科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有移动机器人在视觉避障上存在的局限，将深度学习算法和路径规划技术相结合，提出了一种基于深层卷积神经网络和改进Bug算法的机器人避障方法；该方法采用多任务深度卷积神经网络提取道路图像特征，实现图像分类和语义分割任务；其次，基于语义分割结果构建栅格地图，并将图像分类结果与改进的Bug算法相结合，搜索出最优避障路径；同时，为降低冗余计算，设计了特征对比结构来对避免对重复计算的特征信息，保障机器人在实际应用中实时性；通过实验结果表明，所提方法有效的平衡了多视觉任务的精度与效率，并能准确规划出安全的避障路径，辅助机器人完成导航避障。
- 单位
