[發明專利]待作業區域邊界獲取方法、裝置，作業航線規劃方法

有效

• 申請號: 201810236417.6
• 申請日: 2018-03-21
• 公開（公告）號: CN110297483B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 代雙亮
• 申請（專利權）人: 廣州極飛科技有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種待作業區域邊界獲取方法，其特征在于，包括：

輸入原始圖像至預設識別模型，所述原始圖像中包括待作業區域；所述預設識別模型是以原始作業圖像、人工標注作業區域和非作業區域構成的作業圖像作為訓練樣本，進行有監督訓練而得到的；

獲取所述預設識別模型對輸入的原始圖像進行卷積和還原處理，提取所述輸入的原始圖像中的作業區域的邊界特征，由提取的作業區域的邊界特征生成并輸出的目標圖像；

基于所述目標圖像獲得所述待作業區域的邊界。

2.根據權利要求1所述的方法，其特征在于，所述預設識別模型為深度學習網絡模型，所述深度學習網絡模型包括：卷積模塊、反卷積模塊和特征融合模塊，所述卷積模塊包括第一數量的卷積層，所述反卷積模塊包括第二數量的反卷積層，其中，

所述卷積模塊，用于通過所述第一數量的卷積層提取輸入的所述原始圖像的特征，并將所述特征輸出至所述反卷積模塊；

所述反卷積模塊，用于通過所述第二數量的反卷積層，基于所述卷積模塊輸出的特征，進行圖像特征還原處理；

所述特征融合模塊，用于將所述反卷積模塊各層進行圖像特征還原處理得到的圖像特征進行融合，得到輸出圖像。

3.根據權利要求2所述的方法，其特征在于，所述卷積層和反卷積層采用級聯結構連接，所述反卷積模塊，還用于通過所述第二數量的反卷積層獲取與相應反卷積層級聯的所述卷積層的卷積處理信息，以及，通過將相應反卷積層上層的反卷積結果和與相應反卷積層級聯的所述卷積層的所述卷積處理信息進行疊加，得到所述相應反卷積層的反卷積結果。

4.根據權利要求2或3所述的方法，其特征在于，每個所述卷積層通過對輸入至所述卷積層的圖像進行膨脹運算，提取輸入至所述卷積層的圖像的特征。

5.根據權利要求2或3所述的方法，其特征在于，所述反卷積模塊采用可分離卷積結構。

6.根據權利要求2或3所述的方法，其特征在于，所述深度學習網絡模型的損失函數為：

loss＝-β∑log p(y_j＝1|X)-(1-β)∑log(y_j＝0|X)，其中，loss為損失值，X為標注了目標區域和非目標區域的農田圖像樣本，β是所述圖像樣本X中目標地塊的像素數占所述圖像樣本X總像素數的比值，p(y_j＝1＝1|X)是所述圖像樣本X中像素j通過激活函數的輸出值。

7.根據權利要求1所述的方法，其特征在于，所述基于所述目標圖像獲得所述待作業區域的邊界的步驟包括：基于邊界檢測算法對所述目標圖像進行檢測，以確定所述目標圖像中包括的所述待作業區域的邊界。

8.根據權利要求7所述的方法，其特征在于，所述基于邊界檢測算法對所述目標圖像進行檢測，以確定所述目標圖像中包括的所述待作業區域的邊界的步驟，包括：

基于邊界檢測算法對所述目標圖像進行檢測，確定所述目標圖像中包括的地塊邊界點；

基于所述地塊邊界點進行膨脹和平滑處理，確定所述目標圖像中包括的所述待作業區域的邊界。

9.根據權利要求1所述的方法，其特征在于，所述基于所述目標圖像獲得所述待作業區域的邊界的步驟包括：基于預設檢測算法對所述目標圖像進行檢測，以確定所述目標圖像中包括的所述待作業區域的邊界，所述預設檢測算法包括顏色檢測算法、密度檢測算法、多光譜檢測算法中的一種或多種。

10.一種作業航線規劃方法，其特征在于，包括：

獲取用于作業航線規劃的原始圖像；

通過權利要求1至9任一項所述的待作業區域邊界獲取方法，獲取所述原始圖像中的待作業區域的邊界；

基于獲取的所述待作業區域的邊界，規劃可移動設備在相應待作業區域內的作業航線。