【技术实现步骤摘要】
基于超声波测距的自动导引车辆导航系统及运行方法
[0001]本申请涉及深度学习和神经网络领域,且更为具体地,涉及一种基于超声波测距的自动导引车辆导航系统及运行方法。
技术介绍
[0002]自动导引车辆(Automated Guided Vehicle:AGV)是指装备有电磁或光学等自动导引装置,能够沿规定的导引路径行驶,具有安全保护以及各种移载功能的运输车,AGV属于轮式移动机器人(WMR――Wheeled Mobile Robot)的范畴。工业应用中,自动导引车辆可用作不需驾驶员的搬运车,以可充电之蓄电池为其动力来源,通过电脑来控制其行进路线以及行为。
[0003]目前,为了判定自动导引车辆是否偏航,提出了各种方法。但由于是否偏航很难建模并判断,因此,现有的基于计算机的是否偏航的判断算法的精确度不高且实时性也难以保证。
[0004]因此,期望一种优化的基于超声波测距的自动导引车辆导航系统及运行方法。
[0005]目前,深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、语音信号处理等领域。此外,深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域,也展现出了接近甚至超越人类的水平。
[0006]深度学习以及神经网络的发展为基于超声波测距的自动导引车辆导航提供了新的解决思路和方案。
技术实现思路
[0007]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种基于超声波测距的自动导引车辆导航系统及运行方法,其以基于深度神经网络的人工智能技术 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于超声波测距的自动导引车辆导航系统,其特征在于,包括:发射功率单元,用于获取自动导引车辆的超声波测距系统的多个发射器的多个发射功率数值;第一向量构造单元,用于将所述多个发射器的多个发射功率数值构造为发射功率向量;接收功率单元,用于获取所述自动导引车辆的超声波测距系统的多个接收器的多个接收功率数值;第二向量构造单元,用于将所述多个接收器的多个接收功率数值构造为接收功率向量;关系矩阵构建单元,用于基于所述发射功率向量和所述接收功率向量构造发射
‑
接收关系数据矩阵;空间卷积单元,用于使用卷积神经网络对所述发射
‑
接收关系数据矩阵进行空间卷积处理以获得特征图;特征图修正单元,用于基于给定关联矩阵的共信道干涉模型对所述特征图进行修正以获得修改特征图,其中,所述给定关联矩阵的共信道干涉模型基于所述发射器到所述接收器的信道功率增益、所述发射器的发射功率和所述接收器的接收器功率生成;以及偏航判断单元,用于将所述修正特征图通过分类器以获得分类结果,所述分类结果用于表示所述自动导引车辆是否偏航。2.根据权利要求1所述的基于超声波测距的自动导引车辆导航系统,其中,所述第一向量构造单元,进一步用于:以如下公式对所述多个发射器的多个发射功率数值进行归一化处理,其中,所述公式为:Y=(Xi
‑
Xmin)/(Xmax
‑
Xmin),Xmin表示多个发射功率数值中的最小者、Xmax表示多个发射功率数值中的最大者;以及,将归一化处理后的所述多个发射功率数值按发射器维度排列为所述发射功率向量。3.根据权利要求2所述的基于超声波测距的自动导引车辆导航系统,其中,所述第二向量构造单元,进一步用于:以如下公式对所述多个接收器的多个接收功率数值进行归一化处理,其中,所述公式为Z=(Mi
‑
μ)/σ,μ为所述多个接收功率数值的均值,σ为所述多个接收功率数值的标准差;以及,将归一化处理后的所述多个接收功率数值按接收器维度排列为所述接收功率向量。4.根据权利要求1所述的基于超声波测距的自动导引车辆导航系统,其中,所述关系矩阵构建单元,进一步用于:将所述发射功率向量与所述接收功率向量的转置进行向量相乘以获得所述发射
‑
接收关系数据矩阵。5.根据权利要求1所述的基于超声波测距的自动导引车辆导航系统,其中,所述特征图修正单元,进一步用于:以如下公式基于给定关联矩阵的共信道干涉模型对所述特征图进行修正以获得修改特征图,其中,所述公式为:其中,f
ij
为所述特征图中各个位置的特征值,h
ij
表示第i个发射器到第j个接收器的信道功率增益,T
i
表示第i个发射器的发射功率,R
j
表示第j个接收器的接收器功率,且σ2表示
技术研发人员:赵以胜,
申请(专利权)人:黎川县及欧科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。