ROS-环境的数据的感知1

智能机器人的环境感知主要包括三个方法，路面，静态物体和动态物体。对于动态物体，不仅要检测还要对其轨迹进行追踪，并根据追踪结果，预测该物体下一步的位置。尤其是在普通道路的场景下，行人几乎是从不停歇地从车前走过，因此如果检测到行人就停止的话，那么智能机器人就永远无法通过该路口，而相较于智能机器人，人类驾驶员则会根据行人的移动轨迹大概评估下一步的位置，然后根据车速，计算出安全的路径空间，从而使得车辆能够在这样的道路上通行。该技术难点在于多个多个目标的跟踪和预测而非单一目标的跟踪与预测，即运动目标的检测和跟踪技术，是智能机器人领域中最有难度的技术之一，也是自动驾驶能够商用的必备技能。目前智能机器人主要通过摄像头，传感器，雷达来获取环境信息。

1，摄像头

从硬件成本分析,智能机器人采用摄像头是技术相对成熟而成本最低的一种方案。既然采用摄像头那就离不开深度学习算法 .目前主流的各类摄像头识别算法都是采用CNN的结构，就是卷积神经网络。卷积神经网络在认知图像的过程中其实跟任大脑认知图像的原理类似。大脑识别图像的过程其实是将图片在人脑的各级神经元抽象成各种小的元素，比如菱角，直线等等，然后将这些元素所在的神经突触激活，最终信息传导下去形成认知。卷积神经网络模仿了这种图像识别的流程，通过卷积的各层将图像全部细节元素识别出来，形成最终的认知，一个典型的CNN网络如图所示。