积水深度估计方法、装置、电子设备及存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种积水深度估计方法、装置、电子设备及存储介质。

背景技术

道路积水对于车辆通过，安全行使和礼貌驾驶而言十分重要。

道路上的路面积水由于反光倒影，一般传感器无法直接获取水面深度。当前实践中往往依赖其他辅助信息才能判断积水和积水厚度，例如，依靠轮胎吃水判断积水深度，或者依赖精确定位信息获取积水所在路面的高精度地图信息，根据地图信息推算积水深度。该方法需要预先有对应路段的高精度地图信息，且需要检测时具备精确定位功能。或者，需要借助预先拍摄的无积水路段3维数据估计积水深度，并与有积水时的三维数据比较获得积水深度信息。此方法需要预先有该路段的三维信息，有很强的限制性，无法解决在无先验无积水三维数据时积水深度预估。

上述两种方式需要依赖如高精度地图或预测量三维数据等信息进行积水深度估计，积水深度估计的难度较大。

发明内容

本申请实施例提供一种积水深度估计方法、装置、电子设备及存储介质，以解决现有技术需要依赖如高精度地图或预测量三维数据等信息进行积水深度估计，积水深度估计的难度较大。

为了解决上述技术问题，本申请实施例是这样实现的：

第一方面，本申请实施例提供了一种积水深度估计方法，所述方法包括：

获取目标车辆上的双目相机拍摄的所处路面的路面图像；

识别所述路面图像内的积水区域；

根据所述路面图像内的除所述积水区域外的其它图像区域的三维点云信息，确定所述路面对应的坡度方程；

基于所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述识别所述路面图像内的积水区域，包括：

采用语义分割算法对所述路面图像进行语义分割处理，得到积水区域的边界信息；

基于所述边界信息，确定所述路面图像内的积水区域。

可选地，所述根据所述路面图像内的除所述积水区域外的其它图像区域的三维点云信息，确定所述路面对应的坡度方程，包括：

获取所述路面图像内每个像素点的初始三维点云信息；

剔除所述初始三维点云信息中位于所述积水区域内的点云信息，得到所述其它图像区域的三维点云信息；

根据所述三维点云信息，确定所述路面在所述目标车辆的车身方向上的多条高程曲线；

对所述多条高程曲线分别进行拟合处理，得到所述多条高程曲线对应的多个所述坡度方程。

可选地，所述基于所述坡度方程，预估得到所述积水区域对应的积水深度，包括：

根据所述积水区域的边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述根据所述积水区域的边界点和所述坡度方程，预估得到所述积水区域对应的积水深度，包括：

获取所述路面图像内无积水区域处的参照物的第一高度，及位于所述积水区域处的所述参照物的第二高度；

获取所述第一高度和所述第二高度之间的高度差值；

基于所述高度差值、所述边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，在所述基于所述坡度方程，预估得到所述积水区域对应的积水深度之后，还包括：

在所述积水深度大于第一深度阈值的情况下，输出所述目标车辆对应的绕行驾驶的驾驶提示信息；或者

在所述积水深度小于等于所述第一深度阈值，大于第二深度阈值的情况下，输出所述目标车辆对应的减速驾驶的驾驶提示信息；或者

在所述积水深度小于等于所述第二深度阈值的情况下，输出所述目标车辆对应的安全驶过所述积水区域的驾驶提示信息。

第二方面，本申请实施例提供了一种积水深度估计装置，所述装置包括：

路面图像获取模块，用于获取目标车辆上的双目相机拍摄的所处路面的路面图像；

积水区域识别模块，用于识别所述路面图像内的积水区域；

坡度方程确定模块，用于根据所述路面图像内的除所述积水区域外的其它图像区域的三维点云信息，确定所述路面对应的坡度方程；

积水深度预估模块，用于基于所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述积水区域识别模块包括：

边界信息获取单元，用于采用语义分割算法对所述路面图像进行语义分割处理，得到积水区域的边界信息；

积水区域确定单元，用于基于所述边界信息，确定所述路面图像内的积水区域。

可选地，所述坡度方程确定模块包括：

初始点云获取单元，用于获取所述路面图像内每个像素点的初始三维点云信息；

三维点云获取单元，用于剔除所述初始三维点云信息中位于所述积水区域内的点云信息，得到所述其它图像区域的三维点云信息；

高程曲线确定单元，用于根据所述三维点云信息，确定所述路面在所述目标车辆的车身方向上的多条高程曲线；

坡度方程获取单元，用于对所述多条高程曲线分别进行拟合处理，得到所述多条高程曲线对应的多个所述坡度方程。

可选地，所述积水深度预估模块包括：

积水深度预估单元，用于根据所述积水区域的边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述积水深度预估单元包括：

参照物高度获取子单元，用于获取所述路面图像内无积水区域处的参照物的第一高度，及位于所述积水区域处的所述参照物的第二高度；

高度差值获取子单元，用于获取所述第一高度和所述第二高度之间的高度差值；

积水深度预估子单元，用于基于所述高度差值、所述边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述装置还包括：

第一提示信息输出模块，用于在所述积水深度大于第一深度阈值的情况下，输出所述目标车辆对应的绕行驾驶的驾驶提示信息；

第二提示信息输出模块，用于在所述积水深度小于等于所述第一深度阈值，大于第二深度阈值的情况下，输出所述目标车辆对应的减速驾驶的驾驶提示信息；

第三提示信息输出模块，用于在所述积水深度小于等于所述第二深度阈值的情况下，输出所述目标车辆对应的安全驶过所述积水区域的驾驶提示信息。

第三方面，本申请实施例提供了一种电子设备，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，所述计算机程序被所述处理器执行时实现上述任一项所述的积水深度估计方法。

第四方面，本申请实施例提供了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的积水深度估计方法。

在本申请实施例中，通过获取目标车辆上的双目相机拍摄的所处路面的路面图像，识别所述路面图像内的积水区域。根据路面图像内的除积水区域外的其它图像区域的三维点云信息，确定路面对应的坡度方程。基于坡度方程，预估得到积水区域对应的积水深度。本申请实施例通过双目相机拍摄的RGB图像获取当前道路无积水路面的精确点云信息，通过高程拟合法推算积水深度，不需要依赖高精度地图和预测量三维数据等信息，降低了积水深度估计的难度。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种积水深度估计方法的步骤流程图；

图2为本申请实施例提供的一种积水区域确定方法的步骤流程图；

图3为本申请实施例提供的一种坡度方程获取方法的步骤流程图；

图4为本申请实施例提供的一种积水深度预估方法的步骤流程图；

图5为本申请实施例提供的另一种积水深度预估方法的步骤流程图；

图6为本申请实施例提供的一种驾驶提示信息输出方法的步骤流程图；

图7为本申请实施例提供的一种积水区域的示意图；

图8为本申请实施例提供的一种高程曲线的示意图；

图9为本申请实施例提供的一种水深估计的示意图；

图10为本申请实施例提供的一种辅助估计水深的示意图；

图11为本申请实施例提供的一种积水深度估计装置的结构示意图；

图12为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参照图1，示出了本申请实施例提供的一种积水深度估计方法的步骤流程图。如图1所示，该积水深度估计方法可以包括：步骤101、步骤102、步骤103和步骤104。

步骤101：获取目标车辆上的双目相机拍摄的所处路面的路面图像。

本申请实施例可以应用于结合双目相机拍摄的路面RGB图像和高程拟合法推算路面积水深度的场景中。

在本实施例中，双目相机均为RGB相机。

可以理解地，通常情况下，道路积水主要由于路面存在坡度的原因产生积水，其特点是道路坡度通常是缓变且连续的。由于坑洞等异常因素导致的积水深度估计不在本申请实施例的讨论范围内。

在目标车辆驾驶的过程中，若遇到前方有积水，则可以启动目标车辆上的双目相机拍摄目标车辆所处路面的路面图像。该路面图像即为RGB图像。

在获取到目标车辆上的双目相机拍摄的所处路面的路面图像之后，执行步骤102。

步骤102：识别所述路面图像内的积水区域。

在获取到目标车辆上的双目相机拍摄的所处路面的路面图像之后，可以识别路面图像内的积水区域，即积水图像区域。在本示例中，可以采用深度学习语义分割等算法对路面图像进行语义分割处理，以识别出路面图像内存在积水的区域的边界信息，然后，根据边界信息确定出路面图像内的积水区域。对于该实现过程可以结合图2进行如下详细描述。

参照图2，示出了本申请实施例提供的一种积水区域确定方法的步骤流程图。如图2所示，该积水区域确定方法可以包括：步骤201和步骤202。

步骤201：采用语义分割算法对所述路面图像进行语义分割处理，得到积水区域的边界信息。

在本实施例中，在获取到路面图像之后，可以采用语义分割算法对所述路面图像进行语义分割处理，得到积水区域的边界信息。

在采用语义分割算法对路面图像进行语义分割处理得到积水区域的边界信息之后，执行步骤202。

步骤202：基于所述边界信息，确定所述路面图像内的积水区域。

在得到积水区域的边界信息之后，可以基于该边界信息确定出路面图像内的积水区域。如图7所示，根据双目的RGB图像感知水面。感知算法通过语义分割可以获取积水区域在图像上的边界。

本申请实施例采用深度学习语义分割算法对路面图像内的积水区域进行识别，可以提高积水区域识别的精准度。

在识别出路面图像内的积水区域之后，执行步骤103。

步骤103：根据所述路面图像内的除所述积水区域外的其它图像区域的三维点云信息，确定所述路面对应的坡度方程。

在具体实现中，通过双目相机拍摄的左右RGB视图(即路面图像)可以利用视差原理，通过深度学习等方法可以获取到左右RBG视图的图像视野内各像素的视差图。进而，可以根据双目相机的内参计算得到图像视野内的三维点云信息。

在识别出路面图像内的积水区域之后，可以获取路面图像内的除积水区域外的其它图像区域的三维点云信息，并根据其它图像区域的三维点云信息，确定出路面图像所对应路面的坡度方程。具体地，可以先根据其它图像区域的三维点云信息确定该路面的多条高程曲线，结合多条高程曲线可以得到多条坡度方程。对于该实现过程可以结合图3进行如下详细描述。

参照图3，示出了本申请实施例提供的一种坡度方程获取方法的步骤流程图。如图3所示，该坡度方程获取方法可以包括：步骤301、步骤302、步骤303和步骤304。

步骤301：获取所述路面图像内每个像素点的初始三维点云信息。

在本实施例中，在识别出路面图像内的积水区域之后，可以获取路面图像内每个像素点的初始三维点云信息。

在获取到路面图像内每个像素点的初始三维点云信息之后，执行步骤302。

步骤302：剔除所述初始三维点云信息中位于所述积水区域内的点云信息，得到所述其它图像区域的三维点云信息。

在获取到路面图像内每个像素点的初始三维点云信息之后，可以剔除初始三维点云信息中位于积水区域内的点云信息，得到其它图像区域的三维点云信息。

在获取到其它图像区域内的三维点云信息之后，执行步骤303。

步骤303：根据所述三维点云信息，确定所述路面在所述目标车辆的车身方向上的多条高程曲线。

在获取到其它图像区域内的三维点云信息之后，可以根据其它图像区域内的三维点云信息确定出路面在目标车辆的车身方向上的多条高程曲线。具体地，可以对三维点云信息沿目标车辆的车身方向进行取值，以获取沿车身方向上的多条高程曲线，如图7和图8所示，沿图7中的线条1进行三维点云信息的取值可以得到图8中的高程曲线1，沿图7中的线条2进行三维点云信息的取值可以得到图8中的高程曲线2等。

可以理解地，上述示例仅是为了更好地理解本申请实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。

在根据三维点云信息确定出路面在目标车辆的车身方向上的多条高程曲线之后，执行步骤304。

步骤304：对所述多条高程曲线分别进行拟合处理，得到所述多条高程曲线对应的多个所述坡度方程。

在根据三维点云信息确定出路面在目标车辆的车身方向上的多条高程曲线之后，可以对多条高程曲线分别进行拟合处理，以得到多条高程曲线对应的多个坡度方程。

可以理解地，由于存在积水的原因，高程曲线上的为离散高程点，在获取到某条高程曲线之后，可以对该高程曲线上的离散高程点进行拟合，从而得到该条高程曲线对应的坡度方程。在本示例中，坡度方程可以采用如Z＝ay^3+by^2+cy+d等多项式进行表示，其中，Z为高度，y为车身方向对应的y轴数值等。

在根据路面图像内的除积水区域外的其它图像区域的三维点云信息确定出路面对应的坡度方程之后，执行步骤104。

步骤104：基于所述坡度方程，预估得到所述积水区域对应的积水深度。

在确定出路面对应的坡度方程之后，可以基于坡度方程预估得到积水区域对应的积水深度。对于积水深度的预估过程可以结合图4进行如下详细描述。

参照图4，示出了本申请实施例提供的一种积水深度预估方法的步骤流程图。如图4所示，该积水深度预估方法可以包括：步骤401。

步骤401：根据所述积水区域的边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

在本实施例中，在获取到坡度方程之后，可以根据积水区域的边界点和坡度方程，预估得到积水区域对应的积水深度。如图9所示，积水区域两侧边界的高度分别为200和300，通过坡度方程可以得到积水区域内各个点的高度，从而能够预估出积水深度等。

本申请实施例通过双目相机拍摄的RGB图像获取当前道路无积水路面的精确点云信息，通过高程拟合法推算积水深度，不需要依赖高精度地图和预测量三维数据等信息，降低了积水深度估计的难度。

在本申请实施例中，还可以结合道路上其它物体信息辅助估计水深，如马路牙、围栏等。对于辅助估计水深的实现过程可以结合图5进行如下详细描述。

参照图5，示出了本申请实施例提供的另一种积水深度预估方法的步骤流程图。如图5所示，该积水深度预估方法可以包括：步骤501、步骤502和步骤503。

步骤501：获取所述路面图像内无积水区域处的参照物的第一高度，及位于所述积水区域处的所述参照物的第二高度。

在本实施例中，参照物可以为马路牙、围栏等参照物体，对于参照物的类型可以根据实际情况而定，本实施例对此不加以限制。

第一高度是指路面图像内无积水区域处的参照物的高度。

第二高度是指路面图像内位于积水区域处的参照物的高度。

在具体实现中，在预估积水区域的积水深度时，可以获取路面图像内无积水区域处的参照物的第一高度，及位于积水区域处的所述参照物的第二高度。例如，以马路牙为例，可以根据路面图像，获取路面图像内无积水区域处的马路牙的高度，即第一高度，该第一高度即为马路牙与路面之间的高度。并获取路面图像内位于积水区域处的马路牙的高度，即第二高度，该第二高度即为马路牙与水面之间的高度等。

可以理解地，上述示例仅是为了更好地理解本申请实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。

在获取到路面图像内无积水区域处的参照物的第一高度，及位于积水区域处的参照物的第二高度之后，执行步骤502。

步骤502：获取所述第一高度和所述第二高度之间的高度差值。

在获取到路面图像内无积水区域处的参照物的第一高度，及位于积水区域处的参照物的第二高度之后，可以计算得到第一高度和第二高度之间的高度差值。如图10所示，参照物以马路牙为例，在无积水区域处，马路牙的第一高度为15cm，在有积水区域处，马路牙的第二高度为10cm，此时，计算得到的高度差值即为5cm等。

在获取到第一高度和第二高度之间的高度差值之后，执行步骤503。

步骤503：基于所述高度差值、所述边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

在获取到第一高度和第二高度之间的高度差值之后，可以基于高度差值、边界点和坡度方程预估得到积水区域对应的积水深度。

在本申请的一种具体实现方式中，可以先通过边界点和坡度方程预估出积水区域的初始预测积水深度，然后，根据高度差值对初始预测积水深度进行校准，以得到最终预估的积水深度。例如，可以求取初始预测积水深度和高度差值的平均值以作为最终预估的积水深度，或求取初始预测积水深度和高度差值的加权平均值以作为最终预估的积水深度等等。

在本申请的另一种具体实现方式中，可以先通过边界点和坡度方程预估出积水区域的初始预测积水深度，然后，根据高度差值验证初始预测积水深度的准确性。例如，在高度差值与初始预测积水深度的差值处于预设范围内时，则可以认为初始预测积水深度的准确性较高，此时可以将初始预测积水深度作为最终预估的积水深度。而在高度差值与初始预测积水深度的差值未处于预设范围内时，则可以认为初始预测积水深度的准确性较低，此时，可以重新拍摄积水区域处的路面RGB图像，以对积水深度进行重新预估等。

可以理解地，上述两种实现方式仅是为了更好地理解本申请实施例的技术方案而列举的示例，不作为对本实施例的唯一限制。

本申请实施例通过结合参照物(如马路牙、围栏等)道路设施辅助判定积水深度，能够提高对积水深度预估的准确度。

在本申请实施例中，在预估得到积水深度之后，可以根据积水深度执行相应的驾驶策略。具体地，对于该实现过程可以结合图6进行如下详细描述。

参照图6，示出了本申请实施例提供的一种驾驶提示信息输出方法的步骤流程图。如图6所示，该驾驶提示信息输出方法可以包括：步骤601、步骤602和步骤603。

步骤601：在所述积水深度大于第一深度阈值的情况下，输出所述目标车辆对应的绕行驾驶的驾驶提示信息。

步骤602：在所述积水深度小于等于所述第一深度阈值，大于第二深度阈值的情况下，输出所述目标车辆对应的减速驾驶的驾驶提示信息。

步骤603：在所述积水深度小于等于所述第二深度阈值的情况下，输出所述目标车辆对应的安全驶过所述积水区域的驾驶提示信息。

在本申请实施例中，第一深度阈值和第二积水深度阈值均为预先设置的提示用户如何驾驶驶过积水路段的积水深度阈值。其中，第一深度阈值大于第二深度阈值，对于第一深度阈值和第二深度阈值的具体数值可以根据业务需求而定，本实施例对于第一深度阈值和第二深度阈值的具体数值不加以限制。

在积水深度大于第一深度阈值的情况下，可以输出目标车辆对应的绕行驾驶的驾驶提示信息。即路面积水深度太深，行车驾驶危险，提示用户绕行。

在积水深度小于等于第一深度阈值，大于第二深度阈值的情况下，可以输出目标车辆对应的减速驾驶的驾驶提示信息。即路面积水深度适当，可以减速驶过，避免积水进入车内，造成车辆熄火等影响。

在积水深度小于等于第二深度阈值的情况下，可以输出目标车辆对应的安全驶过积水区域的驾驶提示信息。即路面积水较浅，可以正常驶过该积水路段。

本申请实施例通过预先设置积水深度阈值辅助用户驾驶，可以提高驾驶的安全性。

本申请实施例提供的积水深度估计方法，通过获取目标车辆上的双目相机拍摄的所处路面的路面图像，识别所述路面图像内的积水区域。根据路面图像内的除积水区域外的其它图像区域的三维点云信息，确定路面对应的坡度方程。基于坡度方程，预估得到积水区域对应的积水深度。本申请实施例通过双目相机拍摄的RGB图像获取当前道路无积水路面的精确点云信息，通过高程拟合法推算积水深度，不需要依赖高精度地图和预测量三维数据等信息，降低了积水深度估计的难度。

参照图11，示出了本申请实施例提供的一种积水深度估计装置的结构示意图。如图11所示，该积水深度估计装置1100可以包括以下模块：

路面图像获取模块1101，用于获取目标车辆上的双目相机拍摄的所处路面的路面图像；

积水区域识别模块1102，用于识别所述路面图像内的积水区域；

坡度方程确定模块1103，用于根据所述路面图像内的除所述积水区域外的其它图像区域的三维点云信息，确定所述路面对应的坡度方程；

积水深度预估模块1104，用于基于所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述积水区域识别模块包括：

边界信息获取单元，用于采用语义分割算法对所述路面图像进行语义分割处理，得到积水区域的边界信息；

积水区域确定单元，用于基于所述边界信息，确定所述路面图像内的积水区域。

可选地，所述坡度方程确定模块包括：

初始点云获取单元，用于获取所述路面图像内每个像素点的初始三维点云信息；

三维点云获取单元，用于剔除所述初始三维点云信息中位于所述积水区域内的点云信息，得到所述其它图像区域的三维点云信息；

高程曲线确定单元，用于根据所述三维点云信息，确定所述路面在所述目标车辆的车身方向上的多条高程曲线；

坡度方程获取单元，用于对所述多条高程曲线分别进行拟合处理，得到所述多条高程曲线对应的多个所述坡度方程。

可选地，所述积水深度预估模块包括：

积水深度预估单元，用于根据所述积水区域的边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述积水深度预估单元包括：

参照物高度获取子单元，用于获取所述路面图像内无积水区域处的参照物的第一高度，及位于所述积水区域处的所述参照物的第二高度；

高度差值获取子单元，用于获取所述第一高度和所述第二高度之间的高度差值；

积水深度预估子单元，用于基于所述高度差值、所述边界点和所述坡度方程，预估得到所述积水区域对应的积水深度。

可选地，所述装置还包括：

第一提示信息输出模块，用于在所述积水深度大于第一深度阈值的情况下，输出所述目标车辆对应的绕行驾驶的驾驶提示信息；

第二提示信息输出模块，用于在所述积水深度小于等于所述第一深度阈值，大于第二深度阈值的情况下，输出所述目标车辆对应的减速驾驶的驾驶提示信息；

第三提示信息输出模块，用于在所述积水深度小于等于所述第二深度阈值的情况下，输出所述目标车辆对应的安全驶过所述积水区域的驾驶提示信息。

本申请实施例提供的积水深度估计装置，通过获取目标车辆上的双目相机拍摄的所处路面的路面图像，识别所述路面图像内的积水区域。根据路面图像内的除积水区域外的其它图像区域的三维点云信息，确定路面对应的坡度方程。基于坡度方程，预估得到积水区域对应的积水深度。本申请实施例通过双目相机拍摄的RGB图像获取当前道路无积水路面的精确点云信息，通过高程拟合法推算积水深度，不需要依赖高精度地图和预测量三维数据等信息，降低了对积水深度估计的难度。

本申请实施例提供了一种电子设备，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，所述计算机程序被所述处理器执行时实现上述积水深度估计方法。

图12示出了本发明实施例的一种电子设备1200的结构示意图。如图12所示，双目相机1300可以为电子设备1200提供拍摄的路面图像(即RGB图像)。电子设备1200包括中央处理单元(CPU)1201，其可以根据存储在只读存储器(ROM)1202中的计算机程序指令或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序指令，来执行各种适当的动作和处理。在RAM1203中，还可存储电子设备1200操作所需的各种程序和数据。CPU1201、ROM1202以及RAM1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。

电子设备1200中的多个部件连接至I/O接口1205，包括：输入单元1206，例如键盘、鼠标、麦克风等；输出单元1207，例如各种类型的显示器、扬声器等；存储单元1208，例如磁盘、光盘等；以及通信单元1209，例如网卡、调制解调器、无线通信收发机等。通信单元1209允许电子设备1200通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，可由处理单元1201执行。例如，上述任一实施例的方法可被实现为计算机软件程序，其被有形地包含于计算机可读介质，例如存储单元1208。在一些实施例中，计算机程序的部分或者全部可以经由ROM1202和/或通信单元1209而被载入和/或安装到电子设备1200上。当计算机程序被加载到RAM1203并由CPU1201执行时，可以执行上文描述的方法中的一个或多个动作。

本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述积水深度估计方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-OnlyMemory，简称ROM)、随机存取存储器(RandomAccessMemory，简称RAM)、磁碟或者光盘等。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。

本领域普通技术人员可以意识到，结合本申请实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组间可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。