[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

本發明涉及一種基于神經網絡的移動機器人避障方法，包括以下步驟：(1)根據機器人的尺寸和驅動方式確定避障參數；(2)輸入深度圖像，對深度圖像進行預處理、分割前景區域；(3)搭建端到端的避障神經網絡；(4)構建數據集，訓練避障神經網絡；(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；(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)；(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；(8)避障完成。本發明利用深度圖像和卷積神經網絡進行移動機器人避障，無需手動提取特征和參數整定，在室外復雜場景下也能準確避障。

技術領域

本發明屬于機器人領域，具體涉及一種基于神經網絡的移動機器人避障方法。

背景技術

機器人能夠代替人類從事繁重、繁瑣的體力勞動，涉及機械、電子、傳感器、計算機和人工智能等多學科的知識。機器人的種類和形式多樣，目前市面上主流的形式是移動機器人和手臂式機器人。其中移動機器人已經活躍在工廠、商場和倉庫等場合，有時也可作為其他機器人的移動平臺，例如輪式機器人和機械臂兩者協助完成開門、端茶遞水等任務，以及輪式機器人和多軸云臺完成目標跟蹤、巡檢等任務。上述兩種典型機器人應用場合，機械臂、云臺與移動機器人的協助工作是相輔相成的。對于移動機器人來說最重要的就是移動能力，它在一定程度上決定了機器人的性能，機器人在安全的情況下能夠快速且準確的到達既定位置具有十分重要的意義。在移動機器人的移動過程中，避障是一種最為重要的功能，這不僅能夠避免其他物體與機器人產生摩擦，也能在很大程度上保護機器人自身免受傷害。避障應具有及時性與準確性，在確保及時性的情況下也應該具有足夠高的準確性，以減少對自主導航的影響。

目前避障技術的實現手段有多種方式，可以通過視覺或超等波、激光、雷達、TOF等距離傳感器對環境進行感知，在獲取到障礙物的距離、尺寸、形狀與位置等相關信息后對機器人的運動進行調整，避免機器人在移動過程中與障礙物發生碰撞。張午陽等人提出了一種基于深度學習的無人機避障方法(見“基于深度學習的四旋翼無人機單目視覺避障方法”，計算機應用，2019，39(04):1001-1005)，該方法采用Faster?R-CNN網絡框選被測目標，計算邊框尺寸后利用相似三角形估算障礙物和無人機的距離，雖然能夠實現避障，但是誤差達到±0.5m，且無人機必須低速飛行才能保證實時性。

申請號為CN201910454798.X的專利公開了一種激光和視覺融合的避障方法，主要采用YOLO目標檢測網絡對特定障礙物進行檢測，但并不是直接根據障礙物的視覺信息進行避障，核心的避障功能使用機器人操作系統ROS中的Depthimage_to_laserscan功能包，其原理是將深度圖像數據轉換成激光數據，然后再將激光雷達的數據進行融合，實現機器人避障。此種方式的機器人避障和深度學習沒有直接關系，只是使用了深度學習的辦法提取出RGB圖像中的障礙物所在像素位置，核心的避障方式還是使用深度圖轉雷達數據的功能包，再將雷達數據傳入到導航功能包中。該方法雖然避障效果較單激光傳感器方式效果更好，但其缺點是YOLO在檢測障礙物的時候，只能框選到數據集中已有的障礙物，無法實現在復雜場景下未知障礙物的檢測。申請號為CN201910388213.9的專利公開了一種基于深度學習的自動駕駛控制方法，該方法使用GPS與IMU組合的方式獲取小車的位姿，采用最大連續路面長度、路面梯度與路面到達的最遠距離這三個指標對當前路面狀況進行評價得到局部最優路徑。該專利使用GPS定位的方法使小車對于十字路口、環島能夠快速做出選擇，但對于不同路面與路面材質變換的檢測效果并不理想，容易造成誤識別。

發明內容

為了解決機器人在移動過程中可能會產生的碰撞問題，本發明提供了一種基于神經網絡的移動機器人避障方法，具體包括以下六個部分：機器人避障參數確定、輸入圖像預處理、端到端的避障神經網絡設計、數據集制作與網絡模型訓練、大障礙物的避障、避障神經網絡模型推理，具體方法如下：

(1)根據機器人的尺寸和驅動方式確定避障參數；