[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

说明书

本发明提供图像可行域检测方法，包括求取机器人历史移动轨迹集合、标签标识，标签包括可行域、障碍域，将所有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，将图像与标签作为训练样本，训练得到训练模型，并根据所述训练模型得到图像中单像素的对应的标签。本发明还涉及电子设备、存储介质、检测系统。本发明通过建立一个在全局坐标下的激光地图，融合不同时间下机器人的轨迹信息，从而扩大可行域，提高导航效率；并且过程无需人为干预，快速生成大量样本，便于在不同环境下的部署。

技术领域

本发明涉及移动机器人可行域检测，尤其涉及图像可行域检测方法、电子设备、存储介质、检测系统。

背景技术

近年来，随着对室外移动机器人感知技术研究的不断深入，用于机器人导航的可行域检测越来越重要。现有方法即基于有监督语义分割神经网络的可行域检测方法，由于需要大量手工标记的数据，耗费大量人力物力；尤其是不同环境下图像的分布不同，用某个地方得到的有限的标签数据训练出来的神经网络很难扩展到其他地方，提高了算法实际部署的难度。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种图像可行域检测方法、电子设备、存储介质、检测系统，采用无监督标记方法，解决现有技术需要大量手工标记的数据，耗费大量人力物力；尤其是不同环境下图像的分布不同，用某个地方得到的有限的标签数据训练出来的神经网络顺利扩展到其他地方，降低算法实际部署的难度。

本发明提供图像可行域检测方法，包括以下步骤：

求取机器人历史移动轨迹集合，利用所述激光数据，求得在所述全局激光地图下的机器人历史移动轨迹集合；

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的对应的标签。

进一步地，所述标签还包括未知域，所述图像中即非可行域又非障碍域的区域标记为未知域。

进一步地，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。

进一步地，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，在标识障碍域中剔除位于平面阈值内的所述激光数据。

进一步地，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。

进一步地，所述障碍域的优先级高于所述可行域。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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标识。