[发明专利]基于深度学习的移动机器人视觉导航方法

说明书

本发明公开了基于深度学习的移动机器人视觉导航方法，包括：移动机器人通过自身搭载的深度摄像机在未知环境空间进行图像(彩色图像)采集，对采集到的图像进行处理得到预设尺寸的图片，用打标工具(如LabelImg)对图片进行打标，用深度学习方法对彩色图像进行训练得到目标检测模型，输入目标，机器人对未知环境进行探索并实时采集图片(包括彩色图像和深度图像)，并将彩色图作为目标检测模型的输入进行目标检测，检测到目标之后根据深度图计算机器人与目标位置的方向和距离，生成运动策略。

技术领域

本发明涉及目标检测，深度学习，移动机器人室内导航技术领域，尤其涉及基于深度学习的移动机器人视觉导航方法。

背景技术

近些年来，不管是在学术界还是产业界，智能机器人的研究都引起了广泛的关注。

目前技术比较成熟且应用较为广泛的定位技术为全球定位系统(GlobalPositioning System，GPS)定位技术，这种定位技术的定位方法是车辆、手机等移动设备通过搭载GPS模块实现对自身的定位，从而实现导航。GPS定位技术要求移动设备能够接收GPS信号，适用于室外开阔场景，而在建筑物内部，GPS 信号往往很弱，无法为机器人提供精确的位置信息，导航效果不佳。

目前室内机器人导航技术应用较多的为基于激光雷达的导航技术和基于视觉的导航技术，通过激光雷达或者视觉传感器进行移动机器人室内定位和建图，从而实现室内移动机器人的导航。激光雷达技术相对较成熟并且精度较高，但是激光雷达往往价格较高，存在镜面问题，只能探测物理距离机器人自身的位置和方向，无法识别室内的物体。视觉传感器价格较为低廉，且能够获得更多的环境信息，能够对环境中存在的物体进行识别，实现目标导向的导航。

发明内容

本发明提出一种基于深度学习的移动机器人室内导航方法，该方法以机器人搭载的RGB-D深度相机采集的图像信息作为输入，通过目标检测算法检测目标物体，通过深度图目标位置的距离，实现机器人的导航。

本发明采用的技术方案为基于深度学习的移动机器人视觉导航方法，包括以下步骤：

步骤1：机器人在未知环境中随机探索，并以给定的频率拍摄图像，并将图像按拍摄时间序列进行命名并保存。

步骤2：采用打标工具对采集的RGB图像进行打标。

步骤3：用目标检测模型对打标图像进行训练，得到满足要求的目标检测模型。

步骤4：用户输入机器人要到达的目标。

步骤5：机器人通过自身搭载的RGB-D深度相机采集图片。

步骤6：机器人根据RGB图通过目标检测模型进行目标检测。

步骤7：检测到目标后机器人根据彩色图与深度图计算目标位置的坐标。

步骤8：机器人根据运动控制策略朝向目标位置行进。

本发明实施例的基于深度学习的移动机器人视觉导航方法，以图片为输入，通过目标检测模型对目标进行识别，对目标大致基本方位进行认知，再根据深度图计算机器人距离目标的精确距离。使用轮式移动机器人搭载视觉传感器，成本低且能够识别室内环境中不同的物体，更加符合室内服务机器人的性能要求。

另外，根据本实施例的基于深度学习的视觉导航方法还具有如下附加的技术特征：

在步骤1中需要对图片进行处理，其中对图片的处理为缩放处理，采集到的图片像素值为640*480，经过缩放后像素值为320*240。