IRDC-Net:基于单眼相机的轻量级语义细分网络,用于移动机器人导航
Thai-Viet Dang1, Dinh-Manh-Cuong Tran1, Phan Xuan Tan2
1Department of Mechatronics, School of Mechanical Engineering, Hanoi University of Science and Technology, Hanoi 10000, Vietnam.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
本研究提出了一个轻量级的语义细分模型,用于实时移动机器人导航. 该模型有效地提取走廊场景,允许精确避开障碍物和最佳路径规划.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 移动机器人导航在很大程度上依赖于计算机视觉来定位和寻找路径.
- 环境的复杂性需要高计算性能的高效避障系统.
- 目前的方法通常涉及复杂的传感器系统和大量的计算负载.
研究的目的:
- 开发一个实时,计算高效的解决方案,从单个图像中提取走廊场景,用于移动机器人导航.
- 通过使用轻量级语义细分模型和量化技术来降低培训参数和计算成本.
- 增强移动机器人的避障能力.
主要方法:
- 提出了一种轻量级的语义细分模型,将完全卷积网络 (FCN) 解码器与具有多尺度融合的MobileNetV2编码器相结合.
- 集成量子化技术以最大限度地降低计算成本和培训参数.
- 使用平衡交叉损失函数来解决不同数据集中的类不平衡.
- 利用亚当优化器和高斯过器来提高细分性能.
主要成果:
- 拟议的模型在各种数据集中表现出高于基线方法的性能.
- 在保持高精度的同时,大大减少了计算时间.
- 在实践实验中,模型的性能与真正的移动机器人保持一致.
- 有效地支持最佳路径规划和障碍回避.
结论:
- 轻量级的语义细分模型为复杂环境中的移动机器人导航提供了有效的实时解决方案.
- 量子化和特定损失函数的集成提高了计算效率和细分精度.
- 该模型的实际适用性得到了验证,使移动机器人能够有效避免障碍物和规划路径.
