1.一种掘进机的位姿确定方法,其特征在于,包括:
建立卷积神经网络模型;
训练该卷积神经网络模型,得到训练完成后的卷积神经网络模型;
获取掘进机行进数据;
将掘进机行进数据输入所述训练完成后的卷积神经网络模型进行处理,得到最终的位姿数据。
2.根据权利要求1所述的方法,其特征在于,所述卷积神经网络模型,包括输入层、输出层以及位于所述输入层和所述输出层之间的隐藏层。
3.根据权利要求2所述的方法,其特征在于,输入层包括多个第一节点;隐藏层包括多个第二节点;输出层包括多个第三节点;所述隐藏层呈现为三维立体结构,分为沿所述输入层至所述输出层的方向间隔设置的多个平面,所述第二节点分别位于所述平面,所述第一节点与位于最邻近所述输入层的其中一平面的多个第二节点连接,所述第三节点与位于最邻近所述输出层的其中一平面的多个第二节点连接,位于每一平面的所述第二节点之间相互连接,位于每两个相邻的平面的所述第二节点沿所述平面的排列方向连接,使得所述隐藏层中的至少一第二节点在朝位于同一平面的其它第二节点以及所述平面的排列方向具有至少六个不同的数据传输方向。
4.根据权利要求2所述的方法,其特征在于,所述隐藏层包括依次连接的卷积层、池化层和全连接层。
5.根据权利要求4所述的方法,其特征在于,所述卷积层包括3x3大小的卷积核,步长为1。
6.根据权利要求4所述的方法,其特征在于,所述池化层采用全局平均池化函数或全局最大池化函数。
7.根据权利要求4所述的方法,其特征在于,所述全连接层采用sigmoid函数或tanh函数;其中:
sigmoid函数的定义公式为s(x)=[1+(ex)-1]-1;
tanh函数的定义公式为
8.根据权利要求1所述的方法,其特征在于,所述掘进机行进数据包括:惯导数据、里程计数据和激光测距数据。
9.一种掘进机的位姿确定装置,其特征在于,包括:
构建模块,用于建立卷积神经网络模型;
训练模块,用于训练该卷积神经网络模型,得到训练完成后的卷积神经网络模型;
获取模块,用于获取掘进机行进数据;
处理模块,用于将掘进机行进数据输入所述训练完成后的卷积神经网络模型进行处理,得到最终的位姿数据。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以实现如权利要求1-8中任一所述的掘进机的位姿确定方法。