申请/专利权人：中国科学技术大学先进技术研究院

申请日：2021-09-28

公开（公告）日：2024-03-01

公开（公告）号：CN113837121B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V10/774;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.01#授权;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：本发明提供了一种基于类脑的防疫机器人视听觉协同感知方法及系统，包括以下步骤：步骤S1：针对防疫机器人当前所处环境，进行基于机器视觉的环境目标检测与识别；步骤S2：当无法利用视觉精准确认环境目标时，进行基于改进的拟人耳定位机制的目标时延估计与定位；步骤S3：模拟人脑的视听觉协同感知原理，构建基于类脑的防疫机器人视听觉协同感知模型。本发明有效地提高了防疫机器人感知环境目标的准确性，增强了防疫机器人工作的高效性与安全性。

主权项：1.一种基于类脑的防疫机器人视听觉协同感知方法，其特征在于，包括以下步骤：步骤S1：针对防疫机器人当前所处环境，进行基于机器视觉的环境目标检测与识别；步骤S2：当无法利用视觉精准确认环境目标时，进行基于改进的拟人耳定位机制的目标时延估计与定位；步骤S3：模拟人脑的视听觉协同感知原理，构建基于类脑的防疫机器人视听觉协同感知模型；所述步骤S2中，在复杂的环境目标感知过程中，当无法利用视觉精准确认目标时，研究人听觉定位机理，并针对上行通路时延估计算法误差较大的缺点，在下行通路基于深度神经网络算法建立目标位置误差矫正估计模型，具体包括以下步骤：步骤S2.1：获得待感知目标的听觉信息，并进行去噪预处理；步骤S2.2：在听觉上行通路进行时延估计，初步预估目标当前所在位置；步骤S2.3：在听觉下行通路，利用深度神经网络算法获得矫正后的目标位置；所述深度神经网络算法采用具有动量项的多层前向网络的误差反向传播，简称MOBP算法；具体算法过程如下：对于L层前向网络，设输入模式为Xp，则第一隐含层第j个神经元的输出为 其中，Γ为隐含层激励函数，wji为第j个输出神经元到第i个输入神经元的连接权系数，xpi为在输入模式Xp下的第i个神经元的输入信号，i＝1,2,…,ni，总共有ni个输入信号，θj为第j个神经元的阈值，j＝1,2,…,no，总共有no个输出信号；网络的输出为 其中，表示在输入模式Xp下第L层的第j个神经元的净输入、或有效输入、或总输入，是神经元j的一个内部状态变量；第r+1个隐含层的输入是第r个隐含层的输出，则 定义第r层第j个神经元的输出广义误差为 其中，为误差函数，tpj为神经网络的理论输出值，表示在输入模式Xp下第r层的第j个神经元的净输入；输出广义误差算法为 其中，为第r+1层第k个神经元的输出广义误差，为第r+1层第k个输出神经元到第j个输入神经元的连接权系数，k＝1,2,…,nr+1，nr+1为第r+1层的神经元个数，增加动量项后，权值调整算法为ΔpWN＝1-αηDpN+αΔp′WN-1其中，为第r层第j个神经元与第r-1层第i个神经元间的连接权系数，0≤α1为动量因子，η为学习步长，选取范围通常在0.01～0.8之间，为N时刻误差函数的负梯度，ΔpWN为当前迭代时权值的调整量，为Δp′WN-1为第p′个输入样本上一次迭代时权值的调整量；MOBP算法是多层前向传播神经网络，所有计算单元的激励函数都为Sigmoid函数，利用试凑法确定隐含层个数及隐含层的节点数；最后，选取合适的训练样本进行训练，再利用训练好的MOBPNN模型矫正待感知目标的位置误差。

全文数据：

权利要求：

百度查询： 中国科学技术大学先进技术研究院 一种基于类脑的防疫机器人视听觉协同感知方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD