[發(fā)明專利]基于掃地機的障礙物識別方法、電子裝置及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011216808.5
• 申請日: 2020-11-04
• 公開（公告）號: CN112307994A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計）人: 張鈺峰;趙傳濤
• 申請（專利權(quán)）人: 深圳市普森斯科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳市能聞知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44717
• 代理人: 戴滿濤

本發(fā)明涉及數(shù)據(jù)處理技術(shù)，提供了一種基于掃地機的障礙物識別方法、電子裝置及存儲介質(zhì)。該方法通過獲取預(yù)先配置的圖像采集設(shè)備采集的原始圖像，對原始圖像執(zhí)行預(yù)處理操作得到目標(biāo)圖像，基于預(yù)設(shè)的特征提取規(guī)則提取出目標(biāo)圖像的特征向量，將目標(biāo)圖像的特征向量輸入預(yù)先訓(xùn)練好的障礙物識別模型，得到目標(biāo)圖像的第一識別結(jié)果，將目標(biāo)圖像的特征向量與第一預(yù)設(shè)數(shù)據(jù)庫中各參考障礙物圖像的特征向量進(jìn)行相似度識別，得到目標(biāo)圖像的第二識別結(jié)果，根據(jù)第一識別結(jié)果、第二識別結(jié)果及預(yù)設(shè)判斷規(guī)則得到目標(biāo)識別結(jié)果，基于目標(biāo)識別結(jié)果對掃地機執(zhí)行避障控制。利用本發(fā)明，掃地機可以準(zhǔn)確地識別障礙物是否可以跨越，提高避障效率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于掃地機的障礙物識別方法、電子裝置及存儲介質(zhì)。

背景技術(shù)

隨著科技的不斷進(jìn)步，智能掃地機的技術(shù)得到了快速發(fā)展，障礙物檢測和避讓是其智能化水平的重要體現(xiàn)。

良好的避障功能是掃地機安全行走的重要保障。目前的智能掃地機在工作過程中，無法智能判斷前方地形，導(dǎo)致其無法針對性的進(jìn)行規(guī)避，影響了掃地機的工作效率，現(xiàn)有的做法大多是在掃地機前側(cè)額外設(shè)置前擋板，以避免掃地機前側(cè)磕碰受損。

因此，如何讓掃地機自動準(zhǔn)確地判斷識別障礙物是否可以跨越，已成為本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，本發(fā)明提供一種基于掃地機的障礙物識別方法、電子裝置及存儲介質(zhì)，其目的在于現(xiàn)有技術(shù)中掃地機無法判斷識別障礙物是否可以跨越，導(dǎo)致不能有效避障的技術(shù)問題。

為實現(xiàn)上述目的，本發(fā)明提供一種基于掃地機的障礙物識別方法，該方法包括：

接收步驟：獲取預(yù)先配置的圖像采集設(shè)備采集的原始圖像，對所述原始圖像執(zhí)行預(yù)處理操作得到目標(biāo)圖像；

第一識別步驟：基于預(yù)設(shè)的特征提取規(guī)則提取出所述目標(biāo)圖像的特征向量，將所述目標(biāo)圖像的特征向量輸入預(yù)先訓(xùn)練好的障礙物識別模型，得到所述目標(biāo)圖像的第一識別結(jié)果；

第二識別步驟：將所述目標(biāo)圖像的特征向量與第一預(yù)設(shè)數(shù)據(jù)庫中各參考障礙物圖像的特征向量進(jìn)行相似度識別，得到所述目標(biāo)圖像的第二識別結(jié)果；

控制步驟：基于所述第一識別結(jié)果、所述第二識別結(jié)果及預(yù)設(shè)判斷規(guī)則得到目標(biāo)識別結(jié)果，基于所述目標(biāo)識別結(jié)果對掃地機執(zhí)行避障控制。

優(yōu)選的，所述基于預(yù)設(shè)的特征提取規(guī)則提取出所述目標(biāo)圖像的特征向量包括：

構(gòu)建MobileNetV2網(wǎng)絡(luò)，將所述目標(biāo)圖像輸入所述MobileNetV2網(wǎng)絡(luò)，將所述MobileNetV2網(wǎng)絡(luò)的輸出特征向量作為所述目標(biāo)圖像對應(yīng)的特征向量。

優(yōu)選的，所述預(yù)先訓(xùn)練好的障礙物識別模型是通過卷積神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練得到的，具體訓(xùn)練過程包括：

獲取預(yù)設(shè)數(shù)量的樣本圖像，對各所述樣本圖像標(biāo)注預(yù)設(shè)標(biāo)簽，利用預(yù)設(shè)的特征提取規(guī)則提取出各樣本圖像的特征向量；

將各樣本圖像的特征向量作為變量、各樣本圖像的預(yù)設(shè)標(biāo)簽作為因變量生成樣本集；

將所述樣本集按照預(yù)設(shè)比例分成訓(xùn)練集及驗證集；

利用所述訓(xùn)練集中的各所述變量及各所述因變量對所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，每隔預(yù)設(shè)周期使用所述驗證集對所述卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗證，利用所述驗證集中各所述變量及各所述因變量對該卷積神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率進(jìn)行驗證；及

當(dāng)驗所述準(zhǔn)確率大于第一預(yù)設(shè)閾值時結(jié)束訓(xùn)練，得到障礙物識別模型。

優(yōu)選的，所述第二識別步驟包括：