[發明專利]基于卷積神經網絡的智能自主視覺導航方法

在審

• 申請號: 202011072214.1
• 申請日: 2020-10-09
• 公開（公告）號: CN112560571A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 宗群;王永鎮;王悅;魯瀚辰;董圣然
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G01C11/04;G01C21/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉國威

本發明涉及計算機視覺、圖像處理、機器人自主導航等領域，為提出性能更優的視覺導航算法，用于機器人智能自主視覺導航。為此，本發明采取的技術方案是，基于卷積神經網絡的智能自主視覺導航方法，第一部分是利用canny邊緣檢測算法對圖片進行處理，得到輸入圖片的邊緣信息，作為先驗信息和原RGB圖像組成四通道輸入作為卷積神經網絡的輸入部分；第二部分是卷積神經網絡對輸入圖片進行前向計算，使用兩個全連接分類器對特征進行分類得到導航方向和碰撞概率，用于機器人視覺導航。本發明主要應用于機器人自主導航場合。

技術領域

本發明涉及計算機視覺、圖像處理、機器人自主導航等領域，解決了在未知環境中機器人如何僅根據單目圖像得到導航方向從而實現智能自主視覺導航的問題。

背景技術

隨著機器人技術的發展，人們對機器人智能化自主化的要求越來越高，對安全可靠的機器人自主導航技術的需求也越來越強烈。作為機器人執行其它任務的先決條件，陌生環境下的自主導航技術對機器人至關重要。尤其在樓道或者城市環境中該問題更復雜，機器人除了需要對環境中的靜態障礙物進行避讓，還需要對周圍其它動態物體進行交互，如對行人和車輛的避讓。因此該問題也愈發成為機器人界的研究熱點。

傳統的自主導航方法往往是兩個基本步驟的實現：首先，在當前環境中進行實時定位和建立環境地圖，常用方法包括利用GPS(Global Positioning System，全球定位系統)或基于視覺或者雷達傳感器使用SLAM算法(Simultaneous Localization andMapping，同時建圖與定位)等；之后對建立好的環境地圖進行分析，在環境地圖中進行避讓，實現機器人的自主導航，如[1][2]等。在傳統自主導航問題中，GPS存在定位誤差過大，室內無法定位等問題，SLAM 也具有誤差累積、難以應對變化過快的場景、計算資源占用較大等問題。之外，將感知任務與導航任務分離處理，還引入了由環境地圖得到導航方向的邏輯設計問題。所以，機器人自主導航技術是一個相當困難的課題。

隨著深度學習技術的不斷發展，基于卷積神經網絡的計算機視覺技術對各行各業都產生重大影響。近年來，國外許多學者使用卷積神經網絡，由原始感知數據直接得到機器人的導航方向，提供了實現機器人自主導航的新思路，如[3]-[10]等方法。基于卷積神經網絡的視覺導航技術指的是，設計模型結構與目標函數，如卷積神經網絡與損失函數等，利用大量有標注數據(原始感知數據-控制策略)對模型進行訓練，使訓練后的模型可以根據原始感知數據直接得到合理的控制策略，實現機器人自主導航，不需要建圖和定位等步驟。該方法主要包括兩大類，基于強化學習(Reinforcement Learning，RL)的視覺導航方法^[9][10]和基于監督學習(Supervised Learning)的視覺導航方法^[4]-[8]。這些新思路相對于傳統思路，不需要設計由環境地圖得到導航方向的邏輯，簡化了問題。而且省去了實時建圖等復雜的步驟，節約了大量計算資源。但是基于強化學習的方法，由于需要大量重復實驗，成本高昂，復雜度高，難以大規模應用，而基于監督學習的方法，則提供了一種穩定可靠方法，但其需要大量的實際的數據樣本進行訓練，才能得到較好的結果。

基于卷積神經網絡的視覺導航技術是實現機器人自主導航的一種方法，作為一種基于卷積神經網絡的新興技術，準確度還有待提高。在機器人的實際運行中，輸出任何錯誤的導航輸出都可能導致嚴重的后果，對生產和人員安全產生影響。所以如何提升視覺導航算法性能，促進智能自主導航效果，是一個亟待解決的問題。由于嵌入式系統上計算資源的限制，相關算法過于簡單，不能滿足算法準確度的要求，需要通過改進網絡或者引入先驗特征來提升算法的準確度。

發明內容