本发明属于机器人的导航路径生成领域，具体涉及一种基于语义分割网络的田间道路分割方法。
背景技术：
1、为了提高生产效率和经济效益，智能农业机械化是未来发展的必然趋势。田间自主导航技术是智能农业机械化的关键技术之一；为提高了田间农机的质量和效率，减少了农机司机的劳动，视觉导航技术成为了当前的主流技术之一。智能收获机器人是一种在作物农田中进行自主导航收获的机器人，由于要实现田间的自主收获功能，因此该类型机器人要能够实现巡视过程中的自主导航，能够在给定巡视路线的情况通过自身携带的视觉导航设备在不受外界干预的情况下完成导航任务。
2、智能收获机器人是针对于复杂田间环境对农作物进行作物自主收获的机器人，由于一般田间环境比较复杂，传统的gps导航方式容易出现因田间道路弯曲，导航精度不够导致损坏作物的问题，还会因本身缺陷出现信号受遮挡，甚至是丢星的问题，从而使机器人无法确定自身位置以及准确的田间道路。
技术实现思路
1、针对现有技术中的问题，本发明提供一种基于语义分割网络的田间道路分割方法，目的在于能够弥补传统导航缺陷，能准确识别出田间道路的两侧曲线。
2、一种基于语义分割网络的田间道路分割方法，包括以下步骤：
3、步骤1：获取待规划路径的田间道路图像；
4、步骤2：通过多尺度边界特征融合模块将田间道路图像中道路边缘的细节信息与道路和作物之间的语义信息相结合，获得第一特征图；
5、步骤3：通过aspp模块对田间道路图像进行多尺度特征提取并补充图像的上下文信息，获得多尺度特征；
6、步骤4：通过多感受野注意力模块对多尺度特征实行分空间和通道的并行处理，并将处理结果与多尺度特征进行融合，获得第二特征图；
7、步骤5：将第一特征图进行卷积核大小为的卷积操作，并将第二特征图均进行卷积核大小为的卷积操作后并进行4倍上采样操作，而后将两者的操作结果进行特征拼接后，再进行4倍上采样，获得包含有道路边界曲线的路径图像。
8、进一步为：步骤2具体为：
9、步骤2.1：对田间道路图像进行4倍下采样，得到田间道路图像的低级特征；
10、步骤2.2：对低级特征进行多尺度特征提取，获取特征图；
11、步骤2.3：将特征图，经过边缘特征提取块操作并引入特征图与标签之间的损失函数，得到特征图；
12、步骤2.4：将特征图进行特征融合，获取特征图；
13、步骤2.5：将特征图，经过边缘特征提取块操作并引入特征图与标签之间的损失函数，得到特征图，即为第一特征图。
14、进一步为：步骤2.3具体为，将特征图，，的通道数调整为一致，将特征图和特征图的大小调整为一致；还包括以下步骤：
15、步骤2.5.1：将特征图和特征图进行融合后，将融合结果通过sigmoid函数对感兴趣区域赋权重，生成边界特征注意力图，；
16、步骤2.5.2：边界特征注意力图与调整后的特征图，进行特征融合，并引入损失函数，获得特征图；
17、其中，，是训练网络时道路的真实边界，是训练网络时网络的预测边界，代表语义分割中的像素点。
18、进一步为：步骤4具体为：
19、步骤4.1：对多尺度特征进行映射，并得到规格为映射特征图，其中，，，分别表示批次大小、通道大小、空间高度和宽度；
20、步骤4.2：分别用大小为、、、的卷积核对映射特征图进行二维卷积，得到四个不同感受野的张量，这些张量的大小均为，并将张量特征融合得到张量；
21、步骤4.3：然后将每个张量分为两组数据，并使这两组数据分别经权重提取后在通道维度中连接出每个张量的权重；
22、步骤4.4：将所有张量的权重进行特征融合，并将融合的结果与多尺度特征（）相融合后再进行通道混洗，得到输出，即第二特征图。
23、进一步为：权重提取包括以下步骤：
24、步骤4.3.1：将输入数据记为特征图，其大小为；
25、步骤4.3.2：全局平均池化运算得到，；
26、步骤4.3.3：对进行压缩置换，得到，；
27、步骤4.3.4：利用大小的卷积核对的局部进行跨通道交互，得到，；
28、步骤4.3.5：通过sigmoid函数对进行处理并得到，；
29、步骤4.3.6：对进行解压缩和置换，得到，；
30、步骤4.3.7：为权重提取的结果。
31、进一步为：在步骤4.3中，特征图包括，；
32、其中，是自适应平均池算子，是算子，是卷积层，是解压缩和交换算子；每个张量的权重，i为1~5；。
33、进一步为：路径图像中的道路边界曲线为：
34、
35、其中，为4倍上采样操作；为卷积操作；为特征拼接；为第一特征图，为第二特征图。
36、本发明的有益效果：采用多尺度边界特征融合模块（mbf）与多感受野注意力机制（mam）模块强化道路边缘特征与细小特征，两个模块在编码器中并行处理，并在解码器中相融合得到包含高低级特征且更精确的田间道路特征图。
1.一种基于语义分割网络的田间道路分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于语义分割网络的田间道路分割方法，其特征在于：步骤2具体为：
3.根据权利要求2所述的基于语义分割网络的田间道路分割方法，其特征在于：步骤2.3具体为，将特征图，，的通道数调整为一致，将特征图和特征图的大小调整为一致；还包括以下步骤：
4.根据权利要求1所述的基于语义分割网络的田间道路分割方法，其特征在于：步骤4具体为：
5.根据权利要求4所述的基于语义分割网络的田间道路分割方法，其特征在于：权重提取包括以下步骤：
6.根据权利要求5所述的基于语义分割网络的田间道路分割方法，其特征在于：在步骤4.3中，特征图包括，；
7.根据权利要求1所述的基于语义分割网络的田间道路分割方法，其特征在于：路径图像中的道路边界曲线为：
