[发明专利]一种基于深度学习的移动平台导航方法和装置

说明书

本发明公开了一种基于深度学习的移动平台导航方法和装置，其中，所述方法包括：根据接收到的第一运动指令，控制移动平台从起始点开始向目标点运动；通过设置在所述移动平台上的拍摄装置，对移动平台的周围场景进行实时拍摄，得到实时场景图像；将实时场景图像与基于深度学习得到的样本场景图像库中的样本场景图像进行特征匹配，得到匹配样本场景图像；确定与匹配样本场景图像相匹配的第二运动指令；根据第二运动指令，对移动平台的运动过程进行实时调整，直至移动平台运动至所述目标点。通过本发明解决了现有的SLAM算法存在的设备成本高、计算量大和应用场景受限的问题。

技术领域

本发明属于导航技术领域，尤其涉及一种基于深度学习的移动平台导航方法和装置。

背景技术

在目前常用的移动平台(机器人)视觉导航算法之中，SLAM(SimultaneousLocalization And Mapping，同步地图建模与定位)算法作为主流算法被广泛应用。

在目前的SLAM算法中，先利用摄像头或者其他传感器(激光雷达)对移动平台运动周围的复杂环境进行地图建模，同时，移动平台进行自我定位；然后，结合建立的地图模型和自我定位的结果，实现移动平台的导航。

然而，目前的SLAM算法在实际应用中，存在诸多问题：1、建立的地图模型的精度取决于摄像头或者其他传感器(激光雷达)的拍摄精度，而高精度的摄像头或者其他传感器(激光雷达)的设备成本非常高。2、自我定位过程存在定位误差，需要通过复杂的算法去消除该定位误差，增加了对移动平台的硬件计算能力的要求。3、随着拍摄精度的提高，地图模型建立过程中的数据计算量也随之增大，增加了对移动平台的硬件计算能力的要求。4、在SLAM算法的运算过程中，存在误差的累积，误差的累计使得SLAM算法在运算过程中并不稳定，不能适用于所有的实际应用场景。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于深度学习的移动平台导航方法和装置，以解决现有的SLAM算法存在的设备成本高、计算量大和应用场景受限的问题。

为了解决上述技术问题，本发明公开了一种基于深度学习的移动平台导航方法，包括：

根据接收到的第一运动指令，控制移动平台从起始点开始向目标点运动；

通过设置在所述移动平台上的拍摄装置，对所述移动平台的周围场景进行实时拍摄，得到实时场景图像；

将所述实时场景图像与基于深度学习得到的样本场景图像库中的样本场景图像进行特征匹配，得到匹配样本场景图像；

确定与所述匹配样本场景图像相匹配的第二运动指令；

根据所述第二运动指令，对所述移动平台的运动过程进行实时调整，直至所述移动平台运动至所述目标点。

在上述基于深度学习的移动平台导航方法中，所述方法还包括：

基于深度学习算法，对通过采样得到的样本场景图像进行深度学习训练，得到所述样本场景图像库。

在上述基于深度学习的移动平台导航方法中，所述基于深度学习算法，对通过采样得到的样本场景图像进行深度学习训练，得到所述样本场景图像库，包括：

通过随机发生器生成随机角度和随机速度；

分别根据不同的随机角度和随机速度，控制所述移动平台进行多次训练；

在各次训练过程中，通过设置在所述移动平台上的拍摄装置，对各次训练全过程中各个帧时刻所述移动平台的周围场景进行实时拍摄，得到所述样本场景图像；并，记录所述移动平台在各样本场景图像所对应的拍摄帧时刻的运动状态；其中，所述运动状态，包括：移动平台的实时角度和实时速度；