[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

说明书

本发明涉及数据处理技术，提供了一种基于扫地机的障碍物识别方法、电子装置及存储介质。该方法通过获取预先配置的图像采集设备采集的原始图像，对原始图像执行预处理操作得到目标图像，基于预设的特征提取规则提取出目标图像的特征向量，将目标图像的特征向量输入预先训练好的障碍物识别模型，得到目标图像的第一识别结果，将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，得到目标图像的第二识别结果，根据第一识别结果、第二识别结果及预设判断规则得到目标识别结果，基于目标识别结果对扫地机执行避障控制。利用本发明，扫地机可以准确地识别障碍物是否可以跨越，提高避障效率。

技术领域

本发明涉及数据处理领域，尤其涉及一种基于扫地机的障碍物识别方法、电子装置及存储介质。

背景技术

随着科技的不断进步，智能扫地机的技术得到了快速发展，障碍物检测和避让是其智能化水平的重要体现。

良好的避障功能是扫地机安全行走的重要保障。目前的智能扫地机在工作过程中，无法智能判断前方地形，导致其无法针对性的进行规避，影响了扫地机的工作效率，现有的做法大多是在扫地机前侧额外设置前挡板，以避免扫地机前侧磕碰受损。

因此，如何让扫地机自动准确地判断识别障碍物是否可以跨越，已成为本领域技术人员亟待解决的技术问题。

发明内容

鉴于以上内容，本发明提供一种基于扫地机的障碍物识别方法、电子装置及存储介质，其目的在于现有技术中扫地机无法判断识别障碍物是否可以跨越，导致不能有效避障的技术问题。

为实现上述目的，本发明提供一种基于扫地机的障碍物识别方法，该方法包括：

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。

优选的，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。

优选的，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。

优选的，所述第二识别步骤包括：