【技术实现步骤摘要】
室内环境下可行驶路面的分割方法、装置、介质和机器人
本专利技术涉及机器人领域，尤其涉及一种室内环境下可行驶路面的分割方法、装置、介质和机器人。
技术介绍
随着机器人的发展，室内移动机器人开始穿梭在写字楼、酒店、商场等室内区域，如何保障机器人在室内区域安全行走一直是工业界的难题。在机器人行走过程中，可以利用激光、超声波等传感器对周围障碍物检测，如墙体，闸机，门等。但写字楼或商场中的台阶、自动手扶梯等容易造成机器人的传感器失灵，从而导致机器人从高处跌落。语义分割(SemanticSegmentation)技术是当今计算机视觉一个非常重要的课题，该技术主要作用是将图像中不同类别的元素分类，属于像素级别的分类任务。随着深度学习的发展，越来越多基于深度卷积神经网络的方法出现，如FCN，PSPnet，DeepLab等。机器人也可以通过摄像头视觉感知，使用语义分割技术对室内可行驶路面分割，将画面中路面元素标记出来，为机器人提供更安全的行驶保障。在实际场景下，机器人在行走时，对路面分割的计算耗时有一定的要求。现有技术的语义分割方法通...
【技术保护点】
1.一种室内环境下可行驶路面的分割方法，其特征在于，包括以下步骤：/n步骤1，采集室内的路面图片，并对所述路面图片进行预处理，形成训练集；/n步骤2，构建路面分割网络模型，所述路面分割网络模型包括基于CSPnet构架的骨干网络和分割头模块；/n步骤3，采用所述训练集的图片对所述路面分割网络模型进行训练，优化所述路面分割网络模型的网络参数；/n步骤4，采集室内的实时路面图片，并基于训练完成的路面分割网络模型对所述实时路面图片中的路面位置和路面尺寸进行检测。/n
【技术特征摘要】
1.一种室内环境下可行驶路面的分割方法，其特征在于，包括以下步骤：
步骤1，采集室内的路面图片，并对所述路面图片进行预处理，形成训练集；
步骤2，构建路面分割网络模型，所述路面分割网络模型包括基于CSPnet构架的骨干网络和分割头模块；
步骤3，采用所述训练集的图片对所述路面分割网络模型进行训练，优化所述路面分割网络模型的网络参数；
步骤4，采集室内的实时路面图片，并基于训练完成的路面分割网络模型对所述实时路面图片中的路面位置和路面尺寸进行检测。
2.根据权利要求1所述室内环境下可行驶路面的分割方法，其特征在于，所述采集室内的路面图片，并对路面图片进行预处理，具体为：
S101，通过室内移动机器人的摄像头在各个室内场景随机采集路面图片，其中机器人易跌落处的路面图片占全部路面图片的60％-80％；
S102，分别对所述路面图片的路面、非路面以及路面和非路面的交界模糊处进行标记，并形成训练集；
其中采用多边形连通域的形式对所述路面进行标记，并将所述交界模糊处标记为背景，以用作忽略样本。
3.根据权利要求1或2所述室内环境下可行驶路面的分割方法，其特征在于，所述骨干网络的网络结构按计算单元处理顺序包括依次连接的第一卷积块、第二卷积块、第一瓶颈卷积块、第三卷积块、第二瓶颈卷积块、第四卷积块、第三瓶颈卷积块、空间金字塔池化层、第五卷积块、第四瓶颈卷积块和注意力模块。
4.根据权利要求3所述室内环境下可行驶路面的分割方法，其特征在于，所述采用训练集的图片对路面分割网络模型进行训练，优化路面分割网络模型的网络参数具体包括以下步骤：
S301，对所述路面分割网络模型进行初始化，生成初始权重和初始偏置；
S302，将所述训练集的图片作为样本数据输入到初始化后的路面分割网络模型，通过所述骨干网络提取输入图像的路面特征图，并通过所述分割头模块生成路面特征图中每个点的分类结果；
S303，采用预设损失函数计算损失值，降低所述损失值并进行反向传播，通过反复循环前向传播和反向传播对所述路面分割网络模型的权重和偏置进行更新，直至达到预设迭代停止条件，生成训练完成的路面分割网络模型。
5.根据权利要求4所述室内环境下可行驶路面的分割方法，其特征在于，采用Soft-hardmining算法构建预设损失函数为：
Loss＝Loss*mask1*mask...
【专利技术属性】
技术研发人员：秦豪，赵明，
申请(专利权)人：上海有个机器人有限公司，
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。