[发明专利]一种开放环境指定目标的自主搜寻方法

权利要求书

1.一种开放环境指定目标的自主搜寻方法，其特征在于，包括以下步骤：

S1、基于SLAM技术构建场景探索地图，并基于场景探索地图建立目标探索地图，所述目标探索地图用于标记机器人探索过程中的探索区域、未探索区域及障碍物；

S2、基于目标探索地图对机器人探索视野内的路径点进行遍历，判断所述目标探索地图内是否存在探索目标；

S3、当所述目标探索地图中存在探索目标时，判断探索目标设定距离和角度内是否存在遮挡物；

S4、当探索目标设定距离内存在遮挡物时，基于深度图像信息提取目标遮挡边界，实现机器人的移动规避，获取无遮挡目标图像。

2.根据权利要求1所述的所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S1前还包括：

S0、获取探索目标的深度图像，将所述探索目标的深度图像作为探索过程中的目标模板。

3.根据权利要求1所述的所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S1中基于场景探索地图建立目标探索地图，具体包括以下步骤：

以机器人当前所在位置为原点，在场景探索地图上构建预设长度和宽度的二维地图，所述二维地图即为目标探索地图。

4.根据权利要求1所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S2中基于目标探索地图对机器人探索视野内的路径点进行遍历，具体步骤为：

机器人以设定的顺序对目标探索地图中的每个路径点进行遍历，当机器人设定的探索距离和探索角度内存在障碍物时，将目标探索地图中的该路径点标记为已探索，直到目标探索地图中所有包含障碍物的路径点都被标记为已探索。

5.根据权利要求1所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S2中判断所述目标探索地图内是否存在探索目标，具体包括以下步骤：

采集机器人探索视野内的探索图像，将所述探索图像输入训练好的图像检索网络中，判断所述探索图像中是否存在探索目标图像。

6.根据权利要求5所述的开放环境指定目标的自主搜寻方法，其特征在于，所述图像检索网络包括依次连接的5个卷积层、一个平均值池化层、一个L2正则化层、一个全连接层和一个分类器。

7.根据权利要求5所述的开放环境指定目标的自主搜寻方法，其特征在于，所述图像检索网络采用以下步骤进行训练：

获取同一物品位于不同拍摄环境下的物品图像，所述不同拍摄环境包括不同拍摄角度、不同拍摄距离、不同光照以及不同遮挡量；

将不同物品图像中的目标物品建立标签；

将建立标签后的不同物品图像作为训练集输入图像检索网络，输出图像识别结果；

根据图像识别结果对图像检索网络的权重进行调整，直到输出的图像识别结果达到预期的正确率。

8.根据权利要求1所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S2中判断所述目标探索地图内是否存在探索目标包括:

获取机器人的视野图像，并提取视野图像对应的特征图；

在所示特征图中选取探索目标所在的特征点作为中心点，以所述中心点为中心构建多个不同的锚点框；

利用多个不同的锚点框获取对应的局部特征图；

将每一个局部特征图和探索目标的模板特征图进行匹配，匹配相似度达到设定阈值的局部特征图所对应的锚点框，即为探索目标所在的锚点框。

9.根据权利要求1所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S3中判断探索目标设定距离和角度内是否存在遮挡物，具体包括以下步骤：

获取探索目标设定距离和角度内的图像信息，将所述图像信息与无遮挡的目标图像进行匹配，若匹配结果达到设定的阈值，则探索目标在设定的距离和角度内不存在遮挡物；若匹配结果没有达到设定的阈值，则探索目标在设定的距离和角度内存在遮挡物。

10.根据权利要求1所述的开放环境指定目标的自主搜寻方法，其特征在于，步骤S4基于深度图像信息提取目标遮挡边界，实现机器人的移动规避，获取无遮挡目标图像，具体包括以下步骤：

S41、获取探索目标在设定距离和角度内的深度图像；

S42、从所述深度图像中提取探索目标和遮挡物的边缘信息；

S43、根据边缘信息驱动机器人以探索目标为中心进行圆周运动，并获取运动过程中的深度图像；

S44、重复步骤S42直至深度图像中只存在探索目标的边缘信息；

S45、机器人停止运动，以当前角度对探索目标进行图像获取，得到无遮挡目标图像。