一种面向矿场场景的RGB-D图像语义分割方法

本发明涉及一种面向矿场场景的RGB‑D图像语义分割方法，属于工矿自动化和人工智能领域。针对矿场深度数据退化、固定融合策略适应性差及专用数据集匮乏的问题，通过真实矿场采集以及仿真模拟构建一个包含真实和仿真数据的矿场RGB‑D语义分割数据集；通过结合RGB引导的深度修复模块和自适应跨模态融合模块，构建一个面向全天候矿场场景的RGB‑D语义分割神经网络；采用分阶段迁移学习策略在公开数据集上对构建的网络进行预训练，并在自建矿场数据集上进行微调；利用TensorRT加速工具链对训练好的模型进行优化量化，生成推理引擎。部署于嵌入式边缘计算设备，通过RGB‑D深度相机实时输入数据，输出高精度语义分割结果。