[发明专利]一种基于神经网络的循迹机器人轨迹识别方法

说明书

本发明公开了一种基于神经网络的循迹机器人轨迹识别方法，包括以下步骤：1)机器人在光照变化环境下采集道路图像；2)将采集的图像数据压缩成图片，并将图片存储为jpg文件；3)对采集的图片进行裁剪；4)将采集的图片数据转入电脑，在电脑端对每张图片中的三个区域中的引导线的中心进行标记；5)将得到的训练数据导入到matlab,对神经网络进行训练，得到神经网络的各个参数；6)根据matlab训练得到的神经网络参数编写对图片中道路中间的引导线的中点进行标记的神经网络算法；……；本发明基于神经网络的循迹机器人轨迹识别方法，其具有较强自适应能力，在视觉光照条件变化的条件下，对识别道路轨迹具有较高的准确率，具有较高鲁棒性。

技术领域

本发明涉及涉及机器人领域，特别涉及一种寻迹机器人轨迹识别方法。

背景技术

随着人们生活水平的不断提高，智能家用机器人的应用越来越广泛，而且具有非常广泛的市场前景，众多自主运行机器人均需要解决寻迹这一问题，为了控制机器人确保其能够沿着预设路径前行，需要机器人能够自行探测线路并能预测转弯，因此需要机器人能够在线获取探测线路后预测道路曲率，以及检测确定道路中心线。

视觉寻迹具有路径铺设难度低，识别设备成本低等优点，但由于摄像头等视觉设备对光照强度敏感，常用的阈值二值化的方案，或者颜色检测的算法方案虽然难度较低，但是对于光照变化环境具有不稳定性。

发明内容

有鉴于此，本发明的目的一种基于神经网络的循迹机器人轨迹识别方法，其针对道路中间有引导线的道路，解决现有技术中机器人采用视觉寻迹，在视觉光照条件变化的条件下，对路径识别稳定性差的问题。

本发明基于神经网络的循迹机器人轨迹识别方法，包括以下步骤：

1)机器人在光照变化环境下通过摄像头采集道路图像；

2)机器人处理器将采集的图像数据压缩成分辨率为640*480的图片，并将图片存储为jpg文件；

3)机器人处理器对图像数据进行预处理，将采集的图片进行裁剪，缩小尺寸，修改为320*240；再将缩小后的图片的下部沿宽度方向进行裁剪，每张图片分别裁剪出3个区域，每个区域的分辨率为320*5；

4)将采集的图片数据转入电脑，在电脑端通过软件对每张图片中的三个区域中的引导线的中心进行标记，并记录下标记点的坐标；将jpg图像读取完毕，并按照每个像素点为BGR888的顺序存储为一个训练数据输入文件；同时为了增加训练数据的样本数目，将所有的图像垂直镜像；

5)将得到的训练数据导入到matlab,对神经网络进行训练，所述神经网络由输入层、隐含层和输出层构成，其中输入层根据输入图像数据每个像素点的RBG分别对应一个神经元，输出层为一个神经元，隐含层根据训练结果调整到适当神经元数目；神经网络利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，实现获得所有神经网络层的误差估计；并最终通过不断训练，得到神经网络的各个参数；

6)根据matlab训练得到的神经网络参数编写对图片中道路中间的引导线的中点进行标记的神经网络算法；

7)将编写的神经网络算法植入机器人处理器，通过神经网络算法对一帧图片中裁剪出的3个不同区域进行运算，从而得到该帧图片中道路的3个点位，再根据这3个点位偏离该帧图片竖向中心线的距离、以及三个点之间的相对距离计算出道路的曲率，从而实现轨迹识别。

本发明的有益效果：

本发明基于神经网络的循迹机器人轨迹识别方法，其具有较强自适应能力，在视觉光照条件变化的条件下，对识别道路轨迹具有较高的准确率，具有较高鲁棒性。

附图说明

图1为BP神经网络结构图；

图2为图片裁剪示意图。