[发明专利]基于深度学习的自主导航与避障系统

说明书

本发明提供了一种基于深度学习的自主导航与避障系统，包括以下步骤：S1，对单目图像进行语义分割，从而对障碍物进行分割并确定水域边界，并检测船舶与障碍物之间的距离；S2，将语义分割结果传递给语义点云，生成驾驶推荐地图；S3，通过全球定位系统GPS来进行全局路径规划，定位船舶的绝对位置，并进行局部路径规划；S4，通过局部路径规划来设计船舶的最快路径和最短路径；S5，通过语义点云来训练深度学习模型，通过深度强化学习进行船舶运动规划，进而控制船舶的转向和速度，实现船舶的自主移动导航。在本申请中，使用深度强化学习来控制舵机将舵向正确方向转动。此外，全局和局部路径规划可以找到最佳路线和最短、最安全的路径。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于深度学习的自主导航与避障系统。

背景技术

传统的船舶需要在人类干预的情况下进行航行，这增加了由人为错误疏忽引起的事故风险；因此需要一种自主船舶导航技术来跟随高效的路径，从而在没有人类干预的情况下使船舶自主导航行驶。船舶自主导航时，船舶需要在海洋或者河流中避免碰撞障碍物，则如何使船舶自发地转向和如何控制船舶的速度自主调节是具有挑战性的任务。

发明内容

针对现有技术中所存在的不足，本发明提供了一种基于深度学习的自主导航与避障系统，其解决了现有技术中存在的如何使船舶自发地转向和如何控制船舶的速度自主调节的问题。

本发明的上述技术目的是通过以下技术方案得以实现的：

基于深度学习的自主导航与避障系统，包括以下步骤：

S1，对单目图像进行语义分割，从而对障碍物进行分割并确定水域边界，并检测船舶与障碍物之间的距离；

S2，将语义分割结果传递给语义点云，生成驾驶推荐地图；

S3，通过全球定位系统GPS来进行全局路径规划，定位船舶的绝对位置，并进行局部路径规划；

S4，通过局部路径规划来设计船舶的最快路径和最短路径；

S5，通过语义点云来训练深度学习模型，通过深度强化学习进行船舶运动规划，进而控制船舶的转向和速度，实现船舶的自主移动导航。

本发明进一步设置为：步骤S1中，语义分割方法基于可通行区域和不可通行区域，其中可通行区域分为河流和海洋，分割区域由可通行区域的边界定义。

本发明进一步设置为：步骤S2中，生成驾驶建议地图时，制作障碍物点的图像轨迹，使用IBVS控制器进行跟踪，其中，第i个点P_i(w)的图像轨迹表示为w∈[0,1]，初始位置表示为w＝0，目标位置表示为$w＝1$，向量P_i(w)满足边界条件

P_i(w)和pi(w),i＝1,…,n定义为每个相机帧的参数，每个相机帧的物体点都与所有帧的P_i(w)相匹配，其中Wò[0,1]；

定义相对于F^o的相机姿态为F^*，则

P(F^*,F^o)＝{R,t}，

设Fd(w)为沿重建相机轨迹的相机帧，相对于F^o的Fd(w)的姿态定义为

P(F_d(w),F^o)＝{R(w),d(w)}，

第i个物体点的轨迹可以使用R(w)和d(w)表示为

其中是参数化的点深度，ui是相机帧F^o中的第i个物理点ρ_i，