The invention provides a real-time obstacle detection and classification method, which belongs to the field of intelligent navigation of robots. A real-time obstacle detection and classification method proposed by the present invention can satisfy the requirement that in different environments, a large number of artificial image segmentation calibrations are not required, but only a training set of semantic obstacle-free calibration is needed, and the obstacle can be detected and identified well, and the training efficiency is greatly reduced. It greatly improves the efficiency of calibration, training and the accuracy of obstacle detection and recognition. It has a certain advance in technology.
【技术实现步骤摘要】
一种障碍物实时检测和分类方法
本专利技术属于机器人智能导航领域,特别涉及一种障碍物实时检测和分类方法。
技术介绍
近年来,随着计算机硬件以及图像处理技术的快速发展,图像分割的技术也在突飞猛进的发展。前些年,基于传统的图像分割有基于阈值的分割、区域生长、区域分裂合并、分水岭算法、边缘分割(边缘检测)、直方图法、聚类分析、小波变换等。在2012年,Alex等赢得ImageNet挑战赛堪称是CNN发展史上的里程碑,自那之后,CNN就成了图像分类的黄金标准,并且性能不断提升。到如今,基于CNN的物体检测和分割的GAN、cGAN、R-CNN、FastR-CNN、FasterR-CNN、MaskR-CNN等技术,将图像分割达到像素级别分割技术,并且逐步由理论研究到实时的应用,物体识别率也不断的增高,成为无人驾驶领域和安防领域最重要的一个环节之一。物体的检测和识别技术涉及到图像处理、图像分析、模式识别、深度学习等众多领域,既是一个跨学科的综合问题,也是一个极具挑战的前沿课题。在物体检测和识别技术发展过程中,虽然浮现出相应的问题和挑战,但是也创造出相应的发展和机遇。另外,基于物体检测和识别技术具有重要的研究的意义。首先,基于物体的检测和识别的人脸识别技术已得到广泛的应用,比如车站的身份证确认以及嫌疑人的追踪识别。其次,由基于深度学习的物体检测和识别技术可以在无人驾驶领域得到全面的应用,这可以大大提高交通的安全性和效率,为国家经济发展乃至人类文明的发展踏出革命性的一步。在现有技术中,有一种基于生成式对抗网络(GAN,GenerativeAdversarialNetworks ...
【技术保护点】
1.一种障碍物实时检测和分类方法,应用于机器人,所述机器人设有单目摄像头,其特征在于,包络以下步骤:步骤1,获取训练图像,基于所述单目摄像头测量所述机器人正前方、左方、右方的分割线在训练图像中的坐标,对训练图像进行分割,对分割的训练图像进行标注,得到训练图像分割数据集和训练障碍物分类数据集;步骤2,将所述训练图像分割数据集和训练障碍物分类数据集输入至网络中进行训练,得到训练好的网络模型;步骤3,获取原始图像,得到所述原始图像的障碍物分类数据集;步骤4,将所述障碍物分类数据集输入至训练好的网络模型中对部分网络进行训练,保存模型参数。
【技术特征摘要】
1.一种障碍物实时检测和分类方法,应用于机器人,所述机器人设有单目摄像头,其特征在于,包络以下步骤:步骤1,获取训练图像,基于所述单目摄像头测量所述机器人正前方、左方、右方的分割线在训练图像中的坐标,对训练图像进行分割,对分割的训练图像进行标注,得到训练图像分割数据集和训练障碍物分类数据集;步骤2,将所述训练图像分割数据集和训练障碍物分类数据集输入至网络中进行训练,得到训练好的网络模型;步骤3,获取原始图像,得到所述原始图像的障碍物分类数据集;步骤4,将所述障碍物分类数据集输入至训练好的网络模型中对部分网络进行训练,保存模型参数。2.如权利要求1所述的障碍物实时检测和分类方法,其特征在于,所述步骤1包括以下流程:将获取的训练图像分割为正前方、左方和右方后,标注分割后的训练图像,将机器人可行走区域、静态障碍物、花草树木、人和动态障碍物采用不同的方式进行标注,得到训练图像分割数据集;根据所述机器人的正前方、左方、右方三个方向有无静态障碍物、花草树木、人和动态障碍物三种障碍物,生成训练障碍物分类数据集,所述训练障碍物分类数据集由0、1组...
【专利技术属性】
技术研发人员:廖敏,叶茂,张宇潇,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
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。