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:无锡图创智能科技有限公司
摘要:本公开涉及一种基于机器视觉的机器人路径规划方法。该方法包括:获取由机器人的摄像头采集的第一行进路线视野图像,然后使用基于深度学习的障碍物目标识别器进行障碍物目标识别以得到第一识别结果;调整所述机器人的行进角度,并再次通过所述摄像头采集第二行进路线视野图像;使用所述基于深度学习的障碍物目标识别器进行障碍物目标识别以得到第二识别结果;以及,响应于所述第二识别结果为不存在障碍物对象,驱动所述机器人沿着调整后的行进角度进行前进。这样,可以使机器人能够通过感知外界环境来作出相应路径规划调整,从而更有效地避开障碍物并达到目标位置,提高了机器人路径规划的灵活性和智能化程度。
主权项:1.一种基于机器视觉的机器人路径规划方法,其特征在于,包括:获取由机器人的摄像头采集的第一行进路线视野图像;使用基于深度学习的障碍物目标识别器对所述第一行进路线视野图像进行障碍物目标识别以得到第一识别结果,所述第一识别结果用于表示是否存在障碍物对象;若第一识别结果表示存在障碍物对象,则调整所述机器人的行进角度,并再次通过所述摄像头采集第二行进路线视野图像;若第一识别结果表示不存在障碍物对象,则不执行后续的调整行进角度的步骤;使用所述基于深度学习的障碍物目标识别器对所述第二行进路线视野图像进行障碍物目标识别以得到第二识别结果;以及响应于所述第二识别结果为不存在障碍物对象,驱动所述机器人沿着调整后的行进角度进行前进;使用基于深度学习的障碍物目标识别器对所述第一行进路线视野图像进行障碍物目标识别以得到第一识别结果,所述第一识别结果用于表示是否存在障碍物对象,包括:对所述第一行进路线视野图像进行亮度补偿以得到亮度补偿后第一行进路线视野图像;通过深度神经网络对所述亮度补偿后第一行进路线视野图像进行特征提取以得到行进路线视野浅层特征图和行进路线视野语义特征图;将所述行进路线视野浅层特征图和所述行进路线视野语义特征图通过语音引导注意力特征选择网络以得到语义指导行进路线视野多尺度特征图;将所述语义指导行进路线视野多尺度特征图通过基于注意力机制的区域转移模块以得到前景凸显语义指导行进路线视野多尺度特征图;基于所述前景凸显语义指导行进路线视野多尺度特征图,确定所述第一识别结果;其中,将所述行进路线视野浅层特征图和所述行进路线视野语义特征图通过语音引导注意力特征选择网络以得到语义指导行进路线视野多尺度特征图,包括:将所述行进路线视野语义特征图中沿通道维度的各个特征矩阵进行全局均值池化处理以得到行进路线视野语义池化特征向量;将所述行进路线视野语义池化特征向量通过全连接模块以对所述行进路线视野语义池化特征向量进行全连接编码以得到行进路线视野语义全连接特征向量;将所述行进路线视野语义全连接特征向量和所述行进路线视野浅层特征图进行基于通道维度的加权融合以得到路线视野语义多层次融合特征图;将所述路线视野语义多层次融合特征图和所述行进路线视野语义特征图进行融合以得到所述语义指导行进路线视野多尺度特征图;其中,将所述行进路线视野语义特征图中沿通道维度的各个特征矩阵进行全局均值池化处理以得到行进路线视野语义池化特征向量,包括:计算所述行进路线视野浅层特征图中沿通道维度的每个特征矩阵的全局均值以得到所述行进路线视野语义池化特征向量;其中,将所述行进路线视野语义全连接特征向量和所述行进路线视野浅层特征图进行基于通道维度的加权融合以得到路线视野语义多层次融合特征图,包括:利用所述进路线视野语义全连接特征向量对所述行进路线视野浅层特征图进行沿通道维度的加权处理以得到所述路线视野语义多层次融合特征图;其中,将所述行进路线视野语义池化特征向量通过全连接模块以对所述行进路线视野语义池化特征向量进行全连接编码以得到行进路线视野语义全连接特征向量,包括:将所述行进路线视野语义池化特征向量与预定的权重系数矩阵进行矩阵相乘后,将获得的特征向量与预定的偏移向量进行按位置相加以得到调制后行进路线视野语义池化特征向量;使用激活函数对所述调制后行进路线视野语义池化特征向量进行激活以得到所述行进路线视野语义全连接特征向量;其中,将所述语义指导行进路线视野多尺度特征图通过基于注意力机制的区域转移模块以得到前景凸显语义指导行进路线视野多尺度特征图,包括:计算所述语义指导行进路线视野多尺度特征图的语义指导行进路线视野空间注意特征矩阵;基于预定阈值对所述语义指导行进路线视野空间注意特征矩阵进行掩码化处理以得到掩码化语义指导行进路线视野空间注意特征矩阵;计算所述语义指导行进路线视野多尺度特征图中沿通道维度的各个特征矩阵与所述掩码化语义指导行进路线视野空间注意特征矩阵之间的按位置点乘以得到所述前景凸显语义指导行进路线视野多尺度特征图。
全文数据:
权利要求:
百度查询: 无锡图创智能科技有限公司 基于机器视觉的机器人路径规划方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。