基于视觉大模型的全场景地物分割的处理方法及系统

本发明公开了基于视觉大模型的全场景地物分割的处理方法及系统，属于计算机视觉技术领域。包括以下步骤：获取无人机拍摄的视频数据，对视频中图像数据进行预处理；通过预设信息，使用Grounding DINO检测图像数据中的类别，使用SAM分割模型获取检测到的框的实例分段掩码；使用CLIPSeg获取类别的一次分割掩码；在一次割掩码中确定采样点，并将采样点输入至SAM分割模型以获得类别的二次分割掩码；将一次分割掩码与二次分割掩码结合，得到全景分割结果。相较于现有技术，本发明的有益之处在于，解决了传统SAM分割模型不具备物体之间文本识别和语义分析能力，实现了根据提示词进行无人机视角图片的全场景分割。