面向非结构化地形的图像语义分割方法技术

本发明专利技术公开了一种面向非结构化地形的图像语义分割方法，其包括获取非结构化地形图像数据集，搭建语义分割网络模型；利用非结构化地形图像数据集对语义分割网络模型进行训练和测试，得到合格的语义分割网络模型用经测试合格的语义分割网络模型对非结构化地形图像进行的语义分割。本发明专利技术构建的语义分割网络模型采用轻量级MobileNetV2网络作为特征提取网络，并集成了SE注意力机制模块和CABM注意力机制模块，提高了模型对不同地形的特征提取能力，使模型能有效应对真实野外场景中杂物较多、地形与非地形区域相似性较高情况下的图像语义分割问题；且所构建的语义分割网络模型拥有较少的参数量和计算量，减小了资源占用。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别涉及一种图像分割方法。

技术介绍

1、随着信息技术、人工智能技术和机器人技术的快速发展，移动机器人的应用场景已从静态的室内环境扩展至复杂多变的野外环境。不同于结构化的室内环境，野外场景充满不确定性，机器人必须面对多种复杂路面，如松软的沙地、泥泞的湿地、崎岖的山路等，这些非结构化地形可能严重影响机器人的移动稳定性，甚至带来作业风险。在实际应用中，机器人摄像头采集到的画面不仅包含地形信息(如草地、沙地)，还可能混杂周围环境中的树木、建筑物、天空等背景。这使得仅依赖传统的分类或检测方法难以精确识别可通行区域，因此，对地形进行像素级的语义分割，提取精确的地面信息，成为机器人自主导航和环境感知的关键技术之一。

2、像素级地形识别的核心在于对图像中的每个像素点进行分类和标注，以区分不同类型的地形及环境物体。这一技术不仅有助于机器人感知和理解周围环境，还能在自主导航过程中提供关键信息，如路径规划、行进策略调整和速度控制等。在复杂的野外环境中，精准的地形分割能够帮助机器人更全面地感知周围世界，确保其在各种复杂地形下高效、稳定地运行，本文档来自技高网...

【技术保护点】

1.面向非结构化地形的图像语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的面向非结构化地形的图像语义分割方法，其特征在于：步骤1)获取的非结构化地形图像数据集为RUGD数据集。

3.根据权利要求2所述的面向非结构化地形的图像语义分割方法，其特征在于：还包括对RUGD数据集中图像进行标签重映射处理，标签重映射规则为：标号0映射背景，标号1映射砂石路与泥土，标号2映射草地，标号3映射天空，标号4映射混凝土路。

4.根据权利要求1所述的面向非结构化地形的图像语义分割方法，其特征在于：所述MobiliNetV2网络的浅层输出是指MobiliN...

【技术特征摘要】

1.面向非结构化地形的图像语义分割方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的面向非结构化地形的图像语义分割方法，其特征在于：步骤1)获取的非结构化地形图像数据集为rugd数据集。

3.根据权利要求2所述的面向非结构化地形的图像语义分割方法，其特征在于：还包括对rugd数据集中图像进行标签重映射处理...

【专利技术属性】
技术研发人员：李秀敏，陈秋娴，王玉琴，徐文哲，卫丕甲，邵博，
申请(专利权)人：重庆大学，
类型：发明
国别省市：