[發(fā)明專利]一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法和裝置

在審

• 申請?zhí)枺?/td>: 202010461902.0
• 申請日: 2020-05-27
• 公開（公告）號: CN111578946A
• 公開（公告）日: 2020-08-25
• 發(fā)明（設(shè)計）人: 周玄昊;鄭靈杰;鄭振浩
• 申請（專利權(quán)）人: 杭州藍(lán)芯科技有限公司
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01S17/06;G01S17/93;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 應(yīng)孔月

1.一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，包括：

構(gòu)建AGV運(yùn)行場景的全局輪廓地圖；

采集AGV在運(yùn)行場景中各位置處的周邊障礙物信息構(gòu)成訓(xùn)練數(shù)據(jù)集，使用該數(shù)據(jù)集獲得重定位卷積神經(jīng)網(wǎng)絡(luò)；

采集AGV周邊物體的距離信息，形成局部地圖，輸入所述重定位卷積神經(jīng)網(wǎng)絡(luò)，計算得到AGV位于全局輪廓地圖中的最大可能位置；

在所述最大可能位置附近的局部范圍內(nèi)進(jìn)行特征匹配，以產(chǎn)生精確定位位置。

2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，所述全局輪廓地圖記錄了AGV運(yùn)行場景中激光雷達(dá)能夠檢測到的物體位置信息。

3.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，構(gòu)建AGV運(yùn)行場景的全局輪廓地圖的方法為采用激光SLAM方法。

4.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，所述激光SLAM方法，包括：

控制AGV在運(yùn)行場景中巡走一圈，在該過程中安裝在AGV上的激光雷達(dá)實(shí)時采集AGV周邊的障礙物信息，每一次采集到的數(shù)據(jù)信息定義為一激光幀，根據(jù)這些激光幀計算得到每一幀采集時刻AGV相對位置移動，并將這些幀中記錄下來的環(huán)境中障礙物信息合成進(jìn)入地圖，完成全局輪廓地圖的構(gòu)建。

5.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，所述重定位卷積神經(jīng)網(wǎng)絡(luò)主要由多個交替的卷積層與池化層組成，之后添加一個全連接層，最后添加一個SOFTMAX層。

6.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，所述重定位卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程，包括：

將二維輪廓地圖進(jìn)行柵格化處理，得到M×N二維柵格地圖；

收集所采集到的各激光幀f₁,f₂,…,f_n，并且記錄下這個激光幀采集時對應(yīng)AGV所在地圖的位置，判斷這些位置位于所述二維柵格地圖中的具體柵格位置，記錄為p₁,p₂,…,p_n，這里任意一個p₁(i＝0,1,…,n)中存儲一個數(shù)據(jù)對j,k(j≤M,k≤N)，表示其在二維柵格地圖中位于第j行第k列個柵格；

將f₁,f₂,…,f_n作為訓(xùn)練輸入樣本集，p₁,p₂,…,p_n作為輸出標(biāo)簽集，生成共n個訓(xùn)練樣本，訓(xùn)練重定位卷積神經(jīng)網(wǎng)絡(luò)，得到一組優(yōu)化好的網(wǎng)絡(luò)權(quán)重，完成重定位卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

7.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，采用梯度反向傳播方法訓(xùn)練重定位卷積神經(jīng)網(wǎng)絡(luò)。

8.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的激光導(dǎo)航AGV重定位方法，其特征在于，在所述最大可能位置附近的局部范圍內(nèi)進(jìn)行特征匹配，以產(chǎn)生精確定位位置，包括：

將最大可能位置在全局輪廓地圖的坐標(biāo)作為精定位計算的初始位置p；

使用激光雷達(dá)采集一個激光幀，記錄所能感知的所有局部輪廓特征集合記為Ec；

基于初始位置p，設(shè)定p周邊的一定范圍為搜索區(qū)域p_search，以預(yù)設(shè)搜索步長step確定搜索范圍內(nèi)的所有可能位置集合Ф＝{p₁,p₂,p₃,…p_n}；

對于任意一個可能位置p′∈Ф，將Ec根據(jù)坐標(biāo)轉(zhuǎn)換關(guān)系投射到二維輪廓地圖的坐標(biāo)系下，得到坐標(biāo)變換后的輪廓特征集為Ect，比較Ect與二維輪廓地圖中所有輪廓特征集合Emap的匹配程度，計算該位置p′的匹配得分；

將包括初始位置p在內(nèi)的Ф集合中匹配得分最高的位置作為當(dāng)前AGV的精確定位位置。