(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 202210609934.X (22)申请日 2022.05.31 (71)申请人 上海应用技 术大学 地址 200235 上海市徐汇区漕宝路120 -121 号 (72)发明人 管钎汛　刘云翔　原鑫鑫　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 专利代理师 胡晶 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于语义分割的交通场景障碍物检测 方法 (57)摘要 本发明公开了一种基于语义分割的交通场 景障碍物检测方法， 包括如下步骤S1： 获取复杂 道路场景数据定义为输入图像， 对输入图像进行 分割， 得到一个语义分割图和两个不确定性图； S2： 基于不确定性图对语义分割图进行改进再合 成， 得到生成图像； S3： 通过比较生成图像和输入 图像的特征以计算感知差异并通过加 固重合成 得到合成图像； S4： 对输入 图像和合成图像进行 障碍物预测， 使用经过训练的相异网络来输入图 像和合成图像的区别， 从而检测并突出交通场景 中的障碍物。 本发明能在行驶过程中精确迅速的 检测出前方道路目标， 当遇到交通场景中的异常 障碍物时， 依旧能准确的识别出目标， 提升识别 准确性、 实时性和效率。 权利要求书2页 说明书4页 附图4页 CN 114973202 A 2022.08.30 CN 114973202 A 1.一种基于语义分割的交通场景障碍物检测方法， 其特 征在于， 包括如下步骤 S1： 获取复杂道路场景数据定义为输入图像， 对所述输入图像进行分割， 得到一个语义 分割图和两个不确定性图； S2： 基于所述 不确定性图对所述语义分割图进行改进再合成， 得到生成图像； S3： 通过比较所述生成图像和所述输入图像的特征以计算感知差异并通过加固重合成 得到合成图像； S4： 对所述输入图像和所述合成图像进行障碍物预测， 使用经过训练的相异网络来所 述输入图像和所述 合成图像的区别， 从而检测并突出交通场景中的障碍物。 2.根据权利要求1所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 在所 述步骤S1中， 所述输入图像输入至预设的分割网络中， 得到语义映射图。 3.根据权利要求2所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 对所 述输入图像在预设的Deeplabv3网络中的提取注意力机制， 以此得到所述语义分割图和所 述不确定性图。 4.根据权利要求3所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 在所 述步骤S2中， 计算两个离散度来量化所述语义分割图预测中的不确定性， 进而得到不确定 性图， 两个所述离 散度计算公式为 其中， p(c)为c类的softmax概 率。 5.根据权利要求4所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 在所 述步骤S2中， 根据所述语义映射图生成具有像素到像素对应关系的关联图像， 基于所述关 联图像训练得到条件生成对抗网络， 运用所述条件生成对抗网络基于所述不确定性图对所 述语义分割图进行改进再合成， 得到所述 生成图像。 6.根据权利要求4所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 在所 述步骤S3中， 通过预设的特征提取器对所述生成图像和所述输入图像提取差异像素， 针对 所述差异像素进行感知差异计算， 计算公式如下 其中， x为所述输入图像的像素， r为所述生成图像的像素， F(i)为所述特征提取器的第i 层， N为所述特 征提取器的总层数， Mi为所述特 征提取器中元 素数量。 7.根据权利要求4所述的基于语义分割的交通场景障碍物检测方法， 其特征在于， 所述 步骤S4包括如下步骤 S41： 对所述输入图像和所述合成图像提取特征， 并通过预设的所述Deeplabv3网络进 行预测标签的独热处 理； S42： 将所述输入图像、 所述合成图像和所述语义映射 图连接， 并进行卷积处理使得图 像与标签的特 征进行融合；权　利　要　求　书 1/2 页 2 CN 114973202 A 2S43： 计算所述输入图像与所述合成图像之间点对点的特征的关联， 生成特征图并与所 述不确定性图进行 逐点相关， 解码得到最终的差异分数； S44： 基于所述差异分数对所述输入图像进行异常分割预测， 得到障碍物差异图， 从而 检测并突出交通场景中的障碍物。权　利　要　求　书 2/2 页 3 CN 114973202 A 3