一种基于深度学习的移动平台导航方法和装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的移动平台导航方法和装置，其中，所述方法包括：根据接收到的第一运动指令，控制移动平台从起始点开始向目标点运动；通过设置在所述移动平台上的拍摄装置，对移动平台的周围场景进行实时拍摄，得到实时场景图像；将实时场景图像与基于深度学习得到的样本场景图像库中的样本场景图像进行特征匹配，得到匹配样本场景图像；确定与匹配样本场景图像相匹配的第二运动指令；根据第二运动指令，对移动平台的运动过程进行实时调整，直至移动平台运动至所述目标点。通过本发明专利技术解决了现有的SLAM算法存在的设备成本高、计算量大和应用场景受限的问题。

A navigation method and device for mobile platform based on depth learning

The invention discloses a mobile platform based on deep learning and navigation method and device, wherein, the method comprises the following steps: first according to the motion command is received by the mobile platform control from its starting point to the target point movement; by setting on the mobile platform on the shooting device for the mobile platform around the scene real time image real-time scene image; real-time image and sample image sample scene scene images obtained in the deep learning library based on feature matching, match sample scene image; second motion instruction determining and matching sample scene image matching; according to the second movement instructions, movement of the mobile platform for real-time adjustment the mobile platform, until the movement to the target point. The present invention solves the problems of high cost of equipment, large amount of computing and limited application scene in the existing SLAM algorithm.

【技术实现步骤摘要】
一种基于深度学习的移动平台导航方法和装置
本专利技术属于导航
，尤其涉及一种基于深度学习的移动平台导航方法和装置。
技术介绍
在目前常用的移动平台(机器人)视觉导航算法之中，SLAM(SimultaneousLocalizationAndMapping，同步地图建模与定位)算法作为主流算法被广泛应用。在目前的SLAM算法中，先利用摄像头或者其他传感器(激光雷达)对移动平台运动周围的复杂环境进行地图建模，同时，移动平台进行自我定位；然后，结合建立的地图模型和自我定位的结果，实现移动平台的导航。然而，目前的SLAM算法在实际应用中，存在诸多问题：1、建立的地图模型的精度取决于摄像头或者其他传感器(激光雷达)的拍摄精度，而高精度的摄像头或者其他传感器(激光雷达)的设备成本非常高。2、自我定位过程存在定位误差，需要通过复杂的算法去消除该定位误差，增加了对移动平台的硬件计算能力的要求。3、随着拍摄精度的提高，地图模型建立过程中的数据计算量也随之增大，增加了对移动平台的硬件计算能力的要求。4、在SLAM算法的运算过程中，存在误差的累积，误差的累计使得SLAM算法在运算过程中并不稳定，不能适本文档来自技高网...

【技术保护点】
一种基于深度学习的移动平台导航方法，其特征在于，包括：根据接收到的第一运动指令，控制移动平台从起始点开始向目标点运动；通过设置在所述移动平台上的拍摄装置，对所述移动平台的周围场景进行实时拍摄，得到实时场景图像；将所述实时场景图像与基于深度学习得到的样本场景图像库中的样本场景图像进行特征匹配，得到匹配样本场景图像；确定与所述匹配样本场景图像相匹配的第二运动指令；根据所述第二运动指令，对所述移动平台的运动过程进行实时调整，直至所述移动平台运动至所述目标点。

【技术特征摘要】
1.一种基于深度学习的移动平台导航方法，其特征在于，包括：根据接收到的第一运动指令，控制移动平台从起始点开始向目标点运动；通过设置在所述移动平台上的拍摄装置，对所述移动平台的周围场景进行实时拍摄，得到实时场景图像；将所述实时场景图像与基于深度学习得到的样本场景图像库中的样本场景图像进行特征匹配，得到匹配样本场景图像；确定与所述匹配样本场景图像相匹配的第二运动指令；根据所述第二运动指令，对所述移动平台的运动过程进行实时调整，直至所述移动平台运动至所述目标点。2.根据权利要求1所述的方法，其特征在于，还包括：基于深度学习算法，对通过采样得到的样本场景图像进行深度学习训练，得到所述样本场景图像库。3.根据权利要求2所述的方法，其特征在于，所述基于深度学习算法，对通过采样得到的样本场景图像进行深度学习训练，得到所述样本场景图像库，包括：通过随机发生器生成随机角度和随机速度；分别根据不同的随机角度和随机速度，控制所述移动平台进行多次训练；在各次训练过程中，通过设置在所述移动平台上的拍摄装置，对各次训练全过程中各个帧时刻所述移动平台的周围场景进行实时拍摄，得到所述样本场景图像；并，记录所述移动平台在各样本场景图像所对应的拍摄帧时刻的运动状态；其中，所述运动状态，包括：移动平台的实时角度和实时速度；将记录的所述移动平台在各样本场景图像所对应的拍摄帧时刻的运动状态，作为对应的样本场景图像的标签，携带在对应的样本场景图像中；将携带有所述移动平台的运动状态标签的各样本场景图像输入深度神经网络进行学习训练，得到所述样本场景图像库。4.根据权利要求3所述的方法，其特征在于，所述基于深度学习算法，对通过采样得到的样本场景图像进行深度学习训练，得到所述样本场景图像库，还包括：在训练过程中，若所述移动平台与障碍物发生碰撞，则一次训练结束，并将该次训练过程标记为负样本；在训练过程中，若所述移动平台未与障碍物发生碰撞、且运动到目的地，则一次训练结束，并将该次训练过程标记为正样本。5.根据权利要求3所述的方法，其特征在于，所述将携带有所述移动平台的运动状态标签的各样本场景图像输入深度神经网络进行学习训练，得到所述样本场景图像库，包括：将所述携带有所述移动平台的运动状态标签的各样本场景图像作为深度神经网络学习训练的样本进行输入；通过层卷积和池化层对所述多个训练结果进行处理，得到第一处理结果；将所述第一处理结果输入至全连接层进行处理，得到第二处理结果；其中，所述全连接层的参数与根据所述实时角度和实时速度的离散化处理结果所确定的训练类别的数量一致；根据所述第二处理结...

【专利技术属性】
技术研发人员：廖瑜，梁斌焱，王燕波，张科，王妍，邓涛，
申请(专利权)人：北京精密机电控制设备研究所，
类型：发明
国别省市：北京,11