本申請實施例公開了一種草地邊界識別方法、裝置、割草機器人以及存儲介質，包括：獲取包含草地樣本的顏色圖像樣本；對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，其中，所述目標圖像樣本中標注有所述草地樣本的真實邊界；根據預設的基礎模型預估所述目標圖像樣本的預估邊界；基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型，以通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別，該方案可以提高草地邊界識別的可靠性，進而提升割草機器人的割草效果。器人的割草效果。器人的割草效果。
【技術實現步驟摘要】
草地邊界識別方法、裝置、割草機器人以及存儲介質
[0001]本申請涉及計算機
，具體涉及一種草地邊界識別方法、裝置、割草機器人以及存儲介質。
技術介紹
[0002]割草機器人被廣泛應用于家庭庭院草坪的維護和大型草地的修剪。割草機器人融合了運動控制、多傳感器融合以及路徑規劃等技術。為了控制割草機器人實現割草作業，需要對割草機器人的割草路徑進行規劃，使其可以完全覆蓋所有的作業區域。
[0003]割草機器人在草地上運行過程中需要識別草地邊界，目前的草地邊界識別方案包括基于場景顏色的分割方案和基于點云的場景分割，基于顏色的分割容易受到場景的光照影響，導致草地邊界分割的魯棒性不高，難以在真實的場景中應用，而基于點云特征的草地邊界分割方案，易受噪聲點的影響且計算的復雜度較大，很難進行實時的分割，可見，目前的草地邊界識別方案的可靠性不佳，進而影響割草機器人的割草效果。
技術實現思路
[0004]本申請實施例提供一種草地邊界識別方法、裝置、割草機器人以及存儲介質，可以提高草地邊界識別的可靠性，進而提升割草機器人的割草效果。
[0005]第一方面，本申請實施例提供了一種草地邊界識別方法，包括：
[0006]獲取包含草地樣本的顏色圖像樣本；
[0007]對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，其中，所述目標圖像樣本中標注有所述草地樣本的真實邊界；
[0008]根據預設的基礎模型預估所述目標圖像樣本的預估邊界；
[0009]基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型，以通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別。
[0010]可選地，在一些實施例中，所述通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別，包括：
[0011]將割草機器人采集的待檢測圖像輸入至所述草地邊界識別模型，輸出所述待檢測圖像中各像素點屬于草地邊界的概率；
[0012]基于所述概率在所述待檢測圖像中確定草地邊界。
[0013]可選地，在一些實施例中，所述將割草機器人采集的待檢測圖像輸入至所述草地邊界識別模型，輸出所述待檢測圖像中各像素點屬于草地邊界的概率，包括：
[0014]利用所述草地邊界識別模型的解碼器對所述待檢測圖像進行下采樣處理；
[0015]利用所述所述草地邊界識別模型的解碼器對下采樣結果進行連接，得到所述待檢測圖像中各像素點屬于草地邊界的概率。
[0016]可選地，在一些實施例中，所述通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別之后，還包括：
[0017]獲取所述割草機器人行駛時對應的實時點云數據；
[0018]基于所述實時點云數據以及識別的草地邊界，控制所述割草機器人的行駛方向。
[0019]可選地，在一些實施例中，所述獲取所述割草機器人行駛時對應的實時點云數據，包括：
[0020]從點云數據中隨機選取起始點，并將所述起始點添加至采樣點集合中；
[0021]計算所述起始點與所述點云數據中其余點的第一距離，將距離最大的其余點確定為候選點，并將所述候選點添加至采樣點集合中；
[0022]計算所述候選點與所述點云數據中其余點的第二距離，并基于所述第二距離對所述采樣點集合進行更新，直至獲得預設數量的采樣點為止。
[0023]可選地，在一些實施例中，所述對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，包括：
[0024]對所述圖像樣本進行預處理；
[0025]對預處理后的圖像樣本進行幾何變換，并在變換后的圖像樣本中標注所述草地樣本的真實邊界，得到目標圖像樣本。
[0026]可選地，在一些實施例中，所述基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型，包括：
[0027]基于所述預估邊界以及真實邊界之間的位置偏差，生成所述基礎模型的邊界損失；
[0028]根據所述邊界損失收斂所述基礎模型，得到草地邊界識別模型。
[0029]第二方面，本申請實施例提供了一種草地邊界識別裝置，包括：
[0030]獲取模塊，用于獲取包含草地樣本的顏色圖像樣本；
[0031]增強模塊，用于對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，其中，所述目標圖像樣本中標注有所述草地樣本的真實邊界；
[0032]預估模塊，用于根據預設的基礎模型預估所述目標圖像樣本的預估邊界；
[0033]訓練模塊，用于基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型；
[0034]識別模塊，用于通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別。
[0035]本申請實施例在獲取包含草地樣本的顏色圖像樣本后，對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，其中，所述目標圖像樣本中標注有所述草地樣本的真實邊界，然后，根據預設的基礎模型預估所述目標圖像樣本的預估邊界，最后，基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型，以通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別，在本申請提供的草地邊界識別方案中，利用預設的基礎模型預估目標圖像樣本的預估邊界，并且，預先在圖像樣本標注草地樣本的真實邊界，然后，基于預估邊界和真實邊界對基礎模型進行訓練，得到草地邊界識別模型，使得該草地邊界識別模型具有識別草地邊界的能力，由此，可以提高草地邊界識別的可靠性，進而提升割草機器人的割草效果。
附圖說明
[0036]為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0037]圖1a是本申請實施例提供的草地邊界識別方法的場景示意圖；
[0038]圖1b是本申請實施例提供的草地邊界識別方法的流程示意圖；
[0039]圖1c是本申請提實施例提供的基礎模型的結構示意圖；
[0040]圖2a是本申請實施例提供的草地邊界識別裝置的結構示意圖；
[0041]圖2b是本申請實施例提供的草地邊界識別裝置的另一結構示意圖；
[0042]圖3是本申請實施例提供的電子設備的結構示意圖。
具體實施方式
[0043]下面將結合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基于本申請中的實施例，本領域技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
[0044]需要說明的是，當元件被稱為“固定于”或“設置于”另一個元件，它可以直接在另一個元件上或者間接在該另一個元件上。當一個元件被稱為是“連接于”另一個元件，它可以是直本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.一種草地邊界識別方法，其特征在于，包括：獲取包含草地樣本的顏色圖像樣本；對所述顏色圖像樣本進行數據增強，得到目標圖像樣本，其中，所述目標圖像樣本中標注有所述草地樣本的真實邊界；根據預設的基礎模型預估所述目標圖像樣本的預估邊界；基于所述預估邊界以及真實邊界對所述基礎模型進行訓練，得到草地邊界識別模型，以通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別。2.根據權利要求1所述的方法，其特征在于，所述通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別，包括：將割草機器人采集的待檢測圖像輸入至所述草地邊界識別模型，輸出所述待檢測圖像中各像素點屬于草地邊界的概率；基于所述概率在所述待檢測圖像中確定草地邊界。3.根據權利要求2所述的方法，其特征在于，所述將割草機器人采集的待檢測圖像輸入至所述草地邊界識別模型，輸出所述待檢測圖像中各像素點屬于草地邊界的概率，包括：利用所述草地邊界識別模型的解碼器對所述待檢測圖像進行下采樣處理；利用所述所述草地邊界識別模型的解碼器對下采樣結果進行連接，得到所述待檢測圖像中各像素點屬于草地邊界的概率。4.根據權利要求1所述的方法，其特征在于，所述通過所述草地邊界識別模型對割草機器人采集的待檢測圖像進行草地邊界識別之后，還包括：獲取所述割草機器人行駛時對應的實時點云數據；基于所述實時點云數據以及識別的草地邊界，控制所述割草機器人的行駛方向。5.根據權利要求4所述的方法，其特征在于，所述獲取所述割草機器人行駛時對應的實時點云數據，包括：從點云數據中隨機選取起始點，并將所述起始點添加至采樣點集合中；計算所述起始點與所述點云數據中其余點的第一距離，將距離最大的其余點確定為候選點，并將所述候選點添加...
【專利技術屬性】
技術研發人員：羅元泰，魏基棟，韓明名，單毛毛，
申請(專利權)人：松靈機器人成都有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。