典型文献
基于道路场景理解的巡检机器人避障方法研究与应用
文献摘要：
为提升巡检机器人的导航避障能力,本文将深度学习技术应用于场景识别中,提出了一种基于道路场景理解的巡检机器人自主避障方法(Road Scene Understanding Net,RSUNet).该方法首先将多层卷积与LeakyReLU激活函数相结合,并以残差结构和金字塔上采样结构的方式,构建高精度道路场景理解网络;其次,设计自适应控制模块来对比前后两帧图像的深层特征信息,并根据特征差异大小自动控制后续网络层的特征计算,避免相似特征重复提取,保障网络效率;最后,将场景理解结果转化为巡检机器人前方不同区域的目标信息,通过分析机器人前方可行道路区域以及障碍物所处位置来指导巡检机器人实现导航避障.实验结果表明,所提方法有效的平衡了场景理解网络的识别精度与计算效率,同时,在实际变电站巡检机器人平台上,该方法也表现出较强的适应性,并能准确高效的为机器人提供场景信息,辅助机器人完成实时自主避障.
文献关键词：
深度学习;场景理解;巡检机器人;避障
中图分类号：
作者姓名：
赵小勇;陈钦柱;郑鸿彦;陈川刚
作者机构：
海南电网有限责任公司电力科学研究院,海南海口 570226;热带智能电网实验室,海南海口 570100
文献出处：
引用格式：
[1]赵小勇;陈钦柱;郑鸿彦;陈川刚-.基于道路场景理解的巡检机器人避障方法研究与应用)[J].微电子学与计算机,2022(04):118-127
A类：
RSUNet
B类：
道路场景,场景理解,机器人避障,避障方法,导航避障,深度学习技术,场景识别,自主避障,Road,Scene,Understanding,LeakyReLU,激活函数,残差结构,金字塔,上采样,自适应控制,控制模块,深层特征,特征信息,特征差异,自动控制,网络层,特征计算,保障网络,网络效率,解结,前方,目标信息,行道,障碍物,识别精度,计算效率,变电站巡检机器人,机器人平台
AB值：
0.361664
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
