买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京师范大学

摘要：本发明公开了一种基于局部自注意力移动窗口算法的路径规划方法，获取当前作业环境的RGB图像，并进行预处理并变换为灰度图；进行边缘检测后获得二值化图像，通过激活函数得到边缘自注意力权重；根据灰度图分割后的图像块的海塞矩阵特征值的熵得到曲率自注意力权重；通过边缘自注意力权重和曲率自注意力权重改进自监督注意力语义分割网络，通过改进的网络获得含有语义信息的图像，根据连续时刻获得的图像预测障碍物的运动方向，从而选择机器人的运动方向。引入海塞矩阵的熵得到新的自注意力权重，加强物体边缘的分割；引入边缘检测得到的自注意力权重，加强图像中颜色变化较大部分的分割，提高边缘分割的准确性，从而提高避障的成功率。

主权项：1.一种基于局部自注意力移动窗口算法的路径规划方法，其特征在于，包括以下步骤：（1）获取当前作业环境的RGB图像，并进行预处理，获得预处理后作业环境的RGB图像；（2）将预处理后作业环境的RGB图像变换为灰度图；（3）对变换后的灰度图进行边缘检测，获得含有边缘特征信息的二值化图像，通过激活函数得到二值化图像的边缘自注意力权重，计算公式为： ；其中，表示第个像素点的置信度，表示含有边缘信息的二值化图像中第个像素点的边缘自注意力权重值，为激活函数，表示含有边缘信息的二值化图像中像素点的总个数；对变换后的灰度图进行分割化处理得到若干灰度图像块，计算分割后的每个灰度图像块对应的海塞矩阵特征值的熵，并根据熵通过激活函数计算得到每个灰度图像块的曲率自注意力权重；具体步骤包括：（3.21）对变换后的灰度图进行分割化处理得到若干灰度图像块；（3.22）计算每一个灰度图像块所对应的特征图的海塞矩阵，同时滤去点状结构和噪声点；每个分割处理后当前作业环境的每个灰度图像块中的像素点与其对应高斯函数的二阶导数做卷积，得到每个分割处理后当前作业环境的灰度图像块对应的海塞矩阵，从而求得分割处理后当前作业环境的各个灰度图像块所对应海塞矩阵的特征值解，计算公式如下： ； ； ； ； ；其中，表示分割处理后当前作业环境的灰度图像块所对应的灰度值函数，表示分割处理后当前作业环境的灰度图像块中的每个像素点所对应的灰度值，表示分割处理后当前作业环境的灰度图像块中像素点的数量，表示分割处理后当前作业环境的每个灰度图像块所对应的海塞矩阵，表示分割处理后当前作业环境的灰度图像块所对应的高斯函数，分别表示预处理后分割处理后当前作业环境的灰度图像块中每个像素点的横、纵坐标，表示高斯分布中的标准差，表示分割处理后当前作业环境的各个灰度图像块所对应海塞矩阵的特征值；（3.23）计算分割处理后当前作业环境的各个灰度图像块所对应的特征值的熵，其基本公式如下： ；其中，表示第个分割处理后当前作业环境的灰度图像块所对应的特征值的熵，表示分割处理后当前作业环境的各个灰度图像块中像素点的数量，表示分割处理后当前作业环境的第个灰度图像块所对应海塞矩阵的特征值；（3.24）对分割处理后当前作业环境的灰度图像块所对应的海塞矩阵的熵运用激活函数得到每个分割处理后当前作业环境的灰度图像块所对应的曲率自注意力权重；计算公式如下： ；其中，表示第个分割处理后当前作业环境的灰度图像块所对应的特征值的熵，表示第个当前作业环境的灰度图像块所对应的曲率自注意力权重，为分割处理后灰度图像块的总个数；（4）通过边缘自注意力权重和曲率自注意力权重改进自监督注意力语义分割网络，自监督注意力语义分割网络中包括两个连续的自注意力窗口层，边缘自注意力权重和曲率自注意力权重分别加入两个连续的自注意力窗口层的注意力计算；（5）通过改进的自监督注意力语义分割网络处理预处理后作业环境的RGB图像，获得含有语义信息的作业环境RGB图像，根据连续时刻获得的含有语义信息的作业环境RGB图像计算出障碍物质心位置，并预测出障碍物的运动方向，根据预测所得的障碍物的运动方向选择自身的运动方向。

全文数据：

权利要求：

百度查询： 南京师范大学 一种基于局部自注意力移动窗口算法的路径规划方法