[发明专利]基于深度图像的运动物体分割方法及系统

权利要求书

1.一种基于深度图像的运动物体分割方法，其特征在于，包括:

步骤M1：接收传感器数据获得初始深度图，对初始深度图进行预处理获得深度图像；

步骤M2：接收连续两帧深度图像并分别利用卷积神经网络进行特征提取，得到连续两帧深度图各自的空间特征；

步骤M3：接收连续两帧的空间特征，并利用循环神经网络进行特征提取，得到时序空间特征；

步骤M4：接收时序空间特征，通过上采样分割出当前时刻深度图像里的运动物体，得到初始分割结果；

步骤M5：接收初始分割结果，采用条件随机场算法优化初始分割结果。

2.根据权利要求1所述的基于深度图像的运动物体分割方法，其特征在于，所述步骤M1包括：

步骤M1.1：通过包括双目相机、PGBD相机和/或激光雷达数据的处理获得初始深度图；

步骤M1.2：计算初始深度图的积分图，并保存积分图中每个值所累加的像素点个数；

步骤M1.3：利用积分图对初始深度图进行多层均值滤波，首先用预设的初始窗口进行均值滤波，给大的无值空洞区域赋值，之后每次滤波时，窗口大小减小预设倍数，直至窗口大小变为预设值，停止滤波，获得平滑后的深度图像；

所述通过双目相机获得初始深度图包括：利用双目立体视觉从双目相机图像中计算出深度图像；

所述通过RGBD相机获得初始深度图包括：从RGBD相机直接获取初始深度图像；

所述通过激光雷达数据的处理获得初始深度图包括：将激光雷达获取的三维点云投影到二维平面获取深度图像。

3.根据权利要求1所述的基于深度图像的运动物体分割方法，其特征在于，所述步骤M2包括：

步骤M2.1：接收连续两帧深度图像d_t,d_t-1，通过卷积层和激活函数层实现深度图d_t,d_t-1到d′_t,d′_t-1的非线性映射；

步骤M2.2：将深度图d′_t,d′_t-1分别通过预设个卷积块，每个卷积块由预设层卷积层及相应的最大池化层和激活函数层堆叠而成，并将指定的卷积层的输出作为所提取的多尺度的空间特征。