[发明专利]一种应用于小型服务机器人的轻量化视觉识别方法

权利要求书

1.一种应用于小型服务机器人的轻量化视觉识别方法，其特征在于：包括以下步骤：利用机器人的摄像头进行机器人在运行过程的图像内容采集和相对位置采集；

对获取的图像进行数据标签标记；

导出标记的数据标签并将用于训练的图片数据存储；

运行并获得已训练的视觉识别模型；

在对应模型文件目录中存储已训练的模型文件；

运行模型文件，通过摄像头获取图像并实时目标识别；

将目标识别结果实时发送到机器人对应运动控制模块中，实现机器人的闭环控制；

进行机器人的调试及脚本编写后，控制机器人运动。

2.根据权利要求1所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述图像内容采集为导航标记以及干扰内容，导航标记为引导机器人状态的标志。

3.根据权利要求2所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，图像数据标签标记获取，将数据标签按照0-3依次标记，0-3分别代表前进、停止、右转和左转，图像数据标签标记格式为：类别、中心点坐标、图片宽度和图片高度。

4.根据权利要求1所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述图像采集内容应包括机器人所处工作环境、光照情况、物品摆放以及温湿度条件。

5.根据权利要求1所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述运动控制模块为设置目标锚点矩形框大小阈值以及机器人对应机动。

6.根据权利要求1所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述视觉识别模型的训练过程：

将采集图像进行预处理；利用模糊核将图像数据进行卷积处理，实现图像物体边缘的锐化；并将图像锐化结果作为神经网络输入端的输入；神经网络输入端对数据进行自适应处理；神经网络的骨干网络进行梯度信息的数据预处理；在Neck端中，将FPN结构和PAN结构的强语义特征与强定位特征相融合，从主干层对检测层进行特征聚合；在输出端用GIOU损失函数进行损失函数的准确运算。

7.根据权利要求6所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述自适应处理包括自适应锚框计算和自适应图片缩放，自适应锚框计算：路径中动作标志进行初始锚框的设定，神经网络对初始锚框的进行预测，再输出与人工标定的真实锚框进行比较，进行参数的更新以及反向传递，在迭代中得到最佳的锚框标定内部参数。

8.根据权利要求7所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，所述自适应图片缩放：先将图像按比例缩放，将图像长宽不足部分通过黑边填充。

9.根据权利要求6所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，骨干网络包括focus结构和CSP结构，定义CSP模块的卷积核，经过focus结构、CSP模块后输出网络优化的数据。

10.根据权利要求9所述应用于小型服务机器人的轻量化视觉识别方法，其特征在于，focus结构为数据进入骨干网络后的预处理。