基于元学习的移动机器人避障方法

作者：董敏; 钟浩钊; 毕盛

来源：2020-07-16, 中国, CN202010685071.5.

本发明公开了一种基于元学习的移动机器人避障方法,包括：1)获取基础数据集,包括Udacity无人驾驶数据集和UZH碰撞分类数据集；2)制作避障数据集,包括对步骤1)所得基础数据集进行预处理及合并Udacity无人驾驶数据集和UZH碰撞分类数据集；3)基于DroNet模型预测步骤2)所得避障数据集的图像数据对应的驾驶角度或碰撞概率；4)基于元学习训练步骤3)的DroNet模型；5)在实际应用场景中采集少量图像数据,即小样本数据集,对步骤4)训练好的DroNet模型进行微调,提高模型在新场景下的性能,最后将微调好的DroNet模型应用于实际的避障场景。本发明能够在样本数据不足的条件下提高移动机器人避障的鲁棒性。

• 单位
  华南理工大学