System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及机器人视觉,尤其涉及一种基于足式机器人的地形感知模型的训练方法及装置。
技术介绍
1、随着科技的发展,人工智能技术飞速发展,基于人工智能技术得到的智能机器人在不同领域广泛应用。其中,足式机器人是众多机器人类型中的一种,因其具有轮式足和履带式足,因此即便是在复杂地形环境中也仍旧具备较高的机动性。
2、通常,在足式机器人进行移动作业时,需要通过图像采集设备采集当前的地形图像,并基于地形图像,对当前地形的物理几何信息、空间形状信息以及纹理信息等进行分析,以建立出真实准确的物理环境,保证足式机器人在移动时的安全性。其中,地面的平整度信息以及地面的语义信息是保证足式机器人可安全平稳地移动的关键信息,因此如何为足式机器人提供地形语义信息以及地形平整度信息是一个重要问题。
3、基于此,本申请说明书提供了一种基于足式机器人的地形感知模型的训练方法及装置。
技术实现思路
1、本说明书提供一种基于足式机器人的地形感知模型的训练方法、装置、存储介质及电子设备,以至少部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案:
3、本说明书提供了一种基于足式机器人的地形感知模型的训练方法,所述方法包括:
4、获取样本地面图像;
5、针对所述样本地面图像中的每个像素点,确定该像素点的标签语义类别;
6、确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面;
7、根
8、将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值;
9、根据所述预测平整度值以及所述标签平整度值,确定损失,并根据所述损失,对所述地形感知模型进行训练。
10、可选地,确定该像素点的标签平整度值,具体包括:
11、将该像素点到所述平面的距离作为该像素点的标签平整度值。
12、可选地,将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,具体包括:
13、将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,以及得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测语义类别。
14、可选地,对所述地形感知模型进行训练,具体包括:
15、根据所述预测平整度值以及所述标签平整度值,确定第一损失,并根据所述预测语义类别以及所述标签语义类别,确定第二损失;
16、根据所述第一损失以及所述第二损失,对所述地形感知模型进行训练。
17、可选地,所述地形感知模型包括:编码器、第一解码器、第二解码器、第一预测层、第二预测层;
18、将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,具体包括:
19、将所述样本地面图像输入所述编码器,得到编码图像特征;
20、将所述编码图像特征输入所述第一解码器,得到第一解码图像特征;并将所述编码图像特征以及所述第一解码图像特征输入所述第一预测层,得到所述样本地面图像中的每个像素点的预测语义类别;
21、将所述编码图像特征输入所述第二解码器,得到第二解码图像特征;并将所述编码图像特征以及所述第二码图像特征输入所述第二预测层,得到所述样本地面图像中的每个像素点的预测平整度值。
22、可选地,确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面,具体包括:
23、对所述样本地面图像中的每个像素点进行平滑处理,针对进行平滑处理后的每个像素点,确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面。
24、可选地,所述方法还包括:
25、获取当前地面图像;
26、将所述当前地面图像输入训练完成的地形感知模型,得到所述地形感知模型输出的所述当前地面图像中每个像素点的平整度值;
27、根据得到的平整度值,在所述当前地面图像中,确定足式机器人的可行路径。
28、本说明书提供了一种基于足式机器人的地形感知模型的训练装置,包括:
29、获取模块,用于获取样本地面图像;
30、语义确定模块,用于针对所述样本地面图像中的每个像素点,确定该像素点的标签语义类别;
31、平面确定模块,用于确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面;
32、平整度确定模块,用于根据所述平面,确定该像素点的标签平整度值;
33、输入模块,用于将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值;
34、训练模块,用于根据所述预测平整度值以及所述标签平整度值,确定损失,并根据所述损失,对所述地形感知模型进行训练。
35、可选地,所述平整度确定模块具体用于,将该像素点到所述平面的距离作为该像素点的标签平整度值。
36、可选地,所述输入模块具体用于,将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,以及得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测语义类别。
37、可选地,所述训练模块具体用于,根据所述预测平整度值以及所述标签平整度值,确定第一损失,并根据所述预测语义类别以及所述标签语义类别,确定第二损失;根据所述第一损失以及所述第二损失,对所述地形感知模型进行训练。
38、可选地,所述地形感知模型包括:编码器、第一解码器、第二解码器、第一预测层、第二预测层;
39、所述输入模块具体用于,将所述样本地面图像输入所述编码器,得到编码图像特征;将所述编码图像特征输入所述第一解码器,得到第一解码图像特征;并将所述编码图像特征以及所述第一解码图像特征输入所述第一预测层,得到所述样本地面图像中的每个像素点的预测语义类别;将所述编码图像特征输入所述第二解码器,得到第二解码图像特征;并将所述编码图像特征以及所述第二码图像特征输入所述第二预测层,得到所述样本地面图像中的每个像素点的预测平整度值。
40、可选地,所述平面确定模块具体用于,对所述样本地面图像中的每个像素点进行平滑处理,针对进行平滑处理后的每个像素点,确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面。
41、可选地,所述装置还包括应用模块;
42、所述应用模块具体用于,获取当前地面图像;将所述当前地面图像输入训练完成的地形感知模型,得到所述地形感知模型输出的所述当前地面本文档来自技高网...
【技术保护点】
1.一种基于足式机器人的地形感知模型的训练方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,确定该像素点的标签平整度值,具体包括:
3.如权利要求1所述的方法,其特征在于,将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,具体包括:
4.如权利要求3所述的方法,其特征在于,对所述地形感知模型进行训练,具体包括:
5.如权利要求3所述的方法,其特征在于,所述地形感知模型包括:编码器、第一解码器、第二解码器、第一预测层、第二预测层;
6.如权利要求1所述的方法,其特征在于,确定由与该像素点的距离在预设范围内且与该像素点的标签语义类别不同的多个像素点构成的平面,具体包括:
7.如权利要求1所述的方法,其特征在于,所述方法还包括:
8.一种基于足式机器人的地形感知模型的训练装置,其特征在于,所述装置具体包括:
9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上
10.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1-7任一所述的方法。
...【技术特征摘要】
1.一种基于足式机器人的地形感知模型的训练方法,其特征在于,所述方法包括:
2.如权利要求1所述的方法,其特征在于,确定该像素点的标签平整度值,具体包括:
3.如权利要求1所述的方法,其特征在于,将所述样本地面图像输入地形感知模型,得到所述地形感知模型输出的所述样本地面图像中的每个像素点的预测平整度值,具体包括:
4.如权利要求3所述的方法,其特征在于,对所述地形感知模型进行训练,具体包括:
5.如权利要求3所述的方法,其特征在于,所述地形感知模型包括:编码器、第一解码器、第二解码器、第一预测层、第二预测层;
6.如权利要求1所述的方...
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。