(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 202210855171.7 (22)申请日 2022.07.19 (71)申请人 大连理工大 学 地址 116024 辽宁省大连市高新园区凌工 路2号 (72)发明人 李琳辉　张鑫亮　连静　付一帆　 郭烈　周雅夫　 (74)专利代理 机构 大连东方专利代理有限责任 公司 21212 专利代理师 鲁保良　李洪福 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种全雾天场景下的实时性障碍物检测方 法 (57)摘要 本发明公开了一种全雾天场景下的实时性 障碍物检测方法， 基于Transformer骨干网络进 行雾天场景下的等级划分， 选取不同的雾天场景 目标检测方案以提升检测网络的精度。 对于轻雾 场景， 利用视觉传感器采集图像信息， 使用 YOLOv5预训练权重直接进行障碍物目标检测。 对 于中雾场景， 利用视觉传感器采集图像信息， 使 用多尺度融合CycleGAN网络实现模拟雾天数据 集训练YOLOv5网络， 进行雾天障碍物检测。 对于 浓雾场景， 利用红外线传感器采集图像信息， 使 用红外线数据集训练YOL Ov5检测网络， 对浓雾场 景下的障碍物进行目标检测。 本发 明实现了不同 雾天场景下实时 自适应障碍物目标检测， 满足实 际雾天场景工程要求。 权利要求书2页 说明书4页 附图2页 CN 115240069 A 2022.10.25 CN 115240069 A 1.一种全雾天场景 下的实时性障碍物检测方法， 其特 征在于： 包括如下步骤： A、 建立Transformer分类模型 A1、 利用雾天可见度检测设备和视觉传感器， 进行不同等级雾天浓度图像信息采集， 并 按水平能见度对视 觉雾天场景进行等级划分： 1000m≤能见度＜10 000m为轻雾； 500m≤能见度＜10 00m为中雾； 能见度＜5 00m为浓雾； A2、 完成对轻雾、 中雾和浓雾分类数据集采集后， 使用不同等级雾天图像对 Transformer分类网络进行训练； B、 检测不同等级浓度雾天场景 下的障碍物目标 如果是轻雾雾天场景， 转步骤B1； 如果是中雾雾天场景， 转步骤B2； 如果是浓雾雾天场 景， 转步骤B3； B1、 对于轻雾雾天场景， 利用视觉传感器采集图像信息， 使用YOLOv5检测模型， 利用 ImageNet预训练权 重进行障碍物目标检测； 转 步骤C； B2、 对于中雾雾天场景， 利用视觉传感器采集图像信息， 使用多尺度融合的CycleGAN网 络即DF‑CycleGAN生成雾天图像数据集， 并利用清晰图像与雾天图像混合数据集去训练 YOLOv5检测模型， 最后， 进行雾天场景障碍物检测； 转 步骤C； B3、 对于浓雾雾天场景， 利用红外线传感器采集红外线图像信息， 使用红外线图像训练 YOLOv5检测网络， 并进行雾天场景 下的障碍物目标检测； C、 输出步骤B中障碍物检测目标 结果。 2.根据权利要求1所述一种全雾天场景下的实时性障碍物检测方法， 其特征在于： 步骤 B2所述多尺度融合的CycleGAN网络生成雾天图像数据集的方法包括以下步骤： B21、 对原始CycleGAN网络的生成器Unet中Encode结构进行尺度方向增强， 利用上层特 征图与下层特 征图之间的差距弥补下层特 征图丢失的特 征信息， 计算公式如下： Jn＝Dn(Jn‑1) 式中， Jn表示来自解码器第n层的增 强特征信息； 表示经过特征融合后的特征信息； 表示第n层的融合模块， 由N个残差模块组成； Dn为第n层下采样方法， 由步长为2的3 ×3 卷积组成， ↓表示下采样2倍； ↑表示上采样2倍， 使用转置卷积的方法； B22、 对Unet中D ecode结构使用增强模块， 利用多个残差结构对Encode信息与D ecode信 息进行融合， 计算公式如下： 式中， 表示为Decode第n层的增强特征信息； 表示Encode第i层增强特征信息， n与i 相互对应， Decode中的n层特征图大小等于Decode中的i层特征图大小， 等于Decode中i ‑1层 特征图大小的2倍； Fn表示第n层的增强模块， 由N个残差模块组成； ↑表示上采样2倍， 使用二 次线性插值的方法； B23、 在Encode和Decode 连接处使用G结构， 对M个残差模块进行信息特 征提取。权　利　要　求　书 1/2 页 2 CN 115240069 A 23.根据权利要求2所述一种全雾天场景下的实时性障碍物检测方法， 其特征在于： 步骤 B23中， N＝10， M＝20 。权　利　要　求　书 2/2 页 3 CN 115240069 A 3