1.一种废弃物目标定位和分割的方法，其特征在于，包括如下步骤：

获取符合预设标准的图像，所述预设标准包括：所述图像包含彩色图像；所述“获取符合预设标准的图像”具体包括：图像类型为RGBD或RGB；图像中包含彩色图像I的信息，为所述彩色图像I中坐标为(i,j)的像素点标记语义标签为Xij；

以第一分割网络对所述图像进行处理，生成第一分割结果以及潜在的目标区域；具体包括：所述第一分割网络Fc的输出特征为其中表示整个图像区域的像素信息；

对于所有的(i,j)∈R0，将特征C0

其中，所述第一分割网络为一场景级别的粗略分割网络，所述第二分割网络为一目标级别的细致分割网络，且所述第一分割网络、第二分割网络、CRF模型均为经过预先训练所得，所述训练基于带有轮廓标注的垃圾废弃物训练数据集进行。

2.如权利要求1所述的废弃物目标定位和分割的方法，其特征在于，所述带有轮廓标注的垃圾废弃物训练数据集来源为公开数据库或经人工标注边缘轮廓的非公开数据库，并从训练数据集中确定训练集和测试集，并且确定需使用的语义分割算法，所述语义分割算法包括FCN、DeepLabv3、PSPNet或CCNet。

3.如权利要求2所述的废弃物目标定位和分割的方法，其特征在于，所述语义分割算法为DeepLabv3，以预设数量以上的训练数据集图片对DeepLabv3模型进行模型微调，然后得到第一分割网络。

4.如权利要求1所述的废弃物目标定位和分割的方法，其特征在于，所述的CRF模型表达式为：E(x,I,D)＝Φc(x；I)+α·Φf(x；I)+Ψ(x；I,D)，其中Φc(x；I)表示第一分割网络产生的单点势能，Φf(x；I)表示第二分割网络产生的单点势能，Ψ(x；I,D)表示综合图像的分类信息后产生的对点势能，所述分类信息包括颜色、深度或空间位置关系，α为权重参数。

5.一种废弃物目标定位和分割的装置，其特征在于，包括图像输入单元、分割单元和训练单元；

所述图像输入单元用于获取符合预设标准的图像，所述预设标准包括：所述图像包含彩色图像；具体包括：图像类型为RGBD或RGB；图像中包含彩色图像I的信息，为所述彩色图像I中坐标为(i,j)的像素点标记语义标签为Xij；

所述分割单元用于以第一分割网络对所述图像进行处理，生成第一分割结果以及潜在的目标区域；具体包括：所述第一分割网络Fc的输出特征为

对于所有的(i,j)∈R0，将特征经过Softmax函数缩放后，得到当前像素点关于所属类别的概率值Pc第l个连通区域所对应的边界框内的像素信息，Cl为Hl*Wl*C大小的特征；

对于所有的(i,j)∈Rl，将特征经过Softmax函数缩放后，得到当前像素点关于所属类别的概率值Pl