[發明專利]一種解決室內機器人任意點啟動時“粒子綁架”問題的方法

有效

• 申請號: 201910509768.4
• 申請日: 2019-06-13
• 公開（公告）號: CN110274597B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 閆飛;于世寬;莊嚴
• 申請（專利權）人: 大連理工大學
• 主分類號: G01C21/20
• 分類號: G01C21/20;G01S17/08;G06N3/04;G06N3/08
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉;劉秋彤

1.一種解決室內機器人任意點啟動時“粒子綁架”問題的方法，其特征在于，步驟如下：

步驟一、訓練集的數據采集

在室內環境中，構造先驗地圖；在先驗地圖代表的室內環境中，利用導航定位算法使機器人遍歷所有機器人能夠到達的區域；采集機器人所有能夠到達的區域的激光數據和該激光數據時間戳對應的位姿信息，其中位姿信息為機器人中粒子濾波算法的導出數據，將該位姿信息作為真值；

步驟二、激光數據預處理

(2.1)將采集到的每一幀激光數據投影成三通道RGB圖片格式，保證激光的坐標原點在三通道RGB圖片的正中心位置；

(2.2)將采集到的每一幀激光數據投影成占用柵格地圖的形式；

(2.3)在保證得到的三通道RGB圖片和占用柵格地圖圖片行數列數一致的情況下，疊加成六通道圖片；

(2.4)將t-1時刻的六通道圖像、t時刻的六通道圖像、t+1時刻的六通道圖像疊加成十八通道圖像；

步驟三、構造卷積神經網絡模型

構造五層卷積，三層全連接的神經網絡模型；其輸入為十八通道圖像的格式，輸出為[x,θ]，其中x表示t時刻激光數據的位姿信息，θ表示t時刻激光數據的角度信息；

步驟四、訓練卷積神經網絡

設定批次大小，對輸入格式進行歸一化處理，將輸入的十八通道圖像的每一點像素值歸一化到[-1,1]；將輸出放大N倍，并對其huber損失進行梯度下降；迭代設定閾值的訓練次數，得到預測模型；

步驟五、利用卷積神經網絡預測位姿

采集機器人啟動時的激光數據，按照步驟一和步驟二對激光數據進行處理；將處理后的數據輸入訓練好的卷積神經網絡模型，預測得到機器人的位姿信息；

步驟六、分布粒子

以預測得到的位姿信息作為中心點，得到設定閾值為半徑的圓O，以預測得到的位姿信息中的角度信息作為中心方向θ，設定角度誤差閾值θ_r，在圓O內，在方向角[θ-θ_r,θ+θ_r]范圍內分布粒子。