一种基于深度学习全景相机的机器人避障方法技术

本发明专利技术公开一种基于深度学习全景相机的机器人避障方法。针对传统避障中不能得到全局视场，及精度和实时性的问题，该方法在机器人活动领域内，首先通过激光雷达进行SLAM栅格地图的构建，A*算法运用输出的栅格地图进行全局路径规划；接着通过全景相机以固定帧率进行图像数据采集，将采集的图像数据进行畸变矫正后输入到YOLOV5神经网络模型进行目标检测及定位，机器人通过融合后的特征图像利用DWA动态窗口进行局部动态避障。在实际应用中，无论是成本可行性，结果的精确性及实时性，都具有一定优势。通过深度学习的方法实现仿真环境与真实环境完成自主避障导航至目标的任务。实环境完成自主避障导航至目标的任务。实环境完成自主避障导航至目标的任务。

【技术实现步骤摘要】
一种基于深度学习全景相机的机器人避障方法


[0001]本专利技术涉及机器人及人工智能领域，尤其涉及一种基于深度学习全景相机的机器人避障方法。

技术介绍

[0002]机器人避障技术的研究因使用场景的复杂性，传统的基于SLAM的全局路径规划来躲避障碍物的方法已不再高效，需要识别场景中突然出现的障碍物，且需要较高的识别速度保证实时性同时需要一定水平的准确性，故在如何提高识别速度的基础上能保证较高水平的准确性一直是一个研究难点，为了科学技术的需求，基于深度学习的全景相机避障技术的研究在成为必然选择。
[0003]基于深度学习的机器人避障方法旨在缩短人工智能和人类学习之间的差距，它通过学习有限的监督信息，结合先验知识，提升目标识别在新任务中的效果；而文献3中提出了一种端到端的目标检测框架，使目标检测的速度得到一定的提高，但存在视野不够的问题，目标障碍物识别的精确度却有待提高，传统方法为弥补该问题则需要数量庞大的数据，这将降低机器人的实时性。
[0004]采用全景相机作为目标检测的图像数据传感器，解决了普通相机视野不全面的问题，同时相比于R本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习全景相机的机器人避障方法，其特征在于，包括：步骤一：通过激光雷达采集数据信息进行SLAM栅格地图构建，并在获得的栅格地图基础上运用A*算法进行全局路径规划；步骤二：通过移动机器人所携带的双曲面折反射全景摄像头获取原始环形全景图图像数据，并对图像数据进行畸变矫正后展开成符合人眼观测的图像数据；步骤三:构建YOLOV5深度学习神经网络，相应数据集输入到YOLOV5深度学习神经网络模型中，设置所述神经网络模型的超参数，通过神经网络模型训练框架训练所述融合神经网络模型，得到训练完成的融合神经网络模型；步骤四：将步骤二中处理过的符合人眼观测的图像数据输入到所述训练完成的融合神经网络模型，输出融合后的特征图像；步骤五：将步骤五输出的特征图像通过DWA动态窗口进行检测，运用上位机进行观测确定机器人前方是否存在全局路径中不存在的障碍物，若不存在则机器人采取步骤一中的全局路径规划向目标点进行行进；若存在以融合所得的特征图像为准，计算距离障碍物的距离，若激光雷达测量机器人距离障碍物的距离大于设定的阈值，则躲避障碍物进行局部路径规划；若机器人距离障碍物的距离小于设定的阈值，则机器人采取停止指令，进行安全保护。2.根据权利要求1所述的基于深度学习全景相机的机器人避障方法，其特征在于，在所述步骤一中...

【专利技术属性】
技术研发人员：朴燕，孟庆宇，谭佳琪，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：