【技术实现步骤摘要】
本专利技术涉及无人车自动跟随，具体为一种面向微型无人车的动态目标识别追踪的路径规划方法。
技术介绍
1、近些年，无人车集成了越来越多的技术，也使得无人车越来越多样化。目前智能伴随作业小车是一个热门领域。
2、基于目标检测的跟随方法用的是全局信息，并且检测速度很快，能满足特定场合的处理要求。基于深度学习的目标检测算法根据其算法流程特点大致可以分为两类：两阶段(two-stage)目标检测算法和单阶段(one-stage)目标检测算法。两阶段目标检测算法精度较高，但是检测速度较慢；one-stage目标检测算法精度一般，但是检测速度很快，具有高效、灵活和泛化性能好的优点，在工业界应用广泛。
3、在机器人领域，尺度地图常用于定位与地图构建、定位和同时定位与地图构建，拓扑地图常用于路径规划，而语义地图常用于人机交互。路径规划部分在无人车架构体系当中分属控制或决策部分，路径规划模块性能的高低直接关系车辆行驶路径选择的优劣和行驶的流畅度，而路径规划算法的性能优劣很大程度上取决于规划算法的优劣，两阶段(two-stage)目标检测算法和单阶段(one-stage)目标检测算法均无法同时达到迅速和精准实现路径规划。因此，如何在各种场景下迅速、准确的规划出一条高效路径且使其具备应对场景动态变化的能力是路径规划算法应当解决的问题。
技术实现思路
1、本专利技术的目的在于提供一种面向微型无人车的动态目标识别追踪的路径规划方法，以解决上述
技术介绍
中提出的问题。
2、为实
3、步骤一、采用作业人员导引微型无人车移动，在移动过程中，通过相机采集作业人员的各种姿态图，并进行目标的标注，制作成训练数据集；
4、步骤二、将所述训练数据集中的数据输入目标检测网络进行训练，得到训练好的目标检测模型，使用相机采集环境信息，得到视频流，接着使用目标检测模型对作业人员进行检测识别；
5、步骤三、根据采集的视频流预测作业人员的大小和位置，采用深度学习方法对作业人员进行目标跟踪并输出跟踪轨迹；
6、步骤四、建立实时环境栅格地图并标记微型无人车在地图中的位置；
7、步骤五、根据作业人员在步骤四中的地图中的位置标记导航目标点，计算出微型无人车的导航目标点；
8、步骤六、采用的路径规划算法根据微型无人车在地图中的位置以及导航目标点进行微型无人车的路径规划。
9、进一步优选，所述步骤二中的目标检测网络为yolov5目标检测网络，所述相机为rgb-d相机。
10、进一步优选，所述yolov5目标检测网络包括输入端模块、backbone模块、neck模块和prediction模块，所述输入端模块的调整措施包括利用mosaic进行数据增强、丰富数据集并减少gpu使用以及采用自适应的anchor计算方式。
11、进一步优选，所述步骤三中深度学习方法进行目标跟踪的方法为：
12、s1，通过检测器获取检测框和对应的检测分数，对检测框进行分类，如果分数高于设定高阈值α时，将检测框分类为高置信度组，分数低于α，高于设定低阈值β时，将检测框分类为低置信度组；
13、s2，使用检测框和卡尔曼滤波估计结果之间的相似度来对轨迹进行关联匹配，然后基于相似度采用匈牙利算法进行匹配，并保留未匹配到轨迹的高置信度检测框以及未匹配到检测框的轨迹；
14、s3，接着关联第一次关联剩下的轨迹以及低置信度检测框，保留第二次匹配过后仍未匹配到边界框的轨迹，并删除那些低置信度边界框中在第二次匹配过后未找到对应轨迹的边界框，将那些未匹配到对应轨迹的高置信度边界框作为新出现的轨迹进行保存；
15、s4，将两次匹配都没有匹配到的检测框初始化成新的轨迹。
16、进一步优选，所述高阈值α为0.8，所述低阈值β为0.1，所述s2中采用iou来作为相似度度量，iou是一种测量在特定数据集中检测相应物体准确度的一个标准，这个标准用于测量真实和预测之间的相关度，相关度越高，该值越高。
17、进一步优选，所述步骤四中微型无人车上设有单线激光雷达、rgb-d相机、超声测距传感器、存储器和屏幕，所述单线激光雷达、rgb-d相机和超声测距传感器用于感知周围环境信息，所述存储器用于存储计算机程序，所述屏幕能够显示感应的环境信息。
18、进一步优选，所述步骤四中的环境栅格地图的构建基于单线激光雷达、imu设计激光惯性slam算法进行实时定位及环境栅格地图构建。
19、进一步优选，所述步骤五中微型无人车的导航目标点的计算方法为通过最短路径算法计算微型无人车的初始位置到导航目标点位置p(xp,yp)运行距离最短的路径组合，得到期望的导航终点。
20、进一步优选，所述步骤六中的路径规划算法包含智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法。其中，智能搜索算法为人工智能搜索算法，是当前智能计算方法的本质，搜索技术是普遍的问题解决方法，用于解决给定搜索空间中的搜索问题，实现路径的耗散值以及搜索过程中的耗散值的最低化；基于人工智能算法是通过计算机编程来实现人工智能的一种技术，人工智能算法的设计原理是先用数学方法把问题转换成可计算的形式，再用计算机来解决，能够其基于神经网络的结构，通过大量的数据训练来实现自动化的模式识别和决策，能够处理非常复杂的任务和问题；基于几何模型算法采用a*算法；用于局部避障算法是指在自主移动机器人或自动驾驶车辆等智能系统中，用于避免与障碍物碰撞的算法，包含反射式避障算法、规划式避障算法和感知式避障算法。
21、进一步优选，所述基于几何模型算法采用a*算法，即a*(a-star)算法，是一种静态路网中求解最短路径最有效的直接搜索方法，因此能够对微型无人车的全局路径规划实现快速规划。
22、有益效果：本专利技术的面向微型无人车的动态目标识别追踪的路径规划方法，通过使用yolov5目标检测模型对作业人员进行检测识别，方便后续跟踪；通过深度学习方法对作业人员进行目标跟踪并输出跟踪轨迹，利用检测框和跟踪轨迹之间的相似性，在保留高分检测结果的同时，从低分检测结果中去除背景，挖掘出真正的物体，从而实现降低漏检并提高轨迹的连贯性，是一种简单高效的跟踪方法；本专利技术构建了环境栅格地图用于路径规划以及全局定位，实现微型无人车的定位感知；本专利技术使用了有较好性能和准确性的a*算法进行路径规划，并利用teb开源框架实现局部路径规划；本专利技术实现了对微型无人车的动态目标识别追踪的路径规划，实现了微型无人车的自动驾驶，解决了在动态环境下无人车跟随移动的问题，解决了现有技术需要驾驶员的问题，减少人力物力的消耗，有效的降低了成本，提高了效率，能够在各种场景下迅速、准确的规划出一条高效路径且使其具备应对场景动态变化的能力。
本文档来自技高网...【技术保护点】
1.一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤二中的目标检测网络为YOLOv5目标检测网络，所述相机为RGB-D相机。
3.根据权利要求2所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述YOLOv5目标检测网络包括输入端模块、Backbone模块、Neck模块和Prediction模块，所述输入端模块的调整措施包括利用Mosaic进行数据增强、丰富数据集并减少GPU使用以及采用自适应的Anchor计算方式。
4.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤三中深度学习方法进行目标跟踪的方法为：
5.根据权利要求4所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述高阈值α为0.8，所述低阈值β为0.1，所述S2中采用IoU来作为相似度度量。
6.根据权利要求1所述的一种面向微型无人车的动态目标识
7.根据权利要求6所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤四中的环境栅格地图的构建基于单线激光雷达、IMU设计激光惯性SLAM算法进行实时定位及环境栅格地图构建。
8.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤五中微型无人车的导航目标点的计算方法为通过最短路径算法计算微型无人车的初始位置到导航目标点位置P(xp,yp)运行距离最短的路径组合。
9.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤六中的路径规划算法包含智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法。
10.根据权利要求9所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述基于几何模型算法采用A*算法。
...【技术特征摘要】
1.一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤二中的目标检测网络为yolov5目标检测网络，所述相机为rgb-d相机。
3.根据权利要求2所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述yolov5目标检测网络包括输入端模块、backbone模块、neck模块和prediction模块，所述输入端模块的调整措施包括利用mosaic进行数据增强、丰富数据集并减少gpu使用以及采用自适应的anchor计算方式。
4.根据权利要求1所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述步骤三中深度学习方法进行目标跟踪的方法为：
5.根据权利要求4所述的一种面向微型无人车的动态目标识别追踪的路径规划方法，其特征在于：所述高阈值α为0.8，所述低阈值β为0.1，所述s2中采用iou来作为相似度度量。
6.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：秦晓驹，马赛，张月明，金晓伟，
申请(专利权)人：上海复运智能科技有限公司，
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。