[發(fā)明專利]一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法

在審

• 申請?zhí)枺?/td>: 202011067813.4
• 申請日: 2020-10-07
• 公開（公告）號: CN112329533A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 王海;蔡柏湘;蔡英鳳;李祎承;陳龍;陳小波;劉擎超;孫曉強(qiáng)
• 申請（專利權(quán)）人: 江蘇大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，包括如下步驟：

步驟1：離線預(yù)訓(xùn)練圖像分割網(wǎng)絡(luò)模型，具體包括：

1.1.采集不同天氣狀況的路面圖像，

1.2.對采集的不同天氣狀況的路面圖像進(jìn)行局部標(biāo)注，形成局部路面附著系數(shù)估計(jì)的數(shù)據(jù)集，

1.3.搭建圖像分割的深度學(xué)習(xí)網(wǎng)絡(luò)模型，

1.4.利用局部路面附著系數(shù)估計(jì)的數(shù)據(jù)集對圖像分割的深度學(xué)習(xí)算法網(wǎng)絡(luò)框架進(jìn)行端到端的訓(xùn)練；

步驟2：獲取實(shí)時(shí)路面圖像，對路面局部附著系數(shù)實(shí)時(shí)估計(jì)，具體包括：

2.1.采集路面圖像，

2.2.用預(yù)訓(xùn)練好的圖像分割網(wǎng)絡(luò)模型對實(shí)時(shí)獲取的圖像進(jìn)行分類并定位不同類別，形成實(shí)時(shí)路況圖，

2.3.根據(jù)路面類型對實(shí)時(shí)路況圖進(jìn)行局部路面附著系數(shù)估計(jì)。

2.根據(jù)權(quán)利要求1所述的一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，所述1.1中，采集不同天氣狀況的路面圖像，所使用的采集工具為CARLA模擬軟件，采集的圖像包括路面局部積水圖像，路面局部積雪圖像，路面局部結(jié)冰圖像及正常瀝青路面。

3.根據(jù)權(quán)利要求1所述的一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，所述1.3中，所述圖像分割的深度學(xué)習(xí)網(wǎng)絡(luò)模型包括利用殘差結(jié)構(gòu)搭建的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，在基礎(chǔ)網(wǎng)絡(luò)上加上高度驅(qū)動(dòng)的注意力模塊，將此語義分割神經(jīng)網(wǎng)絡(luò)模型命名為H-ResNet模型，其中H代表高度驅(qū)動(dòng)的注意力模塊，ResNet代表由殘差結(jié)構(gòu)搭建的基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)。

4.根據(jù)權(quán)利要求3所述的一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，所述H-ResNet模型中每個(gè)ResNet stage代表一個(gè)殘差結(jié)構(gòu)，H代表高度驅(qū)動(dòng)的注意力模塊；采用4個(gè)ResNet stage，3個(gè)高度驅(qū)動(dòng)注意力模塊，每個(gè)高度驅(qū)動(dòng)注意力模塊，插入在兩個(gè)殘差模塊之間，每次經(jīng)過殘差模塊后都獲得一次垂直位置的先驗(yàn)信息，經(jīng)過多次獲得垂直位置的先驗(yàn)信息后更能準(zhǔn)確的獲得路面的狀態(tài)信息。

5.根據(jù)權(quán)利要求4所述的一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，所述殘差單元包括：快捷連接和恒等映射；設(shè)X代表特征輸入，通過快捷連接、恒等映射到輸出；weight layer代表卷積權(quán)重層，relu表示激活函數(shù)，F(xiàn)(X)表示X經(jīng)過卷積權(quán)重層所學(xué)習(xí)到的特征表示的殘差，H(X)表示輸入X最終學(xué)習(xí)到的特征，將需要學(xué)習(xí)的特征等價(jià)為F(X)＝H(X)-X；

所述激活函數(shù)采用ReLU非線性激活函數(shù)：當(dāng)橫坐標(biāo)x小于等于0的時(shí)候函數(shù)為0，當(dāng)x大于0的時(shí)候，函數(shù)值等于x：

所述卷積層的操作公式：

其中w(x,y)代表大小為m×n的卷積核，f(x,y)為一幅圖像，·代表卷積運(yùn)算。

6.根據(jù)權(quán)利要求4所述的一種基于圖像分割的局部路面附著系數(shù)估計(jì)方法，其特征在于，所述高度驅(qū)動(dòng)的注意力模塊是針對實(shí)際城市場景圖像中單幀圖像在不同高度層次中不同景象類別所占的像素不同而設(shè)計(jì)的，具體是把單幀圖像分為上中下三個(gè)高度層次，在上層次中占據(jù)圖像主導(dǎo)像素為天空，在中間層次中占據(jù)圖像主導(dǎo)像素為車輛，行人，建筑等，而在下層次中占據(jù)圖像主導(dǎo)像素為路面，既感興趣區(qū)域。

該高度驅(qū)動(dòng)的注意力模塊包括寬度池化、下采樣、計(jì)算高度驅(qū)動(dòng)注意力特征圖、插入特征位置編碼；其中，寬度池化操作是為了獲得圖像寬度方向的特征圖，采用的池化方式是平均池化；經(jīng)過寬度池化操作活得的特征地圖并不是都是必須的，通過下采樣去除不必要的特征地圖，對下采樣的特征地圖計(jì)算是利用卷積操作，如公式1，獲得其相鄰位置關(guān)系，最后的插入特征位置編碼操作能夠獲得特定物體的垂直位置的先驗(yàn)信息，位置編碼通過不同頻率的正弦，余弦函數(shù)生成，然后和對應(yīng)的位置的特征向量進(jìn)行逐元素相加。