变电站巡检机器人道路语义分割方法及其应用

摘要：

为提升变电站巡检机器人对道路场景的识别理解能力,将深度学习技术应用于变电站巡检机器人中,提出了一种适用于变电站道路场景的全卷积语义分割网络.该网络借鉴ENet编码结构提取图像特征,同时融入多种解码结构来获取更多有效特征,恢复图像目标信息.同时,针对巡检机器人以及变电站道路特点,将语义分割结果转化为机器人前方目标信息以及机器人偏离情况信息,辅助机器人导航避障.实验结果表明:所提出的网络有效地提升了图像分割精度,并能较好地适应于实际变电站环境中.研究结果为机器人提供了有效的道路场景信息,辅助机器人导航避障.

关键词：全卷积神经网络、语义分割、变电站巡检机器人、避障

分类号：TP391.41(计算技术、计算机技术)

资助基金：四川省重大科技专项18ZDZX0162

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：6151-6157