【技術實現(xiàn)步驟摘要】
本申請涉及機器人，特別是涉及一種障礙物的檢測方法、裝置、電子設備和計算機可讀存儲介質(zhì)。
技術介紹
1、隨著機器人技術的發(fā)展，機器人不僅可以在人為操控下工作，還可以自主分析周圍的環(huán)境并基于周圍的環(huán)境進行一些工作。例如，在遇到障礙物時機器人可以分析當前與該障礙物的距離，從而確定行駛路線以繞開該障礙物。然而，在目前的繞障方法中，機器人可能無法繞開一些特殊物體，例如反射率在特定范圍內(nèi)的物體，從而可能導致機器人與這類障礙物發(fā)生碰撞。
技術實現(xiàn)思路
1、基于此，有必要針對上述技術問題，提供一種能夠增加可檢測出的障礙物的類型，進而提高障礙物的檢測精度的障礙物的檢測方法、裝置、計算機設備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。
2、第一方面，本申請?zhí)峁┝艘环N障礙物的檢測方法，包括：
3、獲得機器人拍攝的待檢測圖像；
4、將所述待檢測圖像輸入至障礙物檢測模型中，通過所述障礙物檢測模型確定所述待檢測圖像中的接地線對應的關鍵點信息，和所述待檢測圖像中各個像素對應的語義分割信息，所述語義分割信息用于表征所述待檢測圖像中各個像素的類別；
5、基于所述關鍵點信息確定所述待檢測圖像中歸屬于接地線的第一像素信息，基于所述語義分割信息確定所述待檢測圖像中歸屬于接地線的第二像素信息；
6、基于所述第一像素信息和所述第二像素信息，確定歸屬于障礙物的目標像素；
7、基于所述目標像素確定所述障礙物相對于所述機器人的預測位置，基于所述目標像素對應的語義分割
8、在其中一個實施例中，所述基于所述目標像素確定所述障礙物相對于所述機器人的預測位置，基于所述目標像素對應的語義分割信息確定所述障礙物的預測類別之后，包括：
9、基于映射表和所述預測位置獲得所述障礙物在障礙物地圖上的實際位置，基于所述實際位置獲得所述機器人和所述障礙物之間的實際距離，基于所述實際距離和所述障礙物地圖確定所述機器人的行駛區(qū)域，所述映射表用于表征位置信息所在的像素坐標系與所述實際距離所在的世界坐標系之間的映射關系；
10、若基于所述預測類別確定所述障礙物為動態(tài)障礙物，則設置所述障礙物在所述障礙物地圖上的衰減系數(shù)為第一衰減系數(shù)；若基于所述預測類別確定所述障礙物為靜態(tài)障礙物，則設置所述障礙物在所述障礙物地圖上的衰減系數(shù)為第二衰減系數(shù)，所述第一衰減系數(shù)大于所述第二衰減系數(shù)。
11、在其中一個實施例中，所述關鍵點信息包括檢測框信息和關鍵像素點，所述基于所述關鍵點信息確定所述待檢測圖像中的第一接地線像素信息，包括：
12、將所述檢測框信息對應的檢測框內(nèi)的關鍵像素點依次連接，得到連接線；
13、基于所述連接線的像素點得到所述第一像素信息。
14、在其中一個實施例中，所述獲得待檢測圖像之前，包括：
15、獲取訓練樣本，所述訓練樣本包括標注圖像和所述標注圖像中的接地線的標注信息；
16、基于所述標注信息中的接地線標注點和接地線標注類別獲得所述標注圖像中的每個像素的標注類別以得到所述標注圖像的語義分割標注信息，基于所述接地線標注點得到所述標注圖像中的接地線的關鍵點標注信息；
17、基于所述標注圖像和對應的所述語義分割標注信息對待訓練模型的語義網(wǎng)絡進行訓練，基于所述標注圖像和對應的所述關鍵點標注信息對所述待訓練模型的關鍵點網(wǎng)絡進行訓練，以得到所述障礙物檢測模型。
18、在其中一個實施例中，所述基于所述標注圖像和對應的所述語義分割信息對待訓練模型的語義網(wǎng)絡進行訓練包括：
19、基于所述待訓練網(wǎng)絡的語義網(wǎng)絡獲得所述標注圖像的語義分割預測信息；
20、將所述語義分割預測信息和所述語義分割標注信息代入語義損失函數(shù)，所述語義損失函數(shù)包括第一損失函數(shù)和第二損失函數(shù)，所述第一損失函數(shù)用于調(diào)整所述語義分割預測信息與所述語義分割標注信息之間的相似程度，所述第二損失函數(shù)用于調(diào)整所述訓練樣本的難易平衡程度；
21、基于所述語義損失函數(shù)對所述語義網(wǎng)絡進行訓練。
22、在其中一個實施例中，所述關鍵點標注信息包括第一類關鍵點標注信息和第二類關鍵點標注信息，所述第一類關鍵點標注信息用于標注第一類接地線的關鍵點信息，所述第一類接地線上的關鍵點數(shù)量為第一數(shù)量，所述第二類關鍵點標注信息用于標注第二類接地線的關鍵點信息，所述第二類接地線上的關鍵點數(shù)量為第二數(shù)量，所述第一數(shù)量小于所述第二數(shù)量，所述關鍵點網(wǎng)絡包括第一關鍵點網(wǎng)絡和第二關鍵點網(wǎng)絡，所述第一關鍵點網(wǎng)絡用于訓練第一類接地線，所述第二關鍵點網(wǎng)絡用于訓練第二類接地線，所述基于所述標注圖像和對應的所述關鍵點標注信息對所述待訓練模型的關鍵點網(wǎng)絡進行訓練，包括：
23、基于所述第一類關鍵點標注信息和對應的標注圖像對所述第一關鍵點網(wǎng)絡進行訓練；
24、基于所述第二類關鍵點標注信息和對應的標注圖像對所述第二關鍵點網(wǎng)絡進行訓練。
25、在其中一個實施例中，所述基于所述第一類關鍵點標注信息和對應的標注圖像對所述第一關鍵點網(wǎng)絡進行訓練，包括：
26、基于所述第一關鍵點網(wǎng)絡對所述標注圖像中的第一類關鍵點進行預測，得到第一類關鍵點預測信息；
27、將所述第一類關鍵點預測信息和所述第一類關鍵點標注信息代入第一類關鍵點損失函數(shù)；
28、基于所述第一類關鍵點損失函數(shù)對所述第一關鍵點網(wǎng)絡進行訓練；
29、所述基于所述第二類關鍵點標注信息和對應的標注圖像對所述第二關鍵點網(wǎng)絡進行訓練，包括：
30、基于所述第二關鍵點網(wǎng)絡對所述標注圖像中的第二類關鍵點進行預測，得到第二類關鍵點預測信息；
31、將所述第二類關鍵點預測信息和所述第二類關鍵點標注信息代入第二類關鍵點損失函數(shù)；
32、基于所述第二類關鍵點損失函數(shù)對所述第二關鍵點網(wǎng)絡進行訓練。
33、第二方面，本申請還提供了一種障礙物的檢測裝置，包括：
34、圖像獲取模塊，用于獲得機器人拍攝的待檢測圖像；
35、信息預測模塊，用于將所述待檢測圖像輸入至障礙物檢測模型中，通過所述障礙物檢測模型確定所述待檢測圖像中的接地線對應的關鍵點信息，和所述待檢測圖像中各個像素對應的語義分割信息，所述語義分割信息用于表征所述待檢測圖像中各個像素的類別；
36、信息處理模塊，用于基于所述關鍵點信息確定所述待檢測圖像中歸屬于接地線的第一像素信息，基于所述語義分割信息確定所述待檢測圖像中歸屬于接地線的第二像素信息；基于所述第一像素信息和所述第二像素信息，確定歸屬于障礙物的目標像素；
37、障礙物信息檢測模塊，用于基于所述目標像素確定所述障礙物相對于所述機器人的預測位置，基于所述目標像素對應的語義分割信息確定所述障礙物的預測類別。
38、第三方面，本申請還提供了一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算本文檔來自技高網(wǎng)...
【技術保護點】
1.一種障礙物的檢測方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的檢測方法，其特征在于，所述基于所述目標像素確定所述障礙物相對于所述機器人的預測位置，基于所述目標像素對應的語義分割信息確定所述障礙物的預測類別之后，包括：
3.根據(jù)權利要求1所述的檢測方法，其特征在于，所述關鍵點信息包括邊界框信息和關鍵像素點，所述基于所述關鍵點信息確定所述待檢測圖像中歸屬于接地線的第一像素信息，包括：
4.根據(jù)權利要求1所述的檢測方法，其特征在于，所述獲得待檢測圖像之前，包括：
5.根據(jù)權利要求4所述的檢測方法，其特征在于，所述基于所述標注圖像和對應的所述語義分割信息對待訓練模型的語義網(wǎng)絡進行訓練包括：
6.根據(jù)權利要求4所述的檢測方法，其特征在于，所述關鍵點標注信息包括第一類關鍵點標注信息和第二類關鍵點標注信息，所述第一類關鍵點標注信息用于標注第一類接地線的關鍵點信息，所述第一類接地線上的關鍵點數(shù)量為第一數(shù)量，所述第二類關鍵點標注信息用于標注第二類接地線的關鍵點信息，所述第二類接地線上的關鍵點數(shù)量為第二數(shù)量，所述第一數(shù)量小于
7.根據(jù)權利要求6所述的檢測方法，其特征在于，所述基于所述第一類關鍵點標注信息和對應的標注圖像對所述第一關鍵點網(wǎng)絡進行訓練，包括：
8.一種障礙物的檢測裝置，其特征在于，所述裝置包括：
9.一種電子設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權利要求1至7中任一項所述的方法的步驟。
...【技術特征摘要】
1.一種障礙物的檢測方法，其特征在于，所述方法包括：
2.根據(jù)權利要求1所述的檢測方法，其特征在于，所述基于所述目標像素確定所述障礙物相對于所述機器人的預測位置，基于所述目標像素對應的語義分割信息確定所述障礙物的預測類別之后，包括：
3.根據(jù)權利要求1所述的檢測方法，其特征在于，所述關鍵點信息包括邊界框信息和關鍵像素點，所述基于所述關鍵點信息確定所述待檢測圖像中歸屬于接地線的第一像素信息，包括：
4.根據(jù)權利要求1所述的檢測方法，其特征在于，所述獲得待檢測圖像之前，包括：
5.根據(jù)權利要求4所述的檢測方法，其特征在于，所述基于所述標注圖像和對應的所述語義分割信息對待訓練模型的語義網(wǎng)絡進行訓練包括：
6.根據(jù)權利要求4所述的檢測方法，其特征在于，所述關鍵點標注信息包括第一類關鍵點標注信息和第二類關鍵點標注信息，所述第一類關鍵點標注信息用于標注第一類接地線的關鍵點信息，所述第一類接地線上的關鍵點數(shù)量為第一數(shù)量，...
【專利技術屬性】
技術研發(fā)人員：鄭敏鵬，
申請(專利權)人：深圳市普渡科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。