[發明專利]一種基于神經網絡的移動機器人避障方法

有效

• 申請號: 202010173908.8
• 申請日: 2020-03-13
• 公開（公告）號: CN111399505B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 朱威;湯如;巫浩奇;龍德;何德峰;鄭雅羽
• 申請（專利權）人: 浙江工業大學
• 主分類號: G05D1/02
• 分類號: G05D1/02;G06V20/10;G06V10/26;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 杭州賽科專利代理事務所(普通合伙) 33230
• 代理人: 郭薇

1.一種基于神經網絡的移動機器人避障方法，其特征在于：所述方法包括以下步驟：

步驟1：根據機器人的尺寸和驅動方式確定避障參數；

步驟2：輸入深度圖像，對深度圖像進行預處理、分割前景區域；

步驟3：搭建端到端的避障神經網絡，為改進的AlexNet網絡：

所述改進的AlexNet網絡的第一層的卷積濾波器設置為3×3，步長為2，卷積核個數為256個；第一層中的池化層刪除；

所述改進的AlexNet網絡的第二層和第五層池化層保留，所述第二層和第五層中池化層步長為1，滑動窗口為2×2；

所述改進的AlexNet網絡的所有的LRN層刪除；

所述改進的AlexNet網絡的第五層后增加統一進行歸一化處理的歸一化層；

所述改進的AlexNet網絡中的ReLU激活函數替換為Swish；

所述改進的AlexNet網絡的最后三層的全連接層及softmax分類器刪除，增加全局平均池化GAP，以GAP的輸出作為分類輸出，輸出機器人轉向電機角度和機器人移動速度；

步驟4：構建數據集，訓練所述避障神經網絡；

步驟5：采集一幅深度圖像，進行步驟2相同的預處理，得到前景區域；

步驟6：若前景區域中存在大障礙物，則進行大障礙物避障處理后，進行步驟8，否則，進行步驟7；

步驟7：將前景區域的圖像輸入所述避障神經網絡中，輸出機器人的轉向角度和移動速度；

步驟8：避障完成。

2.根據權利要求1所述的一種基于神經網絡的移動機器人避障方法，其特征在于：所述步驟1中，避障參數包括機器人與障礙物間的距離Dist的定義、基于距離Dist劃分的區域；根據機器人的轉向結構確定機器人的轉向角度檔位。

3.根據權利要求2所述的一種基于神經網絡的移動機器人避障方法，其特征在于：基于機器人與障礙物間的距離Dist劃分安全區域、障礙區域及碰撞區域：

以機器人與障礙物間的距離Dist大于等于TH_dmax的區域為安全區域；

以機器人與障礙物間的距離Dist大于TH_dmin且距離小于TH_dmax的區域為障礙區域；

以機器人與障礙物間的距離Dist小于等于TH_dmin的區域為碰撞區域；

0＜TH_dmin＜TH_dmax。

4.根據權利要求1所述的一種基于神經網絡的移動機器人避障方法，其特征在于：所述步驟2中，預處理包括以下步驟：

步驟2.1：以所述深度圖像的中心點為基準點，以基準點為中心，自基準點向外裁剪得到Pix×Pix的圖像，以固定的長寬比縮小至預設值，對原圖像進行復制，得到備份圖像；Pix∈[219，424]；

步驟2.2：對備份圖像進行二值化處理，處理后前景為白色，背景為黑色；

步驟2.3：統計二值化后的備份圖像中的每個白色連通塊，將邊界橫坐標的最大和最小值之差作為塊寬度width，將邊界縱坐標最大和最小值之差作為塊高度height，將width與height小于閾值TH_wh的白色連通塊置為黑色；TH_wh的取值范圍是[2,5]；

步驟2.4：以處理后的備份圖像的白色區域為掩膜，對原圖像進行感興趣區域提取，保留掩膜對應的區域為前景區域，將前景區域以外的背景區域設為黑色。

5.根據權利要求4所述的一種基于神經網絡的移動機器人避障方法，其特征在于：所述步驟2.2中，對備份圖像以大津法進行二值化處理。