一种用于视觉导航机器人图像处理系统及处理方法技术方案

本发明专利技术公开了一种用于视觉导航机器人图像处理系统，包括机器人和计算机终端，所述机器人包括卷积神经网络模块、分类模块、存储模块及第一无线通讯模块，所述计算机终端包括无线摄像头模块、图片处理模块、分类模型模块及第二无线通讯模块。本发明专利技术仅取图片最上层像素点作为训练样本搭配更为简单快速的全连接神经网络，将大幅降低模型的训练时长；而且图片经过裁剪出最上一层的操作后，不同分类的图片的特征值明确且差别大，模型训练和模型判断时都会有更高的准确性和抗干扰性；与此同时，视觉导航驾驶时把图片送去网络判断分类模型将会更为快速，提高了机器人的实时性。

Image processing system and method for vision navigation robot

【技术实现步骤摘要】
一种用于视觉导航机器人图像处理系统及处理方法
本专利技术属于机器人
，具体涉及一种用于视觉导航机器人图像处理系统及处理方法。
技术介绍
在智能机器人的研究中，机器人的导航是一个十分重要的问题，导航是智能机器人的核心技术，也是实现真正地智能化和完全自主移动的关键技术。机器人导航的方式有很多一种，例如惯性导航、视觉导航、GPS定位导航、利用传感器的数据导航等等。视觉方法时近年发展起来的一种先进的导航方案，视觉传感器为机器人提供了十分丰富的外界信息，并且在不需要传感器的运动以及物体无任何接触的情况下，就可以达到对环境和目标的识别，这是其他传感器难以做到的，此外视觉传感器所提供的信息往往比其他传感器丰富得多，更有利于机器人对当前坏境的识别和导航。现有方案中将整张图片作为训练样本训练神经网络，由于图片的信息量本较大，在训练样本庞大时，这会导致神经网络的训练过程异常耗时，对电脑配置也有不少的要求；由于一张图片的特征多，会导致训练出来的模型抗干扰性较差，不利于提升系统的鲁棒性；此外，在机器人视觉导航驾驶过程中，将实时采集的图片送入神经网络判断，也需要消耗一部分时间，降低机器人的实时性。
技术实现思路
本专利技术的目的在于提供一种用于视觉导航机器人图像处理系统，以解决上述
技术介绍
中提出现有技术中图片量大神经网络的训练过程异常耗时的问题。为实现上述目的，本专利技术采用了如下技术方案：一种用于视觉导航机器人图像处理系统，包括机器人和计算机终端，所述机器人包括卷积神经网络模块、分类模块、存储模块及第一无线通讯模块，所述计算机终端包括无线摄像头模块、图片处理模块、分类模型模块及第二无线通讯模块，所述机器人和计算机终端通过第一无线通讯模块和第二无线通讯模块信号连接。优选的，所述无线摄像头模块采用多广角CMOS摄像头。优选的，所述图片处理模块包括图片抓取模块和图片识别模块，所述图片抓取模块用于图片处理模块中抓取图片，所述图片识别模块用于识别图片抓取模块抓取来的图片并将识别结果输出给计算机终端。优选的，所述分类模块包括特征识别模块，用于识别所提取的图片的特征，将所识别的特征与所设置的图片的基本特征进行比对。本专利技术还提供一种用于视觉导航机器人图像处理方法，包括以下步骤：S1、使用无线摄像头模块进行拍摄赛道阶段图片并传输给计算机终端，所述计算机终端中的图片处理模块对图片进行压缩、滤波、剪切，裁取图片的最上端并保存；S2、利用计算机终端通过第二无线通讯模块将处理后的图片传输给机器人，所述机器人中的卷积神经网络模块对图片进行分类判断，得到分类结果，从而指导机器人做出相应的动作完成道路的驾驶并通过存储模块进行保存；S3、图片处理模块中仅取图片最上层一行的像素点作为训练样本训练一个全连接神经网络，得到分类模型；S4、机器人视觉导航时实时采集的图片进过处理后也是取最上层一行的像素点递送给网络做判断，机器人由此作出相应的反应；S5、利用图片处理模块中由人工去除掉一些模糊或者不能分辨方向的图片后，首先将图片进行适当压缩以及裁剪，降低图片的信息量，进过压缩以及裁剪后的图片。优选的，所述S2中，为了神经网络更容易对各种路况进行比较准确的分类，同时为了尽可能减轻因光线和环境问题而引发的各种问题，将裁剪后的图像经过滤波和二值化处理。优选的，所述S3中分类模型模块对裁取后的图片进行分类处理，并对照整个赛道的路径进行对比。优选的，所述S2中图片的处理为缩放处理，采集到的图片像素值为640*480，经过缩放后像素值为320*240。本专利技术的技术效果和优点：本专利技术提出的一种用于视觉导航机器人图像处理系统，与现有技术相比，具有以下优点：本专利技术仅取图片最上层像素点作为训练样本搭配更为简单快速的全连接神经网络，将大幅降低模型的训练时长；而且图片经过裁剪出最上一层的操作后，不同分类的图片的特征值明确且差别大，模型训练和模型判断时都会有更高的准确性和抗干扰性；与此同时，视觉导航驾驶时把图片送去网络判断分类模型将会更为快速，提高了机器人的实时性。附图说明图1为本专利技术一种用于视觉导航机器人图像处理系统的结构示意图；图2为本专利技术的操作流程示意图；图3为本专利技术实施例1中压缩和裁剪后的图片示意图；图4为本专利技术实施例1中滤波和二值化后的图片示意图；图5为本专利技术实施例1中训练样本示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供了如图1-4所示的一种用于视觉导航机器人图像处理系统，包括机器人和计算机终端，所述机器人包括卷积神经网络模块、分类模块、存储模块及第一无线通讯模块，所述计算机终端包括无线摄像头模块、图片处理模块、分类模型模块及第二无线通讯模块，所述机器人和计算机终端通过第一无线通讯模块和第二无线通讯模块信号连接。所述无线摄像头模块采用多广角CMOS摄像头。所述图片处理模块包括图片抓取模块和图片识别模块，所述图片抓取模块用于图片处理模块中抓取图片，所述图片识别模块用于识别图片抓取模块抓取来的图片并将识别结果输出给计算机终端。所述分类模块包括特征识别模块，用于识别所提取的图片的特征，将所识别的特征与所设置的图片的基本特征进行比对。实施例1本专利技术还提出一种用于视觉导航机器人图像处理方法，包括以下步骤：S1、使用无线摄像头模块进行拍摄赛道阶段图片并传输给计算机终端，所述计算机终端中的图片处理模块对图片进行压缩、滤波、剪切，裁取图片的最上端并保存；S2、利用计算机终端通过第二无线通讯模块将处理后的图片传输给机器人，所述机器人中的卷积神经网络模块对图片进行分类判断，得到分类结果，图片的处理为缩放处理，采集到的图片像素值为640*480，经过缩放后像素值为320*240，从而指导机器人做出相应的动作完成道路的驾驶并通过存储模块进行保存，为了神经网络更容易对各种路况进行比较准确的分类，同时为了尽可能减轻因光线和环境问题而引发的各种问题，将裁剪后的图像经过滤波和二值化处理；S3、图片处理模块中仅取图片最上层一行的像素点作为训练样本训练一个全连接神经网络，得到分类模型，分类模型模块对裁取后的图片进行分类处理，并对照整个赛道的路径进行对比；S4、机器人视觉导航时实时采集的图片进过处理后也是取最上层一行的像素点递送给网络做判断，机器人由此作出相应的反应；S5、利用图片处理模块中由人工去除掉一些模糊或者不能分辨方向的图片后，首先将图片进行适当压缩以及裁剪，降低图片的信息量，进过压缩以及裁剪后的图片。卷积神经网络模块代码为：tf.reset_de本文档来自技高网...

【技术保护点】
1.一种用于视觉导航机器人图像处理系统，包括机器人和计算机终端，其特征在于：所述机器人包括卷积神经网络模块、分类模块、存储模块及第一无线通讯模块，所述计算机终端包括无线摄像头模块、图片处理模块、分类模型模块及第二无线通讯模块，所述机器人和计算机终端通过第一无线通讯模块和第二无线通讯模块信号连接。/n

【技术特征摘要】
1.一种用于视觉导航机器人图像处理系统，包括机器人和计算机终端，其特征在于：所述机器人包括卷积神经网络模块、分类模块、存储模块及第一无线通讯模块，所述计算机终端包括无线摄像头模块、图片处理模块、分类模型模块及第二无线通讯模块，所述机器人和计算机终端通过第一无线通讯模块和第二无线通讯模块信号连接。


2.根据权利要求1所述的一种用于视觉导航机器人图像处理系统，其特征在于：所述无线摄像头模块采用多广角CMOS摄像头。


3.根据权利要求1所述的一种用于视觉导航机器人图像处理系统，其特征在于：所述图片处理模块包括图片抓取模块和图片识别模块，所述图片抓取模块用于图片处理模块中抓取图片，所述图片识别模块用于识别图片抓取模块抓取来的图片并将识别结果输出给计算机终端。


4.根据权利要求1所述的一种用于视觉导航机器人图像处理系统，其特征在于：所述分类模块包括特征识别模块，用于识别所提取的图片的特征，将所识别的特征与所设置的图片的基本特征进行比对。


5.一种权利要求1所述的用于视觉导航机器人图像处理方法，其特征在于：包括以下步骤：
S1、使用无线摄像头模块进行拍摄赛道阶段图片并传输给计算机终端，所述计算机终端中的图片处理模块对图片进行压缩、滤波、剪切，裁取图片的最上端并保存；
S2、利用计...

【专利技术属性】
技术研发人员：任斌，刘志佳，卢杰鑫，雷震霆，陈瑾庭，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东;44