[发明专利]边界识别方法及装置

说明书

本申请公开了一种边界识别方法及装置。其中，上述方法包括：获取待分割区域的图像；对所述待分割区域的图像进行分析，得到所述待分割区域的关键点信息，其中，所述关键点信息所对应的关键点为所述待分割区域中相邻子区域的边界上的点；基于所述关键点信息确定所述相邻子区域的边界。本申请解决了相关技术中基于像素对相邻地块进行分割准确度较低的技术问题。

技术领域

本申请涉及植保领域，具体而言，涉及一种边界识别方法及装置。

背景技术

地块的闭合边界获取是无人机植保作业过程中的重要一环，准确的地块边界信息可以规划出精准的航线。目前，现在的获取方式主要有：通过人工测绘的方式，以及基于像素点对地图分割的方式确定地块的边界。人工测绘需要浪费大量的人力，直接基于像素点对相邻地块的分割，处理的数据量较大，并且，对于相邻地块的分割准确度较低。

针对上述技术问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种边界识别方法及装置，以至少解决相关技术中基于像素对相邻地块进行分割准确度较低的技术问题。

根据本申请实施例的一个方面，提供了一种边界识别方法，该方法包括：获取待分割区域的图像；对所述待分割区域的图像进行分析，得到所述待分割区域的关键点信息，其中，所述关键点信息所对应的关键点为所述待分割区域中相邻子区域的边界上的点；基于所述关键点信息确定所述相邻子区域的边界。

可选地，对所述待分割区域的图像进行分析，得到所述待分割区域的关键点信息包括：将所述待分割区域的图像输入第一预设模型进行分析,得到待分割区域的边界特征信息,其中,所述第一预设模型为通过多组数据训练得到的，所述多组数据中的每组数据均包括：样本待分割区域的图像以及用于标记所述样本待分割区域的图像所对应的待分割区域的边界特征信息的标记；基于所述边界特征信息确定所述关键点信息。

可选地，所述第一预设模型通过以下方式训练得到：(1)初始化预设学习模型的模型参数；(2)将所述多组数据输入至所述预设学习模型，并使用梯度下降法迭代计算损失函数的函数值，直至迭代次数达到预设次数时，停止训练；将停止训练时的模型参数设定为所述预设学习模型的最终模型参数，并将最终模型参数对应的预设学习模型对应的模型作为所述第一预设模型。

可选地，所述关键点信息包括至少两个关键点的位置信息，基于所述关键点信息确定所述相邻子区域的边界包括:基于所述至少两个关键点的位置信息确定所述相邻子区域的边界。

可选地，所述位置信息包括：所述关键点在预设坐标系中的坐标点信息；基于所述至少两个关键点的位置信息确定所述相邻子区域的边界，包括：按照预设规则依次连接所述至少两个关键点中所有关键点的坐标点信息，得到所述相邻子区域的边界。

可选地，按照预设规则依次连接所述至少两个关键点中所有关键点的坐标点信息，包括：确定所述至少两个关键点中所有关键点之间的关联关系；对于所述至少两个关键点中的每个关键点，依据所述关联关系确定所述每个关键点的下一个关键点；以及连接所述每个关键点和所述下一个关键点。

可选地，对所述待分割区域的图像进行分析，得到所述待分割区域的关键点信息包括：将所述待分割区域的图像输入第二预设模型进行分析,得到待分割区域的关键点信息，以及所述待分割区域的图像大小,其中,所述第二预设模型为通过多组数据训练得到的，所述多组数据中的每组数据均包括：样本待分割区域的图像以及用于标记所述样本待分割区域的图像对应的待分割区域的关键点信息、以及所述待分割区域的图像大小的标记。

可选地，所述目标函数包括分割损失函数和/或回归损失函数，其中，所述分割损失函数为待分割区域的边界特征信息的损失函数，所述回归损失函数为各个关键点坐标的损失函数。