[发明专利]一种基于深度学习的扫地机器人智能避障系统及方法

说明书

本发明公开了一种基于深度学习的扫地机器人智能避障系统及方法，该系统包括GPU、AI芯片、存储器、触发响应装置和四个摄像头，初始化时，扫地机器人的一个摄像头始终正对障碍物边缘表面，沿着障碍物边缘实时拍摄临界场景图像传输至GPU，由AI芯片进行基于深度学习的场景图像特征提取，获得临界场景特征输入存储器保存；正式作业时，四个摄像头拍摄实时场景图像传输至GPU，由AI芯片进行实时场景图像特征提取，并将实时场景图像特征与存储器的临界特征进行比较，如果在一定误差范围内，则由GPU发出脉冲，启动触发响应装置，引导扫地机器人重新规划路径，实现避障功能。本发明提升了避障的反应速度和精度，对波敏性或光敏性家居设备和人体没有伤害。

技术领域

本发明属于人工智能计算机视觉领域，具体涉及一种基于深度学习的扫地机器人智能避障系统及方法。

背景技术

绝大多数扫地机器人在避障功能设计方面采用的均是基于测距的避障策略，最基本的测距方法是超声波测距，目前一部分扫地机器人仍然在使用。还有一些有名的品牌机器人生产厂家，例如科沃斯，小米等等，均开始运用较为先进的激光雷达测距技术，从而使得测距结果精确度高，错误率少，在避障效果方面较先前取得了很大的进步。可是经过对运用激光雷达测距技术来实现避障的科沃斯扫地机器人实际工作过程观察，发现对于平面对象来说已经比较成熟了，几乎不会发生错误，但是对于曲面对象，乃至不规则面对象，就会频频发生错误。这种问题如果不解决，轻则使得家居用品和扫地机器人容易折旧，缩短使用寿命；重则对于一些价值量高，容易倾倒的家居用品来说，一旦被撞翻，就会引起经济损失，同时又会破坏地板。

发明内容

本发明的目的在于提供一种基于深度学习的扫地机器人智能避障系统及方法。

实现本发明目的的技术解决方案为：一种基于深度学习的扫地机器人智能避障系统，包括GPU、AI芯片、存储器、触发响应装置和四个摄像头，其中四个摄像头均匀排布在扫地机器人边缘，用于拍摄实时视觉场景；所述GPU安装在扫地机器人内部，用于对实时拍摄的视觉场景图像进行特征提取和场景识别；所述AI芯片安装在GPU内部，用于存储基于深度学习的特征提取和场景识别算法；所述存储器安装在扫地机器人内部，用于存储避障响应临界图像，以及对应的图像的特征；所述触发响应装置安装在扫地机器人内部，用于判断是否有障碍物，执行避障操作。

作为一种优选实施方式，所述AI芯片，其特征提取算法在进行场景图像特征提取前，采用中值滤波算法进行图像去噪。

一种基于深度学习的扫地机器人智能避障方法，包括如下步骤：

步骤一：扫地机器人避障功能初始化

控制扫地机器人的一个摄像头始终正对障碍物边缘表面，沿着障碍物边缘实时拍摄临界场景图像传输至GPU，由AI芯片进行基于深度学习的场景图像特征提取，获得临界场景特征输入存储器进行保存；

步骤二：扫地机器人正式作业实现避障功能

四个摄像头拍摄实时场景图像传输至GPU，由AI芯片进行实时场景图像特征提取，并将实时场景图像特征与存储器的临界特征进行比较，如果在一定误差范围内，则由GPU发出脉冲，启动触发响应装置，引导扫地机器人重新规划路径，实现避障功能，否则持续避障监控。

作为一种优选实施方式，进行场景图像特征提取前，采用中值滤波算法进行图像去噪。

本发明与现有技术相比，其显著优点为：本发明利用深度学习技术实现视觉场景智能识别，使得扫地机器人能对障碍物进行实时响应，重新规划路径，完成智能避障，反应更加迅速，灵敏度更高，避障效果更好，并且无须发射超声波和激光，对一些波敏性或光敏性家居设备乃至对人体没有伤害。

附图说明

图1是卷积神经网络的结构示意图。

图2是扫地机器人避障功能硬件结构图。