[发明专利]一种基于人工智能平台下的路径识别方法

说明书

本发明属于智能路径规划技术领域，具体涉及一种基于人工智能平台下的路径规划方法。本发明包括：采集具有路径的图像：采集具有路径的图像，对每张图像进行标类，根据定义的特征类型，建立数据联系，形成数据集；数据预处理：对原始图像计算整个数据集上每个像素的均值和标准差，对每张图像以50％概率翻转，同时进行归一化处理，得到预处理后的图像集合等步骤。本发明使用卷积神经网络进行图像识别，相比于传统方法,准确率更高,判断过程更加智能化，且可以应用于多种应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解，同时全卷积网络对图像大小和类型没有太多限制，增强了实用性。

技术领域

本发明属于智能路径规划技术领域，具体涉及一种基于人工智能平台下的路径规划方法。

背景技术

机器人是正在蓬勃发展的一个重要领域，集光学、电子学、测控技术、自动控制理论、信息技术、软件技术、计算机技术之大成，形成了一门综合的新技术。由于计算机技术的发展与普及，在全世界范围内，人类的生产已经从机械化、自动化逐步过渡到“智能”时代。

机器人技术综合了多学科的发展成果，代表了高技术的发展前沿，它在人类生活应用领域的不断扩大正在引起国际上重新认识机器人技术的作用和影响，随着机器人技术的不断发展与进步，许多新奇的机器人成员逐步进入到社会的各个领域，并且发挥着越来越重要的作用。它所具有的优势越来越受到世界各国普遍关注和重视，日益成为各国的核心技术。

机器人路径规划的研究背景一般有以下三类：

(1)已知环境与静态障碍物规避条件下的路径规划研究；

(2)已知环境与动态障碍物规避条件下的路径规划研究；

(3)未知环境或动态环境下的路径规划研究。

路径规划根据地图环境信息是否已知可以分为两大类：全局与局部路径规划。前者在已建立地图模型的基础上，一般可以完成点到点以及遍历地图的最短路径规划；后者主要应用于整体或局部环境不明晰的环境中，需要装备传感器对周围环境探测以确定可行域的范围。两者从本质上来说并无二异，局部路径规划的方法对于全局路径规划依然有效，而多数全局路径规划方法改进后便可以移植到局部路径规划的应用中。

路径规划算法依据基本原理又可以分为传统算法与智能仿生学算法。传统算法有Y算法、模糊逻辑算法与禁忌搜索算法等。但传统路径规划算法在大规模搜索中暴露出的效率低下，使人们不得不探索更为快速和更高适应性的方法。仿生智能算法在路径规划中的应用，是随着二十世纪末智能算法的探索与深入研宄而兴起于发展的，目前应用于机器人路径规划的有蚁群算法、神经网络算法、遗传算法、粒子群算法等。此类算法一般具有更高的搜索效率，但有时会陷入局部最优，甚至某些情况下效率会更低。

发明内容

本发明的目的在于提供一种高效率的基于人工智能平台下的路径规划方法。

本发明的目的是这样实现的：

一种基于人工智能平台下的路径规划方法，包括如下步骤：

(1)采集具有路径的图像：采集具有路径的图像，对每张图像进行标类，根据定义的特征类型，建立数据联系，形成数据集；

(2)数据预处理：对原始图像计算整个数据集上每个像素的均值和标准差，对每张图像以50％概率翻转，同时进行归一化处理，得到预处理后的图像集合；

所有均值图像为标准差为std，对于特定图像x，对其进行归一化如下：