The invention relates to a night robot motion decision making method based on scene segmentation, including the following steps: building an infrared image training data set and testing data set, marking each scene category, and preserving the annotated image as a training label for scene segmentation; building a CDNN network framework, using training. Training the data set and training label, extracting the original image by the deep convolution neural network, the segmentation branch of the scene improves the overall accuracy of the motion prediction network, and the neural network model is used for the real-time real-time scene segmentation and motion decision of the night robot, and the pictures collected by the night robot are taken. As input to build the CDNN network, the model outputs the direction decision proposal and scene segmentation image online and in real time. The invention can improve the precision of motion prediction.
【技术实现步骤摘要】
基于场景分割的夜间机器人运动决策方法
本专利技术涉及机器人控制
,特别是涉及一种基于场景分割的夜间机器人运动决策方法。
技术介绍
机器人能对周围环境进行探测,根据收集到的信息自动决策运动行为,从而完成一系列指定的工作,因此在搜索和救援、监测、研究、勘探和绘图等许多应用中取得了巨大的成功。对于有效载荷非常有限的机器人,携带先进的雷达是不可行的。最近的一些成果使用激光测距仪或RGB-D相机取得了一些进展。但是这两种传感器的体积和功率较大,导致功率消耗增加,运行时间减少。相比之下,基于视觉的机器人场景分割和运动决策的解决方案是可行的。机器人常被应用到许多复杂和危险的环境中去代替人类工作,如灾难、雾霾或夜晚无光的情况下,通常普通的摄像头往往难以发挥作用。与普通摄像头不同,红外成像系统通过物体表面与环境之间温度辐射差异进行成像,不需要外界光源,因此可以在夜间和光线较弱时发挥重要作用。通过红外成像系统获得的图像称为红外图像,与可见光图像相比,红外图像具有无色彩、对比度低、信噪比低和缺乏深度感等缺点。机器人在夜间的场景识别能力和自主运动能力是机器人能否在夜间顺利完成任务的关键。为了增强机器人对红外图像的场景识别,在夜间模式下更快更精确地探测和识别周围环境,进而实现机器人自主导航,研究夜间机器人场景分割与运动决策意义深刻。传统的场景分割技术就是将具有相同特征的像素聚类,从而把图像划分成不同的区域。基于图论的场景分割是一种比较有效的图像分割算法,后来Ross还把该算法跟卷积神经网络结合从而实现了目标检测。基于图论的图像分割算法的思路是将原图映射为带权无向图,原图中的像 ...
【技术保护点】
1.一种基于场景分割的夜间机器人运动决策方法,其特征在于,包括以下步骤:(1)构建红外图像训练数据集和测试数据集;(2)对每个场景类别进行标注,并且将标注出的图像形式保存作为场景分割的训练标签;(3)构建CDNN网络框架,利用训练数据集和训练标签进行训练,通过深度卷积神经网络将输入的原始图像提取特征,场景分割分支提高运动预测网络整体精度;(4)将建立的神经网络模型用于在线实时的夜间机器人场景分割与运动决策,即将夜间机器人采集的图像输入构建的CDNN网络,模型在线实时输出给出的方向决策建议及场景分割图像。
【技术特征摘要】
1.一种基于场景分割的夜间机器人运动决策方法,其特征在于,包括以下步骤:(1)构建红外图像训练数据集和测试数据集;(2)对每个场景类别进行标注,并且将标注出的图像形式保存作为场景分割的训练标签;(3)构建CDNN网络框架,利用训练数据集和训练标签进行训练,通过深度卷积神经网络将输入的原始图像提取特征,场景分割分支提高运动预测网络整体精度;(4)将建立的神经网络模型用于在线实时的夜间机器人场景分割与运动决策,即将夜间机器人采集的图像输入构建的CDNN网络,模型在线实时输出给出的方向决策建议及场景分割图像。2.根据权利要求1所述的基于场景分割的夜间机器人运动决策方法,其特征在于,所述步骤(1)具体为:用红外摄像头的机器人采集实验图像,将采集到图像分为训练数据集和测试数据集,并对训练数据集和测试数据集的所有图像重新命名,并制作训练数据集和测试数据集的图像名称列表。3.根据权利要求1所述的基于场景分割的夜间机器人运动决策方法,其特征在于,所述步骤(2)中的场景类别分为8类。4.根据权利要求1所述的基于场景分割的夜间机器人运动决策方法,其特征在于,所述步骤(3)中构建的CDNN网络框架包括卷...
【专利技术属性】
技术研发人员:廖雁洲,孙韶媛,高凯珺,吴雪平,
申请(专利权)人:东华大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。