【技术实现步骤摘要】
面向移动机器人的连续图像动态目标自动分割方法及装置
[0001]本申请属于图像处理
，特别涉及一种面向移动机器人的连续图像动态目标自动分割方法及装置。
技术介绍
[0002]图像动态目标分割是指确定图像中哪些动态特征点属于同一运动目标，哪些动态特征点属于另一运动目标，图像中同一运动目标的多个动态特征点的运动属性基本相同。面向移动机器人的连续图像动态目标自动分割技术是实现移动机器人自主导航能力的核心技术之一，基于特征点聚类的图像分割技术是其中的热门方向。移动机器人在工作过程中面临如下问题：环境未知，没有先验知识；环境可能会时刻发生变化；环境中的目标物信息未知。
[0003]目标分割技术主要分为两大类：对动态特征点进行聚类分割和借助语义信息进行目标分割。对动态特征点进行聚类分割通常依靠特征点的位置信息和运动状态信息来对场景中存在的运动目标进行分割，具有计算成本低的优点，但当环境中的目标数目过多，特征点分布过于密集时，聚类的难度会大大增加。尤其当分割目标的运动非常复杂时，单纯地依靠特征点的位置或者运动状态估计进行聚类...
【技术保护点】
【技术特征摘要】
1.一种面向移动机器人的连续图像动态目标自动分割方法，其特征在于，包括：步骤S1、分离待处理的连续灰度图像中的动态特征点与静态背景特征点；步骤S2、基于预先训练的自适应网络推理系统计算各所述动态特征点之间的黏度，所述黏度用于表征两个动态特征点隶属于同一动态目标的可能性大小，所述自适应网络推理系统被配置成根据两个动态特征点之间的距离与运动矢量差计算推理规则值，并将所述推理规则值作为黏度计算值与设定的黏度真值之间的差值最小为训练目标训练生成；步骤S3、基于设定的黏度阈值，以动态特征点作为节点构建黏度树，所述黏度树上的任一节点与其相连的节点对应的动态特征点之间的黏度大于黏度阈值；步骤S4、分别将每一颗黏度树中的所有节点对应的多个动态特征点作为一个动态目标，对所述灰度图像进行动态目标分割。2.如权利要求1所述的面向移动机器人的连续图像动态目标自动分割方法，其特征在于，步骤S1进一步包括：步骤S11、对每一个特征点，确定其在两个相邻灰度图像帧中的实际光流矢量；步骤S12、基于双目视觉系统的三维空间坐标系确定该特征点仅由相机运动形成的背景光流矢量；步骤S13、计算所述实际光流矢量与所述背景光流矢量之间的矢量差；步骤S14、基于矢量差模长阈值与方向角度阈值确定所述特征点为动态特征点或者静态背景特征点。3.如权利要求1所述的面向移动机器人的连续图像动态目标自动分割方法，其特征在于，步骤S2中计算各所述动态特征点之间的黏度包括：步骤S21、获取灰度图像中的任意两个动态特征点距离及运动矢量差；步骤S22、基于偏大或偏小阈值分别计算距离及运动矢量差的隶属度，构建距离偏大或偏小、运动矢量差偏大或偏小的模糊度集合；步骤S23、将不同模糊度集合对应的规则值进行归一化，基于归一化值确定黏度。4.如权利要求1所述的面向移动机器人的连续图像动态目标自动分割方法，其特征在于，步骤S3中，构建黏度树包括：步骤S31、在所述灰度图像中随机选取一个动态特征点，作为一棵黏度树的初始节点，并将该初始节点作为具有设定范围的搜索框的中心节点；步骤S32、在所述搜索框中遍历未成为黏度树节点的其它动态特征点，将黏度大于黏度阈值的动态节点作为当前黏度树的下级节点，将该下级节点加入当前黏度树；步骤S33、移动所述搜索框以使该下级节点成为所述搜索框的新的中心节点，重复步骤S31
‑
步骤S32，直至搜索框中搜索不到新的下级节点，生成一颗黏度树；步骤S34、选取所述灰度图像中未成为已有黏度树节点的另一随机动态特征点，重复步骤S31
‑
步骤S33，生成其它黏度树，直至所述灰度图像中所有动态特征点均已作为某颗黏度树的节点。5.如权利要求1所述的面向移动机器人的连续图像动态目标自动分割方法，其特征在于，步骤S3之后，进一步包括：步骤S35、去除所含动态特征点数量少于孤立动态特征点阈值的黏度树。6.一种面向移动机器人的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。