[发明专利]图像可行域检测方法、电子设备、存储介质、检测系统

权利要求书

1.图像可行域检测方法，其特征在于，包括以下步骤：

利用激光测距装置采集机器人移动过程中激光数据，利用图像采集装置采集机器人移动过程中图像；

求取机器人历史移动轨迹集合，利用所述激光数据，求得在全局激光地图下的机器人历史移动轨迹集合；其中，所述全局激光地图建立为事先建立；

标签标识，所述标签包括可行域、障碍域，将所有所述历史移动轨迹集合投影至采集的图像上并标识为可行域；将所述激光数据投影至采集的图像上并标识为障碍域；

可行域训练，将所述图像与所述标签作为训练样本，训练得到训练模型，并根据所述训练模型得到所述图像中单像素对应的标签。

2.如权利要求1所述的图像可行域检测方法，其特征在于：所述标签还包括未知域，所述图像中既非可行域又非障碍域的区域标记为未知域。

3.如权利要求1所述的图像可行域检测方法，其特征在于，所述步骤标签标识还包括：可行域融合，对所有历史移动轨迹投影得到若干可行域，对若干所述可行域进行并集处理得到融合后的可行域。

4.如权利要求1所述的图像可行域检测方法，其特征在于，步骤标签标识还包括：地面剔除，对每一帧激光数据进行平面拟合，在障碍域中剔除位于平面阈值内的所述激光数据。

5.如权利要求4所述的图像可行域检测方法，其特征在于，步骤标签标识还包括：障碍域填补，对每一所述激光数据的投影点标识为障碍域，并对若干障碍域进行图形学膨胀用以填补空洞。

6.如权利要求1所述的图像可行域检测方法，其特征在于：所述障碍域的优先级高于所述可行域。

7.如权利要求1所述的图像可行域检测方法，其特征在于，步骤标签标识还包括：图像筛选，对采集的图像进行筛选，并对筛选后的图像进行标识。

8.如权利要求7所述的图像可行域检测方法，其特征在于，步骤图像筛选包括：

距离滤波，按等间距选取图像序列作为进行识别的图像；

转角滤波，根据所述历史移动轨迹集合求取所述图像对应的历史移动轨迹的转弯平均角度，然后对所有所述转弯平均角度求取直方图，并在所述直方图中均匀采样。

9.如权利要求1所述的图像可行域检测方法，其特征在于，所述步骤可行域训练采用像素级别的语义分割神经网络方法进行训练。

10.如权利要求9所述的图像可行域检测方法，其特征在于，所述步骤可行域训练具体为：

训练阶段，对所述图像进行卷积，得到预测标签，对比预测标签与真实标签，得到标签误差；利用后向传播算法与更新所述语义分割神经网络参数，逐步减小标签误差，得到训练模型；

部署阶段，输入待预测图像至所述训练模型，得到所述图像中单像素的标签。

11.一种电子设备，其特征在于包括：处理器；存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行如权利要求1所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1所述的方法。

13.图像可行域检测系统，其特征在于：包括处理终端、激光测量装置、图像采集装置、定位装置；

所述激光测量装置用于采集机器人移动过程中的激光数据，所述激光数据为三维点云数据；

所述图像采集装置用于采集机器人移动过程中的图像；

所述定位装置用于实时获取机器人的位姿，所述位姿包括机器人位置与机器人姿态；

所述处理终端用于获取所述激光数据、所述图像、所述位姿，标记所述图像中的可行域，其中，包括如下步骤：求取机器人历史移动轨迹集合，利用所述激光数据，求得在全局激光地图下的机器人历史移动轨迹集合；其中，所述全局激光地图建立为事先建立；

标签标识，所述标签包括可行域、障碍域，将所有所述历史移动轨迹集合投影至采集的图像上并标识为可行域；将所述激光数据投影至采集的图像上并标识为障碍域；

可行域训练，将所述图像与所述标签作为训练样本，训练得到训练模型，并根据所述训练模型得到所述图像中单像素对应的标签。