本发明实施例提供一种基于深度学习的地外天体巡视器障碍物分割方法，该方法包括：利用地外天体巡视器获得的图像集及其对应的人工标注图集形成样本集；将所述样本集中的样本分成训练样本、验证样本和测试样本；基于VGGNet卷积网络和U-Net网络构建神经网络；将所述训练样本和所述验证样本输入所述神经网络，对神经网络进行训练得到训练模型；利用所述训练模型对所述测试样本进行测试,得到地外.天体的障碍物分割结果。该方法将精度高的VGG网络局部迁移到本发明网络,在提高了障碍物分割精度的同时还提高了分割速度，可以满足地外天体巡视器实时性需求。
Q.E.D.