本發(fā)明屬于計(jì)算機(jī)視覺(jué)識(shí)別技術(shù)領(lǐng)域，涉及一種移動(dòng)機(jī)器人對(duì)環(huán)境識(shí)別定位的方法，具體涉及一種移動(dòng)機(jī)器人對(duì)室內(nèi)環(huán)境進(jìn)行高效簡(jiǎn)單識(shí)別及定位的方法。

技術(shù)背景

目前移動(dòng)機(jī)器人室內(nèi)定位多數(shù)采用激光雷達(dá)掃描構(gòu)建二維地圖(如掃地機(jī)器人)定位和采用計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像特征提取和特征匹配等一系列復(fù)雜方法來(lái)完成物體識(shí)別和定位，這些方法的缺點(diǎn)是成本高和較復(fù)雜。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種新的移動(dòng)機(jī)器人室內(nèi)環(huán)境識(shí)別和定位的方法，與人對(duì)室內(nèi)環(huán)境識(shí)別和自身定位的方法相接近，并且對(duì)環(huán)境識(shí)別和定位的魯棒性增強(qiáng)，實(shí)時(shí)性強(qiáng)，效率更高。

本發(fā)明所采用的技術(shù)方案是：一種基于視覺(jué)的移動(dòng)機(jī)器人室內(nèi)環(huán)境識(shí)別定位方法，其特征在于，包括以下步驟：

步驟1：利用圖像數(shù)據(jù)庫(kù)，進(jìn)行深度學(xué)習(xí)，得出深度學(xué)習(xí)模型；

步驟2：確定拓?fù)涔?jié)點(diǎn)和確定節(jié)點(diǎn)自然路標(biāo)，構(gòu)建拓?fù)涞貓D；

步驟3：將每個(gè)節(jié)點(diǎn)自然路標(biāo)以單詞形式命名，構(gòu)建詞袋模型；

步驟4：實(shí)時(shí)采集圖像，利用深度學(xué)習(xí)模型，對(duì)自然路標(biāo)進(jìn)行識(shí)別；

步驟5：利用步驟4中自然路標(biāo)識(shí)別結(jié)果，結(jié)合詞袋模型，進(jìn)行自然路標(biāo)匹配；

步驟6：利用匹配結(jié)果，結(jié)合拓?fù)涞貓D，進(jìn)行模糊推理，實(shí)現(xiàn)室內(nèi)環(huán)境識(shí)別定位。

本發(fā)明的優(yōu)點(diǎn)在于：

(1)通過(guò)深度學(xué)習(xí)的方法對(duì)室內(nèi)環(huán)境物體識(shí)別，準(zhǔn)確率和效率都比傳統(tǒng)圖像特征匹配法高；

(2)構(gòu)建室內(nèi)環(huán)境拓?fù)涞貓D和詞袋模型，比激光雷達(dá)構(gòu)建二維地圖成本要低，并且方法簡(jiǎn)單，更向人工智能靠近。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例的移動(dòng)機(jī)器人離線(xiàn)狀態(tài)下需要完成任務(wù)的流程圖；

圖2是本發(fā)明實(shí)施例的移動(dòng)機(jī)器人在線(xiàn)狀態(tài)下完成識(shí)別定位流程圖。

具體實(shí)施方式

為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說(shuō)明和解釋本發(fā)明，并不用于限定本發(fā)明。

本實(shí)施例首先移動(dòng)機(jī)器人在離線(xiàn)狀態(tài)下對(duì)圖像數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)，得到訓(xùn)練模型，同時(shí)構(gòu)建拓?fù)涞貓D和詞袋庫(kù)，然后移動(dòng)機(jī)器人在線(xiàn)狀態(tài)下通過(guò)攝像頭采集實(shí)時(shí)圖像，輸入訓(xùn)練好的模型，識(shí)別出實(shí)時(shí)圖像中的自然路標(biāo)，最后通過(guò)自然路標(biāo)匹配，結(jié)合詞袋庫(kù)和拓?fù)涞貓D就可以模糊推理出移動(dòng)機(jī)器人的大概位置。

本發(fā)明提供的一種基于視覺(jué)的移動(dòng)機(jī)器人室內(nèi)環(huán)境識(shí)別定位方法，其特征在于，包括以下步驟：

步驟1：利用圖像數(shù)據(jù)庫(kù)，進(jìn)行深度學(xué)習(xí)，得出深度學(xué)習(xí)模型；

圖像數(shù)據(jù)庫(kù)運(yùn)用現(xiàn)有的imagenet數(shù)據(jù)集，采用卷積神經(jīng)網(wǎng)絡(luò)(cnn)提取圖像特征，采用cnn訓(xùn)練其中一個(gè)優(yōu)點(diǎn)能權(quán)重(卷積核)共享，就是直接用世界上別人訓(xùn)練效果非常好的權(quán)重參數(shù)，再根據(jù)實(shí)際任務(wù)(需要識(shí)別分類(lèi)哪些物體)，通過(guò)fineturn算法對(duì)自己要訓(xùn)練的網(wǎng)絡(luò)進(jìn)行參數(shù)初始化和一些模塊參數(shù)改變。最終得到自己想要的深度學(xué)習(xí)模型。

步驟2：確定拓?fù)涔?jié)點(diǎn)和確定節(jié)點(diǎn)自然路標(biāo)，構(gòu)建拓?fù)涞貓D；

具體實(shí)現(xiàn)包括以下子步驟：

步驟2.1：將室內(nèi)環(huán)境中預(yù)定位置(例如：廚房、客廳、臥室、陽(yáng)臺(tái)、走廊、書(shū)房、衛(wèi)生間這些空間分別設(shè)定為不同的節(jié)點(diǎn))設(shè)定為拓?fù)涔?jié)點(diǎn)；

步驟2.2：將每個(gè)節(jié)點(diǎn)自然路標(biāo)以單詞形式命名，節(jié)點(diǎn)與節(jié)點(diǎn)間連線(xiàn)為走道。

步驟3：將每個(gè)節(jié)點(diǎn)自然路標(biāo)以單詞形式命名，構(gòu)建詞袋模型；

節(jié)點(diǎn)自然路標(biāo)主要由一些特定物體組成(廚房里固定的物體如鍋、油煙機(jī)、冰箱等可視作自然路標(biāo))，節(jié)點(diǎn)處這些物體組成小詞袋。

步驟4：實(shí)時(shí)采集圖像，利用深度學(xué)習(xí)模型，對(duì)自然路標(biāo)進(jìn)行識(shí)別；然后以單詞形式輸出。

步驟5：利用步驟4中自然路標(biāo)識(shí)別結(jié)果，結(jié)合詞袋模型，進(jìn)行自然路標(biāo)匹配；

步驟6：利用匹配結(jié)果，結(jié)合拓?fù)涞貓D，進(jìn)行模糊推理，實(shí)現(xiàn)室內(nèi)環(huán)境識(shí)別定位。

請(qǐng)見(jiàn)圖1和圖2，本實(shí)施例的深度學(xué)習(xí)、構(gòu)建拓?fù)涞貓D、建立詞袋模型和標(biāo)定節(jié)點(diǎn)自然路標(biāo)都是離線(xiàn)狀態(tài)執(zhí)行的；而實(shí)時(shí)采集圖像、自然路標(biāo)識(shí)別、單詞匹配、模糊推理都必須在線(xiàn)狀態(tài)執(zhí)行。

應(yīng)當(dāng)理解的是，本說(shuō)明書(shū)未詳細(xì)闡述的部分均屬于現(xiàn)有技術(shù)。

應(yīng)當(dāng)理解的是，上述針對(duì)較佳實(shí)施例的描述較為詳細(xì)，并不能因此而認(rèn)為是對(duì)本發(fā)明專(zhuān)利保護(hù)范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán)利要求所保護(hù)的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護(hù)范圍之內(nèi)，本發(fā)明的請(qǐng)求保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。

技術(shù)特征：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于視覺(jué)的移動(dòng)機(jī)器人室內(nèi)環(huán)境識(shí)別定位方法，首先移動(dòng)機(jī)器人在離線(xiàn)狀態(tài)下對(duì)圖像數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)，得到深度學(xué)習(xí)模型，同時(shí)構(gòu)建拓?fù)涞貓D和詞袋模型，然后移動(dòng)機(jī)器人在線(xiàn)狀態(tài)下通過(guò)攝像頭采集實(shí)時(shí)圖像，輸入深度學(xué)習(xí)模型，識(shí)別出實(shí)時(shí)圖像中的自然路標(biāo)，最后通過(guò)自然路標(biāo)匹配，結(jié)合詞袋庫(kù)和拓?fù)涞貓D就可以模糊推理出移動(dòng)機(jī)器人的大概位置。本發(fā)明通過(guò)深度學(xué)習(xí)的方法對(duì)室內(nèi)環(huán)境物體識(shí)別，準(zhǔn)確率和效率都比傳統(tǒng)圖像特征匹配法高；構(gòu)建室內(nèi)環(huán)境拓?fù)涞貓D和詞袋模型，比激光雷達(dá)構(gòu)建二維地圖成本要低，并且方法簡(jiǎn)單，更向人工智能靠近。

技術(shù)研發(fā)人員：劉訪(fǎng);趙慧;舒作武;周爽;張錦
受保護(hù)的技術(shù)使用者：武漢科技大學(xué)
技術(shù)研發(fā)日：2017.07.07
技術(shù)公布日：2017.09.15