[发明专利]一种基于目标检测的边缘检测模型、方法和存储介质

权利要求书

1.一种目标检测的下边缘检测模型的训练方法，其特征在于，包括以下步骤：

获取样本图像，所述样本图像标注有实例分割结果，所述实例分割结果中包括目标检测框；

将所述样本图像输入预先建立的初始神经网络模型；

利用所述样本图像训练所述初始神经网络模型，先得到目标检测特征的底边高度图，再由高度图转换得到目标下边缘检测模型；

将执行过程中目标下边缘检测模型输出的结果与各个所述目标下边缘检测标注线比较；获得比较结果；

根据所述比较结果调整所述目标下边缘检测模型中的参数，使得所述目标下边缘检测模型的损失函数最小。

2.一种目标检测的下边缘检测方法，其特征在于，包括如下步骤：

S01：输入图像，通过目标检测模块获得输入图像特定目标类别的实例分割结果，所述实例分割结果中包括目标检测框和目标检测框的特征图；

S02：将实例分割结果输入底边检测模块中，通过反复地在特征图上以多条分支进行卷积操作，再将多分支卷积操作结果合并，最终进行全连接展开输出底边高度图；

S03：以底边高度图中各个像素点的特征信息与原特征图中该列像素点特征信息比对，获得底边高度图单列像素点与原特征图该列像素点的对应关系，获得底边高度图中各个像素点在原特征图中的对应位置关系，以该对应位置关系获得目标检测框中实例的下边缘轮廓。

3.根据权利要求2所述的目标检测的下边缘检测方法，其特征在于，还包括步骤S04：提取目标检测框中实例的下边缘轮廓中相对地面最低位置的像素点，判断该像素点为目标检测框中所示物体与地面接触点，利用本体摄像头标定参数获得本体摄像头在地面的投影，通过坐标系换算取得本体与目标检测框之间的相对位置关系。

4.根据权利要求2所述的目标检测的下边缘检测方法，其特征在于，还包括步骤S021：特征融合步骤，所述特征融合步骤用于将步骤S01中提取特征图时，分别提取的多个卷积层特征图进行特征融合，并获得融合特征的特征图，使用融合特征的特征图以代替原特征图。

5.根据权利要求3所述的目标检测的下边缘检测方法，其特征在于，还包括步骤S041：在换算取得本体与目标检测框之间的相对位置关系之前，还包括将目标检测结果中每个检测到的目标框和该检测到的目标的底边高度图进行合并，以得到在合并后的目标底边检测图。

6.根据权利要求5所述的目标检测的下边缘检测方法，其特征在于，所述目标下边缘检测框包含以下要素：

A分割捕获图像中不同语义的部分，获得目标检测框中所属语义分割的类别要素；

B语义分割后特定类别的实例分割结果；

C各个实例分割结果中目标下边缘轮廓线；

D各个实例分割结果下边缘轮廓线中与地面接触的接触点。

7.一种目标检测的下边缘检测模型，其特征在于，包括以下部分：

目标检测模块，所述目标检测模块用于分割捕获图像中不同语义的部分，形成分割结果，再将分割结果进行实例分割获得不同语义中的各个实例，将各个实例以目标检测框的形式标注标注出来；

特征提取模块，所述特征提取模块用于提取各个实例目标检测框中目标图像的特征，以形成特征图；

底边高度图提取模块，所述底边高度图提取模块用于通过反复地在特征图上以多条分支进行卷积操作，再将多分支卷积操作结果合并，最终进行全连接展开目标的底边高度图；

下边缘提取模块，所述下边缘提取模块用于以底边高度图中各个像素点的特征信息与原特征图中该列像素点特征信息比对，获得底边高度图单列像素点与原特征图该列像素点的对应关系，获得底边高度图中各个像素点在原特征图中的对应位置关系，以该对应位置关系获得目标检测框中实例的下边缘轮廓。

8.根据权利要求7所述的目标检测的下边缘检测模型，其特征在于，所述特征提取模块包括但不限于提取目标检测框中特定卷积层的特征。