[發(fā)明專利]一種基于行走軌跡的家庭服務(wù)機(jī)器人路徑規(guī)劃方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611134903.4
• 申請(qǐng)日: 2016-12-11
• 公開(kāi)（公告）號(hào): CN106774314A
• 公開(kāi)（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 袁家政;劉宏哲;張勇;趙小燕
• 申請(qǐng)（專利權(quán)）人: 北京聯(lián)合大學(xué)
• 主分類號(hào): G05D1/02
• 分類號(hào): G05D1/02
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司11203
• 代理人: 張慧

1.一種基于行走軌跡的家庭服務(wù)機(jī)器人路徑規(guī)劃方法，其特征在于，包括以下步驟：

S1、根據(jù)行人運(yùn)動(dòng)軌跡的描述方式，利用核密度估計(jì)對(duì)軌跡關(guān)鍵點(diǎn)進(jìn)行提取；

S2、定義軌跡在空間距離、運(yùn)動(dòng)方向、運(yùn)動(dòng)速度上的相似性度量；

S3、用k-means算法進(jìn)行行人運(yùn)動(dòng)軌跡分類；

S4、于RRT-Connect算法對(duì)行人行走軌跡進(jìn)行路徑規(guī)劃。

2.如權(quán)利要求1所述的基于行走軌跡的家庭服務(wù)機(jī)器人路徑規(guī)劃方法，其特征在于，步驟2具體為：

運(yùn)動(dòng)目標(biāo)的一條軌跡描述為:二維空間中，基于目標(biāo)定位而獲取的從關(guān)鍵點(diǎn)(轉(zhuǎn)移節(jié)點(diǎn))到關(guān)鍵點(diǎn)(轉(zhuǎn)移節(jié)點(diǎn))之間的有向運(yùn)動(dòng)目標(biāo)定位點(diǎn)所組成的點(diǎn)集，由此，運(yùn)動(dòng)目標(biāo)的某條運(yùn)動(dòng)軌跡j可描述為：

T_j＝{x_i＝(x_i,y_i),a_i,v_i,i＝1,...,N}

其中，(x_i,y_i)描述了目標(biāo)軌跡點(diǎn)i的坐標(biāo)位置，a_i和v_i分別為產(chǎn)生軌跡點(diǎn)i時(shí)目標(biāo)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度值，

然后對(duì)軌跡進(jìn)行相似性度量時(shí)，分別引入軌跡空間距離相似度S_d，運(yùn)動(dòng)速度相似度S_v，運(yùn)動(dòng)方向相似度S_a，以此衡量人的運(yùn)動(dòng)軌跡在空間距離、運(yùn)動(dòng)速度、運(yùn)動(dòng)方向上的相似程度，設(shè)T_m，T_n為運(yùn)動(dòng)目標(biāo)的兩條軌跡，則它們之間相似程度可用一個(gè)三維矩陣表示:

S(T_m,T_n)＝[S_d(T_m,T_n),S_v(T_m,T_n),S_a(T_m,T_n)]

下面闡述這幾種相似性度量的計(jì)算方法，其中，跡空間距離相似度S_d僅與軌跡點(diǎn)的空間位置有關(guān)，對(duì)于軌跡T_m上的任意一點(diǎn)X_i，在軌跡T_n上的最近點(diǎn)可表示為:

則軌跡T_m和軌跡T_n之間的空間距離可表達(dá)為:

其中，N_m為軌跡T_m上點(diǎn)的數(shù)目，軌跡T_m和軌跡T_n之間的相似度可表達(dá)為:

參照軌跡空間距離相似度表達(dá)方式，軌跡T_m和軌跡T_n之間的運(yùn)動(dòng)方向相似度可表達(dá)為:

軌跡T_m和軌跡T_n之間的運(yùn)動(dòng)速度相似度可表達(dá)為:

。

3.如權(quán)利要求1所述的基于行走軌跡的家庭服務(wù)機(jī)器人路徑規(guī)劃方法，其特征在于，步驟3具體為：

采用K-means聚類方法對(duì)提取的行人行走軌跡進(jìn)行聚類，其具體實(shí)現(xiàn)過(guò)程如下:

Step 1:預(yù)測(cè)聚類個(gè)數(shù)，根據(jù)家庭環(huán)境中轉(zhuǎn)移節(jié)點(diǎn)數(shù)目、軌跡關(guān)鍵點(diǎn)個(gè)數(shù)程計(jì)分類軌跡的種類k；

Step 2:建立軌跡相似度矩陣，設(shè)Ω為目標(biāo)跟蹤系統(tǒng)所提取的L條行走軌跡的集合，其中，Ω＝{T₁,...,T_i,...,T_L}，T_i不為第i條軌跡。對(duì)任意兩條軌跡進(jìn)行基于4.2.3節(jié)所述的軌跡相似度度量即可計(jì)算得到相應(yīng)的相似度三維向量，那么對(duì)所有L條軌跡進(jìn)行相似度度量，可得到L×L×3的相似度矩陣:D_i,j＝d(S(T_i,T_j))；

Step 3:初始化聚類中心，隨機(jī)選取軌跡集中的某條軌跡作為第一類的初始聚類中心C_n1；其次，在剩余的L-1條軌跡集中選取另外一條軌跡作為第二類的初始聚類中心C_n2；為了防止所選的兩條軌跡屬于同一類，設(shè)定相似度閡值ρ，使兩類軌跡聚類中心之間的距離滿足下式，以此類推，直到找出k個(gè)初始聚類中心，

D_n1,n2＝d(S(T_n1,T_n2))≥ρ

其中，相似度閾值ρ的選取可通過(guò)對(duì)已知相似軌跡進(jìn)行訓(xùn)練得到相應(yīng)參數(shù)；

Step 4:對(duì)樣本軌跡進(jìn)行歸類，比較所有軌跡樣本T_i與各個(gè)初始化聚類中心C_nj的相似度，將軌跡樣本歸類到與它最相似的初始化聚類中心所在的類，

Step 5:調(diào)整聚類中心，根據(jù)Step 4可得到軌跡的初始類別以及對(duì)應(yīng)每一類的軌跡樣本個(gè)數(shù)L_i，對(duì)于每一類軌跡而言，在所屬該類的所有軌跡樣本中，找出某條樣本軌跡，使其到該類所有軌跡樣本的距離之和最小，即選為新的聚類中心，

Step 6:重復(fù)Step 4和步驟Step 5，直到連續(xù)兩次聚類中心的調(diào)整迭代不再發(fā)生變化為止。