申请/专利权人:西北工业大学
申请日:2024-02-22
公开(公告)日:2024-05-17
公开(公告)号:CN118052703A
主分类号:G06T3/04
分类号:G06T3/04;G06N3/045;G06N3/0475;G06N3/094;G06N3/096;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明公开了一种基于改进CycleGAN的地面无人系统多元地形自适应方法及系统,包括:将源域数据集中源域图像和目标域图像同时输入改进CycleGAN网络中进行训练,得到将源域图像转化为目标域图像风格的生成器及判别器;基于目标域图像风格的生成器及判别器将源域图像转化为目标域图像风格,得到生成的目标域数据集;通过Xception迁移学习模型对生成的目标域数据集进行模型训练,得到新的多元地形识别模型;将多元地形识别模型由PyTorch框架转化为ONNX框架结构,并将ONNX框架结构的多元地形识别模型部署在无人系统中。本发明在复杂地面场景下可以实现无人系统的跨域自适应,适合部署在机器人上完成非结构化多元地形任务,具有较高的科学意义及实用价值。
主权项:1.基于改进CycleGAN的地面无人系统多元地形自适应方法,其特征在于,包括:步骤1:采集非结构化环境基础地形图像,构建源域数据集;步骤2:基于任务需求采集目标域图像风格,作为新场景下机器人作业任务中基础地形的预迁移图像风格;步骤3:将源域数据集中源域图像和目标域图像同时输入改进CycleGAN网络中进行训练,得到将源域图像转化为目标域图像风格的生成器及判别器;步骤4:基于目标域图像风格的生成器及判别器将源域图像转化为目标域图像风格,得到生成的目标域数据集;步骤5:通过Xception迁移学习模型对生成的目标域数据集进行模型训练,得到最优化的多元地形识别模型;步骤6:将最优化的多元地形识别模型由PyTorch框架转化为ONNX框架结构,并将基于ONNX框架结构的多元地形识别模型部署到无人系统中;步骤7:当机器人遇到新的场景时,重复步骤2至步骤6,完成新地形的适应过程。
全文数据:
权利要求:
百度查询: 西北工业大学 基于改进CycleGAN的地面无人系统多元地形自适应方法及系统
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。