摘要
本发明实施例涉及一种路径规划方法、自主移动设备及存储介质,本发明实施例通过获取自主移动设备周围环境的图像数据和点云数据,并利用预训练的多模态大模型、目标神经网络模型对图像数据和点云数据进行处理,得到周围环境中静态目标的静止位置数据,基于图像数据和点云数据获得周围环境中动态目标的运动数据,并基于静态目标的静止位置数据和动态目标的运动数据,获得自主移动设备的通行路径,通过上述方式,利用目标神经网络模型的图像理解能力,融合图像数据、文本数据、静态目标的位置数据以及形状数据,使自主移动设备具有更好的环境适应和场景理解能力,从而能够更准确的分析出周围环境信息,提升路径规划的准确性和鲁棒性。
技术关键词
自主移动设备
特征提取网络
路径规划方法
神经网络模型
特征融合网络
图像特征提取
计算机程序指令
文本
解码网络
融合图像数据
周围环境信息
处理器
可读存储介质
点云
编码特征
动态
系统为您推荐了相关专利信息
时间补偿方法
时间补偿系统
卷积神经网络模型
光纤
天气
审核策略
随机森林模型
画像
深度学习模型
图像特征提取
应急资源调度
路径规划方法
深度强化学习模型
资源调度策略
深度神经网络
自动混料系统
油基岩屑
卷积神经网络模型
混料器
图像采集模块