[發明專利]一種不依賴地圖的智能倉儲移動機器人路徑規劃方法

在審

• 申請號: 201910323366.5
• 申請日: 2019-04-22
• 公開（公告）號: CN110032189A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 魏長赟;張鵬鵬;蔡帛良;倪福生;蔣爽;顧磊;李洪彬;劉增輝
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種不依賴地圖的智能倉儲移動機器人路徑規劃方法，其特征在于，包括以下步驟：

S1：首先移動機器人在模擬的環境中進行訓練；

a1：設置移動機器人運動時的目標，隨機初始目標點坐標位置信息(xt，yt)和目標半徑范圍R_m；xt、yt分別表示目標點的中心在靜態地圖中的X、Y軸坐標，R_m表示以(xt，yt)為中心的邊長為d_min的正方形區域，在區域中都可算到達目的地，設定移動機器人當前的位姿(x，y，θ_r)，x、y是移動機器人當前的位置坐標，θ_r是移動機器人實時的運動方向與X軸的夾角，并通過目標點在移動機器人極坐標下的位置信息(θ，d)進行路徑規劃，并以固定速度向前行駛，θ是目標點在移動機器人極坐標下的角度信息，d是目標點距移動機器人中心的距離信息；

a2：導航過程中，將移動機器人上激光傳感器檢測到的環境數據L_i和目標位置數據D_i進行預處理與特征化，然后相融合得到環境數據S_i；

a3：利用深度確定梯度策略方法，得到下一步的動作狀態a，a∈W代表執行動作時移動機器人所偏轉的角度在W范圍內；

a4：判斷移動機器人是否到達目標點(xt，yt)，如果沒有則返回a2繼續導航，如果已到達則結束導航；

a5：結束導航后，根據獎勵值，更新深度確定梯度策略方法中的策略子網絡，評價網絡參數，在訓練的成功率達到目標成功率后，保存在深度確定梯度策略方法中的網絡參數；

S2：實際環境移動機器人導航使用在S1中保存了網絡參數的深度確定梯度策略方法進行移動機器人動作選擇。

2.根據權利要求1所述的一種不依賴地圖的智能倉儲移動機器人路徑規劃方法，其特征在于，所述步驟a2將激光傳感器檢測到的環境數據L_i和目標位置數據D_i進行預處理與特征化，然后相融合得到環境數據S_i，具體包括：

激光傳感器數據L_i(i＝1，2，…，10)進行預處理，再轉換為環境特征參數L_fi(i＝1，2，…，10)；目標位置的數據需先進行分區域處理，然后得到區域距離數據D_i(i＝1，2，3)，其中D₁是當前移動機器人相對X坐標的角度，D₂是距離目標點的距離即d，D₃是目標點相對于移動機器人自身前進方向的角度即θ，然后D_i再進行轉換得到距離特征參數D_fi(i＝11，12，13)；根據定義的最大距離dm，將激光傳感器的距離數據轉換為距離特征值數據：L_fi＝L_i÷dm(i＝1，2，3，…，10)將激光傳感器的距離數據轉換為距離特征值數據：D_fi＝D₁₁÷π，D₁₂÷dm，D₁₃÷π，然后根據激光傳感器的距離特征值數據和目標點位置的距離特征值數據進行融合，得出當前的環境特征數據S_f1～S_f13，融合方式為：

3.根據權利要求2所述的一種不依賴地圖的智能倉儲移動機器人路徑規劃方法，其特征在于，所述目標位置的數據需先進行分區域處理后得到數據D₁₃，D₁₃是目標點相對于移動機器人自身前進方向的角度，具體包括：先將移動機器人正前方作為參考起點，順時針角度為負，逆時針角度為正，得到相對于目標位置的最優角度，角度的絕對值小于等于180°。