欢迎光临小豌豆知识网!
当前位置:首页 > 物理技术 > 调节控制> 一种基于神经网络的智能避障控制系统及其方法独创技术9914字

一种基于神经网络的智能避障控制系统及其方法

2023-05-17 17:22:05

一种基于神经网络的智能避障控制系统及其方法

  技术领域

  本发明涉及智能避障系统,尤其涉及智能割草机器人的智能避障系统。

  背景技术

  随着科技的进步,智能化逐步的深入到人们生活的方方面面。现在市面上出售的智能割草机器人,存在着要设置工作边界的应用问题和搭载价格高昂的传感器,既限制了智能割草机器人的应用范围,也间接的抬高了智能割草机器人的价格。

  发明内容

  本发明所要解决的技术问题是克服现有技术中存在的不足,提供一种智能避障系统,只需要一个摄像头和一个小型工作处理器和几个开发组件就可以实现割草机器人的智能避障工作,不需要设置工作边界,就能使机器人完成正常的工作,减少割草机器人的应用限制。

  本发明是通过以下技术方案予以实现:

  一种智能避障控制系统,包括视觉模块、信息处理模块、图像处理模块、构建模块、信息转化模块和控制模块:

  视觉模块用于获取地面视频信息;

  信息处理模块用于将地面视频信息记录;

  图像处理模块用于将繁杂的视频信息处理成必要信息,并将必要信息保存并输出;

  构建模块用于将有用的信息变成系统能够识别的神经网络模型;信息转化模块用于接受图像处理模块处理过后的信息并将信息转化为控制信息输出到控制模块;也就是说信息转化模块用于将摄像头获取到信息转化为控制模块可以识别的信息。

  控制模块用于根据控制信息控制设备的工作。

  智能避障控制系统的方法,包括以下五个步骤:信息收集、信息处理、构建模型、信息转化、发出指令。

  信息收集:驱动智能设备的视觉模块获取到地面状态的视频信息,然后通过与视觉模块相连的处理模块记录当前地面的视频信息。

  信息处理:经过一段时间的信息储备后,将获取到的视频信息进行图像提取处理,将提取到的图片数据信息,进行图像处理去除掉冗余和无效图片的数据,制作出地面的全生命周期数据集。

  构建模型:运用地面全生命周期数据集,训练出优秀的神经网络模型,将卷积网络模型转化成pb模型的格式,然后将pb模型内置到处理模块中。

  信息转化:将视觉模块传入的信息提取为图片信息转化为图片数据将图片数据通过pb模型进行分类,识别出边界、障碍和地面信息,再将识别到的信息转化为指令信息通过ROS通信输入到控制模块。

  发出指令:根据识别出的信息发布出不同的命令,来控制智能设备进行不同的操作,最终完成智能设备的智能避障操作。

  进一步的,上述方法构建模型中采用的神经网络是卷积神经网络。

  进一步的,还包括割草模块,将该方法用于割草机器人平台,发出指令步骤中还包括割草。

  进一步的,该方法根据实际需要用于其他地面工作设备平台。

  进一步的,其配件根据实际需要更换任意相同类型配件,不局限于某种硬件设施。

  进一步的,承载各个控制系统模块的载体,采用任意能够承载硬件系统的载体。

  本发明的有益效果是:割草机器人不需要装配价格高昂的传感器或雷达等设备,不需要布置工作区域范围,智能割草机器人就可以会自动识别出工作区域的边界在工作区域内工作,并识别出障碍和草地完成智能避障,完全实现智能割草机器人的自主作业。

  具体为:

  (1)提供了一种新型的数据的采集、提取和制作的方法;

  (2)完美避免割草机器人使用价格的高昂传感器的弊端;

  (3)改进了现有智能割草机器人需要设置边界的限制;

  (4)降低割草机器人的制造成本,增加智能割草机器人的普及率;

  (5)本套智能控制系统便于移植,使用限制率低。

  附图说明

  图1示出了根据本发明的实施例的整体架构示意图。

  图2示出了根据本发明的整个系统的工作流程。

  图3示出了图片识别的详细流程。

  图中:1、视觉模块;2、处理模块;3、割草模块。

  具体实施方式

  为了使本技术领域的技术人员更好地理解本发明的技术方案,下面结合附图和最佳实施例对本发明作进一步的详细说明。

  如图1所示,本发明包括视觉模块,数据处理模块和割草模块。

  如图2所示,本发明大致工作流程是:首先,通过视觉模块1获得到图片信息,然后将数据信息发送到数据处理模块2完成数据处理过程,并由数据处理模块发出指令来控制小车的进行避障或者直行,最后,由小车携带的割草模块完成割草作业。

  具体为:

  一种智能避障的控制系统,包括视觉模块、信息处理模块、图像处理模块、构建模块、信息转化模块和控制模块。

  视觉模块用于获取地面视频信息,

  信息处理模块用于将地面信息记录,

  图像处理模块用于将繁杂的视频信息处理成有用的信息;

  构建模块用于将有用的信息变成系统能够识别的模型,

  信息转化模块用于接受图像处理模块处理过后的信息并将信息转化为控制信息输出到控制模块;也就是说信息转化模块用于将摄像头获取到信息转化为控制模块可以识别的信息。

  控制模块用于根据控制信息控制设备的工作。

  利用该智能避障的控制系统工作包括以下四个步骤:信息收集、信息处理、构建模型、发出指令。

  信息收集:驱动智能设备的视觉模块获取到地面状态的视频信息,然后通过与视觉模块相连的处理模块记录当前地面的视频信息。

  信息处理:经过一段时间的信息储备后,将获取到的视频信息进行图像提取处理,将提取到的图片数据信息,进行图像处理去除掉冗余和无效图片的数据,制作出地面的全生命周期数据集。

  构建模型:运用地面全生命周期数据集,训练出优秀的卷积神经网络模型,将卷积网络模型转化成pb模型的格式,然后将pb模型内置到处理模块中。

  信息转化:将视觉模块传入的信息提取为图片信息转化为图片数据将图片数据通过pb模型进行分类,识别出边界、障碍和地面信息,再将识别到的信息转化为指令信息通过ROS通信输入到控制模块。

  发出指令:根据识别出的信息发布出不同的命令,来控制智能设备进行不同的操作,最终完成智能设备的智能避障操作。

  其中,制作数据集的目的,是为了训练一个优秀的网络模型。训练出优秀网络模型,这是第一步,然后才可以进行割草避障,然后此模块既可以在工作过程中输出视频信息转化为图片数据,又可以记录信息增加数据集的数量。

  其中,ROS仅作为通信协议,视频数据转化图片数据,是相应程序完成。

  该系统可以用于还包括割草模块,将该系统和方法用于割草机器人平台,发出指令步骤中还包括割草,还可以根据实际需要用于其他工作平台。

  可以根据实际需要跟换任意相同类型配件,不局限于某种硬件设施。

  以上是基于卷积神经网络的智能避障模型的基础,来介绍智能避障割草机器人的智能避障过程和智能避障模型系统的设计流程。

  神经网络还可以根据原理和需要编写出其他的神经网络结构的控制的系统,该神经网络模型需要前期就预先训练好,并转化为Pb模型,然后将pb模型,移植到工程机变成识别模块。该神经网络还可以是其他网络结构,如VGG网络结构、GoogLeNet Incepetion V1等等。

  对于图片识别的过程具体包括如下步骤:获取视频、转换图像数据、输入网络模型、输出分类结果、转换成避障指令、输入到ROS、输出作业指令、输入控制模块、控制作业。

  承载各个控制系统模块的载体,不局限于某种处理器硬件,任意能够承载的硬件系统都可以。

  本割草机器人的智能避障系统,可移植到现在市面上任意一款智能机器人上,完成智能避障作业,消除了市面上出售的割草机器人要大量使用传感器的弊端和割草机器人的设置边界的弊端并降低割草机器人的制造成本。其技术要点是简便的数据集制作方法、草地数据集的独有性、神经网络在割草机器人上应用和割草机器人的避障系统设计。

  本发明公开了一种智能割草机器人的智能避障的控制系统控制方法。由于智能避障模块基于卷积神经网络来完成割草机器人的避障行为,因此称为基于神经网络智能避障割草机器人。

  本发明的有益效果是:智能割草机器人可以自动识别出工作区域的边界在工作区域内工作,并识别出障碍和草地完成智能避障,完全实现智能割草机器人的自主作业。

  以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

《一种基于神经网络的智能避障控制系统及其方法.doc》
将本文的Word文档下载到电脑,方便收藏和打印
推荐度:
点击下载文档

文档为doc格式(或pdf格式)