[发明专利]网状障碍物识别方法、装置、电子设备及计算机存储介质

权利要求书

1.一种网状障碍物识别方法，其特征在于，包括：

获取待识别图像，其中，所述待识别图像中包括网状障碍物；

将所述待识别图像输入训练完备的语义分割预测模型中，输出待识别图像的语义分割图；

获取所述待识别图像的深度图；

将所述语义分割图与所述深度图进行图像融合，并对融合图像进行像素分析，以确定网状障碍物的深度信息。

2.根据权利要求1所述的网状障碍物识别方法，其特征在于，所述训练完备的语义分割预测模型是基于PSPNet神经网络进行训练的；

所述PSPNet神经网络的结构包括特征提取子网络、池化子网络与卷积子网络。

3.根据权利要求2所述的网状障碍物识别方法，其特征在于，所述语义分割预测模型的训练过程，包括：

获取包括网状障碍物的图片集，并对所述图片集标注分类标签，得到分类结果集；

将所述图片集与每一图片对应的分类结果组成数据集，其中，所述数据集中包括训练集、测试集及预测集；

将所述训练集输入PSPNet神经网络中进行训练，在达到预设的损失条件后，获取训练好的模型参数，并基于PSPNet神经网络加载所述训练好的模型参数，完成所述语义分割预测模型的训练；

其中，所述将所述训练集输入PSPNet神经网络中进行训练，具体包括：

利用所述特征提取子网络提取所述训练集中的第一图片特征层；

利用所述池化子网络将所述第一图片特征层进行不同尺度的池化操作，得到第二图片特征层

利用所述卷积子网络调整所述第二图片特征层的特征层数与通道数，以使输出图片与输入图片尺寸相同。

4.根据权利要求1所述的网状障碍物识别方法，其特征在于，所述获取所述待识别图像的深度图，包括：

获取深度相机的标定参数，并根据所述标定参数对所述待识别图像进行校正；

对校正后的图像进行匹配，并根据匹配的结果计算所述待识别图像中每个像素点的深度，以获得所述待识别图像的深度图。

5.根据权利要求1所述的网状障碍物识别方法，其特征在于，所述将所述语义分割图与所述深度图进行图像融合，包括：

构建基于深度相机下的相机坐标系；

在所述相机坐标系中将所述语义分割图与所述深度图进行图像融合，得到融合图像。

6.根据权利要求1或5任一项所述的网状障碍物识别方法，其特征在于，所述对融合图像进行像素分析，以确定网状障碍物的深度信息，包括：

获取所述融合图像对应的直方图，并对所述直方图进行像素统计，基于统计结果确定网状障碍物的深度信息。

7.根据权利要求6所述的网状障碍物识别方法，其特征在于，所述方法还包括：

基于所述深度信息对所述深度图进行填充修补。

8.一种网状障碍物识别装置，其特征在于，包括：

第一获取模块，用于获取待识别图像，其中，所述待识别图像中包括网状障碍物；

输出模块，用于将所述待识别图像输入训练完备的语义分割预测模型中，输出待识别图像的语义分割图；

第二获取模块，用于获取所述待识别图像的深度图；

确定模块，用于将所述语义分割图与所述深度图进行图像融合，并对融合图像进行像素分析，以确定网状障碍物的深度信息。

9.一种电子设备，其特征在于，包括存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述网状障碍物识别方法中的步骤。

10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述网状障碍物识别方法中的步骤。