【技術實現步驟摘要】
本專利技術涉及智能化機器人，尤其涉及一種機器人的自主導航方法及其系統。
技術介紹
1、隨著機器人在各個領域的廣泛應用，如何讓機器人能夠在不同的環境中自主地導航和避障成為了一個重要的研究課題。
2、然而，現有的導航方法往往依賴于對環境的準確建模和地圖信息，這在動態變化和未知的環境中是很難實現的。
3、因此，期待一種優化的機器人的自主導航方法。
技術實現思路
1、本專利技術實施例提供一種機器人的自主導航方法及其系統，其獲取由部署于機器人的攝像頭采集的障礙物表面圖像；提取所述障礙物表面圖像的障礙物局部狀態特征以得到障礙物表面局部區域狀態向量的序列；對所述障礙物表面局部區域狀態向量的序列進行全局特征提取以得到障礙物表面全局語義特征向量；以及，基于所述障礙物表面全局語義特征向量，確定所述機器人的導航策略。這樣，可以幫助機器人了解障礙物是否需要被清潔，以決定機器人的導航策略，即沿著障礙物移動還是改變行徑角度以繞開障礙物。
2、本專利技術實施例還提供了一種機器人的自主導航方法，其包括：
3、獲取由部署于機器人的攝像頭采集的障礙物表面圖像；
4、提取所述障礙物表面圖像的障礙物局部狀態特征以得到障礙物表面局部區域狀態向量的序列；
5、對所述障礙物表面局部區域狀態向量的序列進行全局特征提取以得到障礙物表面全局語義特征向量；以及
6、基于所述障礙物表面全局語義特征向量，確定所述機器人的導航策略。
7、本專利技
8、障礙物表面圖像獲取模塊，用于獲取由部署于機器人的攝像頭采集的障礙物表面圖像；
9、障礙物局部狀態特征提取模塊，用于提取所述障礙物表面圖像的障礙物局部狀態特征以得到障礙物表面局部區域狀態向量的序列；
10、全局特征提取模塊，用于對所述障礙物表面局部區域狀態向量的序列進行全局特征提取以得到障礙物表面全局語義特征向量；以及
11、機器人的導航策略確定模塊，用于基于所述障礙物表面全局語義特征向量，確定所述機器人的導航策略。
本文檔來自技高網...【技術保護點】
1.一種機器人的自主導航方法，其特征在于，包括：
2.根據權利要求1所述的機器人的自主導航方法，其特征在于，提取所述障礙物表面圖像的障礙物局部狀態特征以得到障礙物表面局部區域狀態向量的序列，包括：
3.根據權利要求2所述的機器人的自主導航方法，其特征在于，將所述障礙物表面圖像塊的序列通過基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器以得到所述障礙物表面局部區域狀態向量的序列，包括：使用所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的各層在層的正向傳遞中對輸入數據分別進行卷積處理、池化處理和非線性激活處理以由所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的最后一層的輸出為所述障礙物表面局部區域狀態向量的序列，其中，所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的第一層的輸入為所述障礙物表面圖像塊的序列。
4.根據權利要求3所述的機器人的自主導航方法，其特征在于，對所述障礙物表面局部區域狀態向量的序列進行全局特征提取以得到障礙物表面全局語義特征向量，包括：將所述障礙物表面局部區域狀態向量的
5.根據權利要求4所述的機器人的自主導航方法，其特征在于，將所述障礙物表面局部區域狀態向量的序列通過基于轉換器的全局特征提取器以得到所述障礙物表面全局語義特征向量，包括：使用所述基于轉換器的全局特征提取器對所述障礙物表面局部區域狀態向量的序列進行基于全局的上下文語義編碼以得到多個障礙物表面上下文特征向量；以及將所述多個障礙物表面上下文特征向量進行級聯以得到所述障礙物表面全局語義特征向量。
6.根據權利要求5所述的機器人的自主導航方法，其特征在于，基于所述障礙物表面全局語義特征向量，確定所述機器人的導航策略，包括：
7.根據權利要求6所述的機器人的自主導航方法，其特征在于，還包括訓練步驟：對所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器、所述基于轉換器的全局特征提取器和所述分類器進行訓練；
8.一種機器人的自主導航系統，其特征在于，包括：
9.根據權利要求8所述的機器人的自主導航系統，其特征在于，所述障礙物局部狀態特征提取模塊，包括：
10.根據權利要求9所述的機器人的自主導航系統，其特征在于，所述狀態提取單元，用于：
...【技術特征摘要】
1.一種機器人的自主導航方法，其特征在于，包括：
2.根據權利要求1所述的機器人的自主導航方法，其特征在于，提取所述障礙物表面圖像的障礙物局部狀態特征以得到障礙物表面局部區域狀態向量的序列，包括：
3.根據權利要求2所述的機器人的自主導航方法，其特征在于，將所述障礙物表面圖像塊的序列通過基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器以得到所述障礙物表面局部區域狀態向量的序列，包括：使用所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的各層在層的正向傳遞中對輸入數據分別進行卷積處理、池化處理和非線性激活處理以由所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的最后一層的輸出為所述障礙物表面局部區域狀態向量的序列，其中，所述基于使用空洞卷積核的卷積神經網絡模型的障礙物局部狀態提取器的第一層的輸入為所述障礙物表面圖像塊的序列。
4.根據權利要求3所述的機器人的自主導航方法，其特征在于，對所述障礙物表面局部區域狀態向量的序列進行全局特征提取以得到障礙物表面全局語義特征向量，包括：將所述障礙物表面局部區域狀態向量的序列通過基于轉換器的全局特征提取器以得到所述障礙物...
【專利技術屬性】
技術研發人員：賈國強，施洪銳，程巧，徐堅，
申請(專利權)人：浙江孚寶智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。