【技术实现步骤摘要】
本专利技术涉及巡航，更具体地说，它涉及一种基于多传感器的室内避障巡航系统及其方法。
技术介绍
1、巡航系统是利用电子技术，在一定速度范围内，保证装置或设备以设定的速度稳定行驶的一种控制系统。目前的巡航系统不仅仅应用在室外，也更多应用在室内，比如仓库内的巡航搬运机器人。
2、目前的室内巡航系统都是根据实时的路况数据判断行驶路径上是否存在障碍物，当识别出障碍物后，再重新定制巡航路径。这样在室内巡航系统的分析过程中，巡航搬运机器人将停止行驶，导致巡航搬运机器人的搬运效率下降。
技术实现思路
1、针对现有技术存在的不足，本专利技术的目的在于提供一种基于多传感器的室内避障巡航系统及其方法。
2、为实现上述目的，本专利技术提供了如下技术方案：
3、一种基于多传感器的室内避障巡航系统，包括多个数据采集模块、巡航分析模块、巡航调整模块；
4、所述数据采集模块用于连接对应传感器，并采集对应传感器拍摄的视频，将拍摄的视频标记为室内视频；
5、所述巡航分析模块用于停止当前巡航路线，具体为：
6、采集多个数据采集模块的室内视频，在巡航过程中，将巡航移动方向的室内视频标记为巡航视频，将其余的室内视频标记为待定视频，将巡航视频转换为视频影像帧，并将巡航视频的视频影像帧标记为巡航影像帧，将巡航影像帧作为障碍检测模型的输入数据，获取得到巡航影像帧输出数据的图像标签，将巡航影像帧输出数据的图像标签标记为巡航障碍值，将巡航障碍值按照视频影像帧的时
7、所述巡航调整模块用于选定后续巡航方位，具体为：
8、将待定视频转换为视频影像帧，并将待定视频的视频影像帧标记为待定影像帧，将待定影像帧作为障碍检测模型的输入数据，获取得到待定影像帧输出数据的图像标签，将待定影像帧输出数据的图像标签标记为待定障碍值，获取得到每个待定视频对应的待定选择值，并标记为mt，将待定选择值数值最小的待定视频标记为选定视频，将选定视频对应的传感器方位确定为选定巡航方位。
9、进一步的，障碍检测模型通过下述步骤获取得到：将巡航影像帧、待定影像帧标记为训练图像，对训练图像赋予图像标签，将训练图像按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为障碍检测模型，其中，图像标签的数值越大，表示障碍物越大。
10、进一步的，障增值tg通过下述步骤获取得到：将障碍增加值与基准变化值进行差值计算，获取得到障碍增变值，将所有障碍增变值进行求和处理，获取得到障碍增变总值，并标记为rd，获取得到障碍变化值标记为障碍增加值的总数量，并标记为lw，利用公式tg＝rd×a1+lw×a2获取得到障增值tg，其中，a1为障碍增变总值系数，a2为障碍增加数量系数。
11、进一步的，障减值ph通过下述步骤获取得到：将基准变化值与障碍减小值进行差值计算，获取得到障碍减变值，将所有障碍减变值进行求和处理，获取得到障碍减变总值，并标记为jm，获取得到障碍变化值标记为障碍减小值的总数量，并标记为fs，利用公式ph＝jm×b1+fs×b2获取得到障减值ph，其中，b1为障碍减变总值系数，b2为障碍减小数量系数。
12、进一步的，巡继值kt通过下述步骤获取得到：利用公式kt＝tg×c1-ph×c2获取得到巡继值kt，其中，c1为障增值系数，c2为障减值系数。
13、进一步的，待定选择值mt通过下述步骤获取得到：获取得到同一待定视频之前的n个待定障碍值，将n个待定障碍值进行求和处理并取均值，获取得到待定选择值mt。
14、进一步的，障碍变化值rs通过下述步骤获取得到：将排序后相邻的后一个巡航障碍值标记为邻前障碍值，将排序后相邻的前一个巡航障碍值标记为邻后障碍值，将邻后障碍值与邻前障碍值进行差值计算，获取得到障碍变化值，并标记为rs。
15、进一步的，一种基于多传感器的室内避障巡航方法，包括如下步骤：
16、步骤一：连接对应传感器，并采集对应传感器拍摄的视频，将拍摄的视频标记为室内视频；
17、步骤二：采集多个数据采集模块的室内视频，在巡航过程中，将巡航移动方向的室内视频标记为巡航视频，将其余的室内视频标记为待定视频，获取得到巡继值kt，设置巡继值阈值为rb，当巡继值kt≥巡继值阈值rb时，停止当前巡航路线，当巡继值kt＜巡继值阈值rb时，不作处理；
18、步骤三：获取得到每个待定视频对应的待定选择值，并标记为mt，将待定选择值数值最小的待定视频标记为选定视频，将选定视频对应的传感器方位确定为选定巡航方位。
19、与现有技术相比，本专利技术具备以下有益效果：
20、1、设置巡航分析模块，配合多传感器可以及时分析室内的当前巡航路线，及时对室内的巡航线路进行提前避障处理；
21、2、设置巡航调整模块，配合多传感器可以分析室内巡航的最优线路，进而及时对室内的巡航路线进行调整。
本文档来自技高网...【技术保护点】
1.一种基于多传感器的室内避障巡航系统，其特征在于，包括多个数据采集模块、巡航分析模块、巡航调整模块；
2.根据权利要求1所述的一种基于多传感器的室内避障巡航系统，其特征在于，障碍检测模型通过下述步骤获取得到：将巡航影像帧、待定影像帧标记为训练图像，对训练图像赋予图像标签，将训练图像按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为障碍检测模型，其中，图像标签的数值越大，表示障碍物越大。
3.根据权利要求2所述的一种基于多传感器的室内避障巡航系统，其特征在于，障增值Tg通过下述步骤获取得到：将障碍增加值与基准变化值进行差值计算，获取得到障碍增变值，将所有障碍增变值进行求和处理，获取得到障碍增变总值，并标记为Rd，获取得到障碍变化值标记为障碍增加值的总数量，并标记为Lw，利用公式Tg＝Rd×a1+Lw×a2获取得到障增值Tg，其中，a1为障碍增变总值系数，a2为障碍增加数量系数。
4.根据权利要求3所述的一种
5.根据权利要求4所述的一种基于多传感器的室内避障巡航系统，其特征在于，巡继值Kt通过下述步骤获取得到：利用公式Kt＝Tg×c1-Ph×c2获取得到巡继值Kt，其中，c1为障增值系数，c2为障减值系数。
6.根据权利要求5所述的一种基于多传感器的室内避障巡航系统，其特征在于，待定选择值Mt通过下述步骤获取得到：获取得到同一待定视频之前的n个待定障碍值，将n个待定障碍值进行求和处理并取均值，获取得到待定选择值Mt。
7.根据权利要求6所述的一种基于多传感器的室内避障巡航系统，其特征在于，障碍变化值Rs通过下述步骤获取得到：将排序后相邻的后一个巡航障碍值标记为邻前障碍值，将排序后相邻的前一个巡航障碍值标记为邻后障碍值，将邻后障碍值与邻前障碍值进行差值计算，获取得到障碍变化值，并标记为Rs。
8.一种基于多传感器的室内避障巡航方法，应用于权利要求7所述的一种基于多传感器的室内避障巡航系统，其特征在于，包括如下步骤：
...【技术特征摘要】
1.一种基于多传感器的室内避障巡航系统，其特征在于，包括多个数据采集模块、巡航分析模块、巡航调整模块；
2.根据权利要求1所述的一种基于多传感器的室内避障巡航系统，其特征在于，障碍检测模型通过下述步骤获取得到：将巡航影像帧、待定影像帧标记为训练图像，对训练图像赋予图像标签，将训练图像按照设定比例划分成训练集和验证集，构建神经网络模型，通过训练集和验证集对神经网络模型进行迭代训练，当迭代训练次数大于迭代次数阈值时，则判定神经网络模型完成训练，将训练完成的神经网络模型标记为障碍检测模型，其中，图像标签的数值越大，表示障碍物越大。
3.根据权利要求2所述的一种基于多传感器的室内避障巡航系统，其特征在于，障增值tg通过下述步骤获取得到：将障碍增加值与基准变化值进行差值计算，获取得到障碍增变值，将所有障碍增变值进行求和处理，获取得到障碍增变总值，并标记为rd，获取得到障碍变化值标记为障碍增加值的总数量，并标记为lw，利用公式tg＝rd×a1+lw×a2获取得到障增值tg，其中，a1为障碍增变总值系数，a2为障碍增加数量系数。
4.根据权利要求3所述的一种基于多传感器的室内避障巡航系统，其特征在于，障减值ph通过下述步骤获取得到：将基准变化值与障碍减小值进行差值计算，获取得到...
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。