一种机器人识别环境的方法及系统技术方案

本发明专利技术公开了一种机器人识别环境的方法及系统，其中该方法包括：采集外界环境的待测图像信息；将待测图像信息输入至预先训练的基于区域候选的卷积神经网络模型；获取卷积神经网络模型输出的与待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值信息；基于每一个候选框的坐标值信息进行到达或避开该候选框包含的识别对象的路径规划。实验证明，本发明专利技术提供的一种机器人识别环境的方法利用基于区域候选的卷积神经网络模型提高了机器人对环境的识别准确度。综上所述，本发明专利技术提供的一种机器人识别环境的方法解决了如何提高机器人对环境的识别准确度的技术问题。

【技术实现步骤摘要】
一种机器人识别环境的方法及系统
本专利技术涉及机器人
，更具体地说，涉及一种机器人识别环境的方法及系统。
技术介绍
随着机器人技术的发展，越来越多的机器人进入餐厅等服务行业。由于餐厅等服务场所的环境比较复杂，所以需要机器人对环境有较高的识别准确度。现有的一种机器人识别环境的方法是工业机器人识别环境的方法，包括图像采集、图像处理、坐标提取、转化成机器人坐标、基于机器人坐标进行运动规划。然而，现有的工业机器人识别环境的方法对周边环境的识别度低，不适合应用到环境比较复杂的服务场所。综上所述，如何提高机器人对环境的识别准确度是目前本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种机器人识别环境的方法，其能解决如何提高机器人对环境的识别准确度的技术问题。本专利技术还提供了一种机器人识别环境的系统。为了实现上述目的，本专利技术提供如下技术方案：一种机器人识别环境的方法，包括：采集外界环境的待测图像信息；将所述待测图像信息输入至预先训练的基于区域候选的卷积神经网络模型；获取所述卷积神经网络模型输出的与所述待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值本文档来自技高网...

【技术保护点】
一种机器人识别环境的方法，其特征在于，包括：采集外界环境的待测图像信息；将所述待测图像信息输入至预先训练的基于区域候选的卷积神经网络模型；获取所述卷积神经网络模型输出的与所述待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值信息；基于每一个所述候选框的坐标值信息进行到达或避开该候选框包含的识别对象的路径规划。

【技术特征摘要】
1.一种机器人识别环境的方法，其特征在于，包括：采集外界环境的待测图像信息；将所述待测图像信息输入至预先训练的基于区域候选的卷积神经网络模型；获取所述卷积神经网络模型输出的与所述待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值信息；基于每一个所述候选框的坐标值信息进行到达或避开该候选框包含的识别对象的路径规划。2.根据权利要求1所述的方法，其特征在于，所述预先训练基于区域候选的卷积神经网络模型，包括：按照预先设定的参数创建基于区域候选的卷积神经网络模型为当前卷积神经网络模型；获取预设量的训练图像信息，并将所述训练图像信息输入至当前卷积神经网络模型；获取当前卷积神经网络模型输出的与所述训练图像信息中每一个测试对象对应的包含该测试对象的每一个候选框包含该测试对象的概率值；判断每一个所述候选框对应的概率值是否均大于预先设定的阈值，若是，则确定当前卷积神经网络模型为训练完成的卷积神经网络模型；若否，则调整当前卷积神经网络模型中的参数得到对应的卷积神经网络模型为当前卷积神经网络模型，执行所述将所述训练图像信息输入至当前卷积神经网络模型的步骤，直到每一个候选框对应的概率值均大于预先设定的阈值，则确定当前卷积神经网络模型为训练完成的卷积神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述采集外界环境的待测图像信息之后，所述将所述待测图像信息输入至基于区域候选的卷积神经网络模型之前，还包括：对所述待测图像信息进行归一化和图像增强处理。4.根据权利要求3所述的方法，其特征在于，所述获取所述卷积神经网络模型输出的与所述待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值信息，包括：获取所述卷积神经网络模型输出的与所述待测图像信息中每一个识别对象对应的包含该识别对象的每一个候选框的坐标值信息，所述候选框的形状包括矩形...

【专利技术属性】
技术研发人员：刘治，李家兴，章云，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44