[发明专利]一种基于深度学习系统的农用机械避障方法

摘要

本发明的基于深度学习的农机自动避障方法，涉及农机自动化领域，通过对图像信息的收集，以及深度学习系统对收集到的图像进行识别，然后将得到的结果匹配对应的设定好的输出根据障碍物动静属性进行进一步的动作，如果是动态障碍物，鸣笛提醒或者减速至驻车等待；如果一定时间内障碍物不能解除，则按静态障碍物的方法进行处理；如果静态障碍物，进行局部的避障路径规划得到农机避障的最优路径。如果未能识别依然能通过它强大的在线学习系统做出合适的处理。本发明的利用深度学习系统避障方法让农机在未知劳作环境中做出智能决策，提高工作效率并增大了避障的容错率。

主权项

一种基于深度学习系统的农用机械避障方法：其特征是：包括以下步骤：a)、首先运用深度学习系统进行图像处理以此实现图像识别：将农机携带的摄像机所拍摄到的图像信息逐层提取特征，将提取到的图像特征与数据库内的障碍物图像数据进行比较，筛选出与采集到的图像最匹配的障碍物图像数据，由此判断出农机所遇到的障碍物信息；若能判断出为障碍物，进一步判断障碍物动静属性；若不能判断出是否为障碍物，直接按障碍物处理，再进一步判断其动静属性；b)、再判断障碍物动静属性及输出对应的处理方式：b‑1、如果是动态障碍物，鸣笛提醒或者减速至驻车等待；如果一定时间内障碍物不能解除，则按静态障碍物的方法进行处理；b‑2、如果静态障碍物，进行局部的避障路径规划；局部的避障路径规划步骤如下：(1)、根据所需精度以及农机的最宽宽度，划分限制搜索区域，并在区域内，沿着农机前进方向建立局部栅格地图；(2)、根据传感信息，确定障碍物大小及在局部栅格地图中的位置；(3)、根据农机宽幅，速度，最小转弯半径信息，确定与障碍物的最小安全距离，在农机原运动轨迹上，最大障碍接近点，确定为局部避障路径起始点A；以农机原运动轨迹上，最小障碍接近点，确定为局部避障路径终止点B；(4)、根据栅格划分图形用A*与Dijkstra算法相结合，搜索局部规划栅格，确定A点到B点路径；(5)、将最短距离集合的点连接形成最优路径；(6)、进一步采用最短切线法对得到的最优路径进行拟合，从而得到更加合理的路径。