车辆均属于实施例的保护范围。
目前,现有技术在进行有雾场景检测是通常存在两种方式,下面对两种方式进行简要说明:
一、预先标识道路上的典型标记物,如建筑、桥梁、典型路标等,其次通过车辆上的视觉传感器获取对道路的拍摄图像,然后对拍摄图像中的典型标记物的轮廓进行检测,通过判断轮廓是否清晰以确定当前场景是否为有雾场景。
然而,典型标记物的标识没有明确的指标性导向,其选择的主观性过强,若典型标记物选择不恰当或者无法找到典型标记物,则会导致有雾场景检测的准确性较低。
二、通过整体评价图像的质量以确定当前图片拍摄的场景是否为有雾场景。
然而,整体评价的方式无法聚焦于雾检测,通常图像质量的评估来自于多各维度,而因为车辆的视觉传感器安装的特殊性,其拍摄的图像和一般的图像存在一定的区别,因此会导致对有雾场景检测的准确性较低。
基于上述问题,本申请提供了一种有雾场景检测的方法,下面结合图2进行介绍,图2是根据本申请第一实施例的示意图,如图2所示,该方法包括:
S201、对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像。
在本实施例中,车载相机拍摄的检测图像是车辆前方的场景的图像,其通常会包括天空区域,由于天空区域对应的像素点的各通道值比较接近,在进行有雾场景检测时,天空区域对应的像素点并不能起到对有雾场景的指示作用,因此将天空区域进行剔除能够有效提升有雾场景检测的操作效率。
具体的,掩膜操作用于将第一天空区域对应的像素点从检测图像中进行剔除,在一种可能的实现方式中,可以设置有掩膜矩阵,其中掩膜矩阵在第一天空区域对应的像素点设置有数值0,在第一天空区域之外的区域对应的像素点设置有数值1,根据掩膜矩阵与检测图像相乘,从而重新计算检测图像中各像素点的像素值,以实现剔除第一天空区域(对应的像素值设置为0),以及保留第一天空区域之外的区域(保留原有的像素值)。
在另一种可选的实施例中,还例如可以将第一天空区域对应的各像素点进行屏蔽,使其不参加后续对检测图像所进行的处理,而第一天空区域对应的像素点的像素值还是保留的,本领域技术人员可以理解,剔除第一天空区域的具体实现方式可以根据实际需求进行选择,只要能够保证第一天空区域不参与后续的图像处理即可。
在本实施例中,第一天空区域例如可以为根据经验参数得到的预设区域,如预设检测图像的上半部分为第一天空区域;或者,第一天空区域还可以为根据车载相机的参数以及车载相机的设置高度等确定的,本实施例对第一天空区域不做限定,可以理解的是,第一天空区域是检测图像中所包括的真实天空区域的粗略描述。
S202、对检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像。
具体的,语义分割处理能够实现对检测图像中各语义对应的目标的分割处理,例如检测图像进行语义分割处理能够得到建筑物A、建筑物B、车辆A、车辆B、行人A、行人B、天空,其中语义分割处理的具体实现方式可参照现有技术中任一种可能的实现方式,此处不再赘述。
在一种可能的实现的方式中,对检测图像进行语义分割处理,得到语义分割结果,其中,语义分割结果中标识有第二天空区域,其次根据语义分割结果,在检测图像中剔除第二天空区域,得到第二处理图像。
在本实施例中,第二天空区域为根据语义分割处理得到的区域,其中提出第二天空区域的操作例如可以为将第二天空区域对应的像素点的像素值设置为0,或者将第二天空区域对应的像素点进行屏蔽,使其不参与后续的图像处理。
具体的,本实施例对S201与S202的执行顺序不做限定,也可先执行S201,也可以先执行S202,也可以同时执行S201与S202。
S203、根据第一处理图像和第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,第三天空区域为第一天空区域和第二天空区域的交集。
在本实施例中,第二天空区域的确定完全取决于语义分割处理,其正确性无法保证,若语义分割处理的实现方法选择的不恰当,可能出现将与天空区域较为相似的建筑或者车辆识别为第二天空区域的情况,从而导致天空区域的剔除出现错误,因此本实施例采用剔除第一天空区域的第一处理图像,以及剔除第二天空区域的第二处理图像进行融合处理,从而保证剔除天空区域的正确性。
具体的,例如可以根据第一处理图像和第二处理图像进行逐像素点的融合,在一种可能的实现方式中,例如可以根据第一处理图像中第一天空区域对应的像素点,以及第二处理图像中第二天空区域对应的像素点得到其交集,以确定第三天空区域,即第三天空区域对应的是即出现在第一天空区域,同时又出现在第二天空区域的天空区域。
在另一种可能的实现方式中,例如可以为第一处理图像和第二处理图像分配不同的权重值,其次根据第一处理图像中第一天空区域对应的像素点的权重值和第二处理图像中第二天空区域对应的像素点的权重值确定第三天空区域,本实施例对确定第三天空区域的具体实现方式不做限定,只要其是根据第一处理图像和第二处理图像得到的即可。
其次,在检测图像中将第三天空区域进行剔除,以得到第三处理图像,其中剔除第三天空区域的具体实现方式与上述介绍的剔除第二天空区域类似,此处不再赘述。
通过第一处理图像和第二处理图像进行融合处理以得到第三处理图像,能够保证剔除的天空区域的正确性,避免了因为天空区域的标识不正确导致的有雾场景检测的准确率降低。
S204、根据第三处理图像的像素点信息,确定检测图像对应的场景是否为有雾场景,其中,像素点信息用于指示第三处理图像中像素点的各通道值。
在剔除第三天空区域后,即可以根据第三处理图像进行有雾场景的检测,具体的,获取第三处理图像中像素点的各通道值,因为针对无雾场景对应的图像中,在绝大多数的非天空区域里,像素点总是会存在至少一个很低的通道值,即该区域对应的光强度的最小值是个很小的数。
在一种可选的实现方式中,可以根据第三处理图像中像素点的各通道值的最小值与预设阈值进行比较;或者,可以根据第三处理图像中像素点的各通道值的均值与预设阈值进行比较,从而确定检测图像对应的场景是否为有雾场景,本实施例对有雾场景检测的具体实现方式不做限定,只要其是能够第三处理图像的像素点信息确定的即可。
通过剔除第三天空区域的第三处理图像的像素点信息进行有雾场景的检测,从而避免了根据典型标记物的轮廓进行识别导致的准确率较低,并且其不是通过评价图像的整体质量,而是通过根据与有雾检测相关的像素点信息进行检测,从而能够针对性的实现有雾场景检测,以提升检测的准确性。
本申请实施例提供的有雾场景检测的方法,包括:对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像。对检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像。根据第一处理图像和第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,第三天空区域为第一天空区域和第二天空区域的交集。根据第三处理图像的像素点信息,确定检测图像对应的场景是否为有雾场景,其中,像素点信息用于指示第三处理图像中像素点的各通道值。通过根据剔除第一天空区域的第一处理图像和剔除第二天空区域的第二处理图像进行融合处理,以得到剔除第三天空区域的第三处理图像,从而能够保证准确的剔除检测图像中的天空区域,并且通过第三天空区域的像素点信息,针对性的实现有雾场景的检测,从而能够保证有雾场景检测的准确性。
在上述实施例的基础上,下面结合图3至图6对本申请实施例提供的有雾场景检测的方法进行进一步地详细介绍,图3是根据本申请第二实施例的示意图,图4是可以实现本申请第二实施例的场景示意图一,图5是可以实现本申请第二实施例的场景示意图二,图6是可以实现本申请第二实施例的场景示意图三。
如图3所示,该方法包括:
S301、根据车载相机的内部参数,得到检测图像与实际场景对应的比例关系,以及根据车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系。
其中,车载相机的内部参数为车载相机的固有参数,如焦距、光圈大小等,因为车载相机会根据其内部参数进行成像,因此根据相机的内部参数可以确定检测图像与实际场景对应的比例关系;同时,车载相机的外部参数车载相机的外部设置参数,如车载相机的设置高度,镜头设置角度等,因此根据车载相机的外部参数可以确定世界坐标系和相机坐标系的对应关系。
其中,世界坐标系用于反映检测图像与真实物体之间的映射关系,而相机坐标系是以车载相机的光轴作为Z轴,光线在相机光学系统的中心位置就是原点Oc(实际上就是透镜的中心),车载相机坐标系的水平轴与垂直轴分别于图像坐标系的X轴和8轴平行,其中,图像坐标系用于指示检测图像中像素点的位置,本领域技术人员可以理解,世界坐标系和相机坐标系之间的对应关系例如可以采用矩阵来描述。
S302、根据检测图像与实际场景对应的比例关系和世界坐标系和相机坐标系的对应关系,得到预设天空范围。
在本实施例中,当物体离车载相机较远的时候,在检测图像上就很小,则对应的该物体对应的一个像素点代表的实际尺寸就相对较大,当物体离车载相机较近的时候,在检测图像上就很大,则对应的该物体对应的一个像素点代表的实际尺寸就相对较小,因此,本实施例针对检测图像中的每一个像素点,均根据车载相机的内部参数和外部参数进行标定,从而得到预设天空范围。
在一种可能的实现方式中,例如车载相机的架设角度是45°,则根据车载相机的内部参数和外部参数可以将检测图像的上半部分标定为预设天空范围;或者,假设车载相机的架设角度是0°,则根据车载相机的内部参数和外部参数可以将检测图像的上面1/5的部分标定为预设天空范围,本领域技术人员可以理解,以上是结合相机的架设角度这个单独的参数举例进行说明,在获取实际的预设天空范围时,是根据检测图像与实际场景对应的比例关系和世界坐标系和相机坐标系的对应关系共同得到的。
S303、根据预设天空范围进行掩膜操作,在检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
具体的,预设天空范围在检测图像中对应的区域即为第一天空区域,根据预设天空范围进行掩膜操作,从而在检测图像中剔除第一天空区域,以得到第一处理图像,其中第一处理图像的例如可以如图4所示意的图像,在图4中用不同程度的灰色标识第一天空区域401和非天空区域402,在确定第一天空区域后,将第一天空区域401进行剔除,其中剔除的操作在上述实施例中已经进行了详细介绍,此处不再赘述。
S304、对检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像。
具体的,S304的实现方式与S202的实现方式类似,此处不再赘述。
参见图5,对检测图像进行语义分割处理得到语义分割结果,具体额的,语义分割结果可以标识出车辆、道路、建筑、路灯等,其还标识出了第二天空区域如501,在图5中分别用不同程度的灰度标识各个不同的对象,其次将第二天空区域501剔除即得到第二处理图像。
S305、根据第一处理图像,获取第一天空区域对应的第一像素点,以及根据第二处理图像,获取第二天空区域对应的第二像素点。
S306、根据第一像素点和第二像素点,获取第三像素点,其中,第三像素点为第一像素点和第二像素点的交集。
在本实施例中,由于语义分割处理的正确性无法保证,参见图5,其将检测图像中某草丛区域同样标识为第二天空区域501了,因此本实施例根据第一处理图像和第二处理图像进行融合处理以得到正确的天空区域。
具体的,将第一处理图像中第一天空区域对应的第一像素点和第二处理图像中第二天空区域对应的第二像素点取其交集,从而的得到第三像素点,其中第三像素点即为第一天空区域和第二天空区域的重叠部分对应的像素点。
S307、根据第三像素点,将检测图像中第三像素点对应的第三天空区域剔除,得到第三处理图像。
具体的,可结合图4、图5以及图6,可以看出图4中上半部分为第一天空区域401,而在图5中天空区域为501所标识的区域,则根据第一天空区域401和第二天空区域501的交集可确定第三天空区域601,参见图6,在检测图像中标识有第三像素点对应的第三天空区域601,其能够将草丛区域去除从而正确的标识出第三天空区域,其次将第三天空区域601剔除即得到第三处理图像。
S308、针对第三处理图像中的任一第四像素点,获取与第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,像素点信息包括R通道的值、G通道的值、B通道的值。
其中,第三处理图像中包括多个第四像素点,第四像素点可以理解为检测图像中除天空区域对应的像素点之外的像素点,针对任一第四像素点,首先获取与第四像素点的距离小于预设距离的地位像素点,其中的距离例如可以为像素点的中心位置的距离,或者还可以为任一边缘位置的距离,本实施例对此不做限定。
在本实施例欧中,像素点信息包括R通道的值、G通道的值、B通道的值,从而获取第五像素点的像素点信息。
S309、针对任一第五像素点,获取第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合。
具体的,存在至少一个与第四像素点的距离小于预设距离的第五像素点其次针对其中任一像素点,获取第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合。
例如当前存在4个第五像素点,分别是像素点A、像素点B、像素点C、像素点D,其对应的像素点信息分别为:像素点A:(13,212,267)、像素点B:(187,23,45)、像素点C:(210,123,134)、像素点D:(134,57,78),其中,括号内的三个数值分别依次对应R通道的值、G通道的值、B通道的值。
则针对像素点A可以得到最小值13,针对像素点B可以得到最小值23,针对像素点C可以得到最小值123,针对像素点D可以得到最小值57,则得到最小值集合{13,23,123,57}。
S310、将最小值集合中的最小值作为第四像素点的目标像素值。
S311、根据多个第四像素点各自对应的目标像素值,获取目标像素值的均值。
在上述实施例中已经介绍过,因为针对无雾场景对应的图像中,在绝大多数的非天空区域里,像素点总是会存在至少一个很低的通道值,因此本实施例将最小值集合中的最小值作为第四像素点的目标像素值,以便实现后续的有雾场景检测。
沿用上述示例,当前的最小值集合为{13,23,123,57},其中的最小值为13,则当前的第四像素点的目标像素值即为13,针对每一个第四像素点均执行上述操作,从而得到多个第四像素点各自对应的目标像素值,其次获取各目标像素值的均值。
示例性的,第四像素点的目标像素值的确定可以采用如下公式一进行计算:
其中,ImageIII表示第三处理图像,c表示R通道的值、G通道的值、B通道的值中的任一个,y表示第五像素点,Ω表示与第四像素点的距离小于预设距离的范围,min(...)为取最小值的函数,ImageIV表示第四像素点取目标像素值后对应的第四处理图像。
S312、判断目标像素值的均值是否大于预设阈值,若是,则执行S313,若否,则执行S314。
在得到多个第四像素点各自对应的目标像素值的均值后,判断目标像素值的均值是否大于预设阈值,其中预设阈值例如可以为根据经验值确定的,或者还可以为根据有雾图像分析得到的,本实施例对预设阈值的具体实现方式不做限定,其可以根据实际需求进行选择。
S313、确定检测图像对应的场景是有雾场景。
S314、确定检测图像对应的场景不是有雾场景。
若目标像素值的均值大于预设阈值,则确定检测图像对应的场景是有雾场景;若目标像素值的均值不大于预设阈值,则确定检测图像对应的场景不是有雾场景。
本申请实施例提供的有雾场景检测的方法,包括:根据车载相机的内部参数,得到检测图像与实际场景对应的比例关系,以及根据车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系。根据检测图像与实际场景对应的比例关系和世界坐标系和相机坐标系的对应关系,得到预设天空范围。根据预设天空范围进行掩膜操作,在检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。对检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像。根据第一处理图像,获取第一天空区域对应的第一像素点,以及根据第二处理图像,获取第二天空区域对应的第二像素点。根据第一像素点和第二像素点,获取第三像素点,其中,第三像素点为第一像素点和第二像素点的交集。根据第三像素点,将检测图像中第三像素点对应的第三天空区域剔除,得到第三处理图像。针对第三处理图像中的任一第四像素点,获取与第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,像素点信息包括R通道的值、G通道的值、B通道的值。针对任一第五像素点,获取第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合。将最小值集合中的最小值作为第四像素点的目标像素值。根据多个第四像素点各自对应的目标像素值,获取目标像素值的均值。判断目标像素值的均值是否大于预设阈值,若是,则确定检测图像对应的场景是有雾场景。若否,则确定检测图像对应的场景不是有雾场景。通过根据车载相机的内部参数和外部参数实现对检测图像的掩膜操作得到第一处理图像,以及结合语义分割处理得到的第二处理图像,使得融合得到的第三处理图像的质量能够得到有效保障,同时在有雾场景检测的过程中使用了第三处理图像的的多个通道值,能够针对性的实现有雾场景的检测,从而保证检测结果的准确性。
图7是可以实现本申请实施例的有雾场景检测的装置的结构示意图。如图7所示,该装置700包括:剔除模块701、融合模块702以及确定模块703。
剔除模块701,用于对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像;
所述剔除模块701,还用于对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像;
融合模块702,用于根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,所述第三天空区域为所述第一天空区域和所述第二天空区域的交集;
确定模块703,用于根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,其中,所述像素点信息用于指示所述第三处理图像中像素点的各通道值。
在一种可能的设计中,所述剔除模块701具体用于:
根据所述第一处理图像,获取所述第一天空区域对应的第一像素点,以及根据所述第二处理图像,获取所述第二天空区域对应的第二像素点;
根据所述第一像素点和所述第二像素点,获取第三像素点,其中,所述第三像素点为所述第一像素点和所述第二像素点的交集;
根据所述第三像素点,将所述检测图像中所述第三像素点对应的第三天空区域剔除,得到第三处理图像。
在一种可能的设计中,所述确定模块703具体用于:
针对所述第三处理图像中的任一第四像素点,获取与所述第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,所述像素点信息包括R通道的值、G通道的值、B通道的值;
针对任一第五像素点,获取所述第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合;
将所述最小值集合中的最小值作为第四像素点的目标像素值;
根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景。
在一种可能的设计中,所述确定模块703具体用于:
根据多个所述第四像素点各自对应的目标像素值,获取目标像素值的均值;
判断所述目标像素值的均值是否大于预设阈值;
若是,则确定所述检测图像对应的场景是有雾场景;
若否,则确定所述检测图像对应的场景不是有雾场景。
在一种可能的设计中,所述剔除模块701具体用于:
根据所述车载相机的内部参数,得到所述检测图像与实际场景对应的比例关系,以及根据所述车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系;
根据所述检测图像与实际场景对应的比例关系和所述世界坐标系和相机坐标系的对应关系,得到预设天空范围;
根据所述预设天空范围进行掩膜操作,在所述检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
在一种可能的设计中,所述剔除模块701具体用于:
对所述检测图像进行语义分割处理,得到语义分割结果,其中,所述语义分割结果中标识有第二天空区域;
根据所述语义分割结果,在所述检测图像中剔除所述第二天空区域,得到第二处理图像。
本实施例提供的装置,可用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,本实施例此处不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本申请实施例的有雾场景检测的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。
存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的有雾场景检测的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的有雾场景检测的方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的有雾场景检测的方法对应的程序指令/模块(例如,附图7所示的剔除模块701、融合模块702和确定模块703)。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的有雾场景检测的方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据有雾场景检测的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至有雾场景检测的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
有雾场景检测的方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与有雾场景检测的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,通过根据剔除第一天空区域的第一处理图像和剔除第二天空区域的第二处理图像进行融合处理,以得到剔除第三天空区域的第三处理图像,从而能够保证准确的剔除检测图像中的天空区域,并且通过第三天空区域的像素点信息,针对性的实现有雾场景的检测,从而能够保证有雾场景检测的准确性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (14)
1.一种有雾场景检测的方法,其特征在于,包括:
对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像;
对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像;
根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,所述第三天空区域为所述第一天空区域和所述第二天空区域的交集;
根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,其中,所述像素点信息用于指示所述第三处理图像中像素点的各通道值。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,包括:
根据所述第一处理图像,获取所述第一天空区域对应的第一像素点,以及根据所述第二处理图像,获取所述第二天空区域对应的第二像素点;
根据所述第一像素点和所述第二像素点,获取第三像素点,其中,所述第三像素点为所述第一像素点和所述第二像素点的交集;
根据所述第三像素点,将所述检测图像中所述第三像素点对应的第三天空区域剔除,得到第三处理图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,包括:
针对所述第三处理图像中的任一第四像素点,获取与所述第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,所述像素点信息包括R通道的值、G通道的值、B通道的值;
针对任一第五像素点,获取所述第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合;
将所述最小值集合中的最小值作为第四像素点的目标像素值;
根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景。
4.根据权利要求3所述的方法,其特征在于,所述根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景,包括:
根据多个所述第四像素点各自对应的目标像素值,获取目标像素值的均值;
判断所述目标像素值的均值是否大于预设阈值;
若是,则确定所述检测图像对应的场景是有雾场景;
若否,则确定所述检测图像对应的场景不是有雾场景。
5.根据权利要求1所述的方法,其特征在于,所述对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像,包括:
根据所述车载相机的内部参数,得到所述检测图像与实际场景对应的比例关系,以及根据所述车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系;
根据所述检测图像与实际场景对应的比例关系和所述世界坐标系和相机坐标系的对应关系,得到预设天空范围;
根据所述预设天空范围进行掩膜操作,在所述检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
6.根据权利要求1所述的方法,其特征在于,所述对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像,包括:
对所述检测图像进行语义分割处理,得到语义分割结果,其中,所述语义分割结果中标识有第二天空区域;
根据所述语义分割结果,在所述检测图像中剔除所述第二天空区域,得到第二处理图像。
7.一种有雾场景检测的装置,其特征在于,包括:
剔除模块,用于对车载相机拍摄的检测图像进行掩膜操作,得到剔除第一天空区域的第一处理图像;
所述剔除模块,还用于对所述检测图像进行语义分割处理,得到剔除第二天空区域的第二处理图像;
融合模块,用于根据所述第一处理图像和所述第二处理图像进行融合处理,得到剔除第三天空区域的第三处理图像,其中,所述第三天空区域为所述第一天空区域和所述第二天空区域的交集;
确定模块,用于根据所述第三处理图像的像素点信息,确定所述检测图像对应的场景是否为有雾场景,其中,所述像素点信息用于指示所述第三处理图像中像素点的各通道值。
8.根据权利要求7所述的装置,其特征在于,所述剔除模块具体用于:
根据所述第一处理图像,获取所述第一天空区域对应的第一像素点,以及根据所述第二处理图像,获取所述第二天空区域对应的第二像素点;
根据所述第一像素点和所述第二像素点,获取第三像素点,其中,所述第三像素点为所述第一像素点和所述第二像素点的交集;
根据所述第三像素点,将所述检测图像中所述第三像素点对应的第三天空区域剔除,得到第三处理图像。
9.根据权利要求7所述的装置,其特征在于,所述确定模块具体用于:
针对所述第三处理图像中的任一第四像素点,获取与所述第四像素点的距离小于预设距离的第五像素点的像素点信息,其中,所述像素点信息包括R通道的值、G通道的值、B通道的值;
针对任一第五像素点,获取所述第五像素点的R通道的值、G通道的值、B通道的值中的最小值,得到最小值集合;
将所述最小值集合中的最小值作为第四像素点的目标像素值;
根据多个所述第四像素点各自对应的目标像素值,确定所述检测图像对应的场景是否为有雾场景。
10.根据权利要求9所述的装置,其特征在于,所述确定模块具体用于:
根据多个所述第四像素点各自对应的目标像素值,获取目标像素值的均值;
判断所述目标像素值的均值是否大于预设阈值;
若是,则确定所述检测图像对应的场景是有雾场景;
若否,则确定所述检测图像对应的场景不是有雾场景。
11.根据权利要求7所述的装置,其特征在于,所述剔除模块具体用于:
根据所述车载相机的内部参数,得到所述检测图像与实际场景对应的比例关系,以及根据所述车载相机的外部参数,得到世界坐标系和相机坐标系的对应关系;
根据所述检测图像与实际场景对应的比例关系和所述世界坐标系和相机坐标系的对应关系,得到预设天空范围;
根据所述预设天空范围进行掩膜操作,在所述检测图像中剔除预设天空范围对应的第一天空区域,得到第一处理图像。
12.根据权利要求7所述的装置,其特征在于,所述剔除模块具体用于:
对所述检测图像进行语义分割处理,得到语义分割结果,其中,所述语义分割结果中标识有第二天空区域;
根据所述语义分割结果,在所述检测图像中剔除所述第二天空区域,得到第二处理图像。
13.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910706438.4A CN110458815B (zh) | 2019-08-01 | 2019-08-01 | 自动驾驶有雾场景检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910706438.4A CN110458815B (zh) | 2019-08-01 | 2019-08-01 | 自动驾驶有雾场景检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458815A true CN110458815A (zh) | 2019-11-15 |
CN110458815B CN110458815B (zh) | 2023-05-30 |
Family
ID=68484457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910706438.4A Active CN110458815B (zh) | 2019-08-01 | 2019-08-01 | 自动驾驶有雾场景检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458815B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598777A (zh) * | 2020-05-13 | 2020-08-28 | 上海眼控科技股份有限公司 | 天空云图的处理方法、计算机设备和可读存储介质 |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
TWI832568B (zh) * | 2022-11-18 | 2024-02-11 | 廣達電腦股份有限公司 | 霧氣判別方法、及光學設備 |
CN113793373B (zh) * | 2021-08-04 | 2024-05-24 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160026893A1 (en) * | 2014-07-25 | 2016-01-28 | Socionext Inc. | Haze image discriminating apparatus and discriminating method |
CN108182679A (zh) * | 2017-12-27 | 2018-06-19 | 上海传英信息技术有限公司 | 基于照片的雾霾检测方法和装置 |
CN109003282A (zh) * | 2018-07-27 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
CN109284663A (zh) * | 2018-07-13 | 2019-01-29 | 上海大学 | 一种基于正态和均匀混合分布模型的海面障碍物检测方法 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN109900358A (zh) * | 2019-03-04 | 2019-06-18 | 东南大学 | 一种基于图像亮度信息的天空类型识别系统及方法 |
-
2019
- 2019-08-01 CN CN201910706438.4A patent/CN110458815B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160026893A1 (en) * | 2014-07-25 | 2016-01-28 | Socionext Inc. | Haze image discriminating apparatus and discriminating method |
CN108182679A (zh) * | 2017-12-27 | 2018-06-19 | 上海传英信息技术有限公司 | 基于照片的雾霾检测方法和装置 |
CN109284663A (zh) * | 2018-07-13 | 2019-01-29 | 上海大学 | 一种基于正态和均匀混合分布模型的海面障碍物检测方法 |
CN109003282A (zh) * | 2018-07-27 | 2018-12-14 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
CN109886920A (zh) * | 2019-01-16 | 2019-06-14 | 安徽谛听信息科技有限公司 | 一种雾天分级方法、雾天分级系统 |
CN109900358A (zh) * | 2019-03-04 | 2019-06-18 | 东南大学 | 一种基于图像亮度信息的天空类型识别系统及方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598777A (zh) * | 2020-05-13 | 2020-08-28 | 上海眼控科技股份有限公司 | 天空云图的处理方法、计算机设备和可读存储介质 |
CN113793373A (zh) * | 2021-08-04 | 2021-12-14 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
CN113793373B (zh) * | 2021-08-04 | 2024-05-24 | 武汉市公安局交通管理局 | 一种能见度检测方法、装置、设备及介质 |
TWI832568B (zh) * | 2022-11-18 | 2024-02-11 | 廣達電腦股份有限公司 | 霧氣判別方法、及光學設備 |
Also Published As
Publication number | Publication date |
---|---|
CN110458815B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111274974B (zh) | 定位元素检测方法、装置、设备和介质 | |
JP6259928B2 (ja) | 車線データの処理方法、装置、記憶媒体及び機器 | |
CN111273268B (zh) | 自动驾驶障碍物类型的识别方法、装置及电子设备 | |
CN111324115B (zh) | 障碍物位置检测融合方法、装置、电子设备和存储介质 | |
CN111220154A (zh) | 车辆定位方法、装置、设备和介质 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN111723768A (zh) | 车辆重识别的方法、装置、设备和存储介质 | |
CN110595490B (zh) | 车道线感知数据的预处理方法、装置、设备和介质 | |
CN111784837B (zh) | 高精地图生成方法、装置、设备、存储介质和程序产品 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN111787489B (zh) | 实采兴趣点的位置确定方法、装置、设备和可读存储介质 | |
CN110689747B (zh) | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 | |
CN111523471A (zh) | 车辆所在车道的确定方法、装置、设备以及存储介质 | |
CN111177869A (zh) | 传感器布局方案的确定方法、装置及设备 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN111674388B (zh) | 用于车辆弯道行驶的信息处理方法和装置 | |
CN111536984A (zh) | 定位方法和装置、车端设备、车辆、电子设备和定位系统 | |
CN110458815B (zh) | 自动驾驶有雾场景检测的方法及装置 | |
CN111402160A (zh) | 一种点云数据去噪方法、装置、设备和存储介质 | |
CN114037966A (zh) | 高精地图特征提取方法、装置、介质及电子设备 | |
CN111950345A (zh) | 摄像头的识别方法、装置、电子设备和存储介质 | |
CN113011298B (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN113838125A (zh) | 目标位置确定方法、装置、电子设备以及存储介质 | |
CN113011212B (zh) | 图像识别方法、装置及车辆 | |
CN113255404A (zh) | 车道线识别方法、装置、电子设备和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211021 Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |