[发明专利]一种基于仿生学的自主移动平台环境感知与建图方法

权利要求书

1.一种基于仿生学的自主移动平台环境感知与建图方法，其特征在于，包括以下步骤：

S1、收集自动驾驶数据集，将图片送入改进语义分割网络，对改进语义分割网络进行训练；

S2、初始化双目视觉和IMU联合；

S3、融合双目视觉和IMU；

S4、构建仿生学细胞模型；

S5、构建认知地图。

2.根据权利要求1所述的一种基于仿生学的自主移动平台环境感知与建图方法，其特征在于：所述改进的卷积神经网络用于语义建模，改进的卷积神经网络包括特征提取层、特征融合层、特征编码层、特征解码层；在特征提取阶段，使用改进的带有可分离卷积的编码器-解码器网络的DeepLab网络，通过多个卷积层充分提取输入图像的特征，与大小分别为c*c和b*b的空洞卷积核做运算提取特征，结果再通过一个c*c的卷积送入特征解码层进行像素预测；解码阶段首先对特征图进行4倍上采样，然后与conv3底层特征进行连接操作并通过大小为3的卷积核，扩展4倍得到语义分割结果，从中提取语义类别向量；在中间卷积层添加大小为1的卷积核，将特征图转化为一维的对象特征向量，合并语义分割向量和对象特征向量得到语义地点向量。

3.根据权利要求2所述的一种基于仿生学的自主移动平台环境感知与建图方法，其特征在于：步骤S1具体为：

S1-1、收集自动驾驶数据集中道路的图片，将所述图片划分为矩形区域，按照比例划分训练集、测试集和验证集；

S1-2、将训练集中的图片送入改进的语义分割网络，在训练集上进行语义分割测试，保存对数据集进行语义分割得到的效果较优的一组网络参数。

4.根据权利要求3所述的一种基于仿生学的自主移动平台环境感知与建图方法，其特征在于：初始化双目视觉包括以下步骤：

S2-1、对双目摄像头模块进行联合标定，用矩阵具体表示从相机坐标系到世界坐标系的对应关系：

其中Xc、Yc、Zc是相机坐标系的点，Xw、Yw、Zw是世界坐标系，R为相机坐标系相对于世界坐标系的旋转矩阵，t为相机坐标系相对于世界坐标系的平移矩阵，M₁是关于相机的内部参数的矩阵：

成像点到像素坐标系原点的平移向量为[d_x,d_y]^T，设焦距为f，其单位是像素，则像素点[u,v]^T到图像坐标系的变换为：

其中x、y为图像坐标系的坐标，u₀和v₀为成像平面长和宽的一半；

相机坐标系平面上的点与图像坐标系的变换矩阵为：

联立上式可得图像坐标系到世界坐标系的转换公式，该式用来进行双目摄像头标定，

其中M₁是关于相机的内部参数的矩阵，M₂是关于摄影机外部参数的矩阵，两个矩阵是等式所述的齐次变换矩阵的简化表示，矩阵M表示归一化的内外参数矩阵，P_w为空间点的三维坐标；给定标定板的若干点的坐标，带入标定板对应点的图像坐标和世界系坐标，求得相机的参数矩阵M，矩阵M用于计算双目摄像机匹配点的空间位置；

S2-2、运行双目摄像头模块和IMU模块，利用双目视觉同时定位与建图(simultaneouslocalization and mapping(SLAM)测量的每个关键帧的位姿进行惯性测量单元(IMU)的初始化，计算如下参数：尺度、重力方向、速度、加速度和陀螺仪的偏置；IMU坐标系由B表示，世界坐标系用W表示，以一定的时间间隔Δt来采样IMU输出，测量IMU的加速度_Wa(t)和角速度_Bω_WB(t)，IMU测量模型为：

其中_Bω′_WB(t)∈R³表示在坐标系B下陀螺仪相对于世界坐标系下瞬时角速度ω的真值，其中b^g(t)表示随时间t缓慢变化的IMU内部误差，η^g(t)为测量白噪声，_Wa(t)∈R³表示W坐标下IMU的瞬时加速度，g_W表示世界坐标系W下重力加速度矢量，_Ba′(t)表示在坐标系B下陀螺仪相对于世界坐标系下瞬时加速度a的真值，R_WB^T(t)表示坐标系B下陀螺仪相对于世界坐标系W的旋转矩阵的转置，b^a(t)表示随时间t缓慢变化的IMU的加速度误差，η^a(t)表示加速度的测量白噪声。