[發(fā)明專利]一種基于CNN與PSO的雙目機器人障礙特征檢測方法

有效

• 申請?zhí)枺?/td>: 202010646906.6
• 申請日: 2020-07-07
• 公開（公告）號: CN111797929B
• 公開（公告）日: 2023-08-22
• 發(fā)明（設計）人: 周洪成;李剛
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06V10/70
• 分類號: G06V10/70;G06N3/006;G06N3/0464;G06N3/045
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 蔣昱

1.基于CNN與PSO的雙目機器人障礙特征檢測方法，具體步驟如下，其特征在于；

步驟1：對雙目相機圖像進行圖像矯正；

所述步驟1中圖像矯正旋轉左右相機，角度為兩攝像頭夾角的一半，使得左右攝像機的成像平面平行，滿足公式：

其中，a_l,a_r分別左右相機旋轉的矩陣；

所述步驟1中圖像矯正中平移向量T構造變換矩陣a_rect＝[e₁e₂e₃]，使得左右待匹配圖像實現(xiàn)行對齊；

e₁,e₂,e₃的表達式分別為：

其中，T是攝像機坐標系X軸與主點連線夾角之間的向量；

步驟2：對雙目相機和相機進行壓縮降維，降低圖像的數(shù)據(jù)量；

所述步驟2中數(shù)據(jù)降維的方法為高斯金字塔，采用均值濾波得到低分辨率圖像,采樣算子的表達式為：

其中，采樣算子的尺寸是2×2；

步驟3：建立兩個CNN模型，分別隨雙目相機矯正結果和深度圖像進行模型訓練；

步驟4：初始化兩個CNN訓練模型識別結果的權值W₁,W₂；

步驟5：使用粒子群算法尋找最優(yōu)的權值w₁,w₂；

所述步驟5中粒子群算法的具體流程為：

1)初始化粒子群中每個粒子的速度和位置；

2)計算每個粒子的適應度函數(shù)；

3)計算粒子群的最優(yōu)適應粒子；

4)檢測是否達到尋優(yōu)停止條件如果是，結束，否則執(zhí)行步驟5；

5)更新粒子群的速度和位置；

所述步驟5中粒子群速度和位置的更新公式為：

V_i＝w*V_i-1+c*rand()*(gbest_i-X_i)?(4)

X_i＝X_i-1+V_i?(5)

其中，V_i為粒子當前速度，w是慣性因子，c是學習因子，rand()是介于(0，1)的隨機數(shù)，gbest_i粒子群最優(yōu)位置；

步驟6：使用最優(yōu)權值對兩個CNN識別結果進行加權平均，得到最終的識別結果；

所述步驟6中最終的識別結果公式：

其中,S₁與S₂是CNN模型的識別結果，w₁與w₂是兩者的最優(yōu)權值。