(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210215915.9 (22)申请日 2022.03.07 (71)申请人 深研人工智能技 术 （深圳） 有限公司 地址 518000 广东省深圳市南 山区粤海街 道高新区社区白石路3609号深圳湾 科 技生态园二区9栋B10 01 (72)发明人 施岚峰　杨元弢　林丕成　宋开银　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 武志峰 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 结合语义分割和频域分析的能见度判别方 法、 装置及 介质 (57)摘要 本发明公开了结合语义分割和频域分析的 能见度判别方法、 装置及介质， 该方法包括： 针对 同一路段， 分别获取能见度清晰的第一路段图像 和当前能见度的第二路段图像； 通过语义分割网 络分别对第一路段图像和第二路段图像中的边 缘信息进行分割， 得到各第一特征部分和第二特 征部分； 基于频域分析， 分别对第一特征部分和 第二特征部分进行过滤， 得到第一高频信息图像 和第二高频信息图像； 利用边缘检测器 分别提取 第一高频信息图像中的第一边缘像素和第二高 频信息图像中的第二边缘像素； 计算边缘像素所 占特征部分总像素的比例； 计算第一比例和第二 比例之间的差值， 并将差值作为所述路段的当前 能见度值。 本发 明能够提高对于路段能见度识别 的准确度。 权利要求书2页 说明书7页 附图3页 CN 114581886 A 2022.06.03 CN 114581886 A 1.一种结合语义分割和频域分析的能见度判别方法， 其特 征在于， 包括： 针对同一路段， 分别获取能见度清晰的第一路段图像和当前能见度的第二路段图像； 通过语义分割网络分别对所述第 一路段图像和第 二路段图像中的边缘信 息进行分割， 得到各自对应的第一特 征部分和第二特 征部分； 基于频域分析， 分别对所述第一特征部分和第二特征部分进行过滤， 得到各自对应的 第一高频信息图像和第二高频信息图像； 利用边缘检测器分别提取所述第一高频信息图像中的第一边缘像素和第二高频信息 图像中的第二 边缘像素； 计算所述第 一边缘像素所占第 一特征部分总像素的第 一比例， 以及计算所述第 二边缘 像素所占第二特 征部分总像素的第二比例； 计算所述第 一比例和第 二比例之间的差值， 并将所述差值作为所述路段的当前能见度 值。 2.根据权利要求1所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述通过语义分割网络分别对所述第一路段图像和 第二路段图像中的边缘信息进行分割， 得 到各自对应的第一特 征部分和第二特 征部分， 包括： 预先采集不同路段图像构建数据集， 并对数据集中的每一路段图像中的特征部分进行 标注； 利用所述数据集对HRNet网络进行训练； 通过训练后的HRNet网络对所述第一路段图像和第二路段图像中的边缘信息进行分 割。 3.根据权利要求1所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述基于频域分析， 分别对所述第一特征部分和第二特征部分进行过滤， 得到各自对应的第 一高频信息图像和第二高频信息图像， 包括： 通过傅里叶变换分别将所述第 一特征部分和第 二特征部分从空间域变换为频域， 得到 各自对应的第一频域图像和第二频域图像； 采用高通滤波器分别滤除所述第一频域图像和第二频域图像中的低频信息； 通过傅里叶逆变换将滤除低频信息的第一频域图像和第二频域图像从频域转换为空 间域， 得到所述第一高频信息图像和第二高频信息图像。 4.根据权利要求1所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述利用边缘检测器分别提取所述第一高频信息图像中的第一边缘像素和第二高频信息图 像中的第二 边缘像素， 包括： 利用Canny边缘检测算子分别提取所述第一高频信息图像 中的第一边缘像素和第二高 频信息图像中的第二 边缘像素。 5.根据权利要求1所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述计算所述第一边缘像素所占第一特征部 分总像素的第一比例， 以及计算所述第二边缘像 素所占第二特 征部分总像素的第二比例， 包括： 设置像素值范围(0,1)； 分别计算所述第一 边缘像素和第二 边缘像素对应的第一像素和与第二像素和； 将第一像素和与第 二像素和分别除以第 一特征部分总像素和第 二特征部分总像素， 对权　利　要　求　书 1/2 页 2 CN 114581886 A 2应得到所述第一比例和第二比例。 6.根据权利要求3所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述通过傅里叶变换分别将所述第一特征部 分和第二特征部 分从空间域变换为频域， 得到各 自对应的第一频域图像和第二频域图像， 包括： 按照下式， 采用二维离 散傅立叶变换将所述第一特 征部分从空间域变换为频域： 式中， (M,N)表示所述第一特征部分的二维图像维度， (u,v)表示所述第一特征部分中 某一个点的位置， j表示虚数 单位， j2＝‑1。 7.根据权利要求2所述的结合语义分割和频域分析的能见度判别方法， 其特征在于， 所 述利用所述数据集对HRNet网络进行训练， 包括： 针对所述数据集中的每一路段图像， 将路段图像输入至HRNet网络的高分辨率模块中， 利用所述高分辨 率模块中的多个卷积层对路段图像降低分辨 率； 通过HRNet网络中的低分辨率模块对路段图像进行上采样处理， 以提高低分辨率模块 中的路段图像的分辨 率； 对所述高分辨率模块输出的路段图像和低分辨率模块输出的路段图像进行特征融合， 并将特征融合结果作为分割结果输出， 以此完成训练。 8.一种结合语义分割和频域分析的能见度判别装置， 其特 征在于， 包括： 图像获取单元， 用于针对 同一路段， 分别获取能见度清晰的第一路段图像和当前能见 度的第二路段图像； 语义分割单元， 用于通过语义分割网络分别对所述第 一路段图像和第 二路段图像 中的 边缘信息进行分割， 得到各自对应的第一特 征部分和第二特 征部分； 频域分析单元， 用于基于频域分析， 分别对所述第一特征部分和第二特征部分进行过 滤， 得到各自对应的第一高频信息图像和第二高频信息图像； 第一提取单元， 用于利用边缘检测器分别提取所述第 一高频信 息图像中的第 一边缘像 素和第二高频信息图像中的第二 边缘像素； 比例计算单元， 用于计算所述第一边缘像素所占第一特征部分总像素的第一比例， 以 及计算所述第二 边缘像素所占第二特 征部分总像素的第二比例； 差值计算单元， 用于计算所述第一比例和第二比例之间的差值， 并将所述差值作为所 述路段的当前能见度值。 9.一种计算机设备， 其特征在于， 包括存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1至7任 一项所述的结合语义分割和频域分析的能见度判别方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的结合语义分割和 频域分析的能见度判别方法。权　利　要　求　书 2/2 页 3 CN 114581886 A 3