[发明专利]一种基于深度学习的无人驾驶物流车

权利要求书

1.一种基于深度学习的无人驾驶物流车，包括物流车外部结构和物流车内部结构两部分；其特征在于:

物流车外部结构主要由物流车车体、超声波避障模块和双目立体视觉避障模块组成；所述物流车车体共计设置五个用于存储货物的抽屉门；物流车车体两侧各装两个抽屉门，物流车车体的尾部装一个抽屉门；所述物流车车体的底部装有四个麦克纳姆轮，实现原地全向旋转；所述物流车车体的头部两侧各装有一套所述超声波避障模块，用于近距离防护性测距避障；所述物流车车体的头部中间装有摄像头A和摄像头B，二者构成双目立体视觉避障模块，用于检测道路场景中较远距离障碍物，超声波避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为物流车的避障信息；所述摄像头A类似于人的主视眼，为视觉导航处理系统提供图像数据；

物流车内部结构主要由电机驱动模块、嵌入式系统和电源模块组成；所述电机驱动模块用于驱动直流无刷电机，再由直流无刷电机带动皮带驱动麦克纳姆轮；所述嵌入式系统用于采集图像数据，搭载视觉导航处理系统，控制所述电机驱动模块；所述电源模块采用电池组为物流车系统供电；

上述无人驾驶物流车通过视觉导航处理系统完成在道路工作环境中的无人驾驶功能，所述视觉导航处理系统主要有深度学习模型、决策模块和样本集组成，其中样本集又分为训练集和测试集；

所述深度学习模型建立步骤如下：

步骤1：将物流车预先采集到的道路环境视频图像和操作人员操作遥控指令信息拷贝到计算机中，将样本集按照9：1比例制作成训练集和测试集；

步骤2：训练集用于训练深度学习模型，测试集用于测试深度学习模型，通过反复对深度学习模型进行调节参数与测试，观察测试结果误差大小，直到能够满足系统的控制精度为止；最终，获取到所需的深度学习模型。

2.如权利要求1所述的无人驾驶物流车，其特征在于：

所述深度学习模型采用是深度卷积神经网络，其网络的连接顺序依次为输入层、第一层卷积加激活层、第一最大池化层、第二卷积加激活层、第二最大池化层、第三卷积加激活层、第三最大池化层、第一全连接加激活加Dropout层、第二全连接层、输出层；

所述摄像头A采集到的图像作为输入层，其输入数据的大小为200×160×1；对于输入层采用卷积核大小为5×5，过滤器数为20，卷积步长为1，卷积填充为1进行卷积操作，得到第一卷积层的大小为196×156×20；第一卷积层经过激活函数ReLU处理之后，作为第一最大池化层的输入，采用池化核的大小为2×2，滤波器数为20，池化步长为2进行降采样处理，得到第一最大池化层的大小为98×78×20，实现了第一次卷积与池化的操作；接下来第二次、第三次的卷积与池化操作按照第一次卷积与池化的操作步骤，其参数查询表1依次得到第二卷积层的大小为94×74×40，第二最大池化层的大小为47×37×40，第三卷积层的大小为44×34×60，第三最大池化层的大小为22×17×60；

表1

总共经过三次卷积和池化操作之后，依次连接第一全连接层、ReLU层、Dropout层和第二全连接层，其中Dropout层是随机对一些神经元进行抑制，防止深度学习训练的过程中出现过饱和现象；第一全连接层的输入为22×17×60，输出为400；ReLU层和Dropout层的输入输出保持不变为400，第二全连接层的输入为400，输出为6；最后，经过Softmax层进行数据归一化之后，输出层的输出分类大小为6；其中，控制指令分6类，依次对应操作遥控的控制指令：前进（0）、左转（1）、左平移（2）、右转（3）、右平移（4）、调头（5）六个指令。