【技术实现步骤摘要】
具有深度学习环境识别和传感器校准的自主机器人
[0001]本公开涉及自主机器人，并且更具体地涉及采用深度学习技术用于环境识别和传感器校准的机器人
。
技术介绍
[0002]本部分中讨论的主题不应被认为是现有技术，仅仅是其在本部分中提到的结果
。
类似地，本部分中提及的或与作为背景提供的主题相关联的问题不应被假定为先前已在现有技术中认识到
。
本部分中的主题仅表示不同的方法，其本身也可以对应于所要求保护的技术的实施方式
。
[0003]自主机器人长期以来一直是科幻幻想的填充
。
实现真正自主机器人的一个技术挑战是需要机器人能够识别它们所在的地方，其中他们已经和计划他们在哪里
。
近年来，传统技术已经大大改进；然而，仍然存在对机器人和自引导移动平台提供快速准确且可靠的位置感知的相当大的技术挑战
。
此外，在任务规划领域中的常规方法未能包括实时捕获的传感数据，并且因此不能基于实时感测的变化条件来进行规划或改变规划
。
【技术保护点】
【技术特征摘要】
1.
一种用于使用经深度学习训练的分类器来检测障碍物并且避开环境中的阻碍物的方法，机器人在所述环境中基于由至少一个具有可见光谱能力的摄像头和至少一个深度测量摄像头捕获的图像信息移动，所述至少一个具有可见光谱能力的摄像头捕获可见光谱
RGB
范围中的图像，所述方法包括：接收由所述至少一个具有可见光谱能力的摄像头捕获的图像信息
、
以及物体位置信息，所述物体位置信息包括由位于移动平台上的所述至少一个深度测量摄像头捕获的深度信息；由处理器从所述图像信息中提取所述环境中的特征；由处理器使用经训练的神经网络分类器的集合来确定与从所述图像中提取的所述特征相对应的物体的身份；由处理器根据所述物体位置信息和使用所述经训练的神经网络分类器的集合所确定的物体的所述身份，来确定所述环境的占用图；以及将所述占用图提供给用于发起机器人移动以避开所述环境的所述占用图中的物体的过程
。2.
根据权利要求1所述的方法，其中所述深度摄像头通过以下方式与所述至少一个具有可见光谱能力的摄像头紧密耦合：
(i)
视场的重叠；
(ii)
视场的每单位面积的像素的校准；以及
(iii)
图像的同步捕获；从而使得物体的位置和特征能够在由所述摄像头捕获的图像集中彼此对应
。3.
根据权利要求2所述的方法，其中所述至少一个具有可见光谱能力的摄像头和所述深度摄像头的视场的每单位面积的像素的所述校准是
1:1。4.
根据权利要求2所述的方法，其中所述至少一个具有可见光谱能力的摄像头和所述深...
【专利技术属性】
技术研发人员：张哲，李忠伟，陈佩章，项睿，韩旭，
申请(专利权)人：远弗公司，
类型：发明
国别省市：
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。