[发明专利]一种基于深度学习的无人驾驶物流车

说明书

本发明涉及一种基于深度学习的无人驾驶物流车，包括物流车车体、超声波避障模块、双目立体视觉避障模块、电机驱动模块、嵌入式系统、电源模块和视觉导航处理系统；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避障信息；视觉导航处理系统采用由样本集训练的深度学习模型处理采集的道路图像数据，并输出控制指令信息；最后由决策模块综合控制指令信息和避障信息进行判断，来控制电机驱动模块，以实现物流车的无人驾驶功能。本发明不需要安装辅助设备，只需要深度学习模型通过学习样本集，即可对道路周围环境进行感知与理解，实现物流车的无人驾驶功能。

技术领域

本发明属于无人驾驶技术领域，涉及一种基于深度学习的无人驾驶物流车，适用于大型园区、仓库、车站、机场、码头等公共场所。

背景技术

随着物流业的快速发展，特别是仓储货运、快递和外卖的运输量不断攀升，给无人驾驶物流车带来了极大的发展潜力和巨大的市场空间。

但是，目前仓储货运大多采用电磁引导、磁带引导以及激光导航等方式的AGV（无人搬运车），快递和外卖基本上依托人力运输。前者实现了无人化运输，一般适用于场地平整、干净的室内环境；后者需要耗费大量人力物力，运送成本高。虽然前者可实现无人化运输，但是对于场地要求严格，要配置一些辅助引导设备（磁条、色带和反光板等），施工周期长，投资费用高。

目前，无人驾驶汽车大部分采用激光雷达作为导航检测装置,但是激光雷达成本太高，而且提取到的特征信息稀疏，不利于场景的理解与感知。另外，物流车工作的园区或者室内对其车速一般要求低速平稳运行。而利用视觉导航不仅投资低、施工周期短，而且能够提取到丰富的图像特征信息，其处理速度也可满足系统的实时性要求，适合无人驾驶物流车的技术实施。

本发明的无人驾驶物流车以深度学习模型为核心，通过实时采集道路周围环境的图像数据，经深度学习模型处理去感知周围的环境信息，进而发出控制指令信息；再由决策模块结合双目立体视觉避障模块和超声波避障模块提供的避障信息作出判断，来控制电机驱动模块，以实现物流车无人驾驶功能。

发明内容

本发明充分利用视觉检测与深度学习的各自优势，提出一种基于深度学习的无人驾驶物流车。相比现有的采用辅助引导AGV（无人搬运车），本发明无人驾驶物流车不仅安装调试难度小、成本低、灵活方便、导航控制偏差小；而且适应于更复杂的室内或者室外工作道路场景。

为了实现本发明的目的，采用的技术方案如下：

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。

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：