[發(fā)明專利]一種識(shí)別工作區(qū)域邊界的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010499982.9
• 申請(qǐng)日: 2020-06-04
• 公開(kāi)（公告）號(hào): CN111860123B
• 公開(kāi)（公告）日: 2023-08-08
• 發(fā)明（設(shè)計(jì)）人: 焦新濤;蘇霖鋒;陳偉欽;付帥;賴金翔
• 申請(qǐng)（專利權(quán)）人: 華南師范大學(xué)
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 廣州駿思知識(shí)產(chǎn)權(quán)代理有限公司 44425
• 代理人: 吳靜芝

1.一種識(shí)別工作區(qū)域邊界的方法，其特征在于，包括如下步驟：

獲取智能移動(dòng)機(jī)器人所在位置的環(huán)境圖像；

利用邊緣檢測(cè)算法從所述環(huán)境圖像中提取邊界輪廓；

將邊界輪廓分段，并確定每個(gè)分段中的待檢測(cè)子區(qū)域，所述待檢測(cè)子區(qū)域均包括多個(gè)基本圖像單元；

利用神經(jīng)網(wǎng)絡(luò)模型逐次檢測(cè)每個(gè)待檢測(cè)子區(qū)域，判斷所述待檢測(cè)子區(qū)域中的各基本圖像單元是否屬于工作區(qū)域；

將所述神經(jīng)網(wǎng)絡(luò)模型判斷為工作區(qū)域的基本圖像單元沿所述邊界輪廓的長(zhǎng)度方向順次連接作為智能移動(dòng)機(jī)器人的工作區(qū)域邊界；

其中，確定每個(gè)分段中的待檢測(cè)子區(qū)域的方法為：以所述基本圖像單元位沿邊界輪廓進(jìn)行覆蓋，形成覆蓋邊界輪廓的最小區(qū)域；在每個(gè)分段中，令所述最小區(qū)域沿邊界輪廓法向的兩側(cè)進(jìn)行區(qū)域延伸覆蓋，形成所述邊界輪廓上各分段的待檢測(cè)子區(qū)域；

在將邊界輪廓分段時(shí)，沿邊界輪廓的長(zhǎng)度方向進(jìn)行均等分段；

所述神經(jīng)網(wǎng)絡(luò)模型順次由卷積層、池化層、卷積層、模塊組、分類輸出模塊組成；所述神經(jīng)網(wǎng)絡(luò)模型采用包括多張機(jī)器人的工作區(qū)域圖片、非工作區(qū)域圖片的樣本集來(lái)進(jìn)行訓(xùn)練，并采用包括多張機(jī)器人的工作區(qū)域圖片、非工作區(qū)域圖片的驗(yàn)證集來(lái)驗(yàn)證所述神經(jīng)網(wǎng)絡(luò)模型的識(shí)別效果；

所述神經(jīng)網(wǎng)絡(luò)模型的全連接層的一般卷積均轉(zhuǎn)化為稀疏連接；

各分段的所述最小區(qū)域在形成子區(qū)域時(shí)，沿該分段內(nèi)邊界輪廓的法向進(jìn)行區(qū)域延伸，上下延伸的距離均為所述最小區(qū)域高度的50％。

2.根據(jù)權(quán)利要求1所述的識(shí)別工作區(qū)域邊界的方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)模型的卷積層選用3*3的卷積核。

3.根據(jù)權(quán)利要求2所述的識(shí)別工作區(qū)域邊界的方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)模型的池化層采取最大池化方式。

4.根據(jù)權(quán)利要求3所述的識(shí)別工作區(qū)域邊界的方法，其特征在于：所述邊緣檢測(cè)算法采用sobel算子。

5.根據(jù)權(quán)利要求4所述的識(shí)別工作區(qū)域邊界的方法，其特征在于：在利用邊緣檢測(cè)算法從所述環(huán)境圖像中提取邊界輪廓前，先對(duì)所述環(huán)境圖像進(jìn)行預(yù)處理；所述預(yù)處理包括對(duì)實(shí)時(shí)圖像進(jìn)行高斯濾波、二值化和開(kāi)運(yùn)算。