基于多尺度残差网络的自适应边缘检测

为了实现无人机避障过程中的障碍物检测，针对传统边缘检测算法检测速度慢、抗噪性能差、边缘信息易缺失等问题，提出了一种基于多尺度残差网络的自适应边缘检测算法。基于深度可分离卷积，替换ResNet18残差网络中的传统卷积结构有效减少了网络参数量，提高特征提取效率。在综合考虑固定阈值和局部边缘点均值的基础上，引入自适应阈值改进八向差分算子，以提高算法抑制噪声干扰的能力。基于多尺度特征融合结构，在包含更强语义信息的高层特征图上融合低层细节信息，细化小尺度目标边缘特征。与改进前相比，准确率提升了4.23%,参数量降低了5.01×10⁶,处理速度提高了4 fps。