[发明专利]基于扫地机的障碍物识别方法、电子装置及存储介质

权利要求书

1.一种基于扫地机的障碍物识别方法，应用于电子装置，其特征在于，所述方法包括：

接收步骤：获取预先配置的图像采集设备采集的原始图像，对所述原始图像执行预处理操作得到目标图像；

第一识别步骤：基于预设的特征提取规则提取出所述目标图像的特征向量，将所述目标图像的特征向量输入预先训练好的障碍物识别模型，得到所述目标图像的第一识别结果；

第二识别步骤：将所述目标图像的特征向量与第一预设数据库中各参考障碍物图像的特征向量进行相似度识别，得到所述目标图像的第二识别结果；

控制步骤：基于所述第一识别结果、所述第二识别结果及预设判断规则得到目标识别结果，基于所述目标识别结果对扫地机执行避障控制。

2.如权利要求1所述的基于扫地机的障碍物识别方法，其特征在于，所述基于预设的特征提取规则提取出所述目标图像的特征向量包括：

构建MobileNetV2网络，将所述目标图像输入所述MobileNetV2网络，将所述MobileNetV2网络的输出特征向量作为所述目标图像对应的特征向量。

3.如权利要求1所述的基于扫地机的障碍物识别方法，其特征在于，所述预先训练好的障碍物识别模型是通过卷积神经网络模型训练得到的，具体训练过程包括：

获取预设数量的样本图像，对各所述样本图像标注预设标签，利用预设的特征提取规则提取出各样本图像的特征向量；

将各样本图像的特征向量作为变量、各样本图像的预设标签作为因变量生成样本集；

将所述样本集按照预设比例分成训练集及验证集；

利用所述训练集中的各所述变量及各所述因变量对所述卷积神经网络模型进行训练，每隔预设周期使用所述验证集对所述卷积神经网络模型进行验证，利用所述验证集中各所述变量及各所述因变量对该卷积神经网络模型的准确率进行验证；及

当验所述准确率大于第一预设阈值时结束训练，得到障碍物识别模型。

4.如权利要求1所述的基于扫地机的障碍物识别方法，其特征在于，所述第二识别步骤包括：

利用余弦相似度算法分别计算所述目标图像的特征向量与第一预设数据库中各参考障碍物图像的特征向量的相似度值，将计算得到的相似度值由大到小进行排序，选取最大值作为所述第二识别结果。

5.如权利要求4所述的基于扫地机的障碍物识别方法，其特征在于，所述方法还包括：

当所述第二识别结果小于第二预设阈值时，将所述目标图像的特征向量与第二预设数据库中各参考障碍物图像的特征向量进行相似度识别，将该识别结果作为所述第二识别结果。

6.如权利要求1至5中任意一项所述的基于扫地机的障碍物识别方法，其特征在于，所述基于所述第一识别结果、所述第二识别结果及预设判断规则得到目标识别结果包括：

判断所述第一识别结果的置信度是否大于第三预设阈值，当所述第一识别结果的置信度大于第三预设阈值时，判断所述第二识别结果是否大于第四预设阈值，若所述第二识别结果大于第四预设阈值，则所述目标识别结果为第一预设类型的障碍物；

当所述第一识别结果的置信度小于或等于第三预设阈值时，且当所述第二识别结果大于第五预设阈值时，则所述目标识别结果为第一预设类型的障碍物；

当所述第一识别结果的置信度小于或等于第三预设阈值时，且当所述第二识别结果小于或等于第四预设阈值时，则所述目标识别结果为第二预设类型的障碍物。