【发布时间】：2019-05-06 05:33:45
【问题描述】：
我想设计一个神经网络/ConvNet 在给定地图上生成一组点，这些点对应于机器人的可能位置。地图包含大量用于墙壁的空白空间，机器人不能处于这些位置。因此，网络应该取入地图，并生成与地图上不是墙壁的地方相对应的数字对 (x, y)。执行此任务的合适的神经网络结构选择是什么？
【问题讨论】：
标签： neural-network computer-vision conv-neural-network
【发布时间】：2019-05-06 05:33:45
【问题描述】：
您可能必须采取的方法取决于您是否希望推广到新的看不见的地图，并能够将地图分割成可行（可用于机器人导航）和不可行（墙壁/其他物体/障碍物）。请注意，如果您的环境会随时间变化（如移动障碍物/其他机器人/物体），您需要动态生成这些地图。为此，如果您有大量带有标记（分割）墙壁区域的地图的带注释训练数据，您可以在数据集上使用基于标准神经网络的分割算法，例如 Mask-RCNN (https://github.com/matterport/Mask_RCNN)。或者，如果没有大量带注释的数据，而您只需要一个通用路径规划算法，它可以规划从 A 点到 B 点的路径而不会遇到障碍物，您可以使用基于 MPC 的避障算法作为在https://arxiv.org/abs/1805.09633/https://www.tandfonline.com/doi/full/10.1080/00423114.2018.1492141中描述
【讨论】：