机器人导航方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请适用于图像处理技术领域，提供了一种机器人导航方法、装置、终端设备及计算机可读存储介质方法，包括：获取机器人前方道路的待处理图像；从所述待处理图像中分割出初始通行区域；检测所述待处理图像中目标障碍物的第一位置信息；根据所述初始通行区域和所述第一位置信息，确定目标通行区域；根据所述目标通行区域控制所述机器人运动。通过上述方法，可以在保证机器人导航精度的同时，提高导航效率，进而保证实时、有效地控制机器人运动。

【技术实现步骤摘要】
机器人导航方法、装置、终端设备及计算机可读存储介质
本申请属于图像处理
，尤其涉及一种机器人导航方法、装置、终端设备及计算机可读存储介质。
技术介绍
机器人的导航与建图(simultaneouslocalizationandmapping，SLAM)是机器人应用的关键技术。该项技术是指，机器人在未知环境中从一个未知位置开始移动，在移动过程中根据估计出的位置进行自身定位，同时在自身定位的基础上构建地图，以实现机器人的自主定位和导航。现有技术中，通常需要检测出机器人前方道路图像中的每个物体。这种方法虽然有利于精准地进行机器人导航，但是该方法需要对图像进行逐像素处理，数据处理量较大，对机器人的硬件运算能力要求较高。当硬件运算能力较低时，无法实时、有效地控制机器人运动。
技术实现思路
本申请实施例提供了一种机器人导航方法、装置、终端设备及计算机可读存储介质，可以在保证机器人导航精度的同时，提高导航效率，进而保证实时、有效地控制机器人运动。第一方面，本申请实施例提供了一种机器人导航方法，包括：获取机器人前方道路的待处理图像；从所述待处理图像中分割出初始通行区域；检测所述待处理图像中目标障碍物的第一位置信息；根据所述初始通行区域和所述第一位置信息，确定目标通行区域；根据所述目标通行区域控制所述机器人运动。在本申请实施例中，先通过图像分割方法从待处理图像中分割出初始通行区域，再通过目标检测方法从待处理图像中检测出目标障碍物的第一位置信息；上述方法中，相当于对较小的物体采用目标检测、对较大的物体采用图像分割代替目标检测，通过这样的方法，无需对待处理图像中所有的物体进行目标检测，大大减少了数据处理量。然后根据初始通行区域和第一位置信息确定目标通行区域，即利用检测出的目标障碍物的第一位置信息对分割出的初始通行区域进行调整，保证了导航的精确性。通过上述方法，可以在保证机器人导航精度的同时，提高导航效率，进而保证实时、有效地控制机器人运动。在第一方面的一种可能的实现方式中，所述从所述待处理图像中分割出初始通行区域，包括：获取所述待处理图像的光学三原色信息和图像深度信息；根据所述光学三原色信息和所述图像深度信息从所述待处理图像中分割出初始通行区域。在第一方面的一种可能的实现方式中，所述根据所述光学三原色信息和所述图像深度信息从所述待处理图像中分割出初始通行区域，包括：获取训练后的通行区域识别模型；将所述光学三原色信息和所述图像深度信息输入到所述通行区域识别模型中，输出所述初始通行区域。在第一方面的一种可能的实现方式中，所述通行区域识别模型包括第一特征提取网络、第二特征提取网络和分割网络；所述将所述光学三原色信息和所述图像深度信息输入到所述通行区域识别模型中，输出所述初始通行区域，包括：将所述光学三原色信息输入到所述第一特征提取网络中，输出第一特征信息；将所述图像深度信息输入到所述第二特征提取网络中，输出第二特征信息；将所述第一特征信息和所述第二特征信息输入到所述分割网络中，输出所述初始通行区域。在第一方面的一种可能的实现方式中，所述通行区域识别模型还包括检测网络；所述检测所述待处理图像中目标障碍物的第一位置信息，包括：将所述第一特征信息和所述第二特征信息输入到所述检测网络中，输出所述第一位置信息。在第一方面的一种可能的实现方式中，所述根据所述初始通行区域和所述第一位置信息，确定目标通行区域，包括：获取所述待处理图像中所述初始通行区域对应的第二位置信息；去除所述第二位置信息中包含的所述第一位置信息，得到第三位置信息；根据所述第三位置信息确定所述目标通信区域。第二方面，本申请实施例提供了一种机器人导航装置，包括：图像获取单元，用于获取机器人前方道路的待处理图像；图像分割单元，用于从所述待处理图像中分割出初始通行区域；目标检测单元，用于检测所述待处理图像中目标障碍物的第一位置信息；通行区域确定单元，用于根据所述初始通行区域和所述第一位置信息，确定目标通行区域；运动控制单元，用于根据所述目标通行区域控制所述机器人运动。第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的机器人导航方法。第四方面，本申请实施例提供了一种计算机可读存储介质，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的机器人导航方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的机器人导航方法。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的机器人导航方法的流程示意图；图2是本申请实施例提供的通行区域识别模型的结构示意图；图3是本申请实施例提供的机器人导航装置的结构框图；图4是本申请实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。参见图1，是本申请实施例提供的机器人导航方法的流程示意图，作为示例本文档来自技高网...

【技术保护点】
1.一种机器人导航方法，其特征在于，所述方法包括：/n获取机器人前方道路的待处理图像；/n从所述待处理图像中分割出初始通行区域；/n检测所述待处理图像中目标障碍物的第一位置信息；/n根据所述初始通行区域和所述第一位置信息，确定目标通行区域；/n根据所述目标通行区域控制所述机器人运动。/n

【技术特征摘要】
1.一种机器人导航方法，其特征在于，所述方法包括：
获取机器人前方道路的待处理图像；
从所述待处理图像中分割出初始通行区域；
检测所述待处理图像中目标障碍物的第一位置信息；
根据所述初始通行区域和所述第一位置信息，确定目标通行区域；
根据所述目标通行区域控制所述机器人运动。


2.如权利要求1所述的机器人导航方法，其特征在于，所述从所述待处理图像中分割出初始通行区域，包括：
获取所述待处理图像的光学三原色信息和图像深度信息；
根据所述光学三原色信息和所述图像深度信息从所述待处理图像中分割出初始通行区域。


3.如权利要求2所述的机器人导航方法，其特征在于，所述根据所述光学三原色信息和所述图像深度信息从所述待处理图像中分割出初始通行区域，包括：
获取训练后的通行区域识别模型；
将所述光学三原色信息和所述图像深度信息输入到所述通行区域识别模型中，输出所述初始通行区域。


4.如权利要求3所述的机器人导航方法，其特征在于，所述通行区域识别模型包括第一特征提取网络、第二特征提取网络和分割网络；
所述将所述光学三原色信息和所述图像深度信息输入到所述通行区域识别模型中，输出所述初始通行区域，包括：
将所述光学三原色信息输入到所述第一特征提取网络中，输出第一特征信息；
将所述图像深度信息输入到所述第二特征提取网络中，输出第二特征信息；
将所述第一特征信息和所述第二特征信息输入到所述分割网络中，输出所述初始通行区域。


5.如权利要求4所述的机器人导航方法，其特征在于，所述通行区域识别模型还包括检测网络；
所述检测所述待处理图像中目标障碍物的...

【专利技术属性】
技术研发人员：程骏，顾在旺，庞建新，谭欢，
申请(专利权)人：深圳市优必选科技股份有限公司，
类型：发明
国别省市：广东;44