[发明专利]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

权利要求书

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连续图像动态目标自动分割装置，其特征在于，包括：

特征点分离模块，用于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；

黏度计算模块，用于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；

黏度树构建模块，用于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；

动态目标分割模块，用于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。