[发明专利]一种基于双目图像的输电线路分割方法

说明书

本发明公开了一种基于双目图像的输电线路分割方法：步骤1：获取双目输电线路图像分割数据集，对数据集中图片进行校正；步骤2：构建基于双目图像的输电线路分割网络，包括两个主干网络、特征金字塔网络、双目视差深度估计子网络、多尺度视差色彩融合模块及空间信息增强的分割头；步骤3：将双目视差深度估计子网络进行视差估计任务的无监督预训练；步骤4：将分割网络在更新后的数据集上进行视差估计和输电线路分割双任务联合训练；步骤5：将待识别的双目输电线路图像输入训练好的分割网络进行识别，得到视差图和输电线路识别分割结果。本发明提高了分割结果的准确性，有效地减少了分割结果中出现线路不连续的情况。

技术领域

本发明属于计算机视觉技术领域，涉及一种基于双目图像的输电线路分割方法。

背景技术

无人机广泛应用于输电线路巡检中，巡检人员操作无人机拍摄输电线路图像，并对这些图像进行分析和识别。在无人机巡检过程中，输电线路的定位和分割是一项关键的任务，用于输电线路巡检无人机的路径规划和安全导航，防止无人机在巡检时飞行轨迹偏离既定的航线，也可防止无人机与输电线路发生碰撞。由于无人机巡检图像通常含有较为复杂的背景，所以输电线路分割任务具有一定难度。基于传统数字图像技术的输电线路识别和分割方法局限性较大，精确度较低。一些研究人员将基于深度学习的图像分割方法如U-net、DeepLab系列等运用在了输电线路分割任务上，取得了比传统数字图像处理方法更好的效果，但仍存在一些不足：这些方法容易受到图像中的树枝、树叶、建筑物等物体的干扰，在线路分割的结果中产生较多的噪点。

发明内容

本发明的目的是提供一种基于双目图像的输电线路分割方法，以解决现有输电线路分割方法的线路分割结果中噪点较多和线路不连续的问题。

为了实现上述目的，本发明所采用的技术方案如下：

一种基于双目图像的输电线路分割方法，包括以下步骤：

步骤1：获取双目输电线路图像分割数据集，对数据集中的图片进行畸变校正和极线校正，得到校正后的左、右图像，即得到更新后的数据集；

步骤2：构建基于双目图像的输电线路分割网络，所述的基于双目图像的输电线路分割网络包括两个主干网络、特征金字塔网络、双目视差深度估计子网络、多尺度视差色彩融合模块以及空间信息增强的分割头；其中：

所述两个主干网络分别用于对校正后的左、右图像分别进行特征提取，具体是将左、右图像分别输入两个并行的主干网络，分别获得四个不同尺度的左特征图和右特征图它们的尺寸分别为原图的(1/4,1/8,1/16,1/32)；

所述双目视差深度估计子网络用于对两个主干网络提取出的左特征图和右特征图，使用Coarse-to-Fine的策略计算出与左特征图和右特征图对应的视差图；

所述特征金字塔网络用于将主干网络提取出的四个不同尺度的左特征图进行自顶向下的信息传递，得到左图像对应的特征金字塔

所述多尺度色彩视差融合模块用于将特征金字塔与左视差图进行多尺度融合，得到嵌入深度信息的RGBD特征金字塔{N₂,N₃,N₄,N₅}；

所述空间信息增强的分割头用于根据RGBD特征金字塔计算得到最终的输电线路分割结果，并且其中含有空间信息传递模块，该模块用于对特征图中目标物体的结构信息沿着宽度和高度方向进行空间信息传递；

步骤3：将双目视差深度估计子网络在FlyingThings3D数据集上进行视差估计任务的无监督预训练；

步骤4：将步骤2构建的基于双目图像的输电线路分割网络在步骤1得到的更新后的数据集上进行视差估计和输电线路分割双任务联合训练，得到训练好的基于双目图像的输电线路分割网络；