[发明专利]一种基于卷积神经网络的机器人视觉定位方法

摘要

本发明公开了一种机器人视觉定位方法，包括图像采集和训练样本标签生成、算法训练、测试三个步骤，步骤一、图像采集和训练样本标签生成：机器人在一特定房间内，摄像头朝上记录多帧连续拍摄的影像，该特定房间天花板上放置由三条直线L1、L2、L3组成的门型标志，摄像头拍摄的每一帧图像都包含门型标志，利用门型标志的三条直线的定位算法来得到物体位姿的闭式解，即旋转角度R和位移T；步骤二、算法训练：采用卷积神经网络训练样本对；步骤三、测试：用生成式对抗网络训练以提高鲁棒性。本发明解决了现有视觉定位系统存在的局限性问题。

主权项

1.一种机器人视觉定位方法，包括图像采集和训练样本标签生成、算法训练、测试三个步骤，其特征在于：步骤一、图像采集和训练样本标签生成：机器人在一特定房间内，摄像头朝上记录多帧连续拍摄的影像，该特定房间天花板上放置由三条直线L1、L2、L3组成的门型平面靶标，摄像头拍摄的每一帧图像都包含门型标志，利用门型标志的三条直线的定位算法来得到摄像头位姿的闭式解，即旋转角度R和位移T；步骤二、算法训练：采用卷积神经网络训练样本对，以连续图像帧作为训练样本对，求两帧图像相对的位移T以及旋转角度R，生成包含位移信息和旋转角度信息的图像样本对，第一次训练以连续两帧图像作为CNN的输入，样本对对应的相对旋转角度作为输出，第二次训练用同样两帧图像和其对应的旋转角度为输入，相对平移距离为输出；步骤三、测试：用生成式对抗网络训练以提高鲁棒性，使用GAN在原有样本对上输入噪声，构造出过亮或过暗场景的样本对，用生成的对抗样本来训练上述的CNN，根据最后的输出结果回传损失函数，进一步调整CNN的参数，提高该CNN的鲁棒性。