买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江孚宝智能科技有限公司

摘要：本发明公开了一种机器人的自主导航方法及其系统，其获取由部署于机器人的摄像头采集的障碍物表面图像；提取所述障碍物表面图像的障碍物局部状态特征以得到障碍物表面局部区域状态向量的序列；对所述障碍物表面局部区域状态向量的序列进行全局特征提取以得到障碍物表面全局语义特征向量；以及，基于所述障碍物表面全局语义特征向量，确定所述机器人的导航策略。这样，可以帮助机器人了解障碍物是否需要被清洁，以决定机器人的导航策略，即沿着障碍物移动还是改变行径角度以绕开障碍物。

主权项：1.一种机器人的自主导航方法，其特征在于，包括：获取由部署于机器人的摄像头采集的障碍物表面图像；提取所述障碍物表面图像的障碍物局部状态特征以得到障碍物表面局部区域状态向量的序列；对所述障碍物表面局部区域状态向量的序列进行全局特征提取以得到障碍物表面全局语义特征向量；以及基于所述障碍物表面全局语义特征向量，确定所述机器人的导航策略；其中，还包括训练步骤：对基于使用空洞卷积核的卷积神经网络模型的障碍物局部状态提取器、基于转换器的全局特征提取器和分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括由部署于机器人的摄像头采集的训练障碍物表面图像，以及，沿着障碍物移动或者改变行径角度的真实值；对所述训练障碍物表面图像进行图像分块处理以得到训练障碍物表面图像块的序列；将所述训练障碍物表面图像块的序列通过所述基于使用空洞卷积核的卷积神经网络模型的障碍物局部状态提取器以得到训练障碍物表面局部区域状态向量的序列；将所述训练障碍物表面局部区域状态向量的序列通过所述基于转换器的全局特征提取器以得到训练障碍物表面全局语义特征向量；将所述训练障碍物表面全局语义特征向量通过分类器以得到分类损失函数值；以及以所述分类损失函数值来对所述基于使用空洞卷积核的卷积神经网络模型的障碍物局部状态提取器、所述基于转换器的全局特征提取器和所述分类器进行训练，其中，在所述训练的每一轮迭代中，基于所述训练障碍物表面全局语义特征向量进行权重矩阵的迭代；其中，基于所述训练障碍物表面全局语义特征向量进行权重矩阵的迭代，包括：以如下优化公式基于所述训练障碍物表面全局语义特征向量进行权重矩阵的迭代；其中，所述优化公式为： 其中，M1和M2分别是上次和本次迭代的权重矩阵，其中在首次迭代时，采用不同的初始化策略设置M1和M2，Vc是待分类的训练障碍物表面全局语义特征向量，和分别表示特征向量V1和V2的全局均值，且Mb是偏置矩阵，M2'表示迭代后的权重矩阵，V2T表示特征向量V2的转置向量，max·表示最大值函数，表示按位置加法，⊙表示按位置点乘，表示矩阵乘法。

全文数据：

权利要求：

百度查询： 浙江孚宝智能科技有限公司 机器人的自主导航方法及其系统